model identifikasi penyakit yang dapat di …perpustakaan.fmipa.unpak.ac.id/file/e-jurnal dicky...

1

MODEL IDENTIFIKASI PENYAKIT YANG DAPAT DI CEGAH MELALUI

IMUNISASI DENGAN MENGGUNAKAN METODE DEMPSTER SHAFER

BERBASIS WEB

Dicky Aditya, Prihastuti Harsani, Arie Qur’ania. Email : [email protected]

Program Studi Ilmu Komputer FMIPA Universitas Pakuan

ABSTRAK

Sistem pakar (expert system) adalah sistem yang menggunakan pengetahuan/

knowledge khusus untuk memecahkan masalah pada level human expert/pakar,

dimana pengetahuan tersebut dimasukan kedalam sebuah komputer,dan kemudian

digunakan untuk menyelesaikan masalah-masalah yang biasanya membutuhkan

kepakaran atau keahlian manusia.Dalam kasus ini,sistem pakar digunakan untuk

mengidentifikasi penyakit yang dapat dicegah melalui imunisasi.Imunisasi dasar

lengkap yang termasuk didalam penyakit menular yang dapat dicegah dengan

imunisasi harus mendapat perhatian lebih oleh banyak pihak, Apabila penyakit

menular ini tidak segera dilakukan pencegahan dengan pemberian imunisasi

lengkap, maka akan menyebabkan kematian ataupun kecacatan pada penderita

penyakit, Oleh karena itu pada penelitian ini di buat aplikasi sistem pakar yang

menggunakan metode Dempster Shafer (DS) untuk menentukan penilian bobot

nilai dentitas gejala, kemudian hasil pembobotan ini di implentasikan kedalam

Sistem pakar (SP). Tujuan Penelitian ini adalah membuat aplikasi Model

identifikasi penyakit yang dapat dicegah melalui imunisasi dengan menggunakan

metode Dempster Shafer, uji coba yang digunakan adalah uji coba akurasi yang

diperoleh dari sistem dan pakar. Dari hasil uji coba, diperoleh akurasi sebesar

70% dari hasil pencocokan model identifikasi dengan kesimpulan pakar.

Kata Kunci : Sistem Pakar, Imunisasi, Dempster Shafer

PENDAHULUAN

Latar Belakang

Sistem pakar merupakan

program komputer yang

menggunakan pengetahuan pakar

untuk mencapai tingkat kinerja yang

tinggi pada area yang sempit

(Waterman, 1986). Secara umum,

sistem pakar adalah sistem yang

berusaha mengadopsi pengetahuan

manusia ke komputer, agar komputer

dapat menyelesaikan masalah seperti

yang biasa dilakukan oleh para ahli

(Sri Kusumadewi, 2003). Pakar yang

dimaksud disini adalah orang yang

mempunyai keahlian khusus yang

dapat menyelesaikan masalah yang

tidak dapat diselesaikan orang awam.

Sebagai contoh, dokter adalah

seorang pakar yang mampu

mendiagnosis penyakit yang diderita

pasien serta dapat memberikan

penatalaksanaan suatu penyakit..

Salah satu contohnya adalah

artificial intelegensia. Kecerdasan

buatan atau Artificial Intelligence

merupakan salah satu bagian ilmu

komputer yang membuat agar mesin

(komputer) dapat melakukan

pekerjaan seperti dan sebaik yang

dilakukan oleh manusia.

2

Permasalahan kesehatan tahun

2012 khususnya terdapat pada

bidang imunisasi dasar lengkap yang

termasuk didalam penyakit menular

yang dapat dicegah dengan imunisasi

(PD3I) harus mendapat perhatian

lebih oleh banyak pihak. Beberapa

diantaranya penyakit Hepatitis A,

Campak, Difteri, Pertusis,

Tuberkolosis, Hepatitis B, Polio,

Gondongan, Tetanus, Rabies,

Influenza, Meningitis, Cacar air dan

Tifoid. Apabila penyakit menular ini

tidak segera dilakukan pencegahan

dengan pemberian imunisasi

lengkap, maka akan menyebabkan

kematian ataupun kecacatan pada

penderita. Penyakit menular yang

dapat dicegah dengan imunisasi

(PD3I) adalah penyakit yang

diharapkan dapat diberantas atau

ditekan dengan pelaksanaan program

imunisasi.Imunisasi adalah suatu

cara yang dilakukan untuk

menimbulkan ataupun meningkatkan

kekebalan tubuh seseorang terhadap

paparan penyakit.Prevalensi kasus

penyakit yang dapat dicegah dengan

imunisasi terkadang menunjukkan

peningkatan maupun penurunan,

tergantung jenis penyakit menular

(Depkes RI, 2005).

Tujuan Penelitian ini adalah

membuat aplikasi identifikasi


imunisasi dengan menggunakan

metode Dempster Shafer. Ruang

lingkup pada penelitian ini adalah

melakuan analisa penyakit yang

dapat dicegah dengan imunisasi

dengan mengunakan menggunakan

metode Dempster Shafer. Dan

merancang aplikasi sistem pakar

dalam mengidentifikasi gejala-gejala


imunisasi, Manfaat dari penelitian ini

adalah tersedianya aplikasi sistem

pakar yang dapat mendiagnosa suatu

penyakit yang ada dalam imunisasi.

