SISTEM PAKAR DIAGNOSIS PENYAKIT MENGGUNAKAN METODE CERTAINTY FACTOR (CF) UNTUK PENGOBATAN RAMUAN TRADISIONAL (HERBAL)

Transkripsi

1 Seminar Nasional Teknologi Informasi 2016 A14 SISTEM PAKAR DIAGNOSIS PENYAKIT MENGGUNAKAN METODE CERTAINTY FACTOR (CF) UNTUK PENGOBATAN RAMUAN TRADISIONAL (HERBAL) Sukenda 1), Iwan Rijayana 2), Reni Aprilia 3) 1,3) Teknik Informatika Universitas Widyatama 2) Sistem Informasi Universitas Widyatama Jalan Cikutra Nomor 204 A, Bandung Indonesia 1) kenda@widyatama.ac.id, 1) iwan.rijayana@widyatama.ac.id 2) ABSTRACT Health is the most important factor for human life. Health care needs a quick prevention and to solve the matter down, it has created a smart system which adopts an expert of the system into a computerized system which is combined into a specific knowledge, in order to that everyone could possibly use it for some various medical problems. Deal with health prevention, consuming or drinking Jamu, which comes from traditional herbs used as an effort to treat patients, is well known among the community. Jamu is widely used for treating light health problems, preventing illness, increasing the endurance and the health of the body, besides also for cosmetic reasons. The results obtained from the use of expert system are the form of detailed information in the form of the disease which consisted disease name, certainty factors, symptoms, treatment solutions, and recommendations from expert for the user. Certainty factor method is used to overcome data uncertainty in diagnosing the disease while the system development method which applied is Waterfall and process is depicted to apply Data Flow Diagram (DFD). Implementation application program will apply programming language Microsoft Visual Basic 6.0 as an interface system and for processing the database it is used Microsoft Access Office. This software uses a Windows-based operating system. Keywords: Expert Sistem, Certainty factor and traditional herbal. 1. Pendahuluan 1.1. Latar Belakang Masalah Sistem pakar yaitu ilmu pengetahuan yang mempelajari kecerdasan buatan. Ilmu pengetahuan ini memberikan pengetahuan dan pengalaman dari seorang pakar yang dimasukkan ke dalam mesin atau komputer. Kepakaran ini dimasukkan oleh satu atau banyak pakar ke dalam satu area pengetahuan tertentu sehingga setiap orang dapat menggunakannya untuk memecahkan berbagai masalah yang bersifat spesifik. Dalam kesempatan ini, kepakaran yang akan dibangun yaitu sistem pakar pengobatan penyakit dengan menggunakan ramuan tradisional atau herbal dengan menggunakan metode certainty factor (CF) sebagai indikator untuk keabsahan dalam penentuan penyakit yang diderita oleh pengguna. Ramuan tradisonal yaitu ramuan yang digunakan sebagai mediasi obat dengan menggunakan tanaman yang mengandung zat yang dibutuhkan untuk pengobatan. Kandungan bahan-bahan alamiah yang terdapat pada tanaman sebagai bahan baku obat. Sehingga ramuan tradisional dapat membantu berbagai penyembuhan penyakit, penyakit mudah tumbuh apabila seseorang tidak menjaga kebersihan dan pola makan yang benar. Kesehatan dan kebugaran badan dapat didukung oleh daya tahan tubuh yang kuat. Daya tahan yang kuat merupakan impian setiap orang. Daya tahan yang kuat bisa diraih dengan menerapkan gaya hidup yang alami (back to nature). Gaya hidup alami bisa diterapkan dalam kehidupan sehari-hari dengan memperhatikan dan menerapkan pola 3 G, pola hidup 3 G yaitu Gizi seimbang, Gerak badan, dan Gaya hidup sehat. Dengan kecenderungan gaya hidup yang alami atau back to nature yang sekarang diterapkan, justru bisa diraih dengan melakukan gaya pengobatan secara tradisonal terus ditingkatkan pemakaiannya. Apalagi dari kalangan medis ikut berpartisipasi dalam mengembangkan pengobatan secara herbal atau alami, sehingga cenderung meningkat dalam penggunaan obat tradisonal yang didasari pada beberapa alasan diantaranya yaitu khasiat dari ramuan tradisional sebagai obat untuk berbagai macam penyakit. Khasiat dari ramuan tradisional bisa masuk dalam kategori obat yang manjur dengan efek samping yang tidak ada. Dari sisi biaya, ramuan tradisional jauh lebih murah jika dibanding dengan obat-obat modern secara kimiawi. Dari paparan diatas maka penelitian dilakukan guna membangun sistem pakar yang kelak berguna untuk membantu user yang ingin mengetahui secara umum 79

