ISSN 1858-4667
JURNAL LINK VOL 23/No. 2/September 2015
SISTEM PAKAR DIAGNOSA PENYAKIT PADA ANAK MENGGUNAKAN METODE DEMPSTER SHAFER 1
Zainollah Effendy , L. Rakhmatillah
2
Jurusan Teknik Informatika Fakultas Teknik, Universitas Madura
[email protected]
Abstrak Terbatasnya pengetahuan orang tua terhadap penyakit yang menyerang anak balitanya menjadi masalah dan membuat para orang tua kesulitan untuk memprediksi penyakit yang diderita oleh anak mereka. Apabila terjadi gangguan pada anak balita, maka orang tua akan segera membawanya ke dokter untuk segera diperiksa. Namun terkadang ada banyak kendala ketika orang tua membawa anaknya ke dokter terbatasnya jam kerja dan banyaknya pasien sehingga setiap orang tua harus menunggu terlebih dahulu, selain itu biaya berkonsultasi kepada seorang dokter tidak murah sehingga banyak orang tua memutuskan untuk merawat anaknya sendiri. Dalam hal ini orang tua membutuhkan seorang pakar yang bisa memudahkan dalam mendiagnosa penyakit lebih dini agar dapat melakukan pencegahan lebih awal. Karena hal tersebut, maka dibutuhkan suatu alat bantu yang dapat mendiagnosa suatu penyakit pada anak balita berupa sistem pakar. Dalam penelitian ini dibuat aplikasi sistem pakar diagnosa penyakit pada anak balita. Metode penelurusan faktanya menggunakan forward chainning yaitu penelusuran yang dimulai dari fakta-fakta untuk menguji kebenaran hipotesis. Metode kecerdasan buatan yang digunakan pada penelitian ini adalah Dempster-Shafer. Metode ini menggunakan parameter nilai densitas yang diperoleh dari pakar yang kemudian diolah untuk mendapatkan jenis penyakit pada anak dan nilai probabilitas terkena penyakitnya. Kata kunci : Sistem pakar, Forward Chainning, Metode Dempster-Shafer seorang pakar ke dalam komputer dan bagaimana membuat keputusan berdasarkan pengetahuan. Solusi dari permasalahan tersebut yaitu dengan membangun aplikasi untuk mengidentifikasi jenis penyakit berdasarkan gejala. Aplikasi Sistem Pakar ini menghasilkan keluaran berupa kemungkinan penyakit pada anak balita berdasarkan gejala yang diinputkan oleh user. Sistem ini juga manampilkan besarnya kepercayaan gejala tersebut terhadap kemungkinan penyakit yang menyerang pada anak balita. Besarnya nilai kepercayaan tersebut merupakan hasil perhitungan dengan menggunakan metode Dempster-Shafer.
1. Pendahuluan 1.1 Latar Belakang Kesehatan merupakan hal yang berharga bagi manusia karena siapa saja dapat mengalami gangguan kesehatan terutama pada anak balita. Pada umumnya kesehatan anak balita sangat rentan terhadap kuman penyakit dan orang tua yang kurang peka terhadap suatu gejala penyakit pada anak. Terbatasnya pengetahuan orang tua terhadap penyakit yang menyerang anak balitanya menjadi masalah dan membuat para orang tua kesulitan untuk memprediksi penyakit yang diderita oleh anak mereka. Dalam hal ini orang tua membutuhkan seorang pakar yang bisa memudahkan dalam mendiagnosa penyakit lebih dini agar dapat melakukan pencegahan lebih awal. Karena hal tersebut, maka dibutuhkan suatu alat bantu yang dapat mendiagnosa suatu penyakit pada anak balita berupa sistem pakar. Sistem pakar merupakan salah satu kecerdasan buatan yang mempelajari bagaimana seorang pakar berfikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan dari sejumlah fakta yang ada. Dasar dari sistem pakar adalah bagaimana memindahkan pengetahuan yang dimiliki oleh
1.2 Rumusan Masalah Adapun perumusan permasalahan yang akan diselesaikan pada penelitian ini adalah bagaimana merancang suatu sistem pakar yang dapat digunakan untuk mendiagnosa suatu jenis penyakit berdasarkan gejala penyakit pada anak dengan menggunakan Metode Dempster Shafer. 1.3 Batasan Masalah Pembahasan analisis faktor – faktor yang mempengaruhi atau mendiagnosa suatu jenis penyakit pada anak balita dibatasi pada masalah :
6-28
Zainollah Effendy 1 , L. Rakhmatillah 2, Sistem Pakar Diagnosa Penyakit ...
