2015

SISTEM PAKAR SKRINING KEHAMILAN RESIKO TINGGI MENGGUNAKAN METODE

CERTAINTY FACTOR

(STUDI KASUS: PUSKESMAS HANDIL BAKTI PALARAN)

Wahyu Syahidah1), Indah Fitri Astuti2),Awang Harsa Kridalaksana3)

1,2,3)Program Studi Ilmu Komputer, FMIPA, Universitas Mulawarman

Email : wahyu.syahidah28@gmail.com1), indahfitriastuti@yahoo.com2), awangkid@gmail.com3)

Abstrak

Setiap kehamilan memiliki faktor resiko yang dapat membahayakan keselamatan ibu dan bayi jika

penanganan yang dilakukan tidak tepat. Tiap tahun terjadi peningkatan angka kematian ibu yang terjadi disebabkan

oleh keterlambatan dalam mendeteksi resiko kehamilan. Untuk membantu tenaga kesehatan khususnya bidan

dalam mendeteksi kehamilan dengan resiko tinggi, dib*uat sistem pakar skrining kehamilan resiko tinggi. Terdapat

beberapa faktor resiko yang terdapat dalam Kartu Skor Poedji Rochjati (KSPR) yang menjadi pertimbangan dalam

menentukan tingkat resiko pada ibu hamil. Metode Certainty Faktor merupakan metode dari sistem pakar yang

dianggap sesuai untuk memberikan hasil yang tepat untuk mendeteksi resiko tinggi pada kehamilan. Penelitian ini

menghasilkan sebuah sistem pakar berbasis web dengan tingkat akurasi sebesar 90%, yang dimanfaatkan untuk

membantu tenaga kesehatan khususnya bidan dalam mendeteksi resiko tinggi yang dimiliki oleh ibu hamil.

Kata Kunci : Kehamilan Resiko Tinggi, Sistem Pakar, Certainty Factor

PENDAHULUAN

Latar Belakang Kehamilan merupakan saat yang ditunggu-

tunggu oleh setiap wanita yang telah menikah.

Kehamilan dan persalinan merupakan proses alami,

tetapi kehamilan juga memiliki resiko yang dapat

menjadi beban bagi seorang wanita. Pada persalinan

tiap ibu hamil memiliki resiko baik rendah atau tinggi

yang dapat membahayakan ibu dan bayi. Sebagian

besar dari kehamilan mempunyai hasil

menggembirakan dengan ibu dan bayi yang sehat. Hasil

yang menggembirakan tersebut tidak selalu terjadi, ada

persalinan yang berakhir dengan ibu dan atau bayi mati

atau sakit. Keadaan ini dapat terjadi pada kehamilan

dengan resiko tinggi dengan penanganan persalinan

yang tidak tepat. Berdasarkan hasil survei Demogafi

dan Kependudukan Indonesia (SDKI) 2012, terdapat

kenaikan angka kematian ibu (AKI) yang cukup drastis

dari 228 per 100 ribu kelahiran menjadi 359 per 100

ribu kelahiran. Pada saat ini masih banyak terjadi

keterlambatan rujukan, dimana ibu hamil yang

memiliki resiko sangat tinggi dikirim dan datang di

rumah sakit dalam kondisi yang sangat buruk, sehingga

kesempatan untuk menyelamatkan nyawa ibu dan

bayinya sangat terbatas.

Kartu Skor Poedji Rochjati atau yang

biasanya disingkat dengan KSPR biasanya digunakan

untuk menentukan tingkat resiko pada ibu

hamil. KSPR dibuat oleh Poedji Rochjati dan pertama

kali digunakan pada tahun 1992-1993. KSPR telah

disusun dengan format yang sederhana agar

mempermudah kerja tenaga kesehatan untuk

melakukan skrining terhadap ibu hamil dan

mengelompokan ibu kedalam kategori sesuai ketetapan

sehingga dapat menentukan intervensi yang tepat

terhadap ibu hamil.

