IJCCS, Vol., No.2, July 20, pp. 3~144 ISSN: 18-120 3 Prototype Siste Pakar untuk Mendeteksi Tingkat Resiko Penyakit Jantung Koroner dengan Metode Depster- Shafer (Studi Kasus: RS. PKU Muhaadiyah Yogyakarta) Elyza Gustri Wahyuni* 1, Widodo Prijodiprojo 2 1 Jurusan Teknik Innforatika, FTI UII, Yogyakarta 2 Jurusan Ilu Koputer dan Elektronika, FMIPA UGM, Yogyakarta e-ail: * 1 elyza@uii.ac.id, 2 widodopri@gail.co Abstrak Siste pakar dapat berfungsi sebagai konsultan yang eberi saran kepada pengguna sekaligus sebagai asisten bagi pakar. Salah satu cara untuk engatasi dan ebantu endeteksi tingkat resiko penyakit JK seseorang, yaitu dengan ebuat sebuah siste pakar sebagai edia konsultasi dan onitoring terhadap seseorang sehingga dapat einialkan terjadinya serangan jantung yang engakibatkan keatian. Metode Depster-Shafer erupakan etode penalaran non onotonis yang digunakan untuk encari ketidakkonsistenan akibat adanya penabahan aupun pengurangan fakta baru yang akan erubah aturan yang ada, sehingga etode Depster-Shafer eungkinkan seseorang aan dala elakukan pekerjaan seorang pakar. Penelitian ini bertujuan enerapkan etode ketidakpastian Depster-Shafer pada siste pakar untuk endiagnosa tingkat resiko penyakit JK seseorang berdasarkan faktor serta gejala penyakit JK. Manfaat penelitian ini adalah untuk engetahui keakuratan esin inferensi Depster-Shafer. Hasil diagnosa penyakit JK yang dihasilkan oleh siste pakar saa dengan hasil perhitungan secara anual dengan enggunakan teori esin inferensi Depster-Shafer. Sehingga dapat disipulkan bahwa siste pakar yang telah dibangun dapat digunakan untuk endiagnosa PJK. Kata kunci Depster-Shafer, Jantung Koroner, Siste Pakar Abstract The expert systes can serve as a consultant that gives advice to the users and at once as an assistant to the experts. One way to cope and help detect the risk level of one s coronary heart disease, is to create the expert syste as edia of consulting and onitoring a person so that can iniize the occurrence of heart attacks resulting in death. The Depster- Shafer ethod is non onotonis reasoning ethod is used to look for inconsistencies due to addition or reduction of new facts that will change the existing rules, so that the Depster- Shafer ethod enables one safe in doing the expert work. This research ais to apply the Depster-Shafer uncertainty ethods in expert syste to diagnose the risk level of one s coronary heart disease based on factors and sypto of coronary heart disease The benefits of this research was to know the accuracy of Depster-Shafer inference engine. The diagnosis results of coronary heart disease is generated by an expert syste siilarly with anually calculating result using the theory of Depster- Shafer inference engine. Therefore we can conclude that the expert syste that has been built can be used to diagnose Coronary Heart diagnosis. Keywords Depster-Shafer, Coronary Heart Disease, Expert Systes Received June 1 st,20; Revised July 1 st, 20; Accepted July 1 th, 20
4 ISSN: 18-120 P IJCCS Vol., No. 2, July 20 : 3 144 1. PENDAHULUAN enyakit Jantung koroner (JK) enjadi kasus terbanyak peicu keatian di negara-negara aju, Julah penderita penyakit ini tiap tahun seakin eningkat, data WHO enyebutkan bahwa 1,3 juta orang diperkirakan eninggal karena kardiovaskular pada tahun 2008, ewakili 30% dari seua keatian global. Dari data keatian tersebut, diperkirakan,3 juta yang disebabkan oleh penyakit jantung koroner [1]. Penyebab tibulnya penyakit JK tidak lepas dari gaya hidup yang kurang sehat yang banyak dilakukan seiring dengan berubahnya pola hidup. Diketahui dari para ahli bahwa faktorfaktor peicu