APLIKASI SISTEM PAKAR DIAGNOSIS PENYAKIT ASMA

APLIKASI SISTEM PAKAR DIAGNOSIS PENYAKIT ASMA LAPORAN TUGAS AKHIR

Diajukan Untuk Memenuhi Salah Satu Syarat Kelulusan Program Studi S1 Teknik Informatika

Oleh: RACHMAWATI NIM. 0806064

JURUSAN TEKNIK INFORMATIKA SEKOLAH TINGGI TEKNOLOGI GARUT 2012

LEMBAR PENGESAHAN

APLIKASI SISTEM PAKAR DIAGNOSIS PENYAKIT ASMA Oleh: RACHMAWATI NIM. 0806064

Laporan Tugas Akhir Ini Telah Disetujui Panitia Sidang Tugas Akhir Sebagai Kelengkapan Tugas Akhir, Tahun Akademik 2012/2013

Menyetujui,

Dosen Pembimbing I

Dosen Pembimbing II

Dr. Dhami Johar Damiri, M.Si.

Ate Susanto, MT.

NIDN : 0425027202

NIDN : 0423087001

Mengetahui, Ketua Jurusan Teknik Informatika

Eri Satria, S.Si., M.Si. NIDN : 0029127501

RACHMAWATI, 0806064 Aplikasi Sistem Pakar Diagnosis Penyakit Asma. Dibawah Bimbingan Bapak Dr. Dhami Johar Damiri, M.Si. Sebagai Dosen Pembimbing I dan Bapak Ate Susanto, MT. Sebagai Dosen Pembimbing II 126 hal+xv/ 74 gambar/ 43 tabel/ 17 daftar pustaka (2012 - 1994)/ lampiran

ABSTRAK Sistem pakar merupakan salah satu cabang kecerdasan buatan yang mempelajari bagaimana mengadopsi cara seorang pakar berpikir dan bernalar dalam menyelesaikan suatu permasalahnan, dan membuat suatu keputusan maupun mengambil kesimpulan dari sejumlah fakta yang ada. Sampai saat ini sudah ada beberapa hasil perkembangan sistem pakar dalam berbagai bidang sesuai dengan kepakaran seseorang. Pada penelitian ini akan dirancang suatu aplikasi sistem pakar untuk mendiagnosis penyakit asma. Pengembangan aplikasi sistem pakar diagnosis penyakit asma merupakan salah satu pengaplikasian sistem yang terkomputerisasi dalam bidang kedokteran. Tujuan dari penelitian ini adalah mengembangkan sebuah sistem berbasis pengetahuan kedokteran dalam mendiagnosis penyakit asma yang dapat ditampilkan dalam perangkat lunak aplikasi berbasis sistem pakar. Sehingga dapat mempermudah proses penyuluhan kepada masyarakat awam untuk mengetahui deteksi dini gejala penyakit asma dan solusi atau pengobatan yang bisa dilakukan secara mandiri. Penalaran aplikasi sistem pakar ini menggunakan teknik inferensi runut maju (forward chaining). Dimana pada forward chaining ini dimulai dengan informasi awal (gejala awal) dan bergerak maju untuk mencocokkan informasi selanjutnya sampai menemukan informasi yang sesuai dengan kaidah, lalu akan menyimpulkan berupa keterangan jenis penyakit dan solusi. Dalam pengembangan sistem pakar, akan digunakan pendekatan konvensional dengan metodologi Expert System Development Life Cycle (ESDLC) dari Durkin (1994). Hasil dari penelitian adalah perangkat lunak aplikasi sistem pakar diagnosis penyakit asma memiliki fasilitas yang dapat membantu tenaga penyuluh dalam memberikan penyuluhan kepada masyarakat untuk mengetahui deteksi dini gejala penyakit asma, berdasarkan atas jenis penyakit asma yang menyerang serta solusi atau cara pengobatan yang bisa dilakukan secara mandiri. Kata Kunci: ESDLC, forward chaining, penyakit asma, sistem pakar

i

KATA PENGANTAR

Assalamu’alaikum Wr. Wb. Puji dan syukur penulis panjatkan kehadirat Allah SWT atas limpahan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan Laporan Tugas Akhir ini. Shalawat serta salam tak lupa penulis curahkan kepada Nabi Besar Muhammad SAW. Laporan ini disusun sebagai salah satu syarat kelulusan Mata Kuliah Tugas Akhir pada program strata-1 di Jurusan Teknik Informatika Sekolah Tinggi Teknologi Garut (STT-Garut). Adapun judul dari Tugas Akhir ini adalah : “Aplikasi Sistem Pakar Diagnosis Penyakit Asma”. Dalam penyusunan Laporan Tugas Akhir ini penulis banyak sekali mendapatkan bantuan, dorongan, bimbingan dan petunjuk dari berbagai pihak, oleh karena itu rasa terima kasih dan penghargaan yang setinggi-tingginya penulis sampaikan kepada yang terhormat : 1. Bapak Prof. Dr. H. M. Ali Ramdhani, S.TP., M.T., selaku Ketua Sekolah Tinggi Teknologi Garut. 2. Bapak Eri Satria, S.Si., M.Si., selaku Ketua Jurusan Teknik Informatika Sekolah Tinggi Teknologi Garut. 3. Bapak Rinda Cahyana, M.T., selaku Sekretaris Jurusan Teknik Informatika dan Koordinator Tugas Akhir. 4. Bapak Luthfi Nurwandi, M.T., selaku Dosen Wali yang telah memberikan bimbingannya selama ini. 5. Bapak Dr. Dhami Johar Damiri, M.Si., selaku Dosen Pembimbing I dalam penyusunan Laporan Tugas Akhir ini, yang selalu memberikan ilmu pengetahuannya kepada penulis. 6. Bapak Ate Susanto, MT., selaku Dosen Pembimbing II dalam penyusunan Laporan Tugas Akhir ini, yang telah banyak membantu, membimbing dan mengarahkan penulis sampai laporan Tugas Akhir ini selesai.

ii

7. Bapak Dian Nugraha selaku staf administrasi Kerja Praktek dan Tugas Akhir di jurusan Teknik Informatika yang telah banyak membantu dalam memenuhi kebutuhan penyusunan laporan Tugas Akhir. 8. Ayahanda dan Ibunda tercinta serta kakak dan adikku tersayang, yang telah memberikan do’a dan dorongan baik secara moril, materil maupun spiritual selama penyusunan Laporan Kerja Praktek ini. 9. Sahabat dan rekan-rekan Teknik Informatika 2008 Kelas B, The Janda’s, The Cakep, Lalute, dan ISC yang bersama-sama berjuang dalam menyusun Laporan Tugas Akhir ini. 10. Seluruh staf dosen dan civitas akademika di Sekolah Tinggi Teknologi Garut. 11. Spesial untuk seseorang yang selalu memberikan dukungan dan cintanya. “Dulu, kemarin, sekarang, esok dan selamanya YOMA always together”. Penulis menyadari bahwa dalam penyusunan Laporan Tugas Akhir ini masih jauh dari kesempurnaan, oleh karena itu kritik dan saran yang membangun demi perbaikan di masa yang akan datang selalu penulis nantikan. Akhirnya penulis berharap semoga Laporan Tugas Akhir ini dapat bermanfaat bagi penulis khususnya dan bagi para pembaca pada umumnya. Amin Wassalamu’alaikum Wr. Wb. Garut, Oktober 2012

Penulis

iii

DAFTAR ISI

Halaman : ABSTRAK ......................................................................................................

i

KATA PENGANTAR .....................................................................................

ii

DAFTAR ISI ................................................................................................... iv DAFTAR GAMBAR ....................................................................................... xi DAFTAR TABEL ........................................................................................... xiv BAB I

PENDAHULUAN 1.1

Latar Belakang Masalah............................................................

1

1.2

Identifikasi Masalah..................................................................

4

1.3

Tujuan Penelitian ......................................................................

4

1.4

Batasan Masalah .......................................................................

5

1.5

Metodologi Penelitian ...............................................................

5

1.5.1 Metode Pengumpulan Data............................................

6

1.5.2

Metode Pengembangan Sistem Pakar.............................

6

1.6

Kerangka Pemikiran..................................................................

9

1.6

Sistematika Penulisan................................................................ 10

BAB II TINJAUAN PUSTAKA 2.1

Kecerdasan Buatan (Artificial Intelligence) .............................. 11 2.1.1 Definisi Kecerdasan Buatan........................................... 11 2.1.2

Sejarah Kecerdasan Buatan............................................ 12

2.1.3 Tujuan Kecerdasan Buatan ............................................ 12 2.1.4 Lingkup Kecerdasan Buatan .......................................... 12 2.1.5 Perbandingan Antara Kecerdasan Buatan dengan Pemrograman Konvensional.......................................... 13 2.2

Sistem Pakar ............................................................................. 13 2.2.1 Definisi Sistem Pakar .................................................... 14

iv

Halaman : 2.2.2

Perbandingan Antara Sistem Pakar dengan Kemampuan Seorang Pakar ............................................................... 15

2.2.3 Perbandingan Antara Sistem Pakar dengan Sistem Konvensional ................................................................ 16 2.2.4 Sejarah Sistem Pakar ..................................................... 17 2.2.5 Tujuan Sistem Pakar...................................................... 18 2.2.6 Ciri-ciri Sistem Pakar .................................................... 18 2.2.7 Kategori Masalah Sistem Pakar ..................................... 18 2.2.8

Kelebihan dan Kelemahan Sistem Pakar ........................ 20 2.2.8.1 Kelebihan Sistem Pakar .................................. 20 2.2.8.2

Kelemahan Sistem Pakar ................................ 21

2.2.9 Bentuk Sistem Pakar...................................................... 21 2.2.10 Orang yang Terlibat Sistem Pakar.................................. 21 2.2.11 Arsitektur Sistem Pakar ................................................. 22 2.2.12 Komponen Sistem Pakar................................................ 23 2.2.12.1 Antarmuka Pengguna (User Interface)........... 23 2.2.12.2 Basis Pengetahuan ......................................... 24 2.2.12.3 Akuisisi Pengetahuan..................................... 24 2.2.12.4 Mesin Inferensi .............................................. 26 2.2.12.4.1 Metode Inferensi.......................... 26 2.2.12.4.2 Teknik Penelusuran Data ............. 31 2.2.12.5 Workplace...................................................... 32 2.2.12.6 Fasilitas Penjelasan ........................................ 32 2.2.12.7 Perbaikan Pengetahuan .................................. 33 2.2.13 Representasi Pengetahuan.............................................. 33 2.2.13.1 Definisi Representasi Pengetahuan................. 33 2.2.13.2 Model Representasi Pengetahuan................... 34 2.2.13.2.1 Logika (Logic)............................. 34 2.2.13.2.2 Jaringan Semantik (Semantic Nets) 35 2.2.13.2.3 Object Atributte Value (OAV) ..... 36 v

Halaman : 2.2.13.2.4 Bingkai (Frame) .......................... 37 2.2.13.2.5 Kaidah Produksi (Production Rule) 38 2.2.14 Tahap Pengembangan Sistem Pakar............................... 40 2.3

Basis Data (Data Base) ............................................................. 43 2.3.1 Definisi Basis Data (Database)...................................... 43 2.3.2 Fungsi Basis Data (Database)........................................ 45 2.3.3 Pemodela Data............................................................... 45

2.4

2.3.3.1

Flowmap......................................................... 45

2.3.3.2

Data Flow Diagram (DFD) ............................ 47

2.3.3.3

Entity Relationship Diagram (ERD) ............... 50

Software Pendukung ................................................................. 55 2.4.1 Microsoft Visual Basic 6.0 ............................................ 55 2.4.2 Microsoft Access 2003 .................................................. 55

2.5

Penyakit Asma .......................................................................... 56 2.5.1 Definisi Penyakit Asma ................................................. 56 2.5.2 Sejarah Penyakit Asma .................................................. 57 2.5.3 Pemicu Penyakit Asma .................................................. 58 2.5.4 Penyebab Penyakit Asma............................................... 58 2.5.5 Gejala Umum Penyakit Asma........................................ 58 2.5.6 Klasifikasi Penyakit Asma............................................. 59 2.5.6.1 Berdasarkan Waktu......................................... 59 2.5.6.1.1

Penyakit Asma Akut.................... 59

2.5.6.1.2

Penyakit Asma Kronis ................. 59

2.5.6.1.3

Penyakit Asma Periodik .............. 60

2.5.6.2 Berdasarkan Penyebab .................................... 60 2.5.6.2.1

Penyakit Asma Ekstrinsik ............ 60

2.5.6.2.2

Penyakit Asma Intrinsik .............. 60

2.5.6.3 Berdasarkan Berat/ Ringan Gejala .................. 60 2.5.6.3.1

Penyakit Asma Berat ................... 61

2.5.6.3.2

Penyakit Asma Sedang ................ 61

vi

Halaman : 2.5.6.3.3

2.6

Penyakit Asma Ringan ................. 61

2.5.6.4

Penyakit Asma Pekerjaan................................ 61

2.5.6.5

Penyakit Asma Sensitif Aspirin....................... 62

2.5.6.6

Penyakit Asma yang Dipicu Olahraga............. 62

Penyuluhan ............................................................................... 62 2.6.1

Definisi Penyuluhan ...................................................... 62

2.6.2

Tujuan Penyuluhan........................................................ 63 2.6.2.1

Tujuan Umum................................................. 63

2.6.2.2

Tujuan Khusus................................................ 63

2.6.3 Faktor-faktor Penyuluhan .............................................. 63 BAB III ANALISIS SISTEM 3.1

3.2

Penilaian Sistem........................................................................ 65 3.1.1

Kelayakan dan Justifikasi Maslah .................................. 65

3.1.2

Tujuan Pengembangan Aplikasi Sistem Pakar ............... 66

3.1.3

Analisis Kebutuhan ....................................................... 66 3.1.3.1

Kebutuhan Hardware (Perangkat Keras)......... 67

3.1.3.2

Kebutuhan Software (Perangkat Lunak).......... 67

3.1.3.3

Kebutuhan Brainware..................................... 68 3.1.3.3.1

Pakar ........................................... 68

3.1.3.3.2

Rekayasa Pengetahuan................. 68

3.1.3.3.3

Programmer................................. 68

3.1.3.3.4

Pengguna (User).......................... 68

Akuisisi Pengetahuan ................................................................ 69 3.2.1

Sumber Pengetahuan ..................................................... 69

3.2.2

Proses Akuisisi Pengetahuan ......................................... 69

3.2.3 Basis Pengetahuan ......................................................... 70 3.2.4 Basis Aturan .................................................................. 75 BAB IV DESAIN SISTEM 4.1

Representasi Pengetahuan......................................................... 79 4.1.1

Tabel Dasar ................................................................... 79 vii

Halaman : 4.1.1.1

Tabel Dasar Penyakit Asma............................. 80

4.1.1.2 Tabel Dasar Gejala Penyakit Asma.................. 80 4.1.1.3 Tabel Dasar Solusi Penyakit Asma .................. 81 4.1.2 Tabel Keputusan ............................................................ 82 4.1.2.1

Tabel Keputusan Berdasarkan Relasi Antara Penyakit dan Gejala ........................................ 83

4.1.2.2 Tabel Keputusan Berdasarkan Relasi Antara Gejala dan Solusi ............................................ 85 4.1.3

Pohon Keputusan .......................................................... 86

4.1.4

Kaidah Produksi............................................................ 88

4.2 Pengembangan Mesin Inferensi ................................................ 91 4.2.1

Pemilihan Teknik Inferensi ........................................... 91

4.2.2

Pemilihan Teknik Penelusuran Data .............................. 91 4.2.2.1

Teknik Penelusuran Data Penyakit Asma Akut 92

4.2.2.2 Teknik Penelusuran Data Penyakit Asma Kronis ................................... 92 4.2.2.3 Teknik Penelusuran Data Penyakit Asma Periodik................................. 93 4.2.2.4 Teknik Penelusuran Data Penyakit Asma Ekstrinsik .............................. 93 4.2.2.5 Teknik Penelusuran Data Penyakit Asma Intrinsik................................. 94 4.2.2.6 Teknik Penelusuran Data Penyakit Asma Berat 94 4.2.2.7 Teknik Penelusuran Data Penyakit Asma Sedang................................... 95 4.2.2.8 Teknik Penelusuran Data Penyakit Asma Ringan................................... 95 4.2.2.9 Teknik Penelusuran Data Penyakit Asma Pekerjaan............................... 96

viii

Halaman : 4.2.2.10 Teknik Penelusuran Data Penyakit Asma Sensitif Aspirin...................... 96 4.2.2.11 Teknik Penelusuran Data Penyakit Asma yang Dipicu Olahraga............ 97 4.3 Deskripsi Alur Sistem............................................................... 97 4.3.1

Flowmap ....................................................................... 98

4.3.2

Data Flow Diagram (DFD)........................................... 99 4.3.2.1

Diagram Konteks ........................................... 99

4.3.2.2

DFD Level 0.................................................. 99

4.3.2.3

DFD Level 1.................................................. 100

4.3.2.4

4.3.2.3.1

DFD Level 1 Proses 1.0 ............... 100

4.3.2.3.2

DFD Level 1 Proses 2.0 ............... 101

4.3.2.3.3

DFD Level 1 Proses 3.0 ............... 103

4.3.2.3.4

DFD Level 1 Proses 4.0 ............... 104

4.3.2.3.1

DFD Level 1 Proses 5.0 ............... 105

DFD Level 2.................................................. 106 4.3.2.4.1

DFD Level 2 Proses 3.1 ............... 106

4.3.2.4.2

DFD Level 2 Proses 3.2 ............... 108

4.4 Perancangan Basis Data............................................................ 109 4.4.1

Entity Relationship Diagram (ERD).............................. 109

4.4.2

Transformasi ERD ke Dalam Basis Data Fisik) ............. 110

4.4.3

4.4.2.1

Tabel Master.................................................. 110

4.4.2.2

Tabel Tambahan ............................................ 111

Perancangan Struktur File ............................................. 111

4.5 Implementasi ............................................................................ 113 4.5.1

Struktur Menu ............................................................... 113 4.5.1.1

Struktur Menu Lingkungan Knowledge Engineer ..................................... 113

4.5.1.2 4.5.2

Struktur Menu Lingkungan User.................... 114

Perancangan Antarmuka................................................ 114 ix

Halaman : 4.6 Simulasi.................................................................................... 118 4.6.1

Simulasi Pada Lingkungan Knowledge Engineer .......... 118

4.6.2

Simulasi Pada Lingkungan User.................................... 123

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan............................................................................... 126 5.2 Saran ........................................................................................ 126 DAFTAR PUSTAKA LAMPIRAN-LAMPIRAN

x

DAFTAR GAMBAR Halaman : Gambar 1.1

Proses Pembuatan Aplikasi Sistem Pakar ..................................

5

Gambar 1.2

Tahap Pengembangan Sistem Pakar ..........................................

7

Gambar 1.3

Flowchart Kerangka Pamikiran ................................................

9

Gambar 2.1

Konsep Dasar Fungsi Sistem Pakar ........................................... 15

Gambar 2.2

Atrsitektur Sistem Pakar ........................................................... 23

Gambar 2.3

Proses Forward Chaining ......................................................... 28

Gambar 2.4

Penyelesaian dengan Forward Chaining ................................... 29

Gambar 2.5

Proses Backward Chaining ....................................................... 30

Gambar 2.6

Penyelesaian dengan Backward Chaining ................................. 31

Gambar 2.7

Diagram Alir Teknik Penelusuran Depth First Search............... 31

Gambar 2.8

Diagram Alir Teknik Penelusuran Breadth First Search............ 32

Gambar 2.9

Proses Logika ........................................................................... 34

Gambar 2.10 Contoh Representasi Jaringan Semantik.................................... 36 Gambar 2.11 Contoh Frame........................................................................... 37 Gambar 2.12 Contoh Tree (Pohon Keputusan) ............................................... 40 Gambar 2.13 Tahap Pengembangan Sistem Pakar .......................................... 41 Gambar 2.14 Contoh Basis Data, Tabel, field, dan record .............................. 45 Gambar 2.15 Contoh Entitas dan Instance ...................................................... 51 Gambar 2.16 Tipe-tipe Identifier.................................................................... 52 Gambar 2.17 Contoh Relasi One to On .......................................................... 54 Gambar 2.18 Contoh Relasi One to Many ...................................................... 54 Gambar 2.19 Contoh Relasi Many to Many.................................................... 55 Gambar 2.20 Perubahan Saluran Napas yang Terjadi Pada Penyakit Asma .... 57 Gambar 4.1

Pohon Keputusan Untuk Penelusuran Penyakit Asma ............... 87

Gambar 4.2

Penerapan Inferensi Perantaian Maju (Forward Chaining)........ 91

Gambar 4.3

Teknik Penelusuran Data Penyakit Asma Akut ......................... 92

Gambar 4.4

Teknik Penelusuran Data Penyakit Asma Kronis....................... 92

Gambar 4.5

Teknik Penelusuran Data Penyakit Asma Periodik .................... 93 xi

Halaman : Gambar 4.6

Teknik Penelusuran Data Penyakit Asma Ekstrinsik ................. 93

Gambar 4.7

Teknik Penelusuran Data Penyakit Asma Intrinsik .................... 94

Gambar 4.8

Teknik Penelusuran Data Penyakit Asma Berat......................... 94

Gambar 4.9

Teknik Penelusuran Data Penyakit Asma Sedang...................... 95

Gambar 4.10 Teknik Penelusuran Data Penyakit Asma Ringan...................... 95 Gambar 4.11 Teknik Penelusuran Data Penyakit Asma Pekerjaan.................. 96 Gambar 4.12 Teknik Penelusuran Data Penyakit Asma Sensitif Aspirin......... 96 Gambar 4.13 Teknik Penelusuran Data Penyakit Asma yang Dipicu Olahraga 97 Gambar 4.14 Flowmap Aplikasi Sistem Pakar Diagnosis Penyakit Asma....... 98 Gambar 4.15 Diagram Konteks Aplikasi Sistem Pakar Diagnosis Penyakit Asma ......................................................... 99 Gambar 4.16 DFD Level 0............................................................................. 100 Gambar 4.17 DFD Level 1 Proses 1.0 ............................................................ 101 Gambar 4.18 DFD Level 1 Proses 2.0 ............................................................ 102 Gambar 4.19 DFD Level 1 Proses 3.0 ............................................................ 103 Gambar 4.20 DFD Level 1 Proses 4.0 ............................................................ 104 Gambar 4.21 DFD Level 1 Proses 5.0 ............................................................ 105 Gambar 4.22 DFD Level 2 Proses 3.1 ............................................................ 107 Gambar 4.23 DFD Level 2 Proses 3.2 ............................................................ 108 Gambar 4.24 Entity Relationship Diagram (ERD).......................................... 110 Gambar 4.25 Struktur Menu Knowledge Engineer ......................................... 113 Gambar 4.26 Struktur Menu User .................................................................. 114 Gambar 4.27 Form Pilihan Pengguna............................................................. 114 Gambar 4.28 Form Log In ............................................................................. 115 Gambar 4.29 Form Menu Utama Knowledge Engineer .................................. 115 Gambar 4.30 Form Kelola Data Penyakit....................................................... 115 Gambar 4.31 Form Kelola Data Solusi........................................................... 116 Gambar 4.32 Form Kelola Data Basis Aturan ................................................ 116 Gambar 4.33 Form Kelola Data Knowledge Engineer.................................... 116 Gambar 4.34 Form Kelola Data Informasi Penyakit Asma............................. 117 xii

