SISTEM PAKAR DIAGNOSA PENYAKIT MININGITIS DENGAN MENGGUNAKAN METODE DEMPSTER SHAFER
MENGGUNAKAN METODE DEMPSTER SHAFER
Sistem Pakar Diagnosa Penyakit Miningitis Dengan Menggunakan Metode Dempster Shafer. Oleh : Muhammad Syukron Hasibuan
36 SISTEM PAKAR DIAGNOSA PENYAKIT MININGITIS DENGAN
Muhammad Syukron Hasibuan
Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Sp. Limun Medan http : // www.stmik-budidarma.ac.id // Email: arachisyu@gmail.com
ABSTRAK
Seiring perkembangan teknologi, dikembangkan pula suatu sistem teknologi yang mampu mengadopsiproses dan cara berpikir manusia yaitu sistem pakar yang mengandung pengetahuan tertentu sehingga setiap
orang dapat menggunakan untuk memecahkan masalah yang bersifat spesifik, dalam hal ini adalah
permasalahan kesehatan mengenai penyakit miningitis. Ketika terjadi masalah kesehatan khususnya penyakit
miningitis lebih tepatnya orang akan datang ke dokter atau ahli untuk berkonsultasi. Namun terdapat kelemahan
jika mempercayakan kepada dokter ahli seperti terbatasnya jam praktek dan kejadian banyak pasien yang
memaksa harus melakukan antrian serta memerlukan biaya yang lumayan besar. Dalam hal ini, kita selaku
orang yang menggunakan jasa lebih membutuhkan seorang pakar yang bisa memudahkan dalam mendiagnosa
penyakit miningitis sebagai pencegahan awal. Dengan demikian sebagai alternatif pemecahan masalah yaitu
dengan membuat aplikasi sistem pakar dengan metode Dempster Shafer yang dapat
mengindentifikasi/mendiagnosa penyakit miningitis berdasarkan gejala yang ada. Yang ditampilkan dalam
bentuk website menggunakan pemrograman PHP dengan database MySQL, sehingga konsultasi akan lebih
mudah, hemat biaya serta dapat digunakan kapan dan dimana saja.Kata kunci : Sistem Pakar, Penyakit Miningitis, Dempster Shafer.
1. Latar Belakang Masalah
1.1 Latar Belakang Masalah
Seiring perkembangan teknologi, dikembangkan pula suatu sistem teknologi yang mampu mengadopsi proses dan cara berpikir manusia yaitu sistem pakar yang mengandung pengetahuan tertentu sehingga setiap orang dapat menggunakan untuk memecahkan masalah yang bersifat spesifik, dalam hal ini adalah permasalahan kesehatan mengenai penyakit meningitis atau biasanya diiringi dengan sakit di kepala atau radang selaput otak. Ketika terjadi masalah kesehatan khususnya radang selaput otak atau sakit kepala lebih tepatnya orang akan datang ke dokter untuk berkonsultasi. Namun terdapat kendala jika mempercayakan kepada dokter ahli seperti terbatasnya jam praktek dan kejadian banyak pasien yang memaksa harus melakukan antrian.
Sistem pakar dapat diartikan sebagai sistem yang mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh pakar, sehingga sistem pakar dapat menjadi asisten dari seorang pakar. Aplikasi yang dapat membantu mendiagnosa suatu penyakit berbasis pengetahuan biasa disebut kecerdasan buatan (Artificial Intelligence).
Dalam hal ini, kita selaku orang yang menggunakan jasa lebih membutuhkan seorang pakar yang bisa memudahkan dalam mendiagnosa penyakit miningitis sebagai pencegahan awal. Dengan demikian sebagai alternatif pemecahan masalah yaitu dengan membuat aplikasi sistem pakar dengan metode Dempster Shafer yang dapat mengindentifikasi/mendiagnosa penyakit miningitis berdasarkan gejala yang ada. Yang ditampilkan dalam bentuk website menggunakan pemrograman PHP dengan database MySQL, sehingga konsultasi akan lebih mudah, hemat biaya serta dapat digunakan kapan dan dimana saja.
