1. contoh skripsi (format baru)

8/18/2019 1. Contoh Skripsi (Format Baru)

1/374

TESIS

PENGEMBANGAN SISTEM PAKAR BERBASIS

MOBILE UNTUK MEMBANTU MENDIAGNOSIS

PENYAKIT AKIBAT GIGITAN NYAMUK

EMANUEL SAFIRMAN BATA

No. Mhs. : 115301620/PS/MTF

PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA

PROGRAM PASCA SARJANA

UNIVERSITAS ATMA JAYA YOGYAKARTA

2012


2/374

i

TESIS

PENGEMBANGAN SISTEM PAKAR BERBASIS

MOBILE UNTUK MEMBANTU MENDIAGNOSIS

PENYAKIT AKIBAT GIGITAN NYAMUK

EMANUEL SAFIRMAN BATA

No. Mhs. : 115301620/PS/MTF

PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA

PROGRAM PASCA SARJANA

UNIVERSITAS ATMA JAYA YOGYAKARTA

2012


3/374


4/374


5/374

iv

PERNYATAAN

Menyatakan bahwa penelitian ini adalah hasil karya pribadi dan bukan

duplikasi dari karya tulis yang telah ada sebelumnya. Karya tulis yang telah ada

sebelumnya dijadikan penulis sebagai acuan dan referensi untuk melengkapi

penelitian dan dinyatakan secara tertulis dalam penulisan acuan dan daftar pustaka.

Demikian pernyataan ini dibuat untuk digunakan sebagaimana mestinya.

Yogyakarta, Juli 2012

Emanuel Safirman Bata

Nama : EMANUEL SAFIRMAN BATA

Nomor Mahasiswa : 115301620/PS/MTF

Program Studi : Magister Teknik Informatika

Konsentrasi : Mobile Computing

Judul Tesis : Pengembangan Sistem Pakar Berbasis Mobile untukMembantu Mendiagnosis Penyakit Akibat Gigitan

Nyamuk


6/374

v

INTISARI

Di Kabupaten Sikka, nyamuk adalah sumber penularan penyakit malaria, demam

berdarah, chikungunya dan kaki gajah. Pada tahun 2010 penyakit-penyakit

tersebut menjadi populer dengan ditemukannya banyak kasus yang meliputi

19.763 kasus malaria, 861 kasus demam berdarah, 20 kasus chikungunya dan

5.252 kasus kaki gajah. Kurangnya sarana dan prasarana medis serta keadaan

geografis yang buruk menjadi faktor penyebabnya. Kabupaten Sikka hanya

memiliki tiga buah rumah sakit dan 57 orang dokter. Jumlah seperti ini tentunya

tidak sebanding dengan jumlah penduduk saat itu sebesar 300.328 jiwa. Jauhnya

tempat pelayanan kesehatan menyebabkan masyarakat harus mengeluarkan dana

lebih untuk memeriksakan kesehatannya. Hal ini tentunya akan membebani

sebagian masyarakat yang memiliki latar belakang perekonomian yang rendah.Berdasarkan masalah diatas, penulis mengembangkan sebuah sistem pakar

berbasis mobile yang mampu membantu masyarakat untuk mendiagnosis

penyakit-penyakit akibat gigitan nyamuk sehingga masyarakat dapat mengambil

langkah cepat untuk menanggulangi penyakit tersebut. Untuk menangani masalah

ketidakpastian data, sistem ini menggunakan Teorema Bayes. Sistem ini dapat

membantu Dinas Kesehatan Kabupaten Sikka untuk memonitoring perkembangan

penyakit akibat gigitan nyamuk melalui media grafik. Berdasarkan hasil pengujian

yang dilakukan terhadap empat orang dokter, tiga orang operator dan 30

pasien/masyarakat yang sedang atau pernah mengalami penyakit akibat gigitan

nyamuk maka dapat disimpulkan bahwa sistem ini dapat memberikan kontribusi,

baik bagi pasien maupun dokter untuk melakukan diagnosis penyakit.

Kata Kunci: Sistem Pakar, Penyakit Akibat Gigitan Nyamuk, Short MessageService, Teorema Bayes


7/374

vi

ABSTRACT

At Sikka district, mosquito is a source infecting agent of malaria, dengue,

chikungunya and elephantiasis. On 2010, these diseases have been popular with

the founding of many cases that consist of 19.763 Malaria, 861 Dengue, 20

Chikungunya and 5.252 Elephantiasis. The lack of medical structure and

infrastructure and bad geographical condition was being a causal factors. The

SIkka district was only has three hospital and 57 doctors. This amount is unequal

with the recent population as much as 300.328 peoples. The far of health service

places was causing the people more paying in order to examining their health.