Pendekatan metode Dempster shafer

pada penelitian ini, Dilakukan

dengan mengukur evidence (fakta)

dalam mendukung suatu himpunan

proposisi pada model identifikasi

penyakit yang dapat dicegah melalui

imunisasi.

METODE PENELITIAN

Metode penelitian yang

digunakan untuk membangun

Penerapan Metode Dempster Shafer

Untuk Identifikasi Pencegahan

Penyakit Melalui Imunisasi Berbasis

Web adalah SDLC (Systems

Development Life Cycle, Siklus

Hidup Pengembangan Sistem).

Systems Development Life

Cycle merupakan serangkaian

aktivitas atau kegiatan yang

dilaksanakan oleh para ahli dan

pemakai system informasi (user)

untuk mengembangkan dan

mengimplementasikan sistem

Informasi. Metode SDLC yang

diterapkan pada penelitian meliputi

tahap-tahap yang disajikan pada

Gambar 1.

Gambar 1. Tahap Systems

Development Life Cycle.

3

Tahap Perencanaan Sistem

Tahap perencanaan merupakan

suatu tahap pengumpulan data yang

dilakukan dengan mencari informasi

kebutuhan data serta solusi yang

tepat apabila sistem mulai dibuat.

Dengan melakukan kegiatan

pengumpulan data secara teoritis

untuk mendukung data yang

diperoleh dari lapangan dan buku -

buku dan pencarian melalui media

internet serta melakukan observasi

pada pakar untuk memperoleh data

yang akurat sesuai yang dibutuhkan

dalam pembuatan sistem.

Analisa Sistem

Tahap Sistem dilakukan

dalam penelitian berjudul Model

Identifikasi Penyakit Yang Dapat Di

Cegah Melalui Imunisasi Dengan

Menggunakan Metode Dempster

Shafer Berbasis Web.Pengumpulan

dan pengolahan data dengan

melakukan wawancara, observasi

serta tehnik pengambilan sampel.

Mengidentifikasi masalah melihat

kebutuhan yang diperlukan pengguna

dalam mengetahui keluhan-keluhan

yang dialami oleh masyarakat.

Perancangan Sistem

Perancangan ini meliputi

proses pembuatan sistem yang sudah

dianalisis sebelumnya Tahap

perancangan sistem dalam penelitian

ini akan dilakukan dengan

menggunakan Data Flow Diagram

(DFD), ERD (Entity Relationship

Diagram) yang merupakan suatu

model jaringan yang menggunakan

susunan data yang disimpan dalam

sistem secara abstrak,dan flowchart

sebagai perancangan sistem secara

keseluruhan dalam penelitian ini

menggunakan flowchart yang

merupakan simbol – simbol yang

digunakan untuk menggambarkan

urutan proses yang terjadi didalam

suatu program komputer secara

sistematis dan logis.

Implementasi Sistem

Tahap ini dilakukan dengan

penyajian rancangan yang telah di

buat ke dalam bentuk

pengimplementasian sebuah program

yang meliputi penyajian dan

visualisasi pada form-form sistem

Penerapan Metode Dempster Shafer

Untuk Identifikasi Penyakit Dengan

Imunisasi Berbasis Web. dengan

menggunakan windows 8 sebagai

sistem operasinya dibangun dengan

menggunakan bahasa pemrograman

PHP dan MYSQL sebagai database-

nya.

Uji Coba sistem

Uji coba sistem dilakukan

melalui 3 (tiga) tahap uji coba, yakni

uji coba struktural, fungsional dan

validitas data.

a. Uji Coba Struktural

Uji coba struktural adalah uji

coba yang dilakukan untuk

mengetahui apakah struktur

atau alur program yang dibuat

sudah sesuai dengan

perancangan.

b. Uji Coba Fungsional

Uji coba fungsional adalah uji


mengetahui apakah sistem

4

yang dibuat sudah dapat

berfungsi dengan baik.

c. Uji Coba Validasi

Uji Coba Validasi adalah uji


mengetahui apakah sistem

yang dibuat sudah sesuai

dengan benar.

Tahap Penggunaan Sistem

Tahap penggunaan sistem ini

akan ada beberapa informasi dan

pertanyaan seputar gejala-gejala

yang dialami atau terjadi selama

mengalami demam berdarah yang

nantinya akan menghasilkan output,

dimana output tersebut memberikan

penjelasan seputar gejala-gejala yang

dialami oleh masyarakat beserta

solusi dan nilai kepercayaan. Dan

dihasilkan dengan menggunakan

metode yang diperoleh dari ke

akuratan, dimana Proses ini

dilakukan untuk mengetahui dan

menentukan seberapa baik aplikasi

yang dibuat untuk memenuhi kriteria

kerja sistem.

Teori Dempster Shafer Metode Dempster-Shafer

pertama kali diperkenalkan oleh

Dempster, yang melakukan

percobaan model ketidakpastian

dengan range probabilities dari pada

sebagai probabilitas tunggal.

Kemudian pada tahun 1976 Shafer

mempublikasikan teori Dempster itu

pada sebuah buku yang berjudul

Mathematical Theory Of Evident

Dempster-Shafer Theory Of

Evidence, menunjukkan suatu cara

untuk memberikan bobot kenyakinan

sesuai fakta yang dikumpulkan.

Pada teori ini dapat

membedakan ketidakpastian dan

ketidaktahuan. Teori Dempster-

Shafer adalah representasi,

kombinasi dan propogasi

ketidakpastian, dimana teori ini

memiliki beberapa karakteristik yang

secara instutitif sesuai dengan cara

berfikir seorang pakar, namun dasar

matematika yang kuat.

