Sistem Pakar Pendiagnosa Penyakit Ginjal

menggunakan Metode Penalaran Forward

Chaining dan teknik penelusuran Best-First Search

Artikel Ilmiah

Diajukan kepada

Fakultas Teknologi Informasi

Untuk memperoleh Gelar Sarjana Komputer

Peneliti :

Elisa Ryko Aditya (672010078)

Hindriyanto Dwi Purnomo, ST., MIT, Ph.D

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

Januari 2016

ii

iii

iv

v

vi

672010078

vii

Sistem Pakar Pendiagnosa Penyakit Ginjal menggunakan Metode Penalaran

Forward Chaining dan teknik penelusuran Best-First Search

1)

Elisa Ryko Aditya, 2)

Hindriyanto Dwi Purnomo

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Jl. Diponegoro 52-60, Salatiga 50711, Indonesia

Email : 1)

rick0adity4@gmail.com, 2)

hindriyanto_fti@yahoo.com

Abtract

Expert system is computer based system that used fact, knowledge and, specific

reasoning technique from an expert to solving problems. This expert system

application, giving the possibility of kidney disease of the user based on symptoms

experienced. This expert system using Best-First Search algorithm at this

inference. Make this expert system smarter that doesn’t to test all information.

And Forward Chaining reasoning used as the foundation of this expert system

design.

Key Words :Expert System, Forward Chaining, Best-First Search

Abstrak

Sistem pakar adalah sistem berbasis komputer yang menggunakan fakta,

pengetahuan, dan teknik penalaran yang di dapatkan dari seorang pakar dalam

memecahkan masalah. Aplikasi sistem pakar ini memberi kemungkinan diagnosa

penyakit ginjal yang dialami pengguna berdasarkan gejala yang dialaminya.

Dalam implementasinya, sistem pakar ini menggunakan algoritma Best-First

Search dalam melakukan inferensinya. Keuntungannya adalah tercipta sistem

pakar yang pintar tanpa harus menguji semua informasi. Dan metode pencarian

Forward Chaining sebagai dasar yang digunakan dalam perancangan sistem pakar

ini.

Kata Kunci: Sistem Pakar, Forward Chaining, Best-First Search

1Mahasiswa Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

2Staff Pengajar Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

1

PENDAHULUAN

Saat ini penyakit ginjal adalah penyakit pembunuh nomor 2 di dunia.

Diperkirakan ada lebih dari 25 Juta penduduk Indonesia yang mengalami

gangguan fungsi ginjal. Dan pertumbuhan kasus ginjal kronik stadium akhir di

Indonesia mencapai 2000 kasus baru/tahun. [1] Ditambah lagi di Indonesia hanya

ada sekitar 100 dokter ginjal untuk menangani jutaan penderita penyakit ginjal di

Indonesia. Dalam UU Praktek Kedokteran, satu dokter hanya diperbolehkan

praktek di tiga tempat. Sehingga kehadiran dokter ginjal di rasa sangat minim

untuk negara Indonesia. Terlebih di kota-kota kecil dan di luar pulau Jawa.

Besarnya jumlah penderita penyakit ginjal ini disebabkan minimnya kesadaran

masyarakat tentang gejala awal penyakit ginjal. Kebanyakan rakyat Indonesia

tidak memiliki kesadaran untuk melakukan deteksi sedini mungkin terhadap

penyakit ginjal dan menghindari pemeriksaan menyeluruh dikarenakan biaya yang

terlalu besar. Hasilnya adalah pasien baru melakukan pengobatan setelah kondisi

ginjalnya sudah mengalami kerusakan sangat parah dan nyaris tidak berfungsi

lagi.

Karena itu perlu dibuat sistem yang dapat membantu mendiagnosa penyakit

ginjal berdasarkan gejala-gejala yang sudah dialami. Sistem tersebut adalah sistem

pakar. Sistem pakar adalah salah satu bagian dari kecerdasan buatan yang

mengandung pengetahuan dan pengalaman yang di dapat dari satu atau banyak

pakar menjadi suatu desain pengetahuan tertentu, sehingga setiap orang dapat

menggunakanannya untuk menentukan solusi dari gangguan penyakit ginjal

tersebut.

Sistem pakar pendiagnosa penyakit ginjal adalah salah satu solusi untuk

mengatasi permasalahan tersebut. Pengetahuan dari pakar penyakit ginjal di dalam

sistem ini digunakan sebagai dasar oleh Sistem Pakar untuk menjawab pertanyaan

(konsultasi) dengan penggunanya nanti. Dengan membangun sistem pakar ini,

diharapkan keterbatasan informasi mengenai penyakit ginjal tersebut dapat

dikurangi, sekaligus dengan penyajian tertentu dapat membuka mata masyarakat

untuk lebih “mengenal” tentang penyakit ginjal supaya risiko penyakit ginjal tidak

terlalu parah dan dapat cepat terdeteksi dan diatasi.