This will burden the person that has a lowest economic condition. Based on the

problem above, the author was developing an expert system based on mobile that

able to helping people to diagnosing the disease that caused from mosquito bite sothat the people able to take an emergency action to handling this disease. To

handling the uncertain data, this system was using Teorema Bayes. This system

can helping Health Department of Sikka District in order to monitoring the

increasing of disease that caused by mosquito bite through graphical media. Based

on test result on four doctor, three operator and 30 patients/persons while or has

been suffering the disease that caused by mosquito bite announced this system can

give a contribution to the patients and doctor in order to diagnosing the disease.

Keyword: Expert System, Disease Caused By Mosquito Bite, Short Message

Service, Teorema Bayes


8/374

vii

MOTTO

Orang yang berhasil tidak pernah menyerah

Orang yang menyerah tidak pernah berhasil


9/374

viii

HALAMAN PERSEMBAHAN

Kupersembahkan hasil karyaku ini teristimewa kepada:

Bapa di Surga,

Tuhan Yesus Kristus dan Bunda Maria,

terima kasih atas segala berkat dan bimbingan-Nya.

Bapak Bonefasius Nurak, Alm dan Mama Editha Avelina, Alma.

Bapak Thobias Soman, Mama Flaviana Rona dan Mama Ivonia Mati,

terima kasih atas segala doa dan dukungannya.

Kakak Yohanes sekeluarga, kakak Elisabeth sekeluarga, adik Theresia, kakak

Nona, Bapak Yosep Dare sekeluarga, Mama Bura sekeluarga, Mama Gode

sekeluarga, Kakak Leksi, Kakak Yus, Kakak Lony, Kakak Yoris, Sahabatku

Maz Preng dan Erika, terima kasih atas segala doa dan dukungannya.

Teman-teman seperjuangan MTF angkatan 2010, 2011 dan 2012 serta semua

sahabat yang tidak dapat kusebutkan namanya satu per satu,

terima kasih buat doa dan dukungannya.


10/374

ix

KATA PENGANTAR

Puji dan syukur Penulis sampaikan kepada Bapa di Surga, Tuhan Yesus

Kristus dan Bunda Maria, karena atas segala berkat dan bimbingan-Nya penulis

dapat menyeleslesaikan tesis dengan judul Sistem Pakar Berbasis Mobile untuk

Membantu Mendiagnosis Penyakit Akibat Gigitan Nyamuk (SiPamuk). Tesis ini

merupakan syarat untuk memperoleh gelar Sarjana Strata 2 (S2) pada Program

Studi Magister Teknik Informatika Universitas Atma Jaya Yogyakarta.

Tesis ini dapat terlaksana dengan baik atas bimbingan dan bantuan banyak

pihak. Oleh karena itu, pada kesempatan ini Penulis ingin mengucapkan terima

kasih kepada:

1. Bapak Y. Sigit Purnomo W.P., S.T., M.Kom. selaku dosen pembimbing I

yang telah meluangkan banyak waktu dan tenaga untuk membantu penulis

dalam memberikan arahan dan masukan terkait tesis yang penulis kerjakan.

2. Ibu Dra. Ernawati, M.T., selaku Ketua Prodi MTF dan sekaligus sebagai

dosen pembimbing II yang telah memberikan banyak arahan, koreksi dan

masukan untuk perbaikan tesis penulis.

3. Bapak Eddy Julianto, S.T., M.T., selaku dosen penguji yang telah menguji

tugas akhir penulis.

4. Para Dosen MTF yang sangat baik hati membagikan ilmu serta keramahan,

staff Admisi yang selalu membantu Penulis

5.

Masyarakat Kabupaten Sikka khususnya masyarakat Desa Bloro yang telah

menyediakan waktu untuk mengisi kuesioner.

6.

Bapak Bonefasius Nurak, Alm., Mama Editha Avelina, Alma., Bapak Thobias

Soman, Mama Flaviana Rona dan Mama Ivonia Mati, orang tua yang selalu

mendoakan penulis.

7. Kakak Yohanes sekeluarga, kakak Elisabeth sekeluarga, adik Theresia, kakak

Nona, Bapak Yosep Dare sekeluarga, Mama Bura sekeluarga, Mama Gode

sekeluarga, Kakak Leksi, Kakak Yus, Kakak Lony, Kakak Yoris, Sahabatku

Maz Preng dan Erika, yang selalu mendoakan dan mendukung penulis.