Halaman : Gambar 4.35 Form Menu Utama User ........................................................... 117 Gambar 4.36 Form Diagnosis ........................................................................ 117 Gambar 4.37 Form Hasil Diagnosis ............................................................... 118 Gambar 4.38 Form Informasi Penyakit Asma ............................................... 118 Gambar 4.39 Simulasi Form Pilihan Pengguna Pada Lingkungan Knowledge Engineer................................................................. 119 Gambar 4.40 Simulasi Form Log In Knowledge Engineer.............................. 119 Gambar 4.41 Simulasi Form Menu Utama Knowledge Engineer.................... 120 Gambar 4.42 Simulasi Form Kelola Data Penyakit ........................................ 120 Gambar 4.43 Simulasi Form Kelola Data Solusi ............................................ 121 Gambar 4.44 Simulasi Form Kelola Data Basis Aturan.................................. 121 Gambar 4.45 Simulasi Form Kelola Data Knowledge Engineer ..................... 122 Gambar 4.46 Simulasi Form Kelola Data Informasi Penyakit ........................ 122 Gambar 4.47 Simulasi Form Pilihan Pengguna Pada Lingkungan User.......... 123 Gambar 4.48 Simulasi Form Menu Utama User............................................. 124 Gambar 4.49 Simulasi Form Diagnosis.......................................................... 124 Gambar 4.50 Simulasi Form Hasil Diagnosis................................................. 125 Gambar 4.51 Simulasi Form Informasi Penyakit............................................ 125

xiii

DAFTAR TABEL Halaman : Tabel 2.1

Berbagai Definisi Kecerdasan Buatan (artificial intelligence) ... 11

Tabel 2.2

Perbandingan Kecerdasan Buatan dengan Pemrograman Konvensional............................................................................ 13

Tabel 2.3

Perbandingan Sistem Pakar dengan Kemampuan Seorang Pakar 15

Tabel 2.4

Perbandingan Antara Sistem Pakar dengan Sistem Konvensiona 16

Tabel 2.5

Berbagai Contoh Sistem Pakat .................................................. 17

Tabel 2.6

Beberapa Karakteristik Forward Chaining dan Backward Chaining................................................................................... 27

Tabel 2.7

Representasi Pengetahuan dengan OAV ................................... 37

Tabel 2.8

Contoh Tabel Keputusan........................................................... 39

Tabel 2.9

Simbol yang digunakan dalam Flowmap................................... 46

Tabel 2.10

Elemen-elemen dari DFD dan Lambangnya.............................. 48

Tabel 2.11

Elemen-elemen dari ERD ......................................................... 50

Tabel 3.1

Spesifikasi Minimal Komputer ................................................. 67

Tabel 3.2

Software Pendukung ................................................................. 67

Tabel 3.3

Basis Pengetahuan .................................................................... 71

Tabel 3.4

Basis Aturan ............................................................................. 75

Tabel 4.1

Tabel Dasar Penyakit Asma ..................................................... 80

Tabel 4.2

Tabel Dasar Gejala Penyakit Asma ........................................... 80

Tabel 4.3

Tabel Dasar Solusi Penyakit Asma ........................................... 82

Tabel 4.4

Tabel Keputusan Berdasarkan Relasi Antara Penyakit dan Gejala................................................................................. 83

Tabel 4.5

Tabel Keputusan Berdasarkan Relasi Antara Gejala dan Solusi ................................................................................. 85

Tabel 4.6

Kaidah Produksi Sistem Pakar Diagnosis Penyakit Asma ......... 88

Tabel 4.7

Spesifikasi Proses DFD Level 1 Proses 1.0 ............................... 101

Tabel 4.8

Aliran Data DFD Level 1 Proses 1.0 ......................................... 101

Tabel 4.9

Spesifikasi Proses DFD Level 1 Proses 2.0 ............................... 102 xiv

Halaman : Tabel 4.10


Tabel 4.11


Tabel 4.12


Tabel 4.13


Tabel 4.14


Tabel 4.15


Tabel 4.16


Tabel 4.17


Tabel 4.18


Tabel 4.19


Tabel 4.20


Tabel 4.21

Transformasi Tabel Penyakit .................................................... 110

Tabel 4.22

Transformasi Tabel Solusi ........................................................ 110

Tabel 4.23

Transformasi Tabel Gejala........................................................ 111

Tabel 4.24

Transformasi Tabel List_Pakar ................................................. 111

Tabel 4.25

Struktur Tabel Penyakit ............................................................ 111

Tabel 4.26

Struktur Tabel Solusi ................................................................ 112

Tabel 4.27

Struktur Tabel Gejala................................................................ 112

Tabel 4.28

Struktur Tabel List_Pakar ......................................................... 112

xv

BAB I PENDAHULUAN

1.1

Latar Belakang Masalah Kemajuan dan perkembangan teknologi komputer yang semakin maju sangat

diperlukan oleh para pembuat perangkat lunak komputer untuk mengolah data sains maupun transaksi bisnis. Perangkat lunak yang dibuat harus dapat mengakomodasi kebutuhan manusia yang semakin meningkat dan kritis, antara lain dalam hal penyajian informasi dengan cepat, pengambil keputusan, melakukan perhitunganperhitungan yang rumit, penyajian animasi dan simulasi, sebagai sebuah sistem pakar pendiagnosis suatu penyakit atau gangguan dan lain-lain.

Dalam ilmu komputer, banyak ahli yang berkonsentrasi pada pengembangan kecerdasan buatan atau Artificial Intelligence (AI). AI adalah suatu studi kasus di mana tujuannya adalah membuat komputer berpikir dan bertindak seperti manusia. Banyak implementasi AI dalam bidang komputer, misalnya Decision Support System (Sistem Pendukung Keputusan), Robotic, Natural Language (Bahasa Alami), Neural Network (Jaringan Saraf), dan lain-lain (Jogiyanto, 2003: 3). Contoh bidang lain pengembangan kecerdasan buatan adalah sistem pakar yang menggabungkan pengetahuan dan penelusuran data untuk memecahkan masalah

yang

secara

normal

memerlukan

keahlian

manusia.

Tujuan

pengembangan sistem pakar sebenarnya bukan untuk menggantikan peran manusia, tetapi untuk mensubstitusikan pengetahuan manusia ke dalam bentuk sistem, sehingga dapat digunakan oleh orang banyak (Jogiyanto, 2003: 3). Secara umum, 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. Dengan sistem pakar, orang awampun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem

1

pakar juga akan membantu aktivitasnya sebagai asisten yang sangat berpengalaman (Kusumadewi, 2003: 109).

Sampai saat ini sudah ada beberapa hasil perkembangan sistem pakar dalam berbagai bidang sesuai dengan kepakaran seseorang misalnya bidang pendidikan contohnya Perancangan Sistem Pakar Tes EQ (Emotional Quotient) Untuk Mengetahui Aspek Kepribadian Dengan Metode Forward Chaining (ERM Gemis, 2011), bidang teknologi contohnya Perancangan Sistem Pakar Untuk Diagnosa Masalah Pada Jaringan Wi-Fi (M. Al Hadith, 2011), bidang elektronik contohnya Analisis dan Perancangan Sistem Pakar Untuk Diagnosa Kerusakan Monitor dengan Menggunakan Pendekatan Probabilitas Bayesian (Rifky, dkk, 2005), maupun bidang kedokteran yang menyangkut diagnosis penyakit khususnya yang akan penulis kaji ialah mengenai diagnosis penyakit asma. Namun saat ini sudah terdapat dua sistem pakar mengenai diagnosis penyakit asma, diantaranya Sistem Pakar Untuk Menentukan Derajat Asma Dan Terapinya (Yahdin Faridhi, 2011) dan Rancang Bangun Aplikasi Sistem Pakar Untuk Diagnosis Penyakit Asma Dan Gangguan Pernapasan (AR. Tohir, 2011). Disini penulis juga akan mengambil tema tentang sistem pakar penyakit asma, namun yang membedakannya dengan sistem pakar penyakit asma yang sudah ada yaitu penulis mengembangkan aplikasi sistem pakar diagnosis penyakit asma dengan menggunakan metodologi dari Durkin yaitu metodologi ESDLC (Expert System Development Life Cycle). Metodologi ini merupakan salah satu model yang menggambarkan tahap-tahap pengembangan perangkat lunak sistem pakar. Suatu gejala penyakit merupakan awal dari sebuah penyakit yang dapat mengancam kesehatan seseorang, namun pada kenyataannya gejala penyakit tersebut terkadang dianggap remeh oleh kebanyakan orang. Dengan adanya kemajuan ilmu pengetahuan dan teknologi komunikasi saat ini, resiko yang ditimbulkan oleh gejala yang dialami seseorang dapat diketahui dengan cepat. Penyakit asma adalah suatu kelainan berupa inflamasi (peradangan) kronik saluran nafas yang menyebabkan hipereaktivitas bronkus terhadap berbagai rangsangan yang ditandai dengan gejala episodik berulang berupa mengi, batuk, sesak nafas dan rasa berat di dada terutama pada malam atau dini hari yang 2

umumnya bersifat reversible baik dengan atau tanpa pengobatan. Penyakit asma bersifat fluktuatif (hilang timbul) artinya dapat tenang tanpa gejala tidak mengganggu aktifitas tetapi dapat eksaserbasi dengan gejala ringan sampai berat bahkan dapat menimbulkan kematian (DEPKES R.I, 2009: 7). Di Indonesia prevalensi penyakit asma belum diketahui secara pasti, namun hasil penelitian pada anak sekolah usia 13-14 tahun dengan menggunakan kuesioner ISAAC (International Study on Asthma and Allergy in Children) tahun 1995 prevalensi penyakit asma masih 2,1%, sedangkan pada tahun 2003 meningkat menjadi 5,2%. Hasil survey penyakit asma pada anak sekolah di beberapa kota di Indonesia (Medan, Palembang, Jakarta, Bandung, Semarang, Yogyakarta, Malang dan Denpasar) menunjukkan prevalensi penyakit asma pada anak SD (6 sampai 12 tahun) berkisar antara 3,7% - 6,4%, sedangkan pada anak SMP di Jakarta Pusat sebesar 5,8% tahun 1995 dan tahun 2001 di Jakarta Timur sebesar 8,6%. Berdasarkan gambaran tersebut di atas, terlihat bahwa penyakit asma telah menjadi masalah kesehatan masyarakat yang perlu mendapat perhatian secara serius (DEPKES R.I, 2009: 5). Berbagai upaya telah dilakukan oleh pemerintah untuk menanggulangi penyakit asma di masyarakat seperti bimbingan teknis, pemantauan, penyuluhan di bidang penyakit asma, namun tanpa peran serta masyarakat tentunya tidak akan dicapai hasil yang optimal dikarenakan kurangnya tenaga penyuluh yang ahli pada penyakit asma. Oleh sebab itu, dirasakan perlu dibuat sebuah aplikasi yang dapat membantu proses penyuluhan kepada masyarakat awam untuk menanggulangi penyakit asma. Aplikasi yang dimaksud adalah aplikasi yang bisa dijadikan sebagai alternatif dalam mendiagnosis penyakit asma. Dalam hal ini, aplikasi akan membantu dalam menemukan informasi jenis penyakit asma berdasarkan gejala klinis yang dirasakan sampai ditemukannya kesimpulan berdasarkan hasil diagnosis berupa informasi mengenai cara pengobatan penyakit asma. Kesimpulan yang dihasilkan merupakan hasil penelusuran dari seperangkat data atau fakta yang berupa gejala klinis dari penyakit asma yang dirasakan. Untuk itu, teknik inferensi yang dapat digunakan adalah metode inferensi 3

perantaian maju (forward chaining) yang merupakan pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis (Kusumadewi, 2003: 116). Dimana dalam metode inferensi forward chaining ini dimulai dari informasi awal (gejala awal) kemudian bergerak maju untuk mencocokkan informasi selanjutnya hingga menemukan informasi yang sesuai dengan kaidah, lalu akan menyimpulkan berupa keterangan jenis penyakit dan solusi. Dari fakta yang berupa gejala klinis dari penyakit asma yang dirasakan akan diolah untuk mendapat sebuah kesimpulan berupa hasil diagnosis jenis penyakit asma yang menyerang dan membantu memberikan solusi untuk melakukan tindakan pengendalian atau pengobatan yang tepat. Kesimpulan yang dihasilkan inilah yang akan digunakan sebagai pendukung keputusan bagi pihak masyarakat awam untuk mengambil tindakan dalam menangani penyakit asma. Maka Berdasarkan hal tersebut diatas, dalam tugas akhir ini penulis mengambil judul “APLIKASI SISTEM PAKAR DIAGNOSIS PENYAKIT ASMA”. 1.2

Identifikasi Masalah Berdasarkan latar belakang masalah yang dikemukakan diatas, terdapat

beberapa permasalahan-permasalahan yang dapat di identifikasi. Adapun permasalahan tersebut, yaitu: a.

Adanya keterbatasan ketersediaan tenaga penyuluh yang ahli pada penyakit asma.

b. Banyak masyarakat yang tidak mengetahui mengenai gejala dari penyakit asma. c.

Kurangnya pedoman mengenai cara mengendalikan penyakit asma kepada masyarakat.

1.3

Tujuan Penelitian Tujuan dari penelitian ini adalah mengembangkan sebuah sistem berbasis

pengetahuan kedokteran dalam mendiagnosis penyakit asma yang dapat ditampilkan dalam perangkat lunak aplikasi berbasis sistem pakar. Sehingga dapat mempermudah

4

proses penyuluhan kepada masyarakat awam untuk mengetahui deteksi dini gejala

penyakit asma dan solusi atau pengobatan yang bisa dilakukan secara mandiri. 1.4

Batasan Masalah Agar masalah yang ditulis dalam tugas akhir tidak terlalu luas dan menyimpang

dari topik yang ada, maka perlu dibatasi permasalahan sebagai berikut: a. Data-data penunjang penyakit asma yang digunakan hanya jenis penyakit asma berdasarkan waktu, berdasarkan penyebab, berdasarkan berat atau ringan gejala, penyakit asma pekerjaan, penyakit asma sensitif aspirin, dan penyakit asma yang dipicu olahraga. b. Aplikasi sistem pakar mengolah informasi yang mencakup jenis penyakit asma, gejala penyakit asma, dan solusi penyakit asma. c. User hanya dapat mengetahui diagnosis dini dari penyakit yang di deritanya, karena aplikasi ini tidak mungkin dapat melakukan pemeriksaan fisik yang memang hanya dapat dilakukan oleh dokter. d. Penalaran aplikasi sistem pakar ini menggunakan teknik inferensi runut maju (forward chaining). e.

Bahasa pemrograman yang digunakan adalah Microsoft Visual Basic 6.0, penyimpanan data-data penunjang menggunakan Microsoft Office Accsess 2003.

f.

Aplikasi sistem pakar akan diimplementasikan dan disimulasikan pada komputer yang sifatnya stand alone atau tidak membutuhkan jaringan internet.

g. Tahap pengembangan sistem pakar yang dilakukan hanya sampai pada tahapan simulasi.

1.5

Metodologi Penelitian Adapun metode yang digunakan dalam pembuatan aplikasi sistem pakar

diagnosis penyakit asma dapat dilihat pada Gambar 1.1. Tahap Pengumpulan Data

Metodologi

Tahap Pengembangan Sistem Pakar

Gambar 1.1 Proses Pembuatan Aplikasi Sistem Pakar 5

1.5.1 Metode Pengumpulan Data Adapun metode pengumpulan data yang dilakukan oleh penulis antara lain, yaitu: a. Data Primer Pengumpulan data primer, yaitu pengumpulan data yang dilakukan dengan mengumpulkan pengalaman dokter ahli langsung dari website atau pakar yang mengetahui serta berpengalaman mengenai penyakit asma. b. Data Sekunder Pengumpulan data sekunder, yaitu pengumpulan data yang dilakukan dengan kajian pustaka melalui buku, literatur, jurnal, maupun informasi dari internet yang dianggap sesuai terhadap materi pembuatan laporan tugas akhir maupun programnya. 1.5.2 Metode Pengembangan Sistem Pakar Dalam pengembangan sistem pakar, akan digunakan pendekatan konvensional dengan metodologi Expert System Development Life Cycle (ESDLC) dari Durkin (1994). Tahap-tahap yang harus dilakukan pada metodologi ESDLC dari Durkin (1994) dapat dilihat pada Gambar 1.2.

6

Gambar 1.2 Tahap Pengembangan Sistem Pakar, (Durkin, 1994: 40). Keterangan: 1. Penilaian (Assessment) Merupakan proses untuk menentukan kelayakan dan justifikasi atas permasalahan yang akan diambil. Setelah proyek pengembangan dianggap layak dan sesuai dengan tujuan, maka selanjutnya ditentukan fitur-fitur penting dan ruang lingkup proyek serta sumber daya yang dibutuhkan. Sumber pengetahuan yang diperlukan diidentifikasi dan ditentukan persyaratan-persyaratan proyek. 2. Akuisisi Pengetahuan Merupakan proses untuk mendapatkan pengetahuan tentang permasalahan yang akan dibahas dan digunakan sebagai panduan dalam pengembangan. Pengetahuan ini digunakan untuk memberikan informasi tentang 7

permasalahan yang menjadi bahan acuan dalam mendesain sistem pakar. Tahap ini meliputi studi dengan diadakannya pertemuan dengan pakar untuk membahas aspek dari permasalahan. 3. Desain Berdasarkan pengetahuan yang telah didapatkan dalam proses akuisisi pengetahuan, maka desain antarmuka maupun teknik penyelesaian masalah dapat diimplementasikan kedalam sistem pakar. Dalam tahp desain ini, seluruh struktur dan organisasi dari pengetahuan harus ditetapkan dan dapat direpresentasikan kedalam sistem. Pada tahap desain, sebuah sistem prototype di bangun. Tujuan dari prmbangunan prototype tersebut adalah untuk memberikan pemahaman yang lebih baik atas masalah. 4. Pengujian Tahap ini dimaksudkan untuk menguji apakah sistem pakar yang dibangun telah sesuai dengan tujuan pengembangan maupun kesesuaian kinerja sistem dengan metode penyelesaian masalah yang bersumber dari pengetahuan yang sudah didapkan. Apabila dalam tahap ini terdapat bagian yang harus dievaluasi maupun dimodifikasi maka hal tersebut harus segera dilakukan agar sistem pakar dapat berfungsi sebagaimana tujuan pengembangannya. 5. Dokumentasi Tahap dokumentasi diperlukan untuk mengkompilasi semua informasi proyek sistem pakar ke dalam bentuk dokumen yang dapat memenuhi persyaratan yang dibutuhkan pengguna dan pengembang sistem. Dokumentasi tersebut menjelaskan tentang bagaimana mengoperasikan sistem, instalasi, kebutuhan minimum sistem maupun bantuan yang mungkin diperlukan oleh pengguna maupun pengembang sistem pakar. Selain hal tersebut, maka secara khusus harus juga mendokumentasikan kamus data pengetahuan maupun prosedur penelusuran masalah dalam mesin inferensinya.

8

6. Pemeliharaan Setelah sistem digunakan dalam lingkungan kerja, maka selanjutnya diperlukan pemeliharaan secara berkala. Pengetahuan itu sifatnya tidak statis melainkan terus tumbuh dan berkembang. Pengetahuan dari sistem perlu diperbaharui atau disempurnakan untuk memenuhi kebutuhan saat ini. 1.6

Kerangka Pemikiran Flowchart kerangka pemikiran pengembangan aplikasi sistem pakar

diagnosis penyait asma dapat dilihat pada Gambar 1.3.

Gambar 1.3 Flowchart Kerangka Pemikiran 9

1.7

Sistematika Penulisan Untuk menghasilkan laporan tugas akhir yang sistematis dan mudah

dipahami, berikut dijelaskan mengenai sistematika yang dipakai dalam penyusunan tugas akhir ini: BAB I

PENDAHULUAN Bab ini menjelaskan secara umum mengenai latar belakang, identifikasi masalah, tujuan penelitian, batasan masalah, metodologi penelitian, kerangka pemikiran dan sistematika penulisan.

BAB II

TINJAUAN PUSTAKA Pada bab ini membahas mengenai beberapa definisi dari teoriteori dasar yang digunakan dalam kegiatan pembuatan sistem pakar.

BAB III

ANALISIS SISTEM Bab ini membahas tentang analisis terhadap permasalahan yang berkaitan dengan penyakit asma.

BAB IV

DESAIN SISTEM Bab ini akan menguraikan tentang tahapan pembuatan, dan implementasi sistem pakar untuk diagnosis penyakit asma.

BAB V

KESIMPULAN DAN SARAN Bab ini berisi penjelasan hasil akhir dari pembahasan yang dijabarkan dalam laporan tugas akhir, berikut saran yang diharapkan dapat membantu kearah konstruktif untuk kemajuan penelitian yang lebih baik.

10

BAB II TINJAUAN PUSTAKA

2.1

Kecerdasan Buatan (Artificial Intelligence) Perkembangan kecerdasan buatan (artificial intelligence) merupakan

terobosan baru dalam dunia komputer. kecerdasan buatan (artificial intelligence) berkembang setelah perusahaan General Electric menggunakan komputer pertama kali di bidang bisnis. Pada tahun 1956, istilah kecerdasan buatan (artificial intelligence) mulai dipopulerkan oleh John McCarthy sebagai suatu tema ilmiah di bidang komputer yang diadakan di Darmouth College. 2.1.1 Definisi Kecerdasan Buatan Ada beragam definisi tentang kecerdasan buatan (artificial intelligent atau disingkat AI), sebagaimana diperlihatkan pada Tabel 2.1 (Kadir dan Triwahyuni, 2003: 326). Tabel 2.1 Berbagai Definisi Kecerdasan buatan (artificial intelligence) Sumber Schalkoff (1990)

Definisi AI adalah bidang studi yang berusaha menerangkan dan meniru perilaku cerdas dalam bentuk proses komputasi

Rich dan Knight (1991)

AI adalah studi tentang cara membuat komputer melakukan sesuatu yang sampai saat ini orang dapat melakukannya dengan baik

Luger dan Stubblefield (1993) Haag dan Keen (1996)

AI adalah cabang ilmu komputer yang berhubungan dengan otomasi perilaku yang cerdas AI adalah bidang studi yang berhubungan dengan penangkapan, pemodelan dan penyimpanan kecerdasan manusia dalam sebuah sistem teknologi informasi sehingga sistem tersebut dapat memfasilitasi proses pengambilan keputusan yang biasanya dilakukan oleh manusia

Sumber: (Kadir, 2005: 326) 11

2.1.2 Sejarah Kecerdasan Buatan Kecerdasan buatan atau artificial intelligence dimunculkan oleh seorang professor dari Massachusetts Institute of Technology yang bernama John McCarthy pada tahun 1956 pada Dartmouth Conference yang dihadiri oleh para peneliti AI (artificial intelligence). Pada konferensi tersebut juga didefinisikan tujuan utama dari kecerdasan buatan, yaitu: mengetahui dan memodelkan prosesproses berfikir manusia dan mendesain mesin agar dapat menirukan kelakuan manusia tersebut (Kusumadewi, 2003: 5). 2.1.3 Tujuan Kecerdasan Buatan Ada tiga tujuan kecerdasan buatan (Kusrini, 2006: 4), yaitu: 1. Membuat komputer lebih cerdas 2. Membuat komputer mengerti tentang kecerdasan 3. Membuat mesin (komputer) lebih berguna 2.1.4 Lingkup Kecerdasan Buatan Lingkup utama dalam kecerdasan buatan (Kusumadewi, 2003: 7), adalah: 1. Sistem Pakar (Expert System). Disini komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar. 2. Pengolahan Bahasa Alami (Natural Language Processing). Dengan pengolahan bahasa alami ini diharapkan user dapar berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari. 3. Pengenalan Ucapan (Speech Regognition). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer dengan menggunakan suara. 4. Robotika & Sistem Sensor (Robotic & Sensory Systems) 5. Computer Vision, mencoba untuk dapat menginterpretasikan gambar atau obyek-obyek tampak melalui komputer.

