12
1 SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA MENGGUNAKAN CERTAINTY FACTOR Aswita Andini Dea Fani Aneke Putri Jurusan Sistem Informasi STMIK PALCOMTECH Palembang Abstrak Sistem pakar untuk diagnosa penyakit kanker payudara ini merupakan suatu sistem pakar yang dirancang sebagai alat bantu untuk mendiagnosa penyakit kanker payudara dengan basis pengetahuan yang dinamis. Sistem pakar merupakan sistem berbasis komputer yang mengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidang spesifik, dengan adanya sistem pakar bukan berarti akan menganggantikan perannya para pakar melainkan sebagai sarana untuk membantu mengetahui diagnosa jenis penyakit sebelum berkonsultasi dengan ahlinya. Metode sistem pakar yang dipakai adalah certainty factor. Sistem pakar ini akan menampilkan pilihan gejala yang dapat dipilih oleh user, dimana setiap pilihan gejala akan membawa user kepada pilihan gejala selanjutnya sampai mendapatkan hasil akhir, sistem akan menampilkan pilihan gejala user, dan penyakit yang diderita. Sistem tersebut memberikan hasil berupa kemungkinan penyakit yang dialami, persentase keyakinan, serta nilai keyakinan yang diberikan oleh pengguna dalam menjawab pertanyaan selama sesi konsultasi ketika menggunakan sistem ini. Kata Kunci : Kanker Payudara, Certainty Factor, Sistem Pakar. PENDAHULUAN Era Digital saat ini tidak bisa dipungkiri kemajuan teknologi membuat orang semakin mudah saja menjalankan aktifitasnya. Komputer yang pada awalnya digunakan sebagai alat hitung. Seiring dengan perkembangan zaman, komputer banyak digunakan di berbagai bidang. Misalnya pada bidang kesehatan, ekonomi dan sebagainya. Perpaduan antara pengetahuan dan teknologi itu maka dapat diciptakan sebuah sistem yang dapat membantu kebutuhan - kebutuhan manusia dalam berbagai bidang yaitu sistem pakar. Kanker adalah penyakit yang kurang disadari oleh sebagian masyarakat, karena sebagian masyarakat yang terkena penyakit ini kurang mengetahui kanker itu sendiri dan kurangnya melakukan deteksi dini kanker. Akibatnya sebagian besar kanker ditemukan pada stadium lanjut dan sulit ditanggulangi sehingga memberikan beban yang besar bagi pasien kanker. Kanker merupakan buah dari perubahan sel yang mengalami pertumbuhan tidak normal dan tidak terkontrol. Kanker payudara (Carcinoma mammae) dalam bahasa inggrisnya disebut breast cancer merupakan kanker pada jaringan payudara. Kanker ini paling umum menyerang wanita, walaupun laki-laki juga punya potensi terkena akan tetapi kemungkinan sangat kecil dengan perbandingan 1 diantara 1000. Sistem pakar, terdapat banyak sekali metode yang digunakan untuk menangani suatu masalah. Penelitian sistem pakar ini akan menggunakan faktor kepastian atau disebut juga dengan certainty factor dimana pada metode ini terdapat suatu nilai yang berupa nilai kepercayaan (measure of belief). Nilai ketidakpercayaan (measure of disbelief) pada suatu gejala, yang dimana nantinya nilai tersebut dapat menghasilkan nilai CF ( Certainty Factor) sebagai tolak ukur seberapa besarkah nilai yang ada pada hasil diagnosanya nanti, semakin besar nilai CF yang diperoleh maka semakin besar pula peluang penyakit itu akan menyerang.

SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

  • Upload
    others

  • View
    12

  • Download
    0

Embed Size (px)