Penulis menggunakan metode certainty factor

karena metode ini dirasa sesuai dengan kasus yang

sedang diteliti, dengan menggunakan nilai-nilai dari

resiko kehamilan sebagai faktor kepastian. Penulis

bermaksud untuk membuat sebuah sistem pakar

berbasis web yang dapat mengatasi nilai derajat

kepercayaan atau faktor kepastian data yang diperoleh

dari hasil konsultasi dengan pasien dengan

menggunakan kriteria – kriteria yang terdapat pada

Kartu Skor Poedji Rochyati melalui metode certainty

factor. Harapan penulis dengan dibangunnya sistem ini

adalah supaya dapat membantu dalam mendiagnosa

resiko tinggi kehamilan.

Batasan Masalah Batasan masalah pada pembuatan sistem :

1. Menggunakan faktor – faktor resiko yang ada pada

Kartu Skor Poedji Rochjati yaitu, skor awal ibu hamil,

usia ibu hamil, terlalu lambat hamil setelah pernikahan,

jarak kehamilan dari kehamilan sebelumnya, terlalu

banyak anak, tinggi badan, pernah mengalami

keguguran, pernah melahirkan dengan vakum/uri

dirogoh/mendapat transfusi, pernah menjalani operasi

sesar, penyakit yang dimiliki ibu hamil, terdapat

bengkak pada muka/tungkai dan tekanan darah tinggi,

hamil kembar, mengalami hydramnion, bayi mati

dalam kandungan, kehamilan lebih bulan, letak bayi

sungsang/lintang, terjadi pendarahan, dan terjadi

eklampsia/kejang – kejang.

2. Skrining dilakukan pada ibu dalam masa kehamilan

dimulai dari hari pertama haid terakhir.

Tujuan Penelitian Tujuan dari penelitian ini adalah untuk

membangun sistem yang dapat mendiagnosa

kehamilan resiko tinggi serta cara penanggulangannya

berdasarkan pada aturan Kartu Skor Poedji Rochjati

(KSPR) dengan menggunakan metode Certainty

Factor.

2015

Manfaat Penelitian Manfaat dari penelitian ini adalah sebagai media

yang dapat membantu seorang bidan dalam

menentukan resiko pada kehamilan berdasarkan aturan

yang terdapat pada Kartu Skor Poedji Rochjati (KSPR).

TINJAUAN PUSTAKA

Sistem Pakar Sistem Pakar adalah sistem yang menggunakan

pengetahuan manusia yang terekam dalam komputer

untuk memecahkan persoalan yang biasanya

memerlukan keahlian manusia. Konsep dasar sistem

pakar mencakup beberapa persoalan mendasar antara

lain apa yang dimaksud dengan keahlian, siapa yang

disebut pakar, bagaimana keahlian dapat ditransfer, dan

bagaimana sistem bekerja [8].

Sistem Pakar menurut Siswanto [7] merupakan

program komputer, yaitu :

1. Program komputer yang menangani masalah dunia

nyata, masalah yang kompleks yang membutuhkan

interpretasi pakar.

2. Program komputer untuk menyelesaikan masalah

dengan menggunakan komputer dengan model

penalaran manusia dan mencapai kesimpulan yang

sama dengan yang dicapai oleh seorang jika

berhadapan dengan masalah.

Kepakaran atau expertise adalah pengetahuan

yang ekstensif (meluas) dan spesifik yang diperoleh

melalui rangkaian pelatihan, membaca, dan

pengalaman. Pengetahuan membuat pakar dapat

mengambil keputusan secara lebih baik dan lebih cepat

daripada non-pakar dalam memecahkan problem yang

kompleks. Kepakaran mempunyai sifat berjenjang,

pakar top memiliki pengetahuan lebih banyak daripada

pakar yunior. Sistem pakar yang baik harus memenuhi

ciri-ciri :

a. Memiliki informasi yang handal.

b. Mudah dimodifikasi.

c. Dapat digunakan dalam berbagai jenis komputer.

d. Memiliki kemampuan untuk belajar beradaptasi.

Tujuan dari sebuah sistem pakar adalah untuk

mentransfer kepakaran yang dimiliki seorang pakar ke

dalam komputer, dan kemudian kepada orang lain.