1. TINJAUAN PUSTAKA

1.1 Kecerdasan Buatan Kecerdasan buatan adalah satu ilmu yang mempelajari cara membuat

komputer melakukan sesuatu seperti yang dilakukan oleh manusia. Ada tiga

tujuan kecerdasan buatan, yaitu: membuat komputer lebih cerdas, mengerti

tentang kecerdasan, dan membuat mesin lebih berguna. Salah satu bentuk

kecerdasan buatan adalah sistem pakar. Kecerdasan buatan memiliki beberapa

domain penelitian, diantaranya : Formal Tasks, Mundane Task, dan Expert Tasks.

Dibandingkan dengan kecerdasan ilmiah, kecerdasan buatan memiliki beberapa

keuntungan, seperti :[2]

1. Lebih permanen. 2. Memberikan kemudahan dalam duplikasi dan penyebaran.

2

3. Relatif lebih murah dari kecerdasan ilmiah. 4. Konsisten dan teliti. 5. Dapat didokumentasi. 6. Dapat mengerjakan beberapa task dengan lebih cepat dan lebih baik

dibanding manusia.

1.2 Sistem Pakar Sistem pakar adalah sistem berbasis komputer yang menggunakan

pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang

biasanya hanya dapat dipecahkan oleh pakar dalam bidang tersebut. [3]

Sistem pakar untuk melakukan diagnosis kesehatan telah dikembangkan sejak

pertengahan tahun 1970 oleh Bruce Buchanan dan Edward Shortliffe di Standford

University. Sistem ini diberi nama MYCIN.[4]

MYCIN merupakan program interaktif yang melakukan diagnosis meningitis

dan infeksi bacremia serta memberi rekomendasi antimikrobia. MYCIN, dalam

uji cobanya mampu menunjukkan kemampuan seperti seorang spesialis.

Meskipun tidak pernah digunakan secara rutin,oleh dokter, MYCIN merupakan

referensi yang bagus dalam penelitian kecerdasan yang lain.[5]

Sistem pakar dapat digunakan oleh:

1. Orang awam yang bukan pakar untuk meningkatkan kemampuan mereka dalam memecahkan masalah.

2. Pakar sebagai asisten yang berpengetahuan. 3. Memperbanyak atau menyebarkan sumber pengetahuan yang semakin

langka.

Sistem pakar dapat ditampilkan dalam dua lingkungan, yaitu: pengembangan

dan konsultasi. Lingkungan pengembangan digunakan oleh pembangun sistem

pakar untuk membangun komponen dan memasukkan pengetahuan ke dalam

basis pengetahuan. Lingkungan konsultasi digunakan oleh orang yang bukan ahli

untuk memperoleh pengetahuan dan berkonsultasi.

Struktur pada sistem pakar dapat dilihat pada gambar 1, yaitu:[6]

1. Basis pengetahuan (Knowledge base). Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan memecahkan

persoalan.

2. Motor inferensi (inference engine). 3. Blackboard. Merupakan area kerja memori yang disimpan sebagai

database untuk deskripsi persoalan terbaru yang ditetapkan oleh data input

dan digunakan juga untuk perekaman hipotesis dan keputusan sementara.

4. Subsistem akuisisi pengetahuan. Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian pemecahan masalah dari pakar atau

sumber pengetahuan terdokumentasi ke program komputer untuk

membangun atau memperluas basis pengetahuan.

5. Antarmuka pengguna. Digunakan untuk media komunikasi antara user dan program.

6. Subsistem penjelasan. Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui

pertanyaan.

7. Sistem penyaring pengetahuan.

3

Gambar 1. Struktur Sistem Pakar

Sistem pakar, sebelumnya sudah banyak digunakan, misalnya dalam „Aplikasi

Sistem Pakar Diagnosa Penyakit Ginjal Dengan Metode Dempster-Shafer‟ oleh

Aprilia Sulistyohati[7]. Dalam penelitiannya, Aprilia memanfaatkan metode

Dempster-Shafer untuk menciptakan presentasi kepercayaan dari hasil yang

ditampilkan sistem pakarnya. Menurutnya hal ini penting untuk menilai seberapa

akurat hasil analisa sistemnya. Berikutnya adalah „Penerapan Forward Chaining

Pada Program Diagnosa Anak Penderita Autisme‟ oleh Gusti Ayu Kadek Tutik

A.[8]. Gusti Ayu memanfaatkan metode Forward-Chaining sebagai metode

penarik kesimpulan dari aplikasinya. Forward-Chaining adalah metode penarikan

kesimpulan yang berdasar pada data atau fakta yang ada menuju ke kesimpulan.

Hal ini dilakukan karena data yang digunakan untuk menarik kesimpulan adalah

gejala-gejala anak penderita autis.

Kedua penelitian sistem pakar tersebut menggunakan Forward-Chaining

untuk menentukan diagnosa akhir dari aplikasinya. Kedua sistem tersebut

memanfaatkan check-box sebagai alat untuk berkomunikasi dengan usernya. User

akan diberikan daftar gejala, dan diminta untuk check-list gejala-gejala yang

dialaminya. Cara ini efektif untuk meyakinkan user tentang keakuratan aplikasi

tersebut. Tetapi, check-box akan menjadi masalah saat daftar gejala yang

diberikan kepada user sangat banyak. Apabila tidak disertai dengan user-interface

yang menarik, kemungkinan besar user akan malas membaca daftar gejala yang

disajikan.