Citation preview

Page 1: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

1

SISTEM PAKAR DIAGNOSA PENYAKIT KANKERPAYUDARA MENGGUNAKAN

CERTAINTY FACTOR

Aswita AndiniDea Fani Aneke Putri

Jurusan Sistem InformasiSTMIK PALCOMTECH Palembang

AbstrakSistem pakar untuk diagnosa penyakit kanker payudara ini merupakan suatu sistem pakaryang dirancang sebagai alat bantu untuk mendiagnosa penyakit kanker payudara denganbasis pengetahuan yang dinamis. Sistem pakar merupakan sistem berbasis komputer yangmengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidangspesifik, dengan adanya sistem pakar bukan berarti akan menganggantikan perannya parapakar melainkan sebagai sarana untuk membantu mengetahui diagnosa jenis penyakitsebelum berkonsultasi dengan ahlinya. Metode sistem pakar yang dipakai adalah certaintyfactor. Sistem pakar ini akan menampilkan pilihan gejala yang dapat dipilih oleh user,dimana setiap pilihan gejala akan membawa user kepada pilihan gejala selanjutnya sampaimendapatkan hasil akhir, sistem akan menampilkan pilihan gejala user, dan penyakit yangdiderita. Sistem tersebut memberikan hasil berupa kemungkinan penyakit yang dialami,persentase keyakinan, serta nilai keyakinan yang diberikan oleh pengguna dalam menjawabpertanyaan selama sesi konsultasi ketika menggunakan sistem ini.Kata Kunci : Kanker Payudara, Certainty Factor, Sistem Pakar.

PENDAHULUAN

Era Digital saat ini tidak bisa dipungkiri kemajuan teknologi membuat orang semakinmudah saja menjalankan aktifitasnya. Komputer yang pada awalnya digunakan sebagai alathitung. Seiring dengan perkembangan zaman, komputer banyak digunakan di berbagaibidang. Misalnya pada bidang kesehatan, ekonomi dan sebagainya. Perpaduan antarapengetahuan dan teknologi itu maka dapat diciptakan sebuah sistem yang dapat membantukebutuhan - kebutuhan manusia dalam berbagai bidang yaitu sistem pakar. Kanker adalahpenyakit yang kurang disadari oleh sebagian masyarakat, karena sebagian masyarakat yangterkena penyakit ini kurang mengetahui kanker itu sendiri dan kurangnya melakukan deteksidini kanker. Akibatnya sebagian besar kanker ditemukan pada stadium lanjut dan sulitditanggulangi sehingga memberikan beban yang besar bagi pasien kanker. Kankermerupakan buah dari perubahan sel yang mengalami pertumbuhan tidak normal dan tidakterkontrol. Kanker payudara (Carcinoma mammae) dalam bahasa inggrisnya disebut breastcancer merupakan kanker pada jaringan payudara. Kanker ini paling umum menyerangwanita, walaupun laki-laki juga punya potensi terkena akan tetapi kemungkinan sangat kecildengan perbandingan 1 diantara 1000.

Sistem pakar, terdapat banyak sekali metode yang digunakan untuk menangani suatumasalah. Penelitian sistem pakar ini akan menggunakan faktor kepastian atau disebut jugadengan certainty factor dimana pada metode ini terdapat suatu nilai yang berupa nilaikepercayaan (measure of belief). Nilai ketidakpercayaan (measure of disbelief) pada suatugejala, yang dimana nantinya nilai tersebut dapat menghasilkan nilai CF (Certainty Factor)sebagai tolak ukur seberapa besarkah nilai yang ada pada hasil diagnosanya nanti, semakinbesar nilai CF yang diperoleh maka semakin besar pula peluang penyakit itu akanmenyerang.

Page 2: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

2

LANDASAN TEORIAI (Artificial Intelligence)

Menurut Kusumadewi (2003: 1), artificial intelligence merupakan salah satu bagianilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dansebaik yang dilakukan oleh manusia.

Sistem PakarMenurut Merlina (2012: 1), pakar adalah seseorang yang memiliki kemampuan khusus

terhadap suatu permasalahan, misalnya: dokter, petani, ahli permesinan, dan lain-lain.Menurut Arhami (2005: 3), sistem pakar adalah salah satu cabang dari AI yang

membuat penggunaan secara luas knowledge yang khusus untuk menyelesaikan masalahtingkat manusia yang pakar.

Menurut Durkin dan Merlina dan Hidayat (2012: 1), sistem pakar adalah suatu programkomputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yangdilakukan seorang pakar.Definisi diatas dapat disimpulkan sistem pakar adalah sistem berbasis komputer yangmengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidang spesifik.Struktur Sistem Pakar

Menurut Arhami (2005: 13), sistem pakar disusun oleh dua bagian utama, yaitu:1. Lingkungan pengembangan (development environment), digunakan untuk memasukkan

pengetahuan pakar ke dalam lingkungan sistem pakar.2. Lingkungan konsultasi (consultation environment), digunakan oleh pengguna yang

bukan pakar guna memperoleh pengetahuan pakar.Tiga komponen utama yang tampak secara virtual disetiap sistem pakar adalah basis

pengetahuan, mesin inferensi, dan antarmuka pengguna. Selain itu, sistem pakar memuatkomponen tambahan yaitu subsitem akuisisi pengetahuan, blackboard (tempat kerja),subsistem penjelasan (justifier), dan sistem perbaikan pengetahuan.(Turban, 2005).