2 A14 Seminar Nasional Teknologi Informasi 2016 mengenai penyakit yang diderita, tanpa adanya keterbatasan waktu (jam praktek dokter), tempat sehingga dapat mengurangi kebutuhan akan biaya yang besar, waktu maupun tenaga. Adapun sistem dibangun berdasarkan informasiinformasi dari para pakar, buku-buku, journal yang kemudian dijadikan dasar untuk kemudian diolah, dipelajari dan diorganisasikan secara terstruktur yang dijadikan basis pengetahuan. Basis pengetahuan ini selanjutnya disatukan, dikodekan, dan digambarkan dalam bentuk rancangan yang dijadikan dalam bentuk yang sistematis sehingga mudah dimengerti dalam proses pengembangan programnya, dan menjadi dasar acuan di dalam pengambilan keputusan seperti hasil diagnosis penyakit. Diagnosa penyakit akan dinilai berdasarkan persentase penyakit dengan meggunakan CF (Certainty Factor) dan akan memberikan solusi pengobatan dari hasil diagnosis tersebut Rumusan Masalah 1. Bagaimana perangkat aplikasi sistem pakar diagnosis penyakit yang diderita user dibangun, berdasarkan gejala-gejala yang timbul beserta persentase CF?. 2. Bagaimana memberikan informasi yang bermanfaat sehingga menjadi solusi pengobatan bagi user? Batasan Masalah Supaya penelitian ini memberikan hasil yang tepat sasaran maka masalah yang diteliti adalah hal-hal sebagai berikut: 1. Diagnosis dilakukan berdasarkan pada pemeriksaan gejala fisik. 2. Jenis penyakit yang didiagnosis ada dua belas macam yaitu penyakit asma, amandel, kencing manis (diabetes mellitus), bronkitis, gondongan, tuberculosis (TBC), diare, cacar air, hypertension (tekanan darah tinggi), biduran (Urtikaria), stroke, rematik. 3. Untuk mempermudah user maka Certainty Factor (CF) dibatasi dengan skala dari Gejala yang ditanyakan kepada user hanya berdasarkan basis aturan yang telah di inputkan oleh pakar Maksud Dan Tujuan Penelitian Maksud penelitian ini untuk memperkenalkan kepada orang awam bahwa komputer itu bukan hanya saja sebagai sarana untuk mengetik dan bermain saja, akan tetapi bisa juga digunakan sebagai salah satu sarana untuk mencari solusi dari suatu penyakit dengan bantuan sistem pakar. Sedangkan tujuan dari kegiatan penelitian ini antara lain adalah: 1. Membuat aplikasi sistem pakar untuk mendiagnosis penyakit berdasarkan gejala yang dialami user dengan memberikan persentase nilai Certainty Factor (CF). 2. Membuat aplikasi yang dapat memberikan solusi pengobatan dengan cara pengobatan ramuan tradisional serta anjuran yang harus dilakukan, sehingga informasi sangat bermanfaat bagi user. 2. Landasan Teori 2.1. Ramuan Tradisional (Herbal) Ramuan tradisional merupakan media pengobatan yang menggunakan tanaman dengan kandungan bahanbahan alamiah sebagai bahan bakunya. Di Indonesia, penggunaan ramuan tradisional erat kaitannya dengan pengobatan tradisional yang diwariskan secara turuntemurun kepada anak cucunya. Selain di Indonesia, ramuan tradisional juga dapat ditemukan di negaranegara lain. Berbagai bangsa telah mengembangkannya sejak lama, diantaranya Cina, Jepang, Korea, Malaysia, India, suku Indian di Amerika, dan berbagai negara di Afrika. Bahkan, Cina terkenal sebagai gudangnya ramuan tradisional. Adanya kecenderungan gaya hidup back to nature, ini justru membuat pengobatan tradisional semakin meningkat pemakaiannya. Ditunjang dengan banyaknya kalangan medis yang ikut serta mengembangkannya, sehingga di kota-kota besar sudah mulai bermunculan dokter-dokter yang mengkombinasikan cara pengobatan dengan ramuan tradisional Teori Faktor Kepastian Ketidakpastian (uncertainty) Suatu masalah perlu dihadapi dengan serius untuk mencari solusi jawaban yang benar, maka sering ditemukan solusi jawaban yang tidak memiliki kepastian jawaban yang penuh. Sehingga jawaban yang tidak memiliki kepastian yang penuh bisa dikatakan suatu jawaban ketidakpastian. Ketidakpastian merupakan probabilitas antara 0 sampai dengan 1 atau keboleh-jadian yang tergantung dari hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini bisa dilihat pada sistem diagnosis penyakit, dimana seorang pakar tidak dapat mendefinisikan tentang hubungan antara gejala dengan penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti. Pada akhirnya ditemukan banyak kemungkinan diagnosis. Dalam membangun sistem pakar ini perlu adanya perkiraan cara untuk menangani kondisi data yang kurang lengkap dalam diagnosis. Selain itu, guna memperoleh hasil diagnosis yang cukup akurat diperlukan suatu ketelitian yang tinggi dalam 80

