SISTEM PAKAR DIAGNOSA AWAL PENYAKIT PADA
SISTEM PAKAR DIAGNOSA AWAL PENYAKIT PADA ANAK
DENGAN METODE FORWARD CHAINING BERBASIS WEB
Achmad Wahyono 1), Alvino Oktaviano 2)
Teknik Informatika, Fakultas Teknik, Universitas Pamulang
Jl. Surya Kencana No.1 Pamulang Barat, Tangerang Selatan – Banten 15417
ABSTRAK
Abstrak - Terbatasnya informasi mengenai penyakit pada anak membuat para orang tua kesulitan untuk
memprediksi penyakit yang diderita oleh anak mereka. Untuk orang tua yang baru memiliki anak, hal ini
merupakan hal yang baru bagi mereka. Para orang tua lebih memilih untuk mempercayakan hal diagnosa
penyakit kepada pakar atau dokter yang ahli tentang kesehatan, peran dokter spesialis anak dalam hal
penanggulangan penyakit pada anak sangat diperlukan tapi sering kali terbentur pada terbatasnya jumlah dokter
spesialis anak sedangkan yang harus ditangani cukup banyak. Penelitian yang dilakukan adalah membuat aplikasi
sistem pakar diagnosa awal penyakit pada anak menggunakan metode forward chaining berbasis web. Sistem
yang dapat digunakan untuk menyelesaikan suatu permasalahan yang membutuhkan suatu keahlian khusus.
Teknik penalaran yang digunakan adalah penalaran runut maju atau forward chaining. Dengan metode forward
chaining diagnosa dilakukan dengan memulai dari sekumpulan gejala-gejala dengan mencari kaidah yang cocok
nantinya dapat melihat kesimpulan dari hasil analisa dan menentukan jenis penyakit pada anak. Tujuan dari
penelitian ini adalah membuat aplikasi sistem pakar yang mampu mengidentifikasi atau mendiagnosa penyakit
pada anak, pembuatan aplikasi sistem pakar ini menggunakan pemrograman PHP dan dan basis data
menggunakan MySql.
Kata Kunci : Sistem Pakar, forward chaining, PHP.
1.
PENDAHULUAN.
1.1 Latar Belakang
Penyakit menular atau infeksi merupakan satu
kumpulan jenis-jenis penyakit yang mudah
menyerang khususnya anak-anak di Indonesia yang
disebabkan oleh infeksi virus, infeksi bakteri, infeksi
parasit. Salah satu penyakit infeksi virus pada anak
adalah Campak, data tentang Penularan campak
masih terus terjadi sepanjang tahun 2012 ada 160
kejadian luar biasa, campak dengan 2.319 kasus dan
4 pasien meninggal. Kasus penularan campak
banyak terjadi di pulau jawa ( Jawa Barat, DKI
Jakarta, dan Banten ) masalah itu harus segera
dituntaskan untuk mencapai target eliminasi
campak pada 2018. Mayoritas kasus campak pada
2008-2012 menyerang kelompok umur 5-9 tahun
(Riatmoko, 2014).
Terbatasnya informasi mengenai penyakit pada
anak membuat para orang tua kesulitan untuk
memprediksi penyakit yang diderita oleh anak
mereka. Untuk orang tua yang baru memiliki anak,
hal ini merupakan hal yang baru bagi mereka. Para
orang tua lebih memilih untuk mempercayakan hal
diagnosa penyakit kepada pakar atau dokter yang
ahli tentang kesehatan. Untuk beberapa orang, biaya
berkonsultasi kepada pakar atau dokter ahli tidak
murah sehingga banyak orang tua memutuskan
untuk merawat sendiri anak mereka. Akibat
keterlambatan penanganan terhadap penyakit
menyebabkan penyakit tersebut menjadi semakin
parah dan sulit untuk disembuhkan. Peran dokter
spesialis anak dalam hal penanggulangan penyakit
pada anak sangat diperlukan tapi sering kali
terbentur pada terbatasnya jumlah dokter spesialis
anak sedangkan yang harus ditangani cukup
banyak. Untuk mengurangi keterbatasan itu perlu
dibuat alat bantu berupa sistem pakar. Sesuai
dengan kemampuan dari sistem pakar yang
merupakan salah satu cabang dari ilmu kecerdasan
buatan, yaitu mampu untuk bertindak sebagaimana
seorang pakar pada bidang ilmu tertentu.
Sistem pakar adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer agar
Komputer dapat menyelesaikan masalah seperti
yang biasa dilakukan oleh para ahli. Dengan sistem
pakar ini, orang awam pun dapat menyelesaikan
masalah yang cukup rumit yang sebenarnya hanya
dapat diselesaikan dengan bantuan para ahli. Bagi
para ahli, sistem pakar ini juga akan membantu
aktivitasnya sebagai asisten yang sangat
berpengalaman (Kusumadewi, 2003)
1.2 Identifikasi Masalah
Dari latar belakang di atas identifikasi masalah yang
dikemukakan:
a. Minimnya pengetahuan orang tua dalam
mengetahui gejala-gejala penyakit yang
terjadi pada anak
b. Terbatasnya jumlah dokter spesialis anak
dalam menyampaikan informasi tentang
penyakit pada anak.
1.3. Rumusan Masalah
Rumusan masalah dari penelitian ini adalah sebagai
berikut:
a. Bagaimana agar orang tua dapat
mengetahui mengenai jenis penyakit yang
terjadi pada anaknya.
b. Bagaimana membuat aplikasi yang dapat
memberikan informasi sesuai dengan
kemampuan seorang pakar.
2. LANDASAN TEORI
2.1. Kecerdasan Buatan
Kecerdasan Buatan atau Artificial Intelligence
(AI) merupakan kecerdasan yang ditunjukkan oleh
suatu entitas buatan. Sistem seperti ini umumnya
dianggap komputer. Kecerdasan diciptakan dan
dimasukkan ke dalam suatu mesin (komputer) agar
dapat melakukan pekerjaan seperti yang dapat
dilakukan manusia. Beberapa macam bidang yang
menggunakan kecerdasan buatan antara lain sistem
pakar, permainan komputer (games), logika fuzzy,
jaringan syaraf tiruan dan robotika.