Gambar 1 Struktur Sistem Pakar

Page 3: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

3

Basis Pengetahuan (Knowledge Base)Menurut Turban (2005: 723), basis pengetahuan berisi pengetaahuan relevan yang

diperlukan untuk memahami, dan memecahkan persoalan, basis tersebut mencakup duaeleman dasar yaitu :1. Fakta, misalny situasi persoalan dan teori area persoalan.2. Heuristik atau khusus yang mengarahkan penggunaan pengetahuan untuk memecahkan

persoalan khusus dalam domain tertentu.Menurut Arhami (2005: 15), basis pengetahuan mengandung pengetahuan untuk

pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atasdua elemen dasar, yaitu fakta dan aturan (Rule). Fakta merupakan informasi tentang obyekdalam area permasalahan tertentu, sedangkan aturan merupakan informasi tentang carabagaimana memperoleh fakta baru dari fakta yang telah diketahui.

Menurut Kusumadewi (2003: 115), basis pengetahuan berisi pengetahuan-pengetahuanuntuk memahami, memformulasikan dan menyelesaikan masalah.

Metode Inferensi dalam Sistem PakarSuatu perkalian inferensi yang menghubungkan suatu permasalahan dengan seolusinya

disebut rantai (chain). Menurut Arhami (2005: 111), ada dua metode penalaran dengan rules,yaitu forward chaining atau data-driven dan backward chaining atau goal-driven.a. Forward Chaining

Menurut Kusrini (2008: 8), forward chaining berarti menggunakan hinpunan aturankondisi-aksi. Dalam metode ini, data digunakan untuk menentukan aturn mana yang akandijalankan, kemudian aturan tersebut dijalankan.

Menurut Merlina (2012: 22), forward chaining adalah pendekatan data-driven yangmulai dari informasi yang tersedia atau dari ide dasar, kemudian mencoba menarikkesimpulan.

Definisi diatas dapat disimpulkan forward chaining adalah pencocokan fakta ataupernyataan dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.b. Backward Chaining

Menurut Merlina (2012: 21), backward chaining adalah pendekatan goal-driven yangmulai dari harapan apa yang akan terjadi (hipotesis) dan kemudian mencari bukti yangmendukung (atau berlawanan) dengan harapan, hal ini memerlukan perumusan dan pengujianhipotesis sementara (subhipotesis).c. Certainty Factor

Menurut Kusumadewi (2003: 96), certainty factor (CF) menunjukkan suatu fakta atauaturan. Notasi Faktor Kepastian.

CF(H,E) = MB(H,E) – MD(H,E)CF(H,E) = faktor kepastianMB(H,E) = ukuran kepercayaan terhadap hipotesis H,

jika diberikan evidence E (antara 0 dan 1).MD(H,E) = ukuran ketidakpercayaan terhadap

evidence H, Jika diberikan evidence E(antara 0 dan 1).

Nilai CF (Rule) didapat dari interpretasi ‘term’ dari pakar, yang diubah menjadi nilaiCF tertentu sesuai tabel 2.

Tabel 2. Nilai Certainty Factor (Rule)Uncertanty Term CF

Definitely not (pasti tidak)Almost certainly not (hampir pasti tidak)Probability not (kemungkinan besar tidak)

-1.0-0.8-0.6

Page 4: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

4

Maybe not (mungkin tidak)Unknown (tidak tahu)Maybe (mungkin)Probably (kemungkinan besar)Almost certainly (hampir pasti)Definitely (pasti)

-0.4-0.2 to0.20.40.60.81.0

Menurut Turban (2005: 819), faktor kepastian (Certainty factor) menyatakankepercayaan dalam sebuah kejadian (fakta atau hipotesis) berdasarkan bukti (atau penilaianpakar). Teori kepastian memperkenalkan suatu nilai untuk mengasumsikan derajad keyakinanseorang pakar terhadap suatu data. Certainty factor memperkenalkan konsep kepercayaandan ketidak percayaan. Konsep ini bebas satu sama lain sehingga tidak dapat dikombinasikandengan cara yang sama sebagaimana probabilitas, tetapi dapat dikombinasikan menurutpersamaan berikut :

CF [P,E] = MB [P,E] – MD [P,E]Keterangan :

CF : Certainty Factor (Faktor kepastian)MB : Measure of Belief (Ukuran kepercayaan)MD : Measure of Disbelief (Ukuran ketidakpercayaan)

P : Probability (Probabilitas)E : Evidence (Bukti atau kejadian)