[Belief,Plausibility]

Belief (Bel) adalah ukuran

kekuatan evidence dalam mendukung

suatu himpunan proposisi. Jika

bernilai 0 maka mengindikasikan

bahwa tidak ada evidence, dan jika

bernilai 1 menunjukkan adanya

kepastian. Plausibility (Pls) akan

mengurangi tingkat kepastian dari

evidence. Plausibility bernilai 0

sampai 1. Jika yakin akan X’, maka

dapat dikatakan bahwa Bel(X’) = 1,

sehingga rumus di atas nilai dari

Pls(X) = 0.

Menurut Giarratano dan

Riley fungsi Belief dapat

diformulasikan dan ditunjukkan pada

persamaan (1):

Bel (X) = ……………1)

Dan Plausibility dinotasikan pada

persamaan (2):

Pls (X) = 1 – Bel (X) = 1 –

……………………... (2)

Dimana :

Bel (X) = Belief (X)

Pls (X) = Plausibility (X)

m (X) = mass function dari

(X)

m (Y) = mass function dari

(Y)

Teori Dempster-Shafer

menyatakan adanya frame of

discrement yang dinotasikan dengan

simbol (Θ). frame of discrement

merupakan semesta pembicaraan dari

5

sekumpulan hipotesis sehingga

sering disebut dengan environment

yang ditunjukkan pada persamaan

(3) :

Θ = { θ1, θ2, … θN}…….……... (3)

Dimana :

Θ = frame of discrement atau

environment

θ1,…,θN = element/ unsur

bagian dalam environment

Environment mengandung

elemen-elemen yang

menggambarkan kemungkinan

sebagai jawaban, dan hanya ada satu

yang akan sesuai dengan jawaban

yang dibutuhkan. Kemungkinan ini

dalam teori Dempster-Shafer disebut

dengan power set dan dinotasikan

dengan P (Θ), setiap elemen dalam

power set ini memiliki nilai interval

antara 0 sampai 1.

m : P (Θ) →[0,1]

Sehingga dapat dirumuskan pada

persamaan (4) :

……………...(4)

Dengan :

P (Θ) = power set

m (X) = mass function (X)

Mass function (m) dalam

teori Dempster-shafer adalah tingkat

kepercayaan dari suatu evidence

(gejala), sering disebut dengan

evidence measure sehingga

dinotasikan dengan (m). 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

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, yaitu

ditunjukkan pada persamaan (5) :

Dimana :

m3(Z) = mass function dari

evidence (Z)

(X) = mass function dari

evidence (X), yang diperoleh dari

nilai keyakinan suatu evidence

dikalikan dengan nilai disbelief dari

evidence tersebut.

(Y) = mass function dari

evidence (Y), yang diperoleh dari

nilai keyakinan suatu evidence

dikalikan dengan nilai disbelief dari

evidence tersebut.

=

merupakan nilai kekuatan dari

evidence Z yang diperoleh dari

kombinasi nilai keyakinan

sekumpulan evidence.

Gambar 2. Algoritma Dempster

Shafer

6

HASIL DAN PEMBAHASAN

Hasil

Tahap sebelumnya telah

dipaparkan proses perancangan dan

implementasi mengenai sistem pakar

deteksi dini penyakit demam

berdarah dengan menggunakan

metode Dempster-Shafer dari bentuk

tampilan beserta uraiannya mengenai

pembahasan halaman pada program

ini.

Analisis Gejala Untuk mempresentasikan

hasil dari gejala yang ada, maka

dibuatlah sebuah kaidah sederhana

seperti pada pernyataan dibawah ini:

Jika [Gejala 1]

Dan [Gejala 2]

Dan [Gejala 3]

Maka [Penyakit]

Pembahasan

Pengujian Akurasi

Pengujian Akurasi dari suatu

sistem pengukuran yaitu tingkat

kedekatan pengukuran kuantitas

terhadap nilai yang sebenarnya.

Kepresisian dari suatu sistem

pengukuran repeatability yang

sejauh mana pengulangan

pengukuran dalam kondisi yang

tidak berubah mendapatkan hasil

yang sama

Tabel 1. Tabel Akurasi Hasil Diagnosa Sistem Pakar

No. Gejala Diagnosa Sistem Diagnosa Pakar Akurasi

1 Air seni berwarna seperti

the

Sakit kepala/Pusing Hepatitis B Hepatitis B Sesuai

Mual/Muntah

Sakit Perut

2 Sakit kepala/Pusing Hepatitis B Hepatitis B

Demam/Panas Tinggi Influenza (Flu) Influenza (Flu)

Sakit Perut Cacar air Cacar air

Mumps/Gondongan Mumps/Gondongan

Tifoid Tifoid

Hepatitis A Hepatitis A

Tuberkulosis (TBC) Tuberkulosis (TBC)

