APLIKASI DIAGNOSIS PENYAKIT HEPATITIS

MENGGUNAKAN J2ME

DENGAN METODE CERTAINTY FACTOR

Proyek Akhir

Oleh :

Heru Susanto 7406.030.004

Dosen Pembimbing :

YULIANA SETIOWATI, S.Kom

AFRIDA HELEN, ST, M.Kom

Pendahuluan

Suatu gejala penyakit dapat

merupakan indikasi dari suatu

penyakit yang akan diderita.

Selama ini suatu sistem diagnosis

penyakit bagi pasien pada

kenyataannya masih harus

melibatkan pakar (dokter) secara

langsung.

Kemajuan pengetahuan dan

teknologi komunikasi yang begitu

cepat saat ini, terutama teknologi

mobile communication sepertinya

tidak dapat terelakkan lagi.

2

Latar Belakang

• Hepatitis adalah kelainan hati

berupa peradangan (sel) hati

• Dibangun aplikasi sistem pakar

sebagai diagnosis penyakit

untuk mendeteksi Hepatitis.

• Proses diagnosa menggunakan

metode Certainty Factor yang

dibangun menggunakan J2ME

sebagai media implementasi dari

teknologi mobile communication.

3

Perumusan Masalah

• Mendiagnosa penyakit Hepatitis melalui penerapan sistem pakar berdasarkan input gejala maupun hasil tes darah.

• Mengimplementasikan metode Certainty Factor guna proses diagnosa penyakit Hepatitis.

• Menggunakan teknologi J2ME (Java 2 Micro Edition) sebagai media untuk mengimplementasikan aplikasi tersebut ke dalam mobile device yang ada guna penyajian informasi secara optimal.

4

Batasan Masalah Mendiagnosis suatu penyakit berdasarkan gejala-gejala fisik yang diderita

ditambah dengan uji tes darah.

Penyakit yang akan didiagnosis adalah penyakit Hepatitis A, Hepatitis B dan

Hepatitis C.

Input berupa gejala-gejala penyakit Hepatitis yang menyerang pasien dan hasil

tes darah guna akurasi diagnosa.

Output berupa identifikasi kemungkinan jenis penyakit Hepatitis yang

menyerang pasien serta nilai kepastian terhadap penyakit tersebut.

Ditambahkan pula langkah-langkah sehat berupa terapi dan pengobatan

sederhana.

Spesifikasi aplikasi yang dibuat adalah J2ME Profile ; MIDP 2.1 dan J2ME

Configuration ; CLDC 1.1

Perhitungan menggunakan metode faktor kepastian (certainty factor) yang

menunjukkan ukuran kepastian terhadap suatu fakta.

Representasi pengetahuan yang digunakan adalah sistem pakar berbasis rule

dan dalam penalaran menggunakan metode backward chaining.

Terbatas pada sumber pengetahuan yang didapat, baik dari pakar maupun dari

buku dan sumber lain mengenai penyakit Hepatitis.5

Tujuan

Proyek akhir ini bertujuan untuk

membangun sebuah sistem berbasis

pengetahuan kedokteran dalam

mendiagnosa penyakit Hepatitis yang

dapat ditampilkan dalam perangkat mobile,

sehingga alasan efisiensi waktu dan

kurangnya pengetahuan masyarakat akan

kesehatan dapat teratasi.

6

Hepatitis

Penyebab penyakit hepatitis A adalah virus hepatitis A (HAV),

picornavirus berukuran 27-nm (yaitu virus dengan positive strain

RNA). Virus tersebut dikelompokan kedalam Hepatovirus,

anggota famili Picornaviridae.

Penyebab penyakit hepatitis B adalah virus hepatitis B (HVB),

termasuk hepadnavirus, berukuran 42-nm double stranded DNA

virus dengan terdiri dari nucleocapsid core (HBc Ag) berukuran

27 mm, dikelilingi oleh lapisan lipoprotein di bagian luarnya yang

berisi antigen permukaan (HBsAg).

Penyebab penyakit hepatitis C adalah virus hepatitis C yang

merupakan virus RNA dengan amplop, diklasifikasikan kedalam

genus berbeda (Hepacavirus) dari familia Flaviviridae. Paling

sedikit ada 6 genotipe yang berbeda dan lebih dari 90 subtipe

HCV yang diketahui saat ini.

7

Certainty Factor (CF)

Faktor kepastian (certainty factor) menunjukkan

ukuran kepastian terhadap suatu fakta atau aturan.