3 Seminar Nasional Teknologi Informasi 2016 A14 perhitungan terhadap kemungkinan keberadaan penyakit Faktor Kepastian (Certainty Factor) [4] Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN (Wesley, 1984). Certainty Factor (CF) yaitu faktor yang digunakan untuk nilai parameter klinis yang diberikan MYCIN dengan cara menunjukkan besarnya kepercayaan. Certainty factor bisa didefinisikan berikut ini : CF(H,E) = MB(H,E) MD(H,E) Dengan keterangan, bahwa : CF(H,E) : sebagai certainty factor (faktor kepastian) dari hipotesis H yang dipengaruhi oleh fakta E. MB(H,E) : sebagai ukuran kenaikan atas kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E. MD(H,E) : sebagai ukuran kenaikan atas ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E. Dimana E adalah Evidence (peristiwa atau fakta), dan H adalah Hipotesis. Dalam sistem pakar MYCIN digunakan aturan untuk mengkombinasikan fakta. Aturan untuk mengkombinasikan fakta di dalam antesenden Evidence E Ketidakpastian antesenden E1 AND E2 Min[CF(H,E1),CF(H,E2)] E1 AND E2 Max[CF(H,E1),CF(H,E2)] NOT E -CF(H,E) Rumus dasar dalam menghitung faktor kepastian dengan kaidah berikut IF E THEN H, yang dimasukkan ke dalam rumus berikut ini : CF(H,e) = CF(E,e)*CF(H,E) Keterangan rumus sebagai berikut : CF(H,E) : sebagai faktor kepastian hipotesa dengan asumsi bahwa fakta diketahui dengan pasti, bila CF(E,e)=1. CF(E,e) : sebagai faktor kepastian dari fakta E membuat antecedent dari kaidah yang didasarkan pada ketidakpastian dari fakta e. CF(H,e) : sebagai faktor kepastian hipotesis yang didasarkan pada ketidakpastian fakta e. Jika semua evidence pada antecendent bisa diketahui dengan pasti maka rumus akan menjadi berikut ini : CF(H,e) = CF(H,e) Berikut ini adalah contoh kasus yang melibatkan kombinasi masalah kepakaran dengan melibatkan certainty factor : JIKA gejala dialami pada motorik secara bilateral, bisa berupa ekstensi tonik dari semua ekstremitas selama beberapa menit, kemudian disusul dengan gerakan klonik yang sinkron dari otot-otot tersebut. DAN menunjukkan adanya komponen tonik dan atau klonik DAN kemudian sawan berhenti kesadaran masih belum pulih dan tertidur DAN sebelum sawan terdapat gejala prodromal berupa kecemasan yang tidak menentu atau rasa yang tidak nyaman MAKA tipe sawan tonik-klonik primer, dengan CF = 0,7 akan diperoleh nilai certainty factor hipotesis pada saat evidence pasti berikut ini : CF(H,E) = CF(H,E1 E2 E3 E4 ) = 0,7 Dalam kasus seperti ini, kondisi pasien yang tidak dapat ditentukan dengan pasti. Maka certainty factor evidence E yang dipengaruhi oleh partial evidence e ditunjukkan dengan nilai sebagai berikut ini : CF(E1, e ) = 0,5 CF(E2, e) = 0,8 CF(E3, e) = 0,3 CF(E4, e) = 0,7 Sehingga CF(E, e) = CF (E1 E2 E3 E4, e ) = min [CF(E1, e), CF(E2, e), CF(E3, e), CF(E4, e) ] = min [0,5; 0,8; 0,3; 0,7] = 0,3 Maka nilai certainty factor hipotesis tersebut adalah: CF(H, e) = CF(E, e) * CF(H,E) = 0,3 * 0,7 = 0,21 Hal ini berarti besar kepercayaan bahwa pasien atau penderita mengalami tipe sawan tonik-klonik primer adalah 21%. Ada 2 macam faktor kepastian yang digunakan yaitu : 1. Faktor kepastian yang diisikan oleh pakar. Menggambarkan kepercayaan pakar terhadap hubungan antara antecedent dan konsekuen pada aturan kaidah produksi. 2. Faktor kepastian yang diberikan oleh user atau pengguna. Faktor kepastian ini menunjukkan besarnya kepercayaan terhadap keberadaan masingmasing elemen dalam antecedent. 