Tuberkulosis Tuberkulosis

Polio Polio

Difteri Difteri Sesuai

Pertusis Pertusis

Tetanus Tetanus

Campak Campak

Meningitis Meningitis

Rabies Rabies

3 Lenting berisi cairan

Sklera Mata Kuning Cacar Air Cacar Air Sesuai

Sakit kepala/Pusing

Demam/Panas tinggi

4 Hidrofobia (Takut air)

Deman atau Panas tinggi Rabies Rabies Sesuai

Prilaku Agresif

5 Sakit Tenggorokan

Batuk Kronis Tuberkulosis(TBC) Tuberkulosis(TBC) Sesuai

Pilek

7

6 Kaku leher

Demam atau Panas tinggi Meningitis Meningitis Sesuai

Sakit kepala/Pusing

7 Sklera mata kuning Hepatitis B

Batuk Kronis Tuberkulosis(TBC) Tuberkulosis(TBC) Tidak Sesuai

Keringat dimalam hari

8 Demam/Panas Tinggi Hepatitis B Difteri

Pilek Influenza (Flu) Influenza

Sakit Kepala Cacar air Meningitis

Mual/Muntah Mumps/Gondongan Campak

Nyeri otot Tifoid Tuberkulosis(TBC

Sakit tenggorokan Hepatitis A

Tuberkulosis (TBC)

Tuberkulosis Tidak Sesuai

Polio

Difteri

Pertusis

Campak

Meningitis

Rabies

9 Batuk Kronis Tuberkulosis(TBC) Polio

Demam/Panas Tinggi Pertusis Pertusis Tidak Sesuai

Pusing Difteri

Mual/Muntah

10 Kelumpuhan kaki

Demam/Panas tinggi

Mual/Muntah Polio Polio Sesuai

Pusing

Sakit Prut

Dapat disimpulkan bahwa

akurasi sistem pakar menggunakan

metode Dempster Shafer berdasarkan

10 data diagnosa gejala penyakit

yang dapat dicegah dengan imunisasi

yang telah diuji mempunyai tingkat

akurasi keberhasilan yang cukup

baik sesuai dengan diagnosa pakar

yaitu sebesar 70%.

Nilai Akurasi = 7/10 x 100% = 70%

Halaman Utama Beranda dan

Tentang Program Tampilan ini merupakan

penjelasan tentang penyakit demam

berdarah, dimana tampilan tersebuat

terdapat pada halaman utama

(Beranda). Sedngkan tentang

program adalah penjelasan dari cara

kerja sistem pakar, sehingga dapat

dimengerti oleh masyarakat untuk

meggunakan sistem tersebut. Berikut

merupakan tampilan halaman utama

beranda dan tentang program yang

ditujukan pada gambar 3 dan

gambar 4.

Gambar 3. Tampilan Halaman

Utama Bera

8


Utama Tentang Program

Halaman Login dan Registrasi

Pengguna

Sistem pakar deteksi penyakit

demam berdarah ini mempunyai

kolom login dan registrasi. Dimana

fungsi dari login ini user sudah

mempunyai akun atau telah terdaftar.

Seangkan registrasi untuk user yang

belum terdaftar atau mempunyai

akun untuk mengakses sistem ini.

dapat dilihat pada gambar 5.


Login dan Registrasi Pengguna

Halaman Diagnosa dan Hasil

Diagnosa Tampilan halaman diagnosa ini

berisikan pertanyaan-pertanyaan

seputar gejala atau keluhan - keluhan

yang nantinya akan dipilih oleh user.

Sedangkan hasil diagnosa adalah

tampilan yang sudah user inputkan

mengenai gejala-gejala yang telah

dialami, sehingga dapat diproses oleh

sistem tersebut Berikut merupakan

tampilan halaman diagnosa da hasil

diagnosa yang ditunjukan

padagambar 6 dan gambar 7.


Diagnosa

Gambar 7. Tampilan Halaman Hasil

Diagnosa

9

Perhitungan manual untuk (Uji Coba Validasi)

Uji coba validasi merupakan pemeriksaan keakuratan hasil data yang telah

dimasukkan kedalam aplikasi. Uji coba tersebut dilakukan dengan validasi sistem

pengisian data kedalam sistem dan hasil akhirnya sesuai dengan data yang

dimasukkan, Berikut ini merupakan salah satu hasil uji coba validasi pada sistem

ini, dengan membandingkan hasil perhitungan Dempster-Shafer manual dengan

hasil perhitungan pada sistem :

Berikut gejala yang diplih adalah:

1. Air seni berwarna seperti teh [G001]

2. Demam atau panas tinggi [G009]

3. Keringat dimalam hari [G020]

4. Mual atau muntah [G034]

5. Rasa tidak enak diperut/Sakit perut/Konstipasi [G046]

6. Sakit kepala atau pusing [G048]

7. Sklera mata kuning [G050]

Diketahui gejala pertama yang dipilih: Air seni berwarna seperti teh

(G001), yang merupakan gejala dari Hepatitis B (P1),yang memiliki niai dentitas

60%,lalu dicari Plausanbility dari [G001] tersebut :

m1 {G001} = 0,6

m1 {ø} = 1 – 0.6 = 0.4

Lalu cari Ilustrasi nilai keyakinan terhadap 1 gejala :

Tabel 4. Ilustrasi Nilai Keyakinan Terhadap 1 Gejala Air seni berwarna seperti the (P1)

# m1 {P1}

>>0,6

{Θ} >> 0,4

m1{P1,P2,P3,P4,P5,P6,P7,P8,P9,P10,

P11,P12,P13,P14} >> 1

m1 {P1}

>> 0,6

P1,P2,P3,P4,P5,P6,P7,P8,P9,P10,P11,

P12,P13,P14>> 0,4

Selanjutnya Gejala kedua yaitu : Demam atau Panas tinggi (G009), yang

merupakan gejala dari Hepatitis B (P1),Tuberkulosis (P2),Polio (P3), Difetri (P4),