Ada berbagai macam penalaran dengan model yang lengkap dan sangat konsisten, tetapi pada kenyataannya banyak permasalahan yang tidak dapat terselesaikan secara lengkap dan konsisten. Ketidakkonsistenan tersebut adalah akibat adanya penambahan fakta baru. Penalaran yang seperti itu disebut dengan penalaran non monotonis. Untuk mengatasi ketidakkonsistenan tersebut maka dapat menggunakan penalaran dengan teori Dempster
Shafer .
Meningitis disebabkan oleh bakteri Neisseria meningitides (dikenal sebagai "meningitis meningokokus") dapat dibedakan dari meningitis dengan penyebab lain dengan ruam petekie cepat menyebar yang biasa mendahului gejala lain. Ruam terdiri dari banyak kecil, bintik-bintik ungu atau merah tidak teratur ("petechiae") pada batang, ekstremitas bawah, membrane mukosa, conjuctiva, dan (kadang-kadang) telapak tangan atau telapak kaki. Ruam ini biasanya non-blanching: kemerahan tidak hilang jika ditekan dengan jari atau gelas kaca. Meskipun ruam ini tidak selalu hadir dalam meningitis meningokokus, relatif spesifik untuk penyakit ini, tetapi, bagaimanapun, kadang-kadang terjadi pada meningitis akibat bakteri lain. Petunjuk lain mengenai sifat penyebab meningitis mungkin tanda-tanda kulit penyakit tangan, kaki dan mulut dan genital herpes, yang keduanya terkait dengan berbagai bentuk meningitis virus.
Metode yang digunakan pada pembuatan aplikasi ini menggunakan metode Dempster Shafer, hasil uji coba sistem pada sistem pakar sebelumnya Sistem Pakar Diagnosa Penyakit Miningitis Dengan Menggunakan Metode Dempster Shafer. Oleh : Muhammad Syukron Hasibuan
37 yang berkaitan tentang kesehatan menunjukkan bahwa sistem ini mampu melakukan diagnosa penyakit berdasarkan gejala-gejala yang diderita pasien meskipun gejala-gejala tersebut mengandung ketidakpastian, dengan cara menanyakan gejala- gejala yang dirasakan penderita. Hasil diagnosa disertai dengan nilai Dempster Shafer menunjukkan tingkat kebenaran yang besar berdasarkan hasil diagnosa. Namun penelusuran forward chaining akan tetap diimplementasikan dalam inference engine.
2.2 Komponen Sistem Pakar
2.3 Teori Dempster Shafer
b. Mesin ini akan dimulai pelacakannya dengan mencocokan kaidah-kaidah dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data.
a. Mekanisme ini akan menganalisa masalah tertentu dan selanjutnya akan mencari jawaban atau kesimpulan yang terbaik.
Inference Engine adalah bagian yang menyediakan mekanisme fungsi berfikir dan pola- pola penalaran sistem yang digunakan oleh seorang pakar.
3. Inference Engine (Mesin/Motor Inferensi).
Working memory adalah bagian yang mengandung semua fakta-fakta baik fakta awal pada saatsistem beroperasi maupun fakta-fakta pada saat pengambilan kesimpulan sedang dilaksanakan selama sistem pakar beroperasi, basis data berada di dalam memori kerja.
2. Working Memory (Basis Data atau Memori Kerja).
Basis pengetahuan akan berisi solusi-solusi yang telah di-capai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan jika pemakai (user) menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama (mirip). Bentuk ini juga digunakan jika kita telah memiliki sejumlah situasi atau kasus tertentu dalam basis pengetahuan.
b. Case-Based Reasoning (Penalaran berBasis Kasus).
