Download pdf - PENGEMBANGAN SISTEM PAKAR IDENTIFIKASI PENYAKIT …

Andri, Pengembangan Sistem Pakar Identifikasi,,,109

PENGEMBANGAN SISTEM PAKAR IDENTIFIKASI PENYAKIT PARU-PARUMENGGUNAKAN METODE CERTAINTY FACTOR

Andri SaputraProgram Studi Teknik Informatika, STMIK PalComTech Palembang

Jl. Basuki Rahmat No.5 Palembange-mail: [email protected]

AbstrakPenyakit paru-paru merupakan penyakit yang berhubungan dengan sistem pernapasan padamanusia, dapat menjadi buruk apabila tidak segera ditangani dengan serius. Pada sistem yangtelah dibuat sebelumnya telah hadir sebagai sarana untuk membantu mendiagnosa danpenatalaksanaan terhadap pasien dengan menggunakan pemrograman desktop, sertamenggunakan metode inferensi forward chaining, dengan cara kerja sistem yang diawali dengankonsultasi, kemudian hasil yang dikeluarkan berupa jenis penyakit yang diderita sesuai dengangejala yang dijawab oleh pasien. Hasil ujicoba sistem tersebut menunjukkan bahwa sistem mampumelakukan diagnosa penyakit paru-paru berdasarkan gejala yang dirasakan, meskipun hasildiagnosa yang dicapai masih mengandung ketidak pastian dalam mengenali jenis penyakit yangdiderita, dan masih menggunakan pemrograman desktop. Dengan penambahan metode CertaintyFactor (CF) dalam pengembangan sistem ini hasil diagnosa penyakit disertai nilai CFyangakanmenunjukkan tingkat kepastian hasil diagnosa dalam mengenali jenis penyakit paru-paruyang diderita, serta sistem yang dikembangkan ini berbasis web sehingga bisa diakses melaluiinternet.Kata Kunci: Penyakit paru-paru, certainty factor, foward chaining, sistem pakar.

AbstractLung diseaseis a diseaserelated tothe respiratory systemin humans, maybecomeworseifnottreatedseriously. On systems that have been previously been present as a means to aid indiagnosing and treatment of patients using desktop programming, andforwardchaininginferencemethod, with the workings ofthe systemthat beginswith aconsultation, thentheresults issuedin the form ofappropriatetypes of illnesswith symptomsanswered bythe patient. Thetrial resultsshowed thatthe system isable to performsystemdiagnosticslung diseasebasedonsymptoms, althoughthe diagnostic resultsachieved still containsuncertaintiesin identifyingthetypeof illness, and still usedesktopprogramming. With theaddition ofmethodsCertaintyFactor (CF)in the development ofthis system, the diagnosisof diseasewiththe value ofCF that will indicatethelevel ofcertainty ofthe diagnosisin identifyingthe typeof lung diseasethat affects, as well asthesystem being developedis web basedso itcan be accessedvia theinternet.Keywords: lung disease, certainty factor, foward chaining, expert system.

PENDAHULUAN

Sistem pakar menirukan perilaku seorang pakar dalam menangani suatu persoalan. Padasuatu kasus seorang pasien mendatangi dokter untuk memeriksa badannya yang mengalamigangguan kesehatan, maka dokter atau pakar kesehatan akan memeriksa dan melakukan diagnosa.Bila dokter cukup sibuk dan pelaksana diagnosa digantikan oleh sebuah sistem pakar, maka sistempakar diharapkan untuk membantu memahami dan menganalisa keadaan pasien yang datangmenemukan penyakit yang diderita pasien itu. Sistem pakar diharapkan juga untuk menghasilkandugaan atau hasil diagnosa yang sama dengan diagnosa yang dilakukan oleh seorang ahli.

