SISTEM PAKAR DIAGNOSA DIABETES MELLITUS MENGGUNAKAN FORWARD CHAINING DAN RULE-BASED REASONING Ucu Nugraha Sistem Informasi Universitas Widyatama Jl. Cikutra 204A, Bandung 40125 Indonesia email : ucu.nugraha@widyatama.ac.id ABSTRACT Diabetes mellitus is a medical disorder in which a person's blood sugar levels to be high due to lack of insulin or the insulin receptors are not functioning well. Many people initially did not know that they suffer from diabetes mellitus. This ignorance is due to lack of information about diabetes, the symptoms and the lack of specialist doctor of diabetes. Expert systems try to find solutions, give advice or conclusions are consistent with the problems that it finds. This expert system uses a forward chaining inference mechanism and knowledge representation method used is based on rules. This expert system can help doctors or even the general public in making decisions when diagnosing diabetes mellitus, and to produce conclusions or information about the type of diabetes mellitus on the basis of symptoms that arise, and solutions in response to treatment. Key words Forward chaining, rule-based reasoning, diabetes mellitus 1. Pendahuluan Timbulnya diabetes mellitus dikarenakan meningkatnya glukosa darah (hiperglikemi), itu terjadi karena adanya gangguan sistem metabolisme dalam tubuh. Hiperglikemi disebabkan karena ketidakseimbangan antara suplai dan kebutuhan insulin. Tubuh membutuhkan insulin untuk mengalirkan glukosa kedalam sel supaya dapat digunakan untuk metabolisme dan pertumbuhan sel. Glukosa akan tertahan didalam darah jika terjadi kekurangan atau tidak adanya insulin, sehingga gula darah pun menjadi meningkat. Sementara itu sel kekurangan glukosa, dimana glukosa ini dibutuhkan oleh sel untuk kelangsungan hidup dan fungsi sel [3]. Banyak masalah yang menyebabkan angka kematian meningkat akibat penyakit diabetes mellitus. Pertama, karena kurangnya informasi mengenai kesehatan dan pencegahan penyakit diabetes mellitus. Kedua, sebagian orang masih sangat tidak peduli akan kesehatan dan tertutup untuk berkonsultasi secara langsung mengenai kesehatan pribadi dan yang ketiga masih banyak orang yang mengatasi masalah kesehatan tersebut dengan cara tradisional, yang tidak jarang kontra-produktif dengan keadaan tubuh sehingga bila sudah mulai terasa sakit berlebihan mereka baru datang ke dokter spesialis atau pakar. Kepakaran seorang manusia dalam hal ini dokter spesialis kadang tidak bertahan lama, dikarenakan beberapa faktor, salahsatunya disebabkan oleh kematian. Atas dasar itu maka untuk mempertahankan kepakaran seseorang diperlukansebuah system pakar dalam membantu mendiagnosa penyakit diabetes mellitus tersebut. Selain itu, kemudahan lain dari sistem pakar juga dapat memecahkan masalah lebih cepat dan penghematan waktu dalam pengambilan keputusan. Mesin inferensi yang diterapkan pada sistem pakar ini yaitu metode forward chaining, diterapkannya metode ini karena data dan fakta telah diperoleh sehingga dari data dan fakta tersebut dapat menghasilkan solusi atau kesimpulan [1]. Selain mesin inferensi menggunakan metode forward chaining, juga mengunakan pendekatan yang berbasis pada aturan yang memiliki kaidah sebelah kiri merupakan statement awalan IF, dan kaidah sebelah kanan merupakan statement THEN. Metode Forward chaining dan pendekatan berbasis aturan (rule-based reasoning) yang diterapkan pada sistem pakar ini dapat memberikan solusi atau kesimpulan dari penyakit dalam hal ini diabetes mellitus yang telah didiagnosa berdasarkan gejala yang timbul. Sistem pakar diagnosa penyakit diabetes mellitus dapat membantu dokter atau masyarakat awam dalam mengambil keputusan ketika melakukan diagnosa, serta menghasilkan kesimpulan atau informasi mengenai tipe diabetes mellitus atas dasar gejala-gejala yang timbul, dan solusi dalam pengobatannya. 18