Artifical Intelligence (AI) atau kecerdasan
buatan merupakan cabang dari ilmu komputer yang
konsern dengan pengautomatisasi tingkah laku
cerdas. (Arhami, 2005), Kecerdasan buatan adalah
suatu ilmu yang mempelajari cara membuat
komputer melakukan sesuatu seperti yang dilakukan
oleh manusia. (Kusrini, 2006)
Dari kedua pernyataan di atas menunjukkan
bahwa AI adalah bagian dari ilmu komputer yang
mempelajari bagaimana membuat mesin (komputer)
dapat melakukan pekerjaan seperti dan sebaik yang
dilakukan oleh manusia bahkan bias lebih baik
daripada yang dilakukan manusia.
2.2 Sistem Pakar
Sistem pakar adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer agar
komputer dapat menyelesaikan masalah seperti
yang biasa dilakukan oleh para ahli. Dengan sistem
pakar ini, orang awam pun dapat menyelesaikan
masalah yang cukup rumit yang sebenarnya hanya
dapat diselesaikan dengan bantuan para ahli. Bagi
para ahli, sistem pakar ini juga akan membantu
aktivitasnya sebagai asisten yang sangat
berpengalaman (Kusumadewi, 2003).
2.3. Mesin Inferensi
Komponen ini mengandung mekanisme pola
pikir dan penalaran yang digunakan oleh pakar
dalam menyelesaikan suatu masalah. Mesin
inferensi adalah program computer yang
memberikan metodologi untuk penalaran tentang
informasi yang ada dalam basis pengetahuan dan
dalam workplace, dan untuk memformulasikan
kesimpulan
1. Forward Chaining.
Forward chaining merupakan grup dari multiple
inferensi yang melakukan pencarian dari suatu
masalah kepada solusinya. Forward chaining
adalah data-driven karena inferensi dimulai dengan
informasi yang tersedia dan baru konklusi
diperoleh. Adapun alur proses metode Forward
Chaining ditunjukkan pada diagram pada gambar
.
Gambar 2.1. Diagram Proses Forward Chaining
Metode Forward chaining dimulai dari sejumlah
fakta-fakta
yang
telah
diketahui,
untuk
mendapatkan suatu fakta baru dengan memakai
rule-rule yang memiliki ide dasar yang cocok
dengan fakta dan terus dilanjutkan sampai
mendapatkan tujuan atau sampai tidak ada rule
yang punya ide dasar yang cocok atau sampai
mendapatkan fakta.
2. Backward Chaining
Backward chaining adalah suatu strategi
pengambilan keputusan dimulai dari pencarian
solusi dari kesimpulan kemudian menulusuri faktafakta yang ada hingga menemukan solusi yang
sesuai dengan fakta-fakta yang diberikan pengguna.
(Kusrini, 2006).
Metode Backward Chaining merupakan
strategi pencarian yang arahnya kebalikan dari
Forward Chaining. Proses pencarian dimulai dari
tujuan, yaitu kesimpulan yang menjadi solusi
permasalahan yang dihadapi. Mesin inferensi
mencari kaidah-kaidah dalam basis pengetahuan
yang kesimpulannya merupakan solusi yang ingin
dicapai, kemudian dari kaidah-kaidah yang
diperoleh, masing-masing kesimpulan backward
chaining jalur yang mengarah ke kesimpulan
tersebut.
3. ANALISA DAN PERANCANGAN SISTEM
3.1. Analisa Sistem Berjalan
Analisis data berjalan merupakan penguraian
dari suatu informasi yang utuh ke dalam bagianbagian komponennya yang dimaksudkan untuk
mengidentifikasi dan mengevaluasi permasalahanpermasalahan, hambatan-hambatan yang terjadi dan
kebutuhan-kebutuhan yang diharapkan sehingga
dapat diusulkan perbaikannya. Untuk memahami
alur dari informasi dalam sistem, diperlukan
pendokumentasian dalam merancang suatu website,
sehingga akan mempermudah tahap pengembangan
sistem.
Sistem yang berjalan saat ini yaitu proses
pendaftaran pasien untuk berobat dan berkonsultasi,
kemudian setelah itu proses konsultasi dengan
dokter dimana pasien bertemu dengan dokter untuk
berkonsultasi. Setelah konsultasi pasien ke proses
pengambilan obat dari resep yang diberikan oleh
dokter. Proses yang sudah dijelaskan sebelumnya
memiliki kekurangan, seperti:
1. Proses
konsultasi
dengan
dokter
memerlukan waktu cukup lama apabila
terjadi antrian panjang yang dikhawatirkan
akan berakibat terlambatnya penanganan
pasien oleh dokter
2. Keterbatasan jumlah dokter yang bertugas.
3.
Keterlambatan penanganan dini juga sering
terjadi dikarenakan dokter yang bertugas
berhalangan hadir.
Proses konsultasi ini juga memiliki kelebihan
yaitu pasien dapat berkonsultasi dengan dokter
secara langsung dan lebih privasi dan juga proses
diagnosa yang lebih akurat karena dokter dapat
melihat kondisi pasien secara langsung dengan
memeriksa semua keluhan yang diderita oleh
pasien.
3.2. Analisa Pengetahuan
Proses analisa pengetahuan diawali dari
pengetahuan dan kemudian dilanjutkan dengan
representasi pengetahuan.
a. Pengetahuan
Dalam perancangan aplikasi sistem pakar
ini, terlebih dahulu melakukan proses
akuisisi pengetahuan terhadap seorang
pakar yang mengetahui apa saja penyakit
pada anak. Maka karena penyakit yang
ingin diketahui pun masih bersifat umum
penulis memilih seorang dokter umum
untuk melakukan akuisisi. Pakar yang
dimaksudkan adalah Dr. Harris Qarrami ,
pada klinik al-ikhlas. Dalam proses
akuisisi ini akan dilakukan wawancara
mengenai mendiagnosa berbagai penyakit
dan
juga mengenai
gejala
yang
ditimbulkan
b. Reprentasi Pengetahuan
Representasi
pengetahuan
bertujuan
membuat struktur yang akan digunakan
dalam sistem untuk membantu pengkodean
pengetahuan
ke
dalam
program.
Pengetahuan direpresentasikan ke dalam
format tertentu dan akan disimpan dalam
suatu basis pengetahuan. Langkah-langkah
atau base rule yang diperlukan untuk
membuat representasi pengetahuan sistem
pakar ini adalah:
1.