1.
2. 3.
4.
5. 6.
Data-data penunjang penyakit yang digunakan hanya pada usia bayi lima tahun (balita) di bagian poli anak RSUD H. Slamet Martodirdjo Pamekasan. Metode yang digunakan adalah Dempster Shafer untuk pengambilan keputusan. Interaksi antara sistem dan user menggunakan pertanyaan berupa gejala yang sudah tampak berdasarkan kondisi fisik dan kulit yang terjadi pada anak. Jenis penyakit yang didiagnosa hanya penyakit yang terjadi pada anak, seperti diare, ISPA, Demam Berdarah Dangue, penyakit kulit, tipes, tuberculosis paru, dan broncho phenumia. Output yang dihasilkan dari software adalah jenis penyakit yang diderita oleh anak. Aplikasi ini berbasis website dan menggunakan bahasa pemrograman PHP dengan tool Macromedia dreamweaver 8, serta MySQL.
Pada tahap ini akan dilakukan perancangan sistem pakar untuk mendiagnosa penyakit anak. 2.1 Teori Dasar Penyakit Pada Anak Penyakit adalah suatu keadaan abnormal dari tubuh atau pikiran yang menyebabkan ketidaknyamanan, disfungsi atau kesukaran terhadap seseorang. Ilmu yang mempelajari tentang penyakit disebut patologi. Teori dasar penyakit pada anak akan diteliti dan diuraikan pada bab ini sebagai landasan dalam melaksanakan penelitian. Bayi dan anak-anak di bawah lima tahun adalah kelompok yang rentan terhadap berbagai penyakit karena sistem kekebalan tubuh mereka belum terbangun sempurna. Sebagian besar penyakit anak tidak berbahaya dan hanya menyebabkan ketidaknyamanan sementara. Ada beberapa penyebab yang bisa mengakibatkan anak terkena suatu penyakit. Hal itu dikarenakan kurangnya menjaga kebersihan tubuh dan lingkungan, tidak cuci tangan sebelum makan dan jajan sembarangan. Oleh karena itu, pentingnya pengawasan orang tua terhadap pola makan dan asuh terhadap anak agar anak tidak terserang penyakit. Asupan makanan yang memenuhi kandungan gizi seimbang bagi anak usia dini merupakan kunci penting bagi pertumbuhan anak, demi terciptanya generasi penerus yang lebih berkualitas. Penyadaran akan pentingnya gizi seimbang harus terus disosialisasikan kepada masyarakat, terutama di daerah yang jauh dari keterjangkauan informasi.
1.4 Tujuan Tujuan penelitian ini adalah menyediakan data dan informasi tentang penyakit pada anak serta pengambilan keputusan terhadap penyakit yang diderita berdasarkan gejala-gejala yang ada. 1.5 Manfaat Manfaat dari penelitian ini adalah : 1. Memberikan kemudahan dalam mendapatkan informasi tentang penyakit pada anak. 2. Memberikan informasi tentang penyakit yang diderita oleh anak sehingga dapat mengetahui lebih awal penyakit yang timbul dari gejala tersebut.
2.2 Sistem Pakar Sistem pakar (Expert System) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan membantu aktivitasnya sebagai asisten yang sangat berpengalaman. Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan yang dimaksud seperti pembuatan keputusan (decision making), pemanduan pengetahuan (knowledge fusing), pembuatan desain (designing), perencanaan (planning), prakiraan (forescasing), pengaturan (regulating), pengendalian (controlling), diagnosa (diagnosing), perumusan (prescribing), penjelasan (explaning), pemberian
1.6 Metodologi Penelitian Metodologi penelitian yang dilakukan melalui tahapan-tahapan mulai dari perumusan masalah sampai pada kesimpulan yang membentuk suatu alur yang sistematis sebagai berikut : 1. Metode Literatur Metode ini dilkasanakan dengan melakukan studi kepustakaan melalui membaca buku-buku maupun artikel-artikel yang dapat mendukung penelitian ini. 2. Metode Analisis Pada tahap ini penulis mengumpulkan faktafakta yang mendukung perancangan sistem dengan mengadakan konsultasi dengan seorang pakar (dokter spesialis anak) dan membandingkan hasil penelitian dengan yang ada pada buku penuntun. 3. Perancangan
6-29
Zainollah Effendy 1 , L. Rakhmatillah 2, Sistem Pakar Diagnosa Penyakit ...
nasihat (advising) dan pelatihan (tutoring). (Kusrini, 2006). Setiap user menyampaikan fakta atau informasi untuk sistem pakar kemudian menerima saran dari pakar atau jawaban ahlinya. Dalam sistem pakar terdiri dari 2 komponen utama, yaitu knowledge-base dan mesin inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut merupakan respons dari sistem pakar atas permintaan user.