11/374

x

8.

Teman-teman seperjuangan: Rian, Kribo yang paling cantik dan modiz, Kak

Indri yang baik hati, Bud, Maz Yuba, EzKade, Mr. R, Rio, Nyong Ambon,

Bapa Patris selalu tersenyum, PNS, Maz Ardi, Maz Bimo, Maz Martinus, Bu

Melda dan Bapa Oscar yang selalu ceria dan semua teman lainnya yang tak

dapat penulis sebutkan namanya satu per satu terima kasih atas kebersamaan

serta kekompakan kita untuk selalu saling menguatkan.

9.

Teman-teman seperjuangan MTF Angkatan 2010 dan 2012: Pa Max, Pa

Payong, Pa Tedy, Kak Benya, Kak Kris, Kak Jose, Bapak Ono yang selalu

ada, Maz Hogi, Ragil, David dan semua teman yang tak dapat penulis

sebutkan namanya satu per satu. Terima kasih atas kerbersamaan dan

kekompakan kita selama ini.

Penulis menyadari tesis ini masi jauh dari kesempurnaan. Kritik dan saran

yang membangun sangat diharapkan untuk dijadikan acuan perbaikan ke arah

yang lebih baik. Akhir kata, semoga laporan tesis ini dapat bermanfaat bagi

pembaca.

Yogyakarta, Juli 2012

Penulis


12/374

xi

DAFTAR ISI

HALAMAN JUDUL .............................................................................................. i

HALAMAN PENGESAHAN DOSEN PEMBIMBING ...................................... ii

HALAMAN PENGESAHAN TIM PENGUJI .................................................... iii

HALAMAN PERNYATAAN ............................................................................. iv

INTI SARI ............................................................................................................. v

ABSTRACT ......................................................................................................... vi

MOTTO .............................................................................................................. vii

HALAMAN PERSEMBAHAN ........................................................................ viii

KATA PENGANTAR ......................................................................................... ix

DAFTAR ISI ........................................................................................................ xi

DAFTAR TABEL ............................................................................................... xv

DAFTAR GAMBAR ........................................................................................ xvii

DAFTAR LAMPIRAN ...................................................................................... xix

BAB I PENDAHULUAN ..................................................................................... 1

A. Latar Belakang .......................................................................................... 1

B. Rumusan Masalah ..................................................................................... 4

C. Batasan Masalah ........................................................................................ 4

D. Keaslian Penelitian .................................................................................... 5

E. Tujuan dan Manfaat Penelitian .................................................................. 5

BAB II TINJAUAN PUSTAKA ........................................................................... 7

A. Tinjauan Pustaka ....................................................................................... 7


13/374

xii

B. Landasan Teori .......................................................................................... 17

1. Kecerdasan buatan secara umum .......................................................... 17

2. Sistem pakar (expert system) ................................................................. 18

3. Komponen sistem pakar ........................................................................ 19

4. Representasi pengetahuan (knowledge representation) ........................ 23

5. Penyakit-penyakit akibat gigitan nyamuk ............................................. 24

6. Ketidakpastian dengan Teorema Bayes ................................................ 31

7. Sistem Informasi Mobile ....................................................................... 33

8. Short Message Service (SMS) ............................................................... 34

9. Kabupaten Sikka ................................................................................... 40

BAB III METODOLOGI PENELITIAN.............................................................. 43

A. Studi Kepustakaan ..................................................................................... 43

B. Metode Observasi ...................................................................................... 43

C. Kuesioner .................................................................................................. 44

D. Metode Pengembangan Perangkat Lunak ................................................. 44

1. Analisis kebutuhan perangkat lunak ..................................................... 44

2. Perancangan perangkat lunak ................................................................ 44

3. Implementasi perangkat lunak (coding ) ................................................ 44

4. Pengujian perangkat lunak .................................................................... 44

BAB IV ANALISIS DAN PERANCANGAN SISTEM ...................................... 46

A. Deskripsi Sistem ....................................................................................... 46

1. Perspektif produk .................................................................................. 46

2. Fungsi produk ........................................................................................ 47


14/374

xiii

3. Flowchart Proses Auto Diagnosis SiPamuk (SMS Gateway) ............... 54

4. Algoritma diagnosis dengan Teorema Bayes ........................................ 56

5. Sosialisasi SiPamuk ke masyarakat ....................................................... 57

6. Karakteristik pengguna.......................................................................... 58

B. Kebutuhan Khusus .................................................................................... 58

1. Kebutuhan antarmuka eksternal ............................................................ 59

a. Antamuka pemakai ........................................................................... 59

b. Antarmuka perangkat keras .............................................................. 59

c. Antarmuka perangkat lunak .............................................................. 59