2.
3.
Pembuatan
tabel
keputusan
(decision table) yang berguna
untuk mendokumentasikan dan
mendeskripsikan pengetahuan.
Pembuatan pohon keputusan
(decision tree) yang berguna
untuk menghilangkan kaidahkaidah dengan tujuan untuk
meniadakan terjadinya perulangan
pertanyaan.
Konversi
pohon
keputusan
menjadi kaidah produksi.
Sistem pakar ini terdiri dari sebuah pohon
keputusan untuk mengidentifikasi penyakit pada
anak dan terdiri dari tabel keputusan gejala, serta
himpunan untuk mengidentifikasi penyakit. Proses
representasi pengetahuan untuk sistem pakar ini
diawali dengan proses masuk ke dalam sistem
kemudian sistem ini akan melakukan identifikasi
penyakit pada anak. Untuk mengidentifikasi
penyakit anak diawali dengan memilih gejala yang
dialami oleh anak yang sesuai dengan pengamatan.
Tabel 3.1. Tabel Relasi Gejala dan penyakit.
No
1
Gejala
Penyakit
G001, G002, G008, G009,
G010, G011
P001
2
G001, G007, G014, G015,
G016.
P002
3
G001, G002, G007, G012,
G013.
P003
4
G001, G002, G004, G017,
G018.
P004
5
G001, G003, G004, G005,
G006, G019, G020.
P005
6
G001, G004, G006, G021,
G022, G023, G024
P006
7
G001, G002, G003, G005,
G025, G026, G027
P007
Gambar 3.1. Pohon Keputusan
3.3. Analisa Produksi.
Berdasarkan tabel Relasi gejala dan penyakit pada
anak tersebut, maka dapat dibuat pohon perhitungan
sebagai berikut:
Kaidah produksi biasanya dituliskan dalam
bentuk jika-maka (IF THEN). Kaidah ini dapat
dikatakan sebagai hubungan impliksi dua bagian,
yaitu bagian premise (jika) dan bagian konklusi
(maka). Apabila bagian premise dipenuhi maka
bagian konklusi juga akan bernilai benar. Sebuah
kaidah terdiri dari klausa-klausa. Sebuah klausa
mirip sebuah kalimat subyek, kata kerja dan objek
yang menyatakan suatu fakta. Ada sebuah klausa
premise san klausa konklusi pada sebuah kaidah.
Suatu kaidah juga dapat terdiri atas beberapa
premise dan lebih dari satu konklusi. Antara
premise dan konklusi dapat berhubungan dengan
“OR” atau “AND”. Berikut kaidah-kaidah produksi
dalam menganalisis penyakit :
Rule 1 : IF Demam
AND Hidung Meler
AND Batuk
AND Nyeri Otot
AND Mata Merah
AND Fotofobia (rentan terhadap cahaya,
silau)
THEN Campak
Rule 2 : IF Demam
AND Tenggorokan Tampak Merah
AND Pembengkakan kelenjar getah
bening di leher
AND Nyeri Sendi
AND Ruam (kemerahan kulit) muncul
selama 3 hari
THEN Campak Jerman
Rule 3 : IF Demam
AND Pembengkakan kelenjar getah
bening di leher
AND Sakit Kepala
AND Muncul bintik-bintik merah datar
(makula )
AND Tubuh Mengggigil
THEN CacarAir
Rule 4 : IF Demam
AND Sakit Kepala
AND Nafsu Makan Berkurang
AND Nyeri Ketika Mengunyah
AND Bengkak Pada Posisi
Telinga Dan Rahang
THEN Gondongan
a.
Use Case Diagram
uc usecase
Sistem Pakar Diagnosa Awal Penyakit Pada Anak Menggunakan
Metode Forward Chaining Berbasis Web
Login Admin
Mengelola data
penyakit
Lihat Informasi
Mengelola data
gej ala
Antara
Lihat petunj uk
penggunaan
Mengelola relasi
penyakit dan gej ala
Admin
Rule 5 : IF Demam
AND Batuk
AND Nafsu makan berkurang
AND Lesu, Lemas, Letih
AND Mencret
AND Berat badan berkurang
AND Berkeringat dimalam hari
THEN Diare
Rule 6 : IF Demam
AND Nafsu makan berkurang
AND mencret
AND Muntah
AND Mengantuk tidak wajar
AND Mata cekung
AND Tinja Menghitam
THEN Tuberkulosis (TBC)
Rule 7 : IF Demam
AND sakit kepala
AND batuk
AND Lesu, Lemas, Letih
AND Suara serak
AND Sesak nafas
AND frekuensi nafas cepet
THEN Diare
User
Konsultasi
ubah passw ord
LogOut admin
Gambar 3.1. Use case Diagram
3..5. Entity Relationship Diagram (ERD)
ERD
adalah
sebuah
konsep
yang
mendeskripsikan hubungan antara penyimpanan dan
didasarkan pada persepsi dari sebuah dunia nyata
yang terdiri dari sekumpulan objek, disebut entiti &
relasi diantara objek-objek tersebut. Diagram ERD
digunakan untuk memodelkan struktur data dan
hubungan antar data
analysis ERD
tanggal
*id_konsultasi
*id_admin
admin
3.4. Unified Modeling Language (UML)
UML (Unified Modeling Language) adalah
bahasa pemodelan untuk sistem atau perangkat
lunak yang berparadigma (berorientasi objek).”
Pemodelan (modeling) sesungguhnya digunakan
untuk penyederhanaan permasalahan-permasalahan
yang kompleks sedemikian rupa sehingga lebih
mudah dipelajari dan dipahami.