serangan jantung antara lain yaitu: kebiasaan erokok, alkohol, tekanan darah tinggi, diabetes, riwayat keturunan penyakit JK, usia lebih dari 40 tahun, obesitas, kurang aktivitas, jenis kelain dan stres. Gejala yang juga dijadikan penyebab penyakit JK diantaranya yaitu: nyeri dada, sesak napas, jantung berdebar-debar, keringat dingin, ual, pusing, pingsan, untah, batuk-batuk, dan leas [2]. Beberapa penelitian yang elakukan riset engenai penyakit JK enggunakan etode penelitian serta basis pengetahuan yang beraga diantaranya yaitu penelitian [3] dan [4] dala pendeteksian penyakit jantung koroner enggunakan etode Jaringan Syaraf Tiruan Backpropagation serta dengan statistik analisis bivariat dan analisis ultivariat ultiple logistic regretion, untuk basis pengetahuannya enggunakan Faktor-faktor risiko penyakit JK, Pelatihan tersebut enggunakan data rekaedis penderita penyakit jantung dan orang sehat. Penelitian [], dan [6] enggunakan etode Depster-shafer yang enyipulkan bahwa siste pakar yang dibangun dapat eberikan hasil beserta tingkat kebenarannya berdasarkan nilai kepercayaan yang diiliki oleh gejala tiap asing-asing kasus. Penelitian [] enjelaskan bahwa siste pakar dapat dibangun dengan etode non onotonis selain Depster-shafer yaitu dengan etode Certainty Factor yang juga digunakan untuk alat Bantu pendiangnosa penyakit. Penelitian yang pernah dilakukan tersebut eiliki kelebihan dan kekurangan yang berbeda. kelebihan suatu koponen dapat elengkapi kekurangan koponen lainnya. Terlebih lagi, asalah diagnosa penyakit JK tiap individu eiliki beraga keungkinan yang seringkali enjadi suatu asalah yang kopleks, sehingga untuk endiagnosa penyakit JK eerlukan suatu odel penyelesaian yang dinais agar dapat engatasi asalah tersebut dengan baik. Salah satu cara untuk engatasi dan ebantu endeteksi tingkat resiko penyakit JK seseorang, yaitu dengan ebuat sebuah siste pakar sebagai edia konsultasi dan onitoring terhadap seseorang yang diharapkan dapat ebantu dala endiagnosa resiko penyakit JK. Proses pelacakan kesipulan untuk eperoleh suatu keputusan terkadang sering engalai faktor penghabat. Hal ini disebabkan karena adanya perubahan terhadap pengetahuan yang enyebabkan proses penentuan kesipulan juga engalai perubahan. Peristiwa ini dala siste pakar disebut sebagai faktor ketidakpastian. Metode Depster- Shafer erupakan etode penalaran non onotonis yang digunakan untuk encari ketidakkonsistenan akibat adanya penabahan aupun pengurangan fakta baru yang akan erubah aturan yang ada, sehingga etode Depster-Shafer eungkinkan seseorang aan dala elakukan pekerjaan seorang pakar, sekaligus dapat engetahui probabilitas atau prosentase dari penyakit yang ungkin diderita. Peanfaatan siste pakar ini untuk endeteksi tingkat resiko penyakit JK dengan teorea Depster-Shafer untuk encari besarnya nilai kepercayaan gejala dan faktor resiko tersebut terhadap keungkinan tingkat resiko terkena penyakit JK. 2. METODE PENELITIAN 2.1 Analisis Siste Siste pakar enggunakan etode Depster-shafer untuk endeteksi tingkat resiko penyakit JK adalah siste pakar yang dapat enentukan tingkat resiko penyakit JK berdasarkan faktor resiko serta gejala yang epengaruhi tingkat resiko penyakit JK tiap pasien. Siste