1.3 Penyakit Ginjal Ginjal adalah organ yang harus dijaga kesehatannya. Karena fungsinya sangat

penting bagi kesehatan tubuh. jika ginjal mengalami gangguan maka akan

berpotensi besar untuk terserang penyakit.

4

Dan sangat penting sekali bagi kita memahami apa saja penyakit ginjal dan

penyebabnya. Dan selain itu juga kita harus memahami bagaimana cara

mengatasinya. Karena penyakit ginjal dan penyebabnya bisa menyerang siapa

saja. Bahkan dari sejak usia dini.

Penyakit ginjal bisa terjadi karena adanya gangguan di sistem penyaringan

pada organ ginjal. Di mana ginjal tidak bisa berfungsi dengan baik sebagai organ

filter racun. Penumpukan yang terjadi ini bisa menyebabkan kerusakan di organ

ginjal. Ginjal yang bisa terjadi oleh siapa saja baik dari usia anak-anak sampai

usia dewasa.

1.4 Teknik Best-First Search Dalam pengembangan sistem ini digunakan teknik penelusuran Best-First

Search. Teknik Best-First Search adalah teknik penelusuran yang menggunakan

pengetahuan akan suatu masalah untuk melakukan panduan pencarian ke arah

node tempat di mana solusi berada. Pencarian jenis ini dikenal juga sebagai

heuristic. Pendekatan yang dilakukan adalah mencari solusi yang terbaik

berdasarkan pengetahuan yang dimiliki sehingga penelusuran dapat ditentukan

harus di mulai dari mana dan bagaimana menggunakan proses terbaik untuk

mencari solusi.

Keuntungan jenis pencarian ini adalah mengurangi beban komputasi karena

hanya node yang memberikan harapan saja yang diuji dan akan berhenti apabila

solusi sudah mendekati yang terbaik. Ini merupakan model yang menyerupai cara

manusia mengambil solusi yang dihasilkan merupakan solusi yang mutlak benar.

Gambar 2. Best-First Search

2. PERANCANGAN SISTEM

2.1 Perancangan inferensi

3.1.1 Forward Chaining

Tujuan dari penelitian ini adalah membangun sistem pakar yang dapat

memberi diagnosa penyakit ginjal yang dialami oleh pengguna sistem berdasarkan

gejala yang dialaminya. Metode yang paling tepat adalah metode Forward-

Chaining. Pada penelitian ini, metode tersebut paling tepat karena pada saat

http://umardanny.com/wp-content/uploads/2014/03/bestfirstsearch.jpg

5

menyelesaikan masalah, inferensi pada Forward-Chaining dimulai dengan

informasi yang tersedia dan bila semua informasi sesuai dengan syarat dari

konklusi, barulah diperoleh konklusi dari masalah tersebut.

Berikutnya adalah menggunakan algoritma Best-First Search sebagai teknik

dalam mesin inferensi. Sesuai dengan pembahasan pada bagian 2.4 Teknik Best-

First Search, penelitian ini akan memanfaatkan sifat dari teknik Best-First Search

yaitu hanya menguji informasi yang memberikan harapan saja. Dengan begitu

diharapkan dapat terbentuk sistem pakar yang terlihat lebih cerdas daripada harus

menguji semua informasi yang ada untuk memberikan solusi. Penerapan teknik

Best-First Search pada penelitian ini adalah sebagai berikut :

a. Menerjemahkan informasi yang ada(dalam penelitian ini „gejala‟) menjadi node. Berikutnya buat lintasan antar node.

Gambar 3. Lintasan node

Dengan asumsi bahwa P1 adalah penyakit. Dengan demikian jika user

melintasi(memiliki) gejala T26 T30 T25 T28 T29 dan T1, maka user akan

di antarkan ke penyakit P1.

b. Pada teknik Best-First Search, fungsi heuristic akan bergerak mencari node dengan nilai terbaik. Pada penelitian ini arah pergerakan heuristik

tergantung dari current node, apakah user memilih TRUE atau FALSE.

Gambar 4. Relasi antar node

c. Seperti dengan Gambar 4, tiap node memiliki parameternya masing-masing. T26 memiliki parameter, IF TRUE THEN T30, IF FALSE

THEN T27. Jika user memiliki penyakit T26 maka sistem akan memberi

nilai TRUE pada T26. Maka heuristik akan bergerak kearah T30. Jika

tidak, maka sebaliknya. Dalam teori, heuristic akan mencari biaya

terendah. Tetapi dalam penelitian ini, heuristic akan mencari nilai TRUE

atau FALSE. Dengan begitu maka fungsi heuristic akan menuju ke node

selanjutnya dan seterusnya.

6

d. Inferensi akan mengulang tahap c hingga akhirnya sistem akan mengantarkan user ke salah satu penyakit.