Aktivitas yang dilakukan untuk memindahkan

kepakaran adalah:

a. Akuisi pengetahuan (knowledge acquisition) yaitu

kegiatan mencari dan mengumpulkan pengetahuan

dari para ahli atau sumber keahlian yang lain.

b. Representasi pengetahuan (knowledge

representation) adalah kegiatan menyimpan dan

mengatur penyimpanan pengetahuan yang

diperoleh dalam komputer. Pengetahuan berupa

fakta dan aturan disimpan dalam komputer sebagai

sebuah komponen yang disebut basis pengetahuan.

c. Inferensi pengetahuan (knowledge inferencing)

adalah kegiatan melakukan inferensi berdasarkan

pengetahuan yang telah disimpan didalam

komputer.

d. Pemindahan pengetahuan (knowledge transfer)

adalah kegiatan pemindahan pengetahuan dari

komputer ke pemakai yang tidak ahli.

Alasan mendasar mengapa sistem pakar

dikembangkan untuk menggantikan seorang pakar:

a. Dapat menyediakan kepakaran setiap waktu dan di

berbagai lokasi.

b. Secara otomatis mengerjakan tugas rutin yang

membutuhkan seorang pakar.

c. Seorang pakar akan pensiun atau pergi.

d. Biaya seorang pakar adalah mahal.

e. Kepakaran dibutuhkan juga pada lingkungan

yang tidak bersahabat (hostile environment) [8].

Table 1. Perbandingan Seorang Pakar dengan Sistem

Pakar

Faktor Seorang Pakar Sistem

Pakar

Time Availability Hari Kerja Setiap saat

Geografis Lokal/tertentu Dimana saja

Keamanan Tidak

tergantikan

Dapat

diganti

Perishable/Dapat

habis

Ya Tidak

Performansi Variabel Konsisten

Kecepatan Variabel Konsisten

dan lebih

cepat

Biaya Tinggi Terjangkau

(Sumber : Turban, 2005)

Faktor Kepastian (Certainty Factor) Faktor kepastian (certainty factor) diperkenalkan

oleh Shortliffe Buchanan dalam

pembuatan MYCIN. Certainty Factor (CF) merupakan

nilai parameter klinis yang diberikan MYCIN untuk

menunjukkan besarnya kepercayaan. Certainty Factor

didefinisikan sebagai persamaan 1 [1]:

CF (H, E) = MB (H, E) – MD (H, E) …(1)

CF (H, E) : Certainty Factor dari hipotesis H yang

dipengaruhi oleh gejala (evidence) E. Besarnya CF

berkisar antara -1 sampai 1. Nilai -1 menunjukkan

ketidakpercayaan mutlak sedangkan nilai 1

menunjukkan kepercayaan mutlak.

MB (H, E) : ukuran kenaikan kepercayaan

(measure of increased belief) terhadap hipotesis H

yang dipengaruhi oleh gejala E.

MD (H, E) : ukuran kenaikan ketidakpercayaan

(measure of increased disbelief) terhadap hipotesis H

yang dipengaruhi oleh gejala E.

Bentuk dasar rumus certainty

factor, adalah sebuah aturan JIKA E MAKA H seperti

ditunjukkan oleh persamaan 2.

CF (H, e) = CF (E, e) * CF (H, E) …(2)

Dimana

CF (H, e) : certainty factor hipotesis yang

dipengaruhi oleh evidence e.

CF (E, e) : certainty factor evidence E yang

dipengaruhi oleh evidence e

CF (H, E) : certainty factor hipotesis dengan

asumsi evidence diketahui dengan pasti, yaitu

ketika CF(E, e) = 1

2015

Jika semua evidence pada antecedent

diketahui dengan pasti maka persamaannya akan

menjadi:

CF (E, e) = CF (H, E) …(3)

Dalam aplikasinya, CF(H,E) merupakan nilai

kepastian yang diberikan oleh pakar terhadap suatu

aturan, sedangkan CF(E,e) merupakan nilai

kerpercayaan yang diberikan oleh pengguna terhadap

gejala yang dialaminya. Sebagai contoh, berikut ini

adalah sebuah aturan dengan CF yang diberikan oleh

seorang pakar:

JIKA batuk

DAN demam

DAN sakit kepala

DAN bersin-bersin

MAKA influensa, CF: 0,7

Metode certainty factor ini hanya bisa mengolah

2 bobot dalam sekali perhitungan. Untuk bobot yang

lebih dari 2 banyaknya, untuk melakukan perhitungan

tidak terjadi masalah apabila bobot yang dihitung

teracak, artinya tidak ada aturan untuk

mengkombinasikan bobotnya, karena untuk kombinasi

seperti apapun hasilnya akan tetap sama. Misalnya,

untuk mengetahui apakah seorang pasien tersebut

menderita penyakit jantung atau tidak, dilihat dari hasil

perhitungan bobot setelah semua keluhan-keluhan

diinputkan dan semua bobot dihitung dengan

menggunakan metode certainty factor. Pasien yang

divonis mengidap penyakit jantung adalah pasien yang

memiliki bobot mendekati +1 dengan keluhan-keluhan

yang dimiliki mengarah kepada penyakit jantung.

Sedangkan pasien yang mempunyai bobot mendekati -

1 adalah pasien yang dianggap tidak mengidap penyakit

jantung, serta pasien yang memiliki bobot sama dengan

0 diagnosisnya tidak diketahui atau unknown atau bisa

disebut dengan netral.

Kelebihan metode Certainty Factor adalah:

a. Metode ini cocok dipakai dalam sistem pakar untuk

mengukur sesuatu apakah pasti atau tidak pasti

dalam mendiagnosis penyakit sebagai salah satu

contohnya.

b. Perhitungan dengan menggunakan metode ini

dalam sekali hitung hanya dapat mengolah 2 data

saja sehingga keakuratan data dapat terjaga.

Kekurangan metode Certainty Factor adalah:

a. Ide umum dari pemodelan ketidakpastian manusia

dengan menggunakan numerik metodecertainty

factor biasanya diperdebatkan. Sebagian orang

akan membantah pendapat bahwa formula untuk

metode certainty factor diatas memiliki sedikit

kebenaran.

b. Metode ini hanya dapat mengolah

ketidakpastian/kepastian hanya 2 data saja. Perlu

dilakukan beberapa kali pengolahan data untuk data

yang lebih dari 2 buah.

Kehamilan Kehamilan adalah pertumbuhan dan

perkembangan janin intra uteri mulai sejak konsepsi

dan berakhir sampai permulaan persalinan. (Manuaba,

2008).

Kehamilan terjadi jika ada pertemuan dan

persenyawaan antara sel telur (ovum) dan sel mani

(spermatozoa) [6].

Kehamilan dibagi menjadi 3 trimester:

1. Trimester pertama : hari pertama haid terakhir

sampai minggu ke -12

2. Trimester kedua : minggu ke- 13 sampai ke- 27

3. Trimester ketiga: minggu ke- 28 sampai ke- 40 (13

minggu) [3].

Kehamilan Risiko Tinggi adalah salah satu

kehamilan yang di dalamnya kehidupan atau kesehatan

ibu atau janin dalam bahaya akibat gangguan

kehamilan yang kebetulan atau unik[6].

HASIL PENELITIAN DAN PEMBAHASAN

Deskripsi Sistem Sistem Pakar Skrining Resiko Tinggi Kehamilan

ini merupakan sistem yang digunakan untuk

memudahkan tenaga kesehatan terutama bidan dalam

melakukan skrining terhadap ibu hamil. Pada sistem ini

user yang merupakan bidan atau tenaga kesehatan

harus login terlebih dahulu untuk masuk ke dalam

sistem pakar. Setelah berhasil masuk, kemudian user

dapat mengolah data ibu hamil dan melakukan

skrining. Untuk melakukan perhitungan KPSR user

harus memasukkan data kehamilan terlebih dahulu

kemudian user dapat memilih resiko kehamilan yang

dialami oleh ibu hamil. Setiap resiko kehamilan

memiliki nilai yang akan diproses nantinya. Setelah

selesai tahap memilih resiko berdasarkan kondisi ibu

hamil maka sistem akan memproses sehingga

mendapatkan hasil skor yang menyatakan kondisi ibu

hamil serta rujukan yang diberikan sesuai kondisi yang

dialami ibu hamil. Disertakan pula detail perhitungan

yang telah dilakukan sistem.