IJCCS ISSN: 18-120 juga dapat eberikan inforasi prognosis yang ungkin diiliki pasien berdasarkan faktor dan gejala yang diiliki pasien serta eberikan inforasi berupa tindakan secara uu berdasarkan tingkat resiko penyakit JK yang diderita pasien. Sesuai dengan struktur syste pakar enurut [8], odel arsitektur siste pakar enggunakan etode Depster-shafer untuk endeteksi tingkat resiko penyakit JK dapat digabarkan seperti Gabar 1. Gabar 1 Model arsitektur siste pakar untuk endeteksi tingkat resiko penyakit JK Siste yang dirancang dan dibangun dala penelitian ini adalah siste pakar untuk ebantu paraedis dala enganalisa tingkat resiko penyakit JK yang diderita oleh pasien. Proses analisa/diagnosa penyakit Jantung Koroner enggunakan etode depster-shafer dengan pengetahuan pakar yang akan enghasilkan nilai ketidakpastian dala encari keungkinan faktor-faktor resiko, gejala, aupun riwayat penyakit yang akan epengaruhi tingkat resiko penyakit Jantung Koroner tiap pasien. Siste pakar ini selain berguna untuk enganalisa keungkinan tingkat resiko penyakit Jantung Koroner yang diderita pasien juga eberikan output berupa prognosis penyakit lainnya yang eungkinkan diderita pasien, hasil prognosis berdasarkan gejala-gejala aupun faktor-faktor resiko yang diderita pasien. Paraedis yang eberi input berupa data pasien yang berupa hasil labolatoriu yaitu kolesterol, gula darah, tekanan darah, serta hasil peeriksaan dokter berupa nilai BMI berdasarkan berat badan dan tinggi badan, usia serta jenis kelain, Hasil inferensi akan diberikan kepada paraedis untuk endapatkan hasil keluaran berupa tingkat resiko penyakit Jantung Koroner serta penangganan secara uu. siste pakar yang dibuat diharapkan eiliki keapuan sebagai berikut: a. Siste dapat digunakan oleh paraedis yang sudah terdaftar, pakar/dokter spesialis jantung dan adin. b. Siste dapat digunakan oleh paraedis untuk enabah, erubah dan enghapus data pasien, dan juga bisa encetak hasil peeriksaan pasien. c. Siste dapat digunakan pakar/dokter spesialis jantung untuk enabah, erubah, dan enghapus data seperti data rekaedis pasien, aturan, faktor resiko aupun gejala, tingkatan diangnosa penyakit Jantung Koroner, prognosis, tindakan, table keputusan serta nilai densitas yang ada, selain itu pakar juga bisa encetak data pasien yang terdaftar serta hasil peeriksaannya. d. Siste dapat digunakan oleh adin untuk enabah, erubah dan enghapus data paraedis serta pakar, dan juga bisa eodifikasi data help. e. Untuk enabah, erubah dan enghapus data, dokter spesialis jantung/pakar aupun paraedis harus elewati proses otentifikasi. f. Siste dapat eberikan hasil diagnosa penyakit jantung koroner pasien serta eberikan penanganan secara uu sesuai dangan hasil diagnosa. Berat badan ideal didapat dari ruus BMI, serta prognosis penyakit Jantung yang dihasilkan dari gejala dan faktor yg diderita pasien. g. Siste juga dapat eberikan hasil prognosis penyakit yang diderita pasien berdasarkan faktor serta gejala yang diiliki pasien. 2.2 Teori Depster Shafer Metode Depster-Shafer pertaa kali diperkenalkan oleh Depster, yang elakukan percobaan odel ketidakpastian dengan range probabilities dari pada sebagai probabilitas Prototype Siste Pakar untuk Mendeteksi Tingkat Resiko Penyakit...(Elyza Gustri Wahyuni)
6 ISSN: 18-120 tunggal. Keudian pada tahun 16 Shafer epublikasikan teori Depster itu pada sebuah buku yang berjudul Matheatical Theory Of Evident [8]. Depster-Shafer Theory Of Evidence, enunjukkan suatu cara untuk eberikan bobot kenyakinan sesuai fakta yang dikupulkan. Pada teori ini dapat ebedakan ketidakpastian dan ketidaktahuan. Teori Depster-Shafer adalah representasi, kobinasi dan propogasi ketidakpastian, diana teori ini eiliki beberapa karakteristik yang secara instutitif sesuai dengan cara berfikir seorang pakar, naun dasar ateatika yang kuat. Secara uu teori Depster-Shafer ditulis dala suatu interval: [Belief,Plausibility] []. Belief (Bel) adalah ukuran kekuatan evidence dala endukung suatu hipunan proposisi. Jika bernilai 0 aka engindikasikan bahwa tidak ada