UML merupakan suatu kumpulan teknik
terbaik yang telah terbukti sukses dalam
memodelkan sistem yang besar dan kompleks,
UML tidak hanya digunakan dalam proses
pemodelan perangkat lunak, namun hampir dalam
semua bidang yang membutuhkan pemodelan
(Apriliyanti, 2013)
*kd_gejala
id_admin
nama
tmp_1
konsultasi
melakukan
nama_gejala
gejala
bobot_parameter
*id_konsultasi
*kd_gejala
*id_admin
*id_konsultasi
username
password
similarity
kd_penyakit
*id_konsultasi
*kd_penyakit
similarity
tmp_2
*kd_relasi
relasi
penyakit
*kd_penyakit
*kd_penyakit
*kd_penyakit
nama_penyakit
definisi
solusi
Gambar 3.2. Entity Relationship Diagram
3.6. Transformasi ERD ke LRS
4. HASIL DAN IMPLEMENTASI
Transformasi diagram ERD ke LRS merupakan
suatu kegiatan untuk membentuk data-data dari
diagram hubungan entitas ke suatu LRS. Diagram
ER di atas akan ditransformasikan ke bentuk LRS.
Berikut adalah langkah pengelompokkan pada
diagram ER untuk menentukan entity pada diagram
LRS, dapat dilihat pada gambar berikut:
4.1. Implementasi Antarmuka
Implementasi
antarmuka
bertujuan
untuk
menjelaskan
secara
singkat
proses
dan
penggunaannya
Halaman Awal sistem pakar.
analysis ERDlrs
tanggal
*id_konsultasi
*id_admin
admin
1
*kd_gejala
id_admin
nama
M
1
M
gejala
tmp_1
konsultasi
melakukan
nama_gejala
bobot_parameter
*kd_konsultasi
*kd_gejala
M
*id_admin
*id_konsultasi
username
password
M
similarity
kd_penyakit
*id_konsultasi
tmp_2
*kd_penyakit
similarity
*kd_relasi
M
relasi
penyakit
*kd_penyakit
nama_penyakit
definisi
*kd_penyakit
*kd_penyakit
M
Gambar 4.1. Halaman Utama
Halaman Konsultasi sistem pakar.
solusi
Gambar 3.3. Transformasi ERD ke LRS
3.6. Login Record Structure (LRS)
Setelah di transformasikan ERD ke LRS, maka
bentuk Logical Record Structure (LRS) yang sudah
terbentuk seperti pada gambar dibawah ini:
analysis LRS
Gambar 4.2. Halaman Konsultasi
konsultasi
admin
*id_admin
id_admin
*kd_konsultasi
nama
tanggal
username
password
id_admin
kd_penyakit
similarity
gejala
tmp_1
id_konsultasi
*kd_konsultasi
kd_gejala
kd_gejala
Halaman Hasil Konsultasi
*kd_gejala
nama_gejala
bobot_parameter
kd_konsultasi
tmp_2
*kd_konsultasi
kd_penyakit
similarity
kd_gejala
kd_penyakit
penyakit
relasi
*kd_penyakit
*kd_relasi
nama_penyakit
kd_penyakit
definisi
solusi
kd_gejala
Gambar 3.4. Logical Record Structure (LRS)
Gambar 4.3. Hasil Konsultasi
5. KESIMPULAN DAN SARAN
5.1. Kesimpulan.
Dalam
proses
perancangan
serta
pembuatan program sistem pakar diagnosa awal
penyakit pada anak menggunakan metode forward
chaining berbasis web menggunakan kombinasi
metode Foward Chaining dan Case based
reasoning (CBR) ini, ada beberapa kesimpulan
yang dapat disampaikan penulis sebagai hasil dari
evaluasi pengembangan sistem dalam laporan tugas
akhir ini. Adapun kesimpulannya sebagai berikut:
1.
2.
Aplikasi sistem pakar diagnosa awal
penyakit pada anak dengan metode
forward chaining berbasis web, dapat
memberikan informasi kepada orang tua
dalam mengambil tindakan pengobatan
dalam menangani penyakit pada anak.
Dengan menggunakan sistem ini dapat
dijadikan solusi alternatif bagi masyarakat
untuk melakukan diagnosa dini terhadap
gejala-gejala penyakit pada anak sebelum
melakukan konsultasi langsung kepada
pakar dalam hal ini dokter.
5.2. Saran.
Mengingat berbagai keterbatasan yang dialami
terutama masalah pemikiran dan waktu, maka
penulis menyarankan untuk pengembangan
penelitian dimasa yang akan datang sebagai berikut:
1.
2.
Pada aplikasi ini digunakan kriteria yang
hanya berupa gejala fisik dari pasien,
pengembangan lebih lanjut sebaiknya
menggunakan kriteria lainnya seperti hasil
pemeriksaan laboratorium sehingga hasil
diagnosa menjadi lebih tepat dan akurat.
Data mengenai aplikasi sistem pakar untuk
mendiagnosa penyakit pada anak kiranya
dapat lebih dimaksimalkan, sampai
mendapatkan perhitungan hasil akhir yang
lebih akurat serta dicari alternatif yang
memungkinkan penyelesaian yang jauh
lebih baik.
6. DAFTAR PUSTAKA
Andriani, R. (2010). Sistem pakar untuk
mendiagnosa macam macam penyakit demam
berbasis web.
Arhami. (2005). konsep dasar sistem pakar.
Yogyakarta: Andi.
Arief, M. R. (2011). pemrograman web dinamis
menggunakan php dan mysql. yogyakarta: cv.
andi offset.
Indrajani. (2011). Perancangan Basis Data Dalam
Allin1. jakarta: elex media komputindo.
Jogiyanto, H. (2005). Sistem Teknologi. yogyakarta:
Andi.
Kadir, A. (2005). konsep dan tuntunan praktis basis
data. Yogyakarta: Andi.
Kadir, A. (2003). pengenalan sistem informasi.
Yogyakarta: Andi.
Kusrini. (2006). Sistem pakar, teori dan aplikasi.
Yogyakarta: Andi.
Kusumadewi, S. (2003). artifical intelegence (
teknik dan aplikasi ). Yogyakarta: Graha Ilmu.
Nugroho, A. (2009). Rekayasa Perangkat Lunak
Menggunakan UML & Java. Yogyakarta: Andi
Offset.
nugroho, B. (2008). membuat aplikasi sistem pakar
dengan php dan editor dreamweaver.
yogyakarta: Gava media.
Ramadhan, A., & Saputra, H. (2005). Buku Latihan
PHP 5 dan MySql. jakarta: Elex Media
Komputindo.
Sutanta, E. (2011). basis data dalam tinjauan
konseptual. yogyakarta: andi offset.
Yakub. (2008). Basis data tutorial konseptual.
yogyakarta: graha ilmu.