Arsitektur Sistem

Gambar 1. Arsitektur Sistem Pakar Skrining

Kehamilan Resiko Tinggi

Dari Gambar 1 terlihat bahwa sistem pakar

disusun oleh dua bagian utama, yaitu lingkungan

pengembangan (development environment) dan

2015

ingkungan konsultasi (consultation environment).

Komponen – komponen yang terdapat dalam sistem

pakar yaitu User Interface yang dalam sistem ini adalah

halaman skrining, basis pengetahuan yang didapat dari

pakar yang berupa nilai CF dan aturan, akuisisi

pengetahuan, mesin inferensi yang menggunakan

metode forward chaining, workplace, fasilitas

penjelasan dan perbaikan pengetahuan.

Perancangan Sistem

Perancangan sistem pakar skrining kehamilan

resiko tinggi yang akan dibangun menggunakan

diagram unified modeling language (UML) dan

flowchart, diagram yang digunakan yaitu use case

diagram dan activity diagram. Flowchart merupakan

suatu langkah penting yang harus dilakukan dalam

menyelesaikan suatu masalah. Berisi grafik-grafik

untuk membantu bagaimana suatu sistem dapat dibuat.

Gambar 2 merupakan flowchart sistem skrining

kehamilan resiko tinggi.

Gambar.2 Flowchart Perhitungan CF Skrining

Kehamilan Resiko Tinggi

Perancangan Basis Data Pengetahuan Dalam pembuatan sistem pakar, fakta dan

pengetahuan yang berhubungan dengan faktor – faktor

resiko kehamilan akan digunakan dalam mengambil

suatu kesimpulan. Fakta dan pengetahuan tersebut

didapatkan dari hasil studi literatur. Fakta dan

pengetahuan yang telah didapatkan akan diterjemahkan

akan diterjemahkan knowledge engineer menjadi basis

pengetahuan yang tersimpan dalam sistem pakar yang

telah dibuat. Fakta tersebut ditampilkan dalam bentuk

tabel faktor resiko. Masing-masing faktor

direpresentasikan dengan kode seperti digambarkan

pada tabel 2.

Tabel 2. Faktor Resiko Kehamilan

Faktor

Resiko Deskripsi Faktor CF

F01 Skor Awal Ibu Hamil 0.2

F02 Hamil terlalu muda pada usia

kurang dari 16 tahun

0.4

F03 Kehamilan pertama terlalu lambat

setelah lebih dari sama dengan 4

tahun pernikahan

0.4

F04 Terlalu tua, kehamilan pertama

pada usia lebih dari sama dengan

35 tahun

0.4

F05 Terlalu cepat hamil lagi, jarak

kurang dari 2 tahun setelah

kehamilan sebelumnya

0.4

F06 Terlalu lama hamil lagi, jarak lebih

dari sama dengan 10 tahun dengan

kehamilan sebelumnya.

0.4

F07 Terlalu banyak anak (4 anak atau

lebih).

0.4

F08 Usia terlalu tua lebih dari sama

dengan 35 tahun.

0.4

F09 Terlalu pendek, tinggi badan

kurang dari sama dengan 145 cm.

0.4

F10 Pernah gagal kehamilan. 0.4

F11 Pernah melahirkan dengan tarikan

tang / vakum.

0.4

F12 Pernah melahirkan dengan uri

dirogoh.

0.4

F13 Pernah melahirkan dengan diberi

infus / transfusi.

0.4

F14 Pernah operasi sesar. 0.8

F15 Memiliki penyakit kurang darah. 0.4

F16 Memiliki penyakit malaria. 0.4

F17 Memiliki penyakit TBC paru. 0.4

F18 Memiliki penyakit payah jantung. 0.4

F19 Memiliki penyakit kencing manis

(diabetes).