Dengan : m = nilai densitas (kepercayaan) XYZ = Himpunan evidence Ø = Himpunan Kosong Nilai yang dihasilkan dari teori ini berupa persentase tiap elemen-elemen θ, dan juga semua subsetnya. Makin rendah persentase frame of discernment menggambarkan makin baik tingkat pemahaman user dalam materi tersebut. Penilaian diberikan kepada elemen-elemen berdasarkan hasil persentasi ini.
2.3 Metode Dempster-Shafer Metode Dempster-Shafer adalah suatu teori matematika berdasarkan belief functions and plausible reasoning (fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah ( bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa. Teori ini dikembangkan oleh Arthur P. Dempster dan Glenn Shafer. Secara umum Teori Dempster-Shafer ditulis dalam suatu interval: [Belief, Plausibility] Belief (Bel) adalah ukuran kekuatan evidence (bukti) dalam mendukung suatu himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian. Plausability (Pl) dinotasikan sebagai: Pl(s)=1-Bel(-s) Plausability juga bernilai 0 sampai 1. Jika kita yakin akan ¬s, maka dapat dikatakan bahwa Bel(¬s)=1 dan Pl(¬s)=0. Plausability akan mengurangi tingkat kepercayaan dari evidence. Pada teori Dempster-Shafer dikenal adanya frame of discernment yang inotasikan dengan θ. Frame ini merupakan semesta pembicaraan dari sekumpulan hipotesis. Tujuannya adalah mengkaitkan ukuran kepercayaan elemen-elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya. Sehingga jika θ berisi n elemen, maka subset θ adalah 2n . Jumlah semua m dalam subset θ sama dengan 1. Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai : m{θ} = 1,0. Apabila diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m1 dan m2 sebagai m3, yaitu:
3.1
Analisis Data Penyakit dan Gejala
Basis pengetahuan yang dimaksud adalah mengandung pengetahuan untuk pemahaman dalam menyelesaikan masalah yang digunakan dalam sistem kecerdasan buatan. Basis pengetahuan digunakan untuk penarikan kesimpulan yang merupakan hasil dari proses pelacakan. Basis pengetahuan ini direpresentasikan dalam bentuk rule-rule yang akan diaplikasikan pada sistem. Basis pengetahuan yang bersifat dinamis, sehingga pakar dapat menambah atau mengubah basis pengetahuan tersebut sesuai data yang baru seperti tabel 1. Tabel 3.1. Gejala Penyakit
6-30
ID
Gejala Penyakit
1
BAB terus menerus
2
Batuk ikut kerak terus menerus
3
Demam
4
Pilek
5
Nyeri tenggorokan
6
Suara Serak
7
Sakit Kepala, badan pegal-pegal atau nyeri sendi
8
Lesu, Lemas
9
Sesak Nafas
10
Frekuensi Nafas Cepat
11
Adanya jentik (Puspura) perdarahan
12
Adanya bentuk perdarahan dikelopak mata bagian dalam
13
Mimisan
14
BAB berupa lendir darah
15
Terjadi pembesaran hati
16
Tekanan darah menurun
17
Penurunan Trombosit
18
Muntah
19
Penurunan Nafsu makan
20
Menggigil
21
Muncul bintik-bintik merah pada kulit
22
Adanya warna kemerahan
23
Adanya gelembung kecil berisi cairan jernih
24
Kulit kemerahan disertai gatal
25
Lidah Kotor
26
Pingsan / Tidak sadarkan diri
27
Diare
28
Pusing
29
Gangguan Gizi
Zainollah Effendy 1 , L. Rakhmatillah 2, Sistem Pakar Diagnosa Penyakit ...