Berikut ini adalah deskripsi beberapa kombinasi Certainty Factor terhadap berbagai kondisi:Certainty Factor untuk kaidah dengan premis tunggal (single premis rules):

CF(H,E) = CF(E) x CF(rule) = CF(user) x CF(pakar)Certainty Factor untuk kaidah dengan premis majemuk (multiple premis rules):

CF (A AND B ) = Minimum (CF (a),CF (b)) x CF (rule)CF (A OR B ) = Maximum (CF (a),CF (b)) x CF (rule)

Certainty Factor untuk kaidah dengan kesimpulan yang serupa (similarly concluded rules) :CFCOMBINE (CF1, CF2) = CF1 + CF2 x (1-CF1)Perhitungan Certainty Factor

Untuk menentukan nilai CF akhir pada suatu gejala maka menggunakan rumus CFparalel sebagai berikut:

CF[h,e1^e2] = CF[h,e1] + CF[h,e2] . (1 – CF[h,e1])Dengan :CF[h,e1^e2] = faktor kepastian paralelCF[h,e1] = ukuran kepercayaan terhadap hipotesis h, jika diberikan evidence e pertama(antara 0 dan 1)CF[h,e2] = ukuran kepercayaan terhadap hipotesis h, jika diberikan evidence e kedua (antara0 dan 1)

Dalam menentukan jenis penyakit, sangat dimungkinkan beberapa aturan yangmenghasilkan satu hipotesis dan suatu hipotesis menjadi evidence bagi aturan lain. Dengandemikian perhitungan diperlukan sebanyak CF gejala yang dipilih sesuai dengan masukanpengguna program ini.

HASIL DAN PEMBAHASAN

Data Flow Diagram ( DFD )Menurut Fatta (2007: 119), Data Flow Diagram (DFD) merupakan diagram yang

digunakan untuk menggambarkan proses-proses yang terjadi pada sistem yang akandikembangkan, dengan data yang terlibat pada masing-masing proses dapat diidentifikasi.

Page 5: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

5

DFD merupakan alat yang dapat menggambarkan arus data di dalam sistem terstrukturdan jelas. Lebih lanjut DFD juga merupakan dokumentasi dari sistem yang baik.1. Diagram Konteks

Diagram konteks adalah diagram yang menggambarkan bagian besar dari aliran arusdata sistem pakar diagnosa penyakit kanker payudara menggunakan certainty factor, dapatdilihat pada gambar dibawah ini :

Gambar 3 Diagram KonkteksBerdasarkan gambar diagram konteks diatas dapat dijelaskan yaitu Sistem Pakar

Diagnosa Penyakit Kanker Payudara menggunakan Certainty Factor memiliki 2 (dua)teminator yaitu Pasien dan Pakar.2. Data Flow Digram (DFD) Level 0

Diagran level 0 adalah digram yang menunjukkan semua proses utama yang menyusunkeseluruhan sistem, diagram ini dapat dilihat pada gambar ini :

Gambar 4 Data Flow Digram (DFD) Level 0

Page 6: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

6

Gambar 4 menunjukkan arus data level 0, berikut penjelasannya :1. Proses input 1.0P adalah proses penginputan data penyakit dimana data bersumber dari

terminator pakar berupa data penyakit, hasil proses disimpan dalam file penyakit danakan diberikan diproses data relasi.

2. Proses input 2.0P adalah proses penginputan data gejala dimana data bersumber dariterminator pakar berupa data gejala, hasil proses disimpan dalam file gejala dan akandiberikan ke proses relasi

3. Proses 3.0P adalah proses penginputan data relasi dimana data bersumber dari terminatorpakar berupa data relasi, hasil proses disimpan dalam file relasi dan akan diberikan keproses data pendaftaran yang digunakan pada saat konsutasi hasil, dari proses data relasiberupa informasi data penyakit yang akan dilihat oleh pasien.

4. Proses input 4.0P adalah proses penginputan data pendaftaran dimana data bersumberdari teminator pasien berupa data pasien, hasil kemudian dilanjutkan proses konsultasiselanjutnya disimpan dan dicetak dalam file analisa hasil.

