SISTEM PAKAR MENDIAGNOSA PENYAKIT TIROID MENGGUNAKAN METODE CERTAINTY FACTOR BERBASIS WEB Wayan Eka Ariawan 12101354 Program Studi Teknik Informatika Konsentrasi Manajemen Informatika STMIK STIKOM Indonesia Jl. Tukad Pakerisan No. 97, Denpasar - Bali Telp. (0361) 256 995
[email protected] Abstrak Penyakit tiroid adalah terjadinya pembengkakan atau benjolan pada leher bagian depan yang disebabkan karena gangguan pada kelenjar tiroid. Penyakit tiroid merupakan masalah kesehatan yang sangat serius di Indonesia. Namun, adanya kecenderungan lama antrian, dan juga masalah biaya yang dibutuhkan untuk pengobatan menyebabkan masyarakat terkadang enggan untuk memeriksakan diri ke dokter. Selain itu keterbatasan dokter dan tidak meratanya jumlah dokter makin memperburuk keadaan ini. Tujuan dari penelitian ini adalah merancang dan membangun sistem pakar mendiagnosa penyakit tiroid. Sistem pakar merupakan program komputer yang meniru proses pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah. Dalam penarikan kesimpulannya, sistem pakar ini menggunakan metode Certainty Factor. Dimana dengan metode ini pengguna dapat memberikan nilai berdasarkan tingkat keparahan gejala yang dirasakan. Sistem pakar untuk mendiagnosa penyakit tiroid dibangun berbasis web dengan tujuan untuk menyebarluaskan informasi kepada masyarakat sehingga upaya penanganan dan pencegahan sejak dini penyakit tiroid dapat dilakukan dengan cepat. Kata Kunci : Sistem Pakar, Certainty Factor, Penyakit Tiroid, Web. Abstract Thyroid disease is a swelling or lump in the front of the neck caused by disorders of the thyroid gland. Thyroid disease is a very serious health problem in Indonesia. However, the tendency of long queues, and also the problem of the cost required for the treatment causes people sometimes are reluctant to see a doctor. Besides the limitations of doctors and the uneven number of doctors further worsen the situation. The purpose of this study was to design and build an expert system to diagnose thyroid disease. Expert systems are computer programs that replicate the thought process and expert knowledge in resolving a problem. In conclusion withdrawal, this expert system using the method of Certainty Factor. Where this method the user can provide a value based on the perceived severity of symptoms. Expert system for diagnosing thyroid disease constructed web based with the aim of disseminating information to the public so that the management and prevention efforts early thyroid disease can be done quickly. Keyword: Expert System, Certainty Factor, Thyroid Disease, Web. 1
lebih buruk. Salah satu sistem yang dapat digunakan untuk membantu diagnosis adalah sistem pakar. Sistem ini bukan untuk menggantikan kedudukan pakar, tetapi memasyarakatkan pengetahuan dan pengalaman seorang pakar Menurut Kusumadewi (2003, 109), Sistem Pakar (Expert System) merupakan program komputer yang meniru proses pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah. Implementasi sistem pakar dapat diterapkan dalam dunia kesehatan selain sebagai media informasi bagi masyarakat terutama penderita penyakit untuk mengetahui jenis penyakit yang diderita sebagai diagnosa awal, juga sebagai alat bantu bagi dokter untuk dapat mengambil keputusan. Sistem pakar juga memiliki kemampuan untuk menangani ketidakpastian. Salah satu metode yang dapat diterapkan dalam sistem pakar untuk menangani ketidakpastian adalah metode Certainty Factor. Menurut Kusrini, (2008). Metode Certainty Factor dapat menampilkan nilai kepercayaan terhadap fakta yang diidentifikasi, selain itu dengan metode ini pengguna dapat memberikan nilai berdasarkan tingkat keparahan gejala yang dirasakan. Sistem pakar ini dibangun dengan berbasis web untuk menyebarluaskan informasi kepada masyarakat sehingga upaya penanganan dan pencegahan sejak dini penyakit tiroid dapat dilakukan dengan cepat. Dari uraian yang disampaikan pada penelitian ini, maka peneliti mengangkat tema tugas akhir tentang “Sistem Pakar Mendiagnosa Penyakit Tiroid Menggunakan Metode Certainty Factor Berbasis Web”.
1. Pendahuluan 1.1 Latar Belakang Menurut Sudoyo (2006), penyakit tiroid adalah terjadinya pembengkakan atau benjolan pada leher bagian depan yang disebabkan karena gangguan pada kelenjar tiroid. Kelenjar tiroid ialah organ yang terletak di leher manusia yang berfungsi untuk menghasilkan hormon tiroid. Hormon tiroid bertugas dalam mengawal metabolisme tubuh (pengeluaran tenaga/energi). Kerusakan atau kelainan pada kelenjar tiroid akan menyebabkan terganggunya pengeluaran hormonhormon tiroid, yang dapat menyebabkan berbagai macam penyakit dan kelainan bagi manusia. Kerusakan atau kelainan pada kelenjar tiroid disebabkan oleh beberapa faktor yang sering terjadi, seperti kekurangan yodium yang dapat menyebabkan terjadinya hipotiroid, dan faktor yang lainnya seperti hipertiroid yang disebabkan oleh adanya produksi kelenjar tiroid yang berlebihan sehingga sel-sel aktif akan menghasilkan hormon tiroid secara berlebihan dan kadar hormon tiroid dalam darah akan meningkat (Sudoyo, 2006). Berdasarkan data Kementrian Kesehatan tahun 2015 penyakit tiroid menempati urutan kedua terbanyak dalam daftar penyakit metabolik setelah diabetes melitus (DM). Perempuan lebih banyak menderita penyakit tiroid di bandingkan laki-laki. Dimana 14,7% perempuan dan 12,8% laki-laki dicurigai menderita penyakit hipertiroid. Selain itu ditemukan juga 2,2% perempuan dan 2,7% laki-laki yang dicurigai mengalamai penyakit hipotiroid. Di Bali sendiri penduduk dengan usia diatas 15 tahun ditemukan 12.272 kasus terdiagnosis hipertiroid pada tahun 2013. Masyarakat terkadang enggan untuk memeriksakan diri ke dokter dan cenderung mengabaikan penyakit ini. Beberapa hal yang menjadi alasan adalah biaya dan lamanya antrian. Bagi sebagian masyarakat, untuk periksa ke dokter membutuhkan biaya yang tidak sedikit belum lagi harus membeli obatnya selain itu juga harus menjalani antrian periksa yang tidak sebentar. Keterbatasan dokter dan tidak meratanya jumlah dokter makin memperburuk keadaan ini. Untuk solusi dari permasalahan tersebut maka diperlukan suatu sistem yang dapat membantu masyarakat dalam mendiagnosa penyakit tiroid sehingga nantinya masyarakat dapat lebih mudah berkonsultasi untuk mengantisipasi dampak yang
1.1
Rumusan Masalah Berdasarkan latar belakang yang telah di uraikan di atas, dapat dirumuskan permasalahan Bagaimana merancang dan membangun sistem pakar untuk mendiagnosa penyakit tiroid menggunakan metode certainty factor berbasis web. 1.2
Batasan Masalah Agar dalam pengerjaan tugas akhir ini dapat lebih terarah, maka pembahasan penulisan ini dibatasi pada ruang lingkup pembahasan sebagai berikut: 1. Sistem ini hanya mendiagnosa 6 jenis penyakit beserta dengan gejalanya. 2
2.
3. 4. 5.
User yang menggunakan sistem ini adalah masyarakat umum, selain untuk diagnosa masyarakat juga dapat melihat informasi penyakit seputar penyakit tiroid. Sistem pakar ini menggunakan bahasa pemrograman PHP dan database MySQL. Inferensi yang digunakan dalam sistem ini adalah Forward Chaining Output dari sistem ini berupa diagnosa penyakit tiroid, definisi penyakit dan memberikan solusi kepada user yang menderita penyakit tiroid.
digunakan untuk pembuatan keperluan penelitian.
aplikasi
atau
BAB III ANALISIS DAN PERANCANGAN SISTEM Bab ini berisi tentang gambaran umum obyek penelitian, analisis data dan pembahasan dari analisis data yang sudah dilakukan.Selain itu akan ada gambaran umum perancangan dari aplikasi yang akan dibuat. BAB IV PEMBAHASAN DAN IMPLEMENTASI SISTEM Bab ini akan menjelaskan bagaimana langkah-langkah mengenai cara menggunakan atau mengimplementasikan dan memaparkan tentang program yang telah peneliti buat.
1.3
Tujuan Penelitian Adapun tujuan dari penelitian ini adalah untuk merancang dan membangun sistem pakar untuk mendiagnosa penyakit tiroid menggunakan metode certainty factor berbasis web. 1.4
Manfaat Penelitian Adapaun beberapa manfaat dari penelitian ini adalah sebagai berikut : 1. Aplikasi sistem pakar diagnosa penyakit tiroid dapat mempermudah masyarakat dalam melakukan diagnosa penyakit tiroid. 2. Sistem ini dapat meningkatkan pengetahuan masyarakat tentang penyakit tiroid. 3. Sistem ini dapat mengetahui penyakit tiroid sejak dini, sehingga penanganan yang cepat bisa dilakukan untuk mengobati penyakit tiroid tersebut.
BAB V PENUTUP Bab ini berisikan kesimpulan yang menjawab pertanyaan dalam perumusan masalah dan beberapa saran yang bermanfaat dalam pengembangan perangkat lunak untuk kedepannya.
2. Tinjauan Pustaka 2.1 Penelitian Terdahulu Penelitian yang dilakukan oleh Arisandi (2016), dengan judul “Sistem Pakar Mendiagnosa Gangguan Kelenjar Tiroid Menggunakan Metode Forward Chaining dan Dempster Shafer Berbasis Android”. Sistem pakar yang dibuat pada penelitian tersebut menggunakan metode forward chaining (runut maju) sebagai mesin inferensi dan metode dempster shafer dalam menentukan kesimpulan dengan menggunakan bahasa pemrograman basic pada platform android. Namun aplikasi sistem pakar ini hanya mendiagnosa 2 penyakit saja dan outputnya hanya berupa diagnosa gangguan yang diderita. Kelemahan dari sistem pakar ini yaitu belum adanya solusi pencegahan dan pengobatan, sehingga pasien hanya mengetahui nilai kepastian tanpa mengetahui solusi pengobatan dari penyakit yang diderita. Penelitian yang kedua dilakukan oleh Anjas (2013), yang berjudul ”Sistem Pakar Mendiagnosa Penyakit Demam Berdarah Menggunakan Metode Certainty Factor”. Sistem pakar yang dibuat pada penelitian tersebut berbasis dekstop dengan menggunakan Bahasa pemrograman Microsoft Visual Basic. NET 2008 dan Microsoft SQL Server 2005
1.5
Sistematika Penulisan Pada sistematika penulisan ini, akan menguraikan gambaran yang lebih jelas dan sistematis mengenai hal-hal yang akan diuraikan pada setiap bab. Laporan penelitian ini memiliki 5 (lima) bab yang terkandung didalamnya, diantaranya adalah: BAB I PENDAHULUAN Bab ini mengulas tentang latar belakang. Dari latar belakang tersebut dirumuskan masalah yang akan dibahas dalam laporan penelitian ini, untuk membatasi pembahasan agar tidak keluar dari pokok bahasan maka dibatasi dengan batasan masalah kemudian tujuan penelitian dan terakhir manfaat penelitian. BAB II TINJAUAN PUSTAKA Bab ini menjelaskan teori-teori yang mendukung pokok pembahasan yang meliputi definisi dan menguraikan komponen yang 3
sebagai media penyimpanannya (database), yang membahas tentang bagaimana merancang suatu sistem pakar yang dapat digunakan untuk melakukan diagnosa penyakit demam berdarah. Aplikasi sistem pakar ini dirancang untuk dapat digunakan dalam mengetahui penentuan penyakit demam berdarah. Kelemahan pada sistem pakar tersebut yaitu belum adanya solusi pencegahan dan pengobatan, sehingga pasien hanya mengetahui nilai kepastian tanpa mengetahui solusi pengobatan dari penyakit yang diderita. Atas dasar kedua penelitian terdahulu diatas, maka penulis mencoba berinisiatif mengembangkan penelitian ini dengan menggunakan bahasa pemrograman php dan menggunakan database MySQL, dengan judul” Sistem Pakar Untuk Mendiagnosa Penyakit Tiroid Menggunakan Metode Certainty Factor Berbasis Web”. Metode penelusuran yang digunakan adalah menggunakan metode forward chaining. Diharapkan aplikasi ini mampu memberikan informasi dan solusi tentang penyakit tiroid berdasarkan gejala-gejala yang ada dan dapat membantu seorang pakar dalam menangani penyakit tiroid, kamudian memberikan solusi yang tepat berupa pengobatan dan saran pencegahan.