30
Berat Badan tidak naik
31
Nyeri pada dada saat batuk atau bernafas
32
Detak jantung cepat
m3 { ISPA,T,TP } =
m3 { θ }= =0,0869 Keterangan : 1. Terlihat bahwa pada awalnya hanya gejala BAB terus menerus dengan m1 {D}=0.9, tetapi setelah ada gejala baru yaitu lemas, maka nilai m3 {D}=0,7826 2. Demikian pula dengan gejala lemas, m2{ ISPA,T,TP }=0.6, tetapi setelah ada gejala baru BAB, maka m3 { ISPA,T,TP }=0,1304 3. Dengan adanya 2 gejala tersebut, maka nilai densitas yang paling kuat adalah m3 { D } =0,7826 4. Bagaimana jika ditemukan gejala baru atau gejala ketiga, yaitu berupa gejala muntah? Gejala 3 : Muntah Setelah dilakukan observasi, diketahui bahwa muntah merupakan gejala penyakit Diare(D), DBD, Broncho Phenumia (BP) dengan : m4 {D, DBD,BP} = 0.7 m4 {θ}=1-0.7 = 0.3 Maka harus dihitung densitas baru untuk setiap himpunan bagian dengan fungsi densitas m5. Untuk memudahkan perhitungan dibuat tabel kombinasi gejala 1 dan gejala 2 dengan fungsi densitas m3. Sedangkan baris himpunan bagian pada gejala3 dengan fungsi densitas m4, sehingga dihasilkan tabel sebagai berikut :
Pada tabel 3.2, pencocokan penyakit (P-1 : Diare, P-2 : ISPA, P-3 : Demam Berdarah Dangoue, P-4 : Penyakit Kulit, P-5 : Tipes, P-6 : Tb Paru, P-7 : Bronco Pnemuia) merupakan basis pengetahuan untuk membuat suatu kesimpulan yang menjadi hasil akhir yang ada pada sistem. Tabel 3.2. Tabel Pencocokan Penyakit Rule 1 2 3 4 5 6 7
If 1,3,18 2,3,4,5,6,7,8,9,10 3,11,12,13,14,15,16,17,18,19,20,21 22,23,24 3,8,25,26,27,28 2,3,8,19,27,29,30 2,3,9,18,20,27,31,32
Then P-1 P-2 P-3 P-4 P-5 P-6 P-7
Dilakukan pengujian konsultasi, diketahui ada 3 gejala yaitu BAB terus menerus, lemas, muntah. Dari 3 gejala akan dicari hasil nilai kepercayaan penyakit. Pasien mengalami gejala yaitu BAB terus menerus, lemas, muntah. Pada tabel gejala dan penyakit, kemungkinan pasien menderita penyakit Diare, ISPA, Tipes, Tb Paru, DBD, Bronco Phenumia. Maka akan dicari ukuran kepercayaan dari elemen-elemen yang ada. Adapun cara untuk menghitung nilai kepercayaan adalah sebagai berikut : Gejala 1 : BAB terus menerus Diketahui observasi gejala BAB terus menerus, sebagai gejala penyakit Diare(D) dengan : m1 {D} = 0.9 m1 {θ} = 1-0.9 = 0.1 Gejala 2 : Lemas Kemudian setelah dilakukan observasi dengan gejala lemas diketahui sebagai gejala penyakit ISPA,Tipes (T), Tb Paru(TP) dengan : m2 {ISPA,T,TP}=0.6 m2 {θ}=1-0.6 =0.4 Munculnya gejala baru maka harus dihitung densitas baru untuk beberapa kombinasi (m3). Untuk mempermudah perhitungan maka himpunan-himpunan bagian dibawa ke bentuk tabel.
Tabel 3.4. Tabel Aturan Kombinasi m5 m4 Muntah
m1BAB ( 0.9 ) {D} θ ( 0.1 )
{ISPA,T,TP}
( 0.6 )
θ
( 0.4 )
( 0.54 )
{D}
(0.36)
( 0.06 )
θ
(0.04)
θ
( 0.3 )
(0,23478)
{D}
( 0,54782)
{D}
m3 { ISPA,T,TP } (0.1304)
{Ø}
( 0,09128)
{ ISPA,T,TP } (0,03912)
m3 { θ }
{ D, DBD,BP }
( 0,06083)
m3{D}
(0.7826)
(0.0869)
θ
(0,02607)
Maka : m5 {D}=
= 0.861211
m5 { D, DBD,BP } = = 0.066940 m5 { ISPA,T,TP } = = 0.043049 m5 { θ }= = 0.028688 Ternyata dengan gejala baru ini yaitu muntah terdapat nilai densitas yang dihasilkan, kemudian pilih nilai densitas paling tinggi dari kelima nilai densitas yang dihasilkan, densitas yang paling tetap dan tinggi yaitu m5{D}=0.861211. Jadi kemungkinan penyakitnya adalah Diare dengan kemungkinan sebesar 86.12% .