Yasin, V. (2012). rekayasa perangkat lunak
berorientasi objek. jakarta: mitra.
DENGAN METODE FORWARD CHAINING BERBASIS WEB
Achmad Wahyono 1), Alvino Oktaviano 2)
Teknik Informatika, Fakultas Teknik, Universitas Pamulang
Jl. Surya Kencana No.1 Pamulang Barat, Tangerang Selatan – Banten 15417
ABSTRAK
Abstrak - Terbatasnya informasi mengenai penyakit pada anak membuat para orang tua kesulitan untuk
memprediksi penyakit yang diderita oleh anak mereka. Untuk orang tua yang baru memiliki anak, hal ini
merupakan hal yang baru bagi mereka. Para orang tua lebih memilih untuk mempercayakan hal diagnosa
penyakit kepada pakar atau dokter yang ahli tentang kesehatan, peran dokter spesialis anak dalam hal
penanggulangan penyakit pada anak sangat diperlukan tapi sering kali terbentur pada terbatasnya jumlah dokter
spesialis anak sedangkan yang harus ditangani cukup banyak. Penelitian yang dilakukan adalah membuat aplikasi
sistem pakar diagnosa awal penyakit pada anak menggunakan metode forward chaining berbasis web. Sistem
yang dapat digunakan untuk menyelesaikan suatu permasalahan yang membutuhkan suatu keahlian khusus.
Teknik penalaran yang digunakan adalah penalaran runut maju atau forward chaining. Dengan metode forward
chaining diagnosa dilakukan dengan memulai dari sekumpulan gejala-gejala dengan mencari kaidah yang cocok
nantinya dapat melihat kesimpulan dari hasil analisa dan menentukan jenis penyakit pada anak. Tujuan dari
penelitian ini adalah membuat aplikasi sistem pakar yang mampu mengidentifikasi atau mendiagnosa penyakit
pada anak, pembuatan aplikasi sistem pakar ini menggunakan pemrograman PHP dan dan basis data
menggunakan MySql.
Kata Kunci : Sistem Pakar, forward chaining, PHP.
1.
PENDAHULUAN.
1.1 Latar Belakang
Penyakit menular atau infeksi merupakan satu
kumpulan jenis-jenis penyakit yang mudah
menyerang khususnya anak-anak di Indonesia yang
disebabkan oleh infeksi virus, infeksi bakteri, infeksi
parasit. Salah satu penyakit infeksi virus pada anak
adalah Campak, data tentang Penularan campak
masih terus terjadi sepanjang tahun 2012 ada 160
kejadian luar biasa, campak dengan 2.319 kasus dan
4 pasien meninggal. Kasus penularan campak
banyak terjadi di pulau jawa ( Jawa Barat, DKI
Jakarta, dan Banten ) masalah itu harus segera
dituntaskan untuk mencapai target eliminasi
campak pada 2018. Mayoritas kasus campak pada
2008-2012 menyerang kelompok umur 5-9 tahun
(Riatmoko, 2014).
Terbatasnya informasi mengenai penyakit pada
anak membuat para orang tua kesulitan untuk
memprediksi penyakit yang diderita oleh anak
mereka. Untuk orang tua yang baru memiliki anak,
hal ini merupakan hal yang baru bagi mereka. Para
orang tua lebih memilih untuk mempercayakan hal
diagnosa penyakit kepada pakar atau dokter yang
ahli tentang kesehatan. Untuk beberapa orang, biaya
berkonsultasi kepada pakar atau dokter ahli tidak
murah sehingga banyak orang tua memutuskan
untuk merawat sendiri anak mereka. Akibat
keterlambatan penanganan terhadap penyakit
menyebabkan penyakit tersebut menjadi semakin
parah dan sulit untuk disembuhkan. Peran dokter
spesialis anak dalam hal penanggulangan penyakit
pada anak sangat diperlukan tapi sering kali
terbentur pada terbatasnya jumlah dokter spesialis
anak sedangkan yang harus ditangani cukup
banyak. Untuk mengurangi keterbatasan itu perlu
dibuat alat bantu berupa sistem pakar. Sesuai
dengan kemampuan dari sistem pakar yang
merupakan salah satu cabang dari ilmu kecerdasan
buatan, yaitu mampu untuk bertindak sebagaimana
seorang pakar pada bidang ilmu tertentu.
Sistem pakar adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer agar
Komputer dapat menyelesaikan masalah seperti
yang biasa dilakukan oleh para ahli. Dengan sistem
pakar ini, orang awam pun dapat menyelesaikan
masalah yang cukup rumit yang sebenarnya hanya
dapat diselesaikan dengan bantuan para ahli. Bagi
para ahli, sistem pakar ini juga akan membantu
aktivitasnya sebagai asisten yang sangat
berpengalaman (Kusumadewi, 2003)
1.2 Identifikasi Masalah
Dari latar belakang di atas identifikasi masalah yang
dikemukakan:
a. Minimnya pengetahuan orang tua dalam
mengetahui gejala-gejala penyakit yang
terjadi pada anak
b. Terbatasnya jumlah dokter spesialis anak
dalam menyampaikan informasi tentang
penyakit pada anak.
1.3. Rumusan Masalah
Rumusan masalah dari penelitian ini adalah sebagai
berikut:
a. Bagaimana agar orang tua dapat
mengetahui mengenai jenis penyakit yang
terjadi pada anaknya.
b. Bagaimana membuat aplikasi yang dapat
memberikan informasi sesuai dengan
kemampuan seorang pakar.
2. LANDASAN TEORI
2.1. Kecerdasan Buatan
Kecerdasan Buatan atau Artificial Intelligence
(AI) merupakan kecerdasan yang ditunjukkan oleh
suatu entitas buatan. Sistem seperti ini umumnya
dianggap komputer. Kecerdasan diciptakan dan
dimasukkan ke dalam suatu mesin (komputer) agar
dapat melakukan pekerjaan seperti yang dapat
dilakukan manusia. Beberapa macam bidang yang
menggunakan kecerdasan buatan antara lain sistem
pakar, permainan komputer (games), logika fuzzy,
jaringan syaraf tiruan dan robotika.
