Penggunaan Certainty Factor Dalam Sistem Pakar untuk melakukan Diagnosis Penyakit neurologi.

ISSN : 2302-450X

PROSIDING
PERTEMUAN DAN PRESENTASI KARYA ILMIAH

BALI, 23 OKTOBER 2015

PEMBICARA UTAMA SEMINAR PANEL DENGAN TEMA
Inovasi Teknologi Informasi dan Komunikasi dalam
Menunjang Technopreneurship
Ir.Onno Widodo Purbo.M.Eng.Ph.D
Putu Sudiarta, S.Kom

PENYUNTING AHLI
Dr. Ahmad Ashari.M.Kom
Dr. H. Agus Zainal Arifin, S.Kom.,M.Kom
Agus Muliantara, S.Kom., M.Kom.

PELAKSANA SEMINAR

PELINDUNG

Rektor Universitas Udayana, Bali

PENANGGUNG JAWAB
Dekan Fakultas MIPA Universitas Udayana
Ketua Program Studi Teknik Informatika, FMIPA Universitas Udayana

PANITIA
I Gusti Agung Gede Arya Kadyanan,S.Kom.,M.Kom.
I Dewa Made Bayu Atmaja Darmawan,S.Kom.,M.Cs.
I Wayan Supriana,S.Si.,M.Cs.
Ida Bagus Made Mahendra, S.Kom., M.Kom.
I Komang Ari Mogi, S.Kom, M.Kom.
I Made Widi Wirawan, S.Si., M.Cs.
I Putu Gede Hendra Suputra, S.Kom., M.Kom.
Ngurah Agus Sanjaya ER., S.Kom., M.Kom.
Agus Muliantara, S.Kom.,M.Kom.
I Made Widiartha,S.Si., M.Kom.
Made Agung Raharja, S.Si., M.Cs.
I Gusti Ngurah Anom Cahyadi Putra, S.T., M.Cs.
I Gede Santi Astawa, S.T., M.Cs.

Ida Bagus Gede Dwidasmara,S.Kom.,M.Cs.
Dra. Luh Gede Astuti, M.Kom.

Penggunaan Certainty Factor dalam Sistem Pakar
untuk Melakukan Diagnosis Penyakit Neurologi
I Putu Eky Sila Krisna1, Dra. Luh Gede Astuti, M.Kom.2
1,2

Program Studi Teknik Informatika, Jurusan Ilmu Komputer,
Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana
Jalan Kampus Udayana Bukit Jimbaran, Badung-Bali
Email: silakrisna.eky@gmail.com1, lg.astuti@gmail.com2
ABSTRAK

Sistem pakar adalah sebuah sistem yang berisi pengetahuan pakar sehingga dapat digunakan untuk
konsultasi suatu masalah yang biasanya membutuhkan keahlian manusia. Tujuan dari pembuatan sistem pakar
ini untuk memudahkan masyarakat dalam memperoleh informasi dengan cepat mengenai penyakit neurologi
pada manusia. Pengetahuan tentang penyakit neurologi pada manusia, yang dibuat berdasar pada
wawancara/konsultasi langsung dengan dokter dan buku mengenai penyakit neurologiyang digunakan untuk
mendiagnosa penyakit berdasarkan gejala ciri, penyebab, dan tindakan penanganan. Kesimpulan dari

pembuatan sistem ini bahwa informasi dapat lebih mudah diperoleh untuk mendiagnosis penyakit neurologi
pada manusia yang mudah dipahami oleh masyarakat umum.
Kata Kunci: Sistem Pakar, neurologi, certainty factor
ABSTRACT
An expert system is a system that have some expert knowledges to solve a problem that normally needs
human expertise. The purpose of expert system is facilitate public to obtain information about neuorlogical
disease quickly. Knowledge of neurological disease, is based on a direct interview/cocultation with a doctor and
book about neurological disease that used to diagnose the disease based on characteristic sympthoms, causes,
and treatment. Conclusion from making this expert system is information can easily to obtain to diagnose the
disease that easy to use by everyone.
Keywords: Expert System, neurology, certainty factor

1

Dalam dunia kesehatan antara penyakit dan
pengobatan tidaklah dapat dipisahkan, apabila dari
salah satu organ tubuh kita merasa sakit maka secara
sepontan kita akan segera mencari solusinya supaya
hilang rasa sakit tersebut.
Berdasarkan dari masalah yang kami tulis tadi

maka kami tertarik untuk mengambil judul
PENGGUNAAN
CERTAINTY
FACTOR
DALAM SISTEM PAKAR UNTUK DIAGNOSIS