Maka : m3 {D}=
( 0.7 )
{ D, DBD,BP }
Tabel 3.3. Tabel Aturan Kombinasi m3 m2 Lemas {ISPA,T,TP} {Ø}
= 0,1304
= 0.7826
6-31
Zainollah Effendy 1 , L. Rakhmatillah 2, Sistem Pakar Diagnosa Penyakit ...
Perancangan basis data yang berdasarkan pengumpulan data dan analisis serta memberikan gambaran yang lengkap dari struktur basis data yaitu arti, hubungan, dan batasan-batasan yang dinamakan CDM. Adapun perancangan database untuk Conceptual Data Model (CDM) pada sistem ini seperti gambar 3.
4.1 Perancangan System Adapun untuk lebih jelasnya proses untuk mendiagnosa penyakit pada anak menggunakan metode Dempster-Shafer digambarkan dalam bentuk flowchart pada gambar dibawah ini.
Gambar 4.3. CDM dari aplikasi Pada perancangan model konseptual akan menunjukan entity dan relasinya berdasarkan proses yang diinginkan oleh sistem. Pendekatan yang dilakukan pada perancangan model konseptual adalah dengan menggunakan model data relational. Pada sistem ini menjelaskan bahwa setiap tabel mempunyai relasi ke tabel yang lain. Perancangan Physical Data Model (PDM) merupakan representasi fisik / sebenarnya dari database. PDM merupakan model yang menggunakan sejumlah tabel untuk menggambarkan data serta hubungan antara data-data tersebut. Adapun perancangan database untuk Physical Data Model pada sistem ini pada gambar 4.
Gambar 4.1. Flowchart Metode Dempster-Shafer Gambar flowchart di atas menunjukkan proses yang ada pada sistem untuk memudahkan admin dalam melakukan penarikan kesimpulan. Sebelum mengimplementasi program, maka dilakukan pembuatan DFD atau Data Flow Diagram. DFD merupakan diagram aliran data yang menggambarkan bagaimana data diproses oleh sistem. Selain itu Data flow diagram (DFD) menggambarkan notasi-notasi aliran data di dalam sistem yang penggunaannya sangat membantu untuk memahami sistem secara logika, terstruktur dan jelas. DFD menggambarkan input, process, dan output yang terjadi dalam suatu sistem. Dalam mendokumentasikan sebuah sistem, DFD mempunyai level-level mulai dari yang trekecil, yaitu level 0 atau sering disebut context diagram. Contex diagram ini merupakan gambaran paling umum dari sistem yang hanya memiliki satu proses saja untuk mewakili seluruh sistem. Adapun diagram konteks dari sistem ini seperti gambar 4.2. :
Data Gejala User Data Penyakit
Gambar 4.4. PDM dari aplikasi Pada gambar di atas terdapat enam tabel. Dari keenam tabel tersebut adalah tb_gejala, tb_pertanyaan, tbpenyakit gejala, tbpenyakit, tb_diagnosa, tb_pengguna dan tb_admin. Pada gambar tersebut menggambarkan data serta hubungan antara data-data yang lain. Setiap tabel mempunyai sejumlah kolom di mana setiap kolom memiliki nama yang unik.
Data Pakar Sistem Pakar Diagnosa Penyakit Pada Anak
Admin
Data Log in
Gambar 4.2. DFD Level 0
6-32
Zainollah Effendy 1 , L. Rakhmatillah 2, Sistem Pakar Diagnosa Penyakit ...
4.2 Implementasi Pada aplikasi sistem pakar diagnosa penyakit pada anak ini, mengutamakan pada proses pengolahan data dan diagnosa penyakit pada anak. Tahap implementasi sistem merupakan tahap menerjemahkan perancangan berdasarkan hasil analisis dalam bahasa yang dapat dimengerti oleh mesin, serta penerapan perangkat lunak pada keadaan yang sesungguhnya. Program yang digunakan dalam pembuatan Aplikasi Diagnosa Penyakit Pada Anak Berbasis Web. Pada implementasi ini akan menjelaskan tentang komonen-komponen apa saja yang digunakan dalam aplikasi ini, antara lain : 1. Komponen pengolahan data, komponen ini digunakan untuk mengelola data gejala dan data penyakit. 2. Komponen diagnosa, komponen ini merupakan komponen utama dalam aplikasi sistem pakar yang digunakan untuk mengetahui jenis penyakit yang diderita dan tingkat kepercayaan berdasarkan gejala yang dimasukan oleh pengguna. Form Menu Utama merupakan tampilan utama pada saat program dijalankan. Form ini digunakan untuk menampilkan menu-menu program aplikasi yang telah dirancang untuk menjalankan sistem pakar. Pada tampilan menu utama terdapat beberapa menu, diantaranya menu beranda, layanan konsultasi, cara diagnosa, diagnosa, statistik, hubungi kami dan login,seperti pada gambar 4.5.