Seminar Nasional Teknologi Informasi 2016 A4 2. Tinjauan Pustaka 2.1 Sistem Pakar Pengetahuan dari seorang pakar disimpan ke dalam komputer untuk menjadi basis pengetahuan sehingga komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru atau mengadobsi keahlian yang dimiliki oleh seorang pakar. Sistem pakar memiliki kemampuan untuk berfikir (reasoning) atau mempertimbangkan dalam proses penarikan kesimpulan (inferencing). Berikut ini arsitektur sistem pakar menurut Turban [4]. Expert Knowledge Engineer Knowledge Base Inference Engine Document Knowledge Gambar 2 Proses forward chaining 2.2 Rule-Based Reasioning.Penalaran berbasis aturan (rule-based reasioning) merupakan representasi basis pengetahuan dalam bentuk aturan yang berbentuk IF-THEN. kaidah atau aturan yang terletak disebelah kiri merupakan pernyataan awalan IF, dan kaidah atau aturan yang terletak disebelah kanan merupakan pernyataan THEN. Bentuk aturan ini digunakan ketika sistem memiliki beberapa pengetahuan pakar yang terdapat pada suatu permasalahan atau konklusi tertentu, dan pakar mampu dalam menyelesaikannya secara terurut atau berurutan. Selain itu, bentuk seperti ini diimplementasikan jika diperlukan suatu penjelasan tentang mekanisme atau langkah-langkah dalam menentukan suatu solusi. 3. Metodologi Penelitian User Interface Explanation Facility Tahapan-tahapan dalam proses pembuatan sistem pakar diagnosa penyakit diabetes mellitus menggunaka forward chaining dan rule-based reasioning, sebagai berikut. User Menentukan objek penelitian Mengumpulkan dan mengidentifikasi data penyakit dan gejalanya Menganalisis gejala-gejala penyakit Gambar 1 Arsitektur sistem pakar Merancang arsitektur Merancang Masukan dan Keluaran Pemilihan pengetahuan pakar 2.1 Forward Chaining Forward chaining merupakan suatu metode dalam pengambilan keputusan dalam program sistem pakar. Forward chaining dalam melakukan proses pencarian atau penelusuran. Penelusuran dimulai dari sisi sebelah kiri menuju ke kanan, yaitu mulai dari premis menuju pada kesimpulan akhir, maka dari itu metode ini sering disebut dengan data driven yaitu penelusuran yang dikendalikan oleh data yang diperoleh. Antarmuka Aplikasi Keluaran Kebutuhan antarmuka pengguna Gambar 3 Metodologi penelitian 4. Hasil dan Pembahasan Akuisisi pengetahuan merupakan tahap penting dan sangat menentukan sistem pakar yang akan dibuat untuk memecahkan persoalan yang biasa diselesaikan oleh seorang pakar atau ahli, pengetahuan yang diperoleh dari 19
pakar akan diolah dengan cara menstranfer pengetahuan dari sumber pengetahuan untuk dimasukan ke dalam sistem komputer yang menjadi basis pengetahuan. Data yang diperoleh dari sumber pengetahuan ini berupa data mentah tentang nama tipe penyakit dan gejala yang ada pada penyakit diabetes mellitus, data inilah yang nantinya akan dibuat ke dalam program sistem pakar, tentunya dengan adanya relasi data antara tipe penyakit dan gejala yang ditimbulkan. 4.1 Penyusunan Basis Pengetahuan Data-data yang telah didapat dari nara sumber pengetahuan kemudian diekstrak dan direpresentasikan menjadi bentuk yang dapat dimengerti oleh komputer. Pada sistem pakar, basis pengetahuan ini merupakan bagian inti program yang bersumber dari seorang pakar. Dalam hal ini didapat beberapa jenis penyakit diabetes mellitus, yaitu dibates mellitus tipe 1, dibates mellitus tipe 2, neuropati diabetes, retinopati diabetes, nefropati diabetes, ketoasidosis diabetes, dan gestasi diabetes. 4.2 Akuisisi Pengetahuan Tahap akuisisi ini merupakan tahap penting dan sangat menentukan sistem pakar yang akan dibuat untuk memecahkan persoalan yang biasa diselesaikan oleh seorang pakar atau ahli, pengetahuan yang diperoleh dari pakar akan diolah dengan cara menstranfer pengetahuan dari sumber pengetahuan untuk dimasukan ke dalam sistem komputer yang menjadi basis pengetahuan. Data yang diperoleh dari sumber pengetahuan ini berupa data mentah tentang nama tipe penyakit dan gejala yang ada pada penyakit diabetes mellitus, data inilah yang nantinya akan dibuat ke dalam program sistem pakar, tentunya dengan adanya relasi data antara tipe penyakit dan gejala yang ditimbulkan. 