Notasi Faktor Kepastian :

CF[h,e] = MB[h,e] – MD[h,e]

Dengan:

CF[h,e] = faktor kepastian

MB[h,e] = ukuran kepercayaan terhadap hipotesis h,

MD[h,e] = ukuran ketidakpercayaan terhadap

hipotesis h,

8

Konsep Perhitungan

Nilai evidence dikombinasikan untuk menentukan CF dari suatu

hipotesis. Jika e1 dan e2 adalah observasi, maka :

0 MD[h, e ^ e ] = 1

MB[h,e ^ e ] =

MB[h, e ] + MB[h, e ].(1 - MB[h, e ]) lainnya

0 MB[h, e ^ e ] = 1

MD[h, e ^ e ] =

MD[h, e ] + MD[h, e ].(1 - MD[h, e ]) lainnya

9

Jika ada kaidah lain termasuk dalam hipotesis yang sama tetapi

berbeda dalam faktor kepastian maka perhitungan faktor kepastian

dari kaidah yang sama dihitung dari penggabungan fungsi untuk faktor

kepastian yang didefinisikan sebagai berikut :

CF1+CF2(1-CF1) kedua-duanya > 0

CFCOMBINE (CF1,CF2) = CF1+CF2 salah satu < 0

1-min(|CF1|,|CF2|)

CF1+CF2(1-CF1) kedua-duanya < 0

Konsep Perhitungan(2)

10

Interpretasi pakar

Nilai CF(Rule) didapat dari interpretasi „term‟ dari pakar

menjadi nilai MD/MB tertentu.

Certain Term MD/MB

Tidak Tahu/Tidak Ada

Mungkin

Kemungkinan Besar

Hampir Pasti

Pasti

0 - 0.2

0.4

0.6

0.8

1.0

11

Perancangan Sistem

RMS Database

(Data Gejala-

gejala penyakit,

nilai MD dan MB)

Telpon Genggam

dengan Fitur Java

MIDP

Sistem

Pakar

Aplikasi Diagnosis J2ME

Diagnosa (Input)

Hipotesa (Output)

USER

12

Perancangan Sistem (cont‟d)Input pada aplikasi adalah gejala-gejala yang diderita oleh pasien dalam

bentuk fisik. Dapat pula dilakukan uji hasil tes darah. Kemudian diolah oleh

handphone sebagai mobile device yang akan menghasilkan jenis penyakit

yang diderita.

Keluaran yang dihasilkan dari aplikasi ini adalah berupa informasi tentang

jenis penyakit yang kemungkinan diderita oleh user berdasarkan gejala yang

dimasukkan dan nilai CF (Certainty Factor) yang dihasilkan dari perhitungan

yang dilakukan oleh sistem. Selain itu terdapat juga penelusuran data-data

gejala yang dapat dipilih oleh user.

Dalam perangkat handphone berbasis Java, disediakan media

penyimpanan yang bersifat non-volatile. Media penyimpanan non-volatile ini

dalam MIDlet dikenal dengan nama RMS (Record Management System).

Data yang ada di dalam database RMS ini dikenal dengan RecordStore.

START

Data gejala

penyakit dan/atau

hasil tes darah serta

data MB dan MD

Input Gejala dan/

atau hasil Tes

Darah dari User

Ada Input

Perhitungan

nilai MB dan

MB baru

Perhitungan

nilai CF

Output tingkat CF,

hipotesa diagnosis

dan langkah terapi

pengobatan

STOP

N

Y

Gejala String()

Value MB float()

Value MD float()

DATA

13

Data PrimerData-data atau informasi yang diperoleh adalah secara langsung dari

seorang pakar dalam hal ini adalah dokter spesialis penyakit dalam. Teknik

pengumpulan data ini adalah sebagai berikut :

Metode wawancara (interview), wawancara atau tanya jawab langsung

dengan pihak-pihak terkait dalam hal ini seorang dokter spesialis penyakit

dalam, guna mendapatkan data yang tepat sehingga perancangan sesuai

dengan tujuan semula.

Metode Kepustakaan (Library Research), mengumpulkan data-data yang

diperoleh dengan cara mengumpulkan data melalui buku-buku dan

sumber-sumber lain (internet) yang relevan dengan permasalahan yang

dihadapi, dalam hal ini tentang jenis-jenis penyakit Hepatitis dan gejala-

gejalanya.

14

Pengujian Sistem

Perangkat Lunak

yang Sedang

Dijalankan

15

Pengujian Sistem

Konfirmasi Sebelum Proses Diagnosa Pemilihan Gejala yang Diderita

16

Pengujian Sistem

Hasil Diagnosa Gejala Fisik

17

Pengujian Sistem

Menu Terapi Menu Telusuri

Menu Lihat Data18

Pengujian Sistem

Laporan Diagnosa

19

Pengujian Sistem

Konfirmasi Sebelum

Proses Uji Tes Darah

Uji Tes Darah

20

Pengujian Sistem

Hasil Uji Tes Darah

21

Pengujian Sistem

Laporan Diagnosa Tes darah

22

Perbandingan Perhitungan ManualInput user berupa gejala “Gejala mirip Flu” dan “Nyeri Perut”.