3. Perancangan dan Implementasi Jenis penyakit yang akan didiagnosa, yaitu ada dua belas macam penyakit, antara lain: Asma, Amandel, Kencing Manis (Diabetes Mellitus), Bronkitis, Gondongan, Tubercolosis (TBC), Diare, Cacar Air, Tekanan Darah Tinggi (Hipertensi), Biduran (Urtikaria), Stroke, dan Rematik, sebagai basis pengetahuan yang dimasukkan dalam aplikasi yang akan dibuat. Jenis penyakit yang sudah ditetntukan sebanyak 12 penyakit maka basis pengetahuan dan basis aturan yang dimasukkan dalam database sebanyak 12 basis pengetahuan dan basis aturan. Dari 12 basis pengetahuan maka lahir 12 basis aturan. Dengan 12 basis aturan diturunkan ke gejala-gejala setiap penyakit dengan jumlah yang tidak sama sesuai dengan pengetahuan seorang pakar dalam mendefinisikan gejala yang ditimbulkan oleh penyakit tersebut. Satu basis aturan untuk satu jenis penyakit dengan gejala yang banyak tergantung kemampuan seorang pakar 81

4 A14 Seminar Nasional Teknologi Informasi 2016 dalam mendefinisikan gejala penyakit. Dan rekam medik untuk jenis penyakit atau basis aturan bisa bertambah jika seorang pakar mampu mendefinsikan basis pengetahuan dan basis aturan. Dalam kasus ini, sistem aplikasi pakar mampu mendefinisikan 12 jenis penyakit sehingga untuk basis pengetahuan dan basis aturan ada 12 baik basis pengetahuan dan basis aturan. Sedangkan gejala-gejala penyakit tidak sama ada yang banyak dan ada yang kurang banyak. Gejala-gejala penyakit bisa ditambahkan atau dikurangi sesuai dengan kemampuan seorang pakar dalam mendefinisikan gejala-gejala penyakit Perancangan Sistem Basis Aturan Berdasarkan Gejala Adapun metoda yang digunakan untuk merepresentasikan data menjadi basis pengetahuan adalah menggunakan metoda kaidah produksi dengan struktur yang digunakan sebagai berikut : IF Suatu-Keadaan-Tertentu [Kondisi1] AND Suatu-Keadaan-Lain [Kondisi2] THEN Keadaan-Lain-Dapat-Terjadi [Aksi1] Aturan-aturan yang digunakan untuk menentukan jenis penyakit berdasarkan gejala, antara lain : Aturan 1 JIKA mengalami pilek-pilek/bersin DAN mengalami batuk terus-menerus DAN tenggorokan terasa gatal DAN sulit untuk bernapas disertai bunyi mengik DAN rongga dada menggembung DAN kelenjar ludah hanya menghasilkan sedikit air ludah yang kental DAN merasa lemah, terkadang mukanya berubah menjadi kebiruan MAKA Penyakit asma, CF 0,9 Aturan 2 JIKA mengalami demam tinggi DAN pusing-pusing DAN nyeri seringkali dirasakan di telinga DAN tenggorokan terasa sakit ketika menelan makanan atau minuman DAN tenggorokan panas DAN badan terasa lemah MAKA Penyakit amandel, CF 0,7 Aturan 3 JIKA bagian tubuh luar terluka maka akan sulit disembuhkan DAN selalu merasa haus DAN selalu merasa lapar DAN mengalami lesu, kurang tenaga DAN sering buang air kecil DAN sering mual DAN mengalami kesemutan dibagian kaki DAN mengalami penurunan berat badan DAN penglihatan menjadi kabur MAKA Penyakit kencing manis (diabetes mellitus), CF 0,8 Aturan 4 JIKA mengalami nyeri tenggorokan DAN mengalami sesak napas DAN sulit untuk bernapas disertai bunyi mengik DAN merasa lemah, terkadang mukanya berubah menjadi kebiruan DAN pernafasan menjadi cepat DAN otot disela iga tetarik DAN cuping hidung kembang kempis DAN sering menderita infeksi pernapasan (misalnya flu) DAN mengalami demam MAKA Penyakit Bronkitis CF 0,9 Aturan 5 JIKA Tidak enak badan/ panas dingin DAN terdapat benjolan di bawah telinga DAN sakit kepala DAN kurang nafsu makan DAN timbul rasa nyeri ketika kelenjar liur disentuh DAN lidah terasa nyeri ketika mengunyah atau menelan cairan asam MAKA Penyakit Gondongan, CF 0,8 Aturan 6 JIKA mengalami batuk berdarah DAN batuk yang tak kunjung sembuh DAN frekuensi batuk yang sangat sering DAN kalau berjalan cukup jauh akan mengalami sesak nafas DAN tenggorokan merasa sakit dan gatal DAN badan terasa panas DAN kadang tersedak ketika tidur dikarenakan cairan paru keluar ke saluran napas bagian atas DAN berat badan turun MAKA penyakit Tuberkolosis (TBC), CF 0,7 Aturan 7 JIKA buang air besar sering (lebih dari 5x dalam 1 hari) DAN kotoran (fases) sangat encer DAN timbul rasa sakit atau mules di bagian perut DAN wajah pucat DAN kadang diikuti dengan muntah-muntah DAN tubuh menjadi lemah MAKA Penyakit diare, CF 0,7 Aturan 8 JIKA terjadi bintik-bintik merah di bagian tubuh yang terkena cacar DAN mengalami demam lebih dari satu minggu DAN bintik-bintik akan melepuh berwarna merah kecoklatan DAN bintik-bintik akan terasa gatal DAN pedih DAN lepuhan-lepuhan akan pecah mengeluarkan cairan MAKA Penyakit cacar air, CF 0,8 Aturan 9 JIKA pegal-pegal di bagian tengkuk DAN rasa lelah dan lesu DAN mudah marah DAN sakit kepala berkepanjangan DAN daya ingat menurun DAN sulit konsentrasi DAN mengalami susah tidur 82