Gambar 4.6. Form Data Balita Pada form ini user diminta mengisi form data balita berupa nama anak, jenis kelamin dan usia anak. Setelah data diisi dengan lengkap user tinggal menekan tombol “Selanjutnya”, maka akan tampil seperti gambar 4.7 form data gejala penyakit :
Gambar 4.7. Form Data Gejala Penyakit Pada form data gejala penyakit user diminta memilih beberapa gejala penyakit yang diderita pada anak, kemudian user menekan tombol “selanjutnya” untuk sistem memproses pilihan gejala penyakit yang dipilih user untuk melihat hasil analisa penyakit pada anak.
Gambar 4.5. Menu Utama Form Diagnosa merupakan form untuk melakukan konsultasi pada aplikasi sistem pakar. Sebelum user melakukan diagnosa berdasarkan gejala yang dirasakan, user terlebih dahulu menginputkan data balita. Berikut ini merupakan tampilan menu form diagnosa pada gambar 4.6. Gambar 4.8. Form Hasil Diagnosa
6-33
Zainollah Effendy 1 , L. Rakhmatillah 2, Sistem Pakar Diagnosa Penyakit ...
Pada gambar 4.8 form hasil diagnosa berfungsi untuk menampilkan hasil analisa gejala penyakit yang timbul pada balita dengan memberikan informasi nilai kepercayaan yang paling tinggi dari hasil perhitungan dengan metode Dempster Shafer. Hasil pengujian dari sistem pakar ini berupa jenis penyakit yang diderita oleh anak dengan memilih beberapa gejala yang ada pada sistem. User hanya dapat melakukan proses konsultasi dengan memilih gejala penyakit yang terjadi pada anak. Untuk mendapatkan hasil jenis penyakit, sistem melakukan penghitungan berdasarkan gejala dengan nilai densitas dan tingkat kepercayaan tertinggi. Pilihan gejala sudah dibandingkan dengan basis pengetahuan pada sistem untuk menghasilkan jenis penyakit. Sehingga kemungkinan adanya penyakit yang sama sangat kecil.
Gilbert, P. 2003. Penakit yang Lazim pada AnakAnak. Jakarta: Arcan. Kristanto, Andri. 2004. Kecerdasan Buatan. Graha Ilmu : Yogyakarta. Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Andi : Yogyakarta. Kusrini. 2008. Aplikasi Sistem Pakar. ANDI offset : Yogyakarta. Syafii, M. 2005. Panduan Membuat Aplikasi Database denga PHP 5. ANDI offset : Yogyakarta.
5. Kesimpulan Berdasarkan pembahasan yang disimpulkan bahwa : 1.
2.
3.
4.
hasil telah
penelitian dilakukan,
dan dapat
Aplikasi sistem pakar untuk mendiagnosa penyakit pada anak adalah suatu aplikasi untuk mendiagnosa penyakit pada anak berdasarkan pengetahuan dari para pakar Dengan adanya aplikasi ini maka masyarakat dapat mendiagnosa kemungkinan penyakit pada anak yang dideritanya sebelum mengambil tindakan lebih lanjut seperti konsultasi ke dokter atau tes laboratorium di rumah sakit. Berdasarkan hasil pengujian dari 10 orang didapatkan nilai kepercayaan yang dihasilkan dari sistem ini antara 80 – 98 %, sehingga keakuratan hasilnya sudah sesuai dengan perhitungan yang diharapkan dengan menggunakan metode DempsterShafer. Dengan menggunakan bahasa pemrograman PHP dan MySql sebagai basis data, maka dapat dibangun suatu program untuk mendiagnosa penyakit pada anak dengan menggunakan metode Dempster Shafer.
Daftar Pustaka Arbie. 2003. Manajemen Database dengan MySQL. Andi : Yogyakarta. Arhami,M. 2005. Konsep Dasar Sistem Pakar. Jilid 1.Andi : Yogyakarta.
6-34