evidence, dan jika bernilai 1 enunjukkan adanya kepastian. Plausibility (Pls) akan engurangi tingkat kepastian dari evidence. Plausibility bernilai 0 sapai 1. Jika yakin akan X, aka dapat dikatakan bahwa Bel(X ) = 1, sehingga ruus di atas nilai dari Pls(X) = 0. Menurut Giarratano dan Riley fungsi Belief dapat diforulasikan dan ditunjukkan pada persaaan (1): Bel (X) = ( Y ) (1) Y X Dan Plausibility dinotasikan pada persaaan (2): Pls (X) = 1 Bel (X) = 1 ( X ) (2) Y X Diana : Bel (X) = Belief (X) Pls (X) = Plausibility (X) (X) = ass function dari (X) (Y) = ass function dari (Y) Teori Depster-Shafer enyatakan adanya frae of discreent yang dinotasikan dengan sibol (Θ). frae of discreent erupakan seesta pebicaraan dari sekupulan hipotesis sehingga sering disebut dengan environent yang ditunjukkan pada persaaan (3) : Θ = { θ1, θ2, θn} (3) Diana : Θ = frae of discreent atau environent θ1,,θn = eleent/ unsur bagian dala environent Environent engandung eleen-eleen yang enggabarkan keungkinan sebagai jawaban, dan hanya ada satu yang akan sesuai dengan jawaban yang dibutuhkan. Keungkinan ini dala teori Depster-Shafer disebut dengan power set dan dinotasikan dengan P (Θ), setiap eleen dala power set ini eiliki nilai interval antara 0 sapai 1. : P (Θ) [0,1] Sehingga dapat diruuskan pada persaaan (4) : Dengan : P (Θ) (X) X P( ) ( X ) 1 (4) = power set = ass function (X) Mass function () dala teori Depster-shafer adalah tingkat kepercayaan dari suatu evidence (gejala), sering disebut dengan evidence easure sehingga dinotasikan dengan (). Tujuannya adalah engaitkan ukuran kepercayaan eleen-eleen θ. Tidak seua evidence secara langsung endukung tiap-tiap eleen. Untuk itu perlu adanya probabilitas fungsi densitas (). Nilai tidak hanya endefinisikan eleen-eleen θ saja, naun juga seua IJCCS Vol., No. 2, July 20 : 3 144
IJCCS ISSN: 18-120 subsetnya. Sehingga jika θ berisi n eleen, aka subset θ adalah 2n. Julah seua dala subset θ saa dengan 1. Apabila tidak ada inforasi apapun untuk eilih hipotesis, aka nilai : {θ} = 1,0 Apabila diketahui X adalah subset dari θ, dengan 1 sebagai fungsi densitasnya, dan Y juga erupakan subset dari θ dengan 2 sebagai fungsi densitasnya, aka dapat dibentuk fungsi kobinasi 1 dan 2 sebagai 3, yaitu ditunjukkan pada persaaan () : () Diana : 3(Z) = ass function dari evidence (Z) 1 (X) = ass function dari evidence (X), yang diperoleh dari nilai keyakinan suatu evidence dikalikan dengan nilai disbelief dari evidence tersebut. 2 (Y) = ass function dari evidence (Y), yang diperoleh dari nilai keyakinan suatu evidence dikalikan dengan nilai disbelief dari evidence tersebut. X Y Z 1 ( X ). 2 ( Y) = erupakan nilai kekuatan dari evidence Z yang diperoleh dari kobinasi nilai keyakinan sekupulan evidence. 2.3 Representasi Pengetahuan Representasi dilakukan setelah proses akuisisi pengetahuan dilakukan. Tujuan representasi adalah untuk engebangkan suatu struktur yang akan ebantu pengkodean pengetahuan ke dala progra. Representasi pengetahuan enggunakan aturan produksi. 2.3.1 Hipunan aturan Aturan-aturan yang dapat dibentuk berdasarkan studi kasus Rekaedis RS. PKU Muhaadiyah Yogyakarta ada sebanyak 30 rule diantaranya adalah sebagai berikut: 1. IF Kolesterol Tinggi AND Gula Darah Noral AND Tekanan Darah Noral AND BMI Kurus AND Usia > 40 thn AND Jenis kelain Pria AND Batuk-batuk AND Sesak nafas (sangat) THEN JK Berat. 2. IF Kolesterol Noral AND Gula Darah Noral AND Tekanan Darah Rendah AND BMI Kegeukan AND Kurang aktifitas AND Usia > 40 thn AND Jenis kelain Pria AND Nyeri dada (sangat) THEN JK Sedang. 