Campak (P7),Meningistis (P8),Rabies (P9),Influenza (P10),Cacar air

(P11),Mumps(Gondongan/Parotitis) (P12),Tifoid (P13), dan Hepatitis A (P13)

yang memiliki nilai dentitas 30%,lalu dicari nilai Plausanbility dari [G009] :

m2{G009}= 0,3

m2{ø} = 1- 0.3 = 0.7


Tabel 5. Ilustrasi Nilai Keyakinan Terhadap 2 Gejala Demam atau panas tinggi (P1,P2,P3,P4,P7,P8,P9,P10,P11,P12,P13,P14)

# m2{P1,P2,P3,P4,P7,P8,P9,P10,P11,P12,P13,P14}>> 0,3 m2{ø} >> 0,7

m1{ P1} >> 0,6 { P1} >> 0,18 { P1} >> 0,42

m1{ø} >> 0,4 m2{P1,P2,P3,P4,P7,P8,P9,P10,P11,P12,P13,P14}>> 0,12 {Θ} >> 0,28

Selanjutnya hitung nilai dentitas baru untuk beberapa kombinasi (m3)

dengan persamaan Demster Shafer sebagai berikut :

m3 {P1} = (0,18 + 0,42 ) / (1 – 0) = 0,6

m3 {P1,P2,P3,P4,P7,P8,P9,P10,P11,P12,P13,P14} = (0,12) / ( 1 – 0 ) = 0,14

10

m3 {ø} = (0,28)/ ) / ( 1 – 0 ) = 0,28

Kemudian terdapat lagi gejala ketiga : Keringat dimalam hari

(G020),yang merupakan gejala dari Tuberkulosis /TBC (P2),yang memiliki nilai

dentitas 50%,lalu dicari nilai Plausanbility dari [G020] tersebut :

m4 {G020} = 0,5

m4 {ø} = 1 – 0.5 = 0.5


Tabel 6. Ilustrasi Nilai Keyakin Terhadap 3 Gejala Keringat dimalam hari (P2)

# m4{P2} >> 0,5 m4 {ø} >> 0,5

m3{ P1} >> 0,6 {ø} >> 0,3 { P1} >>0,3

m3{P1,P2,P3,P4,P7,P8,P9,P10,P1

1,P12,P13,P14}>> 0,12

{P2} >> 0.06 {P1,P2,P3,P4,P7,P8,P9,P10,P11,P12,

P13,P14}>> 0,06

m3{ø} >>0,28 {P2} >> 0,14 {Θ} >> 0,14

Lalu hitung nilai keyakinan (m) kombinasinya :

m5 {P1} = (0,3) / (1 – 0,3) = 0,4286

m5 {P2} = (0,06 + 0,14) ) / ( 1 – 0,3) = 0,2857

m5 {P1,P2,P3,P4,P7,P8,P9,P10,P11,P12,P13,P14} = (0,06) ) / (1 – 0,3) = 0,0857

m5 {ø} = (0,14) ) / (1 – 0,3) = 0,2

Selanjutnya muncul kembali gejala baru yaitu gejala keempat : Mual atau

muntah (G034),yang merupakan gejala dari Hepatitis B (P1),Polio (P3),Pertusis

(P5),Meningitis (P8) dan Hepatitis A (P14), yang memiliki dentitas 30%,lalu

dicari Plausanbility dari [G034] tersebut :

m6 {G034 = 0,3

m6 {ø} = 1 – 0.3 = 0.7


Tabel 7. Ilustrasi Nilai Keyakinan Terhadap 4 Gejala Mual atau muntah (P1,P3,P5,P8,P14)

# m6{P1,P3,P5,P8,P14 }>> 0,3 m6 {ø} >> 0,7

m5{ P1} >> 0,4286 { P1} >> 0,1286 { P1} >> 0,3

m5{P2} >> 0,2857 {ø} >> 0,0857 {P2} >> 0,2

m5{P1,P2,P3,P4,P7,P8,P9,P10,

P11,P12,P13,P14} >> 0,0857

{ P1,P3,P8,P14} >>0,0257 {P1,P2,P3,P4,P7,P8,P9,P10,

P11,P12,P13,P14} >> 0,06

m5{ø} >> 0,2 {P1,P3,P5,P8,P14} >> 0,3 {Θ} >> 0,14


m7 {P1} =(0,1286 + 0,3) / (1 – 0,0857) = 0,4688

m7 {P2} = (0,2) / (1 – 0,0857) = 0,2188

m7 {P1,P3,P8,P14} = (0,02570 / ( 1 – 0,0857) = 0,0281

m7 {P1,P2,P3,P4,P7,P8,P9,P10,P11,P12,P13,P14} (0,060 / (1 – 0,0857) = 0,0656

m7 { P1,P3,P5,P8,P14} = (0,6) / (1 – 0,0857) = 0,656

m7 {ø} = (0,14) / ( 1 – 0,0857) = 0,1531

Kemudian muncul kembali gejala kelima yaitu : Rasa tidak enak

diperut/Sakit perut/Konstipasi (G046),yang memiliki nilai dentitas 30%,lalu dicari

nilai Plausability dari [G046] tersebut :

m8 {G046}= 0,3

m8 {ø} = 1 – 0.3 = 0.7


11

Tabel 8. Ilustrasi Nilai Keyakinan Terhadap 5 Gejala Rasa tidak enak diperut/Sakit perut/Konstipasi (P1,P3,P13)