Pada sistem pakar sebelumnya yang menggunakan metode inferensi forward chaining yangtelah dibuat, dengan cara kerja sistem yang menggunakan dua alternatif pilihan jawaban ya atautidak disetiap pertanyaan gejala yang dikeluarkan oleh sistem, kemudian hasil yang dikeluarkanberupa jenis penyakit yang diderita pasien sesuai dengan gejala-gejala yang dipilih oleh pasien itusendiri, hasil ujicoba sistem tersebut menunjukkan bahwa sistem mampu melakukan diagnosa

110. IT Journal, Vol. 4 No. 2 Oktober 2252-746X

penyakit paru-paru berdasarkan gejala-gejala yang diderita pasien, meskipun hasil diagnosa yangdicapai masih mengandung ketidak pastian dalam mengenali jenis penyakit yang diderita. Denganmenggunakan penambahan metode Certainty Factor (CF) diharapkan hasil diagnosa penyakitdisertai nilai Certainty Factornya (CF)yang akan menunjukkan tingkat persentase kebenaran hasildiagnosa yang semakin lebih mendekati kebenaran dalam mengenali jenis penyakit paru-paru yangdiderita.Dari masalah tersebut maka penulis tertarik untuk melakukan penelitian dengan judul,“Pengembangan Sistem Pakar Identifikasi Penyakit Paru-paru Menggunakan Metode CertaintyFactor“.

Menurut Rumaisa, Rijayana, dan Nurafianti[1] dihasilkan sistem pakar diagnosa kanker cervixini bisa menjadi suatu media informasi kemampuan, pengetahuan dan sarana deteksi (berdasarkanumur, gejala atau keluhan) bagi orang awan dalam mendeteksi kondisi awal dari kanker cervixsecara mandiri dengan bantuan teknologi, dapatmengurangi biaya konsultasi dan perjalanan (bagiwanita – wanita yang hidup didaerah terpencil) mendapatkan informasi dan penanganan tentangkanker cervix. Aplikasi ini menggunakan metode kepastian nilai (berdasarkan pengetahuan pakar)yang diharapkan memberikan kepercayaan terhadap diagnosa tentang penyakit yang dideritanya.

Menurut Sulistyowati[2] dihasilkan sistem pakar yang di rancang dengan menggunakanmetode penelusuran alur maju (forward chaining) yaitusistem menyediakan gejala-gejala daripenyakit dalam, user memilih gejala-gejala tersebut kemudianakan ditemukan penyakit danpengobatannya. Selain itu sistem pakar juga menggunakan penelusuranalur mundur (backwardchaining) yaitu user memilih salah satu penyakit dalam kemudian akanditemukan gejala-gejalapada penyakit tersebut termasuk solusi pengobatannya.Sistem pakar yang telah dibuat dapatdigunakan sebagai alat untuk mendiagnosa penyakit dalam padamanusia berdasarkan atas gejala-gejala yang dipilih, sistem ini akan memberikan diagnosa kemudianmemberikan saran pengobatan.

Menurut Reisa, Jusak, Sudarmaningtyas[3] Penerapan metode sistem berbasis aturan denganproses inferensi forward chaining pada aplikasi sistem pakar dapat menghasilkan diagnosis jenispenyakit mata dengan benar berdasarkan aturan-aturan yang telah dibuat. dan berdasarkan hasilpengujian, didapatkan bahwa dari jenis penyakit yang diujikan semua dapat dideteksi oleh sistempakar.

METODE PENELITIAN

Teknik Pengembangan SistemMenurut Simarmata[4] Dalam penelitian ini, peneliti mengusulkan metode Evolutionary

Prototypes dimana model prototipe ini didasarkan pada pengembangan produk dengan melakukanpeningkatan pada detail-detail yang dianggap perlu diperbaharui. Proses akan dilakukan secaraterus menerus dalam satu produk dan dilakukan hingga didapat produk yang sesuai dengankeinginan dari user. Dengan menitik beratkan pada tahapan-tahapan:1. Pengumpulan kebutuhan

Pakar dan pengembang bersama-sama mendefinisikan format seluruh perangkat lunak,mengidentifikasikan semua kebutuhan, dan garis besar sistem yang akan dibuat.

2. Membangun prototipeMembangun prototipe dengan membuat perancangan sementara yang berfokus pada penyajiankepada pelanggan (misalnya dengan membuat input dan format output).

3. Evaluasi prototipeEvaluasi ini dilakukan oleh pakar apakah prototipe yang sudah dibangun sudah sesuai dengankeinginan pakar. Jika sudah sesuai maka langkah 4 akan diambil. Jika tidak prototipe direvisidengan mengulangu langkah 1, 2 , dan 3.