PENDAHULUAN

Permasalahan yang ditangani oleh seorang
pakar
bukan
hanya
permasalahan
yang
mengandalkan algoritma, namun kadang juga
permasalahan yang sulit dipahami. Permasalahan
tersebut dapat diatasi oleh seorang pakar dengan
pengetahuan dan pengalamannya. Oleh karena itu
sistem pakar dibangun bukan berdasarkan algoritma
tertentu tetapi berdasarkan basis pengetahuan dan

aturan. Sistem pakar sudah banyak dikembangkan
baik untuk kepentingan penelitian maupun
kepentingan bisnis dari berbagai bidang ilmu seperti
ekonomi, keuangan, teknologi dan kedokteran.
Sistem pakar dalam bidang diagnosis kesehatan telah
dikembangkan pada pertengahan tahun 1970 di
Stanford University. Sistem tersebut diberi nama
MYCIN dan digunakan untuk melakukan diagnosis
dan terapi terhadap penyakit miningitis dan infeksi
bacremia.

2

2.1 Dasar Teori
2.1.1 Sistem Pakar
Ilmu yang mempelajari cara membuat computer
dapat bertindak dan memiliki kecerdasan seperti
manusia disebut kecerdasan buatan. Salah satu
bidang yang termasuk dalam kecerdasan buatan yaitu
Sistem Pakar (Expert System).

1

 

TEORI, ANALISIS, DAN DESAIN

Volume X, Nomor X, Januari XXXX : X-X 

 
 
Sistem pakar adalah program komputer yang
menirukan penalaran seorang pakar dengan keahlian
pada suatu wilayah pengetahuan tertentu.
2.1.2

Ketidakpastian
Dalam menghadapi suatu masalah sering
ditemukan jawaban yang tidak memiliki kepastian
penuh. Ketidakpastian ini bisa berupa probabilitas
atau kebolehjadian yang tergantung dari hasil suatu

kejadian. Hasil yang tidak pasti disebabkan oleh dua
faktor yaitu aturan yang tidak pasti dan jawaban
pengguna yang tidak pasti atas suatu pertanyaan
yang diajukan oleh sistem. Hal ini sangat mudah
dilihat pada system diagnosis penyakit, dimana pakar
tidak dapat mendefinisikan tentang hubungan antara
gejala dengan penyebabnya secara pasti, dan pasien
tidak dapat merasakan suatu gejala dengan pasti pula.
Pada akhirnya ditemukan banyak kemungkinan
diagnosis. Sistem pakar harus mampu bekerja dalam
ketidakpastian. Sejumlah teori telah ditemukan untuk
menyelesaikan ketidakpastian, termasuk diantaranya
probabilitas
klasik
(classical
probability),
probabilitas Bayes (Bayesian probability), teori
Hartley berdasarkan himpunan klasik (Hartley theory
based on classical sets), teori Shannon berdasarkan
pada probabilitas (Shannon theory based on

probability), teori Dempster-Shafer (DempsterShafer theory), teori fuzzy Zadeh (Zadeh.s fuzzy
theory) dan faktor kepastian (certainty factor).
Dalam penelitian
2.1.3 Certainty Factor
Faktor kepastian (certainty factor) menyatakan
kepercayaan dalam sebuah kejadian (fakta atau
hipotesa) berdasar bukti atau penilaian pakar
(Turban, 2005). Certainty factor menggunakan suatu
nilai untuk mengasumsikan derajat keyakinan
seorang pakar terhadap suatu data.
CF[H,E] = MB[H,E] MD[H,E] [2.1]
Keterangan :
CF(H,E) = certainty factor hipotesa yang
dipengaruhi
oleh
evidence
e
diketahui dengan pasti.
MB(H,E)

= measure of belief terhadap hipotesa
H, jika diberikan evidence E (antara
0 dan 1)

MD(H,E)

= measure of disbelief terhadap
evidebce H, jika diberikan evidance
E (antara 0 dan 1)

Certainty factor untuk kaidah premis tunggal
CF[H,E]1= CF[H] * CF[E] [2.2]
Certainty Factor untuk kaidah dengan kesimpulan
yang serupa (similarly concluded rules) :
2

 

CFcombineCF[H,E]1,2= CF[H,E]1 + CF[H,E]2 * [1
- CF[H,E]1] [2.3]