3. Entity Relantionship Diagram (ERD)Entity Relantionship Diagram (ERD) adalah diagram yang menggambarkan hubungan

antara entitas dengan atribut penghubungnya. Entity Relantionship Diagram (ERD)diperlukan dalam perancangan file yang akan digunakan dalam sistem, karena dari EntityRelantionship Diagram (ERD) dapat diketahui berberapa file yang akan digunakan dalamsistem. Diagram ini dapat dilihat pada gambar berikut ini :

Gambar 5. Entity Relantionship Diagram (ERD)

Flowchart Indentifikasi Penyakit Kanker PayudaraGambar flowchart indentifikasi penyakit payudara dapat dilihat pada gambar 6 berikut

ini :

Page 7: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

7

Gambar 6. Flowchart Indentifikasi Penyakit Kanker Payudara

Pohon Keputusan

Pohon keputusan ini merupakan penalaran maju (Forward Chainning) sehingga lebihmudah melihat struktur ini terdiri dari node-node yang menunjukkan hubungan antar objekpada gambar 7 :

Page 8: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

8

Gambar 7. Pohon Keputusan

Tampilan Hasil Rancangan1. Tampilan Logina. Form Login

Halaman login digunakan untuk pakar memasukkan halaman sistem pakar diagnosakanker payudara. Halaman login terdapat komponen username, dan password yang berfungsiuntuk keamanan akses, dengan desain dapat dilihat pada gambar 8 :

Page 9: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

9

Gambar 8. Form Loginb. Form Menu Utama

Menu utama berupa tampilan utama home berisikan daftar penyakit, konsultasi,pertolongan, dan masuk pakar, desain ini dapat dilihat pada gambar 9 :

Gambar 9. Menu Utama

2. Tampilan Form Menua. Daftar Penyakit

Menu utama berupa tampilan utama home berisikan daftar semua penyakit payudara,desain ini dapat dilihat pada gambar 10 :

Gambar 10. Daftar Penyakit

Page 10: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

10

b. Pendaftaran PasienPendaftaran pasien ini digunakan untuk pasien mendaftarkan data pasien sebelum

melakukan konsultasi, pasien wajib mengisi data pasien sebelum melakukan konsultasi.Adapun desain ini dapat dilihat pada gambar 11 :

Gambar 11. Pendaftaran Pasien

c. Menu PertolonganMenu Pertolongan berisikan pencegahan penyakit kanker payudara. Adapun desain ini

dapat dilihat pada gambar 12 :

Gambar 12. Menu Pertolongand. Konsultasi

Konsultasi ini digunakan untuk pasien menjawab semua pertanyaan yang akandikeluarkan oleh sistem berupa gejala-gejala penyakit, selanjutnya pasien akan menjawabpertanyaan-pertanyaan tersebut dengan memilih pilihan jawaban YA atau TIDAK setiappertanyaan yang dikeluarkan sesuai gejala yang mereka rasakan, sistem akan mengeluarkanpenyakit yang diderita oleh pasien sesuai pertanyaan-pertanyaann yang pasien jawab. Sepertigambar 13.

Page 11: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

11

Gambar 13. Konsultasie. Hasil Konsultasi

Hasil konsultasi berfungsi untuk melihat hasil konsultasi yang telah dilakukan olehpasien dengan cara menjawab semua pertanyaan yang dikeluarkan oleh sistem. Hasilkonsultasi ini terdiri dari gejala yang sudah dipilih oleh pasien berserta nilai CF per gejala,nama penyakit, total nilai CF dan pengobatannya.

Gambar 15. Hasil Konsultasi

PENUTUP

Berdasarkan analisa dan pembahasan yang telah dilakukan pada bab-bab sebelumnya,maka dapat diambil kesimpulan yaitu penerapan metode certainty factor dapatmempermudah dan memberikan perhitungan penyelesaian seberapa pasti para user ataupasien menderita penyakit kanker payudara, sistem ini mampu membedakan berbagai jenispenyakit kanker payudara berdasarkan gejala yang diderita, dan sebagai sarana untukmembantu mengetahui diagnosa jenis penyakit sebelum berkonsultasi dengan ahlinya.

Page 12: SISTEM PAKAR DIAGNOSA PENYAKIT KANKER PAYUDARA …

12

DAFTAR PUSTAKA

Arhami, Muhammad. 2005. Konsep Dasar Sistem Pakar. Yogyakarta: ANDI

Fatta, Hanif Al. 2007. Analisis dan Perancangan Sistem Informasi. Yogyakarta: ANDI.

Kusrini. 2008. Aplikasi Sistem Pakar. Yogyakarta: ANDI.

Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta:GRAHA ILMU

Merlina, Nita. dan Hidayat, Rahmat. 2012. Perancangan Sistem Pakar. Bogor: Ghalia.

Turban, Efrain. 2005. Sistem Pendukung Keputusan dan Sistem Cerdas. Yogyakarta:ANDI.