2.2
Perbandingan Penelitian Dengan Penelitian Sekarang
sangat berpengalaman. Adapun beberapa definisi tentang sistem pakar menurut para ahli, antara lain: 1. Menurut Durkin: Sistem pakar adalah suatu program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar. 2. Menurut Ignizio: Sistem pakar adalah suatu model dan prosedur yang berkaitan, dalam suatu domain tertentu, yang mana tingkat keahlian seorang pakar. 3. Menurut Giarratano dan Riley: Sistem pakar adalah suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar. Sistem pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960, adalah General-Purpose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon. GPS dan program-program yang serupa ini menglami kegagalan dikarenakan cakupannya terlalu luas sehingga terkadang justru meninggalkan pengetahuanpengetahuan penting yang seharusnya disediakan.
2.4
Menurut Kusrini (2006, 15), ciri-ciri sistem pakar, yaitu : 1. Terbatas pada bidang yang spesifik. 2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti. 3. Dapat mengemukakan rangkaian alasan yang diberikannya dengan cara yang mudah dipahami. 4. Berdasarkan pada rule atau kaidah tertentu. 5. Dirancang untuk dikembangkan secara bertahap. 6. Output bersifat nasihat atau anjuran. 7. Output tergantung dari dialog dengan user. 8. Knowledge base dan inference engine terpisah
Terdahulu
Perbandingan penelitian terdahulu dengan penelitian sekarang dapat dilihat pada tabel 2.1 Tabel 2.1 Perbandingan Penelitian Terdahulu Dengan Penelitian Sekarang
Penelitian
I
II
Sekaran g
Penyakit
Ganggua n Kelenjar Tiroid Forward Chaining
Demem Berdara h
Tiroid
Forward Chaining
Dempster Shafer
Forward Chainin g Certaint y Factor
Certainty Factor
Android
Dekstop
Web
Inferensi Metode Ketidakpastia n Basis Aplikasi 2.3
Ciri - Ciri Sistem Pakar
2.5
Struktur Sistem Pakar
Menurut Kusumadewi (2003, 111), sistem pakar terdiri dari 2 bagian pokok, yaitu: lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangunan komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi. Untuk lebih jelasnya struktur sistem pakar dapat dilihat pada gambar 2.1.
Sistem Pakar
Menurut Kusumadewi (2003, 107), sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan masalah yang cukup sulit yang sebenarnya hanya dapat diselesaikan dengan bantuan ahli. Bagi para hali, sistem pakar ini juga akan membantu aktifitasnya sebagai asisten yang
2.6
Orang Yang Terlibat Dalam Sistem Pakar
Menurut Kusrini (2006, 19), dibawah ini ada beberapa orang yang terlibat dalam sistem pakar, yaitu : 1. Pakar (domainexpert) Pakar merupakan seorangahli yang dapat menyelesaikan masalah yang sedang diusahakan untuk dipecahkan oleh sistem.
4
2.
3.
4.
Pembangun pengetahuan (knowledgeengineer) Pembangun pengetahuan merupakan seorang yang menerjemahkan pengetahuan seorang pakar dalam bentuk deklaratif sehingga dapat digunakan oleh sistem pakar. Pengguna (user) Pengguna merupakan seorang yang berkonsultasi dengan sistem untuk mendapatkan saran yang disediakan oleh pakar. Pembangun sistem (sistemengineer) Pembangun sistem merupakan seorang yang membuat antarmuka pengguna, merancang bentuk basis pengetahuan secara deklaratif dan mengimplementasikan mesin inference.
7. 8.
9.
2.8
Yang
Disentuh
Keuntungan Sistem Pakar
Menurut Kusumadewi (2003, 108), secara garis besar banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain: 1. Memungkinkan orang awan 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. Menigkatkan 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 reabilitas. 10. Meningkatkan kapabilitas sistem komputer. 11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian. 12. Sebagai media pelengkap dalam pelatihan. 13. Meningkatkan kapabilitas dalam penyelesaian masalah. 14. Menghemat waktu dalam pengambilan keputusan.
Gambar 2.1 Struktur Sistem Pakar
2.7 Permasalahan Sistem Pakar
Perbaikan Instruksi Melakukan instruksi untuk mendiagnosis, debugging dan perbaikan kerja. Control Melakukan control terhadap interpretasiinterpretasi, prediksi, perbaikan, dan monitoring kelakuan sistem.
Oleh
Menurut Kusumadewi (2003, 120), ada beberapa masalah yang menjadi area luas aplikasi sistem pakar, antara lain : 1. Interpretasi Pengambilan keputusan dari hasil observasi, termasuk diantaranya : pengawasan pengenalan ucapan, analisis citra, interpretasi sinyal dan beberapa analisis kecerdasan. 2. Prediksi Termasuk diantaranya : peramalan, prediksi demo grafis, peramalan ekonomi, prediksi lalu lintas, estimasi hasil, militer pemasaran atau peramalan keuangan. 3. Diagnosis Termasuk diantaranya : medis, elekronis, mekanis dan diagnosis perangkat lunak. 4. Perancangan Termasuk diantaranya : perancangan keuangan, komunikasi, militer, pengembangan produk, routing, managemen proyek, layout sirkuit dan perancangan bangunan. 5. Monitoring Misalnya : Computer-Aided Monitoring Sistems. 6. Debugging Memberikan resep obat terhadap suatu kegagalan.
2.9
Kelemahan Sistem Pakar
Menurut Kusumadewi (2003, 109), selain memiliki banyak manfaat, sistem pakar juga memiliki beberapa kelemahan, antara lain: 1. Biaya yang diperlukan untuk membuat dan memelihara sangat mahal. 2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya. 3. Sistem pakar tidak 100% bernilai benar.
2.10 Representasi Pengetahuan Menurut Kusrini, (2008). Representasi pengetahuan merupakan metode yang digunakan untuk mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan. Perepresentasian dimaksudkan untuk manangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedure pemecahan masalah.
5
Adapun karakteristik dari metode representasi pengetahuan adalah 1. Harus bisa diprogram dengan bahasa pemrograman atau dengan shells dan hasilnya disimpan di memori 2. Dirancang sedemikian sehingga isinya dapat digunakan untuk proses penalaran. 3. Model representasi pengetahuan merupakan sebuah struktur data yang dapat dimanipulasi oleh mesin inferensi dan pencarian untuk aktifitas pencocokan pola.
CF
MD
(H,E)
Dimana : CF adalah faktor kepastian dalam hipotesis H karena bukti E MB adalah ukuran dari peningkatan kepercayaan H karena E MD adalah ukuran dari peningkatan ketidakpercayaan H karena E
Tabel 2.2 Aturan Nilai-nilai Kepercayaan
CF
Tidak Pasti Hampir Tidak Pasti Kemungkinan Tidak Mungkin Tidak Tidak Mungkin Kemungkinan Besar Hampir Pasti Pasti
-1,0 Sampai -0,79 -0,8 Sampai -0,59 -0,6 Sampai -0,39 -0,4 Sampai -0,19 -0,2 Sampai 0.29 0,3 Sampai 0,59 0,6 Sampai 0,79 0,8 Sampai 0,89 0,9 Sampai 1,0
-
CF
(x)
Sehingga CF(E,e) = CF(H,E1 ∩ E2 ∩ E3 ∩ E4) = min[CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e)] = min[0,5, 0,8, 0,3, 0,7] = 0,3 Jadi nilai CF Pararel untuk premis-premis dari aturan 2.1 adalah sebesar 0,3
Berikut tabel 2.2 aturan nilai-nilai kepercayaan yang diberikan oleh MYCIN.
Kepercayaan
=
Berikut ini adalah contoh kasus yang melibatkan kombinasi certainty factor : Aturan 2.1 : JIKA batuk DAN demam DAN sakit kepala DAN bersin-bersin MAKA influenza, CF : 0,7 Dengan menganggap E1 : “batuk”, E2 :”demam”, E3 :”sakit kepala”, E4:”bersin-bersin”, dan H:”influenza”, nilai certainty factor pada saat evidence pasti adalah : CF(H,E) : CF(H,E1 ∩ E2 ∩ E3 ∩ E4) : 0,7 Dalam kasus ini , kondisi pasien tidak dapat ditentukan dengan pasti . Certainty factor evidence E yang dipengaruhi oleh partial evidence e ditunjukkan dengan nilai sebagai berikut : CF(E1,e) : 0,5 (pasien mengalami batuk 50%) CF(E2,e) : 0,8 (pasien mengalami demam 80%) CF(E3,e) : 0,3 (pasien mengalami sakit kepala 30%) CF(E4,e) : 0,7 (pasien mengalami bersinbersin 70%)
Menurut Giaratano dan Riley, (2005). Dalam MYCIN tingkat konfirmasi awalnya didefinisikan sebagai faktor kepastian, yang merupakan perbedaan antara kepercayaan dan ketidakpercayaan : –
x)
...........................................................(2.4)
2.11 Faktor Kepastian (Certainty Factor)
CF (H,E) = MB (H,E) .........................................(2.1)
(Tidak
2.11.2 Menentukan CF Sequensial Bentuk dasar rumus certainty factor sebuah aturan JIKA E MAKA H ditunjukkan pada rumus 2.5 CF (H,e) = CF (E,e) ..........................................(2.5)
*
CF
(H,E)
Dimana CF (E,e) : certainty factor evidence E yang dipengaruhi oleh evidence e CF (H,E) : certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF (E,e) = 1 CF (H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e
2.11.1 Menetukan CF Pararel CF Pararel merupakan CF yang diperoleh dari beberapa premis pada sebuah aturan. Besarnya CF sequensial dipengaruhi oleh CF user untuk masing-masing premis dan operator dari premis. Rumus dari masing-masing operator dapat dilihat pada rumus 2.2, 2.3, 2.4. CF (x Dan y) = Min (CF (x), CF(y))
Jika semua evidence pada antecedent diketahui dengan pasti, maka rumusnya ditunjukkan oleh rumus 2.6.