4. Mengkodekan sistemDalam tahap ini prototipe yang sudah di sepakati diterjemahkan ke dalam bahasapemrograman yang sesuai.

5. Menguji sistemSetelah sistem sudah menjadi suatu perangkat lunak yang siap pakai, harus dites dahulusebelum digunakan.


6. Evaluasi SistemPakar mengevaluasi apakah sistem yang sudah jadi sudah sesuai dengan yang diharapkan .Jikaya, langkah 7 dilakukan; jika tidak, ulangi langkah 4 dan 5.

7. Menggunakan sistemPerangkat lunak yang telah diuji dan diterima pakar siap untuk digunakan.

Certainty FactorMenurut Sutojo, Mulyanto, Suhartono[5] Teori Certainty Factor adalah untuk mengakomodasi

ketidakpastian pemikiran seorang pakar yang di usulkan oleh Shortlife dan Buchanan pada tahun1975. Seorang pakar (misalnya dokter) sering menganalisis informasi yang ada dengan ungkapanketidakpastian, untuk mengakomodasi hal ini kita menggunakan Certainty Factor gunamenggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi[7].Konsep ini kemudian diformulasikan dalam rumus dasar sebagai berikut:

CF[H,E]= MB[H,E] – MD[H,E]Keterangan:CF= Certainty factor dalam hipotesa H yang dipengaruhi oleh fakta E.MB[H,E]= Measure of belief (ukuran kepercayaan) terhadap hipotesa H, jika diberikan

evidence E (antara 0 dan 1).MD[H,E] = Measure of disbelief (ukuran kepercayaan) terhadap evidence H, jikan

diberikan evidence E (antara 0 dan 1).Hipotesa= Hipotesa.E= Evidence (peristiwa atau fakta).CF[H,E]1= CF[H] * CF[E]Keterangan:CF[E]= Certainty factor evidence E yang di pengaruhi oleh evidence E.CF[H]= Certainty factor hipotesa dengan asumsi evidence diketahui dengan pasti, yaitu

ketika CF[E,r] = 1.CF[H,E]= Certainty factor hipotesa yang dipengaruhi oleh evidence E diketahuidengan

pasti.Certainty factor untuk kaidah dengan kesimpulan yang serupa (similarly concluded rules):

CFcombine CF[H,E]1,2 = CF[H,E]1 + CF[H,E]2 * [1 - CF[H,E]1]CFcombine CF[H,E]old,3 = CF[H,E]old + CF[H,E]3 * [1CF[H,E]old]

Tabel 1 Bobot Certainty Factor

Uncertain Tern CF

Definitely not (pasti tidak) -1.0

Almost certainly not (hampir pasti tidak) -0.8

Probability not (kemungkinan besar tidak) -0.6

Meybe not (mungkin tidak) -0.4

Unknown (tidak tahu) -0.2 to 0.2

Probably (kemungkinan besar) 0.4

Almost certainly (Hampir Pasti) 0.8

Definitely (Pasti) 1.0

Sumber:Manurung, Santa[7]


HASIL DAN PEMBAHASAN

Tabel representasi pengetahuan tiga penyakitJenis penyakit, gejala, pengobatan, dan solusi dapat dilihat pada tabel 2.

Tabel 2. Tabel Representasi Pengetahuan Tiga Penyakit

1. Jenis Penyakit P001. Asma atau sesak napasGejala G001.Pasien mengalami Sakit dada

G002.Pasien mengalami Sesak napas disertaisuara mengi (wheezing)G003.Pasien mengalami Napas cepat dan sesakG004.Pasien mengalami Susah berkata-kataG005. Pasien mengalami Biru di sekitar mulutG006.Pasen mengalami Batuk berdahak,berulang, lama.

Pengobatan dan Solusi R001. Untuk mengatasi serangan asma adalahdengan menggunakan obat pelega(bronchodilator) dengan cara dihirup. Caralainnya adalah dengan melakukan terapi yangakan mengajarkan bagaimana caranya rileks danmengatur napas apabila terjadi serangan asma.