3.2 Perancangan aturan Dalam perancangan sistem pakar ini dibagi menjadi tiga langkah, yaitu:

langkah pertama menentukan kebutuhan dari sistem itu sendiri dan

mengumpulkan data-data referensi yang berkaitan seperti bentuk dari gangguan

ginjal itu sendiri serta cara kerja sistem pakar. Sehingga didapatkan kaidah dengan

menggunakan premis dan konklusi untuk membangun sistem pakar ini. Kaidah

yang terbentuk adalah menggunakan gejala sebagai premis dan Penyakit sebagai

konklusi.

Langkah kedua adalah mengumpulkan fakta dan pengetahuan yang

berhubungan dengan gejala-gejala dan penyakit gangguan ginjal yang nantinya

akan digunakan untuk mengambil satu kesimpulan. Fakta dan pengetahuan

tersebut didapatkan dari hasil wawancara dengan dua dokter spesialis ginjal

Dr.,dr.,Shofa Chasani, Sp.PD,KGH dan dr.Lestariningsih, Sp.PD,KGH dari rumah

sakit Dr. Karyadi Semarang dan beberapa buku tentang penyakit ginjal. Kemudian

diakumulasikan menjadi seperti pada tabel 1. Pada tabel 1 didapatkan informasi

tentang nama gangguan ginjal yang dimaksud, gejala yang mengikutinya, serta

informasi lain tentang gangguan ginjal tersebut dan cara pencegahan dan

pengobatannya.

KODE NAMA PENYAKIT GEJALA TENTANG PENCEGAHAN

P1 BATU GINJAL Nyeri pada perut

Nyeri pada pinggang

Nyeri pada saat kencing

Tabel 1. Tabel akumulasi penyakit ginjal

Langkah ketiga, fakta dan pengetahuan yang telah didapatkan tersebut

diterjemahkan menjadi basis pengetahuan yang akan disimpan dalam sistem pakar

yang dibuat. Ini bertujuan agar rule-engine dapat dibuat dengan baik. Untuk itu

dibuatlah tabel 2 yang berisi knowledge base yang dapat digunakan untuk

memformulasikan sistem dengan baik. Setelah tabel ini dibuat, maka akan terlihat

gejala mana yang sering ditemui dan gejala mana yang unik yang hanya dijumpai

pada penyakit tertentu.

ID_PERT GEJALA P1 P2 P3 P4 P5 P6 P7 P8

T1 Nyeri pada pinggang? * *

T2 Nyeri pada perut? * * Tabel 2. Tabel gejala

Berdasarkan data-data tersebut, akan ditentukan relasi antar penyakit dan

gejala untuk dijadikan Rule-Engine dari sistem pakar ini. Dalam perancangan ini,

ditulis dalam bentuk pernyataan IF [premis], THEN [konklusi], dan ELSE

[konklusi lain]. Pada sistem pakar ini, ada konklusi yang berisi konklusi final dan

7

ada yang berisi premis selanjutnya yang harus dipenuhi untuk memenuhi kriteria

kaidah tertentu. Bentuk pernyataannya adalah sebagai berikut :

IF [gejala 1]

THEN [gejala 2]

ELSE [penyakit 1]

Dari bentuk kaidah di atas, dapat diterapkan contoh kaidah seperti berikut :

IF [Nyeri pinggang]

THEN [Nyeri perut]

ELSE [Otot perut berkontraksi]

IF [Nyeri perut]

THEN [Nyeri pada selangkangan]

ELSE [Nyeri saat pinggang diketok]

IF [Nyeri pada selangkangan]

THEN [Batu Ginjal]

ELSE [Infeksi Ginjal]

Dengan bentuk kaidah tersebut, akan dibangun aturan atau tree dengan

langkah-langkah sebagai berikut :

a. Memprioritaskan gejala paling sering dijumpai(common) untuk muncul terlebih dahulu. Hal ini dimaksudkan agar seluruh penyakit tercover dan

memiliki peluang yang sama untuk muncul. Setelah semua gejala tersebut

muncul, barulah gejala yang lebih unik di munculkan.

b. Pada penelitian ini penyakit Radang/Nefritis(P5) adalah penyakit yang memiliki gejala paling banyak namun hanya memiliki satu gejala unik.

Maka pembentukan tree dapat dimulai dari gejala-gejala penyakit itu.

Asumsikan penyakit Radang/Nefritis memiliki gejala dengan kode T26,

T30, T25, T28, T31, T34, T40, T32, T33, T35, T36, dan T23. Maka

bentuk awal tree akan seperti gambar 5.

Gambar 5. Bentuk awal tree

Penempatannyapun harus diperhatikan. Diurutkan mulai dari gejala paling

sering dijumpai(T26) hingga gejala paling unik(T23)

c. Penyakit yang memiliki banyak gejala common dan sedikit gejala unik berikutnya adalah Diabeter Insipidus(P7). Berikutnya adalah

menambahkan gejala penyakit ini dalam tree.

Gambar 6. Bentuk tree selanjutnya

d. Setelah semua gejala dari setiap penyakit di masukkan kedalam tree dan digambar menggunakan aplikasi power point, maka akan terlihat bentuk

akhir tree seperti pada gambar 7.