5 Seminar Nasional Teknologi Informasi 2016 A14 DAN terkadang sulit buang air DAN mengalami sesak nafas DAN mangalami gelisah MAKA Penyakit tekanan darah tinggi (hipertensi), CF 0,9 Aturan 10 JIKA muncul bentol-bentol pada kulit DAN pada saat digaruk bentol-bentol akan membesar dan melebar DAN kulit akan terasa panas DAN mengalami demam secara tiba-tiba MAKA Penyakit biduran (urtikaria), CF 0,9 Aturan 11 JIKA penglihatan ganda yang diderita DAN hilangnya sebagian penglihatan atau pendengaran DAN mengalami kesulitan dalam memikirkan atau mengucapkan kata-kata yang tepat DAN mengalami kelemahan atau kelumpuhan lengan, atau tungkai, atau salah satu sisi tubuh DAN mengalami ketidak seimbangan MAKA Penyakit stroke, CF 0,7 Aturan 12 JIKA mengalami nyeri tulang DAN terjadi pembengkakan di bagian sendi lutut, tumit, bahu DAN Badan terasa pegal-pegal DAN badan terasa lemah, tidak bersemangat DAN kaki atau tangan sulit untuk digerakkan MAKA Penyakit rematik CF 0, Data Flow Diagram (DFD) Pada sistem pakar yang berupa aplikasi sistem kepakaran yang digunakan untuk mengetahui jenis penyakit serta solusi pengobatan yang ditawarkan secara tradisional (herbal), memiliki 2 user (pengguna), yaitu : 1. Pakar yaitu seorang pengguna yang ahli di bidang kesehatan terhadap jenis penyakit dan pengobatan pada jenis penyakit tersebut. Di samping itu, seorang yang bisa melakukan masukan terhadap aturan produksi dan basis pengetahuan terhadap aplikasi sistem pakar yang ada. Sehingga seorang pakar diberi kewenangan untuk memberikan masukan atas basis pengetahuan dan aturan produksi dari basis pengetahuan tersebut. 2. User yaitu pengguna biasa yang menggunakan aplikasi untuk mengetahui jenis penyakit yang diderita. Dan juga, ingin mengetahui obat tradisional sebagai bahan masukan dalam penyembuhan dari penyakit yang dideritanya. 83

6 A14 Seminar Nasional Teknologi Informasi 2016 Penjelasan DFD 1. Proses 1.0 (login pakar) Login pakar berfungsi untuk melakukan validasi untuk masuk ke menu utama. 2. Proses 2.0 (penyakit), proses ini digunakan untuk memasukkan data penyakit. Pada proses ini pakar dapat melakukan penambahan data, penghapusan data dan penyimpanan data, untuk proses tambah data maka pakar akan memasukkan pengetuhuannya tentang penyakit kemudian akan disimpan kedalam database. 3. Proses 3.0 (gejala), proses ini digunakan untuk memasukkan data gejala. Pada proses ini pakar dapat melakukan tambah gejala, hapus gejala, dan simpan gejala, untuk proses tambah gejala maka pakar akan memasukkan pengetuhuannya tentang penyakit kemudian akan disimpan ke dalam database. 4. Proses 4.0 (pengetahuan solusi pengobatan), proses ini sama dengan proses pengetahuan penyakit dan gejala hanya saja data yang di masukkan merupakan data solusi pengobatan. Pada proses ini pakar dapat melakukan tambah solusi, hapus solusi dan simpan solusi, untuk proses tambah solusi maka pakar akan memasukkan pengetuhuannya tentang solusi pengobatan kemudian akan disimpan ke dalam database. 5. Proses 5.0 (Data Tanaman), proses ini sama dengan proses sebelumnya hanya saja data yang di masukkan merupakan data tanaman serta gambar tanaman. Pada proses ini pakar dapat melakukan tambah tanaman dan gambar, hapus tanaman dan gambar serta simpan tanaman dan gambar, untuk proses tambah tanaman dan gambar maka pakar akan memasukkan pengetuhuannya tentang tanaman dan gambar kemudian disimpan ke dalam database. 6. Proses 6.0 (Aturan), pada proses ini pakar dapat melakukan tambah aturan dengan mengisi form aturan kemudian memilih gejala-gejala yang akan di masukkan dalam aturan setelah gejala-gejala dipilih maka pakar akan menyimpan ke dalam database, selain mempunyai proses tambah dan simpan, pakar juga dapat melakukan proses hapus aturan. 