2. Jenis Penyakit P002. PneumoniaGejala G001. Pasien mengalami Sakit dada

G007. Pasien mengalami Batuk berdahak dengandahak kental dan berwarna kuning.G008. Pasien mengalami sesak napas jugadisertai demam tinggi

Pengobatan dan Solusi R002. Apabila telah menderita pneumonia,biasanya disembuhkan dengan meminumantibiotik.

3. Jenis Penyakit P003. Kanker paru-paruGejala G001. Pasien mengalami Sakit dada

G009. Pasien mengalamiBatuk, dan sesak napas.G010. Pasien mengalami batuk berdarah.G011.Pasien mudah lelah dan berat badanmenurun

Pengobatan dan Solusi R004. Menghindari rokok dan asap rokok,mengkonsumsi makanan bergizi yang banyakmengandung antioksidan untuk mencegahtimbulnya sel kanker

Sumber: Tabrani, Rab[6], &Manurung, Santa[7].

Ketentuan dan nilai CF untuk gejala penyakit tersebut adalah sebagai berikuta. Ketentuan untuk Penyakit Asma dan sesak napas

IF G001 and G002 and G003 and G004 and G005and G006 THEN Asma dan sesaknapas (CF= 0,999744)

b. Ketentuan untuk Penyakit PneunomiaIF G001 and G007 and G008 THEN Pneunomia (CF= 0.984)

c. Ketentuan untuk Kanker Paru-paruIF G001 and G009 and G010 and G011 THEN Paru-paru (CF=0,9968)


Pohon Keputusan

Pohon keputusan ini merupakan penalaran maju (Foward Chaining)sehingga lebih mudahmelihat struktur kepastian dalam pengambilankeputusan. Pohon keputusan ini terdiri dari node-node yang menunjukkan hubunganantar objek pada gambar 1.

Gambar 1. Pohon Keputusan

Diagram Konteks

Gambar 2. Diagram Konteks

Dari Gambar 2 Diagram konteks Pengembangan Sistem Pakar Identifikasi Penyakit Paru-paru mempunyai 2 (Dua) terminator luar yaitu pakar, dan pengguna, yaitu:1. Data yang bersumber dari terminator pakar, berupa: data penyakit, data gejala, dan data relasi

sebagai hasil prosesnya berupa informasi daftar penyakit.2. Data yang bersumber dari Terminator pasien, berupa : pendaftaran, konsultasi sebagai hasil

prosesnya berupa hasil konsultasi.


Data Flow Diagram Level 0

Gambar 3. Data Flow Diagram Level 0

Proses diagram level 0 pada Gambar 3 dapat dijelaskan sebagai berikut :1. Proses 1.0 adalah Proses Penginputan data penyakit dimana data bersumber dari terminator

Pakar berupa data penyakit, hasil proses disimpan dalam file Penyakit dan akan diberikandiproses data relasi.

2. Proses 2.0 adalah Proses Penginputan data gejala dimana data bersumber dari terminator pakarberupa data gejala, hasil proses disimpan dalam file gejala dan akan diberikan ke proses datarelasi.

3. Proses 3.0 adalah Proses penginputan data relasi dimana data bersumber dari terminator Pakarberupa data relasi, hasil proses disimpan dalam file Relasi dan akan diberikan ke proses datapendaftaran yang digunakan pada saat konsultasi hasil, dari proses data relasi berupa informasidata penyakit yang dapat dilihat oleh pasien.

4. Proses 4.0 adalah Proses penginputan data pohon keputusan dimana data bersumber dariterminator Pakar berupa data gejala, hasil proses kemudian disimpan dalam file PohonKeputusan dan akan diberikan ke proses data pendaftaran pasien yang digunakan pada saatproses konsultasi.

5. Proses 5.0 adalah Proses penginputan data pendaftaran dimana data bersumber dari terminatorPasien berupa data pasien, hasil proses kemudian dilanjutkan proses konsultasi selanjutnyadisimpan dalam file Analisa Hasil.