0.4

F20 Memiliki penyakit menular

seksual.

0.4

F21 Terdapat bengkak pada muka /

tungkai dan tekanan darah tinggi.

0.4

F22 Hamil kembar 2 atau lebih. 0.4

F23 Hamil kembar air ( hydramnion ). 0.4

F24 Bayi mati dalam kandungan. 0.4

F25 Kehamilan lebih bulan. 0.4

F26 Letak bayi sungsang. 0.8

F27 Letak bayi lintang. 0.8

F28 Terjadi pendarahan pada

kehamilan ini.

0.8

F29 Preeklampsia berat / kejang -

kejang.

0.8

Masing-masing resiko kehamilan

direpresentasikan dengan kode seperti digambarkan

pada tabel 3.

Tabel 3. Resiko Kehamilan

2015

Kode

Resiko Keterangan Rujukan

R01 Kehamilan

Resiko Rendah

Persalinan boleh

ditangani oleh bidan

praktek.

R02 Kehamilan

Resiko Tinggi

Persalinan tidak

boleh ditangani oleh

bidan praktek dan

dianjurkan untuk

melakukan

persalinan ke

puskesmas atau

rumah sakit.

R03 Kehamilan

Resiko Sangat

Tinggi

Persalinan harus

ditangani oleh

dokter ahli di rumah

sakit.

Representasi pengetahuan digunakan untuk

menggabungkan fakta dari tabel penyakit dan gejala

untuk bisa memberikan informasi agar dapat diakses

oleh prosedur pemecahan masalah. Nilai – nilai yang

ada ditentukan dan disetujui oleh narasumber/pakar.

Tabel 4. Representasi pengetahuan

No. Fakta Kode

Resiko

Jenis Resiko

1. Jika

persentase ≤

50%

R01 Kehamilan

Resiko Rendah

2. Jika

persentase >

50% dan <

80%

R02 Kehamilan

Resiko Tinggi

3. Jika

persentase ≥

80%

R03 Kehamilan

Resiko Sangat

Tinggi

Implementasi Sistem User

1. Halaman Login

Menu halaman Login dibuat untuk user dan

administrator untuk dapat mengakses sistem.

Tampilan halaman login user dapat dilihat pada

gambar 3.

Gambar 3. Form Login

Pada form login terdapat kolom username dan

password yang harus diisi oleh user serta tombol

“Login” untuk masuk ke halaman utama sistem

pakar. Jika username dan password yang diisi user

benar, maka setelah mengklik “Login”, user akan

masuk ke halaman utama sistem pakar.

Terdapat tiga halaman yang dapat diakses oleh

user, antara lain Halaman Utama, Halaman Data

Ibu Hamil, dan Halaman Pencarian.

2. Halaman Utama

Setelah user berhasil login, yang muncul di awal

adalah halaman utama sistem pakar skrining

kehamilan resiko tinggi. Halaman utama bisa dilihat

pada Gambar 4.

Gambar 4. Tampilan Halaman Utama Sistem

Pakar Skrining Kehamilan Resiko Tinggi

3. Halaman Dara Ibu Hamil

Pada halaman ini, user dapat mengelola data ibu

hamil, mengisi data pemeriksaan dan skrining.

Lebih jelasnya tentang halaman Data Ibu Hamil

dapat dilihat pada gambar 5.

Gambar 5. Halaman Data Ibu Hamil

Dalam Halaman Data Ibu Hamil ini user dapat

menambahkan data ibu hamil. Form tambah data

ibu hamil dapat dilihat pada gambar 6.

2015

Gambar 6. Halaman Tambah Data Ibu Hamil

Setelah memasukkan data ibu hamil user dapat

menambahkan data kehamilan. Untuk lebih jelasnya

dapat dilihat pada gambar 7 dan gambar 8.

Gambar 7. Halaman Data Data Kehamilan

Gambar 8. Halaman Tambah Data Kehamilan

Setelah memasukkan data kehamilan kemudian

user dapat mengisi data pemeriksaan dan melakukan

skrining.