CFcombineCF[H,E]old,3=CF[H,E]old +CF[H,E] 3 *
(1 - CF[H,E] old] [2.4]
2.1.4 Neurology
Neurologi adalah spesialisasi medis yang
berkaitan dengan studi tentang struktur, fungsi dan
penyakit dan gangguan pada sistem saraf. Sistem
saraf ter-masuk sistem saraf pusat yang terdiri dari
otak dan sumsum tulang belakang, dan juga sistem
saraf perifer yang mencakup saraf individual di
semua bagian tubuh.
2.1.4.1 Stroke
Stroke merupakan salah satu manifestasi
neurologik yang umum, dan mudah dikenal dari
penyakit neurologik lain oleh karena mula timbulnya
mendadak dalam waktu yang singkat.
Stroke dibagi dalam dua bagian, yaitu:
A. Stroke iskhemik
Ini terjadi jika arteri tersumbat. Stroke
iskhemik dapat dibedakan lagi, antara lain:
1. Stroke embolik

2. Stroke trombotik
B. Stroke hemoragik
Ini terjadi jika arteri pecah.
2.1.4.2 Epilepsi (Ayan)
Epilepsi adalah suatu gangguan serebal khronik
dengan berbagai macam etiologi, yang dicirikan oleh
timbulnya serangan paroksismal yang berkala, akibat
lepas muatan listrik neuron-neuron serebal secara
eksesif.
Banyak usaha telah dikerahkan untuk
mengadakan klasifikasi menurut parameter tertentu.
Adapun klasifikasi berdasarkan simptomatologi
ialah:
A. Epilepsi umum:
1. Petit mal
2. Grand mal
3. Epilepsi mioklonik : spasmus infantile
dan epilepsi mioklonik kanak-kanak
4. Konvulasi febril
B. Epilepsi parsial:
1. Epilepsi fokal dengan gejala tunggal
sederhana
pada
motorik,
sensorik,
autonomik
2. Epilepsi parsial dengan gejala kompleks
majemuk pada automatismus, fenomenfenomen psikik
C. Epilepsi Neonatal
2.2 Analisis Kebutuhan

I Putu Eky Sila Krisna, Penggunaan Certainty Factor dalam Sistem Pakar untuk Melakukan Diagnosis
Penyakit Neurologi
Analisis kebutuhan terbagi menjadi dua yaitu
analisis kebutuhan nonfungsional dan analisis
kebutuhan fungsional.
a. Kebutuhan NonFungsional
Kebutuhan nonfungsional merupakan
kebutuhan yang mendukung agar kebutuhan
fungsional dapat dilakukan dan mempunyai
pengaruh yang tidak langsung. Kebutuhan
nonfungsional dalam aplikasi ini adalah sebagai
berikut :
1. Reliability
Sistem yang dibangun dapat diakses
atau digunakan dengan mudah oleh
pengguna dan bersifat reliability pada saat
digunakan kapan saja dan oleh siapa saja.
2. Performance
Sistem yang dibangun dapat diakses
dan digunakan secara cepat dan system
bersifat userfriendly bagi pengguna dengan
tampilan dan keterangan yang jelas dan
mudah dipahami dalam sistem.
3. Security
Memiliki otorisasi dan otentifikasi user
sehingga user merasa nyaman.
b. Kebutuhan Fungsional
Kebutuhan fungsional adalah deskripsi
layanan sistem yang harus disediakan atau
rancangan dari aktivitas-aktivitas dan
layanan layanan yang harus disediakan oleh
sistem.bagaimana system beraksi pada input
tertentu dan bagaimana perilaku system
pada situasi tertentu. Dalam menganalisis
kebutuhan fungsional dilakukan dengan
menggunakan use case. Diagram use case
dapat menjadi teknik yang cukup baik untuk
menganalisa kebutuhan pengguna system
karena selain bagus dalam unsure
pemahamannya, diagram usecase juga dapat
mendokumentasikan persyaratan system
dengan baik.
2.3 Desain
Sistem pakar ini memiliki beberapa komponen
utama yaitu: antar muka pengguna (user interface),
basis data sistem pakar (expert system database),
fasilitas akuisisi pengetahuan (knowledge acquisition
facility) dan mekanisme inferensi (inference
mechanism).