.......................................(2.2) CF (x Atau y) = Max (CF (x), CF(y))
CF (H,e) = CF ................................................................(2.6)
.....................................(2.3)
6
(H,E)
DAN D MAKA G, CF : 0.6 Aturan 2.11 : JIKA E DAN F MAKA G, CF : -0.1
Mari perhatikan penjelasan berikut untuk memudahkan pemahaman : CF Sequensial diperoleh dari hasil perhitungan CF pararel dari semua premis dalam satu aturan dengan CF aturan yang diberikan oleh pakar. Adapun rumus untuk melakukan perhitungan CF Sequensial ditunjukkan pada rumus 2.7. CF (x,y) = CF (x) * CF (y) ......................................................(2.7) Dengan CF (x,y) : CF pararel CF (x) : CF sequensial dari semua premis CF (y) : CF pakar Dengan menggunakan contoh pada subbab 2.4 dapat diketahui bahwa CF pararel dari semua premis dalam sebesar 0,3 dan CF pakar 0,7. Berdasarkan nilainilai tersebut, nilai CF Sequensial untuk aturan 2.1 dapat dihitung, yakni sebesar : CF (Influenza) : 0,3 * 0,7 : 0,21
Jika diketahui CF A = 0.3, B = 0.4, D = 0.5, E = 0.1, dan F = 0.2. Maka besarnya nilai CF G dapat dihitung sebagai berikut : CF Pararel Aturan 2.9 dihutung dengan menggunakan rumus 2.2 seperti ditunjukkan dibawah ini : CF Pararel Aturan 2.9 : Min (CF A, CF B) : Min (0.3,0.4) : 0.3 CF Sequensial Aturan 2.9 dihitung dengan menggunakan rumus 2.7 seperti ditunjukkan dibawah ini : CF Sequensial Aturan 2.9 : CF Pararel Aturan 2.9 * CF Pakar Aturan 2.9 : 0.3 * 0.8 : 0.24
2.11.3 Menentukan CF Gabungan CF gabungan merupakan CF akhir dari sebuah calon konklusi. CF ini dipengaruhi oleh semua CF paralel dari aturan yang menentukan konklusi tersebut. CF Gabungan diperlukan jika suatu konklusi diperoleh dari beberapa aturan sekaligus. CF Akhir dari suatu aturan dengan aturan yang lain digabungkan untuk mendapatkan nilai CF Akhir bagi calon konklusi tersebut. Adapun rumus untuk melakukan perhitungan CF Gabungan ditunjukkan pada rumus 2.8.
Nilai CF Sequensial Aturan 2.9 menunjukkan besaran derajat kepercayaan terhadap konklusi C Selanjutnya akan dihitung nilai CF konklusi G pada Aturan 2.10 dengan langkah sebagai berikut : 1. Menghitung CF Pararel Aturan 2.10 dengan menggunakan rumus 2.2 CF Pararel Aturan 2.10 : Min (CF C, CF D) : Min (0.24, 0.5) : 0.24 2. Menghitung CF Sequensial Aturan 2.10 dengan menggunakan rumus 2.7 CF Sequensial Aturan 2.10 : CF Pararel Aturan 2.10 * CF Pakar Aturan 2.10 : 0.24 * 0.6 : 0.144 Nilai CF Sequensial Aturan 2.10 bukanlah nilai CF final untuk konklusi G karena masih ada aturan lain yang memiliki konklusi yang sama yaitu aturan 2.11. Oleh karena itu, nilai CF konklusi G dari aturan 2.11 perlu dihitung dengan langkah sebagai berikut:
CF (x) + CF (y) - (CF(x)*CF(y)), CF (x) > 0 dan CF(y) > 0 CF (x) + CF (y) , Salah_satu CF(x), CF(y) < 0 ...............(2.8) ( 1-(min(|CF(x)|,|CF(y)|))) CF (x) + (CF (y)*(1+CF(x))), CF (x) < 0 dan CF (y) < 0
2.11.4 Contoh Kasus Sebagai contoh dalam diagnosis suatu penyakit, hubungan antara gejala dan hipotesis sering tidak pasti. Sangat dimungkinkan beberapa aturan yang menghasilkan satu hipotesis dan suatu hipotesis menjadi evidence bagi aturan yang lain (Heekerman, 1986). Aturan 2.9 sampai dengan aturan 2.11 berikut ini menggambarkan kondisi tersebut : Aturan 2.9 :
1.
Menghitung CF Pararel Aturan 2.11 dengan menggunakan rumus 2.2 CF Sequensial Aturan 2.11 : Min (CF E, CF F) : Min (0.1,0.2) : 0.1 2. Menghitung CF Pararel Aturan 2.11 dengan menggunakan rumus 2.7 CF Sequensial Aturan 2.11 : CF Pararel Aturan 2.11 * CF Pakar Aturan 2.11
JIKA A DAN B MAKA C, CF : 0.8 Aturan 2.10 : JIKA C
7
: 0.1 * (- 0.1) : -0.01
: 0.4 * 0.5 : 0.2 Nilai CF Sequensial Aturan 2.12 merupakan nilai CF Konklusi C final dan akan diperhitungkan dalam perhitungan CF gabungan. 3. Hitung CF Pararel Aturan 2.13 (menggunakan rumus 2.2) CF Pararel Aturan 2.13 : Min (CF D, CF E) : Min 0.3, 0.2 : 0.2 4. Hitung CF Sequensial Aturan 2.13 (menggunakan rumus 2.7) CF Sequensial Aturan 2.13 : CF Pararel Aturan 2.13 * CF Pakar Aturan 2.13 : 0.2 * 0.4 : 0.08 5. Hirung CF Gabungan Aturan 2.12 dan 2.13 (menggunakan aturan 2.1). Misal X : CF Sequensial Aturan 2.12 : 0.2 Y : CF Sequensial Aturan 2.13 : 0.08 Karena x dan y bertanda positif, maka : CF (x,y) : CF (x) + CF (y) – (CF(x) * (CF(y)) : 0.2 + 0.08 – (0.2 * 0.08) : 0.264
Setelah diperoleh nilai-nilai konklusi G dari aturan 2.10 dan 2.11 maka nilai CF G final bisa dihitung dengan menggunakan rumus gabungan pada rumus 2.8. perhitungannya dapat ditunjukkan sebagai berikut : Misal x : CF Sequensial Aturan 2.10 : 0.144 Y : CF Sequensial Aturan 2.11 : -0.01 Karena x dan y berlainan tanda, maka : CF(x,y) =
CF (x) + CF (y) 1-Min(|CF(x)|,|CF(y)|)
CF(x,y) =
0.144 – 0.01 1-Min(0.144, 0.01)
CF(x,y) = 0.134 0.09 CF(x,y) = 0.135 Dari hasil perhitungan diatas, berarti jika sistem memiliki aturan 2.9, 2.10 dan 2.11 dengan diketahui CF A = 0.3, B = 0.4, D = 0.5, E = 0.1, dan F = 0.2, maka besarnya nilai CF G adalah 0.135.
Dari hasil perhitungan diatas berarti jika sistem memiliki aturan 2.12 dan 2.13 CF A=0.3, B=0.4, D=0.3, E=0.2, maka besarnya CF konklusi C adalah 0.264. Jika dalam sebuah sistem pakar terdapat beberapa kemungkinan calon konklusi, maka sistem akan menghitung CF semua kemungkinan calon konklusi. Konklusi dengan CF yang terbesar menunjukka konklusi tersebutlah yang paling cocok menjadi konklusi dari permasalahan tersebut. Besarnya CF ini depengaruhi oleh CF yang diberikan oleh pakar dan CF yang diberikan oleh pengguna.
Untuk memperjelas, diberikan kasus kedua. Seandainya dalam sistem pakar terdapat aturan-aturan yang tertera pada aturan 2.12 dan 2.13 : Aturan 2.12 : JIKA A ATAU B MAKA C, CF : 0.5 Aturan 2.13 : JIKA D DAN E MAKA F, CF : 0.4 Jika diketahui CF A=0.3, B=0.4, D=0.3, E=0.2. Maka dapat dihitung CF konklusi C dengan langkah-langkah sebagai berikut : 1. Hitung CF Pararel Aturan 2.12 ( menggunakan rumus 2.3) CF Pararel Aturan 2.12 : Max (CF A, CF B) : Max (0.3, 0.4) : 0.4 2. Hitung CF Sequensial Aturan 2.12 (menggunakan rumus 2.7) CF Sequensial Aturan 2.12 : CF Pararel Aturan 2.12 * CF Pakar Aturan 2.12
2.11.5 Kelebihan Dan Kekurangan Metode Certainty Factor Kelebihan metode certainty factor adalah (Sutojo, 2010:204): 1. Metode ini cocok dipakai dalam sistem pakar yang mengandung ketidakpastian. 2. Dalam sekali proses perhitungan hanya dapat mengolah 2 data saja sehingga keakuratan data dapat terjaga. Sedangkan kekurangan dari metode certainty factor adalah : 1. Pemodelan ketidakpastian yang menggunakan perhitungan metode certainty factor biasanya masih diperdebatkan.
8
2.
Untuk data lebih dari 2 buah, harus dilakukan beberapa kali pengolahan data.
retardasi mental disertai dengan bisu, tuli, cara berdiri dan berjalan yang khas, hipotiroid, dan pertumbuhan yang terhambat. (Sudoyo, 2006). Gambar 2.2 merupakan gambar dari kelenjar tiroid.
2.12 Pengertian Diagnosis Istilah diagnosis sering kita dengar dalam istilah medis. Menurut Thorndike dan Hagen dalam (Suherman, 2011). Diagnosis dapat diartikan sebagai : 1. Upaya atau proses menemukan kelemahan atau penyakit (weakness, disease) apa yangdialami seseorang dengan melalui pengujian dan studi yang seksama mengenai gejala-gejalanya (symptons) 2. Studi yang seksama terhadap fakta tentang suatu hal untuk menemukan karakteristik ataukesalahan-kesalahan dan sebagainya yang esensial; 3. Keputusan yang dicapai setelah dilakukan suatu studi yang seksama atas gejala-gejalaatau fakta tentang suatu hal Dari ketiga pengertian di atas, dapat disimpulkan bahwa di dalam konsep diagnosis, telah tercakup pula konsep prognosisnya. Dengan demikian dalam prosesdiagnosis bukan hanya sekadar mengidentifikasi jenis dan karakteristiknya, serta latarbelakang dari suatu kelemahan atau penyakit tertentu, melainkan juga mengimplikasikansuatu upaya untuk meramalkan kemungkinan dan menyarankan tindakan pemecahannya.
2.15 Penyebab Penyakit Tiroid Penyebab dari gejala dan tanda penyakit tiroid ini adalah karena adanya suatu gangguan yang terjadi pada kelenjar tiroid sehingga tidak bisa melakukan proses produksi hormon tiroid sesuai dengan kebutuhan tubuh dan juga yang terjadi karena kurangnya kadar yodium yang bisa menyebabkan terjadinya penyakit tiroid ini yang sifatnya berkelompok (endemik). Biasanya penyakit tiroid ini banyak dialami sekitar 15% pada wanita. Hormon tiroid sendiri pada umumnya jika dalam keadaan sehat bisa membantu dalam memberikan kekuatan untuk kontraksi pada jantung dan sel otot jantung. (Sudoyo, 2006).
2.13 Manfaat Diagnosis Diagnosis memiliki beberapa manfaat, antara lain (Suherman, 2011) : 1. Untuk menemukan atau mengidentifikasi kelemahan atau penyakit (weakness, disease) apa yang dialami seseorang 2. Untuk menemukan karakteristik atau kesalahankesalahan atas gejala-gejala atau faktatentang suatu hal 3. Sebagai pertimbangan dalam upaya pengendalian penyakit di lapangan 4. Salah satu upaya untuk mencegah dan menanggulangi penyebaran suatu penyakit atau wabah
Gambar 2.2 Letak Kelenjar Tiroid
2.16 Faktor Resiko Penyakit Gangguan Tiroid Faktor-faktor yang dapat mencetuskan penyakit tiroid adalah : a. Umur Usia diatas 60 tahun maka semakin beresiko terjadinya hipotiroid atau hipertiroid b. Jenis kelamin Perempuan lebih beresiko terjadinya gangguan tiroid c. Genetik Diantara banyak faktor penyebab autoimunitas terhadap kelenjar tiroid, genetik dianggap merupakan faktor pencetus utama d. Merokok Merokok dapat menyebabkan kekurangan oksigen di otak dan nikotin dalam rokok dapat memacu peningkatan reaksi inflamasi e. Stres Stres juga berkolerasi dengan antibodi terhadat antibodi TSH-reseptor f. Riwayat penyakit keluarga yang berhubungan dengan autoimun
2.14 Penyakit Tiroid Penyakit tiroid adalah salah satu gejalanya ditandai dengan pembengkakan kelenjar yang berbentuk kupu-kupu yang terletak pada bawah pangkal tenggorokan. Gejala dan tanda penyakit tiroid ini mirip seperti penyakit gondok biasa, yang menyebabkan leher terlihat membengkak. Pembengkakan ini akan menekan saluran pernapasan dan juga menekan saluran pencernaan sehingga menyebabkan penderitanya menjadi sulit bernafas dan juga sulit untuk menelan. Pada janin atau bayi, kekurangan hormon tiroid dapat menyebabkan cacat fisik, cacat mental, kelainan saraf dan munculnya kretin. Kretin adalah kondisi
9
g.
h.