8

Gambar 7. Relasi antar gejala penyakit

Setelah diagram pada gambar 7 dibuat, barulah dibuat tabel yang bisa

digunakan oleh mesin untuk menjalankan proses inferensinya. Perancangan tabel

inferensi didasarkan pada diagram yang dibuat. Tujuan dari perancangan tersebut

agar mudah dalam penjelasan inferensi sistem kepada user.

ID_PERT GEJALA PERTANYAAN YES NO

T1 Anda merasakan nyeri pada pinggang? P1 T2

T2 Anda merasakan Nyeri pada perut? T3 T32 Tabel 3. Rule-Engine dalam bentuk tabel.

Tabel 3 adalah bentuk implementasi dari inferensi dari diagram yang telah

dibuat sebelumnya. Pada tahap ini, klausa THEN berubah menjadi YES dan

ELSE menjadi NO. Ini bertujuan agar inferensi ini nantinya dapat mudah di

mengerti oleh user.

Setelah semua data yang dibutuhkan selesai, dilakukan disain sistem dengan

menggunakan ERD(Entity Relationship Diagram). Pada penelitian ini, digunakan

tiga jenis diagram untuk menggambarkan rancangan sistem. Yang pertama adalah

use case diagram untuk menggambarkan fungsionalitas sistem, kemudi activity

diagram admin dan user untuk menggambarkan alur kerja sistem, dan entity

relationship diagram database untuk menunjukkan relasi tabel dalam database.

9

MenambahDataGejalaMenghapusDataGejala

MengubahDataGejala

MenambahDataPenyakit

MenghapusDataPenyakit

MengubahDataPenyakit

MenghapusDataAdmin MengubahDataAdmin

MenambahDataAdmin

MelihatDataGejala

MelihatDataAdmin

MelihatDataPenyakit

MengubahDataUser

MenghapusDataUser

MelihatDataUser

MelihatHasilDiagnosa

MenambahDataUser

User

MengolahDataGejala

MengolahDataPenyakit

MengolahDataAdmin

InteraksiSistemPakar

MengolahDataUser

Admin

Gambar 8. Use Case Diagram

Dari gambar 8 menunjukkan bahwa Admin memiliki kemampuan untuk

mengolah data penyakit, mengolah data Admin, mengolah data User, dan

berinteraksi dengan sistem pakar itu sendiri. Sedangkan User hanya memiliki

wewenang untuk menambah data user, berinteraksi dengan sistem pakar, dan

melihat hasil diagnosa.

10

Start

Login

Memilih Menu

Mengolah Data

Gejala

Mengolah Data

Penyakit

Mengolah Data

User

Mengolah Data

Admin

Selesai

Memproses

Login

ValidasiLogin Salah

Admin

Memproses

Pilihan Admin

Menampilk

an Data

Periksa

Data Admin

Menjalankan

Query Pilihan

DatabaseSystemAdmin

Gambar 9. Activity Diagram Admin

Pada Activity Diagram Admin pada gambar 9 menunjukkan bahwa admin

diwajibkan untuk login terlebih dahulu untuk dapat masuk ke form Admin. Jika

username dan password valid, maka admin dapat melanjutkan aktivitas

selanjutnya.

11

Start

Mulai

Mengisi Data

Diri

Keputusan

Ya

Interaksi Dengan

Sistem Pakar

Tidak

Selesai

Menampilkan

Menu Awal

Tawarkan

Mengisi Data Diri

Menambahka

n Data User

Menampilkan

Pertanyaan

Menjalankan

Aturan Inferensi

Menampilkan

Hasil Diagnosa

Menjalankan

Query

Menjalankan Query

Sistem Pakar

DatabaseSistemUser

Gambar 10. Activity Diagram User

Pada gambar Activity Diagram User di gambar 10 menunjukkan bahwa User

dapat melakukan interaksi dengan sistem pakar dengan atau tanpa pendaftaran

sesuai dengan keinginan user.

Pada penelitian ini tipe database yang digunakan adalah WAMPSERVER.

Gambar 11. Relasi antar tabel

12

Dari gambar 11 dapat dilihat bahwa aplikasi sistem pakar pendiagnosa

penyakit ginjal ini memiliki empat tabel yaitu tabel administrator, tabel penyakit,

tabel pertanyaan, dan tabel user. Pada gambar 11 diketahui bahwa tabel penyakit

dan tabel pertanyaan memiliki relasi many to many yang menandakan satu

penyakit bisa memiliki banyak pertanyaan dan sebaliknya. Maka dari itu

dibutuhkan tabel tambahan yaitu tabel penyakit_pertanyaan yang menyimpan

setiap relasi yang ada. Tabel user dan pertanyaan juga memiliki hubungan many

to many. Jadi dibutuhkan satu tabel tambahan, yaitu tabel user_pertanyaan untuk

mendaftarkan tiap relasi yang ada.