Gambar 9. Halaman Pemeriksaan

Gambar 10. Form Pemeriksaan Baru

Pada halaman skrining ini user dapat melakukan

skrining pada ibu hamil dengan memilih faktor –

faktor resiko yang dimiliki oleh ibu hamil.

Gambar 11. Halaman Skrining

Gambar 12. Form Skrining

Setelah menekan tombol “Proses” maka akan

menuju ke halaman hasil skor seperti pada gambar

13.

2015

Gambar 13. Halaman Hasil Skor

Dan berikut adalah detail dari perhitungan

yang telah dilakukan dapat dilihat pada gambar 14.

Gambar 14. Halaman Detail Perhitungan

4. Halaman Pencarian

Pada halaman ini, user dapat mencari data ibu

hamil. Tampilan halaman pencarian dapat dilihat

pada gambar 15.

Gambar 15. Halaman Pencarian

Implementasi Sistem Admin

1. Halaman Data Bidan

Pada halaman Data Bidan ini admin dapat

mengelola data user yaitu bidan. Tampilan halaman

Data Bidan dapat dilihat pada gambar 16.

Gambar 16. Halaman Admin Data Bidan

Dan untuk menambah data bidan akan

ditampilkan for seperti pada gambar 17 berikut.

Gambar 17. Form Biodata Bidan

2. Halaman Faktor Resiko

Pada halaman faktor resiko ini admin dapat

mengelola faktor – faktor resiko dalam database.

Pada data faktor resiko terdapat nilai – nilai CF

yang nanti akan dihitung untuk mendapatkan hasil

rujukan yang sesuai dengan kondisi ibu hamil.

Halaman faktor resiko dapat dilihat pada gambar

18.

Gambar 18. Halaman Admin Faktor Resiko

Untuk menambahkan data fakor admin dapat

menekan tombol “Tambah Data Faktor”. Berikut

adalah form untuk mengisi data faktor baru.

Gambar 19. Form Data Faktor Baru

3.5 Pengujian Sistem

Berikut akan dicontohkan uji coba perhitungan

manual untuk perhitungan nilai CF. Untuk melakukan

perhitungan, dibutuhkan masukan data faktor resiko

yang dimiliki oleh ibu hamil.

Misalkan diketahui seorang ibu hamil memiliki faktor

resiko sebagai berikut :

1. Memiliki terlalu banyak anak yaitu 5 orang anak.

2. Usia 39 tahun.

a. Hasil diagnosa sistem :

Ibu memiliki Kehamilan Resiko Tinggi dengan

persentase sebesar 71,2%

b. Dengan perhitungan manual.

Diketahui nilai CF dari masing – masing faktor

resiko adalah sebagai berikut:

1. Skor awal ibu hamil (skor yang dimiliki semua ibu

hamil) = 0,2

2. Terlalu banyak anak = 0,4

3. Usia lebih dari 35 tahun = 0,4

Dari nilai CF yang ada dihitung nilai CF kombinasinya

:

a. Kombinasikan nilai CF1 dan CF2 :

CF1.2 = CF1 + CF2 ( 1 – CF1 )

CF1.2 = 0,2 + 0,4 ( 1 – 0,2 )

CF1.2 = 0,52

b. Kombinasikan nilai CF1.2 dan CF3 :

CF1.2.3 = CF1.2 + CF3 ( 1 – CF1.2 )

2015

CF1.2.3 = 0,52 + 0,4 ( 1 – 0,52 )

CF1.2.3 = 0,712

c. Hitung persentase : 0,712 * 100% = 71,2%

Dengan persentase sebesar 71,2% ibu hamil

memiliki Kehamilan Resiko Tinggi.

Pengujian Akurasi Sistem Uji coba ini dilakukan untuk mengetahui apakah

aplikasi yang dibuat sesuai dengan tujuan. Dilakukan

uji coba terhadap 30 data ibu hamil. Berdasarkan uji

coba yang telah dilakukan serta melakukan

perbandingan terhadap data sebenarnya, tentunya akan

terdapat perbedaan. Dari perbedaan tersebut, akan

dihitung nilai akurasinya. Nilai akurasi inilah yang

akan menentukan kualitas dari aplikasi yang telah

dibuat.