4.2.1 Data Tipe Penyakit Daftar nama tipe penyakit ini akan diberi nomor urut otomatis yaitu dengan kode P01 untuk urutan pertama dan seterusnya. Table 1. Tipe Penyakit Tipe Penyakit P01 Diabetes Mellitus Tipe 1 P02 Diabetes Mellitus Tipe 2 P03 Neuropati Diabetes P04 Retinopati Diabetes P05 Nefropati Diabetes P06 Ketoasidosis Diabetes P07 Gestasi Diabetes 4.2.2 Data Gejala Daftar semua gejala yang timbul dari data tipe penyakit yang ada. Gejala ini merupakan gejala umum yang sering terjadi. G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12 G13 G14 G15 G16 G17 G18 G19 G20 G21 Table 2. Gejala Tipe Penyakit Sering berkemih di malam hari (poliuria) Sering merasa cepat haus (polidipsia) atau cepat lapar (polifagia) Berat badan turun cepat (drastis) Sering merasa pusing Luka luar/infeksi kulit yang lama sembuh Penglihatan menjadi kabur Keputihan Sering kesemutan Sering merasa lemah dan cepat lelah Infeksi pada saluran kemih Sering gatal-gatal/alergi Sering mual-mual Sering muntah Sering nyeri perut Hipertensi Obesitas/kegemukan Katarak Sering berkeringat lengket Sering diare Sering sesak nafas Sering nyeri di ulu hati Tabel Keputusan Dari data nama tipe penyakit dan gejala yang ada, informasinya dapat dipersingkat menjadi tabel keputusan yang isinya berupa relasi atau hubungan antara nama tipe penyakit dengan gejalanya. Table 3. Tabel Keputusan Nama Tipe Penyakit P01 P02 P33 P04 P05 P06 P07 G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 G11 G12 G13 G14 G15 G16 G17 G18 G19 G20 G21 20
Seminar Nasional Teknologi Informasi 2016 A4 4.2.3 Pohon Keputusan Dari tabel keputusan diatas kemudian dibuat menjadi pohon keputusan. Pohon keputusan pada sistem pakar ini bertujuan untuk mencari solusi akhir dari setiap pemeriksaan. Pohon keputusan dibuat untuk mempermudah penyusunan basis pengetahuan dan aturan, selain itu mempermudah dalam penentuan faktor kepastian disetiap kegiatan diagnosa pada penyakit diabetes mellitus. Berikut ini adalah diagram pohon keputusan pada sistem pakar diagnosa penyakit diabetes mellitus. Gambar 4 Diagram Pohon Keputusan Sistem Pakar Diagnosa Penyakit Diabetes Mellitus Keterangan: G01 sampai dengan G21 = Gejala P01 sampai dengan P07 = Penyakit K = Tidak terdiagnosa Y = Jika gejala sesuai T = Jika gejala tidak sesuai 4.2.4 Representasi Pengetahuan Representasi yang akan digunakan adalah dengan menggunakan kaidah produksi berbasis aturan, kaidah produksi dituliskan dalam bentuk IF-THEN. Kaidah dapat dikatakan sebagai hubungan implikasi dua bagian yaitu premis (jika) dan bagian konklusi (maka), apabila bagian premis dipenuhi maka bagian konklusi juga akan bernilai benar. Sebuah kaidah terdiri dari klausa-klausa sebuah klausa mirip sebuah kalimat subjek, kata kerja dan objek yang menyatakan suatu fakta, ada sebuah klausa premis dan klausa konklusi pada sebuah kaidah. Suatu kaidah juga dapat terdiri dari beberapa premis dan lebih dari satu konklusi, aturan premis dan konklusi dapat dihubungkan dengan OR atau AND. Berdasarkan tabel 3 tabel keputusan, dapat menyimpulkan ada 7 aturan atau rule, berikut ini contoh dari kaidah-kaidah produksi atau aturan-aturan yang ada. Pada kaidah 4 (Rule 4), dengan melihat tabel 3 dan gambar 4 dapat ditentukan aturan yang digunakan untuk penyakit Retinopati Diabetes. IF Sering berkemih di malam hari (poliuria) (G01). AND Penglihatan menjadi kabur (G06). AND Sering kesemutan (G08). AND Sering gatal-gatal/alergi (G11). AND Hipertensi (G15). AND Sering berkeringat lengket (G18). THEN Retinopati Diabetes Definisi: Diabetes tipe ini dapat merusak dan memperlemah pembuluh darah kecil pada retina mata. Diabetes tipe ini menyebabkan rusaknya pembuluh darah yang memberi makan pada retina mata bagian belakang, pembuluh darah yang melemah ini dapat bocor dan menyebabkan keluarnya cairan atau darah yang dengan sendirinya membuat bagian tertentu pada retina membesar. Pencegahan: Membiasakan diri sejak dini dengan pola hidup sehat, ikuti pola makan rendah lemak dan biasakan makan dengan porsi