3

SKENARIO IMPLEMENTASI

3.1 Metode Inferensi
Sistem pakar diagnosis penyakit neurologi ini
menggunakan dua metode inferensi, yaitu runut balik
dan runut maju. Runut balik digunakan pada saat
melakukan diagnosis dan runut maju digunakan pada
saat mencari terapi yang tepat untuk penyakit yang

telah terdiagnosis. Data yang digunakan dalam
inferensi diperoleh dari jawaban yang diberikan
pengguna atas pertanyaan mengenai gejala atau
hasil-hasil tes yang diajukan oleh sistem. Sistem
tidak akan menanyakan pertanyaan yang sudah
pernah diberikan. Oleh karena itu diperlukan
penyimpan data pertanyaan yang pernah diajukan.
Selain itu sistem juga akan menyimpan hasil
kesimpulan sementara sehingga dia tidak perlu
memproses ulang apabila memerlukannya.
3.2 Akuisisi Pengetahuan
Fasilitas akuisisi pengetahuan disediakan untuk
membantu menjembatani antara pakar dengan
sistem. Melalui bagian inilah pakar neurologi akan
memasukkan pengetahuan yang akan dipakai dalam
inferensi. Akuisisi dibagi dalam 5 kelompok sesuai
dengan jenis pengetahuan yang ada dalam sistem,
yaitu:
a. Akuisisi pengetahuan sawan. Proses ini
memasukkan aturan mengenai gejala yang
mempengaruhi sawan ke tabel gejalapenyakit.
b. Akuisisi pengetahuan penyakit neurologi. Proses
ini memasukkan aturan mengenai sawan yang
mempengaruhi penyakit epilepsi ke tabel penyakit
dan aturan mengenai syarat yang mempengaruhi
penyakit epilepsi ke tabel final.
c. Akuisisi pengetahuan penyakit non epilepsi.
Proses ini memasukkan aturan mengenai gejala yang
mempengaruhi penyakit non epilepsi ke table
penyakit_non_neurologi dan aturan mengenai
syarat yang mempengaruhi penyakit nonneurologi ke
table finalnonneurologi.
d. Akuisisi terapi bagi penyakit epilepsi. Proses ini
memasukkan aturan mengenai obat yang dapat
digunakan oleh penyakit neurologi dengan certainty
factor tertentu.
e. Akuisisi terapi bagi penyakit non neurologi. Proses
ini memasukkan aturan mengenai obat yang dapat
digunakan oleh penyakit non neurologi dengan
certainty factor tertentu.
3.3 Penjelasan
Ada dua macam penjelasan dalam sistem ini
yaitu:
a. Penjelasan pertanyaan mengapa, pertanyaan ini
diberikan pengguna pada saat sistem menanyakan
gejala atau syarat kepada pengguna.
b. Penjelasan pertanyaan bagaimana, pertanyaan ini
diberikan pengguna pada saat sistem menentukan
penyakit baik penyakit epilepsi maupun penyakit non
epilepsi.

4

HASIL IMPLEMENTASI

Dari hasil penelitian yang telah dilakukan,
maka dapat disimpulkan bahwa:
3

 

Volume X, Nomor X, Januari XXXX : X-X 

 
 
1. Penyakit syaraf dan gejala-gejalanya dapat
dibentuk menjadi basis pengetahuan dalam bentuk
kaidah produksi (IF THEN).
2. Metode runut maju (forward chaining) dan runut
balik (backward chaining) dapat diimplementasikan
pada mesin inferensi penyakit neurologi, hasilnya
adalah diagnosa penyakit dan pengobatannya.
3. Proses inferensi akan menghasilkan kesimpulan
walaupun gejala yang dimasukkan oleh pemakai
(user) tidak lengkap. Hasil yang diberikan berupa
jenis penyakit serta saran pengobatan.

5

KESIMPULAN

Kompleksnya permasalahan yang timbul dalam
diagnosis penyakit epilepsi, bisa ditangani dengan
system pakar. Metode certainty factor telah mampu
menjawab permasalahan adanya pengetahuan yang
tidak komplit dan tidak pasti.

6

DAFTAR PUSTAKA

[1] Turban, E., Decicion Support System and
Expert Systems, Prentice Hall International Inc.,
USA. 1995.
[2] Priguna S, M.D., Ph. D. 2008, Neurologi Klinis
Dalam Praktek Umum, Dian Rakyat, Jakarta.
[3] Arhami Muhammad, Konsep Dasar Sistem
Pakar, ANDI, 2005
[4] Daniel, Gloria Virginia, Implementasi Sistem
Pakar Untuk mendiagnosis Penyakit Dengan
Gejala Demam Menggunakan Metode Certainty
factor, 2010.

4