Riwayat penyakit keluarga yang ada hubungan dengan kelainan autoimun merupakan faktor resiko hipotiroidisme tiroiditis autoimun Zat kontras yang mengandung iodium Hipertiroidisme terjadi setelah mengalami pencitraan menggunakan zat kontras yang mengandung iodium Lingkungan Kadar iodium dalam air kurang
2.17 Jenis-Jenis Penyakit Tiroid Menurut Sudoyo (2006), ada beberapa jenis
Gambar 2.3 Penyakit Hipotiroid
dan gejala penyakit tiroid yang sering dialami, dari yang ringan sampai yang berat. Adapun jenis dan gejala penyakit tiroid yaitu :
Kekurangan hormon tiroid mengakibatkan perlambatan proses metabolik didalam tubuh manusia. Gejala dan tanda hipotiroid sebagai berikut : a. Kulit terasa kering b. Gerak lamban c. Muka seperti bengkak d. Rambut mudah rapuh e. Bicara lamban f. Berat badan meningkat g. Mudah lupa h. Suara serak i. Depresi j. Tidak tahan suhu dingin k. Produksi keringat berkurang l. Pembasaran pada kelenjar tiroid
1.
Hipotiroid Hipotiroid adalah suatu penyakit akibat penurunan fungsi hormon tiroid yang dikikuti tanda dan gejala yang mempengaruhi sistem metabolisme tubuh. Faktor penyebabnya akibat penurunan fungsi kelanjar tiroid, yang dapat terjadi kongenital atau seiring perkembangan usia. Pada kondisi hipotiroid ini dilihat dari adanya penurunan konsentrasi hormon tiroid dalam darah disebabkan peningkatan kadar TSH (Tyroid Stimulating Hormon). Untuk lebih jelasnya dapat dilihat pada Gambar 2.3. 2.
Hipertiroid Hipertiroid adalah suatu kondisi dimana terjadi peningkatan jumlah produksi hormon tiroid dalam tubuh. Dengan kata lain kelenjar tiroid bekerja lebih aktif yang dinamakan dengan thyrotoksikosis, yaitu terjadi peningkatan level hormon tiroid yang ekstrim dalam darah. Gambar 2.4 merupakan gambar penyakit hipertiroid. Kelebihan hormon tiroid menyebabkan proses metabolik dalam tubuh berlangsung lebih cepat. Gejala dan tanda hipertiroid sebagai berikut : a. Tidak tahan hawa panas b. Mudah capek dan lelah c. Berat badan menurun drastis d. Rambut mudah rapuh e. Berkeringat berlebihan f. Kulit basah g. Sesak nafas h. Tekanan nadi meningkat i. Sulit tidur j. Jantung berdebar tidak teratur k. Pembasaran pada kelenjar tiroid
Gambar 2.4 Penyakit Hipertiroid 3.
Graves Penyakit Graves terjadi ketika sistem kekebalan tubuh menyerang kelenjar tiroid. Penyakit Graves lebih sering terjadi pada wanita antara usia 20 hingga 40 tahun.Beberapa gejala penyakit Graves mirip dengan hipertiroidisme seperti kecemasan dan penurunan berat badan yang tidak dapat dijelaskan. Penyakit Graves sering disebut pula sebagai gondok karena kelenjar tiroid membesar dan berpotensi menimbulkan kesulitan bernapas. Gambar 2.5 merupakan gambar dari penyakit graves. Gejala penyakit Graves meliputi : a. Mata melotot b. Mudah lelah c. Susah tidur (insomnia) d. Berkeringat banyak e. Tangan gemetar (tremor) f. Jantung berdenyut tidak teratur
10
g. Rambut mudah rapuh
benjolan yang padat dan berisi air yang muncul pada kelenjar tiroid. Benjolan yang timbul pada kelenjar tiroid ini bisa berupa kista atau tumor jinak. Gejala yang ditimbulkan pada saat Nodul Tiroid ini menyerang tidak terlihat. Sehingga hal ini baru diketahui oleh penderita pada saat menjalani kesehatan secara umum. Apabila benjolan Nodul Tiroid ini tumbuh besar, maka benjolan yang terjadi ini bisa menyebabkan penderitanya mengalami rasa sakit pada tenggorokan, merasa sakit dan mengalami kesulitan pada saat menelan. Dan kondisi yang paling parah adalah penderita menjadi kesulitan bernafas karena benjolan yang besar ini. Gambar 2.7 merupakan gambar dari penyakit nadul tiroid. Gejala yang biasa terjadi pada penyakit nodul tiroid yaitu : a. Pembengkakan di leher b. Pembesarannya lambat c. Benjolan terasa panas d. Benjolan lunak dan rata
Gambar 2.5 Penyakit Graves 4.
Tiroiditis Istilah tiroiditis mencangkup segolongan kelainan yang ditandai dengan adanya inflamasi tiroid. Termasuk didalamnya keadaan yang timbul mendadak dengan disertai rasa sakit yang hebat pada tiroid (misalnya subacute granulomatous thyroiditis dan infectious thyroiditis), dan keadaan dimana secara klinis tidak ada inflamasi dan manifestasi penyakitnya terutama dengan adanya disfungsi tiroid atau pembesaran kelenjar tiroid (misalnya subacute lymphocytic painless thyroiditis) dan tiroiditis fibrosa (riedels thyroiditis).Gambar 2.6 merupakan gambar dari penyakit tiroiditis. Gejala yang sering tampak pada penyakit tiroiditis : a. Rasa sakit yang hebat pada kelenjar tiroid b. Pembesaran pada kelenjar tiroid c. Demam d. Berkeringat banyak e. Jantung berdenyut tidak teratur
Gambar 2.7 Penyakit Nadul Tiroid 6.
Karsinoma Tiroid Karsinoma tiroid adalah suatu keganasan (pertumbuhan tidak terkontrol dari sel) yang terjadi pada kelenjar tiroid. Kanker tiroid adalah sutu keganasan pada tiroid yang memiliki 4 tipe yaitu: papiler, folikuler, anaplastik dan meduller. Kanker tiroid jarang menyebabkan pembesaran kelenjar, lebih sering menyebabkan pertumbuhan kecil (nodul) dalam kelenjar. Sebagian besar nodul tiroid bersifat jinak, biasanya kanker tiroid bisa disembuhkan. Kanker tiroid sering kali membatasi kemampuan menyerap yodium dan membatasi kemampuan menghasilkan hormon tiroid, tetapi kadang menghasilkan cukup banyak hormon tiroid sehingga terjadi hipertiroidisme. Gambar 2.8 merupakan gambar dari penyakit karsinoma tiroid. Gejala yang sering tampak pada penyakit karsinoma tiroid : a. Pembengkakan di leher b. Pembesarannya cepat c. Benjolan padat, keras dan tidak rata d. Susah menelan e. Kesulitan bernafas
Gambar 2.6 Penyakit Tiroiditis 5.
Nodul Tiroid Penyakit Tiroid jenis ini juga berupa benjolan. Namun, benjolan yang ada pada Nodul Tiroid berupa
11
f. Suara serak g. Batuk atau mengi
digambarkan jika diperlukan untuk mendeteksi kejadian dalam lingkungan dimana sistem harus memberikan respon atau membutuhkan data untuk menghasilkan respon. Selain itu aliran data dibutuhkan untuk menggambarkan transportasi antar sistem dan terminator. Dengan kata lain aliran data digambarkan jika data tersibut diperlukan untuk menghasilkan respon pada kejadian tertentu.
2.21 Data Flow Diagram (DFD) Menurut Jogiyanto (2005, 700), menjelaskan bahwa Data Flow Diagram (DFD) adalah alat pembuatan model yang memungkinkann profesi sistem untuk menggambarkan sistem sebagai suatu jaringan proses fungsional yang dihubungkan satu sama lain dengan alur data, baik secara menual maupun komputerisasi. DFD ini sering desebut juga dengan nama Bubble chart, Bubble diagram, model proses, diagram alur kerja, atau model fungsi. Data flow Diagram (DFD) atau disebut juga Diagram Alir Data (DAD) sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan tanpa mempertimbangkan lingkungan fisik dimana data mengalir atau lingkungan fisik dimana data tersebut akan disimpan. Komponen Data Flow Diagram (DFD) Menurut Jogiyanto (2005, 700), ada beberapa simbol yang digunakan di DFD untuk maksud mewakili: 1. Kesatuan Luar (Terminator) Setiap sistem pasti mempunyai batas sistem (boundary) yang memisahkan suatu sistem dengan lingkungan luarnya. Sistem akan menerima input dan menghasilkan output kepada lingkungan luarnya. Kesatuan luar (external entity) merupakan kesatuan (entity) dilingkungan luar sistem yang dapat berupa orang, organisasi atau sistem lainnya yang berada dilingkungan luarnya yang akan memberikan input atau menerima output dari sistem. Kesatuan luar ini kebanyakan adalah salah satu dapat dilihat pada gambar 2.9.
Gambar 2.8 Penyakit Karsinoma Tiroid
2.18 Statement of Purpose Menurut Rosa (2013), mengemukakan bahwa Statement Of Purpose (SOP) merupakan model yang berisi deskripsi tekstual sistem. Hal ini berguna bagi hampir semua level antara lain level puncak, level pemakai, dan level lain yang tidak terlibat secara langsung dalam pengembangan sistem. SOP dapat hanya terdiri dari satu, dua atau lebih kalimat. Tetapi sebaiknya tidak lebih dari satu paragraph, karena tidak digunakan untuk mendeskripsikan sistem secara detail. Deskripsi detail menjadi tanggung jawab aspek permodalan berikutnya.
2.19 Event List Menurut Rosa (2013), menerangkan bahwa Event list (EL) adalah daftar narasi stimuli (daftar kejadian) yang terjadi dalam lingkungan dan mempunyai hubungan dengan respon yang diberikan sistem. Secara umum setiap aliran data dalam CD adalah kejadian atau event, tepatnya aliran data mengindikasikan terjadinya kejadian, atau aliran data dibutuhkan oleh sistem untuk melakukan proses. Aturan-aturan dalam Event list antara lain daftar kejadian yang kita buat dan digambarkan dalam bentuk tekstual sederhana yang berfungsi memodelkan kejadian dalam lingkungan dimana sistem harus memberikan respon. Ketika membuat Event list, maka kita harus yakin perbedaan antara kejadian (event) dan kejadian yang berelasi dengan aliran (event-related flow).
Gambar 2.9 Notasi kesatuan luar di DFD Gambar 2.9 dapat diartikan sebagai berikut : 1) Suatu kantor, departemen atau divisi dalam perusahaan tetapi di luar sistem yang sedang dikembangkan. 2) Orang atau sekelompok orang diorganisasi tetapi di luar sistem yang sedang dikembangkan. 3) Suatu organisasi atau orang yang berada di luar organisasi seperti misalnya langganan, pemasok. 4) Sistem informasi yang lain di luar sistem yang sedang dikembangkan. 5) Sumber asli dari suatu transaksi.