Pada penalaran berbasis aturan, pengetahuan direpresentasi-kan dengan menggunakan aturan berbentuk IF-THEN. Bentuk ini digunakan jika kita memiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan pakar dapat menyelesaikan masalah tersebut secara berurutan. Bentuk ini juga digunakan jika dibutuhkan penjelasan tentang jejak (langkah-langkah) pencapaian solusi.
Knowledge Base (Basis pengetahuan) merupakan inti dari program sistem pakar karena basis pengetahuan itu merupakan presentasi pengetahuan atau knowledge representation basis pengetahuan adalah sebuah basis data yang menyimpan aturan-aturan tentang suatu domain knowledge/pengetahuan tertentu. Basis pengetahuan ini terdiri dari kumpulan objek beserta aturan dan atributnya (sifat atau cirinya), tentu saja di dalam domain tertentu.Ada 2 bentuk pendekatan basis pengetahuan yang sangat umum digunakan yaitu : a. Rule-Based Reasoning (Penalaran berBasis
1. Knowledge Base (Basis Pengetahuan).
Menurut Kusrini (2008), Komponen sistem pakar terdiri dari :
memecahkan masalah, sistem pakar menggunakan pengetahuan seorang pakar yang dimasukkan kedalam komputer. Seseorang yang bukan pakar menggunakan sistem pakar untuk meningkat kemampuan pemecahan masalah, sedangkan seorang pakar menggunakan sistem pakar untuk knowledge assistant.
Penulusuran dilakukan untuk menentukan jenis penyakit yang diderita pasien.
based expert system. Istilah ini muncul karena untuk
Istilah sistem pakar berasal dari knowlegde-
Secara umum sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli (Muhammad Arhami, 2006). Sistem pakar yang baik dirancang agar dapat menyelesaikan masalah tertentu dengan meniru kerja dari para ahli.
2.1 Pengertian Sistem Pakar
2. Landasan Teori
3. Sistem Pakar ini hanya membahas mendiagnosa penyakit miningitis.
2. Sistem Pakar ini hanya menggunakan perhitungan yang berlaku pada metode Dempster Shafer.
Penelitian ini dilakukan dengan hanya menemui beberapa dokter atau pakar di bidang penyakit selaput otak.
Agar penulisan ini lebih terarah dan tujuan yang diharapkan dapat tercapai, maka penulis menetapkan batasan-batasan terhadap masalah yang akan diteliti. Dalam melakukan penelitian ini penulis memberikan batasan-batasan sebagai berikut: 1.
1.3 Batasan Masalah
3. Bagaimana membangun sebuah system pakar mendiagnosa penyakit meningitis dengan berbasis web ?
2. Bagaimana penerapan metode DempsterShafer dapat membantu dalam mendiagnosa penyakit meningitis sesuai dengan gejala-gejala yang diderita ?
Berdasarkan latar belakang masalah di atas, maka dirumuskan masalah-masalah sebagai berikut : pakardalam mendiagnosa penyakit miningitis ?
1.2 PerumusanMasalah
Ada berbagai macam penalaran dengan model yang lengkap dan sangat konsisten, tetapi pada Sistem Pakar Diagnosa Penyakit Miningitis Dengan Menggunakan Metode Dempster Shafer. Oleh : Muhammad Syukron Hasibuan
38 kenyataannya banyak permasalahan yang tidak dapat terselesaikan secara lengkap dan konsisten.
1 ) ( ). ( ) (
Pendengaran Terganggu AND Badan PanasTHEN Bacterial.
IF
Benjolan Di Kepala AND Lidah Berwarna Keputihan AND Tenggorokan Kering THEN Viral.
IF
Migren AND Pandangan Kabur AND Pendengaran Terganggu AND Bengkak Pada Leher AND Pundak Berbintik Merah AND Kudis Pada Tubuh THEN Jamur.