Artifical Intelligence (AI) atau kecerdasan
buatan merupakan cabang dari ilmu komputer yang
konsern dengan pengautomatisasi tingkah laku
cerdas. (Arhami, 2005), Kecerdasan buatan adalah
suatu ilmu yang mempelajari cara membuat
komputer melakukan sesuatu seperti yang dilakukan
oleh manusia. (Kusrini, 2006)
Dari kedua pernyataan di atas menunjukkan
bahwa AI adalah bagian dari ilmu komputer yang
mempelajari bagaimana membuat mesin (komputer)
dapat melakukan pekerjaan seperti dan sebaik yang
dilakukan oleh manusia bahkan bias lebih baik
daripada yang dilakukan manusia.
2.2 Sistem Pakar
Sistem pakar adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer agar
komputer dapat menyelesaikan masalah seperti
yang biasa dilakukan oleh para ahli. Dengan sistem
pakar ini, orang awam pun dapat menyelesaikan
masalah yang cukup rumit yang sebenarnya hanya
dapat diselesaikan dengan bantuan para ahli. Bagi
para ahli, sistem pakar ini juga akan membantu
aktivitasnya sebagai asisten yang sangat
berpengalaman (Kusumadewi, 2003).
2.3. Mesin Inferensi
Komponen ini mengandung mekanisme pola
pikir dan penalaran yang digunakan oleh pakar
dalam menyelesaikan suatu masalah. Mesin
inferensi adalah program computer yang
memberikan metodologi untuk penalaran tentang
informasi yang ada dalam basis pengetahuan dan
dalam workplace, dan untuk memformulasikan
kesimpulan
1. Forward Chaining.
Forward chaining merupakan grup dari multiple
inferensi yang melakukan pencarian dari suatu
masalah kepada solusinya. Forward chaining
adalah data-driven karena inferensi dimulai dengan
informasi yang tersedia dan baru konklusi
diperoleh. Adapun alur proses metode Forward
Chaining ditunjukkan pada diagram pada gambar
.
Gambar 2.1. Diagram Proses Forward Chaining
Metode Forward chaining dimulai dari sejumlah
fakta-fakta
yang
telah
diketahui,
untuk
mendapatkan suatu fakta baru dengan memakai
rule-rule yang memiliki ide dasar yang cocok
dengan fakta dan terus dilanjutkan sampai
mendapatkan tujuan atau sampai tidak ada rule
yang punya ide dasar yang cocok atau sampai
mendapatkan fakta.
2. Backward Chaining
Backward chaining adalah suatu strategi
pengambilan keputusan dimulai dari pencarian
solusi dari kesimpulan kemudian menulusuri faktafakta yang ada hingga menemukan solusi yang
sesuai dengan fakta-fakta yang diberikan pengguna.
(Kusrini, 2006).
Metode Backward Chaining merupakan
strategi pencarian yang arahnya kebalikan dari
Forward Chaining. Proses pencarian dimulai dari
tujuan, yaitu kesimpulan yang menjadi solusi
permasalahan yang dihadapi. Mesin inferensi
mencari kaidah-kaidah dalam basis pengetahuan
yang kesimpulannya merupakan solusi yang ingin
dicapai, kemudian dari kaidah-kaidah yang
diperoleh, masing-masing kesimpulan backward
chaining jalur yang mengarah ke kesimpulan
tersebut.
3. ANALISA DAN PERANCANGAN SISTEM
3.1. Analisa Sistem Berjalan
Analisis data berjalan merupakan penguraian
dari suatu informasi yang utuh ke dalam bagianbagian komponennya yang dimaksudkan untuk
mengidentifikasi dan mengevaluasi permasalahanpermasalahan, hambatan-hambatan yang terjadi dan
kebutuhan-kebutuhan yang diharapkan sehingga
dapat diusulkan perbaikannya. Untuk memahami
alur dari informasi dalam sistem, diperlukan
pendokumentasian dalam merancang suatu website,
sehingga akan mempermudah tahap pengembangan
sistem.
Sistem yang berjalan saat ini yaitu proses
pendaftaran pasien untuk berobat dan berkonsultasi,
kemudian setelah itu proses konsultasi dengan
dokter dimana pasien bertemu dengan dokter untuk
berkonsultasi. Setelah konsultasi pasien ke proses
pengambilan obat dari resep yang diberikan oleh
dokter. Proses yang sudah dijelaskan sebelumnya
memiliki kekurangan, seperti:
1. Proses
konsultasi
dengan
dokter
memerlukan waktu cukup lama apabila
terjadi antrian panjang yang dikhawatirkan
akan berakibat terlambatnya penanganan
pasien oleh dokter
2. Keterbatasan jumlah dokter yang bertugas.
3.
Keterlambatan penanganan dini juga sering
terjadi dikarenakan dokter yang bertugas
berhalangan hadir.
Proses konsultasi ini juga memiliki kelebihan
yaitu pasien dapat berkonsultasi dengan dokter
secara langsung dan lebih privasi dan juga proses
diagnosa yang lebih akurat karena dokter dapat
melihat kondisi pasien secara langsung dengan
memeriksa semua keluhan yang diderita oleh
pasien.
3.2. Analisa Pengetahuan
Proses analisa pengetahuan diawali dari
pengetahuan dan kemudian dilanjutkan dengan
representasi pengetahuan.
a. Pengetahuan
Dalam perancangan aplikasi sistem pakar
ini, terlebih dahulu melakukan proses
akuisisi pengetahuan terhadap seorang
pakar yang mengetahui apa saja penyakit
pada anak. Maka karena penyakit yang
ingin diketahui pun masih bersifat umum
penulis memilih seorang dokter umum
untuk melakukan akuisisi. Pakar yang
dimaksudkan adalah Dr. Harris Qarrami ,
pada klinik al-ikhlas. Dalam proses
akuisisi ini akan dilakukan wawancara
mengenai mendiagnosa berbagai penyakit
dan
juga mengenai
gejala
yang
ditimbulkan
b. Reprentasi Pengetahuan
Representasi
pengetahuan
bertujuan
membuat struktur yang akan digunakan
dalam sistem untuk membantu pengkodean
pengetahuan
ke
dalam
program.
Pengetahuan direpresentasikan ke dalam
format tertentu dan akan disimpan dalam
suatu basis pengetahuan. Langkah-langkah
atau base rule yang diperlukan untuk
membuat representasi pengetahuan sistem
pakar ini adalah:
1.