Maka didapat data berupa :

Gejala mirip Flu

Hepatitis A Hepatitis B Hepatitis C

MB MD MB MD MB MD

0,21 0,015 0,17 0,015 0,17 0,015

Nyeri Perut

Hepatitis A Hepatitis B Hepatitis C

MB MD MB MD MB MD

0,46 0,03 0,31 0,02 - -

Didapat nilai untuk setiap penyakit hepatitis A, B dan C :

Perhitungan Hepatitis A

MB baru = 0,21 + 0,46 * (1 – 0,21) = 0,5734

MD baru = 0,015 + 0,03 * (1 – 0,015) = 0,04455

Perhitungan Hepatitis B

MB baru = 0,17 + 0,31 * (1 – 0,17) = 0,4273

MD baru = 0,015 + 0,02 * (1 – 0,015) = 0,0347

Perhitungan Hepatitis C

MB baru = 0,17 + 0 * (1 – 0,17) = 0,17

MD baru = 0,015 + 0 * (1 – 0,015) = 0,015

Menghitung nilai CF untuk masing-masing hipotesa penyakit :

Perhitungan Hepatitis A

CF Hepatitis A = 0,5734 – 0,04455 = 0,52885

Perhitungan Hepatitis B

CF Hepatitis B = 0,4237 – 0,0347 = 0,3926

Perhitungan Hepatitis C

CF Hepatitis C = 0,17 – 0,015 = 0,155

Berdasarkan hasil perhitungan diatas, maka hasilnya sama

dengan pengujian pada sistem. Bahwa nilai CF tertinggi dimiliki

oleh penyakit hepatitis A dengan kondisi derajat CF = MUNGKIN23

Perbandingan Perhitungan Manual (2)Selain mendiagnosa gejala fisik, sistem juga mampu mendiagnosa melalui hasil uji tes darah.

User telah mengisi untuk paremeter Hepatitis A dengan status antibodi IgM positif dan

antibodi IgG negatif. Berikut perhitungan nilai CF baru atas hasil tes darah tersebut :

Didapat nilai untuk setiap

penyakit hepatitis A, B dan C :

CF tes darah Hepatitis A =

0,99 – 0,01 = 0,98

CF tes darah Hepatitis B = 0

CF tes darah Hepatitis C = 0

Maka nilai akhir CF untuk masing-masing hipotesa penyakit :

CFCOMBINE Hepatitis A = 0,52885 + 0,98 * (1-0,52885) =

0,990577

CFCOMBINE Hepatitis B = 0,3926 + 0 * (1-0,3926) = 0,3926

CFCOMBINE Hepatitis C = 0,155 + 0 * (1-0,155) = 0,155

Berdasarkan hasil perhitungan diatas, maka hasilnya sama

dengan pengujian pada sistem. Bahwa nilai CF tertinggi dimiliki

oleh penyakit hepatitis A dengan kondisi derajat CF = HAMPIR

PASTI.

antibodi

IgM

antibodi

IgGMB MD Status hepatitis A

Positif Negatif 0.99 0.01

Tertular HAV dalam 6-7

minggu terakhir ini, dan

sistem kekebalan sedang

mengeluarkan virus atau

infeksi menjadi semakin

parah.

24

Menambah Data Gejala

1

2

3

25

Mengubah Data Gejala1 2

345

26

Menghapus Data Gejala

1 2

34

27

Menu Lain1 2 3 4

76528

Prosedur Pengujian Tidak Normal

Masukan Gejala Penyakit

Masukan Tes Darah

Masukan Tambah,

Ubah dan Hapus

Gejala

29

AnalisaSistem ini dapat melakukan proses penalaran suatu data yang berupa gejala

untuk mencari suatu informasi terhadap suatu hipotesa penyakit.

Dari masukan gejala yang akan diberikan oleh user dalam sistem, terdapat

kemungkinan nilai untuk setiap hipotesa Hepatitis A, B maupun C hanya

memiliki nilai selisih yang kecil. Hal ini terjadi bila masing-masing gejala

masukan memiliki bobot yang hampir sama atas penyakit tersebut. Maka

untuk mendapatkan nilai yang signifikan atas hipotesa penyakit tersebut

disarankan untuk melakukan tes darah.

Hasil uji tes darah akan menjadi tolak ukur tertinggi pada proses diagnosa ini.

Jika terjadi diagnosa ganda pada saat deteksi gejala fisik dan uji tes darah,

maka yang lebih diutamakan adalah tes darah. Pada tes darah lebih

bersifat pasti karena pada proses yang sebenarnya, tes darah juga memiliki

pertimbangan yang sangat besar untuk diagnosa penyakit yang biasa

dilakukan oleh dokter-dokter di sekeliling kita.

30

Kesimpulan

1. Aplikasi ini dijalankan dengan J2ME Profile ; MIDP 2.1 dan J2ME

Configuration ; CLDC 1.1

2. Semakin akurat gejala yang dimasukkan dalam sistem (yang benar-benar

dirasakan), maka akan semakin tinggi pula nilai Certainty Factor atas

penyakit tersebut.

3. Penambahan data gejala penyakit dalam aplikasi ini harus dikonsultasikan

terlebih dahulu dengan pakar. Hal ini akan menjadikan aplikasi diagnosis

ini mampu bekerja secara baik.

31

TERIMA KASIH

32