Jika kemudian diketahui bahwa benjolan di kepala merupakan gejala dari P2 (Bacterial) dan P3(Viral) dengan m= 0,7 , maka : M{P2, P3}= 0,7 m{θ}= 1-0,7 = 0,3
Misalkan User melakukan konsultasi dengan gejala benjolan di kepala, mata merah dan badan panas. Maka untuk memperoleh nilai keyakinan dengan metode Dempster Shafer dari gejala benjolan di kepala dan mata merah diatas, dihitung : gejala 1 = benjolan di kepala m1 {P2,P3} = 0.7 m1 { θ } = 1 - 0.12 = 0.88 gejala 2 = mata merah m2 {P2} = 0.7 m2 { θ } = 1 - 0.7 = 0.3 gejala 3 = badan panas m3 {P2} = 0.1 m3 { θ } = 1 - 0.1 = 0.9
Andaikan diketahui benjolan di kepala = (X) adalah subset dari θ, dengan m1 sebagai fungsi
y x z y x
Y m X m Y m X m z m
) ( ). (
2
Ketidakkonsistenan yang tersebut adalah akibat adanya penambahan fakta baru. Penalaran yang seperti itu disebut dengan penalaran nonmonotonis. Untuk mengatasi ketidakkonsistenan tersebut maka dapat menggunakan penalaran dengan teori
1
2
1
3
y x z y x
Y m X m Y m X m z m
) ( ). (
1 ) ( ). ( ) (
2
1
2
1
3
IF Benjolan Di Kepala AND Mata Merah AND
IF Pusing AND Mata Panas AND Benjolan Di Leher AND Badan Berbintik PutihTHEN Kriptokokus.
Penyakit Miningitis :
Apabila diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m1 dan m2 sebagai m3, dengan rumus seperti pada persamaan 2 berikut : Dimana : m3(Z) = mass function dari
Dempster-Shafer . (Aprilia Sulistyohati at all, 2008)
Secara umum Teori Dempster-Shafer ditulisdalamsuatu interval: [Belief,Plausibility]
Belief (Bel) adalah ukuran kekuatan evidence (gejala)
dalam mendukung suatu himpunan bagian. Jika bernilai 0 maka mengindikasikan bahwa tidak ada
evidence
, dan jika bernilai 1 menunjukan adanya kepastian.(Aprilia Sulistyohati at all, 2008)
Plausibility Pl(s)= 1 – Bel(¬s) Plausibility
juga bernilai 0 sampai 1. Jika kita yakin akan –s, maka dapat dikatakan bahwa Bel(¬s)=1, dan
Pl
(¬s)=0. Plausability akan mengurangi tingkat kepercayaan dari evidence. Pada teori Dempster-
Shafer
kita mengenal adanya frame of discernment yang dinotasikan dengan θ dan massfunction yang dinotasikan dengan m. Frame ini merupakan semesta pembicaraan dari sekumpulan hipotesis. Tujuannya adalah mengaitkan ukuran kepercayaan elemen- elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen- elemen θ saja, namun juga semua subsetnya. Sehingga jika θ berisi n elemen, maka subset θ adalah 2n . Jumlah semua m dalam subset θ sama dengan 1. Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai : m{θ} = 1,0 .
evidence
Rule-Based
(Z) m1 (X) = mass function dari
evidence
(X) m2 (Y) = mass function dari
evidence
(Y) Zm1(X).m2(Y) = ada hasil irisan dari m1 dan m2
Ø Zm1(X).m2(Y) = tidak ada hasil irisan (irisan kosong (Ø))
Masalah diagnosis penyakit miningitis dapat dimasukkan ke dalam salah satu cabang ilmu
Artfiicial intelligent
yaitu sistem pakar. Pada permasalahan ini, pemecahan masalah tersebut dapat dilakukan dengan mengembangkan sistem yang dapat berperan sebagai seorang dokter penyakit (ahli), khususnya miningitis. Dengan kata lain terjadi pemindahan atau proses pengolahan yang membangun dan mengoperasikan basis pengetahuan dari seorang pakar ke sebuah sistem komputer. Fakta- fakta dari seorang pakar atau dokter miningitis disimpan dalam suatu basis pengetahuan. Dengan bantuan mesin inferensi dan memori kerja, maka proses penarikan kesimpulan dalam menentukan penyakit miningitis serta memberikan saran pencegahan untuk tindakan selanjutnya dapat dilakukan.