2.4 Perancangan esin inferensi Pada siste ini inferensi dilakukan untuk enentukan tingkat resiko penyakit JK berdasarkan sekupulan fakta-fakta tentang suatu gejala dan faktor resiko penyakit JK (g1) yang eiliki nilai densitas g1 (1) berdasarkan hasil peeriksaan pasien. keudian dilakukan perhitungan ass function () berdasarkan nilai densitas g1 (1) (2). Selanjutnya dilakukan pengecekkan banyaknya gejala dan faktor resiko yang ada, jika = 1 aka akan langsung diteukan diagnosa penyakit {x}, tapi jika jawaban 2 aka akan dilakukan perhitungan untuk tiap gejala & faktor resiko (gi) dan dengan nilai densitas gi (i {y}). Setelah diketahui keungkinan gejala & faktor resiko = 2 aka dilakukan proses (), untuk X adalah subset dari θ, dengan 1 sebagai fungsi densitasnya dan Y juga erupakan subset dari θ dengan 2 sebagai fungsi densitasnya. Dilakukan pengecekan gejala & faktor resiko sapai habis, jika selesai aka () akan dipilih dari nilai aksial diantara nilai () yang lainya dan berikutnya pencarian hasil diagnosa akan didapat berdasarkan nilai densitas terbesar, tapi jika tidak aka akan dilakukan pengecekan lagi terhadap gejala & faktor resiko yang ada sapai selesai proses pengecekan. Prototype Siste Pakar untuk Mendeteksi Tingkat Resiko Penyakit...(Elyza Gustri Wahyuni)
8 ISSN: 18-120 3. HASIL DAN PEMBAHASAN Pebahasan dilakukan terhadap 10 kasus dengan input yang berbeda. Pebahasan eliputi perbandingan output dari 10 kasus yang telah diuji elalui siste dengan perhitungan anualnya. Kasus pertaa yang diuji elalui siste terlihat pada Gabar 2. Gabar 2 Kasus pertaa Output yang dihasilkan : Klasifikasi nilai Kolesterol Berdasarkan nilai input yang diberikan yaitu 201 g/dl aka terasuk kedala nilai Kolesterol Tinggi (> 200 g/dl) Klasifikasi nilai Gula Darah Berdasarkan nilai input yang diberikan yaitu 126 g/dl aka terasuk kedala nilai Gula Darah Noral (0-10) g/dl Klasifikasi nilai Tekanan Darah Berdasarkan nilai input yang diberikan yaitu 126/80 Hg aka terasuk kedala nilai Tekanan Darah Noral (100/0 0/80 Hg) Klasifikasi nilai Berat Badan Perhitungan Nilai BMI untuk orang Asia Tenggara dihitung dengan enggunakan ruus perhitungan (3.6) yaitu : Input Berat Badan = 4 Kg, Tinggi Badan = 16 C = 1.6M, aka BMI = = =16,2, => terasuk ke dala kategori BMI Kurus (1-18,4). Uur = 8 Tahun => Usia > 40 Tahun Gejala yang diiliki: Batuk-batuk dan sesak nafas (sangat) 1. Faktor-1: Kolesterol Tinggi (>200 Mg/Dl) Langkah pertaa hitung nilai dari belief dan Plausability dari faktor Kolesterol Tinggi (G02), yang erupakan diagnosa dari penyakit JK Berat (JKB) dengan ruus (1) dan (2): 1 (G02) = 0.82 1 {θ} = 1 1 (G02) = 1 0.82 = 0.18 2. Faktor-2: Gula darah noral (0-140 Hg) IJCCS Vol., No. 2, July 20 : 3 144
IJCCS ISSN: 18-120 Keudian apabila diketahui adanya fakta baru, yaitu adanya faktor Gula darah noral(g03), yang erupakan diagnosa dari penyakit JK Berat (JKB), JK Sedang (JKS) dan JK Ringan (JKR) dengan engacu ruus (1) dan (2), aka nilai keyakinannya adalah: 2 (G03) = 0. 2 {θ} = 1 2 (G03) = 1 0. = 0.3 Jika diilustrasikan dala Tabel 1: Tabel 1 Ilustrasi nilai keyakinan terhadap dua gejala 2 {JKB,JKS,JKR}0. 2 {θ} 0.3 {JKB} 0.82 {JKB} 0.40 {JKB} 0.2460 1 {θ} 0.18 {JKB,JKS,JKR}0.1260 Θ 0.040 1 Selanjutnya enghitung tingkat keyakinan() cobine dengan ruus (), aka: {JKB} = 1 0 3 (0.82*0.) (0.82*0.3) 0.40 0.2460 = 1 0 0.18*0. 3 {JKB,JKS,JKR} = 1 0 = 0.1260 0.18*0.3 3 {θ} = 1 0 = 0.040 = 0.820 Nilai keyakinan paling kuat adalah terhadap penyakit {JKB} yaitu sebesar 0.820, yang didapatkan dari dua gejala yang ada yaitu G02 dan G03. 