3.2. Analisis data
3.2.1. Pengumpulan Data Data yang diperoleh selama proses pengumpulan data terdiri dari data gejala, data
penyakit, data hubungan gejala dan penyakit. Data tersebut diperoleh dari wawancara dengan pakar yang bersangkutan dan buku yang berhubungan dengan gangguan
kelenjar tiroid.
1. Data gejala
Data gejala yang digunakan dalam sistem pakar gangguan kelenjar tiroid ini berjumlah 30 gejala. Adapun data gejala tersebut dapat dilihat pada tabel 3.1.
dibawah ini:
Tabel 3.1. Daftar Gejala Kode
Gejala Nama Gejala
Nilai Densitas
G1 Mudah lemah dan lesu
0,2 G2
Otot keram dan lemah, khususnya kerja otot lengan dan kaki 0,2 G3
Hiperkinesis Seperti: Gelisah, cemas, lekas marah, emosional, kebingungan
0,4
G4 Rambut dan kuku mudah rontokrapuh
0,3 G5
Bengkak di leher atau kelenjar leher membengkak 0,4
G6 Nafsu makan meningkat
0,2 G7
Sensitif terhadap panas Palpitasi 0,2
G8 Jantung berdebar kencang dan cepat Takikardia
0,3 G9
Banyak berkeringat atau keringan berlebihan 0,4
G10 Biasanya tangan bergetar terus Tremor
0,4 G11
Frekuensi buang air besar yang sering Diare 0,2
G12 Mata tampak melotot atau menonjol Exophthalmos disertai
penglihatan ganda 0,6
G13 Mata membengkak, memerah, dan sensitif terhadap cahaya
0,5 G14
Gemetar, gugup dan gelisah 0,3
Kode Gejala
Nama Gejala Nilai
Densitas
G15 Kulit lembap dan hangat
0,2 G16
Berat badan menurun 0,2
G17 Nafsu makan berkurang
0,2 G18
Denyut nadi dan jantung melambat 0,3
G19 Suhu tubuh rendah
0,2 G20
Kulit kasar dan kering 0,2
G21 Sensitif terhadap udara dingin
0,2 G22
Kurang konsentrasi dan daya ingat lemah Demensia 0,1
G23 Tekanan darah menurun
0,2 G24
Mengalami gangguan cerna sembelitkonstipasi 0,2
G25 Wajah sembab dan bengkak
0,5 G26
Sendi nyeri dan kaku 0,2
G27 Berat badan meningkat
0,2 G28
Kelopak mata, tangan dan kaki membengkak 0,6
G29 Penurunan kemampuan berbicara seperti suara pelan dan
parau, kadang cara bicara yang gagap 0,4
G30 Kelopak mata menurun
0,4
2. Data Gangguan
Jumlah gangguan yang diolah dalam sistem pakar gangguan kelenjar tiroid ini ada 2 macam gangguan. Data penyakit ini dapat dilihat pada tabel 3.2. berikut:
Tabel 3.2. Daftar Nama Gangguan Kode Gangguan
Nama Gangguan
P1 Hipertiroidisme
P2 Hipotiroidisme
3. Basis Pengetahuan Dari pengetahuan berupa gejala dan gangguan kelenjar tiorid, maka dapat dibuat
basis pengetahuan berupa hubungan atau keterkaitan yang ada antara gejala dan gangguan. Basis pengetahuan tersebut dapat dilihat pada tabel 3.3. berikut ini:
Tabel 3.3. Tabel Keputusan Gangguan Kelenjar Tiroid Kode Gejala G
Kode Gangguan P P1
P2 G1
G2 G3
G4 G5
G6 G7
G8 G9
G10 G11
G12 G13
G14 G15
G16 G17
G18 G19
G20 G21
G22 G23
G24 G25
G26 G27
G28 G29
G30
3. Basis Aturan
Untuk menghasilkan sistem pakar gangguan kelenjar tiroid yang baik diperlukan pembuatan basis pengetahuan dan basis aturan yang lengkap dan baik agar proses
inferensi berjalan dengan baik. Basis pengetahuan berupa hubungan gejala dan gangguan kelenjar tiroid. Basis pengetahuan dapat dilihat pada tabel sebelumnya,
yaitu pada tabel 3.3. Basis aturan diambil dari basis pengetahuan yang ada kemudian disusun dalam bentuk aturan rule dengan menggunakan metode
forward chaining. Aturan rule tersebut dapat dilihat pada tabel 3.4 berikut:
Tabel 3.4. Basis Aturan Rule Aturan rule
Kaidah produksi
Rule 1 IF G1 AND G2 AND G3 AND G4
AND G5 AND G6 AND G7 AND G8 AND G9 AND G10 AND G11
AND G12 AND G13 AND G14 AND G15 AND G16
THEN P1
Rule 2 IF G1 AND G2 AND G3 AND G4
AND G5 AND G17 AND G18 AND G19 AND G20 AND G21 AND G22
AND G23 AND G24 AND G25 AND G26 AND G27 AND G28
AND G29 AND G30 THEN P2
4. Pohon keputusan Decision tree
Dari tabel aturan yang telah didapat, maka dapat terbentuk suatu pohon keputusan. Proses pencarian dari pohon keputusan menggunakan metode forward chaining.
Pohon keputusan terdiri dari gejala, gangguan, dan busur yang menunjukkan hubungan antar objek. Pada gambar 3.1. berikut ini adalah gambar pohon
keputusan yang terbentuk:
Gambar 3.1. Pohon Keputusan Decision Tree
3.2.2. Flowchart Metode Dalam perancangan sistem pakar ini menggunakan metode penalaran forward
chaining pelacakan maju yaitu dimulai dari sekumpulan fakta-fakta tentang suatu
gejala yang diberikan oleh user sebagai masukan ke dalam sistem, kemudian dilakukan perhitungan sampai tujuan akhir berupa diagnosa gangguan tiroid yang
dialami dan nilai kepercayaannya. Pada gambar 3.2. berikut ini merupakan flowchart diagram alir metode dempster shafer untuk menghitung nilai kepastian penyakit
pada sistem pakar.
Gambar 3.2. Flowchart Metode Dempster Shafer
Mulai
Penyakit = tidak
diketahui. Jawab
Gejala i ?
Gejala i G1 {m
1
X}
Selesai Gejala i+1 G2
{m
2
Y}
Jawab Gejala
i +1 ? Hitung densitas dengan rumus :
Densitas = {m
3
Z}
Jawab Gejala
3 чi+1ш30
Max {m}
Penyakit =yang mempunyai
nilai densitas terbesar
Tidak Ya
Tidak Tidak
Ya Ya
m
1
{ }=1-m
1
X M
2
{ }=1-m
2
Y M
3
{ }=1-m
3
Z
Gejala 3 чi+1ш830
G3 {m
4
A} M
4
{ }=1-m
4
A
Keterangan : X,Y,Z,A
= Himpunan penyakit i iterasi
= Jumlah gejala m
= Nilai densitas G
= Jenis gejala
3.3. Perancangan Sistem
Kategori