3.2 Analisa penerapan Metode Dempster Shafer
matematika untuk pembuktian berdasarkan belief
functionsandplausible reasoning
(fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa. Dik : θ={P1,P2,P3,P4 } Dengan : P1 = Kriptokokus P2 = Bacterial P3 = Viral P4 = Jamur
3. Analisa Dan Pembahasan
3.1 Analisa Masalah
Sistem Pakar Diagnosa Penyakit Miningitis Dengan Menggunakan Metode Dempster Shafer. Oleh : Muhammad Syukron Hasibuan
6. Baris keenam, ketujuh, kedelapan dan kesembilan pada kolom ketiga, keempat, kelima dan keenam merupakan irisan himpunan dari kombinasi gejala pertama dan gejala kedua dengan gejala ketiga.
y x z y x Y m X m Y m X m z m ) ( ). ( ) ( 1 ) ( ). ( 2 1 2 1 3 Iterasi = iterasi + 1 Iterasi = iterasi + 1 Penyakit = yang memiliki densitas terbesar YA TIDAK YA TIDAK YA TIDAK
{Y}) Gejala > 1 Mulai Gejala (g1) Densitas g1 (m1) Iterasi = iterasi + 1 m( θ) = 1 – m 1 {x} Banyaknya Gejala = 1 Penyakit = {x} Selesai Gejala Habis ? m( θ) = 0 Penyakit = tidak diketahui
Pedofilia Dengan Menggunakan Metode Dempster Shafer. Gejala (g1) Densitas g1 (m1,
shafer di dalam Sistem Pakar Mendiagnosa Penyakit
Berikut ini merupakan flowchart dari langkah-langkah penyelesaian metode dempster-
3.3 Flowchart
mengalami penyakit miningitis dengan nilai kepercayaan sebesar : 0.0084 /(1-0.2376)* 100 % = 1.10 %
User
adalah :
Dempster Shafer
Maka dapat disimpulkan nilai kepastian kombinasi
5. Baris kelima berisikan semua himpunan bagian pada gejala ketiga (badan panas) dengan m3 sebagai fungsi densitas.
39 densitasnya, dan gejala 2 = (Y) juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya.
4. Kolom pertama dan kedua pada baris keenam, ketujuh, kedelapan, dan kesembilan berisikan semua himpunan hasil kombinasi pada gejala pertama dan gejala kedua.
3. Baris kedua dan ketiga pada kolom ketiga, keempat, kelima dan keenam merupakan irisan dari kedua himpunan.
2. Baris pertama berisikan semua himpunan bagian pada gejala kedua (mata merah) dengan m2 sebagai fungsi densitas.
1. Kolom pertama dan kedua pada baris kedua dan ketiga berisikan semua himpunan bagian pada gejala pertama (benjolan di kepala) dengan m1 sebagai fungsi densitas.