# m8{ P1,P3,P13} >> m8{ø} >> 0,7

m7 {P1} >> 0,4688 {P1} >> 0,1406 {P1} >> 0,3281

m7 {P2} >> 0,2188 {P2} >> 0,0656 {P2} >> 0,1531

m7 {P1,P3,P8,P14} >> 0,0281 { P1,P3}>> 0,0084 {P1,P3,P8,P14} >> 0,0197

m7{P1,P2,P3,P4,P7,P8,P9,P10,P1

1,P12,P13,P14} >> 0,0656

{P1,P3,P13}>>0,0197 {P1,P2,P3,P4,P7,P8,P9,P10,P11

,P12,P13,P14} >> 0,0459

m7 { P1,P3,P5,P8,P14} >> 0,0656 { P1,P3}>> 0,0197 { P1,P3,P5,P8,P14} >> 0,0459

m7 {ø} >> 0,1531 {P1,P3,P13}>>0,0459 {Θ} >> 0,1072


m9 {P1} = (0,1406) + 0,3281 / (1 – 0,656) = 0,5017

m9 {P2} = (0,1531) / (1 – 0.0656) = 0,1639

m9 {P1,P3} = (0,0084 + 0,0197) / ( 1 – 0,0656) = 0,0,0301

m9 {P1,P3,P8,P14} = (0,0197) / ( 1 – 0,0656) = 0,0211

m9 {P1,P3,P13} = (0,0197 + 0,0459) / ( 1 – 0,0656) = 0,0702

m9 {PP1,P2,P3,P4,P7,P8,P9,P10,P11,P12,P13,P14} (0,0459) / ( 1 – 0,0656 ) =

0,0492

m9 {P1,P3,P5,P8,P14} = (0,0459) / (1 – 0,0656) = 0,0492

m9 {ø} = (0,1072) / ( 1 – 0,0656) = 0,1147

Selanjutnya muncul kembali gejala keenam yaitu: Sakit kepala atau pusing

(G048),yang merupakan gejala dari Meningitis (P8),Influenza (P10), Cacar air

(P11),Mumps(Gondongan/Parotitis) (P12) ,dan Tifoid (P13),yang memiliki nilai

dentitas 30%,lalu dicari nilai Plausability dari [G048] tersebut :

m10 {G048}= 0,3

m10 {ø} = 1 – 0.3 = 0.7


Tabel 9. Ilustrasi Nilai Keyakinan Terhadap 6 Gejala Sakit kepala atau pusing (P8,P10,P11,P12,P13)

# m10{P8,P10,P11,P12,

P13} >> 0,3

m10 {ø} >> 0,7

m9 {P1} >> 0,5017 {ø} >> 0,1505 {P1} >> 0,3512

m9 {P2} >> 0,1639 {ø} >> 0,0492 {P2} >> 0,1147

m9 {P1,P3} >> 0,0,0301 {ø} >> 0,009 {P1,P3} >> 0,0211

m9 {P1,P3,P8,P14} >> 0,0211 {P8} >> 0,0063 {P1,P3,P8,P14} >> 0,147

m9 {P1,P3,P13} >>0,0702 { P13} >> 0,0211 {P1,P3,P13} >> 0,0492

m9{PP1,P2,P3,P4,P7,P8,P9,P10,

P11,P12,P13,P14} >> 0,0492

{P8,P10,P11,P12,P13}

>> 0,0147

{PP1,P2,P3,P4,P7,P8,P9,P10,P11,

P12,P13,P14} >> 0,0344

m9 {P1,P3,P5,P8,P14} >> 0,0492 {P8} >> 0,0147 {P1,P3,P5,P8,P14} >> 0,0344

m9 {ø} >> 0,1147 {P8,P10,P11,P12,P13}

>> 0,0344

{Θ} >> 0,0803


m11 {P1} = (0,0351) / (1 – 0,1505 – 0,0492 – 0,009) = 0,4438

m11 {P2} = (0,1147) / ( 1 – 0,1505 – 0,0492 – 0,009) = 0,145

m11 {P1,P3} = (0,0211) / ( 1 – 0,1505 – 0,0492 – 0,009) = 0,0266

12

m11 {P8} = (0,0147) / ( 1 – 0,1505 – 0,0492 – 0,009) = 0,0266

m11 {P1,P3,P8,P14} = (0,0147) / (1 – 0,1505 – 0,0492 – 0,009) = 0,0186

m11 {P13} = (0,0211) / ( 1 – 0,1505 – 0,0492 – 0,009 ) = 0,0299

m11 {P1,P3,P13} = (0.0492) / ( 1 – 0,1505- 0,0492 – 0,009 ) = 0,0621

m11 {P8,P10,P11,P12,P13} = (0,0147 + 0,0344) / ( 1 – 0,1505 – 0,0492 – 0,009)