2.
3.
Pembuatan
tabel
keputusan
(decision table) yang berguna
untuk mendokumentasikan dan
mendeskripsikan pengetahuan.
Pembuatan pohon keputusan
(decision tree) yang berguna
untuk menghilangkan kaidahkaidah dengan tujuan untuk
meniadakan terjadinya perulangan
pertanyaan.
Konversi
pohon
keputusan
menjadi kaidah produksi.
Sistem pakar ini terdiri dari sebuah pohon
keputusan untuk mengidentifikasi penyakit pada
anak dan terdiri dari tabel keputusan gejala, serta
himpunan untuk mengidentifikasi penyakit. Proses
representasi pengetahuan untuk sistem pakar ini
diawali dengan proses masuk ke dalam sistem
kemudian sistem ini akan melakukan identifikasi
penyakit pada anak. Untuk mengidentifikasi
penyakit anak diawali dengan memilih gejala yang
dialami oleh anak yang sesuai dengan pengamatan.
Tabel 3.1. Tabel Relasi Gejala dan penyakit.
No
1
Gejala
Penyakit
G001, G002, G008, G009,
G010, G011
P001
2
G001, G007, G014, G015,
G016.
P002
3
G001, G002, G007, G012,
G013.
P003
4
G001, G002, G004, G017,
G018.
P004
5
G001, G003, G004, G005,
G006, G019, G020.
P005
6
G001, G004, G006, G021,
G022, G023, G024
P006
7
G001, G002, G003, G005,
G025, G026, G027
P007
Gambar 3.1. Pohon Keputusan
3.3. Analisa Produksi.
Berdasarkan tabel Relasi gejala dan penyakit pada
anak tersebut, maka dapat dibuat pohon perhitungan
sebagai berikut:
Kaidah produksi biasanya dituliskan dalam
bentuk jika-maka (IF THEN). Kaidah ini dapat
dikatakan sebagai hubungan impliksi dua bagian,
yaitu bagian premise (jika) dan bagian konklusi
(maka). Apabila bagian premise dipenuhi maka
bagian konklusi juga akan bernilai benar. Sebuah
kaidah terdiri dari klausa-klausa. Sebuah klausa
mirip sebuah kalimat subyek, kata kerja dan objek
yang menyatakan suatu fakta. Ada sebuah klausa
premise san klausa konklusi pada sebuah kaidah.
Suatu kaidah juga dapat terdiri atas beberapa
premise dan lebih dari satu konklusi. Antara
premise dan konklusi dapat berhubungan dengan
“OR” atau “AND”. Berikut kaidah-kaidah produksi
dalam menganalisis penyakit :
Rule 1 : IF Demam
AND Hidung Meler
AND Batuk
AND Nyeri Otot
AND Mata Merah
AND Fotofobia (rentan terhadap cahaya,
silau)
THEN Campak
Rule 2 : IF Demam
AND Tenggorokan Tampak Merah
AND Pembengkakan kelenjar getah
bening di leher
AND Nyeri Sendi
AND Ruam (kemerahan kulit) muncul
selama 3 hari
THEN Campak Jerman
Rule 3 : IF Demam
AND Pembengkakan kelenjar getah
bening di leher
AND Sakit Kepala
AND Muncul bintik-bintik merah datar
(makula )
AND Tubuh Mengggigil
THEN CacarAir
Rule 4 : IF Demam
AND Sakit Kepala
AND Nafsu Makan Berkurang
AND Nyeri Ketika Mengunyah
AND Bengkak Pada Posisi
Telinga Dan Rahang
THEN Gondongan
a.
Use Case Diagram
uc usecase
Sistem Pakar Diagnosa Awal Penyakit Pada Anak Menggunakan
Metode Forward Chaining Berbasis Web
Login Admin
Mengelola data
penyakit
Lihat Informasi
Mengelola data
gej ala
Antara
Lihat petunj uk
penggunaan
Mengelola relasi
penyakit dan gej ala
Admin
Rule 5 : IF Demam
AND Batuk
AND Nafsu makan berkurang
AND Lesu, Lemas, Letih
AND Mencret
AND Berat badan berkurang
AND Berkeringat dimalam hari
THEN Diare
Rule 6 : IF Demam
AND Nafsu makan berkurang
AND mencret
AND Muntah
AND Mengantuk tidak wajar
AND Mata cekung
AND Tinja Menghitam
THEN Tuberkulosis (TBC)
Rule 7 : IF Demam
AND sakit kepala
AND batuk
AND Lesu, Lemas, Letih
AND Suara serak
AND Sesak nafas
AND frekuensi nafas cepet
THEN Diare
User
Konsultasi
ubah passw ord
LogOut admin
Gambar 3.1. Use case Diagram
3..5. Entity Relationship Diagram (ERD)
ERD
adalah
sebuah
konsep
yang
mendeskripsikan hubungan antara penyimpanan dan
didasarkan pada persepsi dari sebuah dunia nyata
yang terdiri dari sekumpulan objek, disebut entiti &
relasi diantara objek-objek tersebut. Diagram ERD
digunakan untuk memodelkan struktur data dan
hubungan antar data
analysis ERD
tanggal
*id_konsultasi
*id_admin
admin
3.4. Unified Modeling Language (UML)
UML (Unified Modeling Language) adalah
bahasa pemodelan untuk sistem atau perangkat
lunak yang berparadigma (berorientasi objek).”
Pemodelan (modeling) sesungguhnya digunakan
untuk penyederhanaan permasalahan-permasalahan
yang kompleks sedemikian rupa sehingga lebih
mudah dipelajari dan dipahami.
UML merupakan suatu kumpulan teknik
terbaik yang telah terbukti sukses dalam
memodelkan sistem yang besar dan kompleks,
UML tidak hanya digunakan dalam proses
pemodelan perangkat lunak, namun hampir dalam
semua bidang yang membutuhkan pemodelan
(Apriliyanti, 2013)
*kd_gejala
id_admin
nama
tmp_1
konsultasi
melakukan
nama_gejala
gejala
bobot_parameter
*id_konsultasi
*kd_gejala
*id_admin
*id_konsultasi
username
password
similarity
kd_penyakit
*id_konsultasi
*kd_penyakit
similarity
tmp_2
*kd_relasi
relasi
penyakit
*kd_penyakit
*kd_penyakit
*kd_penyakit
nama_penyakit
definisi
solusi
Gambar 3.2. Entity Relationship Diagram
3.6. Transformasi ERD ke LRS
4. HASIL DAN IMPLEMENTASI
Transformasi diagram ERD ke LRS merupakan
suatu kegiatan untuk membentuk data-data dari
diagram hubungan entitas ke suatu LRS. Diagram
ER di atas akan ditransformasikan ke bentuk LRS.