3. Implementasi

3.1 Implementasi sistem Setelah selasai mendesain sistem, langkah berikutnya adalah melakukan

perancangan user-interface dan membangun aplikasi. Hasil perancangan dan

desainnya adalah seperti berikut:

Gambar 12. Form login dan Start

Gambar 12 merupakan tampilan awal saat pengguna sistem membuka aplikasi

tersebut. Dengan desain minimalis, admin harus melakukan login terlebih dahulu

untuk dapat masuk ke menu admin. Sedangkan user dapat langsung klik Start atau

checklist pada pilihan di bagian bawah terlebih dahulu untuk melakukan

pendaftaran.

Gambar 13. Tampilan interaksi sistem pakar

13

Setelah klik tombol Start, user akan dihadapkan dengan form pertanyaan. Pada

form tersebut user akan diajukan beberapa pertanyaan. Setelah menjawab

beberapa pertanyaan dan mencapai suatu kondisi tertentu, sistem akan

menampilkan menu diagnosa seperti pada gambar 14.

Gambar 14. Tampilan diagnosa sistem pakar

Pada menu diagnosa, user akan mendapatkan hasil diagnosa dan sedikit

penjelasan dari diagnosa tersebut. Pada form ini juga ditampilkan histori gejala-

gejala yang telah dipilih oleh user. Setelah selesai dengan hasil diagnosa, user

dapat mencoba lagi dengan klik tombol COBA LAGI.

Gambar 15. Menu manipulasi penyakit oleh admin

14

Gambar 15 adalah menu yang dimunculkan oleh sistem saat admin berhasil

login ke dalam sistem. Dalam menu ini admin dapat melihat data penyakit dan

gejalanya dengan memilih daftar penyakit dari combo-box yang tersedia. Di

halaman ini pula admin dapat mengolah data penyakit dengan tombol yang ada.

Saat admin klik tombol Ubah Penyakit, sistem akan memberi wewenang pada

admin untuk mengubah tiap detail dari penyakit yang di ubah. Field berubah

menjadi editable sehingga admin dapat dengan mudah mengubah data penyakit

tersebut.

Gambar 16. Menu menambah data penyakit

Saat admin klik tombol tambah penyakit, sistem akan menampilkan FORM

TAMBAH DATA PENYAKIT. Di sini admin dapat menambahkan penyakit baru,

lengkap dengan data penyakit dan gejala yang mengikuti penyakit tersebut. Gejala

dapat dipilih dengan memilih gejala pada combo-box Nama Gejala lalu klik

tombol tambah yang ada didekat combo-box tersebut. Setelah selesai, user dapat

klik tombol Tambah yang ada dibawah dan data penyakit yang baru berhasil

ditambahkan.

Gambar 17. Menu menambahkan user

15

Menu menambahkan user pada gambar 17 dapat diakses oleh user ataupun

admin. Pada Form ini user ataupun admin diminta untuk mengisikan data user,

yang nantinya data tersebut dapat digunakan sebagai referensi untuk

pengembangan sistem di masa depan. Data tersebut berupa nama user, tanggal

lahir atau umur, diagnosa aktual dari dokter, dan gejala-gejala yang user rasakan

dapat di inputkan secara lengkap dan disimpan ke dalam database.

Dalam melakukan inferensi, sistem ini menggunakan beberapa kode. Kode

program 1, kode program 2 dan kode program 3 digunakan oleh sistem saat

melakukan menjalankan proses „konsultasi‟ dengan user.

Kode Program 1. Kode untuk tombol YA

Kode Program 1 merupakan format kode Java untuk action pada tombol YA.

Pada kode ini dijelaskan metode akan menjalankan query SQL SELECT * FROM

pertanyaan WHERE di_pert = yes. Query tersebut dimaksudkan untuk mengambil

data pada tabel pertanyaan dimana data tersebut memiliki ID_PERT yang sama

public void btYa(){ Connection conn = connectionClass.GetConnections(); Statement st; ResultSet rs; String task = yes; try { st = conn.createStatement(); rs = st.executeQuery("select * FROM pertanyaan where ID_PERT = '"+task+"'"); while (rs.next()) { String PERTANYAAN = rs.getString("PERTANYAAN"); String IF_YES = rs.getString("IF_YES"); String IF_NO = rs.getString("IF_NO"); String ID_PERT = rs.getString("ID_PERT"); String GEJALA = rs.getString("GEJALA"); lbPertanyaan.setText(PERTANYAAN); fldValue.setText(GEJALA); yes = IF_YES; no = IF_NO; current = ID_PERT; } } catch (Exception e) { } finally{ try { st = conn.createStatement(); rs = st.executeQuery("select * FROM penyakit where ID_PENY = '"+task+"'"); while (rs.next()) { String PENYAKIT = rs.getString("PENYAKIT"); String TENTANG = rs.getString("TENTANG"); String AKSI = rs.getString("AKSI"); setVisible(false); HasilForm hf = new HasilForm(); hf.setVisible(true); ya(); then(); hf.lbDiagnosa.setText("'"+PENYAKIT+"'"); hf.fldAksi.setText(AKSI); hf.fldTtgPenyakit.setText(TENTANG); } } catch (Exception e) { } } }

16

dengan nilai pada variabel yes. Variabel yes sudah di deklarasikan sebelumnya

dengan default tertentu sesuai dengan rule-engine. Setelah mengambil data pada

tabel pertanyaan, Kode Program 1 akan mengubah nilai variabel lain sesuai

dengan data yang didapatkan dari tabel sebelumnya. Jika saat menjalankan query

SQL SELECT * FROM pertanyaan WHERE di_pert = yes tidak didapatkan nilai

yang sesuai dengan ID_PERT, maka metode akan menjalankan query dari finally

yang akan menampilkan menu hasil diagnosa lengkap dengan data yang

tersimpan.