2.20 Diagram Konteks Menurut Rosa (2013), mengemukakan bahwa Context Diagram (CD) adalah kasus khusus DFD (bagian dari DFD yang berfungsi memetakan model lingkungan), yang di representasikan dengan lingkaran tunggal yang mewakili keseluruhan sistem. Aliran dalam CD memodelkan masukan ke sistem dan keluaran dari sistem, seperti halnya sinyal control yang diterima atau dibuat sisitem. Aliran data hanya
12
6) Penerima akhir dari suatu laporan yang dihasilkan oleh sistem. 2. Arus Data Arus data (data flow) di DFD diberi simbol suatu panah. Arus data ini mengalir diantara proses (process), simpanan data (data store) dan kesatuan luar (exsternal entity). Arus data menunjukan arus data yang dapat berupa masukan untuk sistem atau hasil dari proses sistem dan dapat berbentuk seperti gambar 2.10
Gambar 2.12 Notasi simpanan data di DFD Di dalam penggambaran simpanan data di DFD perlu memperhatikan beberapa hal, sebagai berikut: 1) Hanya proses saja yang berhubungan dengan simpanan data, karena yang menggunakan atau merubah data di simpanan data adalah proses. 2) Arus data yang menuju ke simpanan data dari suatu proses menunjukkan proses update terhadap data yang tersimpan di simpanan data. Update dapat berupa proses: a) Menambah atau menyimpankan record baru atau dokumen baru ke dalam simpanan data. b) Menghapus record atau mengambil dokumen dari simpanan data. c) Merubah nilai data di suatu record atau di suatu dokumen yang ada di simpanan data. 3) Arus data yang berasal dari simpanan data ke suatu proses menunjukkan bahwa proses tersebut menggunakan data yang ada di simpanan data. Untuk media simpanan data berupa simpanan luar komputer (disk atau tape) berarti membaca data dari suatu record di file sedang untuk disimpanan data berupa media manual berarti mengambil suatu formulir atau dokumen untuk dilihat isinya dari suatu simpanan data. 4) Proses yang melakukan kedua-duanya, yaitu menggunakan dan update simpanan data dapat dilakukan hal berikut: a) Dapat menggunakan sebuah garis dengan panah mengarah kedua arah yang berlawanan dari simpanan data. b) Menggunakan arus data yang terpisah.
Gambar 2.10 Notasi alur data di DFD Gambar 2.9 dapat diartikan sebagai berikut : 1) Formulir atau dokumen yang digunakan di perpustakaan. 2) Laporan tercetak yang dihasilkan oleh sistem. 3) Tampilan atau output di layar komputer yang dhasilkan oleh sistem. 4) Masukan untuk komputer. 5) Komunikasi ucapan. 6) Surat-surat atau memo. 7) Data yang dibaca atau direkamkan ke suatu file. 8) Suatu isian yang dicatat pada buku agenda. 9) Transmisi data dari suatu komputer ke komputer yang lain. 3. Proses Suatu proses adalah kegiatan atau kerja yang dilakukan oleh orang, mesin atau komputer dari hasil suatu arus data yang masuk kedalam proses untuk dihasilkan arus data yang akan keluar dari proses. Untuk physical dataflow diagram (PDFD), proses dapat dilakukan oleh orang, mesin atau computer, sedang untuk logical data flow diagram (LDFD), suatu proses hanya menunjukkan proses dari computer. Perbedaan dari PDFD dan LDFD akan dibahas kemudian. Suatu proses dapat menunjukkan dengan symbol lingkaran atau dengan simbol empat persegi panjang tegak dengan sudut-sudut tumpul. Untuk lebih jelasnya dapat dilihat pada gambar 2.11
2.22 Basis Data Menurut Simarmata dan Paryudi (2006, 1), basis data adalah mekanisme yang digunakan untuk menyimpan informasi atau data. Informasi adalah suatu yang kita gunakan sehari-hari untuk berbagai alasan. Dengan Basisdata, pengguna dapat menyimpan data secara terorganisasi. Setelah data disimpan, informasi harus mudah diambil. Kriteria dapat digunakan untuk mengambil informasi. Cara data disimpan dalam basis data menentukan seberapa mudah mencari informasi berdasarkan banyak criteria. Datapun harus mudah ditambahkan ke dalam basisdata, dimodifikasi, dan dihapus. Menurut Silberschatz, dkk. yang dikutip oleh Simarmata dan Paryudi (2006, 1), mendefinisikan basisdata sebagai kumpulan data berisi informasi yang sesuai untuk sebuah perusahaan. Sistem manajemen basisdata (DBMS) adalah kumpulan data yang saling berhubungan dan kumpulan program untuk mengakses data. Tujuan utama sistem manajemen basisdata adalah
Gambar 2.11 Notasi proses di DFD 4. Simpanan Data Menunjukkan informasi yang tersimpan dalam file diantara transactions. Data store diidentitaskan dengan “D dengan nomor” untuk data store komputer dan “M dengan nomor” untuk manual data store. Data store disimbolkan seperti gambar 2.12
13
menyediakan cara menyimpan dan mengambil informasi basisdata secara mudah dan efisien. Basis data adalah kumpulan informasi yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh informasi dari basis data tersebut. Perangkat lunak yang digunakan untuk mengelola dan memanggil kueri (query) basis data disebut sistem manajemen basis data (database management system, DBMS). Sistem basis data dipelajari dalam ilmu informasi. Istilah "basis data" berawal dari ilmu komputer. Meskipun kemudian artinya semakin luas, memasukkan hal-hal di luar bidang elektronika, artikel ini mengenai basis data komputer. Catatan yang mirip dengan basis data sebenarnya sudah ada sebelum revolusi industri yaitu dalam bentuk buku besar, kuitansi dan kumpulan data yang berhubungan dengan bisnis. Konsep dasar dari basis data adalah kumpulan dari catatan-catatan, atau potongan dari pengetahuan. Sebuah basis data memiliki penjelasan terstruktur dari jenis fakta yang tersimpan di dalamnya: penjelasan ini disebut skema. Skema menggambarkan obyek yang diwakili suatu basis data, dan hubungan di antara obyek tersebut. Ada banyak cara untuk mengorganisasi skema, atau memodelkan struktur basis data: ini dikenal sebagai model basis data atau model data. Model yang umum digunakan sekarang adalah model relasional, yang menurut istilah layman mewakili semua informasi dalam bentuk tabel-tabel yang saling berhubungan dimana setiap tabel terdiri dari baris dan kolom (definisi yang sebenarnya menggunakan terminologi matematika). Dalam model ini, hubungan antar tabel diwakili dengan menggunakan nilai yang sama antar tabel. Model yang lain seperti model hierarkis dan model jaringan menggunakan cara yang lebih eksplisit untuk mewakili hubungan antar tabel. Istilah basis data mengacu pada koleksi dari data-data yang saling berhubungan, dan perangkat lunaknya seharusnya mengacu sebagai sistem manajemen basis data (database management system/DBMS). Jika konteksnya sudah jelas, banyak administrator dan programer menggunakan istilah basis data untuk kedua arti tersebut.
kebutuhan informasi dan tipe informasi yang ingin disimpan pada basis data selama analisa. Penggambarannya dapat dilihat pada tabel 2.3. Tabel 2.3 Notasi-notasi dasar pada Entity Relationship Diagram (ERD).
Tingkat paling dasar, basis data relasional ditampilkan sebagai suatu koleksi tabel-tabel berbeda yang mewakili setiap entiti yang ada. Hubungan atau relasi antar entiti juga menjadi bagian dari basis data. Suatu tabel terdiri atas baris-baris (rows) dan kolom-kolom (columns) yang kira-kira dapat disamakan dengan sebuah spreadsheet yang biasa dijumpai dalam aplikasi semacam Microsoft Excel atau Lotus 123. Sebuah baris mewakili kemunculan suatu entiti tertentu. Sebuah kolom pada baris tersebut memuat sebuah atom informasi (bagian tertentu dari informasi) tentang kemunculan entiti tertentu tersebut. Sesuai terminologi non-database suatu tabel dapat disamakan dengan file, suatu baris sebagai record, dan kolom sebagai field. Sebagai contoh, suatu tabel dapat berisi informasi tentang semua pelanggan dalam bisnis: sebuah baris untuk setiap pelanggan, dan sebuah kolom dapat berisi potongan informasi seperti nomor telepon si pelanggan. 2. CDM (Conceptual Data Model) Menurut Sutanta(2004, 63), global logical data atau conceptual view atau sering juga disebut sebagai level konseptual, merupkan suatu pandangan perancang basis data yang berkaitan dengan data-data apa saja yang perlu disimpan dalam basis data dan penjualan mengenai hubungan antara data yang satu dan yang lainnya.
Berikut adalah hal-hal yang berkaitan dengan database: 1. Entity Relationship Diagram Simarmata & Peryudi (2006, 59), menyatakan bahwa Entity Relationship Model atau yang lebih dikenal dengan Entity Relationship Diagram (ERD) adalah suatu model data atau diagram untuk deskripsi tingkat tinggi dari model data konseptual. Entity Relationship Diagram menyediakan notasi-notasi grafis untuk merepresentasikan model-model data dalam bentuk Entity Relationship Diagram. Model-model data tersebut biasa digunakan pada desain sistem informasi tingkat pertama, contohnya untuk mendeskripsikan
3. PDM (Physical Data Model) Menurut Sutanta (2004, 67), physical data view atau sering disebut sebagai level internal, merupakan bentuk implementasi conceptual view, yaitu suatu pandangan perancang yang berkaitan dengan permasalahan teknik penyimpanan data-data dalam basis data kedalam fisik media penyimpanan data yang digunakan. Pandangan
14
ini bersifat sangat teknis dan lebih berorientasi pada mesin (machine oriented), yaitu berkaitan dengan organisasi berkas basis data (meliputi metode penyimpanan dan metode akses data), dan media penyimpanan sekunder (storage device).
kumpulan halaman-halaman yang digunakan untuk menampilkan informasi teks, gambar diam atau gerak, animasi, suara, dan atau gabungan dari semuanya itu baik yang bersifat statis maupun dinamis yang membentuk satu rangkaian bangunan yang saling terkait dimana masing-masing dihubungkan dengan jaringan-jaringan halaman (hyperlink).
4. Relasi Simarmata dan Paryudi (2006, 67), menyatakan relasi adalah alamiah yang terjadi antara satu atau lebih entitas, misalnya proses pembayaran pegawai. Kardinalitas menentukan kejadian suatu entitas untuk satu kejadian pada entitas yang berhubungan. Permodelan data dilakukan melalui beberapa tahap. Tahap paling penting dalam permodelan data secara konseptual adalah model Entity Relationship Diagram, yang dilanjutkan dengan tahap transformasi ke model logic. Dalam hal ini ada tiga buah model logic yang dapat digunakan yaitu jaringan, hirarki dan relasional. Pada materi ini kita memilih relasional karena pendekatan pola umum yang paling banyak digunakan adalah model relasional. Pada model ini dilakukan normalisasi relasi yang berguna untuk menghilangkan redudansi yang tidak perlu, pembuatan basis data logic dan pembuatan basis data fisik Entity Relationship Diagram sendiri, dalam hal ini hanya memfokuskan permodelan dapa entity-entity terpenting dan hubungan antar entity tersebut.
2.25 PHP Menurut Hakim (2009, 11), PHP (Hypertext Prepocessor) merupakan bahasa pemrograman yang digunakan secara luas untuk penanganan pembuatan dan pengembangan sebuah situs web dan bisa digunakan bersamaan dengan HTML. PHP diciptakan oleh Rasmus Lerdorf pertama kali tahun 1994. Pada awalnya PHP adalah singkatan dari Personal Home Page Tools. Selanjutnya diganti menjadi FI Forms Interpreter. Sejak versi 3.0, nama bahasa ini diubah menjadi PHP: Hypertext Prepocessor" dengan singkatannya PHP. PHP merupakan script yang terintegrasi dengan HTML dan berada pada server (server side HTML embedded scripting). PHP adalah script yang digunakan untuk membuat halaman website yang dinamis. Dinamis berarti halaman yang akan ditampilkan dibuat saat halaman itu diminta oleh client. Mekanisme ini menyebabkan informasi yang diterima client selalu yang terbaru/up to date. Semua script PHP dieksekusi pada server dimana script tersebut dijalankan. Programmer tidak harus menuliskan semua dokumen HTML sebagai bagian dari keluaran dari script PHP, cukup menuliskan bagian mana saja yang berupa tag html dan bagian mana saja yang harus ditulis atau dihasilkan dari program script PHP, kode diapit dengan menggunakan tag awal tag akhir yang khusus yang memungkinkan pemprograman untuk masuk dan keluar dari mode script PHP.