12

6. Intelligent Computer aided Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar. 7. Game Playing. 2.1.5 Perbandingan Antara Kecerdasan Buatan dengan Pemrograman Konvensional Perbandingan

antara

kecerdasan

buatan

dengan

pemrograman

konvensional dapat dilihat pada Tabel 2.2 (Kusumadewi, 2003: 5). Tabel 2.2 Perbandingan Kecerdasan Buatan dengan Pemrograman Konvensional Dimensi Pemrosesan Sifat input Pencarian Keterangan Fokus Struktur

Kecerdasan Buatan Mengandung konsep-konsep simbolik Bisa tidak lengkap Kebanyakan bersifat heuristic Disediakan Pengetahuan kontrol dipisahkan dari pengetahuan Kuantitatif Relatif mudah

Sifat output Pemeliharaan dan update Kemampuan Ya menalar Sumber: (Kusumadewi, 2003: 5). 2.2

Pemrograman Konvensional Algoritmik Harus lengkap Biasanya didasarkan pada algoritma Tidak disediakan Data dan informasi kontrol terintegrasi dengan informasi (data) Kualitatif sulit Tidak

Sistem Pakar Contoh pengembangan kecerdasan buatan adalah sistem pakar yang

menggabungkan pengetahuan dan penelusuran data untuk memecahkan masalah yang secara normal memerlukan keahlian manusia. Tujuan pengembangan sistem pakar sebenarnya bukan untuk menggantikan peran manusia, tetapi untuk mensubstitusikan pengetahuan manusia ke dalam bentuk sistem, sehingga dapat digunakan oleh orang banyak (Jogiyanto, 2003: 3).

13

2.2.1 Definisi Sistem Pakar Secara umum, 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 (Kusumadewi, 2003: 109). Ada beberapa definisi tentang sistem pakar (Kusumadewi, 2003: 109), diantaranya: 1. Menurut Durkin: Sistem pakar adalah suatu program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan seorang pakar. 2. Menurut Ignizio: Sistem pakar adalah suatu model dan prosedur yang berkaitan, dalam suatu domain tertentu, yang mana tingkat keahliannya dapat dibandingkan dengan keahlian seorang pakar. 3. Menurut Giarratano dan Riley: Sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar. Sistem pakar dibuat pada wilayah tertentu untuk suatu kepakaran yang mendekati kemampuan manusia di salah satu bidang. Sistem pakar mencoba mencari solusi yang memuaskan sebagaimana yang dilakukan seorang pakar. Selain itu sistem pakar juga dapat memberikan penjelasan terhadap langkah yang diambil dan memberikan alasan atas saran atau kesimpulan yang ditemukannya. Biasanya sistem pakar hanya digunakan untuk memecahkan masalah yang memang sulit untuk dipecahkan dengan pemrograman biasa, mengingat biaya yang diperlukan untuk membuat sistem pakar jauh lebih besar dari pada pembuatan sistem biasa (Kusrini, 2006: 12).

14

Gambar 2.1 Konsep Dasar Fungsi Sistem Pakar, (Arhami, 2005: 4). Gambar 2.1 menggambarkan konsep dasar suatu sistem pakar knowledge based. Pengguna menyampaikan fakta atau informasi untuk sistem pakar dan kemudian menerima saran dari pakar atau jawaban ahlinya. Bagian dalam sistem pakar terdiri dari 2 komponen utama, yaitu knowledge based yang berisi knowledge dan mesin inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut merupakan respons dari sistem pakar atas permintaan pengguna. 2.2.2 Perbadingan Antara Sistem Pakar dengan Kemampuan Seorang Pakar Perbadingan antara sistem pakar dengan kemampuan seorang pakar dapat dilihat pada Tabel 2.3 (Arhami, 2005: 6). Tabel 2.3 Perbadingan Sistem Pakar dengan Kemampuan Seorang Pakar Factor

Human Expert

Time availability Geografis Keamanan Perishable/ dapat habis Performansi Kecepatan Biaya

Hari kerja Local/ tertentu Tidak tergantikan Ya Variable Variable Tinggi

Expert System Setiap saat Di mana saja Dapat diganti Tidak Konsisten Konsisten Terjangkau

Sumber: (Arhami, 2005: 6) Ada beberapa alasan mendasar mengapa sistem pakar dikembangkan untuk menggantikan seorang pakar (Arhami, 2005: 7), di antaranya:

15

1. Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi. 2. Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar. 3. Seorang pakar akan pensiun atau pergi. 4. Seseorang pakar adalah mahal. 5. Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat (hostile environtment). 2.2.3 Perbandingan Antara Sistem Pakar dengan Sistem Konvensional Perbandingan antara sistem pakar dengan sistem konvensional dapat dilihat pada Tabel 2.4 (Arhami, 2005: 8). Tabel 2.4 Perbandingan Antara Sistem Pakar dengan Sistem Konvensional Sistem Pakar Basis pengetahuan terpisah dari mekanisme pemrosesan (inferensi) Program bisa saja melakukan kesalahan Penjelasan (explanation) merupakan bagian dari sistem pakar Tidak harus membutuhkan semua input data atau fakta Perubahan pada kaidah dapat dilakukan dengan mudah Sistem dapat bekerja hanya dengan kaidah yang sedikit Eksekusi dilakukan secara heuristik dan logik Manipulasi efektif pada basis pengetahuan yang besar Efektivitas adalah tujuan utama Data kualitatif Representasi pengetahuan dalam simbol Menangkap, menambah dan mendistribusi pertimbangan (judgment) dan pengetahuan Sumber: (Arhami, 2005: 8)

Sistem Konvensional Informasi dan pemrosesan umumnya digabung dalam satu program sequential Program tidak pernah salah (kecuali pemrogramnya yang salah) Tidak menjelaskan mengapa input dibutuhkan atau bagaimana hasil diperoleh Membutuhkan semua input data Perubahan pada program merepotkan Sistem bekerja jika sudah lengkap Eksekusi secara algoritmik (step by step) Manipulasi efektif pada database yang besar Efisiensi adalah tujuan utama Data kuantitatif Representasi data dalam numerik Menangkap, menambah dan mendistribusikan data numerik atau informasi

16

2.2.4 Sejarah Sistem Pakar Sistem pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali adalah General purpose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon. GPS (dan program-program yang serupa) ini mengalami kegagalan dikarenakan cakupannya terlalu luas sehingga terkadang justru meninggalkan pengetahuanpengetahuan penting yang seharusnya disediakan (Kusumadewi, 2003 : 109). Tabel 2.5 memperlihatkan beberapa contoh sistem pakar (Kadir & Triwahyuni, 2003: 341). Tabel 2.5 Berbagai Contoh Sistem Pakar Sistem Pakar

Keterangan

BERT DART/ DASD DELTA

Merupakan sistem pakar untuk merancang bangunan Digunakan untuk mendiagnosis kerusakan komputer Merupakan sistem pakar untuk mendiagnosis kerusakan pada mesin-mesin diesel pada General Electric DENDRAL Sistem pakar untuk menganalisis struktur molekul suatu senyawa kimia FOLIO Merupakan sistem pakar untuk mengevaluasi investasi saham HEATINGS Sistem pakar yang digunakan untuk mengendalikan proses pembakaran batubara MYCIN Sistem ini dikembangkan di Universitas Stanford pada pertengahan 1970-an dengan tujuan untuk membantu juru medis dalam mendiagnosis penyakit yang disebabkan bakteri OPERA Sistem pakar ini berguna untuk mendiagnosis gangguan pada jaringan komputer PDP 11/ 70 PROSPECTOR Sistem ini diciptakan oleh Richard Duda, Peter Hard, dan Rene Rreboh pada tahun 1978 yang menyediakan kemampuan seperti seorang pakar di bidang geologi PUFF Sistem ini digunakan untuk mendiagnosis gangguan paruparu REBES Sistem pakar yang membantu detektif menangani masalah kejahatan SHEARER Sistem pakar untk mendiagnosis kerusakan mesin pemotong batubara XSEL Sistem pakar ini dapat bertindak sebagai asisten penjual, yang membantu penjual komputer DEC memilihkan pesanan pelanggan sesuai dengan kebutuhan Sumber: (Kadir & Triwahyuni, 2003: 341) 17

2.2.5 Tujuan Sistem Pakar Tujuan dari sebuah sistem pakar adalah untuk mentransfer kepakaran yang dimiliki seorang pakar ke dalam komputer, dan kemudian kepada orang lain (non expert) (Arhami, 2005: 9). Aktivitas yang dilakukan untuk memindahkan kepakaran (Arhami, 2005: 9), adalah: 1. Knowledge Acquisition (dari pakar atau sumber lainnya) 2. Knowledge Representation (ke dalam komputer) 3. Knowledge Inferencing 4. Knowledge Transfering 2.2.6 Ciri-ciri Sistem Pakar Sistem pakar merupakan program-program praktis yang menggunakan strategi heuristic yang dikembangkan oleh manusia untuk menyelesaikan permasalahan-permasalahan

yang

spesifik

(khusus).

Disebabkan

oleh

keheuristikannya dan sifatnya yang berdasarkan pada pengetahuan, maka umumnya sistem pakar bersifat (Arhami, 2005: 23): 1. Memiliki informasi yang handal, baik dalam menampilkan langkahlangkah antara maupun dalam menjawab pertanyaan-pertanyaan tentang proses penyelesaian. 2. Mudah dimodifikasi, yaitu dengan menambah atau menghapus suatu kemampuan dari basis pengetahuannya. 3. Heuristic dalam menggunakan pengetahuan (yang sering kali tidak sempurna) untuk mendapatkan penyelesaiannya. 4. Dapat digunakan dalam berbagai jenis komputer. 5. Memiliki kemampuan untuk beradaptasi. 2.2.7 Kategori Masalah Sistem Pakar Sistem pakar saat ini telah dibuat untuk memcahkan berbagai macam permasalahan dalam berbagai bidang, seperti matematika, teknik, kedokteran, kimia, farmasi, sains komputer, bisnis, hukum, pendidikan, sampai pertahanan.

18

Secara umum ada beberapa kategori dan area permasalahan sistem pakar (Ada beberapa masalah yang menjadi area luas aplikasi sistem pakar (Arhami, 2005: 23), yaitu: 1. Interpretasi, yaitu pengambilan keputusan atau deskripsi tingkat tinggi dari sekumpulan data mentah, termasuk di antaranya juga pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan. dari hasil observasi, termasuk diantaranya juga pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal dan beberapa analisis kecerdasan. 2. Proyeksi, yaitu memprediksi akibat-akibat yang dimungkinkan dari situasi-situasi tertentu, di antaranya peramalan, prediksi demografis, peramalan ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan. 3. Diagnosis, yaitu menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati, di antaranya medis, elektronis, mekanis dan diagnosis perangkat lunak. 4. Desain, yaitu menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendalakendala tertentu, di antaranya layout sirkuit dan perancangan bangunan. 5. Perencanaan, yaitu merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu, di antaranya perencanaan keuangan, komunikasi, militer, pengembangan produk, routing dan manajemen proyek. 6. Monitoring, yaitu membandingkan tingkah laku suatu sistem yang teramati dengan tingkah laku yang diharapkan darinya, di antaranya Computer Aided Monitoring Systems. 7. Debugging dan repair, yaitu menetukan dan mengimplementasikan caracara untuk mengatasi malfungsi, di antaranya memberikan resep obat terhadap suatu kegagalan.

19

8. Instruksi, mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek, di antaranya melakukan instruksi untuk diagnosis, debugging dan perbaikan kinerja. 9. Pengendalian, yaitu mengatur tingkah laku suatu environment yang kompleks seperti kontrol terhadap interpretasi-interpretasi, prediksi, perbaikan dan monitoring kelakuan sistem. 10. Seleksi,

mengidentifikasi

pilihan

terbaik

dari

sekumpulan

(list)

kemungkinan. 11. Simulasi, pemodelan interaksi antara komponen-komponen sistem.

2.2.8 Kelebihan dan Kelemahan Sistem Pakar Sebuah sistem pakar memiliki banyak kelebihan dibandingkan dengan sistem konvensional. Namun, selain banyak kelebihan yang diperoleh, sistem pakar juga memiliki beberapa kelemahan. 2.2.8.1 Kelebihan Sistem Pakar Secara garis besar, banyak kelebihan yang dapat diambil dengan adanya sistem pakar (Kusumadewi, 2003: 110), antara lain: 1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli. 2. Bisa melakukan proses secara berulang secara otomatis. 3. Menyimpan pengetahuan dan keahlian para pakar. 4. Meningkatkan output dan produktivitas. 5. Meningkatkan kualitas. 6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka). 7. Mampu beroperasi dalam lingkungan yang berbahaya. 8. Memiliki kemampuan untuk mengakses pengetahuan. 9. Memiliki reliabilitas. 10. Meningkatkan kapabilitas sistem komputer. 11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian. 20

12. Sebagai media pelengkap dalam pelatihan. 13. Meningkatkan kapabilitas dalam penyelesaian masalah. 14. Menghemat waktu dalam pengambilan keputusan. 2.2.8.2 Kelemahan Sistem Pakar Di samping memiliki beberapa kelebihan, sistem pakar juga memiliki beberapa kelemahan (Kusumadewi, 2003: 111), antara lain: 1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal. 2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya. 3. Sistem pakar tidak 100% bernilai benar. 2.2.9 Bentuk Sistem Pakar Ada 4 bentuk sistem pakar (Kusumadewi, 2003: 113), yaitu: 1. Berdiri sendiri. Sistem pakar jenis ini merupakan software yang berdiri sendiri tidak bergabung dengan software yang lainnya. 2. Tergabung. Sistem pakar jenis ini merupakan bagian program yang terkandung di dalam suatu algoritma (konvensional), atau merupakan program dimana di dalamnya memanggil algoritma subrutin lain (konvensional). 3. Menghubungkan ke software lain. Bentuk ini biasanya merupakan sistem pakar yang menghubungkan ke suatu paket program tertentu, misalnya dengan DBMS. 4. Sistem mengabdi. Sistem pakar merupakan bagian dari komputer khusus yang dihubungkan dengan suatu fungsi tertentu. Misalnya sistem pakar yang digunakan untuk membantu menganalisis data radar. 2.2.10 Orang yang Terlibat dalam Sistem Pakar Untuk memahami perancangan sistem pakar, perlu dipahami mengenai siapa saja yang berinteraksi dengan sistem. Mereka (Kusrini, 2006: 19) adalah:

21

1. Pakar (Domain Expert), seorang ahli yang dapat menyelesaikan masalah yang sedang diusahakan untuk dipecahkan oleh sistem. 2. Pembangun

pengetahuan

(knowledge

engineer),

seseorang

yang

menerjemahkan pengetahuan seorang pakar dlam bentuk deklaratif sehingga dapat digunakan oleh sistem pakar. 3. Pengguna (user), seseorang yang berkonsultasi dengan sistem untuk mendapatkan saran yang disediakan oleh pakar. 4. Pembangun sistem (system engineer), seseorang yang membuat antarmuka pengguna, merancang bentuk basis pengetahuan secara deklaratif dan mengimplementasikan mesin inferensi. 2.2.11 Arsitektur Sistem Pakar Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan

(development

environment)

dan

lingkungan

konsultasi

(consultation environment). Lingkungan pengembangan sistem pakar digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan pakar. Komponen-komponen sistem pakar dalam kedua bagian tersebut dapat dilihat dalam Gambar 2.2 (Arhami, 2005: 13).

22

Gambar 2.2 Arsitektur Sistem Pakar, (Arhami, 2005: 13). 2.2.12 Komponen Sistem Pakar Komponen dalam sistem pakar adalah seperti yang terdapat pada Gambar 2.2, yaitu User interface (antarmuka pengguna), basis pengetahuan, akuisisi pengetahuan, mesin inferensi, workplace, fasilitas penjelasan, dan perbaikan pengetahuan. 2.2.12.1 User Interface (Antarmuka Pengguna) User interface merupakan mekanisme yang digunakan oleh penggun dan sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu antarmuka menerima informasi dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pemakai (Arhami, 2005: 14).

23

2.2.12.2 Basis Pengetahuan Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan. Fakta merupakan informasi tentang obyek dalam area permasalahan tertentu, sedangkan aturan merupakan informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui (Arhami, 2005: 15). 2.2.12.3 Akuisisi Pengetahuan Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer. Dalam tahap ini knowledge engineer berusaha merayap pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman pemakai (Arhami, 2005: 16). Terdapat tiga metode utama dalam akuisisi pengetahuan, yaitu (Arhami, 2005: 16): 1. Wawancara Wawancara adalah metode akuisisi yang paling banyak digunakan. Metode ini melibatkan pembicaraan dengan pakar secara langsung dalam suatu wawancara. 2. Analisis protocol Dalam metode akuisisi ini, pakar diminta untuk melakukan suatu pekerjaan

dan

mengungkapkan

proses

pemikirannya

dengan

menggunakan kata-kata. Pekerjaan tersebut direkam, dituliskan, dan dianalisis. 3. Observasi pada pekerjaan pakar Dalam metode ini, pekerjaan dalam bidang tertentu yang dilakukan pakar direkam dan diobservasi. 4. Metode ini dibatasi untuk sistem berbasis aturan. Induksi adalah suatu proses penalaran dari khusus ke umum. Suatu sistem induksi aturan

24

diberi contoh-contoh dari suatu masalah yang hasilnya telah diketahui. Setelah diberikan beberapa contoh, sistem induksi aturan tersebut dapat membuat aturan yang benar untuk kasus-kasus contoh. Selanjutnya aturan dapat digunakan untuk menilai kasus lain yang hasilnya tidak diketahui. Akuisisi pengetahuan dilakukan sepanjang proses pembangunan sistem. Proses akuisisi pengetahuan dibagi ke dalam enam tahap, yaitu (Arhami, 2005: 17): 1. Tahap identifikasi Tahap identifikasi meliputi penentuan komponen-komponen kunci dalam sistem yang sedang dibangun. Komponen kunci ini adalah knowledge engineer, pakar, karakteristik masalah, sumber daya, dan tujuan. Knowledge engineer dan pakar bekerja bersama untuk menentukan berbagai aspek masalah, seperti lingkup dari proyek, data input yang dimasukkan, bagian-bagian penting dan interaksinya, bentuk dan isi dari penyelesaian, dan kesulitan-kesulitan yang mungkin terjadi dalam pembangunan sistem. Mereka juga harus menentukan sumber pengetahuan seperti basis data, sistem informasi manajemen, buku teks, prototype masalah dan contoh, serta mengklarifikasi dan menentukan tujuan-tujuan sistem dalam proses penentuan masalah. 2. Tahap konseptualisasi Konsep-konsep kunci dan hubungannya yang telah ditentukan pada tahap pertama dibuat lebih jelas dalam tahap konseptualisasi. 3. Tahap formalisasi Tahap ini meliputi pemetaan konsep-konsep kunci, sub masalah dan bentuk aliran informasi yang telah ditentukan dalam tahap-tahap sebelumnya ke dalam representasi formal yang paling sesuai dengan masalah yang ada.

25

4. Tahap implementasi Tahap ini meliputi pemetaan pengetahuan dari tahap sebelumnya yang telah diformalisasi ke dalam skema representasi pengetahuan yang dipilih. 5. Tahap pengujian Setelah proses prototype sistem yang dibangun dalam tahap sebelumnya berhasil menangani dua atau tiga contoh, prototype sistem tersebut harus menjalani serangkaian pengujian dengan teliti menggunakan beragam sampel masalah. Masalah-masalah yang ditemukan dalam pengujian ini biasanya dapat dibagi dalam tiga kategori, yaitu kegagalan input/ output, kesalahan logika dan strategi kontrol. 6. Revisi prototype Suatu unsur penting pada semua tahap dalam proses akuisisi pengetahuan adalah kemampuan untuk kembali ke tahap-tahap sebelumnya untuk memperbaiki sistem. 2.2.12.4 Mesin Inferensi Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan (Arhami, 2005: 19). 2.2.12.4.1 Metode Inferensi Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan, yaitu pelacakan ke depan (forward chaining) dan pelacakan ke belakang (backward chaining) (Arhami, 2005: 19). Dalam memilih apakah akan menggunakan pelacakan ke depan atau ke belakang, semuanya bergantung masalah yang akan dibuat sistem pakarnya, dan belum dapat dibuktikan mana yang lebih baik di antara kedua metode inferensi ini. Untuk sebuah sistem pakar yang besar, dengan jumlah rule yang relatif banyak, metode pelacakan ke depan akan sangat lamban dalam pengambilan

26

kesimpulan, sehingga untuk sistem-sistem yang besar digunakan metode pelacakan ke belakang (Arhami, 2005: 21). Ada beberapa faktor yang mempengaruhi pemilihan forward atau backward dalam memilih metode pelacakan (Kusumadewi, 2003: 89), antara lain: 1. Banyaknya keadaan awal dan tujuan. Jika jumlah keadaan awal lebih kecil daripada tujuan, maka digunakan penalaran forward chaining. Sebaliknya, jika jumlah tujuan lebih banyak daripada keadaan awal, maka dipilih penalaran backward. 2. Rata-rata jumlah node yang dapat diraih secara langsung dari suatu node. Lebih baik dipilih yang jumlah node tiap cabangnya lebih sedikit. 3. Apakah program butuh menanyai user untuk melakukan justifikasi terhadap proses penalaran? Jika iya, maka alangkah baiknya jika dipilih arah yang lebih memudahkan user. 4. Bentuk kejadian yang akan memicu penyelesaian masalah. Jika kejadian itu berupa fakta baru, maka lebih baik dipilih penalaran forward. Namun, jika kejadian itu berupa query, maka lebih baik digunakan penalaran backward. Tabel 2.6 berikut ini menunjukkan beberapa karakteristik dari metode inferensi runut maju (forward chaining) dan runut balik (backward chaining) (Arhami, 2005: 114). Tabel 2.6 Beberapa Karakteristik Forward Chaining dan Backward Chaining Forward Chaining Perencanaan, monitoring, kontrol Disajikan untuk masa depan Antecedent ke konsequent Data memandu, penalaran dari bawah ke atas Bekerja ke depan untuk mendapatkan solusi apa yang mengikuti fakta Breadth first search dimudahkan

Backward Chaining Diagnosis Disajikan untuk masa lalu konsequent ke Antecedent Tujuan memandu, penalaran dari atas ke bawah Bekerja ke belakang untuk mendapatkan solusi apa yang mengikuti fakta Depth first search dimudahkan

Sumber: (Arhami, 2005: 114)

27

Tabel 2.6 Beberapa Karakteristik Forward Chaining dan Backward Chaining (Lanjutan) Forward Chaining Antecedent menentukan pencarian Penjelasan tidak difasilitasi

Backward Chaining konsequent menentukan pencarian Penjelasan difasilitasi

Sumber: (Arhami, 2005: 115) 1. Pelacakan ke Depan (Forward Chaining) Pelacakan ke depan adalah pendekatan yang dimotori data (data driven). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan, pelacakan ke depan mencari fakta yang sesuai dengan bagian IF dari aturan IF THEN. Gambar 2.3 menunjukkan proses forward chaining (Arhami, 2005: 20).

Gambar 2.3 Proses Forward Chaining, (Arhami, 2005: 20). Contoh Pelacakan ke Depan (Forward Chaining) (Kusumadewi, 2003: 120): Diketahui sistem pakar dengan aturan-aturan sebagai berikut: R1 : IF suku bunga turun THEN harga obligasi naik R2 : IF suku bunga naik THEN harga obligasi turun R3 : IF suku bunga tidak berubah THEN harga obligasi tidak berubah R4 : IF dolar naik THEN suku bunga turun R5 : IF dolar turun THEN suku bunga naik R6 : IF harga obligasi turun THEN beli obligasi

28

Apabila diketahui bahwa dolar turun, maka untuk memutuskan apakah akan

membeli

obligasi atau

tidak

dapat ditunjukkan

sebagai berikut

(Kusumadewi, 2003: 120): Dari fakta dolar turun, berdasarkan aturan 5, diperoleh konklusi suku bunga naik. Dari aturan 2, suku bunga naik menyebabkan harga obligasi turun. Dengan menggunakan aturan 6, jika harga obligasi turun, maka kesimpulan yang diambil adalah membeli obligasi. Solusi dengan menggunakan pelacakan ke depan (Forward chaining) dapat dilihat pada Gambar 2.4.

Gambar 2.4 Penyelesaian dengan Forward Chaining, (Kusumadewi, 2003: 121).

2. Pelacakan ke Belakang (Backward Chaining) Pelacakan ke belakang adalah pendekatan yang dimotori tujuan (goal driven). Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan menggunakan premis untuk aturan tersebut sebagai tujuan baru dan mencari aturan lain dengan tujuan baru sebagai kesimpulannya. Proses berlanjut sampai semua kemungkinan ditemukan. Gambar 2.5 menunjukkan proses backward chaining (Arhami, 2005: 19).