3. Faktor-3: Tekanan darah Noral (100/0 0/80 Hg) Keudian apabila diketahui adanya fakta baru, yaitu adanya faktor Tekanan Darah Noral (G06), yang erupakan diagnosa dari penyakit JKS, dan JKR dengan ruus (1) dan (2): 4 (G06) = 0.6 4 {θ} = 1 4 (G06) = 1 0.6 = 0.33 Jika diilustrasikan dala Tabel 2: Tabel 2 Ilustrasi nilai keyakinan terhadap tiga gejala 4 {JKS,JKR} 0.6 4 {θ} 0.33 {JKB} 0.820 Ø 0.44 {JKB} 0.206 3 {JKB,JKS,JKR}0.1260 {JKS,JKR} 0.08442 3 3 {JKB,JKS,JKR}0.0418 {θ} 0.040 {JKS,JKR} 0.03116 Θ 0.0182 Selanjutnya enghitung tingkat keyakinan() cobine dengan ruus (), aka : 0.206 {JKB} = 1 0.44 = 0.6003 0.08442 0.03116 = 0.2664 {JKS,JKR} = 1 0.44 0.0418 {JKB,JKS,JKR} = 1 0.44= 0.0228 0.0182 {θ} = 1 0. 44= 0.03 Nilai keyakinan paling kuat adalah terhadap penyakit {JKS} yaitu sebesar 0.6003, yang didapatkan dari tiga gejala yang ada yaitu G02, G03 dan G06. Prototype Siste Pakar untuk Mendeteksi Tingkat Resiko Penyakit...(Elyza Gustri Wahyuni)
140 ISSN: 18-120 4. Faktor-4 : BMI Kurus (1 18.4) Keudian apabila diketahui adanya fakta baru, yaitu adanya faktor BMI Kurus (G11), yang erupakan diagnosa dari penyakit JKR dengan engacu ruus (1) dan (2), aka : (G11) = 0. 6 6 {θ} = 1 6 (G11) = 1 0. = 0. Jika diilustrasikan dala Tabel 3: Tabel 3 Ilustrasi nilai keyakinan terhadap epat gejala 6 {JKR} 0. 6 {θ} 0. {JKB} 0.6003 Ø 0.3002 {JKB} 0.3002 {JKS,JKR} 0.2664 {JKR} 0.382 {JKS, JKR} 0.382 {JKB,JKS,JKR}0.0228 {JKR} 0.04614 {JKB,JKS,JKR}0.04614 {θ} 0.03 {JKR} 0.01 Θ 0.01 Selanjutnya enghitung tingkat keyakinan() cobine dengan ruus (), aka: 0.6003*0. {JKB} = 1 0.3002 = 0.4212 0.382 0.04614 0.04614 {JKR} = 1 0.3002 = 0.2844 0.382 {JKS, JKR} = 1 0.3002= 0.112 0.04614 {JKB,JKS,JKR} = 1 0.3002= 0.064 0.01 {θ} = 1 0.3002= 0.02826 Nilai keyakinan paling kuat adalah terhadap penyakit {JKB} yaitu sebesar 0.4212, yang didapatkan dari epat gejala yang ada yaitu G02, G03, G06 dan G11.. Faktor-: Usia > 40 Thn Keudian apabila diketahui adanya fakta baru, yaitu adanya faktor Usia > 40 thn (G21), yang erupakan diagnosa dari penyakit JKB, JKS dan JKR dengan ruus (1) dan (2): (G21) = 0. 8 8 {θ} = 1 8 Jika diilustrasikan dala Tabel 4: (G21) = 1 0. = 0.2 Tabel 4 Ilustrasi nilai keyakinan terhadap lia gejala 8 {JKB,JKS,JKR}0. 8 {θ} 0.2 {JKB} 0.4212 {JKB} 0.32184 {JKB} 0.1028 {JKR} 0.2844 {JKR} 0.21408 {JKR} 0.06 {JKS, JKR} 0.112 {JKS, JKR} 0.14343 {JKS, JKR} 0.0481 {JKB,JKS,JKR} 0.064 {JKB,JKS, JKR} 0.044 {JKB,JKS, JKR} 0.01648 {θ} 0.02826 {JKB,JKS, JKR} 0.0211 Θ 0.0006 Selanjutnya enghitung tingkat keyakinan() cobine dengan ruus (), aka: 0.32184 0.1028 {JKB} = 1 0 = 0.4212 IJCCS Vol., No. 2, July 20 : 3 144
IJCCS ISSN: 18-120 141 0.21408 0.06 {JKR} = 1 0 = 0.2844 {JKS, JKR} = 1 0 0.14343 0.0481 = 0.112 {JKB,JKS,JKR} = 1 0 0.044 0.01648 0.0211 = 0.08 0.0006 {θ} = 1 0 = 0.0006 Nilai keyakinan paling kuat adalah terhadap penyakit {JKB} yaitu sebesar 0.4212, yang didapatkan dari lia gejala yang ada yaitu G02, G03, G06, G11 dan G12. 6. Jenis Kelain Pria Keudian apabila diketahui adanya fakta baru, yaitu faktor Jenis Kelain Pria (G22), erupakan diagnosa dari penyakit JKB, JKS dan JKR dengan ruus (1) dan (2) aka: (G22) = 0. 10 10{θ} = 1 10 (G22) = 1 0. = 0.3 Jika diilustrasikan dala Tabel : Tabel Ilustrasi nilai keyakinan terhadap ena gejala 10{JKB,JKS,JKR}0. 10{θ} 0.3 {JKB} 0.4212 {JKB} 0.30038 {JKB} 0.1283 {JKR} 0.2844 {JKR} 0.181 {JKR} 0.0863 {JKS,JKR} 0.112 {JKS,JKR} 0.38 {JKS,JKR} 0.03 {JKB,JKS,JKR}0.08 {JKB,JKS,JKR}0.060 {JKB,JKS,JKR}0.02614 {θ} 0.0006 {JKB,JKS,JKR}0.004 Θ 0.00212 Selanjutnya enghitung tingkat keyakinan() cobine dengan ruus (), aka: 0.30038 0.1283 {JKB} = 1 0 = 0.4212 11 0.181 0.0863 {JKR} = 1 0 = 0.2844 11 11{JKS, JKR} = 1 0 0.38 0.03 = 0.112 11{JKB,JKS,JKR} = 1 0 0.060 0.02614 0.004 = 0.0208 0.00212 11{θ} = 1 0 = 0.00212 Nilai keyakinan paling kuat adalah terhadap penyakit {JKB} yaitu sebesar 0.4212, yang didapatkan dari ena gejala yang ada yaitu G02, G03, G06, G11, G12 dan G22.. Batuk-batuk Keudian apabila diketahui adanya fakta baru, yaitu adanya gejala batuk-batuk (G24), yang erupakan diagnosa dari penyakit JKS dan JKR dengan ruus (1) dan (2), aka: 12 (G24) = 0.6 12{θ} = 1 12(G24) = 1 0.6 = 0.4 Jika diilustrasikan dala Tabel 6: Prototype Siste Pakar untuk Mendeteksi Tingkat Resiko Penyakit...(Elyza Gustri Wahyuni)
