BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan penulisan skripsi ini dengan adanya sistem pakar untuk mendiagnosa gangguan kelenja tiroid, dapat disimpulkan bahwa:
1. Dalam mendiagnosa gangguan kelenjar tiroid dilakukan dengan cara memberikan pertanyaan berupa gejala-gejala fisik gangguan yang membutuhkan jawaban ya
atau tidak untuk proses perhitungan kemudian dari hasil perhitungan didapatkan hasil untuk menentukan kesimpulan.
2. Dengan pemanfaatan metode forward chaining dan dempster shafer dalam
pembuatan sistem pakar memperkuat diagnosa yang dihasilkan karena sistem tidak hanya bertumpu pada rule, tetapi mempunyai nilai sehingga tingkat kepercayaan
lebih akurat.
3. Dengan adanya aplikasi sistem pakar mendiagnosa gangguan kelenjar tiroid ini
maka user mendapatkan informasi mengenai gangguan tiroid dan dapat memeriksa gangguan tiroid sedari dini.
4. Sistem pakar ini dikategorikan user friendly karena User dapat menggunakan
sistem ini dengan mudah untuk mengetahui hasil diagnosis gangguan tiroid serta sistem pakar yang ber-platform android pada sistem operasi telepon selular
sehingga fleksibel dan bisa dibawa kemana saja.
5.2 Saran
Adapun saran-saran yang dapat disampaikan dari hasil penyelesaian skripsi ini adalah sebagai berikut :
1. Dalam penelitian lebih lanjut diharapkan dapat mengunakan metode yang berbeda
misalnya menggunakan metode Bayes, atau Certainty Factor CF, serta bisa membandingkan efisiensi serta akurasi dengan metode dempster shafer.
2. Dalam pengembangan data kedepan diharapkan agar sebaiknya dilakukan
penambahan data berupa quisioner sehingga data lebih akurat.
3. Fasilitas yang diberikan oleh sistem sebaiknya ditambah lagi misalnya dengan
adanya form konsultasi antara pasien dengan pakar.
BAB 2
LANDASAN TEORI
2.1. Sistem Pakar
Secara umum sistem pakar adalah Sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan
masalah seperti layaknya seorang pakar. Seorang pakar adalah orang memiliki keahlian dalam bidang tertentu, yaitu pakar yang mempunyai pengetahuan atau
kemampuan khusus yang orang lain tidak mengetahui atau mampu dalam bidang yang dimilikinya. Dengan sistem pakar ini, orang biasa pun dapat meyelesaikan masalah
yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para pakar. Ada beberapa definisi tentang sistem pakar Hartati Iswanti 2008, antara
lain: 1.
Menurut Giarratano Riley: Sistem pakar merupakan cabang dari kecerdasan buatan Artificial Intelegence yang menggunakan pengetahuan-pengetahuan
khusus yang dimiliki oleh seseorang ahli untuk menyelesaikan suatu masalah tertentu.
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 Martin dan Oxman: Sistem pakar adalah sistem berbasis komputer
yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah, yang biasanya hanya dapat diselesaikan oleh seorang
pakar dalam bidang tertentu.
2.1.1. Arsitektur dan Komponen Sistem Pakar Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan
development environment dan lingkungan konsultasi consultation environment Turban, 1995. Lingkungan pengembangan digunakan untuk memasukkan
pengetahuan pakar ke dalam sistem pakar, sedangkan lingkungan konsultasi digunakan untuk pengguna sistem pakar. Komponen-komponen sistem pakar pada dua
bagian tersebut dapat dilihat pada gambar 2.1. berikut ini:
Gambar 2.1. Arsitektur Sistem Pakar sumber: Turban, 1995
Menurut Giarratano dan Riley dalam Hartati Iswanti 2008 Untuk membangun sistem pakar diperlukan komponen-komponen yang harus dimiliki yaitu sebagai
berikut: 1.
Antar muka pengguna User interface 2.
Basis pengetahuan Knowlegde base 3.
Mesin inferensi Inference machine 4.
Memori kerja Working memory
Sedangkan untuk menjadikan sistem pakar lebih menyerupai seorang pakar yang berinteraksi dengan pemakai, maka dilengkapi dengan fasilitas berikut:
1. Fasilitas penjelasan Explanation facility
2. Fasilitas akuisisi pengetahuan Knowledge acquisition facility
Penjelasan masing-masing komponen-komponen sistem pakar tersebut adalah sebagai berikut Hartati Iswanti 2008:
1. Antar muka pengguna User interface adalah komunikasi antara sistem dan
pemakainya yang menggantikan seorang pakar. 2.
Basis pengetahuan Knowlegde base adalah kumpulan pengetahuan bidang tertentu pada tingkatan pakar pada format tertentu.
3. Mesin inferensi Inference machine adalah otak dari sistem pakar, berupa
perangkat lunak yang melakukan tugas inferensi penalaran sistem pakar, biasa dikatakan sebagai mesin pemikir Thingking machine.
4. Memori kerja Working memory adalah bagian dari sistem pakar yang
menyimpan fakta yang diperoleh saat dilakukan proses konsultasi. 5.
Fasilitas penjelasan Explanation facility adalah informasi yang diberikan kepada pemakai mengenai jalannya penalaran sehingga dihasilkan suatu
keputusan. 6.
Fasilitas akuisisi pengetahuan Knowledge acquisition facility adalah pengetahuan pada sistem pakar yang diperoleh atau saat pengetahuan yang
sudah ada tidak berlaku lagi.