Untuk menghitung tingkat akurasi sistem:

a. Jumlah data = 30

b. Jumlah hasil diagnosa benar = 27

c. Jumlah hasil diagnosa salah = 3

Terdapat data diagnosa salah pada hasil

rujukan karena terjadi perbedaan hasil skrining

menggunakan Kartu Skor Poedji Rochjati dengan

perhitungan sistem pakar menggunakan metode

Certainty Factor.

Akurasi = �������������� �� �

������������ x 100%

Sehingga didapat perhitungan sebagai berikut :

= ��

�� x 100%

= 90%

Dari hasil pengujian yang dilakukan, Sistem

Pakar Skrining Kehamilan Resiko Tinggi mempunyai

tingkat akurasi sebesar 90%.

KESIMPULAN Dari perancangan dan implementasi yang telah

dilakukan, ada beberapa kesimpulan yang dapat

dikemukakan sebagai hasil dari penelitian, antara lain:

1. Metode Certainty Factor dapat diimplementasikan

pada aplikasi sistem pakar untuk skrining

kehamilan resiko tinggi dengan tingkat akurasi

sebesar 90%.

2. Menghasilkan output tingkat resiko beserta rujukan

pada saat persalinan.

3.

4. Penggunaan aplikasi berbasis website lebih

memudahkan user dalam segi fleksibilitas yang

dapat digunakan dimana pun pengguna berada,

serta aplikasi ini menggunakan sistem yang cukup

mudah untuk di akses.

SARAN Penelitian yang dilakukan tentunya tidak terlepas

dari kekurangan dan kelemahan. Oleh karena itu, untuk

pengembangan sistem lebih lanjut, maka perlu

diperhatikan beberapa hal berikut ini:

1. Pengembangan sistem pakar selanjutnya agar

menggunakan metode lain yang lebih tepat

sehingga dapat meningkatkan tingkat akurasi.

2. Website dapat dikembangkan dalam bentuk lebih

dinamis sehingga pengguna bisa lebih nyaman

menggunakannya

3. Tampilan yang lebih menarik baik dalam segi

menu-menu ataupun desain website dapat

memberikan kemudahan ataupun ketertarikan

pengguna dalam memakai aplikasi ini.

DAFTAR PUSTAKA [1] Arhami, M. 2005. Konsep Dasar Sistem Pakar.

Jilid 1. Yogyakarta: Penerbit Andi

[2] Bobak, I.M., Lowdermilk, D.L., Jensen, M.D., &

Perry, S.E. (2004). Buku Ajar Keperawatan

Maternitas (Maternity Nursing). Edisi 4. Alih

bahasa Anugerah, P.I., & Wijayarini, M.A.

Jakarta : EGC.

[3] Helen, V. 2007. Buku Ajar Asuhan Kebidanan.

Edisi 4, Volume 2. Jakarta : EGC

[4] Manuaba IBG. 2008. Ilmu Kebidanan, Penyakit

Kandungan & Keluarga Berencana Untuk

Pendidikan Bidan. Jakarta: EGC.

[5] Rochjati, P. 2003. Skrining Antenatal Pada Ibu

Hamil. Surabaya: Pusat Safe Mother Hood-

Lab/SMF Obgyn RSU Dr. Sutomo/Fakultas

Kedokteran UNAIR

[6] Saminem. 2009. Kehamilan Normal Seri Asuhan

Kebidanan. Jakarta: Penerbit Buku Kedokteran

EGC. Cetakan I

[7] Siswanto. 2010. Kecerdasan Tiruan Edisi 2.

Yogyakarta : Graha Ilmu

[8] Turban, E., Aronso, J.E., dan Liang, T.P. 2005.

Sistem pendukung Keputusan dan Sistem Cerdas.

Terjemahan Dwi Prabantini. Yogyakarta : Andi.