(0.2376) Keterangan :
{P2} (0.616) {P2} (0.0616) {P2} (0.5544)
θ (0.264) {P2} (0.0264) θ0.1 θ (0.9)
{P2} (0.084) {P2} (0.0084) {P2} (0.0756)
{P2}
θ (0.88) {P2} 0.616 θ (0.264)
0.7 θ (0.3)
{P2,P3} (0.12) {P2} 0.084 {P2,P3} (0.036)
{P2}
Tabel 1. Aturan Kombinasi untuk m3
Maka dapat membentuk fungsi kombinasi m2 sebagai m3 dengan persamaan berikut : Ket : m1, m2, m3 = densitas gejala X,Y,Z = Himpunan Miningitis Hasil perhitungan diilustrasikan dalam tabel 1
Gambar 1 : Flowchart langkah-langkahpenyelesaian Depster-Shafer
4. Algoritma dan Implementasi pilihan tambah admin dan keluar. Pilihan menu basis Algoritma adalah susunan yang logis dan aturan berisi menu untuk login.
sistematis untuk memecahkan suatu masalah atau untuk mencapai tujuan tertentu dalam dunia komputer, Algoritma sangat berperan penting dalam pembangunan suatu software Sistem pakar analisis penyakit miningitis menggunakan metode Dempster Shafer .
4.1 Algoritma Metode Dempster Shafer
Algoritma ini menjelaskan alur kerja sistem pada penerapan metode Dempster Shafer di dalam sistem yang dibangun.
Input
: Miningitis Kriptokokus = Pusing, Mata Gambar 2 : Form Menu Utama
Panas, Benjolan Di Leher, Badan Berbintik Putih.
Form ini digunakan untuk masuk ke Form
Miningitis Bacterial = Benjolan Di basis aturan. Sebelum masuk ke Form basis aturan Kepala, Mata Merah, Pendengaran user akan diminta untuk memasukkan username dan Terganggu, Badan Panas.
password,
yang kemudian akan dicocokan dengan Miningitis Viral = Benjolan Di Kepala, basis data. Apabila tidak ada yang cocok atau belum Lidah Berwarna Keputihan, Tenggorokan pernah melakukan register maka pengguna diminta Kering. untuk melakukan register. Apabila cocok maka user
Miningitis Jamur = Migren, Pandangan akan masuk ke Form basis aturan. Kabur, Pendengaran Terganggu, Bengkak Pada Leher, Pundak Berbintik Merah, Kudis Pada Tubuh.
Output : Hasil nilai kepercayaan
Proses :
IF
Pusing AND Mata Panas AND Benjolan Di Leher AND BadanBerbintikPutihTHENKriptokokus.
IF
Benjolan Di Kepala AND Mata Merah AND PendengaranTerganggu AND BadanPanasTHEN Bacterial.
IF
Benjolan Di Kepala AND Lidah Berwarna Keputihan AND Tenggorokan Kering THEN Viral.
IF
Migren AND Pandangan Kabur AND Pendengaran Terganggu AND Bengkak Pada Leher AND Pundak
Gambar 3 :Form Register Berbintik Merah AND Kudis Pada Tubuh THEN Jamur.
Form
penelusuran digunakan untuk Jlhrule=20 menelusuri pertanyaan-pertanyaan yang dijawab oleh Md=Round((d/Jlhrule).5) pengguna yang kemudian akan diolah oleh mesin Mdo=1-Md inferensi untuk , yang dialami oleh user atau Mm=Round((m/Jlhrule).5) pengguna. Setelah selesai mencentang semua Mmo=1-Mm pertanyaan dari sistem maka pengguna harus K=1-(Md*Mmo) menekan tombol “Diagnosa” untuk mengetahui Beld=(Md*Mmo)/K penyakit miningitis apa dan sarannya. Belm=(Mmd*Mm)/K Bel=Beld+Belm Persentase=Bel*100 Tampilkan Hasil Nilai Kepercayaan
4.2 Implementasi
Untuk memudahkan pengoperasian sistem ini, maka rancangan antar muka dibagi atas beberapa jenis, yang disesuaikan dengan fungsinya masing- masing yaitu:
Form
menu utama merupakan Formtampilan utama dari program. Dalam Form ini juga berisi dari Gambar 4 : FormPenelusuran beberapa pilihan menu seperti file, basis aturan,
Form
ini berfungsi untuk menampilkan hasil penelusuran, danbantuan. Pilihan menu file berisi diagnosis dan solusi dari semua pertanyaan yang telah Sistem Pakar Diagnosa Penyakit Miningitis Dengan Menggunakan Metode Dempster Shafer.