142 ISSN: 18-120 Tabel 6 Ilustrasi nilai keyakinan terhadap tujuh gejala 12{JKS,JKR} 0.6 12{θ} 0.4 {JKB} 0.4212 Ø 0.24 {JKB} 0.116 11 {JKR} 0.2844 {JKR} 0.112 {JKR} 0.11418 11 {JKS, JKR} 0.112 {JKS,JKR} 0.114 {JKS, JKR} 0.060 11 {JKB,JKS,JKR}0.0208 {JKS,JKR} 0.02 {JKB,JKS,JKR}0.03683 11 11{θ} 0.00212 {JKS,JKR} 0.0012 Θ 0.0008 Selanjutnya enghitung tingkat keyakinan() cobine dengan ruus (), aka: 0.116 {JKB} = 1 0.24 = 0.23116 0.11418 0.112 {JKR} = 1 0.24 = 0.38442 0.114 0.060 = 0.33368 {JKS,JKR} = 1 0.24 0.02 0.03683 0.0012 = 0.0460 {JKB,JKS,JKR} = 1 0.24 0.0008 {θ} = 1 0.24= 0.00114 Nilai keyakinan paling kuat adalah terhadap penyakit {JKB} yaitu sebesar 0.38442, yang didapatkan dari tujuh gejala yang ada yaitu G02, G03, G06, G11, G12, G22 dan G24. 8. Sesak Nafas (Sangat) Keudian apabila diketahui adanya fakta baru, yaitu adanya gejala Sesak nafas (sangat) G43, yang erupakan diagnosa dari penyakit JKB dengan engacu ruus (1) dan (2): 14 (G43) = 0.8 14{θ} = 1 14(G43) = 1 0.8 = 0.22 Jika diilustrasikan dala Tabel : Tabel Ilustrasi nilai keyakinan terhadap delapan gejala 14{JKB} 0.8 14{θ} 0.2 {JKB} 0.23116 {JKB} 0.18031 {JKB} 0.0086 {JKR} 0.38442 Ø 0.28 {JKR} 0.084 {JKS,JKR} 0.33368 Ø 0.2602 {JKS,JKR} 0.0341 {JKB,JKS,JKR}0.0460 {JKB} 0.0386 {JKB,JKS,JKR} 0.0101 {θ} 0.00114 {JKB} 0.0008 Θ 0.0002 Selanjutnya enghitung tingkat keyakinan() cobine dengan ruus (): {JKB} = (1 (0.28 0.2602)) 1 1 0.180310.0086 0.0386 0.0008 0.084 {JKR} = (1 (0.28 0.2602)) = 0.1226 0.0341 {JKS,JKR} = (1 (0.28 0.2602)) = 0.16688 1 1 = 0.6148 0.0101 {JKB,JKS,JKR} = (1 (0.28 0.2602)) = 0.02481 IJCCS Vol., No. 2, July 20 : 3 144
IJCCS ISSN: 18-120 143 0.0002 {θ} = (1 (0.28 0.2602)) = 0.000 1 Dengan adanya kedelapan gejala atau disebut frae of discreent () yaitu G02, G03, G06, G11, G12, G22 G24 dan G43 aka diperoleh nilai keyakinan paling kuat adalah terhadap penyakit JK Berat yaitu sebesar 0.6148. Jika ada kasus yang tercover oleh lebih dari satu rule aka untuk kasus diatas akan tetap elakukan perhitungan dengan encari irisan dari kedua rule tersebut enggunakan ruus cobine (), yang akan encari nilai keyakinan dari kedua rule tersebut. Jika didapatkan nilai yang tertinggi aka rule itu yang akan dipilih untuk enentukan keputusan diagnosa penjakit Jantung Koroner pasien. Jika ada kasus yang tidak tercover dala rule yang ada disiste aka, siste akan otoatis elakukan perhitungan dengan enentukan rule baru yang akan terbentuk dengan elihat faktor resiko aupun gejala penyakit yang diiliki pasien dengan eperhatikan nilai densitas untuk tiap keungkinan faktor/gejala yang ada enggunakan ruus cobine (), yang juga akan encari nilai keyakinan tertinggi dari keungkinan diagnosa yang ada. Sehingga jika sudah diteukan rule baru yang terbentuk aka siste akan otoatis enyipan kedala tabel keputusan. Tabel 8 erupakan rincian input dan hasil perhitungan Faktor resiko 10 data rekaedis pasien RS. PKU Muhaadiyah Yogyakarta. Tabel 8 Hasil pengujian 10 kasus Dari hasil ujicoba 10 kasus data dari rekaedis RS. PKU Muhaadiyah Yogyakarta didapatkan hasil bahwa kasus tersebut enggunakan rule serta hasil diagnosa yang sesuai dengan yang ditentukan oleh Pakar yaitu Dokter Spesialis Jantung. Hasil dari uji 10 kasus ini dapat dijadikan persentase bahwa dengan pengetahuan pakar yang dipergunakan didapatkan hasil 100% nilai kebenaran, jika dengan faktor dan gejala yang diiliki pasien dihitung dengan siste aka akan eberikan prediksi diagnosa yang sesuai dengan pengetahuan yang diiliki oleh pakar yaitu Dokter Spesialis Jantung. 