APLIKASI SISTEM PAKAR BERBASIS ANDROID UNTUK DIAGNOSA AWAL PENYAKIT DAN RACIKAN OBAT TRADISIONAL Ivan Eroka Yuliadji Binus University, Jakarta, DKI Jakarta, Indonesia Ricky Khoenata Binus University, Jakarta, DKI Jakarta, Indonesia Andy Angelous Binus University, Jakarta, DKI Jakarta, Indonesia ABSTRAK Tujuan pembuatan aplikasi sistem pakar berbasis android ini adalah untuk mempermudah pengguna mobile device khususnya berbasis android untuk mendiagnosa awal penyakit dan mengetahui cara meracik obat tradisional. Aplikasi sistem pakar ini menggunakan Teori Probabilitas Bayesian dengan didasari gejala gejala utama yang dirasakan oleh penderita dan nilai probabilitas dari gejalanya yang bersumber dari pengamatan dan pengalaman pakar. Hasilnya berupa dugaan awal penyakit dan langkah langkah peracikan obat tradisional untuk mengobati penyakit yang di derita. Kata Kunci : Sistem Pakar,Android, Obat Tradisional, Teori Probabilitas Bayesian. 1. PENDAHULUAN Dewasa ini perkembangan teknologi informasi yang sangat cepat telah mempengaruhi kehidupan manusia di berbagai bidang dan salah satu dari manfaat teknologi informasi tersebut adalah untuk menyebarkan informasi. Dengan memanfaatkan jaringan komputer, penyebaran informasi dapat dilakukan dengan mudah. 1
Selain itu pula penyebaran informasi dapat juga dilakukan secara global dengan jaringan komputer yang sangat besar, yang dikenal dengan internet. Melalui internet, informasi dapat disampaikan ke semua penjuru dunia. Perkembangan teknologi dalam bidang kesehatan dan pengobatan sangat pesat pada beberapa tahun terakhir ini. Beberapa panduan serta cara-cara mengatasi penyakit sudah membanjiri pasaran. Obat tradisional dirasa penting untuk menjadi solusi yang tepat bagi penyakit yang diderita oleh pasien. Selain harganya murah dan mudah didapat, obat tradisional juga tidak memiliki efek samping yang berbahaya seperti obat kimia yang dikonsumsi secara terus menerus. Perkembangan pembangunan sistem pakar dalam bidang kesehatan diharapkan mampu memperbaiki kualitas hidup manusia. Memindahkan kepakaran yang dimiliki oleh seorang dokter ke dalam suatu aplikasi mobile yang disebut dengan sistem pakar diharapkan dapat membantu masyarakat untuk mengetahui kemungkinan penyakit yang diderita dan mengatasinya sendiri dengan menggunakan tanaman-tanaman obat yang berguna menjadi obat tradisional tanpa harus pergi ke dokter. Selain itu, mengaplikasikan sistem pakar ke dalam aplikasi mobile memungkinkan setiap individu untuk menghemat waktu, biaya dan tenaga dalam mendapatkan pelayanan kesehatan dan pengobatan. Setiap penyakit pasti ada obatnya. 2. METODE PENELITIAN Metode penulisan yang digunakan dalam penulisan penelitian ini adalah: 1. Metode Studi Kepustakaan Dalam metode ini dilakukan pencarian sebanyak mungkin literatur-literatur yang ada, baik dari pakar, internet, buku-buku penunjang ataupun menanyakan langsung ke dosen pembimbing kami. setelah semua informasi diperoleh, dilakukan pengajian tentang masalah apa yang dihadapi, teknologi apa yang tepat digunakan untuk sistem operasi android, kelebihan dan kekurangan teknologi-teknologi tersebut. 2. Metode Analisis Metode analisis yang dilakukan adalah sebagai berikut: Analisis kebutuhan Analisis kebutuhan dilakukan berdasarkan fakta-fakta yang sudah berupa data olahan. 2