Kode Program 2. Kode untuk mencegah looping

Kode Program 2 merupakan format kode Java untuk mencegah user terjebak

dalam looping. Dalam rule-engine ini, looping dapat terjadi jika pertanyaan yang

terpilih melemparkan konklusi ke pertanyaan selanjutnya yang sebenarnya juga

merupakan konklusi dari premis itu. Looping hanya muncul saat pertanyaan dari

gejala yang sering dijumpai muncul. Saat menangani looping, kode ini akan

membawa user ke premis selanjutnya.

private void ya(){ String s =""; boolean exists = false; for (int i = 0; i < tbPilihan.getRowCount(); i++) { s = tbPilihan.getValueAt(i, 0).toString().trim(); if (fldValue.getText().equals(s)) { exists = true; break; } } Connection conn = connectionClass.GetConnections(); Statement st; ResultSet rs; String task = current; if (!exists){ try { st = conn.createStatement(); rs = st.executeQuery("select * FROM pertanyaan where ID_PERT = '"+task+"'"); while (rs.next()) { String GEJALA = rs.getString("GEJALA"); String gejalas = GEJALA; String add[]={gejalas}; table.addRow(add); } } catch (Exception e) { btTidak(); } }else { btTidak(); } }

17

Kode Program 3. Kode untuk tombol YA

Fungsi Kode Program 3 hampir sama seperti Kode Program 1, bedanya

metode ini mengambil nilai dari variabel no. Ditambah jika user tidak memilih

gejala selama 12 kali, maka metode ini akan menghentikan inferensi dengan

memunculkan diagnosa tidak memiliki gangguan ginjal apapun.

3.2 Pengujian Sistem Pengujian sistem adalah elemen dari jaminan kualitas perangkat lunak dan

mempresentasikan kajian pokok dari spesifikasi, desain dan pengkodean [8].

Metode pengujian yang dipergunakan pada aplikasi sistem pakar pendiagnosa

public void btTidak(){ Connection conn = connectionClass.GetConnections(); Statement st; ResultSet rs; String task = no; try { st = conn.createStatement(); rs = st.executeQuery("select * FROM pertanyaan where ID_PERT = '"+task+"'"); while (rs.next()) { String PERTANYAAN = rs.getString("PERTANYAAN"); String IF_YES = rs.getString("IF_YES"); String IF_NO = rs.getString("IF_NO"); String ID_PERT = rs.getString("ID_PERT"); String GEJALA = rs.getString("GEJALA"); lbPertanyaan.setText(PERTANYAAN); fldValue.setText(GEJALA); yes = IF_YES; no = IF_NO; current = ID_PERT; tmp++; if (tmp == 11){ yes = "P9"; no = "P9"; } } } catch (Exception e) { } finally{ try { st = conn.createStatement(); rs = st.executeQuery("select * FROM penyakit where ID_PENY = '"+task+"'"); while (rs.next()) { String PENYAKIT = rs.getString("PENYAKIT"); String TENTANG = rs.getString("TENTANG"); String AKSI = rs.getString("AKSI"); setVisible(false); HasilForm hf = new HasilForm(); hf.setVisible(true); then(); hf.lbDiagnosa.setText("'"+PENYAKIT+"'"); hf.fldAksi.setText(AKSI); hf.fldTtgPenyakit.setText(TENTANG); setVisible(false); } } catch (Exception e) { } } }

18

penyakit ginjal ini adalah dengan bantuan user yang dapat dipandu pada saat

penggunaan sistem.

Jenis user pertama yang ditunjuk adalah orang-orang yang tidak memiliki

gangguan ginjal apapun. Tujuannya adalah melihat apakah sistem dari segi

aplikasi dapat berjalan dengan baik dan data yang ada dalam database dapat

terproses dengan baik oleh sistem. Setelah diuji oleh enam orang yang berbeda

dan dicatat, didapat hasil seperti terdapat pada tabel 4.

Setelah sistem diuji coba ternyata ada kesalahan sistem saat melakukan

inferensi yaitu terjadi looping, muncul pertanyaan yang sama berulang kali

terutama saat user tidak memilih gejala apapun sehingga aplikasi tidak dapat

menampilkan hasil. Lalu sistem diperbaiki sesuai dengan evaluasi yang ada.

Berikutnya adalah melakukan pengujian sistem dimana pengujian dilakukan

dengan bantuan penderita gangguan ginjal yang telah mendapat diagnosa dokter

terlebih dahulu. Langkah ini sangat penting untuk mengukur keandalan dari

sistem pakar yang dibuat.