= 0,0621

m11 {P1,P2,P3,P4,P7,P8,P9,P10,P11,P12,P13,P14} (0,0344)/ (1 – 0,1505 –

0,0492 – 0,009) = 0,0435

m11 {P1,P3,P5,P8,P14} = (0,0344) / ( 1 – 0,01505 – 0,0492 – 0,009) = 0,0435

m11 {ø} = ( 0,0803) / ( 1 – 0,1505 – 0,0492 – 0,009) = 0,1015

Kemudian terdapat lagi gejala yang baru yaitu gejala ketujuh : Sklera Mata

Kuning (G050),yang merupakan gejala dari Hepatitis B (P1) ,dan Hepatitis A

(P14),yang memiliki nilai dentitas 70%,lalu dicari nilai Plausability dari [G050]

tersebut :

m12 {G050}= 0,7

m12 {ø} = 1 – 0.7 = 0.3


Tabel 10. Ilustrasi Nilai Keyakinan Terhadap 7 Gejala Sklera mata kuning (P1,P14)

# m12{P1,P14} >> 0,7 m12{ø} >> 0,3

m11 {P1} >> 0,4438 {P1} >> 0,3107 {P1} >> 0,1331

m11 {P2} >> 0,145 {ø} >> 0,0015 {P2} >>0,0435

m11 {P1,P3} >> 0,0266 {P1} >> 0,0186 {P1,P3} >> 0,008

m11 {P8} >> 0,0266 {ø} >> 0,0201 {P8} >> 0,008

m11 {P1,P3,P8,P14} >> 0,0186 {P1,P14} >> 0,013 {P1,P3,P8,P14} >> 0,0056

m11 {P13} >> 0,0266 {ø} >> 0,0186 {P13} >> 0,008

m11 {P1,P3,P13} >> 0,0621 {P1} >> 0,0435 {P1,P3,P13} >> 0,0186

m11 {P8,P10,P11,P12,P13 >> 0,0621 {ø} >> 0,0435 {P8,P10,P11,P12,P13 >>

0,0186

m11{P1,P2,P3,P4,P7,P8,P9,P10,P11,P

12,P13,P14} >> 0,0435

{P1,P14} >> 0,0304 {P1,P2,P3,P4,P7,P8,P9,P10,P

11,P12,P13,P14} >> 0,013

m11 {P1,P3,P5,P8,P14} >> 0,0435 {P1,P14} >> 0,0304 {P1,P3,P5,P8,P14} >> 0,013

m11 {ø} >> 0,1015 {P1,P14} >> 0,0710 {Θ} >> 0,0304

Lalu dihitung nilai keyakinan (m) kombinasinya : m13 {P1} = (0,3107 = 0,0186 + 0,0435 + 0,1331) / ( 1 – 0,1015 – 0,0186 – 0,0186 –

0,0435) = 0,06186

m13 {P2} = (0,0435) / ( 1 – 0,1015 – 0,0186 – 0,0186 – 0,0435) = 0,0532

m13 {P1,P3} = (0,008) / ( 1 - 0,1015 – 0,0186 – 0,0186 – 0,0435 ) = 0,0098

m13 {P8} = ( 0,008) / ( 0,1015 – 0,0186 – 0,0186 – 0,0435 ) = 0,0098

m13 {P1,P3,P8,P14} = (0,0056) / ( 1 – 0,1015 – 0,0186 - 0,0186 – 0,0435 ) = 0,0068

m13 {P13} = ( 0,008) / (0,1015 – 0,0186 – 0,1=0186 – 0,0435 ) = 0,0098

m13 {P1,P3,P13} = ( 0,0186) / ( 1 – 0,1015 – 0,0186 – 0,0186 – 0,0435 ) = 0,0228

m13 {P1,P14} = ( 0,013+ 0,0304 + 0,0304 + 0,071 ) / (1- 0,1015 – 0,0186 – 0,186 –

0,0435) = 0,1771

m13 {P8,P10,P11,P12,P13} = (0,0186) / ( 1- 0,1015 – 0,0186 – 0,0186 – 0,0435) =

0,0228

13

m13 {P1,P2,P3,P4,P7,P8,P9,P10,P11,P12,P13,P14} (0,013) / ( 1- 0,0186 – 0,0186 –

0,0435 ) = 0,0159

m13 {P1,P3,P5,P8,P14} = (0,013) / ( 1 – 0,1015 – 0,0186 – 0,0186 – 0,0435 ) = 0,0159

m13 {ø} = (0,0304) / ( 1 – 0,1015 – 0,0186 – 0,0186 – 0,0435 ) = 0,0372

Kesimpulan :

Ternyata dapat disimpulkan bahwa dari hasil dari diagnosa beberapa

gejala,seperti Air Seni Bewarna Seperti Teh (G001), Demam atau Panas Tinggi

(G009), Keringat dimalam hari (G020), Mual atau Muntah (G034), Rasa tidak

enak diperut/Sakit Perut/Parotitis (G046) , Sakit Kepala (G048), Sklera Mata

Kuning (G050),dari gejala yang telah dipilih dapat diperoleh hasil dari diagnosa

yaitu penyakit Hepatitis B dengan tingkat keyakinan tertinggi yaitu m13 {P1} =

0,6186 / 62% dalam proses perhitungan gejala menggunakan metode Dempster

Shafer.

Halaman Hasil Diagnosa

Tampilan halaman hasil diagnosa ini berisikan hasil dari pemilihan gejala

yang telah dipilih sehingga dapat diproses oleh sistem tersebut Berikut merupakan

tampilan halaman diagnosa da hasil diagnosa yang ditunjukan pada gambar 7.