Flow Chart Mesin Inferensi Identifikasi Penyakit Paru-paru

Gambar 4. Flow Chart Mesin Inferensi Identifikasi Penyakit Paru-paru

Entity Relational Diagram (ERD)

Gambar 5. Entity Relational Diagram (ERD)

Dari gambar 5Entity Relational Diagram (ERD) dapat dijelaskan bahwa entitasgejala melakukan relasi ke entitas penyakit, dari entitas gejala melakukan relasi ke entitasrelasi, dan entitas penyakit melakukan relasi ke entitas relasi, selanjutnya entitas relasimelakukan relasi dengan analisa hasil.

InterfaceHalaman Konsultasi

Halaman konsultasi ini digunakan untuk user/pasien menjawab semuapertanyaan yang akan dikeluarkan oleh sistem berupa gejala-gejala penyakit, selanjutnyapasien akan menjawab pertanyaan-pertanyaan tersebut dengan memilih pilihan jawaban


ya(benar) atau tidak(salah) disetiap pertanyaan yang dikeluarkan sesuai gejala yang merekarasakan, sistem akan mengeluarkan penyakit yang diderita oleh pasien sesuai pertanyaan-pertanyaan yang user/pasien jawabpada gambar 6.

Gambar 6. Halaman Konsultasi

Kasus dan Perhitungan Nilai CF

Dalam kasus ini terdapat 3 jenis penyakit yang mempunyai satu gejala yang sama artinyaapabila pasien memilih 1 gejala diawal kemungkinan 3 nama penyakit beserta total nilai CF yangakan dikeluarkan oleh sistem berdasarkan gejala yang dipilih.

Tabel 3. Tabel Gejala Penyakit dan Nilai CF

No Gejala Penyakit CF1. Pasien mengalami Sakit dada Asma atau sesak napas 0.62. Pasien mengalami Sesak napas disertai suara mengi

(wheezing)Asma atau sesak napas 0,6

3. Pasien mengalami Napas cepat dan sesak Asma atau sesak napas 0,84. Pasien mengalami Susah berkata-kata Asma atau sesak napas 0,85. Pasien mengalami Biru di sekitar mulut Asma atau sesak napas 0,86. Pasen mengalami Batuk berdahak, berulang, lama. Asma atau sesak napas 0,87. Pasien mengalami Sakit dada Pneumonia 0,68. Pasien mengalami Batuk berdahak dengan dahak

kental dan berwarna kuning.Pneumonia 0,8

9. Pasien mengalami sesak napas juga disertai demamtinggi

Pneumonia 0,8

10. Pasien mengalami Sakit dada Kanker paru-paru 0,611. Pasien mengalamiBatuk, dan sesak napas. Kanker paru-paru 0,812. Pasien mengalami batuk berdarah. Kanker paru-paru 0,813. Pasien mudah lelah dan berat badan menurun Kanker paru-paru 0,8

Sumber: Tabrani, Rab[6], &, Manurung, Santa[7].












Pneumonia 0,8














Pneumonia 0,8




Perhitungan Nilai CF untuk P001=0,999744

Tabel 4. Contoh perhitungan Nilai CF P001

No. Gejala Penyakit CF1. Pasien mengalami Sakit dada Asma atau sesak napas 0,6

2. Pasien mengalami Sesaknapas disertai suara mengi(wheezing)

Asma atau sesak napas 0,6

3. Pasien mengalami Napascepat dan sesak


4. Pasien mengalami Susahberkata-kata


5. Pasien mengalami Biru disekitar mulut


6. Pasen mengalami Batukberdahak, berulang, lama.



CF(A) = CF(1) + CF(2) * [ 1 – CF(1) ]= 0,6+ 0,6 * (1 – 0,6) = 0,84CF(B) = CF(3) + CF(A) * [ 1 – CF(3) ]= 0,8 + 0,84 * (1 – 0,8) = 0,968CF(C) = CF(4) + CF(B) * [ 1 – CF(4) ]= 0,8 + 0,968 * (1 – 0,8) = 0,9936CF(D) = CF(5) + CF(C) *[ 1 – CF(5) ]=0,8 + 0,9936* (1 – 0,8)=0,99872CF(E) = CF(6)+CF(D) *[ 1 – CF(5) ]= 0,8+ 0,99872*(1 – 0,8)=0,999744

Dari perhitungan di atas, didapatkan nilai faktor kepastian dari gejala yang telah dijawabdengan nilai 0,999744.