29

Gambar 2.5 Proses Backward Chaining, (Arhami, 2003 : 19). Contoh Pelacakan ke Belakang (Backward Chaining) (Kusumadewi, 2003: 120): Diketahui sistem pakar dengan aturan-aturan sebagai berikut: R1 : IF suku bungan turun THEN harga obligasi naik R2 : IF suku bungan naik THEN harga obligasi turun R3 : IF suku bungan tidak berubah THEN harga obligasi tidak berubah R4 : IF dolar naik THEN suku bungan turun R5 : IF dolar turun THEN suku bungan naik R6 : IF harga obligasi turun THEN beli obligasi Apabila diketahui bahwa dolar turun, maka untuk memutuskan apakah akan

membeli

obligasi atau

tidak

dapat ditunjukkan

sebagai berikut

(Kusumadewi, 2003: 121): Berangkat dari solusi yaitu membeli obligasi, dengan menggunakan aturan 6 diperoleh antaseden harga obligasi turun. Dari aturan 2 bisa akan dibuktikan harga obligasi turun bernilai benar jika suku bunga naik bernilai benar. Dari aturan 5, suku bunga naik memang bernilai benar karena diketahui faktor dolar turun. Solusi dengan menggunakan pelacakan ke belakang (backward chaining) dapat dilihat pada Gambar 2.6.

30

Gambar 2.6 Penyelesaian dengan Backward Chaining, (Kusumadewi, 2003: 121).

2.2.12.4.2 Teknik Penelusuran Data Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penelusuran, yaitu Depth first search, Breadth first search dan Best first search. 1. Depth first search Depth first search, melakukan penelusuran kaidah secara mendalam dari simpul akar bergerak menurun ke tingkat dalam yang berurutan (Arhami, 2005: 20). Diagram alir teknik penelusuran depth first search dapat dilihat pada Gambar 2.7.

Gambar 2.7 Diagram Alir Teknik Penelusuran Depth First Search, (Arhami, 2003 : 21).

31

2. Breadth first search Breadth first search, bergerak dari simpul akar, simpul yang ada pada setiap tingkat diuji sebelum pindah ke tingkat selanjutnya (Arhami, 2005: 20). Diagram alir teknik penelusuran breadth first search dapat dilihat pada Gambar 2.8.

Gambar 2.8 Diagram Alir Teknik Penelusuran Breadth First Search, (Arhami, 2003 : 21). 3. Best first search Best first search, bekerja berdasarkan kombinasi kedua metode sebelumnya (Arhami, 2005: 20). 2.2.12.5 Workplace Workplace merupakan area dari sekumpulan memori kerja (working memory). Workplace digunakan untuk merekam hasil-hasil antara dan kesimpulan yang dicapai. Ada 3 tipe keputusan yang dapat direkam, yaitu (Arhami, 2005: 22): 1. Rencana

: bagaimana menghadapi masalah

2. Agenda

: aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi

3. Solusi

: calon aksi yang akan dibangkitkan

2.2.12.6 Fasilitas Penjelasan Fasilitas

penjelasan

adalah

komponen

tambahan

yang

akan

meningkatkan kemampuan sistem pakar. Komponen ini menggambarkan 32

penalaran sistem kepada pemakai. Fasilitas penjelasan dapat menjelaskan perilaku sistem pakar dengan menjawab pertanyaan-pertanyaan sebagai berikut (Arhami, 2005: 22): 1. Mengapa pertanyaan tertentu ditanyakan oleh sistem pakar? 2. Bagaimana kesimpulan tertentu diperoleh? 3. Apa rencana untuk memperoleh penyelesaian? 2.2.12.7 Perbaikan Pengetahuan Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dri kinerjanya. Kemampuan tersebut adalah penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya (Arhami, 2005: 22). 2.2.13 Representasi Pengetahuan Dalam sistem pakar ada beberapa metode representasi pengetahuan. Jika pengetahuan berupa pengetahuan yang bersifat deklaratif, maka metode representasi pengetahuan yang cocok adalah jaringan semantik, frame dan logika predikat. Tetapi jika pengetahuannya berupa pengetahuan prosedural yang merepresentasikan aksi dan prosedur, maka metode representasi pengetahuan yang cocok adalah kaidah produksi (Kusrini, 2008: 6). 2.2.13.1 Definisi Representasi Pengetahuan Representasi pengetahuan merupakan metode yang digunakan untuk mengkodekan

pengetahuan

dalam

sebuah

sistem

pakar

yang

berbasis

pengetahuan. Perepresentasian dimaksudkan untuk menangkap sifat-sifat penting problem dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema (Kusrini, 2006: 24). Bahasa representasi harus dapat membuat seorang pemrogram mampu mengekspresikan pengetahuan yang diperlukan untuk mendapatkan solusi problema, dapat diterjemahkan ke dalam bahasa pemrograman dan dapat

33

disimpan. Harus dirancang agar fakta-fakta dan pengetahuan lain yang terkandung di dalamnya dapat digunakan untuk penalaran (Kusrini, 2006: 23). 2.2.13.2 Model Representasi Pengetahuan Pengetahuan dapat direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. Beberapa model representasi pengetahuan yang penting (Kusrini, 2006: 24), adalah: 1. Logika (logic) 2. Jaringan semantik (semantic nets) 3. Object Atributte Value (OAV) 4. Bingkai (frame) 5. Kaidah produksi (production rule) 2.2.13.2.1 Logika (Logic) Logika merupakan suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah, dan prosedur yang membantu proses penalaran. Logika merupakan bentuk representasi pengetahuan yang paling tua, yang menjadi dasar dari teknik representasi high level (Kusrini, 2006: 25). Proses logika dapat dilihat pada Gambar 2.9.

Gambar 2.9 Proses Logika, (Kusumadewi, 2003: 62).

Dalam melakukan penalaran, komputer harus dapat menggunakan proses penalaran deduktif dan induktif ke dalam bentuk yang sesuai dengan manipulasi komputer, yaitu berupa logika simbolik atau logika matematika. Logika itu disebut logika komputasional. (Kusrini, 2006: 25).

34

Penalaran deduktif ini bergerak dari penalaran umum menuju ke konklusi khusus. Umumnya dimulai dari suatu silogisme, atau pernyataan premis dan inferensi yang biasanya terdiri dari 3 bagian, yaitu premis mayor, premis minor, dan konklusi. Sedangkan penalaran induktif dimulai dari masalah khusus menuju ke masalah umum. Penalaran induktif menggunakan sejumlah fakta atau premis yang sesuai untuk menarik kesimpulan umum (Kusrini, 2006: 25). Berikut ini contoh penalaran secara deduktif dan induktif : Contoh penalaran deduktif (Kusrini, 2006: 25), adalah sebagai berikut: Premis Mayor : Jika hujan turun saya tidak akan lari pagi. Premis Minor

: Pagi ini hujan turun.

Konklusi

: Oleh karena itu pagi ini saya tidak akan lari pagi.

Contoh penalaran induktif (Kusrini, 2006: 26), adalah sebagai berikut: Premis

: Dioda yang salah menyebabkan peralatan elektronik rusak.

Premis

: Transistor rusak menyebabkan elektronik rusak.

Premis

: IC rusak menyebabkan peralatan elektronik tidak berfungsi.

Konklusi

: Maka, peralatan semikonduktor rusak merupakan penyebab utama rusaknya peralatan elektronik.

Pada penalaran induktif, konklusi tidak selalu mutlak, dapat berubah bilamana ditemukan fakta-fakta baru. 2.2.13.2.2 Jaringan Semantik (Semantic Nets) Konsep jaringan semantik diperkenalkan pada tahun 1968 oleh Ros Quillian. Jaringan semantik merupakan teknik representasi kecerdasan buatan klasik yang digunakan untuk informasi proporsional (Giarrantano dan Riley, 1994). Yang dimaksud dengan informasi proporsional adalah pernyataan yang mempunyai nilai benar atau salah. Informasi proporsional merupakan bahasa deklaratif karena menyatakan fakta (Kusrini, 2006: 30).

35

Representasi jaringan semantik merupakan penggambaran grafis dari pengetahuan

yang memperlihatkan

hubungan hirarkis

dari

objek-objek.

Komponen dasar untuk merepresentasikan pengetahuan dalam bentuk jaringan semantik adalah simpul (node) dan penghubung (link). Objek direpresentasikan oleh simpul. Hubungan antar objek-objek dinyatakan oleh penghubung yang diberi label untuk menyatakan hubungan yang direpresentasikan (Kusrini, 2006: 30). Gambar 2.10 berikut ini adalah sebuah contoh bagaimana pengetahuan dapat direpresentasikan menggunakan jaringan semantik (Kusrini, 2006: 30):

Gambar 2.10 Contoh Representasi Jaringan Semantik, (Kusrini, 2006: 30).

Jaringan semantik pada gambar 2.10 merepresentasikan pernyataan bahwa semua komputer merupakan alat elektronik, semua PC merupakan komputer, dan semua komputer memiliki monitor. Dari pernyataan tersebut dapat diketahui bahwa semua PC memiliki monitor dan hanya sebagian alat elektronik yang memiliki monitor.

2.2.13.2.3 Object Atributte Value (OAV) Object dapat berupa bentuk fisik atau konsep. Attribute adalah karakteristik atau sifat dari object tersebut. Values (nilai) besaran/ nilai/ takaran spesifik dari attribute tersebut pada situasi tertentu, dapat berupa numeric, string atau Boolean (Kusrini, 2006: 31).

36

Sebuah object bisa memiliki beberapa attribute, biasa disebut OAV Muliti attribute. Contoh representasi pengetahuan dengan OAV ditunjukkan pada Tabel 2.7 (Kusrini, 2006: 31). Tabel 2.7 Representasi Pengetahuan dengan OAV Object Mangga Mangga Mangga Mangga Pisang Pisang Sumber: (Kusrini, 2006: 31)

Attribute

Value

Warna Berbiji Rasa Bentuk Warna bentuk

Hijau, Orange Tunggal Asam, Manis Oval Hijau, Kuning lonjong

2.2.13.2.4 Bingkai (Frame) Bingkai berupa ruang-ruang (slots) yang berisi atribut untuk mendeskripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi ataupun elemen-elemen lainnya. Bingkai digunakan untuk representasi pengetahuan deklaratif (Kusrini, 2006: 31). Contoh frame dapat dilihat pada Gambar 2.11.

Gambar. 2.11 Contoh Frame, (Kusumadewi, 2003: 83).

37

Seperti pada jaringan semantik, tidak ada standar untuk mendefinisikan sistem berbasiskan bingkai. Bingkai dapat dipandang sebagai suatu struktur record pada bahasa tingkat tinggi atau sebuah atom dengan daftar propertinya (Kusrini, 2006: 32).

2.2.13.2.5 Kaidah Produksi (Production Rule) Kaidah produksi menyediakan cara formal untuk merepresentasikan rekomendasi, arahan, atau strategi. Kaidah produksi dituliskan dalam bentuk jikamaka (if-then). Kaidah produksi if-then menghubungkan antesenden (antecedent) dengan konsekuensi yang diakibatkannya. Berbagai struktur kaidah if-then yang menghubungkan objek atau atribut sebagai berikut (Kusrini, 2006: 33): IF premis THEN konklusi IF masukan THEN keluaran IF kondisi THEN tindakan IF antesenden THEN konsekuen IF data THEN hasil IF tindakan THEN tujuan IF sebab THEN akibat IF gejala THEN diagnosa Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat diperoleh. Masukan mengacu pada data yang harus tersedia sebelum keluaran dapat diperoleh. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat diambil. Antesenden mengacu situasi yang terjadi sebelum konsekuensi dapat diamati. Data mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan (Kusrini, 2006: 33). Terdapat langkah-langkah yang harus ditempuh dari pengetahuan yang didapatkan dalam domain tertentu. Langkah-langkah tersebut adalah dengan menyajikan pengetahuan yang berhasil didapatkan dalam bentuk tabel keputusan (decision table) kemudian dari tabel keputusan dibuat pohon keputusan (decision tree). 38

1. Tabel Keputusan (Decision Table) Menurut Jogiyanto (1999), tabel keputusan (decision table) merupakan tabel yang digunakan sebagai alat bantu untuk menyelesaikan logika di dalam program. Tabel keputusan merupakan suatu cara untuk mendokumentasikan pengetahuan.

Tabel

keputusan

juga

merupakan

matrik

kondisi

yang

dipertimbangkan dalam pendeskripsian kaidah. Walaupun kaidah secara langsung dapat dihasilkan dari tabel keputusan tetapi untuk menghasilkan kaidah yang efisien terdapat suatu langkah yang harus ditempuh yaitu membuat pohon keputusan terlebih dahulu. Dari pohon keputusan dapat diketahui atribut (kondisi) yang dapat direduksi sehingga menghasilkan kaidah yang efisien dan optimal. Contoh tabel keputusan dapat dilihat pada Tabel 2.8. Tabel 2.8 Contoh Tabel Keputusan Hipotesa Hipotesa 1 Hipotesa 2 Hipotesa 3 Evidence Evidence A ya ya ya Evidence B ya tidak ya Evidence C ya tidak tidak Evidence D tidak tidak tidak Evidence E tidak ya ya Sumber: Jogiyanto (1999).

Hipotesa 4 tidak ya ya ya tidak

2. Pohon Keputusan Menurut Kusumadewi (2003), tree (pohon keputusan) merupakan struktur penggambaran pohon secara hirarkis. tree juga merupakan suatu hierarki struktur yang terdiri dari node (simpul) yang menyimpan informasi atau pengetahuan dan cabang yang menghubungkan node. Cabang disebut juga link atau edge dan node disebut juga vertek. Gambar 2.12 menunjukkan binary tree yang mempunyai 0,1 atau 2 cabang per node. Dengan berorientasi pada tree (pohon), akar node adalah node yang tertinggi dalam hierarki dan daun adalah paling bawah. Tree dapat dianggap sebagai suatu tipe khusus dari jaringan semantik yang setiap nodenya, kecuali akar, pasti mempunyai satu node orang tua dan mempunyai nol atau lebih node anak.

39

Untuk tipe biasa dari binary tree, maksimum mempunyai dua anak untuk setiap node, dan sisi kiri dan kanan dari node anak dibedakan. Contoh tree (pohon keputusan) dapat dilihat pada Gambar 2.12.

Gambar 2.12 Contoh Tree (Pohon Keputusan), (Kusumadewi, 2003: 82). Jika node mempunyai lebih dari satu orang tua maka disebut dengan jaringan. Gambar 2.12 menunjukkan hanya ada satu urutan dari edge atau path dari akar untuk tiap node. Oleh karena itu dalam hal ini tidak mungkin untuk memindahkan secara berlawanan dengan arah panah.

2.2.14 Tahap Pengembangan Sistem Pakar Seperti layaknya pengembangan perangkat lunak, pada pengembangan sistem pakar pun diperlukan beberapa tahapan seperti terlihat pada Gambar 2.13.

40

Gambar 2.13 Tahap Pengembangan Sistem Pakar, (Durkin, 1994: 40). Keterangan: 7. Penilaian (Assessment) Merupakan proses untuk menentukan kelayakan dan justifikasi atas permasalahan yang akan diambil. Setelah proyek pengembangan dianggap layak dan sesuai dengan tujuan, maka selanjutnya ditentukan fitur-fitur penting dan ruang lingkup proyek serta sumber daya yang dibutuhkan. Sumber pengetahuan yang diperlukan diidentifikasi dan ditentukan persyaratan-persyaratan proyek. 8. Akuisisi Pengetahuan Merupakan proses untuk mendapatkan pengetahuan tentang permasalahan yang akan dibahas dan digunakan sebagai panduan dalam pengembangan. Pengetahuan ini digunakan untuk memberikan informasi tentang

41

permasalahan yang menjadi bahan acuan dalam mendesain sistem pakar. Tahap ini meliputi studi dengan diadakannya pertemuan dengan pakar untuk membahas aspek dari permasalahan. 9. Desain Berdasarkan pengetahuan yang telah didapatkan dalam proses akuisisi pengetahuan, maka desain antarmuka maupun teknik penyelesaian masalah dapat diimplementasikan kedalam sistem pakar. Dalam tahp desain ini, seluruh struktur dan organisasi dari pengetahuan harus ditetapkan dan dapat direpresentasikan kedalam sistem. Pada tahap desain, sebuah sistem prototype di bangun. Tujuan dari prmbangunan prototype tersebut adalah untuk memberikan pemahaman yang lebih baik atas masalah. 10. Pengujian Tahap ini dimaksudkan untuk menguji apakah sistem pakar yang dibangun telah sesuai dengan tujuan pengembangan maupun kesesuaian kinerja sistem dengan metode penyelesaian masalah yang bersumber dari pengetahuan yang sudah didapkan. Apabila dalam tahap ini terdapat bagian yang harus dievaluasi maupun dimodifikasi maka hal tersebut harus segera dilakukan agar sistem pakar dapat berfungsi sebagaimana tujuan pengembangannya. 11. Dokumentasi Tahap dokumentasi diperlukan untuk mengkompilasi semua informasi proyek sistem pakar ke dalam bentuk dokumen yang dapat memenuhi persyaratan yang dibutuhkan pengguna dan pengembang sistem. Dokumentasi tersebut menjelaskan tentang bagaimana mengoperasikan sistem, instalasi, kebutuhan minimum sistem maupun bantuan yang mungkin diperlukan oleh pengguna maupun pengembang sistem pakar. Selain hal tersebut, maka secara khusus harus juga mendokumentasikan kamus data pengetahuan maupun prosedur penelusuran masalah dalam mesin inferensinya.

42

12. Pemeliharaan Setelah sistem digunakan dalam lingkungan kerja, maka selanjutnya diperlukan pemeliharaan secara berkala. Pengetahuan itu sifatnya tidak statis melainkan terus tumbuh dan berkembang. Pengetahuan dari sistem perlu diperbaharui atau disempurnakan untuk memenuhi kebutuhan saat ini. 2.3

Basis Data (Database) Hampir semua operasi dalam komputer berhubungan dengan pengolahan

data dan sebagian besar program yang berhubungan dengan operasi data dipastikan menggunakan database sebagai tempat penyimpanan dan pengolahan data (Jogiyanto, 2003: 109). 2.3.1 Definisi Basis Data (Database) Pengertian database yang paling sederhana adalah kumpulan dari tabel. Satu tabel merepresentasikan suatu entitas tertentu. Suatu entitas terdiri atas beberapa atribut (Heryanto, 2006: 1). Dari definisi diatas dapat disimpulkan bahwa basis data merupakan kumpulan data (arsip) yang saling berhubungan yang merefleksikan fakta-fakta yang terdapat di organisasi dan disimpan dalam bentuk penyimpanan elektronis. Dalam prakteknya, untuk kemudahan dalam mengakses data, data disusun dalam suatu struktur logis yaitu sebagai berikut (Kadir, 2005: 482): 1. Kumpulan tabel menyusun basis data 2. Tabel tersusun atas sejumlah record 3. Sebuah record mengandung sejumlah field 4. Sebuah field disimpan dalam bentuk kumpulan bit

43

Pengertian dari masing-masing istilah diatas adalah sebagai berikut (Kadir, 2005: 483): 1. Field (medan) menyatakan data terkecil yang memiliki makna. Istilah lain untuk field yaitu elemen data, kolom, item, dan atribut. Ada empat tipe field yang dapat disimpan, yaitu (Whitten, 2004: 520): a. Primary key, adalah sebuah field yang secara unik mengidentifikasikan record pada file. b. Secondary key, adalah sebuah filed yang megidentifikasikan record tunggal atau sebuah subset dari record-record yang terkait. c. Foreign key, adalah sebuah field yang menunjuk kepada record pada file lain pada sebuah database. d. Descriptive field, adalah semua field lainnya (non key) yang menyimpan data bisnis. 2. Record (rekaman) menyatakan kumpulan dari sejumlah elemen data yang saling terkait. Sebagai contoh, nama, alamat, tanggal lahir, dan jenis kelamin dari seseorang menyusun sebuah record. Istilah lain yang menyatakan record yaitu tupel dan baris. 3. Tabel menghimpun sejumlah record. Sebagai contoh, data pribadi dari semua mahasiswa disimpan dalam sebuah tabel. 4. Basis data adalah suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan aktivitas untuk memperoleh informasi. Sebagai contoh, basis data akademis mengandung tabel-tabel yang berhubungan dengan data mahasiswa, data jurusan, data matakuliah, data pengambilan matakuliah pada suatu semester, dan data nilai yang diperoleh mahasiswa. Untuk lebih jelasnya, contoh masing-masing dari basis data, tabel, field, dan record dapat dilihat pada Gambar 2.14.

44

Basis Data : Akademis

Sebuah field

Sebuah record

Gambar 2.14 Contoh Basis Data, Tabel, field, dan record (Kadir, 2005: 484). 2.3.2 Fungsi Basis Data (Database) Salah satu fungsi basis data (database) yang paling utama adalah untuk memudahkan dalam mengakses data. Kemudahan pengaksesan data ini adalah sebagai implikasi dari keteraturan data yang merupakan syarat mutlak dari suatu database yang baik (Heryanto, 2006: 5). Sedangkan fungsi basis data pada sistem pakar yaitu sebagai tempat penyimpanan data dalam bentuk tabel-tabel untuk memudahkan proses pemrograman dengan bahasa komputer dan memudahkan proses mekanisme inferensi dalam penelusuran dan manipulasi data (Jogiyanto, 2003: 14). 2.3.3 Pemodelan Data Pemodelan data merupakan kumpulan perangkat konseptual untuk menggambarkan data, hubungan data, semantic (makna) dan batasan data. 2.3.3.1 Flowmap Flowmap atau bagan alir adalah bagan yang menunjukan aliran di dalam program atau prosedur sistem secara logika. Flowmap ini berfungsi untuk memodelkan masukan, keluaran, proses maupun transaksi dengan menggunakan simbol-simbol tertentu. Pembuatan flowmap ini harus dapat memudahkan bagi pemakai dalam memahami alur dari sistem atau transaksi. Adapun pedoman-

45

pedoman dalam pembuatan flowmap adalah sebagai berikut (Tim Pelaksana Praktikum Basis Data, 2009: 3): a. Flowmap sebaiknya digambarkan dari atas ke bawah dan mulai dari bagian kiri dari suatu halaman. b. Kegiatan di dalam flowmap harus ditunjukkan dengan jelas. c. Harus ditunjukkan darimana kegiatan akan dimulai dan dimana akan berakhir. d. Masing-masing kegiatan di dalam flowmap sebaiknya digunakan suatu kata yang mewakili suatu pekerjaan. e. Masing-masing kegiatan di dalam flowmap harus di dalam urutan semestinya. f. Kegiatan yang terpotong dan akan disambung di tempat lain harus ditunjukkan dengan jelas menggunakan simbol penghubung. g. Gunakan simbol-simbol flowmap yang standar. Adapun simbol-simbol yang sering digunakan dalam flowmap dapat dilihat pada Tabel 2.9 (Tim Pelaksana Praktikum Basis Data, 2009: 4). Tabel 2.9 Simbol yang digunakan dalam Flowmap Simbol

Keterangan Terminator Simbol yang digunakan untuk menunjukkan awal atau akhir dari suatu proses Document Menunjukkan dokumen input dan output baik untuk proses manual, mekanik maupun komputer. Manual operation Menunjukkan pekerjaan manual Multi document Menunjukkan multi dokumen

Sumber: (Tim Pelaksana Praktikum Basis Data, 2009: 4)

46

Tabel 2.9 Simbol yang digunakan dalam Flowmap (Lanjutan) Simbol

Keterangan Arsip Pengarsipan data

Process Menunjukkan proses Sumber: (Tim Pelaksana Praktikum Basis Data, 2009: 4) 2.3.3.2 Data Flow Diagram (DFD) Data Flow Diagram (DFD) adalah alat pembuatan model yang memungkinkan profesional sistem untuk menggambarkan sistem sebagai suatu jaringan proses fungsional yang dihubungkan satu sama lain dengan alur data atau dengan

kata

lain

merupakan

suatu

diagram

yang

digunakan

untuk

menggambarkan suatu sistem yang telah ada atau sistem yang baru dikembangkan secara fisik, dimana data mengalir atau disimpan (Tim Pelaksana Praktikum Basis Data, 2009: 5). Untuk membaca DFD kita harus memahami dulu, elemen-elemen yang menyusun suatu DFD. Ada empat elemen yang menyusun suatu DFD, yaitu (Al Fatta, 2007: 106): 1. Proses Aktivitas atau fungsi yang dilakukan untuk alasan bisnis yang spesifik, biasa berupa manual maupun terkomputerisasi. 2. Data flow Satu data tunggal atau kumpulan logis suatu data, selalu diawali atau berakhir pada suatu proses. 3. Data store Kumpulan data yang disimpan dengan cara tertentu. Data yang mengalir disimpan dalam data store. Aliran data di update atau ditambahkan ke data store.