Perumusan masalah yang dihadapi Perumusan masalah berdasarkan hasil analisis kebutuhan sebelumnya Penetapan solusi Menetapkan solusi atas kebutuhan yang berhasil diidentifikasi dan menentukan penggunaan teknologi yang sesuai dengan teknologi yang telah ditetapkan. 3. Implementasi Setelah memutuskan metode yang digunakan untuk membuat aplikasi, penulis mulai membaca, mencari dan memahami lebih dalam tentang metode ini dan mengimplementasikannya ke dalam program uji. Dalam aplikasi ini, penulis menggunakan Teori Probabilitas Bayesian. 4. Evaluasi Melakukan evaluasi hasil akhir dari aplikasi yang telah dirancang pada tahap perancangan. Dalam tahap ini dilakukan pengujian program dengan menggunakan Teori Probabilitas Bayesian, menganalisa dan mengevaluasi hasil dari metode tersebut. 3. HASIL DAN BAHASAN 3.1 Analisis Permasalahan 3.1.1 Identifikasi Masalah yang dihadapi - Pasien memerlukan banyak waktu, biaya dan tenaga hanya untuk mengetahui penyakit yang diderita - Obat kimia yang digunakan memiliki efek samping yang berbahaya bagi kesehatan pasien - Pasien kesulitan jika ingin mencari racikan obat tradisional 3.1.2 Solusi Permasalahan - Pasien dapat mengetahui penyakit yang di derita kapan saja, dan dimana saja dengan mengisi gejala gejala awal yang dirasakan kedalam aplikasi 3
- Pasien dapat mengetahui obat tradisional yang aman dan tanpa memiliki efek samping yang berbahaya bagi kesehatan Masalah utamanya adalah jumlah pakar yang sangat terbatas bila dibandingkan dengan kebutuhannya. Karena untuk menjadi seorang pakar dibutuhkan pengetahuan yang banyak dan pengalaman selama bertahun-tahun. untuk mengatasi hal tersebut diperlukan suatu metode untuk menyebarkan kepakaran yang dimiliki oleh pakar tersebut. Dengan membuat suatu aplikasi android yang berisi tentang kepakaran yang dimiliki oleh seorang pakar untuk mendiagnosa penyakit yang melibatkan sistem penyakit umum, diharapkan dapat membantu masyarakat untuk mengenali gejala-gejala yang timbul dan membuat obat sendiri dengan menggunakan tanaman-tanaman obat yang diolah menjadi obat tradisional. Selain itu juga memungkinkan setiap individu untuk menghemat waktu, biaya dan tenaga dalam mendapatkan pelayanan kesehatan dan pengobatan. Penggunaan obat-obatan kimia yang memiliki efek samping yang lebih berbahaya dari obat tradisional memungkinkan user lebih memilih obat tradisional sebagai pengganti obat kimia sebagai solusi dari penyakit yang dideritanya. Karena alasan-alasan itulah kemudian penulis ingin membuat sebuah sistem pakar untuk memudahkan user dalam mendiagnosa penyakit yang diderita dan meracik obat tradisional mereka sendiri. Traditional Medic Application merupakan salah satu contoh sistem pakar yang dapat digunakan oleh banyak user yang menggunakan gadget berbasis android. Sistem ini berfungsi untuk memberikan informasi kepada para user tentang penyakit yang diderita dengan menganalisa gejala gejala penyakit yang diinput oleh user dan memberikan obat tradisional sebagai solusinya. 3.2 Teorema Bayes 3.2.1 Perhitungan dengan Teorema Bayes Saat diagnosa dimulai, sistem akan melakukan kalkulasi bayes sekaligus dimana satu sisi perhitungan dilakukan terhadap bobot prior yang sudah direkam dari Pakar dan disimpan di basis pengetahuan. Sedangkan sisi lainnya, bobot prior ditentukan oleh user yang melakukan proses diagnosa. Hal ini dilakukan karena masalah ketidakpastian 4