2. Kebutuhan fungsionalitas perangkat lunak ........................................... 60

a. Use case SiPamuk ............................................................................. 60

b. Entity Relationship Diagram (ERD) ................................................ 61

C. Peracangan Perangkat Lunak .................................................................... 61

1. Perancangan arsitektur layar ................................................................. 61

2. Class diagram ....................................................................................... 62

3. Dekomposisi data .................................................................................. 64

4. Perancangan antarmuka ......................................................................... 66

BAB V IMPLEMENTASI DAN PENGUJIAN ................................................... 67

A. Implementasi ............................................................................................. 67

1. Proses implementasi SiPamuk .............................................................. 67

2. File hasil implementasi SiPamuk .......................................................... 69

3. Antarmuka SiPamuk ............................................................................. 75

B. Pengujian Sistem ....................................................................................... 97


15/374

xiv

1. Pengujian fungsionalitas ....................................................................... 97

2. Stress testing ........................................................................................106

3. Pengujian pengguna ............................................................................108

C. Analisis Kelebihan dan Kekurangan Sistem ...........................................116

1. Kelebihan ............................................................................................116

2. Kekurangan .........................................................................................116

BAB VI KESIMPULAN DAN SARAN ............................................................118

A. Kesimpulan .............................................................................................118

B. Saran ........................................................................................................118

DAFTAR PUSTAKA

DAFTAR LAMPIRAN


16/374

xv

DAFTAR TABEL

Tabel 1. Kasus Penyakit Akibat Gigitan Nyamuk (2010) .................................... 2

Tabel 2. Perbandingan Penelitian .......................................................................... 14

Tabel 3. Nilai Probabilitas Populasi Penyakit Akibat Gigitan Nyamuk

di Kabupaten Sikka Tahun 2010 ............................................................. 30

Tabel 4. Daftar Gejala Penyakit Akibat Gigitan Nyamuk .................................... 30

Tabel 5. AT Command yang Digunakan pada SMS Server ................................. 36

Tabel 6. Skema Format SMS PDU Pengirim........................................................ 37

Tabel 7. Validity Period ........................................................................................ 38

Tabel 8. Skema Format SMS PDU Penerima ....................................................... 39

Tabel 9. Tabel Kecamatan..................................................................................... 64

Tabel 10. Tabel Desa............................................................................................. 64

Tabel 11. Tabel Pustu ............................................................................................ 64

Tabel 12. Tabel Pasien .......................................................................................... 64

Tabel 13. Tabel Diagnosis..................................................................................... 65

Tabel 14. Tabel Penyakit....................................................................................... 65

Tabel 15. Tabel Rule ............................................................................................. 65

Tabel 16. Tabel Gejala .......................................................................................... 65

Tabel 17. Tabel Inbox ........................................................................................... 66

Tabel 18. Tabel Outbox ......................................................................................... 66

Tabel 19. Tabel Operator ...................................................................................... 66

Tabel 20. File Hasil Implementasi SiPamuk ......................................................... 70

Tabel 21. Tabel Dalam Basis Data ........................................................................ 74


17/374

xvi

Tabel 22. Deskripsi dan Hasil Pengujian .............................................................. 98

Tabel 23. Stress Testing ......................................................................................106

Tabel 24. Hasil Kuesioner Pilihan Jawaban Masyarakat ....................................108

Tabel 25. Hasil Kuesioner Pilihan Jawaban Operator ........................................111

Tabel 26. Hasil Kuesioner Pilihan Jawaban Dokter............................................113


18/374

xvii

DAFTAR GAMBAR

Gambar 1. Komponen Sistem Pakar ..................................................................... 19

Gambar 2. Arsitektur SiPamuk ............................................................................. 47

Gambar 3. Flowchart Proses Auto Diagnosis SiPamuk (SMS Gateway) ............ 55

Gambar 4. Use Case Diagram Sipamuk ............................................................... 60

Gambar 5. Entity Relationship Diagram SiPamuk ............................................... 61

Gambar 6. Layer Architecture............................................................................... 62

Gambar 7. Class Diagram SiPamuk ..................................................................... 63

Gambar 8. Implementasi SiPamuk ........................................................................ 67

Gambar 9. Antarmuka Halaman Login ................................................................. 75

Gambar 10. Antarmuka Halaman Utama Server .................................................. 77

Gambar 11. Antarmuka Halaman Utama Client ................................................... 77