47

4. External entity Orang, organisasi, atau sistem yang berada di luar sistem tetapi berinteraksi dengan sistem. Elemen-elemen dari DFD beserta lambangnya masing-masing dapat dilihat pada Tabel 2.10. Tabel 2.10 Elemen-elemen dari DFD dan Lambangnya Elemen Data Flow Diagram Setiap proses memiliki: Nomor Nama Deskripsi proses Satu/ lebih koneksi ke satu proses Setiap Data Flow memiliki: Nama Deskripsi Satu/ lebih koneksi ke satu proses Setiap data store memiliki: Nomor Nama Deskripsi Satu/ lebih input data flow Satu/ lebih output data flow Setiap entitas eksternal memiliki: Nama Deskripsi

Field Tipikal yang biasa digunakan Label (Nama) Type (proses) Deskripsi Nomor proses Label Type Deskripsi Alias Komposisi (deskripsi dari elemenelemen data) Label (nama) Type Deskripsi Alias Komposisi catatan

Label Type Deskripsi Alias Deskripsi entitas

Simbol Gene and Sarson

Simbol De Marco and Jourdan

Nama

No Proses Nama Proses

Nama

Nama entitas

Nama

Nama entitas

Sumber: (Al Fatta, 2007: 107) Untuk memulai suatu diagram aliran data, diperlukan suatu rangkuman narasi sistem organisasi yang telah dibuat dalam bentuk sebuah daftar dengan empat kategori yang terdiri dari entitas eksternal, aliran data, proses, dan

48

penyimpanan data. Daftar ini digunakan untuk membantu menentukan batas-batas yang akan digambarkan. Adapun keunggulan menggunakan data flow diagram (DFD) adalah sebagai berikut (Tim Pelaksana Praktikum Basis Data, 2009: 5):  Dapat menggambarkan sistem secara terstruktur dengan memecahmemecah menjadi level yang lebih rendah  Dapat menunjukkan aliran data di sistem  Dapat menunjukkan simpanan data (basis data)  Dapat menunjukkan kesatuan luar (terminator)  DFD memberikan konsep yang jelas dalam memahami suatu masalah Tingkatan-tingkatan yang terdapat pada DFD adalah (Tim Pelaksana Praktikum Basis Data, 2009: 56): a. Diagram Konteks Diagram konteks adalah tingkatan tertinggi dalam diagram aliran data dan hanya memuat suatu proses, menunjukkan sistem secara keseluruhan. Proses tersebut diberi nomor nol. Semua entitas eksternal yang ditunjukkan pada diagram konteks berikut aliran data-aliran data utama menuju dan dari sistem. Diagram tersebut tidak memuat penyimpanan data dan tampak sederhana untuk diciptakan, begitu entitas-entitas eksternal serta aliran data-aliran data menuju dan dari sistem diketahui penganalisis dari wawancara dengan pengguna dan sebagai hasil analisis dokumen. b. Diagram zero (Diagram 0) Diagram 0 adalah pengembangan diagram konteks dan bias mencakup sampai Sembilan proses. Memasukkan lebih banyak proses pada level ini akan terjadi dalam suatu diagram yang kacau dan sulit dipahami. Setiap proses diberi nomor bilangan bulat, umumnya dimulai dari sudut sebelah kiri atas diagram dan mengarah ke sudut sebelah kanan bawah. Penyimpanan data-data utama dari sistem dan semua entitas eksternal dimasukkan ke dalam diagram 0.

49

c. Diagram Level n Diagram level n adalah hasil dekomposisi dari diagram zero. Diagram level n menjelaskan proses secara lebih terperinci. Diagram level 1 merupakan turunan langsung dari diagram zero, artinya diagram level 1 berada satu tingkat lebih rendah dari diagram zero. Apabila diagram level 1 ini diuraikan lagi, maka akan terbentuk diagram level 2, dan seterusnya. 2.3.3.3 Entity Relationship Diagram (ERD) Entity relationship diagram (ERD) adalah salah satu model relasi yang menggunakan susunan data yang disimpan dalam sistem secara abstrak. ERD merupakan model ER yang berisi komponen-komponen himpunan entitas dan himpunan

relasi

yang

masing-masing

dilengkapi

atribut-atribut

yang

merepresentaikan seluruh fakta dari dunia nyata yang akan ditinjau, dan dapat digambarkan dengan lebih sistematis (Tim Pelaksana Praktikum Basis Data, 2009: 10). Seperti data flow diagram (DFD), Entity relationship diagram (ERD) juga menggunakan simbol-simbol khusus untuk menggambarkan elemen-elemen ERD. Simbol-simbol yang digunakan dalam Entity relationship diagram (ERD) dapat dilihat pada Tabel 2.11 (Al Fatta, 2007: 123). Tabel 2.11 Elemen-elemen dari ERD Elemen Entity Relationship Diagram Entitas: Orang, tempat, atau benda Memiliki nama tunggal Ditulis dengan huruf besar Berisi lebih dari 1 instance

IDEF1X

Chen

Information Engineering

ENTITY NAME

ENTITY NAME

ENTITY NAME

Identifier

Sumber : (Al Fatta, 2007: 124)

50

Tabel 2.11 Elemen-elemen dari ERD (Lanjutan) Elemen Entity Relationship Diagram Attribute: Property dari entitas Harus digunakan oleh minimal 1 proses bisnis Dipecah dalam detail

IDEF1X

Information Engineering

Chen

ENTITY NAME Attribute name

ENTITY NAME Attribute name

Attribute name

Attribute name

Attribute name

Attribute name

Attribute name

Relationship: Menunjukkan hubungan antar 2 entitas Relationship Dideskripsikan dengan name kata kerja Memiliki modalitas (null/ not null) Memiliki kardinalitas (1:1, 1:N atau M:N) Sumber: (Al Fatta, 2007: 124)

Relationship name

Relationship name

Keterangan: 1. Entitas Entitas

berupa

orang,

kejadian,

ataubenda

dimana

data

akan

dikumpulkan. Untuk menjadi sebuah entitas, suatu objek harus menampilkan beberapa kali event. Sebagai contoh, jika sebuah firma hanya memiliki 1 gudang, maka gudang tersebut bukan entitas. Tetapi jika perusahaan memiliki bnayak gudang, maka gudang bias menjadi instance suatu entitas jika perusahaan ingin menyimpan data untuk setiap anggota dari gudang. Contoh entitas dan instance dapat dilihat pada Gambar 2.15. Entity Patient

Example Instances John Smith Susan Jones Peter Todd Dale Turner

Gambar 2.15 Contoh Entitas dan Instance (Al Fatta, 2007: 124). 51

2. Atribut  Informasi yang diambil tentang sebuah entitas.  Hanya yang digunakan oleh organisasi yang dimasukkan dalam model.  Nama atribut harus merupakan kata benda.  Kadang nama entitas diletakkan di depan nama atribut untuk ketelitian. 3. Identifier  Satu atau lebih atribut dapat menjadi identifier entitas, yang secara unik mengidentifikasi setiap anggota dari entitas.  Concatenated identifier (identifier gabungan) terdiri dari beberapa atribut.  Identifier bisa saja artificial, seperti dengan membuat nomor ID.  Identifier tidak akan dikembangkan sampai fase desain. Tipe-tipe identifier dapat dilihat pada Gambar 2.16. PASIEN

PASIEN

Pasien_nama_dpn Pasien_nama_blkg

PASIEN

Pasien_ID Pasien_nama_dpn Pasien_nama_blkg

Concatenated Identifier

Single Identifier

Pasien_nama_dpn Pasien_nama_blkg

Identifier ditambahkan berikutnya

Gambar 2.16 Tipe-tipe Identifier (Al Fatta, 2007: 126). 4. Relationship  Hubungan antar entitas.  Entitas pertama dalam relationship disebut entitas induk, entitas kedua disebut sebagai entitas anak.  Relationship harus memiliki nama yang berupa kata kerja.  Relationship berjalan 2 arah.

52

5. Kardinalitas  Kardinalitas mengacu pada berapa kali instance dari suatu entitas dapat berelasi dengan instance lain di entitas yang berbeda.  Satu instance dalam satu entitas mengacu pada satu dan hanya satu instance pada entitas lainnya (1:1).  Satu instance dalam suatu entitas mengacu ke satu atau lebih instance yang berelasi (1:N).  Satu atau lebih instance dalam suatu entitas mengacu pada satu atau lebih instance pada entitas yang berelasi (M:N).

6. Modalitas  Mengacu pada apakah suatu instance dari entitas anak dapat ada tanpa suatu relasi dengan instance dari entitas induk atau tidak.  Not Null, berarti bahwa suatu instance pada entitas yang berelasi harus ada untuk suatu instance dari entitas lain untuk disebut valid.  Null, berarti bahwa tidak ada instance dalam entitas yang berelasi yang diperlukan untuk instance pada relasi lain untuk dikatakan valid. Berikut penggambaran relasi antar himpunan entitas, serta relasi itu sendiri digunakan untuk menjelaskan batasan-batasan pada jumlah entitas yang dihubungkan dengan melalui suatu relationship. Ada tiga derajat relasi, yaitu (Tim Pelaksana Praktikum Basis Data, 2009: 11): 1. One to One (Satu ke Satu) Dalam relasi one to one, setiap record dalam tabel A berhubungan paling banyak dengan satu record pada tabel B, dan begitu juga sebaliknya. Jenis relasi ini tidak umum, karena sebenarnya tabel A dan tabel B dapat digabungkan menjadi satu tabel. Contoh relasi one to one dapat dilihat pada Gambar 2.17.

53

Gambar 2.17 Contoh Relasi One to One, (Tim Pelaksana Praktikum Basis Data, 2009: 11).

Pada Gambar 2.17 menunjukkan bahwa setiap satu pengirim barang hanya akan mempunyai satu no. resi pengiriman barang. 2. One to Many (Satu ke Banyak) Relasi one to many adalah bentuk relasi yang paling umum. Dalam relasi one to many, sebuah record dari tabel A berhubungan dengan banyak record pada tabel B. namun sebuah record dalam tabel B berhubungan dengan satu record pada tabel A. Contoh relasi one to many dapat dilihat pada Gambar 2.18.

Gambar 2.18 Contoh Relasi One to Many, (Tim Pelaksana Praktikum Basis Data, 2009: 11). Pada Gambar 2.18 menunjukkan bahwa setiap satu pengirim barang dapat mengirim satu atau lebih barang. 3. Many to Many (Banyak ke Banyak) Dalam relasi many to many, sebuah record dalam tabel A dapat berhubungan dengan banyak record pada tabel B dan sebaliknya. Jenis relasi ini hanya dimungkinkan jika kita mendefinisikan tabel baru sebagai perantara. Contoh relasi many to many dapat dilihat pada Gambar 2.19. 54

Gambar 2.19 Contoh Relasi Many to Many, (Tim Pelaksana Praktikum Basis Data, 2009: 11). Pada Gambar 2.19 menunjukkan bahwa setiap mahasiswa dapat mengambil mata kuliah leih dari satu dan setiap mata kuliah dapat diambil oleh lebih dari satu mahasiswa. 2.4

Software Pendukung Ada dua software aplikasi yang digunakan dalam proses perancangan

aplikasi sistem pakar, yaitu: Microsoft Visual Basic 6.0 dan Microsoft Access 2003. 2.4.1 Microsoft Visual Basic 6.0 Microsoft Visual Basic versi 6.0 merupakan salah satu aplikasi pemrograman visual yang memiliki bahasa pemrograman yang cukup populer dan mudah untuk dipelajari. Dengan Visual Basic, kita bisa membuat program yang memungkinkan pengguna komputer berkomunikasi dengan komputer tersebut. Microsoft Visual Basic 6.0 menyediakan berbagai perangkat kontrol yang dapat digunakan untuk membuat program aplikasi sederhana hingga ke aplikasi pengolahan database (MADCOMS, 2008: 1). 2.4.2 Microsoft Access 2003 Microsoft Access 2003 merupakan perangkat lunak sistem manajemen database relasional dan berorientasi visual, serta berbasis Windows. Fungsi kinerja utamanya adalah digunakan untuk membuat dan memodifikasi tabel, formulir entry data, query, laporan dan database. Kemampuan memodifikasi keempat option database tersebut juga didukung oleh keterkaitannya dengan

55

bahasa pemrograman yang lain, salah satunya Microsoft Visual Basic (Pramana, 2005: 17). 2.5

Penyakit Asma Penyakit asma merupakan salah satu penyakit kronis (jangka panjang) yang

paling umum, dan menyerang antara 100-150 juta orang di seluruh dunia. Penyakit asma bisa terjadi pada orang di segala usia. Walaupun pada sebagian besar orang, penyakit asma timbul sejak masa kanak-kanak, gejala penyakit asma dapat muncul kapan pun dalam kehidupannya (Bull, 2005: 24). 2.5.1 Definisi Penyakit Asma Menurut Dr. Hendrik Santoso salah satu dokter di RS. Bethesda Garut menyatakan bahwa penyakit asma merupakan penyakit saluran napas yang menyempit yang disebabkan oleh faktor ekstrinsik (luar) dan faktor intrinsik (dalam) dan bersifat reversible. Pada penyakit asma, saluran napas menjadi sempit dan hal ini membuat sulit bernapas. Terjadi beberapa perubahan pada saluran napas penyandang penyakit asma, tetapi semuanya dapat dipulihkan ke kondisi semula dengan terapi yang tepat. Beberapa perubahan tersebut diantaranya: dinding saluran napas membengkak, sekumpulan lendir dan sel-sel yang rusak menutupi sebagian saluran napas, hidung mengalami iritasi dan mungkin menjadi tersumbat, otot-otot saluran napas mengencang, saluran napas menjadi merah dan meradang. Penyakit asma sangat terkait dengan alergi. Alergi dapat memperparah penyakit asma. Namun demikian, tidak semua penyandang penyakit asma mempunyai alergi, dan tidak semua orang yang mempunyai alergi menyandang penyakit asma. Alergi adalah reaksi yang terjadi ketika sistem imun salah mengidentifikasi zat yang secara normal tidak berbahaya sebagai zat yang merusak tubuh (Bull, 2005: 8). Perubahan saluran napas yang terjadi pada penyakit asma dapat dilihat pada Gambar 2.20.

56

Normal otot

Asma Otot bereaksi dan mengencang

Dinding saluran napas

Saluran yang besar untuk lewatnya udara

Peradangan dinding saluran napas

Saluran yang sempit untuk lewatnya udara

Gambar 2.20 Perubahan Saluran Napas yang Terjadi Pada Penyakit Asma, (Bull, 2005: 9). 2.5.2 Sejarah Penyakit Asma Gejala mirip penyakit asma pertama kali tercatat lebih dari 3.500 tahun yang lalu dalam manuskrip (catatan kuno) di Mesin. Filsuf Yunani Hippocrates adalah orang yang pertama kali menggunakan istilah penyakit asma (asthma) yang artinya sulit bernapas. Catatan sejarah yang berusia 1.500 SM menunjukkan bahwa penyakit asma dianggap sebagai penyakit yang disebabhkan oleh roh. Pada abad ke-17 dan ke-18 dokter mulai menyadari bahwa penyakit asma disebabkan oleh penyempitan saluran napas. Pada tahun 1678, dokter Thomas Willis mendeskripsikan penyakit asma sebagai penyempitan (obstruksi) bronki oleh ciaran kental, dan obstruksi dari luar tubuh. Sir John Floyer pada tahun 1698 pertama kali menyatakan bahwa penyakit asma disebabkan oleh spasme (kejangnya) otot polos bronkus. Sejak tahun 1970-an mulai didapatkan kejelasan bahwa penyakit asma merupakan gangguan peradangan kronis pada saluran napas. Orang-orang terkenal yang menyandang penyakit asma di antaranya Ludwig van Beethoven, Charles Dickens, dan John F. Kennedy (Bull, 2005: 49).

57

2.5.3 Pemicu Penyakit Asma Walaupun peradangan saluran napas pada penyakit asma selalu terjadi, penyakit asma dapat diperburuk atau dipicu oleh beberapa faktor. Ada dua jenis pemicu penyakit asma, yaitu alergen dan iritan (Bull, 2005: 10). 1. Alergen Alergen adalah zat yang menyebabkan gejala penyakit asma dengan cara memunculkan reaksi alergi. Alergen penyakit asma yang umum di antaranya: serbuk sari (bunga), hewan, dan tungau debu rumah. 2. Iritan Iritan adalah zat yang menyebabkan gejala penyakit asma dengan cara mengganggu saluran napas. Iritan penyakit asma yang umum di antaranya: udara dingin, asap rokok, dan asap sisa pembakaran bahan kimia. 2.5.4 Penyebab Penyakit Asma Menurut Dr. Hendrik Santoso, ada 2 faktor utama penyebab penyakit asma, yaitu: 1. Faktor ekstrinsik, yaitu debu, dingin dan asap. 2. Faktor intrinsik, yaitu alergi, fisik yang melemah, dan latihan fisik berlebih. 2.5.5 Gejala Umum Penyakit Asma Perubahan saluran napas yang terjadi pada penyakit asma menyebabkan dibutuhkannya usaha yang jauh lebih keras untuk memasukkan dan mengeluarkan udara dari paru-paru. hal tersebut dapat memunculkan gejala (Bull, 2005: 10): 1. Sesak napas/ sulit bernapas 2. Sesak dada 3. Mengi/ napas berbunyi (wheezing) 4. Batuk (lebih sering terjadi pada anak-anak daripada orang dewasa) Tidak semua orang akan mengalami gejala-gejala tersebut. Beberapa orang dapat mengalaminya dari waktu ke waktu, dan beberapa orang lainnya selalu

58

mengalaminya sepanjang hidupnya. Gejala penyakit asma sering kali memburuk pada malam hari atau setelah mengalami kontak dengan pemicu penyakit asma. 2.5.6

Klasifikasi Penyakit Asma

Ada 3 klasifikasi penyakit asma menurut Dr. Hendrik Santoso, yaitu: 1. Berdasarkan waktu 2. Berdasarkan penyebab 3. Berdasarkan berat/ ringan gejala Selain itu, menurut Bull (2005) ada 3 tipe penyakit asma, diantaranya: 1. Penyakit Asma Pekerjaan 2. Penyakit Asma Sensitif Aspirin 3. Penyakit Asma yang dipicu olahraga 2.5.6.1 Berdasarkan Waktu Klasifikasi penyakit asma berdasarkan waktu dapat di bagi menjadi tiga, yaitu: penyakit asma akut, penyakit asma kronis, dan penyakit asma periodik. 2.5.6.1.1

Penyakit Asma Akut Disebut penyakit asma akut apabila terjadinya bronkospasme

sedemikian parah sehingga pasien sulit bernapas pada kondisi istirahat dan tingkat stres tertentu pada jantung Penyakit asma akut ditandai antara lain dengan napas yang cepat (>30 kali/ menit), dan meningkatnya denyut nadi. 2.5.6.1.2

Penyakit Asma Kronis Serangan pertama penyakit asma kronis 25% pada anak sebelum umur

6 bulan, 75% sebelum umur 3 tahun. Pada 50% anak terdapat mengi yang lama pada 2 tahun pertama dan ada 50% sisanya serangan episodik. Pada umur 5-6 tahun akan lebih jelas terjadinya obstruksi saluran napas yang persisten dan hampir selalu terdapat mengi setiap hari. Dari waktu ke waktu terjadi serangan yang berat dan memerlukan perawatan di rumah sakit. 2.5.6.1.3

Penyakit Asma Periodik 59

Disebut asma intermiten bila pasien mengalami eksaserbasi (episode batuk, wheezing dan sesak) kurang dari sekali seminggu dalam jangka waktu sedikitnya 3 bulan, dan eksaserbasi hanya berlangsung beberapa jam atau hari. Gejala asma nokturnal tidak lebih dari 2 kali sebulan. 2.5.6.2 Berdasarkan Penyebab Selain berdasarkan waktu, penyakit asma juga dapat diklasifikasikan berdasarkan penyebab, yaitu: penyakit asma ekstrinsik dan penyakit asma intrinsik. 2.5.6.2.1

Penyakit Asma Ekstrinsik Penyakit asma ekstrinsik adalah bentuk penyakit asma yang paling

umum, dan disebabkan karena reaksi alergi penderitanya terhadap hal-hal tertentu (alergen), yang tidak membawa pengaruh apa-apa terhadap mereka yang sehat. 2.5.6.2.2

Penyakit Asma Intrinsik Penyakit asma intrinsik tidak responsif terhadap pemicu yang berasal

dari alergen. Penyakit asma jenis ini disebabkan oleh stres, infeksi, dan kondisi lingkungan seperti cuaca, kelembaban dan suhu udara, polusi udara, dan juga oleh aktivitas olahraga yang berlebihan. Penyakit asma intrinsik biasanya berhubungan dengan menurunnya kondisi ketahanan tubuh, terutama pada mereka yang memiliki riwayat kesehatan paru-paru yang kurang baik, misalnya karena bronkitis dan radang paru-paru (pneumonia). 2.5.6.3 Berdasarkan Berat/ Ringan Gejala Penyakit asma dapat pula diklasifikasikan berdasarkan berat/ ringannya gejala, diantaranya: penyakit asma ringan, penyakit asma sedang, dan penyakit asma berat.