2.1.2. Ciri-Ciri Sistem Pakar Sistem pakar merupakan program-program praktis yang menggunakan strategi
heuristik yang dikembangkan oleh manusia untuk menyelesaikan permasalahan- permasalahan yang spesifik khusus, disebabkan oleh keheuristikannya dan sifatnya
yang berdasarkan pada pengetahuan sehingga umumnya sistem pakar mempunyai ciri- ciri sebagai berikut Turban, 1995:
1. Terbatas pada domain keahlian tertentu.
2. Berdasarkan pada kaidahrule tertentu.
3. Dapat digunakan dalam berbagai jenis komputer.
4. Mudah dimodifikasi, yaitu dengan menambah atau menghapus suatu
kemampuan dari basis pengetahuannya. 5.
Sistem dapat mengaktifkan kaidah secara searah yang sesuai, dituntun oleh dialog dengan pemakai.
2.1.3. Manfaat dan Kelemahan Sistem Pakar Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar,
antara lain Kusuma, 2003: 1.
Membuat seorang yang awam bekerja seperti layaknya seorang pakar. 2.
Meningkatkan produktivitas akibat meningkatnya kualitas hasil pekerjaan, meningkatnya kualitas pekerjaan ini disebabkan meningkatnya efisiensi kerja.
3. Menghemat waktu kerja.
4. Menyederhanakan pekerjaan.
5. Merupakan arsip terpercaya dari sebuah keahlian, sehingga bagi pemakai
sistem pakar seolah-olah berkonsultasi langsung dengan sang pakar, meskipun mungkin sang pakar telah tiada.
6. Memperluas jangkauan, dari keahlian seorang pakar. Di mana sebuah sistem
pakar yang telah disahkan, akan sama saja artinya dengan seorang pakar yang tersedia dalam jumlah besar dapat diperbanyak dengan kemampuan yang
persis sama, dapat diperoleh dan dipakai di mana saja.
Di samping memiliki beberapa manfaat, sistem pakar juga memiliki beberapa kelemahan, antara lain Kusuma, 2003:
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.
2.1.4. 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 masalah dan membuat informasi itu
dapat diakses oleh prosedur pemecahan masalah Kusrini, 2006. Beberapa model representasi pengetahuan yang penting Kusrini, 2006 adalah:
1. Logika logic yaitu Logika merupakan suatu pengkajian ilmiah tentang
serangkaian penalaran, sistem kaidah, dan prosedur yang membantu proses penalaran. Bentuk logika komputasional ada dua macam yaitu logika
proposional dan predikat. 2.
Jaringan semantik Semantic nets yaitu Representasi jaringan semantik merupakan penggambaran grafis dari pengetahuan yang memperlihatkan
hubungan hirarkis dari objek-objek yang terdiri atas simpul node dan penghubung link.
3. Object-Atributte-Value OAV yaitu Objek dapat berupa bentuk fisik atau
konsep, Atribut adalah karakteristik atau sifat dari objek tersebut, Value nilai besaran spesifik dari atribut tersebut yang berupa numeric, string atau
boolean .
4. Bingkai Frame yaitu Bingkai berupa ruang slots yang berisi atribut untuk
mendeskripsikan pengetahuan yang berupa kejadian. Bingkai memuat deskripsi sebuah objek dengan menggunakan tabulasi informasi yang
berhubungan dengan objek. 5.
Kaidah Produksi Production rule yaitu Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arahan, atau strategi dalam bentuk
jika-maka If-Then yang menghubungkan anteseden dengan konsekuensi.
2.1.5. Metode Inferensi Bagian mesin inferensi merupakan bagian yang mengatur proses penalaran sistem
yang digunakan oleh seorang pakar serta mengarahkannya menuju solusi yang terbaik yang dapat dilakukan berdasarkan basis pengetahuan. Metode inferensi Hartati
Iswanti 2008 antara lain:
1. Pelacakan ke depan Forward chaining Pada metode forward chaining merupakan proses perunutan yang dimulai
dengan menampilkan kumpulan data atau fakta yang meyakinkan menuju akhir konklusi. Forward chaining disebut juga pencarian yang di motori data data
driven search. Jadi dimulai dari premis-premis atau informasi masukan if
dahulu kemudian menuju konklusi atau derived information then atau dapat dimodelkan sebagai berikut:
IF informasi masukan THEN konklusi
Proses pelacakan pada forward chaining dapat ditunjukkan oleh gambar 2.2. berikut ini:
Gambar 2.2. Proses Forward Chaining Sumber: Arhami, 2005
2. Pelacakan ke belakang Backward chaining Runut balik merupakan proses perunutan yang merupakan kebalikan dari runut
maju. Proses penalaran runut balik dimulai dengan tujuangoal kemudian merunut balik kejalur yang akan mengarahkan ke goal tersebut, mencari
bukti-bukti bahwa bagian kondisi terpenuhi. Jadi secara umum runut balik itu diaplikasikan ketika tujuan atau hipotesis yang dipilih itu sebagai titik awal
penyelesaian masalah. Disebut juga goal-driven search. Runut balik dimodelkan sebagai berikut:
TUJUAN, IF kondisi
Proses pelacakan pada backward chaining dapat ditunjukkan oleh gambar 2.3. berikut ini:
Gambar 2.3. Proses Backward Chaining Sumber : Arhami, 2005
2.2. Algoritma Dempster Shafer
Kategori