2.23 Bootstrap Menurut Riyanto (2014, 18), Bootstrap adalah sebuah alat bantu untuk membuat sebuah tampilan halaman website yang dapat mempercepat pekerjaan seorang pengembang website ataupun pendesain halaman website. Sesuai namanya, website yang dibuat dengan alat bantu ini memiliki tampilan halaman yang sama / mirip dengan tampilan halaman Twitter (Twitter Bootstrap) atau desainer juga dapat mengubah tampilan halaman website sesuai dengan kebutuhan. Bootstrap dibangun dengan teknologi HTML dan CSS yang dapat membuat layout halaman website, tabel, tombol, form, navigasi, dan komponen lainnya dalam sebuah website hanya dengan memanggil fungsi CSS (class) dalam berkas HTML yang telah didefinisikan. Selain itu juga terdapat komponenkomponen lainnya yang dibangun menggunakan JavaScript.
2.26 HTML Menurut Kurniawan (2011, 2), HTML (HyperText Markup Language) merupakan sebuah bahasa markup yang digunakan untuk membuat sebuah halaman web, menampilkan berbagai informasi di dalam sebuah Penjelajah web Internet dan formating hypertext sederhana yang ditulis kedalam berkas format ASCII agar dapat menghasilkan tampilan wujud yang terintegerasi. Dengan kata lain, berkas yang dibuat dalam perangkat lunak pengolah kata dan disimpan kedalam format ASCII normal sehingga menjadi home page dengan perintah-perintah HTML. dengan kata lain HTML Bermula dari sebuah bahasa yang sebelumnya banyak digunakan di dunia penerbitan dan percetakan yang disebut dengan SGML (Standard Generalized Markup Language), HTML adalah sebuah standar yang digunakan secara luas untuk menampilkan halaman web. HTML saat ini merupakan standar Internet yang
2.24 Web Menurut Pohan (2014, 1), World Wide Web atau WWW atau juga dikenal dengan web adalah salah satu layanan yang didapat oleh pemakai komputer yang terhubung ke internet. Web ini menyediakan informasi bagi pemakai komputer yang terhubung ke internet dari sekedar informasi “sampah” atau informasi yang tidak berguna sama sekali sampai informasi yang serius dari informasi yang gratisan sampai informasi yang komersial. Website atau situs dapat diartikan sebagai
15
didefinisikan dan dikendalikan penggunaannya oleh World Wide Web Consortium (W3C). Secara umum Web dokumen terdiri dari menjadi dua elemen ataupun section yaitu head dan body, kedua elemen tersebut dipisahkan oleh beberapa tag, untuk lebih jelasnya dapat anda lihat sebuah pola dasar HTML dibawah ini :
konten pada web, menyediakan lebih banyak fleksibilitas dan kontrol dalam spesifikasi darisebuah karakteristik dari sebuah tampilan, memungkinkan untuk membagi halaman untuk sebuah formatting dan mengurangi kerumitan dalam penulisan kode dan struktur dari konten, contohnya teknik tableless pada desain web. CSS juga memungkinkan sebuah halaman untuk ditampilkan dalam berbagai style dengan menggunakan metode pembawaan yang berbeda pula, seperti onscreen, in-print, by voice, dan lain-lain. Sementara itu, pemilik konten web bisa menentukan link yang menghubungkan konten dengan file CSS. Tujuan utama CSS diciptakan untuk membedakan konten dari dokumen dan dari tampilan dokumen, dengan itu, pembuatan ataupun pemrograman ulang web akan lebih mudah dilakukan. Hal yang termasuk dalam desain web diantaranya adalah warna, ukura dan formatting. Dengan adanya CSS, konten dan desain web akan mudah dibedakan, jadi memungkinkan untuk melakukan pengulangan pada tampilan-tampilan tertentu dalam suatu web, sehingga akan memudahkan dalam membuat halaman web yang banyak, yang pada akhirnya dapat memangkas waktu pembuatan web.
“Informasi Tentang Dokumen HTML” “Informasi yang akan ditampilkan dalam web Browser” Dari pola diatas dapat digambarkan adanya sebuah dokumen HTML mulai dari tag pembuka sampai tag penutup , sedangkan isi dari dokumen html tersebut adalah dua buah elemen atau section yaitu : “HEAD” yang dimulai dari tag pembukanya sampai tag penutup head , Pada elemen ini biasanya berisikan -Title, merupakan judul dokumen -Meta tag, informasi yang akan diberikan oleh pengunjung tentang isi halaman web. Dalam Meta Tag dapat kita isikan beberapa atribut penjelasan antara lain, Content, Name, URL. Sedangkan dalam atribut tersebut terdapat sebuah value, adapun beberapa value yang dapat kita isikan antara lain abstract, author, copyright, description, distribution, expires, keywords, revist, refresh maupun language -Script java, CSS dan beberapa perintah lain yang nantinya akan diesekusi browser tanpa ditampilkan oleh browser untuk sebagian besar, dengan kata lain pada elemen ini kebanyakan hanya mengatur informasi dan visualisasi web tersebut, untuk elemen keduanya adalah “BODY” mulai dari tag pembuka sampai tag penutupnya pada elemen ini berisikan informasi dan pengaturannya yang akan ditampilkan dalam browser.
2.28 Adobe Dreamweaver CS6 Menurut Haryono (2013), Adobe Dreamweaver CS6 adalah sebuah HTML editor profesional untuk mendesain web secara visual dan mengelola situs atau halaman web. Saat ini terdapat software dari kelompok Adobe yang belakangan banyak digunakan untuk mendesain suatu web. Versi terbaru dari Adobe Dreamwever CS6 memiliki beberapa kemampuan bukan hanya sebagai software untuk desain web saja, tetapi juga menyunting kode serta pembuatan aplikasi web. Antara lain: JSP, PHP, ASP, XML, dan ColdFusion. Adobe Dreamweaver merupakan software utama yang digunakan oleh Web Designer dan Web Programmer dalam mengembangkan suatu situs web. Hal ini disebabkan oleh ruang kerja, fasilitas, dan kemampuan Dreamwever yang mampu meningkatkan produktivitas dan efektifitas, baik dalam desain maupun membangun suatu situs web. Dalam perkembangannya, Adobe Dreamweaver telah mencapai versinya yang terbaru atau lebih dikenal dengan Adobe Dreamweaver CS6. Fitur-fitur yang dimiliki semakin lengkap dan handal, untuk membuat pengguna Dreamwever CS6 semakin dapat berkreasi dan berinovasi dengan bebas dalam mendesain web. Fitur baru yang semakin handal untuk versi terbaru ini dimunculkan, diantaranya adalah Integrated CMS Support, CSS Inspection, PHP Custom Class Code Hinting, dan Site-Specific Code Hinting. Semua fitur baru tersebut semakin memantapkan pengguna Adobe Dreamwever CS5 untuk semakin
2.27 Pengertian CSS Menurut Riyanto (2014, 13), CSS (Cascading Style Sheet) merupakan salah satu bahasa desain web (style sheet language) yang mengontrol format tampilan sebuah halaman web yang ditulis dengan menggunakan penanda(markup laguage. Biasanya CSS digunakan untuk mendesain sebuah halaman HTML dan XHTML, tetapi sekarang CSS bisa diaplikasikan untuk segala dokumenXML, termasuk SVG dan XUL bahkan ANDROID. CSS dibuat untuk memisahkan konten utama dengan tampilan dokumen yang meliputi layout, warna da font. Pemisahan ini dapat meningkatkann daya akses
16
mengeksplorasi dan pengolahan website.
mengeksploitasi
ide
kreasi
jenis penyakit beserta dengan gejala-gejalanya, langkah selanjutnya adalah dengan membuatkan tabel untuk menyimpan nama penyakit beserta gejala-gejalanya. Hal ini dilakukan untuk memudahkan membuat suatu rancangan tabel pada database dan untuk memudahkan pengecekan saat implementasi sistem, dapat dilihat pada tabel 3.1 sampai tabel 3.3.
2.29 MySQL Menurut Wahana (2014, 73), pada perkembangannya MySQL disebut juga SQL yang merupakan singkatan dari Structured Query Language. SQL merupakan bahasa terstruktur yang khusus digunakan untuk mengolah database. SQL pertama kali didefinisikan oleh American National Standards Institutes (ANSI) pada tahun 1986. MySQL adalah sebuah sistem managemen database yang bersifat open source. MySQL merupakan pasangan serasi dari PHP, MySQL dibuat dan dikembangkan oleh MySQL AB, yang berada di Swedia. MySQL dapat digunakan untuk membuat dan mengolah database beserta isinya. Anda dapat memanfaatkan MySQL untuk menambah, mengubah, dan menghapus data yang berada dalam database. MySQL merupakan sistem managemen database yang bersifat rational. Artinya, data yang dikelola dalam database akan diletakan pada beberapa tabel yang terpisah sehingga manipulasi data akan menjadi jauh lebih cepat. MySQL juga dapat menjalankan perintah-perintah Structured Query Language (SQL) untuk mengelola database-database yang ada di dalamnya.
Tabel 3.1 Daftar Jenis Penyakit Tiroid Kode Nama Penyakit P001
Hipotiroid
P002
Hipertiroid
P003
Graves
P004
Tiroiditis
P005
Nodul Tiroid
P006
Karsinoma Tiroid
Tabel 3.2 Daftar Gejala Penyakit Tiroid Kode Nama Gejala G001
Kulit terasa kering
G002
Gerak terasa melamban
G003
Muka seperti bengkak
2.30 Black Box Testing
G004
Rambut mudah rapuh
Menurut Rosa (2013), Black box testing yaitu perangkat lunak dari segi spesifikasi fungsional tanpa menguji desain dan kode program. Pengujian dimaksudkan untuk mengetahui apakah fungsi-fungsi masukan dan keluaran dari perangkat lunak sesuai dengan spesifikasi yang dibutuhkan. Kasus uji yang dibuat untuk melakukan pengujian kotak hitam harus dibuat dengan kasus benar dan kasus salah, misalkan untuk kasus proses login maka kasus uji coba yang dilakukan adalah: a. Jika user memasukkan nama pemakai (username) dan kata sandi (password) yang benar. b. Jika user memasukkan nama pemakai (username) dan kata sandi (password) yang salah,misalkan nama pemakai benar tapi kata sandi salah, atau sebaliknya atau keduanya salah.