2.5.6.3.1

Penyakit Asma Berat

60

Penyakit asma berat adalah penyakit inflamasi (radang) kronik saluran napas menyebabkan peningkatan hiperesponsif jalan nafas. Gejala penyakit asma berat terjadi terus-menerus dan serangan sering terjadi. Gejala penyakit asma berat terjadi hampir setiap malam. Akibatnya faal paru sangat menurun. 2.5.6.3.2

Penyakit Asma Sedang Penyakit asma sedang merupakan 28% dari populasi penyakit asma

anak. Pada dua pertiga golongan ini serangan pertama terjadi pada umur sebelum 3 tahun. Pada permulaan, serangan berhubungan dengan infeksi saluran pernapasan atas. Pada umur 5–6 tahun dapat terjadi serangan tanpa infeksi yang jelas. Biasanya orang tua menghubungkannya dengan perubahan udara, adanya alergen, aktivitas fisik dan stress. Pada golongan lanjut kadang-kadang sukar dibedakan dengan golongan penyakit asma kronik atau persisten. 2.5.6.3.3

Penyakit Asma Ringan Penyakit asma ringan merupakan 70–75% dari populasi penyakit asma

anak. Serangan umumnya dicetuskan oleh infeksi virus saluran napas atas. Penyakit asma ringan disebabkan karena adanya hambatan sebagian sistem adrenergik, kurangnya enzim adenilsiklase dan meningginya tonus sistem parasimpatik. Penyebab lainnya faktor genetika, biokimiawi, saraf otonom, imunologis, infeksi, endokrin, psikologis dan lingkungan lainnya. 2.5.6.4 Penyakit Asma Pekerjaan Penyakit asma pekerjaan adalah penyakit asma yang dipicu oleh zat-zat khusus yang terdapat di lingkungan kerja. Penyakit asma pekerjaan dapat terjadi pada: perokok dan bukan perokok, orang yang sudah menyandang penyakit asma dan orang yang bukan penyandang penyakit asma, orang yang baru saja pindah kerja dan orang yang telah berada dalam pekerjaan yang sama selama bertahuntahun. 2.5.6.5 Penyakit Asma Sensitif Aspirin 61

Penyandang penyakit asma yang sensitif terhadap aspirin memproduksi zat kimia leukotrien dalam jumlah berlebihan. Leukotrin menyebabkan otot-otot disekitar saluran bronkus berkontraksi, menyempitkan saluran napas, dan menyebabkan munculnya mengi serta kesulitan bernapas. 2.5.6.6 Penyakit Asma yang Dipicu Olahraga Penyakit asma yang dipicu olahraga disebabkan karena pendinginan dan pengeringan saluran napas yang meningkat saat bernapas dengan cepat dan dalam, selama dan sesudah olahraga. 2.6

Penyuluhan Kurangnya pengetahuan masyarakat tentang gejala spesifik penyakit asma,

menjadi dasar pertimbangan diadakannya penyuluhan sebagai antisipasi pengobatan cepat terhadap penanganan pertama pada penyakit asma sehingga angka kesakitan terhadap penyakit asma dapat diturunkan dengan pengenalan penyakit asma. Penyuluhan ini dimaksudkan untuk meningkatkan pengetahuan masyarakat mengenai penyakit asma sehingga pengetahuan masyarakt bertambah dan dapat melakukan tindakan terhadap penderita penyakit asma agar tingkat kesehatan mereka meningkat. Sumber: http://ners-blog.blogspot.com/ 2.6.1 Definisi Penyuluhan Penyuluhan adalah proses perubahan perilaku dikalangan masyarakat agar mereka tahu, mau dan mampu melakukan perubahan demi tercapainya peningkatan

produksi,

pendapatan

atau

kesejahteraannya. Sumber: http://www.prasko.com/

2.6.2 Tujuan Penyuluhan

62

keuntungan

dan

perbaikan

Adapun tujuan dari penyuluhan penyakit asma adalah sebagai berikut: 2.6.2.1 Tujuan Umum Setelah dilakukan penyuluhan tentang penyakit asma diharapkan masyarakat mengerti dan memahami tentang penyakit asma. Mau untuk melakukan pencegahan dan perawatan serta tergerak untuk melakukan tindakan preventif, sehingga mengurangi angka terjadinya sesak nafas sebagai akibat dari penyakit asma. 2.6.2.2 Tujuan Khusus Setelah dilakukan penyuluhan tentang penyakit asma, masyarakat dapat mengerti dan menjelaskan tentang: 1. Pengertian penyakit asma 2. Jenis-jenis penyakit asma dan penyebabnya 3. Tanda dan gejala penyakit asma 4. Pencegahan timbulnya penyakit asma 5. Penanganan yang dapat dilakukan oleh penderita penyakit asma Sumber: http://ners-blog.blogspot.com/ 2.6.3 Faktor-faktor Penyuluhan Faktor-faktor yang perlu diperhatikan terhadap sasaran dalam keberhasilan penyuluhan adalah sebagai berikut: 1. Tingkat Pendidikan Pendidikan dapat mempengaruhi cara pandang seseorang terhadap informasi baru yang diterimanya. Maka dapat dikatakan bahwa semakin tinggi tingkat pendidikannya, semakin mudah seseorang menerima informasi yang didapatnya. 2. Tingkat Sosial Ekonomi Semakin tinggi tingkat sosial ekonomi seseorang, semakin mudah pula dalam menerima informasi baru. 3. Adat Istiadat

63

Pengaruh dari adat istiadat dalam menerima informasi baru merupakan hal yang tidak dapat diabaikan, karena masyarakat kita masih sangat menghargai dan menganggap sesuatu yang tidak boleh diabaikan. 4. Kepercayaan Masyarakat Masyarakat lebih memperhatikan informasi yang disampaikan oleh orangorang yang sudah mereka kenal, karena sudah timbul kepercayaan masyarakat dengan penyampai informasi. 5. Ketersediaan Waktu di Masyarakat Waktu penyampaian informasi harus memperhatikan tingkat aktifitas masyarakat untuk menjamin tingkat kehadiran masyarakat dalam penyuluhan. Sumber: http://www.prasko.com/

64

BAB III ANALISIS SISTEM

Pada Bab ini akan menjelaskan mengenai tahapan-tahapan yang dilakukan dalam menganalisis sistem. Tahap pertama yaitu penilaian sistem (assessment) dan tahap kedua yaitu akuisisi pengetahuan. 3.1

Penilaian Sistem (Assessment) Penilaian sistem (assessment) merupakan tahap pertama pada proses analisis

sistem yang meliputi kelayakan dan justifikasi masalah, tujuan pengembangan sistem pakar, dan analisis kebutuhan. 3.1.1 Kelayakan dan Justifikasi Masalah Di Indonesia prevalensi asma belum diketahui secara pasti, namun hasil penelitian pada anak sekolah usia 13 - 14 tahun dengan menggunakan kuesioner ISAAC (International Study on Asthma and Allergy in Children) tahun 1995 prevalensi asma masih 2,1%, sedangkan pada tahun 2003 meningkat menjadi 5,2%. Hasil survey asma pada anak sekolah di beberapa kota di Indonesia (Medan, Palembang, Jakarta, Bandung, Semarang, Yogyakarta, Malang dan Denpasar) menunjukkan prevalensi asma pada anak SD (6 sampai 12 tahun) berkisar antara 3,7% - 6,4%, sedangkan pada anak SMP di Jakarta Pusat sebesar 5,8% tahun 1995 dan tahun 2001 di Jakarta Timur sebesar 8,6%. Berdasarkan gambaran tersebut di atas, terlihat bahwa asma telah menjadi masalah kesehatan masyarakat yang perlu mendapat perhatian secara serius (DEPKES R.I, 2009: 5). Berbagai upaya telah dilakukan oleh pemerintah untuk menanggulangi asma di masyarakat seperti bimbingan teknis, pemantauan, penyuluhan di bidang penyakit asma, namun tanpa peran serta masyarakat tentunya tidak akan dicapai hasil yang optimal dikarenakan kurangnya tenaga penyuluh yang ahli pada penyakit asma. Oleh sebab itu, dirasakan perlu dibuat sebuah aplikasi yang dapat

65

membantu proses penyuluhan kepada masyarakat awam untuk menanggulangi penyakit asma. Aplikasi yang dimaksud adalah aplikasi yang bisa dijadikan sebagai alternatif dalam mendiagnosis penyakit asma. Dalam hal ini, aplikasi akan membantu dalam menemukan informasi jenis penyakit asma berdasarkan gejala klinis yang dirasakan sampai ditemukannya kesimpulan berdasarkan hasil diagnosis berupa informasi mengenai cara pengobatan penyakit asma. Berdasarkan analisis masalah maka perangkat lunak sistem pakar yang dikembangkan diharapkan dapat digunakan sebagai alternatif penyajian informasi dan konsulitasi tentang jenis penyakit asma beserta cara penanganannya, sebagai aplikasi yang dapat mendiagnosa jenis penyakit asma dengan menggunakan pilihan jawaban ya dan tidak untuk menjawab gejala-gejala yang dirasakan. Masalah akan dianalisa berdasarkan

jenis penyakit asma beserta gejala dan

penanganannya. 3.1.2 Tujuan Pengembangan Aplikasi Sistem Pakar Tujuan pengembangan aplikasi sistem pakar diagnosis penyakit asma ini yaitu merancang antarmuka sebuah sistem berbasis pengetahuan kedokteran dalam mendiagnosis penyakit asma yang dapat ditampilkan dalam perangkat lunak aplikasi berbasis sistem pakar. Sehingga dapat mempermudah proses penyuluhan kepada masyarakat awam untuk mengetahui deteksi dini gejala penyakit asma dan terapi atau pengobatan yang bisa dilakukan secara mandiri. 3.1.3 Analisis Kebutuhan Analisis Kebutuhan adalah usulan yang direkomendasikan kepada pengguna agar perangkat lunak yang akan dibangun dapat user friendly dan perangkat kerasnya dapat mendukung secara maksimal terhadap kinerja sistem pakar. Pada tahap analisis kebutuhan, terdiri dari kebutuhan hardware, kebutuhan software, dan kebutuhan brainware.

66

3.1.3.1 Kebutuhan Hardware (Perangkat Keras) Hardware yang dibutuhkan dalam mengembangkan sebuah aplikasi sistem pakar diagnosis penyakit asma, adalah seperangkat komputer dengan spesifikasi yang terlihat pada Tabel 3.1 berikut ini: Tabel 3.1 Spesifikasi Minimal Komputer No

Kategori

Spesifikasi

1

Processor

Intel Pentium IV 1,7 GHz

2

RAM

256 MB

3

Harddisk

2084 MB (free)

4

Optical Drive

CD-ROOM 52x

5

Monitor

Standar

6

Keyboard

Standar

7

Mouse

Resolusi 800 x 600 pixel

Keterangan: 1. ruang kosong pada harddisk sebesar 2084 MB dimaksudkan untuk menampung file installasi software pendukung serta untuk menyimpan file pembuatan sistem pakar. 2. Optical drive CD-ROOM 52x, digunakan untuk intalasi software pendukung seperti yang disebutkan diatas.

3.1.3.2 Kebutuhan Software (Perangkat Lunak) Software pendukung untuk menunjang pembuatan sistem pakar diagnosis penyakit asma dapat dilihat pada Tabel 3.2. Tabel 3.2 Software Pendukung No

Kategori

Software

1

Sistem Operasi

Operating System Windows XP

2

Bahasa Pemrograman

Microsoft Visual Basic 6.0

3

Database Management System (DBMS)

Microsoft Office Access 2003

67

3.1.3.3 Kebutuhan Brainware Brainware yang dibutuhkan dalam proses pembuatan aplikasi sistem pakar diagnosis penyakit asma antara lain: 3.1.3.3.1

Pakar Untuk membangun sebuah sistem pakar, salah satu bagian yang

terpenting adalah peranan dari seorang pakar. Disini seorang Knowledge Engineer menentukan kepakaran. Sumber dari kepakaran untuk sistem pakar ini adalah seorang dokter di RS. Bethesda Garut yaitu Dr. Hendrik Santoso. 3.1.3.3.2

Rekayasa Pengetahuan Pada tahap ini akan melibatkan berbagai aspek dari masalah dan sub

masalah. Sumber permasalahan diperlukan untuk mengetahui secara jelas masalah-masalah yang dihadapi ketika membangun sebuah sistem pakar. Permasalahan yang dibahas dalam sistem pakar ini adalah tentang konsultasi mengenai diagnosis penyakit asma, khususnya tentang hubungan antara gejala, solusi, dan nama penyakit asma. Mengenai masalah tersebut, sistem akan memberikan jawaban dari pertanyaan user. 3.1.3.3.3

Programmer Pihak-pihak yang terlibat dalam pembuatan sistem pakar ini adalah

Knowledge Engineer dan end user. 3.1.3.3.4 Pengguna (User) User atau pengguna sistem pakar ini yaitu penyuluh yang sedang melakukan penyuluhan kepada masyarakat umum yang ditujukan untuk meningkatkan pengetahuan masyarakat tentang penyakit asma, sehingga mereka secara

sadar

menghindari

faktor-faktor

pencetus

penyakit

asma,

menggunakan obat secara teratur dan berkonsultasi pada tim kesehatan.

68

serta

3.2

Akuisisi Pengetahuan Tahap kedua pada proses analisis sistem yaitu akuisisi pengetahuan yang

meliputi sumber pengetahuan, proses akuisisi pengetahuan, basis pengetahuan, dan basis aturan. 3.2.1 Sumber Pengetahuan Sumber pengetahuan sistem pakar ini yang terdiri dari data jenis penyakit asma beserta definisi, gejala, serta solusi atau cara pengobatan diperoleh dari berbagai sumber informasi, diantaranya: 1. Wawancara  Seorang dokter dari RS. Bethesda Garut yaitu Dr. Hendrik Santoso. 2. Studi pustaka  Buku 

Dr. Eleanor Bull dan Profesor David Price, “Asma”, Penerbit : Erlangga.

3.2.2 Proses Akuisisi Pengetahuan Proses ini adalah proses pemindahan pengetahuan pakar kedalam sebuah program, yang diolah menjadi program yang sederhana layaknya sebagai pakar diagnosis penyakit asma. Dalam proses akuisisi pengetahuan, seorang perekayasa pengetahuan menjembatani antara pakar dengan basis pengetahuan. Perekayasa pengetahuan mendapatkan pengetahuan dari pakar, mengolahnya dan menaruhnya dalam basis pengetahuan.

69

Berdasarkan sumber-sumber pengetahuan yang telah diuraikan diatas, maka selanjutnya dapat diklasifikasikan beberapa jenis penyakit asma yang merupakan hasil proses akuisi pengetahuan, yaitu sebagai berikut: 1. Penyakit Asma Akut 2. Penyakit Asma Kronis 3. Penyakit Asma Periodik 4. Penyakit Asma Ekstrinsik 5. Penyakit Asma Intrinsik 6. Penyakit Asma Berat 7. Penyakit Asma Sedang 8. Penyakit Asma Ringan 9. Penyakit Asma Pekerjaan 10. Penyakit Asma Sensitif Aspirin 11. Penyakit Asma yang Dipicu Olahraga

3.2.3 Basis Pengetahuan Dari hasil proses akuisisi pengetahuan yang telah diuraikan diatas, maka selanjutnya dapat disusun suatu tabel basis pengetahuan yang dapat dilihat pada Tabel 3.3.

70

Tabel 3.3 Basis Pengetahuan No 1.

2.

3.

Penyakit Penyakit Asma Akut



Gejala Sesak napas tiba-tiba



Intensitas sesak yang berat



Ada bunyi napas (mengi)



Batuk



Dada terasa berat



Gelisah



Sesak napas kambuh-kambuhan



Intensitas sesak yang ringan sampai sedang

minum obat-obatan penyakit asma saat



Kadang ada bunyi napas (mengi) kadang tidak

terasa sesak, olah raga, dan jangan terlalu



Kadang ada batuk

lelah.

Penyakit Asma




Periodik



Kadang ada batuk

obat penyakit asma jika kambuh, olah raga,



Sesak napas yang sering kambuh karena

hindari stress, dan jangan terlalu lelah.

Penyakit Asma Kronis



Solusi Dapat menggunakan obat-obatan penyakit asma inhaler, nebulizer atau suntikan.

 Hindari penyebab serangan penyakit asma,

 Hindari penyebab penyakit asma, minum

penyebab tertentu misal debu, asap, dan udara dingin Sumber : (Dr. Hendrik Santoso) 71

Tabel 3.3 Basis Pengetahuan (Lanjutan) No 4.

5.

6.

Penyakit Penyakit Asma



Gejala Sesak napas disertai gejala alergi

Ekstrinsik



Gatal pada kulit

sari, makanan tertentu yang alergi, terkadang



Bersin-bersin

sembuh sendiri tanpa obat, desensitisasi



Pilek

(menyuntikan alergen penyebab sedikit demi



Hidung buntu

sedikit sampai tidak alergi).

Penyakit Asma



Batuk

Intrinsik



Sesak napas terkadang berat

antibiotik, dan minum obat-obatan penyakit



Ada gejala infeksi misalnya panas

asma.



Sesak berat pada saat istirahat, bicara hanya

Penyakit Asma Berat

Solusi  Hindari penyebab alergi misal debu, tepung

 Obati penyebab infeksi misal dengan

kata-kata, dan pucat sampai biru 

Napas berbunyi nyaring



Ada pernapasan dengan otot dada yang tertarik



Ada pernapasan cuping hidung



Kecepatan napas meningkat

Sumber : (Dr. Hendrik Santoso) 72

 Dapat diberikan nebulizer, beri oksigen, dan suntik obat-obatan penyakit asma.





Gejala Kecepatan napas meningkat

Solusi  Dapat diberikan nebulizer, beri oksigen dan

Sedang



Sesak sedang pada saat bicara, bicara hanya

obat-obatan oral.

penggal kalimat 

Napas berbunyi saat membuang napas dan kadang saat menarik napas



Kadang ada pernapasan dengan otot dada yang tertarik

8.

Penyakit Asma



Kecepatan napas meningkat

 Dabat diberikan nebulizer dan obat-obatan

Ringan



Sesak ringan pada saat berjalan dan bicara berupa kalimat



Napas berbunyi saat membuang napas

Sumber : (Dr. Hendrik Santoso)

73

oral.


10.

11.


Gejala

Solusi



Alergi di tempat kerja

Pekerjaan



Bersin-bersin di tempat kerja

dipindahkan ke bagian lain dalam



Hidung berlendir

perusahaan yang sama, atau benar-benar



Hidung tersumbat

pindah kerja (perusahaan).

Penyakit Asma Sensitif




Aspirin



Kondisi memburuk setelah mengkonsumsi aspirin

(Singulair®) dan obat antagonis reseptor



Otot-otot di sekitar saluran bronkus (cabang

leukotrin yang dapat mencegah leukotrin

terkecil sistem pernapasan) berkontraksi

agar tidak dapat bekerja secara normal.

 Ubahlah kondisi kerja. Hal ini dapat berupa

 Dapat diberikan obat Montelukast



Menyempitnya saluran napas



Kesulitan bernapas

Penyakit Asma yang




Dipicu Olahraga



Kondisi memburuk selama dan sesudah olahraga

serta konsultasikan dengan profesional



Mendingin dan mengeringnya saluran napas

kesehatan atau dokter.



Pernapasan cepat dan dangkal



Sesak napas

 Pilih dan batasi beberapa jenis olahraga

Sumber : (Bull, 2005 : 39 – 47) 74

3.2.4 Basis Aturan Basis aturan dari aplikasi sistem pakar diagnosis penyakit asma dapat dilihat pada Tabel 3.4. Tabel 3.4 Basis Aturan Pertanyaan ID_Gejala G1 Apakah ada bunyi napas (mengi)?

FaktaYA Ada bunyi napas (mengi)

FaktaTIDAK Tidak Terasa bunyi napas (mengi) Tidak Batuk

Ya G2 G3

G10

P1

Tidak terjadi Sesak napas tiba-tiba Tidak Terjadi Intensitas sesak yang berat Dada Tidak terasa berat

G4

G17

P1

G5

S0

P1

G6

S0

P1

Gelisah Tidak Gelisah S1 Sesak napas kambuh-kambuhan Tidak Mengalami Sesak G8 napas kambuh-kambuhan Intensitas sesak yang ringan Tidak Mengalami Intensitas G9 sampai sedang sesak yang ringan sampai sedang Apakah kadang ada bunyi napas Kadang ada bunyi napas (mengi) Bunyi napas Tidak (mengi) S2 (mengi) kadang tidak? kadang tidak Apakah kadang ada batuk? Kadang ada batuk Tidak Batuk G11 Apakah sesak napas yang sering Sesak napas yang sering kambuh Tidak Pernah Mengalami S3 kambuh karena penyebab tertentu misal karena penyebab tertentu misal Sesak Napas debu, asap, dan udara dingin? debu, asap, dan udara dingin

S0 S0

P1 P2

S0

P2

S0

P2

G33 G7

P3 P3

G2

Apakah batuk?

Batuk

G3

Apakah sesak napas tiba-tiba?

Sesak napas tiba-tiba

G4

Apakah intensitas sesak yang berat?

Intensitas sesak yang berat

G5

Apakah dada terasa berat?

Dada terasa berat

G6 G7

Apakah gelisah? Apakah sesak napas kambuhkambuhan? Apakah intensitas sesak yang ringan sampai sedang?

G8 G9 G10 G11

75

Tidak ID_Penyakit G23 P1

Tabel 3.4 Basis Aturan (Lanjutan) ID_Gejala Pertanyaan G12 Apakah sesak napas disertai gejala alergi? G13 G14 G15 G16 G17 G18 G19 G20 G21 G22 G23 G24

FaktaYA FaktaTIDAK Sesak napas disertai gejala alergi Tidak Pernah Mengalami Sesak napas disertai gejala alergi Apakah gatal pada kulit? Gatal pada kulit Tidak Mengalami Gatal pada kulit Apakah bersin-bersin? Bersin-bersin Tidak Bersin-bersin Apakah pilek? Pilek Tidak Pilek Apakah hidung buntu? Hidung buntu Tidak Hidung buntu Apakah sesak napas terkadang berat? Sesak napas terkadang berat Tidak Terjadi Sesak Napas Yang Berat Apakah ada gejala infeksi misalnya Ada gejala infeksi misalnya Tidak Ada gejala infeksi panas? panas misalnya panas Apakah sesak berat pada saat istirahat, Sesak berat pada saat istirahat, Tidak Sesak berat pada saat bicara hanya kata-kata, dan pucat bicara hanya kata-kata, dan istirahat, bicara hanya katasampai biru? pucat sampai biru kata, dan pucat sampai biru Apakah napas berbunyi nyaring? Napas berbunyi nyaring Bernapas Normal Apakah ada pernapasan dengan otot Ada pernapasan dengan otot Pernapasan Dengan Otot dada yang tertarik? dada yang tertarik Dada Normal Ada pernapasan cuping hidung? Ada pernapasan cuping hidung Pernapasan Hidung Normal Apakah kecepatan napas meningkat? Kecepatan napas meningkat Kecepatan napas Normal Apakah sesak sedang pada saat bicara, Sesak sedang pada saat bicara, Tidak Terjadi Sesak bicara hanya penggal kalimat? bicara hanya penggal kalimat

76

Ya Tidak ID_Penyakit G13 G29 P4 G14

S0

P4

G15 G16 S4 G18

S0 S0 S0 S0

P4 P4 P4 P5

S5

S0

P5

G20

G24

P6

G21 G22

S0 S0

P6 P6

S6 G19 G25

S0 G12 G27

P6 P7 P7

Tabel 3.4 Basis Aturan (Lanjutan) ID_Gejala Pertanyaan FaktaYA G25 Apakah napas berbunyi saat membuang Napas berbunyi saat membuang napas dan kadang saat menarik napas? napas dan kadang saat menarik napas G26 Apakah kadang ada pernapasan dengan Kadang ada pernapasan dengan otot dada yang tertarik? otot dada yang tertarik G27 Apakah sesak ringan pada saat berjalan Sesak ringan pada saat berjalan dan bicara berupa kalimat? dan bicara berupa kalimat G28 Apakah napas berbunyi saat membuang Napas berbunyi saat membuang napas? napas G29 Apakah alergi di tempat kerja? Alergi di tempat kerja G30 Apakah bersin-bersin di tempat kerja? Bersin-bersin di tempat kerja G31 Apakah hidung berlendir? Hidung berlendir G32 Apakah hidung tersumbat? Hidung tersumbat G33 Apakah kondisi memburuk setelah Kondisi memburuk setelah mengkonsumsi aspirin? mengkonsumsi aspirin G34 G35 G36 G37

Apakah otot-otot di sekitar saluran bronkus (cabang terkecil sistem pernapasan) berkontraksi? Apakah menyempitnya saluran napas? Apakah kesulitan bernapas? Apakah kondisi memburuk selama dan sesudah olahraga?

Otot-otot di sekitar saluran bronkus berkontraksi Menyempitnya saluran napas Kesulitan bernapas Kondisi memburuk selama dan sesudah olahraga

77

FaktaTIDAK Bernapas Normal Pernapasan normal suara tidak kecil Napas Tidak berbunyi saat membuang napas Alergi di tempat kerja Tidak Bersin Hidung Tidak berlendir Hidung Tidak tersumbat Kondisi Normal – normal saja meski sudah minum Obat Aspirin Otot-otot di sekitar saluran bronkus Tidak berkontraksi saluran napas normal Bernapas normal Kondisi baik-baik saja selama dan sesudah olahraga

Ya Tidak ID_Penyakit G26 S0 P7 S7

S0

P7

G28

S0

P8

S8

S0

P8

G30 G31 G32 S9 G34

S0 S0 S0 S0 G37

P9 P9 P9 P9 P10

G35

S0

P10

G36 S10 G38

S0 S0 S0

P10 P10 P11

Tabel 3.4 Basis Aturan (Lanjutan) ID_Gejala Pertanyaan FaktaYA G38 Apakah mendingin dan mengeringnya Mendingin dan mengeringnya saluran napas? saluran napas G39 Apakah pernapasan cepat dan dangkal? Pernapasan cepat dan dangkal G40

Apakah sesak napas?