40 Oleh : Muhammad Syukron Hasibuan
5. Kesimpulan dan saran
Yogyakarta : Andi.
Volume 1 No 1.
“Implementasi Sistem Pakar Untuk Mendiagnosa Penyakit Dalam Pada Manusia Menggunakan Metode Dempster Shafer”.
8. Rikhiana Dyah Esthi dan Fadlil Abdul (2013).
(2012). “Implementing an Expert Diagnostic Assistance System for Car Failure and Malfunction”. IJCSI International Journal of Computer Science Issues, Vol. 9, Issue 2, No 2.
7. Salama A. Mostafa, Mohd Sharifuddin Ahmad, Mazin Abed Mohammed and Omar Ibrahim Obaid
6. Bellis Mary, (2010) . “Developing The Level of C-Reactive Protein (hs-CRP) in Preeclamptic Pregnancy ”. JST Kesehatan, Oktober 2010, Vol.1 No.3.
5. Siswanto (2010). “Kecerdasan Tiruan”. Edisi 2.
IJCSNS International Journal of Computer Science and Network Security, VOL.9 No.2.
4. Sultan Zafar (2009). “Multiple Simultaneous Threat Detection in UNIX Environment ”.
“Healthcare Expert System based on Group Cooperation Model”. International Journal of Software Engineering and Its Application Vol. 2, No. 1.
3. Romeo Mark A. Mateo and Jaewan Lee (2008).
2. Kusrini (2007).”Question Quantification to Obtain User Certainty Factor in Expert System Application for Disease Diagnosis”. Proceedings of the International Conference on Electrical Engineering and Informatics. Institut Teknologi Bandung, Indonesia.
Sistem Pakar Diagnosa Penyakit Miningitis Dengan Menggunakan Metode Dempster Shafer. Oleh : Muhammad Syukron Hasibuan
41 di centang sebelumnya. Tampilan dari Form hasil diagnosis.
Daftar Pustaka
3. Sebaiknya metode Dempster Shafer ini dibandingkan dengan metode-metode statistik lain untuk mengetahui tingkat kebenaran yang lebih tinggi.
2. Rancangan sistem pakar untuk mendiagnosa penyakit miningitis, penulis rasakan masih jauh dari kesempurnaan, untuk itu pernulis mengharapkan ada pihak atau peneliti lain yang mau mengembangkan dan melanjutkan penelitian ini
1. Bila ada penambahan gejala atau penyakit dikemudian hari, diharapkan sistem ini dapat dikembangkan dengan menambah jumlah rule yang akan digunakan sehingga hasil diagnosa bisa lebih baik lagi.
Sebagai akhir dari penelitian ini, saya ingin menyampaikan beberapa saran yang mungkin dapat bermanfaat bagi semua orang yang menggunakan sistem ini.
5.2 Saran-saran
3. Metode Dempster Shafer menggunakan tingkat kepercayaan dalam mengambil keputusan hasil diagnosa.
2. Metode Dempster Shafer bisa digunakan untuk melakukan diagnosa untuk mengetahui penyakit miningitis.
user .
1. Aplikasi sistem pakar yang dirancang dapat mendiagnosa penyakit miningitis dari pertanyaan- pertanyaan berdasarkan gejala yang dijawab oleh
Berdasarkan penelitian dan pembahasan yang dilakukan, maka dapat diambil kesimpulan sebagai berikut :
5.1 Kesimpulan
Gambar 5 : Form Hasil Diagnosis
1. Turban, Efraim., Aronson, Jay E., dan Liang, Ting- Peng. 2005. “Decision Support System and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas)”. Terjemahan Siska Primanningrum. Jilid 2. Edisi 7.