G005
Bicara terasa melamban
G006
Berat badan terus meningkat
G007
Mudah lupa
G008
Suara serak
G009
Ada Pembengkakan di leher
G010
Depresi
G011
Tidak tahan pada suhu dingin
G012
Produksi keringat berkurang
G013
Tidak tahan pada hawa panas
G014
Mudah capek dan lelah
G015
Berat badan menurun drastis
G016
Berkeringat secara berlebihan
G017
Kulit basah terus menerus
G018
Sesak nafas
G019
Tekanan nadi terus meningkat
G020
Terasa Sulit tidur
G021
Jantung berdenyut tidak teratur
G022
Ada Pembasaran pada kelenjar tiroid
3. Analisis Dan Perancangan Sistem 3.7
Identifikasi Permasalahan
Tahap identifikasi masalah pada sistem pakar diagnosa penyakit tiroid adalah dengan menentukan jenis penyakit yang akan digunakan beserta dengan gejala-gejala yang menyertainya. Jenisjenis penyakit tiroid didapat dari sumber buku dan wawancara dengan dokter. Setelah diketahui semua
17
G023
Mata seperti melotot
G024
Tangan terus gemetar (tremor)
G025
Rasa sakit yang hebat pada kelenjar tiroid
G026
Demam
G027
Ada rasa sakit di bagian leher
G028
Pembesaran benjolannya lambat
G029
Benjolan terasa panas
G030
Benjolannya lunak dan rata
G031
Jantung berdenyut tidak teratur
G032
Ada Pembasaran pada kelenjar tiroid
G033
Mata seperti melotot
G034
Tangan terus gemetar (tremor)
G035
Rasa sakit yang hebat pada kelenjar tiroid
Tabel 3.3 Kombinasi Gejala dan Penyakit Kode Kode Penyakit Gejala P001 P002 P003 P004 G001 x G002 x G003 x G004 x x G005 x G006 x G007 x G008 x G009 x G010 x G011 x G012 x G013 x G014 x x G015 x G016 x x x G017 x G018 x G019 x G020 x x G021 x x x G022 x x x G023 x G024 x G025 x G026 x G027 G028 G029 G030 G031
G032 G033 G034 G035
3.8
x x x x
Aturan dan Nilai Kepercayaan Pakar
Berikut ini adalah aturan-aturan yang digunakan dalam sistem pakar untuk mendiagnosa penyakit tiroid. Dalam aturan ini terdapat nilai kepercayaan suatu gejala akan menghasilkan penyakit-penyakit yang dimiliki oleh pakar. Pemberian aturan dan nilai kepercayaan pada sistem pakar diagnosa penyakit tiroid diberikan oleh dr. Hensen, Sp.PD. Pemberian aturan gejala penyakit beserta nilai kepercayaan pakar dapat dilihat pada tabel 3.4.
3.9
P005
Berdasarkan tabel aturan nilai-nilai kepercayaan metode certainty factor terdapat 9 nilai kepercayaan, dimana dimulai dari -1 (tidak pasti) sampai 1 (pasti). Namun, pada sistem pakar mendiagnosa penyakit tiroid ini hanya digunakan 4 nilai kepercayaan. Pengubahan jumlah nilai kepercayaan ini bertujuan agar user/pengguna lebih mudah dalam menentukan nilai P006 berdasarkan tingkat keparahan gejala yang dirasakan. Nilai kepercayaan user dapat dilihat pada tabel 3.5 Tabel 3.4 Aturan dan Nilai Kepercayaan Pakar
No
x
R1
x
x x x x
x
18
Nilai Kepercayaan User
Aturan
JIKA Produksi keringat berkurang DAN Pembasaran pada kelenjar tiroid DAN Kulit terasa kering MAKA Hipotiroid JIKA Berat badan meningkat DAN Suara serak MAKA Hipotiroid JIKA Gerak lamban ATAU Muka seperti bengkak ATAU Rambut mudah rapuh MAKA Hipotiroid JIKA Tidak tahan suhu dingin ATAU Bicara lamban ATAU Mudah lupa ATAU Depresi MAKA Hipotiroid JIKA Pembasaran pada kelenjar tiroid DAN Berat badan menurun drastis MAKA Hipertiroid
Nilai Kepercayaan Pakar 0,70
0,30
0,25
0,25
0,65
R2
R3
R4
R5
JIKA Berkeringat secara berlebihan DAN Tidak tahan hawa panas MAKA Hipertiroid JIKA Mudah capek dan lelah ATAU Rambut mudah rapuh ATAU Tekanan nadi meningkat MAKA Hipertiroid JIKA Kulit basah ATAU Sesak nafas ATAU Jantung berdebar tidak teratur ATAU Sulit tidur MAKA Hipertiroid JIKA Mata seperti melotot DAN Berkeringat aecara berlebihan MAKA Graves JIKA Mudah capek dan lelah DAN Jantung berdenyut tidak teratur MAKA Graves JIKA Tangan gemetar (tremor) ATAU Susah tidur (insomnia) ATAU Rambut mudah rapuh MAKA Graves JIKA Rasa sakit yang hebat pada kelenjar tiroid DAN Pembesaran pada kelenjar tiroid MAKA Tiroiditis JIKA Jantung berdenyut tidak teratur ATAU Berkeringat secara berlebihan ATAU Demam MAKA Tiroiditis JIKA Pembengkakan di leher DAN Benjolan lunak dan rata MAKA Nodul Tiroid JIKA Pembesarannya lambat ATAU Benjolan terasa panas MAKA Nodul Tiroid
0,30
R6 0,35
JIKA Ada pembengkakan di leher DAN Pembesarannya cepat DAN Benjolannya padat, keras dan tidak rata MAKA Krsinoma Tiroid JIKA Kesulitan bernafas ATAU Susah menelan ATAU Suara serak ATAU Batuk atau mengi MAKA Karsinoma Tiroid
0,85
0,60
0,30
Tabel 3.5 Nilai Kepercayaan User Kepercayaan Nilai Kepercayaan Sangat Yakin 1 Yakin 0,8 Cukup Yakin 0,6 Mungkin 0,4
0,75
3.10 Identifikasi Output
0,35
Sistem pakar mendiagnosa penyakit tiroid dapat mengidentifikasi output, apabila sudah menerima input yang diperlukan. Setiap gejala yang di inputkan oleh user menghasilkan suatu output berupa kesimpulan dari setiap gejala yang di inputkan oleh user, untuk kesimpulan yang telah didapat akan diberikan suatu informasi mengenai penyakit tiroid yang telah berhasil di diagnosa sehingga user dapat menentukan langkahlangkah selanjutnya yang harus dilakukan untuk penanganan lebih dalam lagi. Untuk mendapatkan hasil terhadap fakta penggunaan metode certainty factor (CF) dilakukan perhitungan nilai kepercayaan pakar dengan nilai kepercayaan berdasarkan tingkat keparahan gejala yang dirasakan oleh pengguna untuk mendapatkan nilai CF. Nilai CF inilah yang akan dijadikan parameter untuk hasil diagnosa yang dilakukan. Berikut adalah contoh kasus perhitungan untuk mendapatkan nilai CF :
0,30
0,80
0,35
1.
Pasien akan diberikan bobot kepercayaan berdasarkan tingkat keparahan yang dirasakan yaitu : Sangat Yakin = 1 Yakin = 0,8 Cukup Yakin= 0,6 Mungkin = 0,4
2.
Pasien memilih gejala penyakit beserta memasukkan bobot nilai kepercayaan berdasarkan tingkat keparahan yang dirasakan. Pemberian bobot dapat dilihat pada tabel 3.6
0,85
0,70
Tabel 3.6 Pemberian Bobot Oleh Pasien
19
Gejala yang dipilih pasien Jantung berdenyut tidak teratur Berkeringat secara berlebihan Mata seperti melotot Demam Mudah capek dan lelah Rasa sakit yang hebat pada kelenjar tiroid Ada pembesaran pada kelenjar tiroid 3.
Tingkat Kepercayaan Mungkin
Bobot Nilai 0,4
Yakin
0,8
Mungkin
0,4
Sangat Yakin Sangat Yakin
1 1
Yakin
0,8
Mungkin
Min (0,4, 0,8) : 0,4 CF Sequensial (Pembesaran pada kelenjar tiroid dan Rasa sakit yang hebat pada kelenjar tiroid) : 0,4 * 0,80 : 0,32 CF Pararel (Jantung berdenyut tidak teratur dan Berkeringat banyak dan demam) Max (0,4, 0,8, 1) :1 CF Sequensial (Jantung berdenyut tidak teratur dan Berkeringat banyak dan demam) : 1 * 0,35 : 0,35
0,4
Menghitung nilai CF Pararel dan Sequensial Dari nilai yang diinputkan pasien maka aturan penyakit graves dan tiroiditis yang terpenuhi.
Menghitung nilai CF gabungan (Pembesaran pada kelenjar tiroid dan Rasa sakit yang hebat pada kelenjar tiroid) dan (Jantung berdenyut tidak teratur dan Berkeringat banyak dan demam) x : CF Sequensial (Pembesaran pada kelenjar tiroid dan Rasa sakit yang hebat pada kelenjar tiroid) : 0,32 y : CF Sequensial (Jantung berdenyut tidak teratur dan Berkeringat banyak dan demam) : 0,35 CF (x,y) : CF (x) + CF (y) – (CF (x) * CF (y)) : 0,32 + 0,35 – (0,32 * 0,35) : 0,67 – 0,112 : 0,558 Jadi, dari gejala dan nilai kepercayaan yang sudah diinputkan oleh pasien maka dapat diperoleh hasil perhitungan CF Graves : 0,398 dan Tiroiditis : 0,558. Jadi dapat disimpulkan pasien mengidap penyakit tiroiditis dengan nilai CF sebesar 55.8 %. Berdasarkan tabel Certainty Factor atau CF, pasien mungkin mengelami penyakit tiroiditis.
a. Menghitung nilai CF Graves CF Pararel (Mata melotot dan berkeringat banyak) Min (0,4, 0,8) : 0,4 CF Sequensial (Mata melotot dan berkeringat banyak) : 0,4 * 0,75 : 0,30 CF Pararel (Mudah leleh dan Jantung berdenyut tidak teratur) Min (1, 0,4) : 0,4 CF Sequensial (Mudah leleh dan Jantung berdenyut tidak teratur) : 0,4 * 0,35 : 0,14 Menghitung nilai CF gabungan (Mata melotot dan berkeringat banyak) dan (Mudah leleh dan Jantung berdenyut tidak teratur) x : CF Sequensial (Mata melotot dan berkeringat banyak) : 0,30 y : CF Sequensial (Mudah leleh dan Jantung berdenyut tidak teratur) : 0,14 CF (x,y) : CF (x) + CF (y) – (CF (x) * CF (y)) : 0,30 + 0,14 – (0,30 * 0,14) : 0,44 – 0,042 : 0,398
3.14.1 Konteks Diagram (Diagram Context) Diagram konteks digunakan untuk menggambarkan keseluruhan dari sistem yang dirancang. Seperti dilihat pada gambar 3.2 Diagram konteks sistem pakar penyakit tiroid, menggambarkan tentang keseluruhan sistem, dimana proses penginputannya berupa data pakar, data penyakit, data gejala, dan data basis pengetahuan yang semua dilakukan oleh administrator. Disini user melakukan konsultasi ke sistem pakar diagnosa penyakit Tiroid, kemudian sistem akan memberikan pertanyaan berupa gejala-gejala apa saja yang diderita oleh user yang berguna sebagai basis pengetahuan bagi sistem dalam mendiagnosa penyakit tiroid. Kemudian user akan menginputkan jenis gejala yang diderita. Kemudian Sistem akan memberikan hasil diagnosa berdasarkan
b. Menghitung nilai CF Tiroiditis CF Pararel (Pembesaran pada kelenjar tiroid dan Rasa sakit yang hebat pada kelenjar tiroid)
20
gejala-gejala yang diderita oleh user. Hasil diagnosa berupa penyakit tiroid, definisi penyakit dan memberikan solusi kepada user yang menderita penyakit tiroid.
4. 4.1
Data Aturan Data Gejala Jawaban
Data Pakar
Konsultasi
1
4.2 SISTEM PAKAR PENYAKIT TIROID
+ Pertanyaan
Info Data Pakar
Hasil Diagnosa
Info Data Penyakit
4.3
Info Data Gejala
Gambar 3.2 Konteks Diagram pada Sistem Pakar Penyakit Tiroid
4.3.1 Halaman Home Halaman home merupakan halaman utama dari sistem pakar Untuk Mendiagnosa Penyakit Tiroid berbasis web menggunakan metode certainty factor. Pada halaman ini terdapat beberapa menu yang dapat diakses diantaranya: konsultasi dan informasi, dimana jika mengklik menu informasi maka akan muncul beberapa menu diantaranya : info penyakit, list penyakit, bantuan dan tentang. Pada halaman home dijelaskan juga mengenai penyakit tiroid sehingga user mendapatkan gambaran informasi mengenai penyakit tiroid tersebut. Adapun tampilan halaman home dapat dilihat pada gambar 4.1.