Sesak napas

78

FaktaTIDAK Saluran Napas Normal

Ya Tidak ID_Penyakit G39 S0 P11

Pernapasan Normal

G40

S0

P11

Tidak Sesak napas

S11

S0

P11

BAB IV DESAIN SISTEM

Pada Bab ini akan menjelaskan mengenai tahapan-tahapan yang dilakukan dalam mendesain sistem. Tahap pertama yaitu representasi pengetahuan, tahap kedua yaitu pengembangan mesin inferensi, tahap ketiga yaitu deskripsi alur sistem, tahap keempat yaitu perancangan basis data, dan yang terakhir yaitu tahap perancangan arsitektur sistem. 4.1

Representasi Pengetahuan Menurut

Kusrini

(2006),

berpendapat

bahwa

pengetahuan

dapat

direpresentasikan dalam bentuk yang sederhana atau kompleks, tergantung dari masalahnya. Beberapa model representasi pengetahuan diantaranya adalah model logika, jaringan semantik, frame, object attribute value (OAV), serta model kaidah produksi. Dalam pengembangan aplikasi sistem pakar diagnosis penyakit asma ini, menggunakan model kaidah produksi untuk merepresentasikan pengetahuan yang didapat. Alasan pemilihan kaidah produksi karena dapat menghubungkan secara langsung antara sebab dan akibat serta sesuai dengan teknik pemecahan masalah yang terhubung langsung antara kondisi objek dengan tindakan yang harus dilakukan terhadap objek tersebut. Kondisinya berupa jenis penyakit, gejala dan kemungkinan penyebab gejala. Sedangkan untuk konsekwensinya adalah rekomendasi solusi pengobatan berdasarkan gejala dan tanda-tanda yang muncul. 4.1.1 Tabel Dasar Tabel dasar adalah tabel hasil akuisisi pengetahuan yang sudah diutarakan pada bab sebelumnya, namun untuk menghindari redudansi data maka dilakukan dekomposisi atau pemisahan dari satu tabel dibagi menjadi tiga tabel, yaitu tabel penyakit, tabel gejala, dan tabel solusi.

79

4.1.1.1 Tabel Dasar Penyakit Asma Jenis penyakit asma beserta kodenya masing-masing dapat dilihat pada Tabel 4.1.. Tabel 4.1 Tabel Dasar Penyakit Asma ID_Penyakit P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11

Penyakit Penyakit Asma Akut Penyakit Asma Kronis Penyakit Asma Periodik Penyakit Asma Ekstrinsik Penyakit Asma Intrinsik Penyakit Asma Berat Penyakit Asma Sedang Penyakit Asma Ringan Penyakit Asma Pekerjaan Penyakit Asma Sensitif Aspirin Penyakit Asma yang Dipicu Olahraga

4.1.1.2 Tabel Dasar Gejala Penyakit Asma Gejala-gejala dari penyakit asma beserta kodenya masing-masing dapat dilihat pada Tabel 4.2. Tabel 4.2 Tabel Dasar Gejala Penyakit Asma ID_Gejala

Gejala

G1 G2 G3 G4 G5 G6 G7 G8 G9 G10

Ada bunyi napas (mengi) Batuk Sesak napas tiba-tiba Intensitas sesak yang berat Dada terasa berat Gelisah Sesak napas kambuh-kambuhan Intensitas sesak yang ringan sampai sedang Kadang ada bunyi napas (mengi) kadang tidak Kadang ada Batuk Sesak napas yang sering kambuh karena penyebab tertentu misal debu, asap, dan udara dingin Sesak napas disertai gejala alergi

G11 G12

80

Tabel 4.2 Tabel Dasar Gejala Penyakit Asma (Lanjutan) ID_Gejala

Gejala

G13 G14 G15 G16 G17 G18

Gatal pada kulit Bersin-bersin Pilek Hidung buntu Sesak napas terkadang berat Ada gejala infeksi misalnya panas Sesak berat pada saat istirahat , bicara hanya kata-kata, dan pucat sampai biru Napas berbunyi nyaring Ada pernapasan dengan otot dada yang tertarik Ada pernapasan cuping hidung Kecepatan napas meningkat Sesak sedang pada saat bicara, bicara hanya penggal kalimat Napas berbunyi saat membuang napas dan kadang saat menarik napas Kadang ada pernapasan dengan otot dada yang tertarik Sesak ringan pada saat berjalan dan bicara berupa kalimat Napas berbunyi saat membuang napas Alergi di tempat kerja Bersin-bersin di tempat kerja Hidung berlendir Hidung tersumbat Kondisi memburuk setelah mengkonsumsi aspirin Otot-otot di sekitar saluran bronkus (cabang terkecil sistem pernapasan) berkontraksi Menyempitnya saluran napas Kesulitan bernapas Kondisi memburuk selama dan sesudah olahraga Mendingin dan mengeringnya saluran napas Pernapasan cepat dan dangkal Sesak napas

G19 G20 G21 G22 G23 G24 G25 G26 G27 G28 G29 G30 G31 G32 G33 G34 G35 G36 G37 G38 G39 G40

4.1.1.3 Tabel Dasar Solusi Penyakit Asma Solusi dari masing-masing jenis penyakit asma beserta kodenya masingmasing dapat dilihat pada Tabel 4.3.

81

Tabel 4.3 Tabel Dasar Solusi Penyakit Asma ID_Solusi S0 S1 S2 S3 S4

S5 S6 S7 S8 S9

S10

S11

Solusi

Anda tidak terdeteksi menderita penyakit asma Dapat menggunakan obat-obatan asma inhaler atau nebulizer atau suntikan. Hindari penyebab serangan asma, minum obat-obatan asma saat terasa sesak, olah raga, dan jangan terlalu lelah. Hindari penyebab asma, minum obat asma jika kambuh, olah raga, hindari stress, dan jangan terlalu lelah. Hindari penyebab alergi misal debu, tepung sari, makanan tertentu yang alergi, terkadang sembuh sendiri tanpa obat, desensitisasi (menyuntikan alergen penyebab sedikit demi sedikit sampai tidak alergi). Obati penyebab infeksi misal dengan antibiotik, dan minum obatobatan asma. Dapat diberikan nebulizer, beri oksigen, dan suntik obat-obatan asma. Dabat diberikan nebulizer, beri oksigen dan obat-obatan oral. Dapat diberikan nebulizer dan obat-obatan oral. Ubahlah kondisi kerja. Hal ini dapat berupa dipindahkan ke bagian lain dalam perusahaan yang sama, atau benar-benar pindah kerja (perusahaan). Dapat diberikan obat Montelukast (Singulair®) dan obat antagonis reseptor leukotrin yang dapat mencegah leukotrin agar tidak dapat bekerja secara normal. Pilih dan batasi beberapa jenis olahraga serta konsultasikan dengan profesional kesehatan atau dokter.

4.1.2 Tabel Keputusan Berdasarkan tabel dasar diatas, maka selanjutnya dibentuk tabel keputusan yang disusun berdasarkan relasi dari setiap atributnya. Tabel keputusan yang akan dibentuk terdiri dari dua jenis berdasarkan relasinya, yaitu relasi antara tabel masalah dengan tabel penyebab serta relasi antara tabel penyebab dengan tabel solusi.

82

4.1.2.1 Tabel Keputusan Berdasarkan Relasi Antara Penyakit dan Gejala Tabel keputusan berdasarkan relasi antara nama jenis penyakit asma dan gejala yang timbul dapat dilihat pada Tabel 4.4. Tabel 4.4 Tabel Keputusan Berdasarkan Relasi Antara Penyakit dan Gejala ID_Penyakit P1

ID_Gejala G1 x

G2 G3 x

P2 P3

x

G4

G5

G6

x

x

x

G7

G8

G9

x

x

x

x

G10 G11 G12 G13 G14 G15 G16 G17 G18 G19 G20

x x

P4

x x

P5

x

x

x

x

x x

P6

x x

P7 P8 P9 P10

x

P11

x

83

x

Tabel 4.4 Tabel Keputusan Berdasarkan Relasi Antara Penyakit dan Gejala (Lanjutan) ID_Penyakit

ID_Gejala G21 G22 G23 G24 G25 G26 G27 G28 G29 G30 G31 G32 G33 G34 G35 G36 G37 G38 G39 G40

P1 P2 P3 P4 P5 P6

x

x

x

P7

x

P8

x

P9

x

x

x x

x x

P10

x

x

x x

P11

x

x

x x

84

x

x

x

4.1.2.2 Tabel Keputusan Berdasarkan Relasi Antara Gejala dan Solusi Tabel keputusan berdasarkan relasi antara gejala yang timbul dan solusi pengobatannya dapat dilihat pada Tabel 4.5. Tabel 4.5 Tabel Keputusan Berdasarkan Relasi Antara Gejala dan Solusi ID_Gejala

ID_Solusi S0

S1

G1

x

G2

x

G3

x

G4

x

G5

x

G6

x

S2

S4

S5

S6

S7

S8

x x

G7

x

G8

x

G9

x

G10

x

G11

S3

x x

G12

x

G13

x

G14

x

G15

x

G16

x

G17

x

G18

x

G19

x

G20

x

G21

x

G22

x

G23

x

x

G24

x

G25

x

G26

x

x

G27

x

G28

x

85

S9

S10

S11

x

x

Tabel 4.5 Tabel Keputusan Berdasarkan Relasi Antara Gejala dan Solusi (Lanjutan) ID_Gejala

ID_Solusi S0

S1

S2

S3

S4

S5

S6

S7

S8

S9

G29

x

G30

x

G31

x

G32

x

S10

G33

x

G34

x

G35

x

G36

x

S11

G37

x

G38

x

G39

x

G40

x

4.1.3 Pohon Keputusan (Decision Tree) Pembuatan decision tree digunakan untuk membantu menyederhanakan dalam proses akuisisi pengetahuan agar lebih mudah diubah dalam bentuk kaidah. Pohon keputusan dirancang dengan tujuan untuk mengetahui atribut (kondisi) yang dapat direduksi sehingga menghasilkan kaidah yang efisien dan optimal serta mempermudah dalam proses pencarian keputusan. Decision tree (pohon keputusan) untuk sistem pakar penyakit asma dapat dilihat pada Gambar 4.1.

86

Gambar 4.1 Pohon Keputusan Untuk Penelusuran Penyakit Asma 87

4.1.4 Kaidah Produksi Pohon keputusan yang dihasilkan pada Gambar 4.1 digunakan sebagai acuan dalam menyusun kaidah produksi, sedangkan atribut di dalam tabel keputusan menjadi premis di dalam kaidah produksi yang direpresentasikan. Berikut ini adalah daftar kaidah produksi untuk diagnosis penyakit asma berdasarkan jenis penyakit asma, gejala yang dapat dilihat pada Tabel 4.6. Tabel 4.6 Kaidah Produksi Sistem Pakar Diagnosis Penyakit Asma Rule 1 IF Gejala : Ada bunyi napas (mengi) AND Batuk AND Sesak napas tiba-tiba AND Intensitas sesak yang berat AND Dada terasa berat AND Gelisah THEN Penyakit Asma Akut (S1) Rule2 IF Gejala : Sesak napas kambuh-kambuhan AND Intensitas sesak yang ringan sampai sedang AND Kadang ada bunyi napas (mengi) kadang tidak AND Kadang ada Batuk THEN Penyakit Asma Kronis (S2) Rule 3 IF Gejala : Ada bunyi napas (mengi) AND Kadang ada Batuk AND Sesak napas yang sering kambuh karena penyebab tertentu asap, dan udara dingin

THEN Penyakit Asma Periodik (S3)

88

misal debu,

Tabel 4.6 Kaidah Produksi Sistem Pakar Diagnosis Penyakit Asma (Lanjutan) Rule 4 IF Gejala : Sesak napas disertai gejala alergi AND Gatal pada kulit AND Bersin-bersin AND Pilek AND Hidung buntu THEN Penyakit Asma Ekstrinsik (S4) Rule 5 IF Gejala : Batuk AND Sesak napas terkadang berat AND Ada gejala infeksi misalnya panas THEN Penyakit Asma Intrinsik (S5) Rule 6 IF Gejala : Sesak berat pada saat istirahat , bicara hanya kata-kata, dan pucat sampai biru AND Napas berbunyi nyaring AND Ada pernapasan dengan otot dada yang tertarik AND Ada pernapasan cuping hidung AND Kecepatan napas meningkat THEN Penyakit Asma Berat (S6) Rule 7 IF Gejala : Kecepatan napas meningkat AND Sesak sedang pada saat bicara, bicara hanya penggal kalimat AND Napas berbunyi saat membuang napas dan kadang saat menarik napas AND Kadang ada pernapasan dengan otot dada yang tertarik THEN Penyakit Asma Sedang (S7)

89

Tabel 4.6 Kaidah Produksi Sistem Pakar Diagnosis Penyakit Asma (Lanjutan) Rule 8 IF Gejala : Kecepatan napas meningkat AND Sesak ringan pada saat berjalan dan bicara berupa kalimat AND Napas berbunyi saat membuang napas THEN Penyakit Asma Ringan (S8) Rule 9 IF Gejala : Alergi di tempat kerja AND Bersin-bersin di tempat kerja AND Hidung berlendir AND Hidung tersumbat THEN Penyakit Asma Pekerjaan (S9) Rule 10 IF Gejala : Ada bunyi napas (mengi) AND Kondisi memburuk setelah mengkonsumsi aspirin AND Otot-otot di sekitar saluran bronkus berkontraksi AND Menyempitnya saluran napas AND Kesulitan bernapas THEN Penyakit Asma Sensitif Aspirin (S10) Rule 11 IF Gejala : Ada bunyi napas (mengi) AND Kondisi memburuk selama dan sesudah olahraga AND Mendingin dan mengeringnya saluran napas AND Pernapasan cepat dan dangkal AND Sesak napas THEN Penyakit Asma yang Dipicu Olahraga (S11)

90

4.2

Pengembangan Mesin Inferensi Mesin inferensi disebut sebagai otak dari sistem pakar yang berfungsi untuk

melakukan penalaran untuk mengarahkan pengetahuan dari basis pengetahuan, sehingga tercapai suatu kesimpulan atau rekomendasi yang harus dilaksanakan. Berikut ini adalah tahap pengembangan mesin inferensi sistem pakar diagnosis penyakit asma yang dimulai dengan pemilihan teknik inferensi dan teknik penelusuran data. 4.2.1 Pemilihan Teknik Inferensi Teknik inferensi yang digunakan dalam sistem pakar ini menggunakan metode inferensi perantaian maju (forward chaining). Hal ini dapat dilihat pada saat user melakukan proses pemecahan masalah yang akan dimulai dari jenis permasalahan yang muncul pada Ikan, selanjutnya sistem akan mencari data gejala yang sesuai sehingga didapatkan suatu rekomendasi atau solusi dalam pemecahan masalah. Penerapan inferensi perantaian maju (forward chaining) dapat dilihat pada Gambar 4.2.

Gambar 4.2 Penerapan Inferensi Perantaian Maju (Forward Chaining) 4.2.2 Pemilihan Teknik Penelusuran Data Teknik penelusuran data digunakan untuk pencarian data-data berdasarkan inputan dari user yang disesuaikan dengan basis pengetahuan untuk mendapatkan rekomendasi langkah pemecahan masalah yang sesuai. Teknik ini digambarkan melalui node-node dimulai dari level tertinggi hingga level terbawah. Berikut ini gambaran implementasi teknik penelusuran data pada sistem pakar diagnosis penyakit asma. 91

4.2.2.1 Teknik Penelusuran Data Penyakit Asma Akut Teknik penelusuran dari penyakit asma akut dapat dilihat pada Gambar 4.3.

Gambar 4.3 Teknik Penelusuran Data Penyakit Asma Akut 4.2.2.2 Teknik Penelusuran Data Penyakit Asma Kronis Teknik penelusuran data dari penyakit asma kronis dapat dilihat pada Gambar 4.4.

Gambar 4.4 Teknik Penelusuran Data Penyakit Asma Kronis 92

4.2.2.3 Teknik Penelusuran Data Penyakit Asma Periodik Teknik penelusuran data dari penyakit asma periodik dapat dilihat pada Gambar 4.5.

Gambar 4.5 Teknik Penelusuran Data Penyakit Asma Periodik 4.2.2.4 Teknik Penelusuran Data Penyakit Asma Ekstrinsik Teknik penelusuran data dari penyakit asma ekstrinsik dapat dilihat pada Gambar 4.6.

Gambar 4.6 Teknik Penelusuran Data Penyakit Asma Ekstrinsik

93

4.2.2.5 Teknik Penelusuran Data Penyakit Asma Intrinsik Teknik penelusuran data dari penyakit asma intrinsik dapat dilihat pada Gambar 4.7.

Gambar 4.7 Teknik Penelusuran Data Penyakit Asma Intrinsik 4.2.2.6 Teknik Penelusuran Data Penyakit Asma Berat Teknik penelusuran data dari penyakit asma berat dapat dilihat pada Gambar 4.8.

Gambar 4.8 Teknik Penelusuran Data Penyakit Asma Berat

94

4.2.2.7 Teknik Penelusuran Data Penyakit Asma Sedang Teknik penelusuran data dari penyakit asma sedang dapat dilihat pada Gambar 4.9.

Gambar 4.9 Teknik Penelusuran Data Penyakit Asma Sedang 4.2.2.8 Teknik Penelusuran Data Penyakit Asma Ringan Teknik penelusuran data dari penyakit asma ringan dapat dilihat pada Gambar 4.10.

Gambar 4.10 Teknik Penelusuran Data Penyakit Asma Ringan 95

4.2.2.9 Teknik Penelusuran Data Penyakit Asma Pekerjaan Teknik penelusuran data dari penyakit asma pekerjaan dapat dilihat pada Gambar 4.11. G29 Y G30

S0

Y T G31 Y

T

G32 Y P9

S0

S0

T S0

S9

Gambar 4.11 Teknik Penelusuran Data Penyakit Asma Pekerjaan 4.2.2.10 Teknik Penelusuran Data Penyakit Asma Sensitif Aspirin Teknik penelusuran data dari penyakit asma sensitif aspirin dapat dilihat pada Gambar 4.12.

Gambar 4.12 Teknik Penelusuran Data Penyakit Asma Sensitif Aspirin 96

4.2.2.11 Teknik Penelusuran Data Penyakit Asma yang Dipicu Olahraga Teknik penelusuran data dari penyakit asma yang dipicu olahraga dapat dilihat pada Gambar 4.13. G1 Y

T

G2 Y

G23 T

G3

G10 T

Y G11

G33 Y

T

G34

G37 Y G38

T S0

Y T G39 T

Y G40 Y P11

S0

S0

T S0

S11

Gambar 4.13 Teknik Penelusuran Data Penyakit Asma yang Dipicu Olahraga

4.3

Deskripsi Alur Sistem Deskripsi alur sistem perancangan sistem pakar menggunakan dua

pendekatan yaitu flowmap dan data flow diagram (DFD). Flowmap digunakan untuk untuk mendeskripsikan mekanisme kerja aplikasi sistem pakar yang dirancang.

Sedangkan

data

flow

diagram

(DFD)

digunakan

untuk

mendeskripsikan proses aliran data yang ada dalam aplikasi sistem pakar diagnosis penyakit asma.

97

4.3.1 Flowmap Flowmap adalah penggambaran secara grafik dari langkah-langkah dan urutan-urutan prosedur dari suatu sistem. Flowmap perancangan basis data untuk membentuk aplikasi sistem pakar diagnosis penyakit asma digambarkan pada Gambar 4.14.

Gambar 4.14 Flowmap Aplikasi Sistem Pakar Diagnosis Penyakit Asma

98

4.3.2 Data Flow Diagram (DFD) Data flow diagram (DFD) digunakan untuk mendeskripsikan proses aliran data yang ada dalam aplikasi sistem pakar diagnosis penyakit asma. Data flow diagram (DFD) akan memuat diagram konteks, DFD Level 0, DFD Level 1, DFD Level 2, dan seterusnya. 4.3.2.1 Diagram Konteks Diagram konteks merupakan gambaran sistem secara umum yaitu hubungan sistem dengan lingkungan sistem. Diagram konteks untuk apliksi sistem pakar diagnosis penyakit asma dapat dilihat pada Gambar 4.15.

Gambar 4.15 Diagram Konteks Aplikasi Sistem Pakar Diagnosis Penyakit Asma

4.3.2.2 DFD Level 0 DFD level 0 merupakan penjabaran dari proses diagram konteks dan dilakukan untuk lebih memperinci diagram konteks. DFD Level 0 dapat dilihat pada Gambar 4.16.

99

Gambar 4.16 DFD Level 0 4.3.2.3

DFD Level 1 DFD level 1 menggambarkan tiap-tiap proses level 0 yang lebih rinci.

Dalam DFD level 1 ini terbagi ke dalam 5 proses, yaitu DFD level 1 proses 1.0, DFD level 1 proses 2.0, DFD level 1 proses 3.0, DFD level 1 proses 4.0, dan DFD level 1 proses 5.0. 4.3.2.3.1

DFD Level 1 Proses 1.0 DFD Level 1 Proses 1.0 dapat dilihat pada Gambar 4.17.

100

Gambar 4.17 DFD Level 1 Proses 1.0 Dari Gambar 4.17 dapat diuraikan spesifikasi proses dan aliran data yang terjadi pada DFD Level 1 Proses 1.0 disajikan dalam Tabel 4.7 dan Tabel 4.8. Tabel 4.7 Spesifikasi Proses DFD Level 1 Proses 1.0 No

Proses

Data Masuk

Data Keluar

Sumber

Keterangan Knowledge Engineer memiliki hak mengelola serta memanipulasi basis pengetahuan pada database Proses membandingkan data inputan dengan data di dalam database

1.

Proses 1.1 Log In

Data Knowledge Engineer

User_Id dan Password

List_Pakar

2.

Proses 1.2 Validasi Log In

Informasi Data Knowledge Engineer

Konfirmasi Log In

List_Pakar

Tabel 4.8 Aliran Data DFD Level 1 Proses 1.0 No 1.

4.3.2.3.2

Nama Aliran Data Data Knowledge Engineer

Item Data = {User_Id+Password}

DFD Level 1 Proses 2.0 DFD Level 1 Proses 2.0 dapat dilihat pada Gambar 4.18.

101

Knowledge Engineer

List_Pakar



Info Data

Knowledge Engineer

Info Data

Knowledge Engineer

2.1 Simpan Data

Data

Knowledge Engineer

Data Knowledge

2.2 Ubah Data

Engineer


2.3 Hapus Data



Proses

Data Masuk

Data Keluar

1.

Proses 2.1 Simpan Data


Data Knowledge Engineer

2.

Proses 2.2

- User_Id dan Password - User_Id dan Password

- Info Data Knowledge Engineer - Data Knowledge Engineer Info Data Knowledge Engineer

Ubah Data

3.

Proses 2.3 Hapus Data


102

Sumber List_Pakar

List_Pakar

List_Pakar

Keterangan Memasukkan User_Id dan Password yang akan disimpan dalam database, dan akan digunakan sebagai data Log In Memperbaharui User_Id dan Password dalam database

Menghapus User_Id dan Password dalam database


4.3.2.3.3

Nama Aliran Data Data Knowledge Engineer

Item Data = {User_Id+Password}

DFD Level 1 Proses 3.0 DFD Level 1 proses 3.0 dapat dilihat pada Gambar 4.19.


Proses

1.

Proses 3.1 Kelola Data Peyakit

2.

Proses 3.2 Kelola Data Solusi

Data Masuk

Data Keluar

Sumber

Keterangan

Penyakit Data jenis penyakit yang - Info Data - Data digunakan dalam proses Penyakit Penyakit diagnosis - Data - Info Data Penyakit Penyakit Solusi Data solusi yang digunakan - Data Solusi - Info Data dalam proses diagnosis Solusi - Data Solusi - Info Data Solusi Tabel 4.12 Aliran Data DFD Level 1 Proses 3.0

103

No

4.3.2.3.4

Nama Aliran Data

Item Data

1.

Data Penyakit

= {ID_Penyakit+Penyakit}

2.