Gambar 7. Tampilan Halaman Hasil Diagnosa

14

KESIMPULAN DAN

SARAN

Kesimpulan

Hasil penelitian yang dapat

disimpulkan dari aplikasi model

identifikasi penyakit yang dapat

dicegah melalui imunisai ini

diharapkan membantu mengetahui

jenis gangguan tentang penyakit

yang dapat dicegah melalui

imunisasi yang disebabkan oleh

virus-virus tertentu, dengan

mengidentifikasi masalah serta

melihat gejala-gejala yang diderita.

Sehingga sistem ini dapat membantu

untuk melakukan hasil diagnosa

yang diperoleh oleh pakar, sehingga

dapat mengetahui cara

penanganannya dan pencegahannya,

sistem ini dibangun dengan

pemrograman PHP berbasis web

dengan menggunakan Notepad++.

Tahap yang dibuat dalam

penelitian ini dilakukan dengan

mencari informasi sesuai kebutuhan

data serta mengumpulkan data dan

mengolahnya. yakni dengan

melakukan wawancara pada seorang

dokter dalam mengidentifikasi

masalah untuk menemukan solusi

dari penanganan penyakit ini. karena

dengan dilakukan teknik ini, dapat

mengetahui tentang penyakit yang

dapat dicegah melalui imunisasi

secara spesifik menurut para pakar.

Sistem ini berhasil

mengimplementasikan dalam

aplikasi identifikasi penyakit yang

dapat dicegah melalui imunisasi

yang dapat dipergunakan untuk

mendiagnosa penyakit Hepatitis

A,Tuberkulosis,Polio,Difteri,Pertusis

,Tetanus,Campak,Meningitis,Rabies,

Influenza,Cacar

air,Mumps(Gondongan),Tifoid,dan

Hepatitis A dengan memasukan

berupa gejala yang telah dialami.Hal

ini ditunjukan dari beberapa kasus

yang telah diujicobakan diperoleh

hasil diagnosa yang sama, dengan

melakukan akurasi data sistem

dengan pakar dan uji coba

perhitungan manual sesuai dengan

perhitungan yang ada dalam sistem

tersebut. Kemudian untuk beberapa

kasus yang lain seperti input semua

gejala pada menu diagnosa, sistem

ini sudah dapat melakukan proses

dengan menampilkan diagnosa dari

beberapa gejala yang tersedia dan

akan menghasilkan diagnosa berupa

penyakit dari gejala-gejala yang telah

dipilih, , jadi sistem ini sudah

mencukupi kebutuhan user dalam

mendiagnosa penyakit deteksi yang

dapat dicegah melalui imunisasi.

Saran

Aplikasi model identifikasi

penyakit yang dapat dicegah melalu

imunisasi ini, masih perlu dilakukan

pengembangan lagi. Seperti pada

jumlah penyakit yang dikaji,

kemudian klasifikasi penyakit seperti

penyakit yang disebabkan oleh oleh

virus-virus yang lain. Serta

perancangan halaman web yang

perlu penambahan variasi atau

animasi agar terlihat lebih menarik.

Dan knowledge base disarankan

untuk selalu diperbaharui sesuai

dengan perkembangan teknologi dan

ilmu pengetahuan dengan

menambahkan jumlah pakar untuk

mengupdate knowledge base. Selain

itu perlu dibuat pula dengan versi

mobile programmignya sehingga

user tersebut lebih mudah mengakses

melalu smartphonenya.

15

DAFTAR PUSTAKA

Dahria Muhammad. Jurnal

SAINTIKOM, Volume 12

Nomor 1, Januari 2013 ,

Sistem Pakar Metode

Dempster Shafer Untuk

Menentukan Jenis Gangguan

Perkembangan Anak.

Departemen Kesehatan RI. 2010.

Profil Kesehatan Indonesia

2010. Jakarta: Departemen

Kesehatan RI.

Eliza & Gustri. Jurnal Informatika,

Volume 7 Nomor 2, July 2013,

Prototype Sistem Pakar Untuk

Mendeteksi Tingkat Resiko

Penyakit Jantung Koroner

dengan Metode Dempster

Shafer.

Hidayat, A.2005. Pengertian

Imunisasi dan penyakit yang

dapat dicegah melalui

imunisasi.

Kusrini.2006,Sistem Pakar Teori

dan Aplikasi. Penerbit:

Andi.Yogyakarta.

Kusumadewi, 2003. Sistem Pakar

(Expert System) Pengertian

Sistem Pakar.

Nugroho, Budi. 2012. Dasar

Pemograman Web PHP-

MySQL dengan Dreamwever.

Penerbit GAVA MEDIA.

Yogyakarta.

Sari Anjas Nur, 2009. Sistem Pakar

Mendiagnosa Penyakit

Demam Berdarah Dengan

Metode Certainty Factor.

Teknik Informatika.

Soepardi Jane. Kementrian

Kesehatan ,Volume 1,

September 2012, Buletin dan

Jendela Informasi Kesehatan

No 42 Tentang

Penyelenggaraam Imunisasi

Menteri Kesehatan Replublik

Indonesia..

T. Sutjo, Edy Mulyanto, & Vincent

Suharto, 2011, Kecerdasan

Buatan, Andi Yogyakarta.

Petrou, Maria, And Ahmadzaleh. 2002. Use Of Dempster

Shaffer Theory To Combine

Classifers Which Use

Different Class Boundaries.

School Of Electronic

Computation and

Mathematics. Guilford:

University Of Surrey.

model identifikasi penyakit yang dapat di …perpustakaan.fmipa.unpak.ac.id/file/e-jurnal dicky...

Documents