3.14.2 Data Flow Diagram (DFD) Level 0 DFD level 0 membahas tentang penjabaran sistem yang akan dirancang berdasarkan rancangan pada konteks diagram. Adapun rancangannya seperti pada gambar 3.3 berikut : 1 Data Pakar Data Pakar MENGELOLA DATA PAKAR
1
DATA PAKAR
Info Data Pak ar
+ 2
Data Penyakit PAKAR
Data Penyakit
MENGELOLA DATA PENYAKIT
Info Data Pen yakit
2
DATA PENYAKIT
3
DATA GEJALA
Implementasi Antarmuka Untuk User
Berikut ini adalah implementasi antarmuka dari Sistem Pakar Untuk Mendiagnosa Penyakit Tiroid untuk user.
Info Data Aturan Info Data Nilai User
Info Data Pak ar
Implementasi Perangkat Lunak
Perangkat lunak yang digunakan untuk membangun Sistem Pakar Untuk Mendiagnosa Penyakit Tiroid ini antara lain: a. Windows 8, 64-bit b. XAMPP c. Macromedia Dreamweaver 8 d. Database MySQL
USER
PAKAR
Implementasi Perangkat Keras
Perangkat keras yang digunakan untuk membangun Sistem Pakar Untuk Mendiagnosa Penyakit Tiroid ini antara lain: a. 1 unit laptop : Asus tipe X450C b. Prosesor : Intel Core i3-3217U, 1.8 GHz c. Memory (RAM) : 2 GB d. Hardisk : 500 GB e. Monitor : 14 inchi
Data Nilai User
Data Penyakit
Implementasi sistem
Info Data Pen yakit
+ 3
Data Gejala
Data Gejala
MENGELOLA DATA GEJALA
Info Data Gejala
Info Data Gejala
+ 4 Data Penyakit Data Gejala MENGELOLA DATA ATURAN
Data Aturan
Data Aturan
4
DATA ATURAN Data Penyakit
Info Data Aturan
Info Data Aturan
+ Data Gejala
5
Data Nilai Us er
Data Nilai Us er MENGELOLA DATA NILAI USER
Info Data Nila i Us er
5
DATA NILAI USER
Data Aturan
Info Data Nila i Us er
+
6 Data Nilai Us er Kons ultas i USER
Pertanyaan
PROSES DIAGNOSA PENYAKIT Jawaban
Jawaban Has il Diagnos a
+
7
DATA DIAGNOSA
Has il Diagnos a
Gambar 3.3 DFD Level 0 pada sistem pakar penyakit tiroid
Gambar 4.1 Halaman Home Dari Sistem Pakar Penyakit Tiroid
21
4.3.2 Halaman Konsultasi Halaman konsultasi merupakan halaman inti dari sistem pakar mendiagnosa penyakit tiroid berbasis web menggunakan metode certainty factor. User yang ingin melakukan proses diagnosa penyakit tiroid diharuskan untuk memilih gejala dengan cara mengklik checkbox gejala serta memberikan tingkat kepercayaan berdasarkan gejala yang dirasakan pada bagian combobox. Tingkat kepercayaan gejala dapat diberikan setelah user terlebih dahulu memilih gejala. Setelah memilih gejala dan memberikan tingkat kepercayaan kemudian tekan tombol proses diagnosa untuk memperoleh hasil diagnosa, jika user ingin mengulang proses diagnosa dari awal tekan tombol reset. Adapun tampilan halaman konsultasi dapat dilihat pada gambar 4.2.
Gambar 4.3 Halaman Hasil Diagnosa Dari Sistem Pakar Penyakit Tiroid
Gambar 4.2 Halaman Konsultasi Dari Sistem Pakar Penyakit Tiroid
4.3.3 Halaman Hasil Diagnosa
Gambar 4.4 Halaman Info Penyakit Dari Sistem Pakar Penyakit Tiroid
Halaman hasil diagnosa merupakan halaman yang dapat dituju ketika proses konsultasi telah selesai. Pada halaman ini sistem akan menampilkan hasil diagnosa yang dilakukan user mulai dari tingkat kemungkinan user menderita suatu penyakit dalam bentuk persentase nilai, keterangan dari penyakit tersebut, pencegahan serta solusi pengobatan. Adapun tampilan halaman hasil diagnosa dapat dilihat pada gambar 4.3.
4.3.5 Halaman List Penyakit Halaman list penyakit merupakan halaman yang menampilkan daftar-daftar penyakit tiroid yang dapat didiagnosa oleh sistem. Didalam sistem terdapat enam jenis penyakit tiroid yaitu hipotiroid, hipertiroid, tiroiditis, graves, nodul tiroid dan kasinoma tiroid. Dimana daftar jenis penyakit yang ditampilkan berupa nama penyakit beserta gejala dan definisnya. Adapun tampilan halaman list penyakit dapat di lihat pada gambar 4.5.
4.3.4 Halaman Info Penyakit Halaman info penyakit merupakan halaman yang didalamnya terdapat informasi seputaran penyakit Tiroid. Diharapkan informasi tersebut dapat menambah wawasan dan pengetahuan tentang bahayanya penyakit tiroid tersebut. Adapun tampilan halaman info penyakit dapat dilihat pada gambar 4.4 berikut :
22
4.3.7 Halaman Tentang Halaman tentang merupakan halaman yang dapat diakses ketika user mengklik menu informasi kemudian klik tentang. Menu ini berisikan informasi mengenai aplikasi sistem pakar mendiagnosa penyakit tiroid berbasis web menggunakan metode certainty factor serta tujuan dari pembuatan aplikasi tersebut. Adapun tampilan halaman tentang dapat dilihat pada gambar 4.7.
Gambar 4.7 Halaman Tentang Dari Sistem Pakar Penyakit Tiroid
Gambar 4.5 Halaman List Penyakit Dari Sistem Pakar Penyakit Tiroid
5.
4.3.6 Halaman Bantuan
Penutup
5.1 Kesimpulan
Halaman bantuan merupakan halaman yang ditujukan bagi user yang mengalami kesulitan dalam melakukan proses diagnosa. Halaman ini berisikan informasi mengenai cara menggunakan aplikasi sistem pakar mendiagnosa penyakit tiroid berbasis web menggunakan metode certainty factor dari awal sampai akhir proses. Adapun tampilan halaman bantuan dapat dilihat pada gambar 4.6 berikut :
Berdasarkan pembahasan diatas, hasil dan pengujian sistem pakar untuk mendiagnosa penyakit tiroid menggunakan metode certainty factor berbasis web, maka dapat disimpulkan bahwa : 1. Diketahui terdapat beberapa teknik pengumpulan data yang dilakukan untuk mengumpulkan data dari awal pelaksanaan tugas akhir hingga penelitian selesai dilakukan. Data yang didapat berupa hasil wawancara dengan seorang dokter spesialis penyakit dalam untuk mendapatkan data yang berkaitan dengan penyakit tiroid. Hasil dari wawancara digunakan penulis untuk bahan merancang aplikasi sistem pakar yang dapat mendiagnosa penyakit tiroid yang dimulai dari proses perancangan sistem dan selanjutnya mengimplementasikan hasil perancangan kedalam bentuk aplikasi sistem pakar yang dapat mendiagnosa penyakit tiroid. 2. Metode Certainty Factor dapat diadopsi untuk melalukan perhitungan dengan baik dalam mendiagnosa penyakit tiroid. 3. Sistem dapat mendeteksi penyakit yang diderita oleh user dengan melakukan perhitungan berdasarkan tingkat kepercayaan user pada masing-masing gejala yang dipilih oleh user. 4. Setelah pengujian, sistem yang dibangun mampu melakukan perhitungan dengan hasil yang sama terhadap nilai yang dikeluarkan pada perhitungan manual. 5. Pengujian black box pada sistem pakar mendiagnosa penyakit tiroid menggunakan
Gambar 4.6 Halaman Bantuan Dari Sistem Pakar Penyakit Tiroid
23
metode certainty factor berbasis web berjalan sesuai dengan harapan.
Kusumadewi, Sri. 2003. Artifical (Teknik & Aplikasi). Yogyakarta : Graha Ilmu
Intellegence
5.2 Saran Kusrini. 2006. Sistem Pakar (Teori dan Aplikasi). Yogyakarta: Andi
Sistem pakar mendiagnosa penyakit tiroid menggunakan metode Certainty Factor berbasis web ini masih jauh dari kata sempurna, banyak hal yang seharusnya dapat diperbaiki atau dikembangkan antara lain : 1. Penambahan data gejala dan penyakit pada diagnosa penyakit tiroid sehingga penentuan akan lebih akurat. 2. Tampilan antarmuka sistem dengan pengguna diharapkan akan lebih nyaman dilihat oleh pengguna. 3. Diharapkan kedepannya terdapat pengembanganpengembangan yang lebih baik terhadap isi dari kebutuhan sistem dan tampilan yang lebih menarik. 4. Sistem ini dibangun berbasis web sebaiknya bersifat responsive agar user atau pengguna dapat mengaksesnya melalui smartphone.
Kusrini. 2008. APLIKASI SISTEM PAKAR : Menentukan Faktor Kepastian Pengguna Dengan Metode Kuantifikasi Pertanyaan. Yogyakarta: Andi Kurniawan, Heri. 2011. Trik Membuat Template Dengan PHP & CSS. Yogyakarta : Lokomedia Pohan, Iskandar. 2014. Pemrograman Web dengan HTML. Bandung : Informatika Riyanto, Slamet. 2014. Responsive. Bogor : Media
Kupas Tuntas Web Komputindo
Rosa AS dan Shalahuddin , M. 2013. Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Bandung : Informatika Simarmata, Paryudi. 2006. Basis Data. Andi Offset : Yogyakarta.
6. Referensi Anjas, Nur Sari. 2013. Sistem Pakar Mendiagnosa Penyakit Demam Berdarah Menggunakan Metode Certainty Factor. Medan : STMIK Budidarma, Program Studi Teknik Informatika.
Sutanta. 2004. Sistem Basis Data. Graha Ilmu : Yogyakarta.
Arisandi, Cut Desy. 2016. Sistem Pakar Mendiagnosa Gangguan Kelenjar Tiroid Menggunakan Metode Forward Chaining dan Dempster Shafer Berbasis Android (Skripsi S-1). Medan : Universitas Sumatra Utara, Fakultas Ilmu Komputer dan Teknologi Informasi.
Suherman. 2011. Diagnostik kesulitan belajar.
.
Sutojo, T dan Mulyanto, Edy, & Suhartono, Vincen Dr. 2010. Kecerdasan Buatan. Yogyakarta : Andi
Giarratano, Joseph C dan Riley, Gari D. 2005. EXPERT SYSTEMS : Principles and Programming. Canada : Course technology
Sudoyo, Aru W, Bambang Setiyohadi, Idrus Alwi,dkk. 2006. Buku Ajar Ilmu Penyakit Dalam. Jilid III, Edisi ke-IV. Jakarta : Ilmu Penyakit Dalam Fakultas Kedokteran Universitas Indonesia.
Hakim, Lukman. 2009. Trik Rahasia Master PHP Terbongkar Lagi. Yogyakarta : Andi
Wahana. 2014. Sistem Informasi Online Untuk Tugas Akhir. Yogyakarta : Andi
Haryono. 2013. Adobe Dreamweaver CS6 dengan Pemrograman PHP & MySQL. Yogyakarta : Andi Jogiyanto. 2005. Analisis & Desain Sistem Informasi : Pendekatan terstruktur teori dan praktik aplikasi bisnis. Andi Offset : Yogyakarta. Kementrian, Kesehatan RI . 2015. Situasi dan Analisis Penyaki Tiroid. Pusat Data dan Informasi Kementrian Kesehatan RI
24