Data Solusi

= {ID_Solusi+Solusi}


Gambar 4.20 DFD Level 1 Proses 4.0 Dari Gambar 4.20 dapat diuraikan spesifikasi dan aliran data yang terjadi pada DFD Level 1 Proses 4.0 disajikan dalam Tabel 4.13 dan Tabel 4.14. Tabel 4.13 Spesifikasi Proses DFD Level 1 Proses 4.0 No 1.

Proses Proses 4.1 Simpan Data Basis Aturan

Data Masuk

Data Keluar

Data Basis Aturan

Data Basis Aturan

104

Sumber

Keterangan

Gejala

Memasukkan data aturan yang akan disimpan dalam database

Tabel 4.13 Spesifikasi Proses DFD Level 1 Proses 4.0 (Lanjutan) No 2.

Proses

Data Masuk

Proses 4.2 Ubah Data Basis Aturan

3.

Proses 4.3 Hapus Data Basis Aturan

- Data Basis Aturan - Info Data Basis Aturan Info Data Basis Aturan

Data Keluar

Sumber

Keterangan

- Info Data Basis Aturan - Data Basis Aturan

Gejala

Memperbaharui data aturan dalam database

Info Data Basis Aturan

Gejala

Menghapus data aturan dalam database


4.3.2.3.5

Nama Aliran Data Data Gejala

Item Data = {ID_Gejala+Pertanyaan+FaktaYa+ FaktaTidak+Ya+Tidak+ID_Penyakit}


Gambar 4.21 DFD Level 1 Proses 5.0 Dari Gambar 4.21 dapat diuraikan spesifikasi dan aliran data yang terjadi pada DFD Level 1 Proses 5.0 disajikan dalam Tabel 4.15 dan Tabel 4.16.

105

Tabel 4.15 Spesifikasi Proses DFD Level 1 Proses 5.0 No

Proses

Data Masuk

Data Keluar

Sumber

Keterangan

Gejala

Fakta gejala yang dipilih untuk disesuaikan dengan data pada tabel gejala

- Gejala - Penyakit

Informasi hasil diagnosis yang dihasilkan dalam proses diagnosis

1.

Proses 5.1 Diagnosis

- Fakta - Data Gejala

- Data Gejala - Fakta

2.

Proses 5.2 Penentuan Solusi

- Fakta - Data Penyakit - Data Solusi

Info Hasil Diagnosis

- Solusi

Tabel 4.16 Aliran Data DFD Level 1 Proses 5.0 No

Nama Aliran Data

Item Data

1.

Data Penyakit

= {ID_Penyakit+Penyakit}

2.

Data Gejala

3.

Data Solusi

= {ID_Gejala+Pertanyaan+FaktaYa+ FaktaTidak+Ya+Tidak+ID_Penyakit} = {ID_Solusi+Solusi}

4.3.2.4

DFD Level 2 DFD level 2 menggambarkan tiap-tiap proses level 1 Proses 3.0 yang

lebih rinci. Dalam DFD level 2 ini terbagi ke dalam 2 proses, yaitu DFD level 2 proses 3.1 dan DFD level 2 proses 3.2. 4.3.2.4.1


106

Gambar 4.22 DFD Level 2 Proses 3.1 Dari Gambar 4.22 dapat diuraikan spesifikasi proses dan aliran data yang terjadi pada DFD Level 2 Proses 3.1 disajikan dalam Tabel 4.17 dan Tabel 4.18. Tabel 4.17 Spesifikasi Proses DFD Level 2 Proses 3.1 No 1.

2.

3.

Proses

Data Masuk

Data Proses 4.1 Penyakit Simpan Data Penyakit Proses 4.2 Ubah - Data Data Penyakit Penyakit - Info Data Penyakit Proses 4.3 Info Data Hapus Data Penyakit Penyakit

Data Keluar

Sumber

Keterangan

Data Penyakit

Penyakit

- Info Data Penyakit - Data Penyakit Info Data Penyakit

Penyakit

Memasukkan data penyakit yang akan disimpan dalam database Memperbaharui data penyakit dalam database

107

Penyakit

Menghapus data penyakit dalam database


4.3.2.4.2

Nama Aliran Data Data Penyakit

Item Data = {ID_Penyakit+Penyakit}


Gambar 4.23 DFD Level 2 Proses 3.2 Dari Gambar 4.23 dapat diuraikan spesifikasi proses dan aliran data yang terjadi pada DFD Level 2 Proses 3.2 disajikan dalam Tabel 4.19 dan Tabel 4.20. Tabel 4.19 Spesifikasi Proses DFD Level 2 Proses 3.2 No 1.

Proses Proses 4.1 Simpan Data Solusi

Data Masuk Data Solusi

Data Keluar Data Solusi

108

Sumber

Keterangan

Solusi

Memasukkan data Solusi yang akan disimpan dalam database

Tabel 4.19 Spesifikasi Proses DFD Level 2 Proses 3.2 (Lanjutan) No 2.

3.

Proses

Data Masuk

Proses 4.2 Ubah Data Solusi

Proses 4.3 Hapus Data Solusi

- Data Solusi - Info Data Solusi Info Data Solusi

Data Keluar - Info Data Solusi - Data Solusi Info Data Solusi

Sumber

Keterangan

Solusi

Memperbaharui data Solusi dalam database

Solusi

Menghapus data Solusi dalam database


4.4

Nama Aliran Data Data Solusi

Item Data = {ID_Solusi+Solusi}

Perancangan Basis Data Perancangan basis data dimulai dari pembuatan Entity Relationship

Diagram (ERD), transformasi ERD ke dalam basis data fisik, dan struktur tabel, yang merupakan daftar semua elemen/ field. Basis data digunakan untuk menyimpan data-data gejala penyakit, nama penyakit beserta solusinya sebagai inputan sistem dan kemudian diolah menjadi output sistem. Basis data yang dibuat yaitu dengan menggunakan Microsoft Office Access 2003. 4.4.1 Entity Relationship Diagram (ERD) Dari hasil analisis, didapat data yang akan dipakai dalam proses pembangunan aplikasi diagnosis penyakit asma dan solusinya berbasis aplikasi desktop. Kemudian dari data yang telah diperoleh, dibangun sebuah desain basis data dengan menggunakan tools Entity Relational Diagram (ERD). Entity Relational Diagram (ERD) aplikasi sistem pakar diagnosis penyakit asma dapat dilihat pada Gambar 4.24.

109

Gambar 4.24 Entity Relationship Diagram (ERD) 4.4.2 Transformasi ERD ke Dalam Basis Data Fisik Berikut ini akan disajikan transformasi ERD ke dalam basis data fisik. Setiap himpunan entitas akan diimplementasikan sebagai sebuah tabel (file data). 4.4.2.1 Tabel Master Tabel master merupakan tabel-tabel dasar yang selanjutnya harus dapat diimplementasikan keterkaitan antara tabel satu dengan tabel lainnya dan membentuk suatu basis pengetahuan sistem pakar. Tabel tersebut diantaranya adalah sebagai berikut: 1. Tabel Penyakit Transformasi table penyakit dapat dilihat pada Tabel 4.21. Tabel 4.21 Transformasi Tabel Penyakit ID_Penyakit Penyakit PK 2. Tabel Solusi Transformasi table solusi dapat dilihat pada Tabel 4.22. Tabel 4.22 Transformasi Tabel Solusi ID_Solusi Solusi PK

110

3. Tabel Gejala Transformasi table gejala dapat dilihat pada Tabel 4.23.

ID_Gejala PK

Tabel 4.23 Transformasi Tabel Gejala Pertanyaan FaktaYa FaktaTidak Ya Tidak ID_Penyakit FK FK FK

4.4.2.2 Tabel Tambahan Tabel tambahan merupakan tabel yang tidak terkait langsung dengan basis data sistem pakar yang merupakan tempat penyimpanan basis pengetahuan. Jadi, tabel ini hanya bersifat sebagai tabel tambahan. 1. Tabel List_Pakar Transformasi table list_pakar dapat dilihat pada Tabel 4.24. Tabel 4.24 Transformasi Tabel List_Pakar User_Id Password PK 4.4.3 Perancangan Struktur File Struktur file atau struktur penyimpanan data adalah suatu tempat penyimpanan objek data yang akan digunakan atau dihasilkan oleh sistem pakar. Dibawah ini akan diuraikan struktur file dari masing-masing tabel yang digunakan untuk menyusun sistem pakar diagnosis penyakit asma. 1. Tabel Penyakit Struktur tabel penyakit dapat dilihat pada Tabel 4.25. No

Atribut

Tabel 4.25 Struktur Tabel Penyakit Tipe Data Panjang Keterangan

1

ID_Penyakit

Text

4

2

Jenis_Penyakit

Text

100

111

Primary Key, kode penyakit Jenis penyakit

2. Tabel Solusi Struktur tabel solusi dapat dilihat pada Tabel 4.26. Tabel 4.26 Struktur Tabel Solusi Atribut

No 1. 2.

ID_Solusi Solusi

Tipe Data

Panjang

Text Memo

4 -

Keterangan Primary Key, kode solusi Uraian solusi

3. Tabel Gejala Struktur tabel gejala dapat dilihat pada Tabel 4.27.

Atribut

No

Tabel 4.27 Struktur Tabel Gejala Tipe Data Panjang Keterangan

1.

ID_Gejala

Text

4

Primary Key, kode gejala

2.

Pertanyaan

Text

255

Pertanyaan gejala penyakit

3.

FaktaYA

100

Fakta Gejala Ya/ Benar

4.

FaktaTIDAK

Text Text

100

Fakta Gejala Tidak/ Salah

5.

Ya

Text

4

6.

Tidak

Text

4

7.

ID_Penyakit

Text

4

Foreign Key dari ID_Gejala/ ID_Solusi Foreign Key dari ID_Gejala/ ID_Solusi Foreign Key, kode peyakit

4. Tabel List_Pakar Struktur tabel list_pakar dapat dilihat pada Tabel 4.28. Tabel 4.28 Struktur Tabel List_Pakar No 1. 2.

Atribut User_Id Password

Tipe Data

Panjang

Text Text

50 50

112

Keterangan User name pakar Password pakar

4.5

Implementasi Pada sub bab ini akan digambarkan struktur menu dan antarmuka yang akan

diimplementasikan pada aplikasi sistem pakar. 4.5.1 Struktur Menu Perancangan struktur menu pada sistem pakar diagnosis penyakit asma akan diimplementasikan dalam dua lingkungan, yaitu struktur menu untuk lingkungan knowledge engineer dan struktur menu lingkungan user. 4.5.1.1 Struktur Menu Lingkungan Knowledge Engineer Struktur menu lingkungan knowledge engineer dapat dilihat pada Gambar 4.25.

Gambar 4.25 Struktur Menu Knowledge Engineer 113

4.5.1.2 Struktur Menu Lingkungan User Struktur menu lingkungan user dapat dilihat pada Gambar 4.26.

Gambar 4.26 Struktur Menu User 4.5.2 Perancangan Antarmuka Perancangan antarmuka bertujuan untuk memberikan gambaran tentang aplikasi

yang

akan

dibangun.

Sehingga

akan

mempermudah

dalam

mengimplementasikan aplikasi, dan juga akan memudahkan pembuatan aplikasi yang user friendly. Rancangan aplikasi sistem pakar diagnosis penyakit asma yang akan dibuat adalah sebagai berikut 1. Form Pilihan Pengguna Form pilihan pengguna dapat dilihat pada Gambar 4.27.

Gambar 4.27 Form Pilihan Pengguna

114

2. From Log In Form log in dapat dilihat pada Gambar 4.28.

Gambar 4.28 Form Log In 3. Form Menu Utama Knowledge Engineer Form menu utama knowledge engineer dapat dilihat pada Gambar 4.29.

Gambar 4.29 Form Menu Utama Knowledge Engineer 4. Form Kelola Data Penyakit Form kelola data penyakit dapat dilihat pada Gambar 4.30.

Gambar 4.30 Form Kelola Data Penyakit 115

5. Form Kelola Data Solusi Form kelola data solusi dapat dilihat pada Gambar 4.31.

Gambar 4.31 Form Kelola Data Solusi 6. Form Kelola Data Basis Aturan Form kelola data basis aturan dapat dilihat pada Gambar 4.32.

Gambar 4.32 Form Kelola Data Basis Aturan 7. Form Kelola Data Knowledge Engineer Form kelola data knowledge engineer dapat dilihat pada Gambar 4.33.

Gambar 4.33 Form Kelola Data Knowledge Engineer

116

8. Form Kelola Data Informasi Penyakit Form kelola data informasi penyakit dapat dilihat pada Gambar 4.34.

Gambar 4.34 Form Kelola Data Informasi Penyakit Asma 9. Form Menu Utama User Form menu utama user dapat dilihat pada Gambar 4.35.

Gambar 4.35 Form Menu Utama User 10. Form Diagnosis Form diagnosis dapat dilihat pada Gambar 4.36.

Gambar 4.36 Form Diagnosis

117

11. Form Hasil Diagnosis Form hasil diagnosis dapat dilihat pada Gambar 4.37.

Gambar 4.37 Form Hasil Diagnosis 12. Form Informasi Penyakit Asma Form informasi penyakit asma dapat dilihat pada Gambar 4.38.

Gambar 4.38 Form Informasi Penyakit Asma 4.6

Simulasi Pada sub bab ini akan ditampilkan proses simulasi aplikasi sistem pakar

diagnosis penyakit asma pada lingkungan knowledge engineer dan lingkungan user. 4.6.1 Simulasi Pada Lingkungan Knowledge Engineer 1. Form Pilihan Pengguna Jika pilihan pengguna sistem sebagai knowledge engineer, maka sistem akan langsung meminta untuk melakukan log in terlebih dahulu sebelum memasuki menu utama. Simulasi form pilihan pengguna pada lingkungan knowledge engineer dapat dilihat pada Gambar 4.39.

118

Gambar 4.39 Simulasi Form Pilihan Pengguna Pada Lingkungan Knowledge Engineer 2. Form Log In Ketika pakar memilih Menu Pilihan Pengguna Knowledge Engineer (Gambar 4.39) maka akan tampil antarmuka log in, hal ini dimaksudkan agar tidak sembarang user masuk dan juga untuk menghindari penyalah gunaan aplikasi. Setelah log in maka akan tampil menu utama knowledge engineer. Pada menu utama, knowledge engineer dimudahkan dalam menambah dan mengubah pengetahuan/ databasenya, baik update jenis penyakit, kelola data penyakit, kelola data gejala penyakit dan lain-lain. Simulasi form log in knowledge engineer dapat dilihat pada Gambar 4.40.

Gambar 4.40 Simulasi Form Log In Knowledge Engineer Jika username dan password yang di input benar dan verifikasi menunjukan inputan ini valid maka sistem akan masuk ke menu pakar

119

3. Form Menu Utama Knowledge Engineer Simulasi form menu utama knowledge engineer dapat dilihat pada Gambar 4.41.

Gambar 4.41 Simulasi Form Menu Utama Knowledge Engineer 4. Form Kelola Data Penyakit Simulasi form kelola data penyakit dapat dilihat pada Gambar 4.42.

Gambar 4.42 Simulasi Form Kelola Data Penyakit

120

5. Form Kelola Data Solusi Simulasi form kelola data solusi dapat dilihat pada Gambar 4.43.

Gambar 4.43 Simulasi Form Kelola Data Solusi 6. Form Kelola Data Basis Aturan Simulasi form kelola data basis aturan dapat dilihat pada Gambar 4.44.

Gambar 4.44 Simulasi Form Kelola Data Basis Aturan

121

7. Form Kelola Data Knowledge Engineer Simulasi form kelola data knowledge engineer dapat dilihat pada Gambar 4.45.

Gambar 4.45 Simulasi Form Kelola Data Knowledge Engineer 8. Form Kelola Data Informasi Penyakit Simulasi form kelola data informasi penyakit dapat dilihat pada Gambar 4.46.

Gambar 4.46 Simulasi Form Kelola Data Informasi Penyakit

122

4.6.2 Simulasi Pada Lingkungan User 1. Form Pilihan Pengguna Pada menu pilihan pengguna, user dapat langsung mengakses menu utama user. Hal ini dimaksudkan agar user lebih mudah dalam melakukan konsultasi. Simulasi form pilihan pengguna pada lingkungan user dapat dilihat pada Gambar 4.47.

Gambar 4.47 Simulasi Form Pilihan Pengguna Pada Lingkungan User 2. Form Menu Utama User Setelah user memilih tombol pengguna maka program sistem pakar untuk diagnosis penyakit asma dapat langsung digunakan, user dapat memilih menu diagnosis atau jika hanya sekedar mengetahui informasi jenis penyakit asma, user bisa memilih menu informasi penyaki. Simulasi form menu utama user dapat dilihat pada Gambar 4.48.

123

Gambar 4.48 Simulasi Form Menu Utama User 3. Form Diagnosis Form diagnosis berisi pertanyaan gejala yang diajukan oleh sistem sesuai dengan basis aturan dan user dapat memilih jawaban Ya atau Tidak. Simulasi form diagnosis dapat dilihat pada Gambar 4.49.

Gambar 4.49 Simulasi Form Diagnosis

124

4. Form Hasil Diagnosis Form hasil diagnosis akan menampilkan kesimpulan berupa jenis penyakit dan solusi yang dianjurkan. Simulasi form hasil diagnosis dapat dilihat pada Gambar 4.50.

Gambar 4.50 Simulasi Form Hasil Diagnosis 5. Form Informasi Penyakit Simulasi form informasi penyakit dapat dilihat pada Gambar 4.51.

Gambar 4.51 Simulasi Form Informasi Penyakit

125

BAB V KESIMPULAN DAN SARAN

5.1

Kesimpulan Dari uraian analisis dan desain aplikasi sistem pakar diagnosis penyakit

asma dapat disimpulkan sebagai berikut, bahwa: 1. Perangkat lunak aplikasi sistem pakar diagnosis penyakit asma memiliki fasilitas yang dapat membantu tenaga penyuluh dalam memberikan penyuluhan kepada masyarakat untuk mengetahui deteksi dini gejala penyakit asma, sehingga dapat ditarik kesimpulan atas jenis penyakit asma yang menyerang dan solusi atau cara pengobatan yang bisa dilakukan secara mandiri. 2. Dengan adanya pembatasan hak akses yang diterapkan pada sistem, proses untuk pengolahan basis pengetahuan dan basis aturan hanya dapat dilakukan oleh pakar. 5.2

Saran

1. Perlu meningkatkan pengetahuan agar program dapat memiliki akuisisi pengetahuan yang cukup untuk membantu penelusuran oleh user. 2. Melibatkan banyak pengalaman serta keahlian pakar saat melakukan pengembangan basis pengetahuan. 3. Program aplikasi ini dapat dikembangkan tampilan interfacenya, sehingga lebih menarik bagi user.

126

DAFTAR PUSTAKA

Al Fatta, H., 2007, “Analisis dan Perancangan Sistem Informasi Untuk Keunggulan Bersaing Perusahaan dan Organisasi Modern”, Yogyakarta: Andi. Arhami, M., 2005, “Konsep Dasar Sistem Pakar”, Yogyakarta: Andi. Departemen Kesehatan RI, 2009, “Pedoman Pengendalian Penyakit Asma”. Departemen Kesehatan RI, 2007, “Pharmaceutical Care Untuk Penyakit Asma”. Dr. Eleanor Bull dan Profesor David Price, 2007, “Asma”, Jakarta: Erlangga. Durkin, J., 1994, “Expert Systems Design and Development”, New Jersey: Prentice Hall International Inc. Heryanto, I., 2006, “Membuat Database dengan Microsoft Access Studi Kasus : Sistem Informasi Kepegawaian”, Bandung: Informatika. HM., Jogiyanto, 2003, “Pengembangan Sistem Pakar Menggunakan Visual Basic”, Yogyakarta: Andi. Kadir, A. Triwahyuni Terra CH., 2005, “Pengenalan Teknologi Informasi”, Yogyakarta: Andi. Kusrini, 2006, “Sistem Pakar Teori dan Aplikasi”, Yogyakarta: Andi. Kusumadewi, Sri, 2003, “Artificial Intelligency (Teknik dan Aplikasinya)”, Yogyakarta: Graha Ilmu. MADCOMS, 2008, “Microsoft Visual Basic 6.0 untuk Pemula”, Yogyakarta: Andi. Pramana, Hengky W., 2005, “Aplikasi Penjualan Berbasis Access 2003”, Jakarta: Elex.

Pengertian dan Tujuan Penyuluhan. Diperoleh dari diakses September 2012

http://www.prasko.com/;

Satuan Penyuluhan Asma. Diperoleh dari http://ners-blog.blogspot.com/; diakses September 2012 Tim Pelaksana Praktikum Basis Data, 2009, “Modul Praktikum Basis Data”, Garut: Sekolah Tinggi Teknologi Garut. Whitten, Jeffrey L., Bentley, Lonnie D., Dittman, Kevin C., 2004, “Metode Desain dan Analisis Sistem”, Edisi Bahasa Indonesia, Singapore: Irwin McGraw-Hill.

LAMPIRAN-LAMPIRAN

DATA HASIL WAWANCARA DENGAN PAKAR PENYAKIT ASMA DI POLIKLINIK BETHESDA GARUT

TEMA WAWANCARA : LATAR BELAKANG PENYAKIT ASMA

6. Apa saja gejala yang ditimbulkan dari masing-masing penyakit asma dan bagaimana solusi/cara penaggulangannya? Jwb : 1. Penyakit Asma Akut Gejala : sesak nafas tiba-tiba dan intensitas sesak yang berat, ada bunyi nafas, batuk, dada terasa berat, gelisah. Solusi : menggunakan obat-obatan asma inhaler atau nebulizer atau suntikan. 2. Penyakit Asma Kronis Gejala

: sesak nafas kambuh-kambuhan dengan intensitas sesak yang ringan sampai sedang, kadang ada bunyi nafas kadang tidak, batuk kadang ada.

Solusi

: menghindari penyebab serangan asma, minum obat-obatan asma saat terasa sesak, olah raga, jangan kecapaian.

3. Penyakit Asma Periodik Gejala

: sesak nafas yang sering kambuh karena penyebab tertentu misal debu, asap, udara dingin kadang disertai batuk maupun nafas yang berbunyi.

Solusi

: hindari penyebab asma, minum obat asma jika kambuh, kecapaian.

olah

raga,

hindari

stress,

jangan



Lanjutan 4. Penyakit Asma Intrinsik Gejala

: sesak nafas terkadang berat, ada gejala infeksi misalnya panas, batuk.

Solusi

:

mengobati

penyebab

infeksi

misal

dengan

antibiotik, minum obat-obatan asma. 5. Penyakit Asma Ekstrinsik Gejala

: sesak nafas disertai gejala alergi yang lain misalnya gatal pada kulit, bersin-bersin, pilek, hidung buntu.

Solusi

: hindari penyebab alergi misal debu,tepung sari, makanan tertentu yang alergi, terkadang sembuh sendiri tanpa obat, desensitisasi (menyuntikan alergen penyebab sedikit demi sedikit sampai tidak alergi).

6. Penyakit Asma Ringan Gejala

: sesak ringan pada saat berjalan, bicara berupa kalimat,

nafasnya

berbunyi

nafas,kecepatan nafas meningkat. Solusi

: nebulizer dan obat-obatan oral.

saat

membuang



Lanjutan 7. Penyakit Asma Sedang Gejala

: sesak sedang pada saat bicara, bicara hanya penggal kalimat, nafasnya berbunyi saat membuang nafas dan kadang saat menarik nafas, kadang ada pernafasan dengan otot dada yang tertarik, kecepatan nafas meningkat..

Solusi

: nebulizer, beri oksigen dan obat-obatan oral

8. Penyakit Asma Berat Gejala

: sesak berat pada saat istirahat, bicara hanya katakata, pucat sampai biru, nafasnya berbunyi nyaring, ada pernafasan dengan otot dada yang tertarik dan ada pernafasan cuping hidung, kecepatan nafas meningkat.

Solusi

: nebulizer, beri oksigen, suntik obat-obatan asma.

APLIKASI SISTEM PAKAR DIAGNOSIS PENYAKIT ASMA

Recommend Documents