7. Proses 7.0 (Gejala Penyakit), pada proses gejala penyakit inilah pakar dapat mengisi form aturan, karena gejala-gejala akan ditampilkan dan penyakit akan dipilih pakar untuk membangun sebuah aturan. 8. Proses 8.0 (Konsultasi), pada proses konsultasi inilah yang nantinya menjadi jembatan antara sistem dengan user. Pemodelan konsultasi yang disediakan oleh sistem dengan cara memberikan pertanyaan mengenai gejala-gejala yang dialami dan persyaratan yang harus dipenuhi oleh user. Jawaban yang akan diberikan user berupa jawaban ya dan tidak dengan derajat kepercayaan 0-1. Berdasarkan fakta yang dimasukkan oleh seorang pakar maka sistem akan menentukan jenis penyakit yang mungkin diderita oleh user beserta kepercayaan dengan persentase yang ditampilkan oleh sistem, dan juga solusi pengobatan yang diberikan oleh sistem kepada user Kamus Data Kamus data yang terdapat pada sistem aplikasi pakar dibangun berdasarkan kebutuhan data yang diperlukannya. Berikut kebutuhan data yang ada di sistem aplikasi pakar tersebut. 1. Pengetahuan penyakit /*input data penyakit berupa kode penyakit, nama penyakit, definisi penyakit*/ 2. Pengetahuan gejala /*input data gejala berupa kode gejala, nama gejala, definisi gejala */ 3. Pengetahuan Solusi Pengobatan /* input data solusi pengobatan berupa kode solusi pengobatan, nama penyakit, solusi pengobatan dan anjuran*/ 4. Info Aturan /* informasi kode aturan, kode gejala, kode penyakit, nama penyakit, certainty factor */ 5. Info Solusi Pengobatan /* info solusi pengobatan berupa kode solusi pengobatan, nama penyakit, solusi pengobatan dan anjuran */ 6. hasil analisis penyakit /*info nama penyakit, certainty factor, definisi penyakit, solusi pengobatan, anjuran */ 7. Info dosis /*data dosis*/ 8. Data tanaman /*input kode tanaman, nama tanaman, definisi tanaman*/ 9. Data konsultasi /*pilih gejala, certainty factor*/ 10. Info penyakit /*info data penyakit berupa kode penyakit, nama penyakit, definisipenyakit*/ 11. Info gejala /*input data gejala berupa kode gejala, nama gejala, definisi gejala */ 12. Info detail tanaman /*kode tanaman, gambar definisi tanaman */ Struktur Program Sistem aplikasi pakar ini terdiri dari beberapa modul yang terintegrasi. Struktur program sistem aplikasi pakar diagnosis penyakit dengan pengobatan ramuan tradisional (herbal) menggunakan metode certainty factor (cf) adalah sebagai berikut : 84

7 Seminar Nasional Teknologi Informasi 2016 A14 dalam melakukan inferensi dan menghitung nilai certainty factor yang dihasilkan. Berikut ini adalah hasil uji coba perhitungan manual dari aturan 1 yang digunakan dalam sistem aplikasi pakar ini. Aturan yang diuji adalah aturan yang pertama yaitu : Aturan 1 JIKA mengalami pilek-pilek/bersin DAN mengalami batuk terus-menerus DAN tenggorokan terasa gatal DAN sulit untuk bernapas disertai bunyi mengik DAN rongga dada menggembung DAN kelenjar ludah hanya menghasilkan sedikit air ludah yang kental DAN merasa lemah, terkadang mukanya berubah menjadi kebiruan MAKA Penyakit asma, CF 0,9 Penjelasan Program 1. Menu Utama adalah form yang menampilkan antar muka yang berisi menu utama untuk menampilkan antar muka selanjutnya. 2. Pakar adalah orang yang melakukan penginputan maupun perubahan data pada basis pengetahuan dan basis aturan. 3. User adalah orang yang hanya dapat mengakses sistem pada form konsultasi, informasi dan about. 4. Akuisisi pengetahuan penyakit adalah form untuk mengelola data penyakit yang akan yang diinput oleh pakar dan disimpan ke dalam sistem. 5. Basis pengetahuan gejala adalah form untuk mengelola data gejala yang akan diinput oleh pakar dan disimpan ke dalam sistem. 6. Basis pengetahuan solusi pengobatan adalah form untuk mengelola data solusi pengobatan yang akan diinput oleh pakar dan disimpan kedalam database. 7. Basis aturan adalah form untuk mengelola data basis aturan yang akan yang diinput oleh pakar dan disimpan ke dalam sistem. 