DIAGNOSA DOKTER

JUMLAH PERTANYAAN

YANG MUNCUL

JUMLAH YANG

DIPILIH

HASIL DIAGNOSA

JUMLAH YANG SESUAI

DENGAN DATA

STATUS

Gagal

ginjal

kronis

12 8 Gagal

ginjal

kronis

8 Tepat

Gagal

ginjal

kronis

15 9 Infeksi

ginjal

3 Salah

Gagal

ginjal

kronis

13 9 Gagal

ginjal

kronis

8 Tepat

Gagal

ginjal

kronis

12 8 Gagal

ginjal

kronis

8 Tepat

Infeksi

ginjal

12 5 Infeksi

ginjal

3 Tepat

Tabel 5. Hasil uji coba pada user penderita ginjal.

Setelah diuji coba oleh lima orang yang berbeda, hasilnya adalah empat dari

lima diagnosa adalah tepat. Angka keberhasilan ini membuktikan bahwa sistem

telah bekerja dengan cukup baik.

Angka ini sudah cukup baik, namun karena keterbatasan sampel, pengujian

hanya dapat dilakukan pada data penyakit gagal ginjal kronis dan infeksi ginjal

saja.

19

4. Simpulan Dalam penelitian ini dikembangkan sebuah aplikasi sistem pakar berbasis

aplikasi untuk mendiagnosa jenis penyakit ginjal pada manusia. Sistem pakar ini

mampu memberi diagnosa awal terkait jenis penyakit ginjal yang di derita. Sistem

pakar ini bekerja dengan cara memberikan beberapa pertanyaan kepada user,

kemudian metode inferensi didalamnya akan menyimpulkan penyakit yang di

derita oleh pengguna aplikasi ini. Sistem pakar ini menggunakan Metode

Penalaran Forward Chaining, dimana dalam penerapannya sistem ini

membutuhkan informasi berupa gejala-gejala untuk menentukan penyakit yang

mungkin diderita oleh user. Penggunaan teknik Best-First Search bertujuan agar

jumlah informasi yang dibutuhkan tidak terlalu banyak, sehingga user lebih

dipermudah dalam penggunaan sistem pakar ini. Kemudian, sistem pakar ini

memiliki tingkat akurasi dan kinerja yang baik, terbukti dengan uji coba yang

dilakukan pada lima orang penderita penyakit ginjal yang berbeda dan empat

diantaranya sesuai dengan diagnosa yang sudah di berikan dokter. Kedepannya,

penelitian ini bisa dikembangkan dengan menggunakan metode inferensi yang

lebih baik, menyempurnakan knoweledge base, dan penggunaan aplikasi berbasis

web agar aplikasi yang dihasilkan dapat bekerja lebih baik lagi.

5. Saran Untuk penelitian ke depan disarankan untuk menyempurnakan knowledge

base sistem pakar ini dengan menambah lebih banyak sumber data karena dalam

penelitian ini hanya menggunakan data dari dua dokter ginjal di rumah sakit

dokter Karyadi. Ataupun penambahan fitur seperti perancangan sistem dalam

bentuk website sehingga sistem pakar ini dapat diakses secara online kapan saja

dan di mana saja. Dan untuk memberikan hasil diagnosa yang lebih baik, sistem

pakar ini dapat digabungkan dengan data sampel hasil dari laboratorium dan

dengan menggunakan metode Case-Based Reasoning yang membuat sistem dapat

belajar dari inferensi yang pernah di lakukan untuk meningkatkan tingkat akurasi

diagnosa selanjutnya. Karena dalam sistem ini memiliki kelemahan untuk

memperbarui knowledge base, maka dalam penelitian selanjutnya dapat diuji coba

dengan menggunakan metode inferensi lain yang dapat mengurangi kelemahan

sistem ini namun dengan keandalan inferensi yang baik.

20

6. Daftar Pustaka

[1] Kementerian Kesehatan RI, 2015, Tingkatkan komitmen penanganan kasus

ginjal, http://www.buk.kemkes.go.id, diakses 27 November 2015

[2] Minsky, Marvin Lee, 1988, The Society of Mind; New York: Simon and

Schuster.

[3] Martin dan Oxman, 1988, Building Expert System; Prentice-Hall.

[4] Heckerman, Harold H,. 1968, Distribution of Pharmacy Manpower in West

Virginia.

[5] Kursini, 2006., Sistem Pakar, Teori dan Aplikasi; Ed. I. – Yogyakarta: ANDI.

[6] Turban, Efraim, 1995, Decision Support and Expert System: Management

Support Systems; Prentice-Hall International

[7] Sulistyohati, A., 2008., Aplikasi Sistem Pakar Diagnosa Penyakit Ginjal

dengan Metode Dempster-Shafer. Yogyakarta: Seminar Nasional Aplikasi

Teknologi Infoemasi.

[8] Tutik A., Gusti Ayu, 2009., Penerapan Forward Chaining Pada Program

Diagnosa Anak Penderita Autisme. Yogyakarta: Universitas Kristen Duta

Wacana