melibatkan hipotesis yang berbeda-beda dari pengambil keputusan. Oleh karena itu bobot prior sangat bergantung dari kepakaran dan pengalaman si pengambil keputusan itu sendiri. Selanjutnya yang akan dilakukan oleh sistem adalah mengirimkan output ke user berupa hasil perhitungan probabilitas dari prior yang di masukan oleh user dan probabilitas dari prior yang direkam oleh sistem dari pakar. Dengan : p(h i E) = n Σ K= p(e H i )*p(h i ) p(e H k )*p(h k ) p(hi E ) p(e Hi) p(hi) = probabilitas hipotesis benar jika diberikan evidence (fakta) E = probabilitas munculnya evidence(fakta) E jika diketahui hipotesis Hi benar = probabilitas hipotesis Hi (menurut hasil sebelumnya) tanpa memandang evidence(fakta) apapun n = jumlah hipotesis yang mungkin Sebagai contoh jika pada saat diagnosa user memilih gejala dan bobot prior seperti berikut: Sakit kepala : 0.6 Mual : 0.8 Lemes : 0.7 Maka sistem akan memecah data yang dimasukkan oleh user menjadi Gejala Nilai Prior Sakit S Kepala 0.6 Mual e 0.8 Lemas t 0.7 Setelah itu sistem akan mengunakan gejala yang sudah diproses untuk mendapatkan gejala dari tabel gejala, yang berguna untuk memasukan nilai dari gejala ke kasus-kasus dimana gejala tersebut berada. Setelah itu kedua sisi proses perhitungan dilakukan dan melakukan 5
cek apakah ada evidence baru terhadap suatu hipotesis atau tidak, dari contoh diatas terdapat evidence lain yaitu mual dan lemas. Maka rumus yg digunakan adalah : Dengan : e E p( H E, e ) = p( H E)*p( e E, H ) p( e E ) = evidence lama = evidence observasi baru p(h E,e) = probabilitas hipotesis H benar jika muncul evidence baru dari evidence lama e p(h E) p(e E,H) p(e H) = probabilitas hipotesis H benar jika diberikan evidence E = kaitan antara e dan E jika hipotesis H benar = kaitan antara e dan E jika hipotesis H benar Observasi baru menunjukkan bahwa orang terkena darah tinggi pasti mengalami sakit kepala, jika diketahui probabilitas terkena darah tinggi bila sakit kepala p(darah tinggi sakit kepala) = 0,9. Setelah itu sistem akan mencocokkan keterkaitan antara mual, lemas dan sakit kepala bila seseorang terkena darah tinggi dengan nilai yang diambil/direkam dari pakar p(mual lemas sakit kepala, darah tinggi) = 0,8 dan keterkaitan antara mual, lemas dan batuk berdahak p(mual lemas sakit kepala) = 0,9 Maka : P(darah tinggi sakit kepala, mual, lemas) = P(darah tinggi sakit kepala) * P(mual lemas sakit kepala, darah tinggi p(mual lemas sakit kepala) p(darah tinggi sakit kepala, mual, lemes) = (0,9) * (0,8) / (0,9) = 0,80 dari hasil di atas menunjukan bahwa probabilitas terkena darah tinggi lebih besar jika seseorang mengalami mual, lemas dan sakit kepala dibandingkan seseorang yang hanya mengalami sakit kepala. 6
3.3 Evaluasi 3.3.1 Evaluasi terhadap IMK Evaluasi aplikasi Traditional Medic yang dibuat berdasarkan prinsip 8 (delapan) aturan emas (8 golden rules). Adapun aturan aturan emas yang dapat dipenuhi oleh aplikasi ini adalah : 1. Perancangan yang dibuat harus selalu konsisten Aplikasi ini menggunakan sistem yang dirancang agar memiliki layar yang konsisten, baik dalam hal komposisi warna, background, dan jenis tulisan. 2. Memungkinkan pengguna untuk menggunakan shortcut Pengguna akan dapat menggunakan shortcut melalui list menu yang ada pada kanan atas di setiap layar. Gambar Contoh penggunaan shortcut list menu pada Halaman Hasil Akhir. 3. Memberikan umpan balik yang informatif Pemberian umpan balik yang informatif diberikan pada pengguna. Pada saat pengguna memilih 3 gejala. Jika pengguna tidak memilih gejala atau hanya memilih kurang dari 3 maka akan muncul pesan apa yang harus dilakukan. 7