8. Data tanaman adalah form untuk mengelola data tanaman yang akan diinput oleh pakar dan disimpan ke dalam database. 9. Konsultasi adalah form yang nantinya menjadi jembatan antara sistem dengan user, pada saat sesi tanya jawab. 10. Informasi adalah form untuk mengetahui dosis obat dan gambar tanaman 3.2.Implementasi Sistem Uji Coba Sistem Pengujian aplikasi sistem dilakukan untuk mengetahui kemampuan dari sistem aplikasi pakar ini, Dari pengguna diketahui fakta sebagai berikut : mengalami pilek-pilek/bersin, CF = 0.4 mengalami batuk terus-menerus, CF = 0.8 tenggorokan terasa gatal, CF = 0.4 rongga dada menggembung, CF = 0.7 sulit untuk bernapas disertai bunyi mengik, CF = 0.6 merasa lemah, terkadang mukanya berubah menjadi kebiruan = tidak kelenjar ludah hanya menghasilkan sedikit air ludah yang kental = tidak Kemudian CFmin = min {(0.4), (0.8), (0.4), (0.7), (0.6)} = 0.5, akhir dari CF akhir = 0.5 x 0.9 = 0.45 Jadi tingkat kepastian bahwa pengguna menderita asma adalah 45% Tampilan antar Muka Gambar 1 : Tampilan Login Pada form ini terdapat pada gambar 1, ada dua pilihan status pengguna untuk masuk ke menu utama, yaitu pengguna biasa (user) dan pakar, dan juga dua tombol untuk ok dan exit. Gambar 2 : Menu Utama 85

8 A14 Seminar Nasional Teknologi Informasi 2016 Pada form ini terdapat empat pilihan menu yaitu menu akuisisi pengetahuan yang terdapat lima pilihan form yaitu basis pengetahuan penyakit, gejala, solusi pengetahuan, tanaman dan aturan, pada menu ini pakar akan memasukkan pengetahuannya ke dalam sistem, menu kedua konsultasi pada menu ini yaitu user dapat melakukan konsultasi dengan sesi tanya jawab, menu informasi digunakan user untuk melihat data tanaman serta gambar tanaman, selain itu user juga dapat melihat dosis pengobatan. Bisa dilihat gambar 2 : menu utama. Gambar 4 merupakan form tentang pengetahuan gejala penyakit, seorang pakar dapat menambahkan pengetahuannya dengan memilih tombol tambah setelah data terisi lengkap maka pakar akan menyimpan pengetahuan gejala penyakit ke dalam database. Selain dapat menambah dan menyimpan pengetahuan gejala penyakit, maka pakar dapat menghapus data dan simpan data. Sedangkan tombol panah digunakan untuk mencari data dengan menekan tombol arah panah kanan atau kiri. Gambar 5 : Menu Basis Pengetahuan solusi pengobatan Gambar 3 : Menu Basis Pengetahuan Penyakit Gambar 3 menunujukkan sebuah form yang digunakan untuk menginput basis pengetahuan penyakit, sehingga pakar dapat menambahkan pengetahuannya. Ada pilihan tombol, jika pakar memilih tombol tambah setelah data terisi lengkap maka pakar akan menyimpan data basis pengetahuan penyakit ke dalam database. Sedangkan tombol panah digunkan untuk mencari data dengan menekan tombol arah panah kanan ataupun kiri. Gambar 5 untuk form pengetahuan solusi pengobatan, seorang pakar dapat menambahkan pengetahuan kepakaran dengan memilih tombol tambah maka isian pengetahuan solusi pengobatan dilakukan dan setelah data terisi lengkap maka pakar dapat menyimpan data pengetahuan solusi pengobatan penyakit ke dalam database. Selain itu, seorang pakar dapat menambah dan menyimpan kepakaran dalam sistem aplikasi serta dapat menghapus data pengetahuan solusi pengobatan. Sedangkan tombol panah digunakan untuk mencari data dengan menekan tombol arah panah kanan ataupun kiri. Gambar 4: Menu Basis Pengetahuan Gejala Gambar 6: Basis Aturan 86

9 Seminar Nasional Teknologi Informasi 2016 A14 Pada form basis aturan, pakar dapat memasukkan data aturan yang baru dengan cara memilih tombol tambah kemudian pakar harus mengisi data basis aturan kemudian memilih tombol tambah untuk menambah gejala yang akan dimasukkan ke dalam basis aturan, setelah gejala dipilih maka pakar akan memilih tombol simpan untuk menyimpan data basis aturan ke dalam database. Selain dapat menyimpan dan menambah basis aturan, pada form ini pakar dapat melakukan hapus data dan tombol batal untuk membatalkan proses, sedangkan tombol panah kiri dan kanan dapat digunakan untuk mencari data yang basis aturan yagn telah tersimpan di dalam database, dapat dilihat pada gambar 6 tentang basis aturan. kemudian user menekan tombol lanjut