Perhitungan Nilai CF untuk P002=0.984

Tabel 5. Contoh perhitungan Nilai CF P002

No Gejala Penyakit CF1 Pasien mengalami Sakit dada Pneumonia 0,6

2 Pasien mengalami Batuk berdahak dengan dahak kental dan berwarnakuning.

Pneumonia 0,8

3 Pasien mengalami sesak napas juga disertai demam tinggi Pneumonia 0,8Sumber: Dinas Kesehatan Rumah Sakit Paru-paru Palembang, Tabrani[6], &, Manurung, Santa[7].

CF(A) = CF(1) + CF(2) * [ 1 – CF(1) ]= 0,6 + 0,8 * (1 – 0,6) = 0,92CF(B) = CF(3) + CF(A) * [ 1 – CF(3) ]= 0,8 + 0,92 * (1 – 0,8) = 0,984

Dari perhitungan di atas, didapatkan nilai faktor kepastian dari gejala yang telah dijawabdengan nilai 0.984.


Perhitungan Nilai CF untuk P003=0,9968

Tabel 6. Contoh Perhitungan Nilai CF P003

No Gejala Penyakit CF1 Pasien mengalami Sakit dada Kanker paru-paru 0,62 Pasien mengalamiBatuk, dan sesak napas. Kanker paru-paru 0,8

3 Pasien mengalami batuk berdarah. Kanker paru-paru 0,8

4 Pasien mudah lelah dan berat badan menurun Kanker paru-paru 0,8Sumber: Dinas Kesehatan Rumah Sakit Paru-paru Palembang, Tabrani[6], &, Manurung,Santa[7].

CF(A) = CF(1) + CF(2) * [ 1 – CF(1) ]= 0,6 + 0,8 * (1 – 0,6) = 0,92CF(B) = CF(3) + CF(A) * [ 1 – CF(3) ]= 0,8 + 0,92 * (1 – 0,8) = 0,984CF(C) = CF(4) + CF(B) * [ 1 – CF(4) ]= 0,8 + 0,984 *(1 – 0,8) = 0,9968

Dari perhitungan di atas, didapatkan nilai faktor kepastian dari gejala yang telah dijawabdengan nilai 0,9968.

Proses Konsultasi Pemilihan Gejala

Tabel 7. Contoh Proses Konsultasi Pemilihan Gejala

No Gejala Ya Tidak1 Pasien mengalami Sakit dada 2 Pasien mengalami Sesak napas disertai suara mengi (wheezing) 3 Pasien mengalami Napas cepat dan sesak 4 Pasien mengalami Susah berkata-kata 5 Pasien mengalami Biru di sekitar mulut 6 Pasen mengalami Batuk berdahak, berulang, lama. 7 Pasien mengalami Batuk berdahak dengan dahak kental dan

berwarna kuning.

8 Pasien mengalami sesak napas juga disertai demam tinggi 9 Pasien mengalamiBatuk, dan sesak napas. 10 Pasien mengalami batuk berdarah. 11 Pasien mudah lelah dan berat badan menurun

Sumber: Dinas Kesehatan Rumah Sakit Paru-paru Palembang, Tabrani[6], &, Manurung, Santa[7].

Hasil Konsultasi Pemilihan Gejala:

1. Penyakit Asma dan Sesak Napas Total Nilai CF : 0,999744Perhitungan:CF(A) = CF(1) + CF(2) * [ 1 – CF(1) ]= 0,6+ 0,6 * (1 – 0,6) = 0,84CF(B) = CF(3) + CF(A) * [ 1 – CF(3) ]= 0,8 + 0,84 * (1 – 0,8) = 0,968CF(C) = CF(4) + CF(B) * [ 1 – CF(4) ]= 0,8 + 0,968 * (1 – 0,8) = 0,9936CF(D) = CF(5) + CF(C) *[ 1 – CF(5) ]=0,8 + 0,9936* (1 – 0,8)=0,99872CF(E) = CF(6)+CF(D) *[ 1 – CF(5) ]= 0,8+ 0,99872*(1 – 0,8)=0,999744


2. Penyakit Pneumonia Total Nilai CF : 0,6Tidak ada perhitungan karena hanya 1 gejala yang dipilih yaitu gejala pasien mengalamisakit dada dengan nilai CF 0,6.