Berikut adalah langkah pengelompokkan pada
diagram ER untuk menentukan entity pada diagram
LRS, dapat dilihat pada gambar berikut:
4.1. Implementasi Antarmuka
Implementasi
antarmuka
bertujuan
untuk
menjelaskan
secara
singkat
proses
dan
penggunaannya
Halaman Awal sistem pakar.
analysis ERDlrs
tanggal
*id_konsultasi
*id_admin
admin
1
*kd_gejala
id_admin
nama
M
1
M
gejala
tmp_1
konsultasi
melakukan
nama_gejala
bobot_parameter
*kd_konsultasi
*kd_gejala
M
*id_admin
*id_konsultasi
username
password
M
similarity
kd_penyakit
*id_konsultasi
tmp_2
*kd_penyakit
similarity
*kd_relasi
M
relasi
penyakit
*kd_penyakit
nama_penyakit
definisi
*kd_penyakit
*kd_penyakit
M
Gambar 4.1. Halaman Utama
Halaman Konsultasi sistem pakar.
solusi
Gambar 3.3. Transformasi ERD ke LRS
3.6. Login Record Structure (LRS)
Setelah di transformasikan ERD ke LRS, maka
bentuk Logical Record Structure (LRS) yang sudah
terbentuk seperti pada gambar dibawah ini:
analysis LRS
Gambar 4.2. Halaman Konsultasi
konsultasi
admin
*id_admin
id_admin
*kd_konsultasi
nama
tanggal
username
password
id_admin
kd_penyakit
similarity
gejala
tmp_1
id_konsultasi
*kd_konsultasi
kd_gejala
kd_gejala
Halaman Hasil Konsultasi
*kd_gejala
nama_gejala
bobot_parameter
kd_konsultasi
tmp_2
*kd_konsultasi
kd_penyakit
similarity
kd_gejala
kd_penyakit
penyakit
relasi
*kd_penyakit
*kd_relasi
nama_penyakit
kd_penyakit
definisi
solusi
kd_gejala
Gambar 3.4. Logical Record Structure (LRS)
Gambar 4.3. Hasil Konsultasi
5. KESIMPULAN DAN SARAN
5.1. Kesimpulan.
Dalam
proses
perancangan
serta
pembuatan program sistem pakar diagnosa awal
penyakit pada anak menggunakan metode forward
chaining berbasis web menggunakan kombinasi
metode Foward Chaining dan Case based
reasoning (CBR) ini, ada beberapa kesimpulan
yang dapat disampaikan penulis sebagai hasil dari
evaluasi pengembangan sistem dalam laporan tugas
akhir ini. Adapun kesimpulannya sebagai berikut:
1.
2.
Aplikasi sistem pakar diagnosa awal
penyakit pada anak dengan metode
forward chaining berbasis web, dapat
memberikan informasi kepada orang tua
dalam mengambil tindakan pengobatan
dalam menangani penyakit pada anak.
Dengan menggunakan sistem ini dapat
dijadikan solusi alternatif bagi masyarakat
untuk melakukan diagnosa dini terhadap
gejala-gejala penyakit pada anak sebelum
melakukan konsultasi langsung kepada
pakar dalam hal ini dokter.
5.2. Saran.
Mengingat berbagai keterbatasan yang dialami
terutama masalah pemikiran dan waktu, maka
penulis menyarankan untuk pengembangan
penelitian dimasa yang akan datang sebagai berikut:
1.
2.
Pada aplikasi ini digunakan kriteria yang
hanya berupa gejala fisik dari pasien,
pengembangan lebih lanjut sebaiknya
menggunakan kriteria lainnya seperti hasil
pemeriksaan laboratorium sehingga hasil
diagnosa menjadi lebih tepat dan akurat.
Data mengenai aplikasi sistem pakar untuk
mendiagnosa penyakit pada anak kiranya
dapat lebih dimaksimalkan, sampai
mendapatkan perhitungan hasil akhir yang
lebih akurat serta dicari alternatif yang
memungkinkan penyelesaian yang jauh
lebih baik.
6. DAFTAR PUSTAKA
Andriani, R. (2010). Sistem pakar untuk
mendiagnosa macam macam penyakit demam
berbasis web.
Arhami. (2005). konsep dasar sistem pakar.
Yogyakarta: Andi.
Arief, M. R. (2011). pemrograman web dinamis
menggunakan php dan mysql. yogyakarta: cv.
andi offset.
Indrajani. (2011). Perancangan Basis Data Dalam
Allin1. jakarta: elex media komputindo.
Jogiyanto, H. (2005). Sistem Teknologi. yogyakarta:
Andi.
Kadir, A. (2005). konsep dan tuntunan praktis basis
data. Yogyakarta: Andi.
Kadir, A. (2003). pengenalan sistem informasi.
Yogyakarta: Andi.
Kusrini. (2006). Sistem pakar, teori dan aplikasi.
Yogyakarta: Andi.
Kusumadewi, S. (2003). artifical intelegence (
teknik dan aplikasi ). Yogyakarta: Graha Ilmu.
Nugroho, A. (2009). Rekayasa Perangkat Lunak
Menggunakan UML & Java. Yogyakarta: Andi
Offset.
nugroho, B. (2008). membuat aplikasi sistem pakar
dengan php dan editor dreamweaver.
yogyakarta: Gava media.
Ramadhan, A., & Saputra, H. (2005). Buku Latihan
PHP 5 dan MySql. jakarta: Elex Media
Komputindo.
Sutanta, E. (2011). basis data dalam tinjauan
konseptual. yogyakarta: andi offset.
Yakub. (2008). Basis data tutorial konseptual.
yogyakarta: graha ilmu.
Yasin, V. (2012). rekayasa perangkat lunak
berorientasi objek. jakarta: mitra.