untuk mendapatkan pertanyaan gejala selanjutnya, jika tidak maka secara otomatis certainty factor tidak akan ditampilkan. Berdasarkan fakta yang dimasukkan oleh user maka sistem aplikasi pakar akan menentukan jenis penyakit yang mungkin diderita oleh user yang akan ditampilkan ke dalam rincian analisis penyakit. Gambar 7 : Tampilan Data Tanaman Pada gambar 7 yaitu form yang digunakan data tanaman sehingga seorang pakar dapat memasukkan keterangan tanaman dan gambar tanaman yang nantinya berfungsi sebagai informasi bagi user. Gambar 9 : Menu Hasil Analisa Penyakit Pada gambar 9 adalah form untuk user agar dapat melihat rincian hasil analisis penyakit yang berisi nama penyakit, certainty factor, definisi penyakit, gejalagejala, solusi pengobatan, dan anjuran dari pakar. Rincian analisis juga dapat di cetak. Gambar 8 : menu konsultasi Pada gambar 8 adalah form konsultasi user, sehingga user dapat berinteraksi dengan sistem aplikasi pakar. Model konsultasi yang disediakan oleh sistem aplikasi pakar adalah dengan mengajukan pertanyaan mengenai gejala-gejala yang dialami user. Jawaban yang diberikan user berupa ya atau tidak jika user menjawab ya maka harus mengisi nilai certainty factor Gambar 10 : Menu Gambar Tanaman Gambar 10 mengenai form untuk user agar dapat melihat gambar tanaman serta keterangan dari gambar dengan tujuan untuk memudahkan user dalam mencari tanaman obat. 87

10 A14 Seminar Nasional Teknologi Informasi 2016 b. Bisa dikatakan sedang antara 40% 60 %, jika 10 sampel uji mengatakan certainty factor bernilai 0,6 0,4 maka bisa mencapai 40 % 60% berarti sedang dalam mengidap penyakit yang dideritanya. c. Bisa dikatakan lemah antara 10% 30 %, jika 10 sampel uji mengatakan certainty factor bernilai 0,3 0,1 maka bisa mencapai 10 % 30% berarti lemah dalam mengidap penyakit yang dideritanya. Gambar 11 : Menu Dosis Pengobatan Pada gambar 11 tentang form untuk user agar bisa melihat dosis pengobatan yang dianjurkan oleh pakar melalui sistem aplikasi pakar. 4. Kesimpulan dan Saran 4.1. Kesimpulan 1. Kemampuan aplikasi sistem kepakaran dapat mendiagnosis penyakit berdasarkan gejalagejala yang muncul, berikut persentase nilai CF nya. 2. Informasi yang tersaji meliputi solusi pengobatan tradisional dengan menyajikan beberapa jenis ramuan serta anjuran yang harus dilakukan. 4.2.Saran 1. Ada baiknya dalam pengembangan, sistem tidak hanya mampu mengenali dua belas penyakit bila perlu lebih spesifik misalnya mulai dari gangguan pernafasan, pencernaan, telinga, hidung dan tenggorokan. 2. Menambah beberapa modul program seperti misalnya sesi tanya jawab antara pakar dengan pemakai untuk eningkatkan kinerja sistem yang baru. 3. Ada baiknya aplikasi yang dibangun berbasiskan web agar dapatdimanfaatkan oleh banyak user dimanapun dan kapanpun. Gambar 12 : Menu Keterangan Certainty Factor Gambar 12 tentang isi keterangan mengenai Certanty Factor (CF) yang merupakan nilai parameter klinis yang diberikan untuk menunjukkan besarnya kepercayaan dimana nilai 1 0,7 = sangat, sedangkan 0,6 0,4 = sedang, dan 0,3 0,1 = tidak terlalu. Data sampel uji yang dimasukkan dalam sistem aplikasi pakar untuk mendiagnosa suatu penyakit telah dilakukan dengan 10 sampel uji. Dari 10 sampel uji bisa ditentukan berikut : a. Bisa dikatakan presisi 70% 100 %, jika 10 sampel uji mengatakan certainty factor bernilai 1 0,7 maka bisa mencapai % berarti sangat kuat untuk mengidap penyakit yang dideritanya. REFERENSI [1] Addy, Buku Pintar Kesehatan Anak 1 5 Tahun, Arcan, [2] Alan J Agus, Manajemen Database dengan Microsoft Visual Basic 6.0, Elex Media Komputindo, [3] Kusrini, Sistem Pakar Teori dan Aplikasi, Andi Offset, Yogyakarta, [4] Kusrini, Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna dengan Metode Kuantifikasi Pertanyaan, Andi Offset, Yogyakarta, [5] Marimin, Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial, IPB Press, [6] Nadesul Hendrawan, Bagaimana Mengenal Penyakit Sehari-hari Lebih Dini, Variasi Jaya-Kartini Group, [7] Soejohardso Sadatoen, Ilmu Kesehatan, Prapanca Djakarta, [8] Thomas A.N.S., Tanaman Obat Tradisional, Kanisius, Yogyakarta,