3. Penyakit Kanker paru-paru Total Nilai CF : 0,6Tidak ada perhitungan karena hanya 1 gejala yang dipilih yaitu gejala pasien mengalamisakit dada dengan nilai CF 0,6.

Jadi dari jawaban gejala yang telah dijawab oleh user dengan nilai CF total untuk masing-masing penyakit adalah P001 = 0,999744, P002 = 0.6, dan P003 = 0,6.

Maka dari perhitungan diatas didapat nilai CF total yang terbesar adalah P001 yaitu Asma dansesak napas seperti pada Gambar 7.

Gambar 7. Halaman Hasil Konsultasi

Dengan hasil tersebut sistem telah berhasil menentukan jenis penyakit beserta totalnilai CF atau faktor kepastian penyakit yang diderita oleh pasien berdasarkan gejala yang telahdipilih. Selanjutnya sistem akan mengeluarkan solusi dan pengobatan sesuai dengan jenispenyakit yang diderita.

Kesimpulan sistem sebelum dikembangkan dan sesudah dikembangkan

Tabel 8. Kesimpulan sistem sebelum dikembangkan dan sesudah dikembangkan

Sistem sebelum dikembangkan Sistem yang dikembangkan1. Menggunakan pemrograman

desktop(Visual basic 6.0) .2. Hasil diagnosa yang dicapai masih

mengandung ketidak pastiandalammengenali jenis penyakit yangdiderita.

1. Sistem dikembangkan menjadiweb base sehingga bisa diaksesmenggunakan internet.

2. Menggunakan metode certaintyfactor (CF) dalam mencari nilaikepastian disetiap penyakit yangdialami berdasarkan gejala-gejalayang dipilih pada saat konsultasi.






























Kesimpulan

Berdasarkan hasil pembahasan dan analisis yang telah dilakukan serta sesuai dengan maksuddan tujuan penelitian, maka dapat diambil kesimpulan sebagai berikut :1. Pengembangan sistem ini menghasilkan suatu sistem yang dapat mendiagnosa penyakit paru-paru berbasis web sehingga sistem ini bisa diakses dimana saja melalui internet, serta sistemmampu membedakan berbagai jenis penyakit paru-paru berdasarkan gejala yang diderita.2. Dengan adanya metode certainty factor atau nilai kepastian dalam sistem yang telahdikembangkan ini, hasil diagnosa penyakit disertai nilai certainty factoryang akan menunjukkantingkat atau nilai kepastian hasil diagnosa dalam mengenali jenis penyakit paru-paru yang diderita.

DAFTAR PUSTAKA

[1] Fitrah Rumaisa, Iwan Rijayana, Tanti Nurafianti. (2010),Sistem Pakar Diagnosa AwalKanker Serviks Dengan Metode Certainty Factor. Seminar Nasional Informatika 2010(semnasIF 2010), UPN ”Veteran” Yogyakarta.

[2] Istri Sulistyowati. (2011),Implementasi Sistem Pakar Berbasis Web Untuk MendiagnosisPenyakit Dalam Pada Manusia. Seminar Nasional Teknologi Informasi & KomunikasiTerapan 2011 (Semantik 2011), STMIK Amikom, Yogyakarta.

[3] Reppy Reisa, Jusak, Pantjawati Sudarmaningtyas. (2013), Sistem Pakar Diagnosa UntukPenyakit Mata. JSIKA Vol 2, No 2 (2013) 2338-137X, STMIK STIKOM, Yogyakarta.

[4] Simarmata, Janner, 2010. Rekayasa Perangkat Lunak, Yogyakarta: Andi Offset.

[5] Sutojo, Edy Mulyanto dan Vincent Suhartono. 2011.Kecerdasan Buatan. Yogyakarta: AndiOffset.

[6] Tabrani, Rab 2010, Ilmu Penyakit Paru, Trans Info Media, Jakarta

[7] Manurung, Santa, Suratun, Krisanty, Paula & Ekarin, Ni Luh Putu, 2009,Gangguan Sistem Pernafasan Akibat Infeksi, Trans Info Media, Jakarta