kecil, perbanyak konsumsi sayur dan buah-buahan segar, usahakan untuk mengontrol berat badan seimbang, tetapkan waktu makan dan taati. Jangan sampai melewatkan waktu makan untuk menghindari makan berlebih dan menjaga gula darah tetap stabil. Pengobatan: Pembedahan dengan laser sering digunakan untuk mengobati atau memperlambat komplikasi retinopati, khusunya jika gangguan ini. Pengembangan mesin inferensi ini menggunakan metode inferensi forward chaining. Pencarian ke depan atau forward chaining merupakan strategi pencarian yang memulai proses pencarian dari sekumpulan data atau fakta, dari data-data tersebut dicari suatu kesimpulan yang menjadi solusi dari permasalahan yang dihadapi. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang premisnya sesuai dengan data-data tersebut, kemudian dari kaidah-kaidah tersebut diperoleh suatu kesimpulan. Runut maju memulai proses pencarian dengan data sehingga strategi ini disebut juga datadriven. Pencarian kesimpulan nama tipe penyakit dan mencari gejala-gejala yang timbul akan dimulai dengan memberikan pertanyaan mengenai gejala yang dialami, sehingga diperoleh suatu diagnosa tipe penyakit dan hasil akhir kesimpulan penyakit tersebut. 5. Kesimpulan Berikut simpulan dari hasil penelitian sistem pakar diagnosa diabetes mellitus menggunakan forward chaining dan rule-based reasoning. 1. Metode forward chaining sebagai teknik inferensi dan rule-based reasoning untuk basis pengetahuan mampu diterapkan dalam sistem pakar diagnosa penyakit diabetes mellitus, berdasarkan pada gejalagejala yang diderita pasien dan memberikan solusinya. 21
2. Sistem pakar ini memudahkan pengguna untuk berkonsultasi layaknya dengan seorang dokter ahli. Solusi yang diberikan bersifat informasi untuk diketahui oleh pengguna, informasi tersebut berisi cara pencegahan dan pengobatan sesuai tipe penyakit dengan tepat. 3. Sistem pakar ini dibuat berbasis web, sehingga dapat diakses dimana saja dan kapanpun oleh user. Namun dalam hal ini masih ada kekurangan yaitu ketika diakses melalui versi mobile, tampilan web tidak menyesuaikan dengan versi mobile. Selain itu sistem pakar ini belum dilengkapi dengan form update untuk rule-nya, sehingga sistem pakar ini belum dikategorikan bisa up-to-date. 4. Untuk pengembangan selanjutnya, alangkah baiknya sistem pakar ini ketika diakses melalui versi mobile tampilan webnya dapat menyesuaikan menjadi tampilan versi mobile, selain itu diberikan fasilitas form update untuk memperkaya penambahan gejala pada masing-masing tipe penyakit, agar dapat memberikan penjelasan informasi kepada pengguna yang lebih optimal dan akurasi penentuan tipe penyakit dapat lebih tinggi. REFERENSI [1] Baur Gregory R. & Pigford D.V., 1990. Expert System For Business: Concept and Implementations, Boyd & Fraser Publishing Company, Boston-USA. [2] Syamsiah, Oktaviani, N., 2015. Penerapan ESDLC pada Sistem Pakar Forward Chaining dan Rule Base Reasoning untuk Diagnosa Awal Penyakit Kardiovaskular dan Paru- Paru Manusia. Jurnal Teknik Informatika, STMIK Antar Bangsa. Vol. I, no. 1. [3] Tarwoto. 2012, Keperawatan Medikal Bedah: Gangguan Sistem Persarafan. Sagung Seto. Jakarta. [4] Turban, Efraim, E Aronson., 2001. Decision Support Systems and Intelligence System. Sixth Edition. Pearson Education, New JerseyTurban, Efraim, E Aronson., 2001. Decision Support Systems and Intelligence System. Sixth Edition. Pearson Education, New Jersey. [5] Waspadji, S., dkk., 2013. Ende Diabetes Study: diabetes and its characteristics in rural area of East Nusa Tenggara Medical Journal of Indonesia, Vol 22, No 1 diakses tanggal 22 juli 2016 dari http://mji.ui.ac.id/journal/index.php/mji/rt/printerfriendly/ 517/0 Ucu Nugraha, memperoleh gelar ST dari Universitas Komputer Indonesia, Indonesia tahun 2003. Kemudian tahun 2014 memperoleh M.Kom dari STMIK LIKMI, Indonesia. Saat ini sebagai Staf Pengajar program studi Sistem Informasi Universitas Widyatama. Selain aktif sebagai dosen aktif juga sebagai Assessor Kompetensi berlisensi BNSP. 22