4. KESIMPULAN Dari penelitian yang dilakukan dan pebahasan bab-bab sebelunya, aka dapat disipulkan bahwa: 1. Siste pakar dengan esin inferensi Depster-Shafer dapat dipergunakan untuk endiangnosa tingkat resiko penyakit Jantung Koroner dengan asukkan berupa gejala serta faktor resiko yang diiliki pasien, dari beberapa kasus yang diujicobakan diperoleh Prototype Siste Pakar untuk Mendeteksi Tingkat Resiko Penyakit...(Elyza Gustri Wahyuni)
144 ISSN: 18-120 hasil diagnosa yang saa antara perhitungan siste dengan enggunakan teori esin inferensi Depster-Shafer dan pengetahuan pakar yaitu Dokter Spesialis Jantung. 2. Hasil ujicoba 10 kasus yang didapatkan dari dara Rekaedis RS.PKU Muhaadiyah Yogyakarta, aka didapatkan persentase sebesar 100% nilai kebenaran dari prediksi diagnosa yang sesuai dengan pengetahuan yang diiliki oleh pakar.. SARAN Berdasarkan pada pengujian yang dilakukan berupa siste pakar yang digunakan paraedis untuk endiagnosa penyakit JK, asih banyak kekurangan dan keleahan, oleh karena itu aka saran yang diberikan adalah sebagai berikut: 1. Tindakan yang diberikan kepada pasien asih bersifat uu, aka sebaiknya untuk tindakan lebih spesifik yang sesuai dengan diagnosa tingkat PJK dan juga sesuai dengan Prognosis. 2. Hasil prognosis yang ada sebaiknya diberikan saran yg lebih spesisik dari pakar asingasing keungkinan prognosis. 3. Penelitian lebih lanjut diharapkan dapat engebangkan odel siste pakar yang lebih interaktif dan dinais seperti yang berbasis web. 4. Penelitian lebih lanjut diharapkan dapat engunakan etode penalaran non onotonis yang berbeda isalnya enggunakan etode Bayes, atau Certainty Factor (CF), serta bisa ebandingkan efisiensi serta akurasi dengan etode Depster-Shafer. DAFTAR PUSTAKA [1] Anony1, 2011, Cardiovascular disease ; Fact sheet on CVDs, World Health Organization, http://www.who.int/ediacentre/factsheets/fs31/en/index.htl, 1 Sept 2011, akses 04 Oktober 2011. [2] Anony2, 2011, Pertolongan Tepat Jantung Koroner, cpddokter.co - Continuing Profesional Developent Dokter Indonesia, http://cpddokter.co/hoe/index2.php?option=co_content&do_pdf=1&id=331, 24 April 2008, akses 24 Agustus 2011. [3] Effendy, N., dkk., 2008, Prediksi Penyakit Jantung Koroner (Pjk) Berdasarkan Faktor Risiko Menggunakan Jaringan Syaraf Tiruan Backpropagation, Seinar Nasional Aplikasi Teknologi Inforasi, SNATI UII, Yogyakarta. [4] Supriyono, M., 2008, Faktor-Faktor Risiko Yang Berpengaruh Terhadap Kejadian Penyakit Jantung Koroner Pada Kelopok Usia < 4 Tahun, Tesis, Epideiologi UNDIP, Searang. [] Sulistyohati, A., dan Hidayat, T., 2008, Aplikasi Siste Pakar Diagnosa Penyakit Ginjal dengan etode Depster-Shafer, Seinar Nasional Aplikasi Teknologi Inforasi, SNATI UII, Yogyakarta. [6] Maseleno, A., and Hasan, M., 2011, Avian Influenza (HN1) expert syste using Depster- Shafer Theory, International Conference on Inforatics for Developent, ICID, Yogyakarta. [] Atika, 200, Siste Pakar Sebagai Alat Bantu Pendiagnosa Penyakit Stroke, Tesis, Ilu Koputer FMIPA UGM, Yogyakarta. [8] Giarratano, J. and Riley G., 200, Expert Systes ; Principles and Prograing, PWS Publishing Copany, Boston. [] Kusuadewi, S., 2003, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilu, Yogyakarta. IJCCS Vol., No. 2, July 20 : 3 144