Gambar Contoh umpan balik pada saat pengguna tidak memilih gejala. 4. Merancang dialog untuk menghasilkan keadaan akhir Suatu pemberitahuan yang diberikan kepada pengguna. Pemberitahuan ini diberikan pada saat pengguna telah memilih 3 gejala dan akan melakukan proses diagnosa awal. Gambar Contoh perancangan dialog akhir pada aplikasi. 5. Memberikan penanganan kesalahan yang sederhana Penanganan kesalahan yang diberikan bertujuan jika pengguna melakukan kesalahan, maka kesalahan tersebut dapat ditangani dengan mudah. Seperti pada saat pengguna akan memilih gejala, jika pengguna tidak memilih 3 gejala atau hanya memilih kurang dari 3 gejala maka akan ada pemberitahuan. 8
Gambar Contoh penanganan kesalahan pada saat memilih gejala. 6. Mudah kembali ke tindakan sebelumnya Penyediaan tombol back atau gambar panah ke belakang di setiap halaman pada aplikasi, akan memudahkan pengguna untuk kembali ke tindakan sebelumnya. Gambar Contoh tombol back yang ada pada halaman hasil akhir diagnosa awal. 7. Mendukung tempat pengendali internal (Internal Locus Of Control) Penggunaan aplikasi ini sepenuhnya dikendalikan oleh pengguna, pengguna dapat mengendalikan dan menguasai sistem dan mendapatkan respon atas aksi yang dilakukan. Seperti jika pengguna ingin pindah ke menu yang lain, pengguna dapat menekan tombol lain sewaktu waktu dari layar ke menu lain. 9
Gambar Contoh menu sebagai pusat kendali. 8. Mengurangi beban ingatan jangka pendek Agar dapat mengurangi beban ingatan jangka pendek, penempatan posisi menu dan tombol yang ada di aplikasi ini dirancang konsisten. Penempatan ini tentu memudahkan pengguna untuk tidak perlu melakukan penghafalan letak dan posisi tombol serta halaman halaman layar yang diinginkan. 4. SIMPULAN DAN SARAN 4.1 Simpulan Berdasarkan hasil evaluasi dan implementasi didapat kesimpulan sebagai berikut : Aplikasi Sistem pakar ini menerapkan Teori Probabilitas Bayesian untuk diagnosa awal terhadap penyakit berbasis android. Aplikasi sistem pakar dalam mendiagnosa awal penyakit ini mudah digunakan dan fleksibel. 4.2 Saran Untuk dapat lebih memaksimalkan penggunaan aplikasi Traditional Medic pada Android ini, maka ada beberapa saran. Berikut saran saran yang dapat menjadikan aplikasi Traditional Medic pada Android ini menjadi lebih baik : Untuk kedepannya aplikasi ini dapat diakses dari seluruh versi Android, dan apabila terdapat update yang terbaru akan dengan otomatis terupdate secara online. 10
Membuat kinerja aplikasi lebih cepat. Dapat ditambahkan data basis aturan untuk meningkatkan akurasi dalam diagnosa. Dapat mengembangkan metoda kalkulasi lain seperti dengan menggunakan Neural Network. REFERENSI [1] Kusrini. (2006). Sistem Pakar, Teori dan Aplikasi. Yogyakarta : Percetakan Andi Offset. [2] Kusumadewi, Sri. (2003). Artificial Inteligence: Teknik dan Aplikasinya. Yogyakarta: GrahaIlmu. [3] Shneiderman, B. (2010). Designing The User Interface: Strategic For Effective HCI.(Fourth Edition).New York: Addison-Wesley. [4] Turban, Efraim&Frenzel, Louis. (1992). Expert System and Applied Artificial Intelligence. New York: McGraw-Hill publishing company. [5] Safaat, N.H. (2011). Membangun Aplikasi Mobile Berbasis Android. Bandung. 11
RIWAYAT PENULIS Nama E-mail Alamat : Ivan Eroka Yuliadji : ivaneroka@gmail.com : Jl. Kebon Jeruk Raya no.38, Jakarta Barat Nomor Telepon : 0819-33158089 Nama E-mail Alamat : Ricky Khoenata : ricky.khoen@gmail.com : JL. Phinisi Indah 2 No.1, Jakarta Utara Nomor Telepon : 0878-83121240 Nama E-mail Alamat : Andy Angelous : andy@angelous.net : Taman Ratu Indah Blok C 9 no.11 Jakarta Nomor Telepon : 0818-711906 12