Gambar 12. Antarmuka Tab Operator .................................................................. 78

Gambar 13. Antarmuka Tab Kecamatan ............................................................... 79

Gambar 14. Antarmuka Tab Desa ......................................................................... 79

Gambar 15. Antarmuka Tab Pustu ........................................................................ 80

Gambar 16. Antarmuka Tab Penyakit ................................................................... 81

Gambar 17. Antarmuka Tab Gejala ...................................................................... 81

Gambar 18. Antarmuka Tab Rule ......................................................................... 82

Gambar 19. Contoh SMS Registrasi Pasien .......................................................... 83

Gambar 20. Flowchart Auto Registrasi ................................................................. 83

Gambar 21. SMS Hasil Registrasi Pasien ............................................................. 84

Gambar 22. Contoh SMS Diagnosis ..................................................................... 84


19/374

xviii

Gambar 23. Flowchart Auto Diagnosis ................................................................ 85

Gambar 24. SMS Hasil Diagnosis ........................................................................ 87

Gambar 25. Contoh SMS Bantuan ........................................................................ 88

Gambar 26. Flowchart Permintaan Bantuan ......................................................... 89

Gambar 27. SMS Informasi bantuan SiPamuk ..................................................... 89

Gambar 28. Antarmuka Tab Kelola Inbox............................................................ 90

Gambar 29. Antarmuka Tab Kelola Outbox ......................................................... 91

Gambar 30. Antarmuka Tab Data Pasien .............................................................. 91

Gambar 31. Antarmuka Tab Data Diagnosis ........................................................ 92

Gambar 32. Antarmuka Halaman Cetak laporan dan Brosur ............................... 92

Gambar 33. Antarmuka halaman Ubah Password ................................................ 93

Gambar 34. Laporan Rekap Pasien ....................................................................... 93

Gambar 35. Laporan Riwayat Diagnosis .............................................................. 94

Gambar 36. Grafik Kasus Penyakit Akibat Gigitan Nyamuk ............................... 94

Gambar 37. Laporan Rekap Hasil Diagnosis ........................................................ 95

Gambar 38. Brosur Gejala Penyakit Akibata Gigitan Nyamuk ............................ 95

Gambar 39. Brosur Penyakit Pencegahan dan Pengobatan .................................. 96

Gambar 40. Brosur Daftar Puskesmas Pembantu ................................................. 96

Gambar 41. Grafik Hasil Pengujian Pengguna (Masyarakat) .............................110

Gambar 42. Grafik Hasil Pengujian Pengguna (Operator) .................................112

Gambar 43. Grafik Hasil Pengujian Pengguna (Dokter) ....................................115


20/374

xix

DAFTAR LAMPIRAN

Lampiran 1. Kuesioner

Lampiran 2. Spesifikasi Kebutuhan Perangkat Lunak

Lampiran 3. Deskripsi Perancangan perangkat Lunak

Lampiran 4. Perencanaan, Deskripsi dan hasil uji Perangkat Lunak

Lampiran 5. Sertifikat Publikasi Tesis


21/374


22/374

BAB I

PENDAHULUAN

A. Latar Belakang

Dewasa ini perkembangan teknologi informasi dan komunikasi telah

merambah ke berbagai bidang kehidupan manusia, tak terkecuali bidang

kesehatan yang senantiasa mengadaptasi perkembangan teknologi tersebut.

Beberapa institusi kesehatan seperti rumah sakit, klinik, laboratorium dan bahkan

puskesmas serta Dinas Kesehatan sudah banyak yang mengadopsi teknologi ini.

Penggunaan teknologi informasi memang sudah dirasa perlu dalam mengolah data

dan informasi kesehatan yang jumlahnya tidak terbatas. Tidak hanya untuk

meingkatkan efektifitas pelayanan, aksesibilitas terhadap data kesehatan dan

peningkatan efisiensi, teknologi informasi juga akan sangat membantu dalam

proses diagnosis, pemantauan dan pengevaluasian penyakit-penyaki akbat gigitan

nyamuk yang terjadi pada suatu daerah tertentu.

Menurut data Badan Pusat Statistik (BPS) (2010), Kabupaten Sikka

merupakan daerah kepulauan dengan total luas daratan 1.731,91 km2. Terdapat 18

pulau, baik yang didiami ataupun tidak. Sebagian besar penduduknya tinggal di

daerah berbukit-bukit dan terpencil dengan kondisi lingkungan yang tidak baik,

sarana transportasi yang sulit, akses pelayanan kesehatan kurang, tingkat

pendidikan dan sosial ekonomi masyarakat yang rendah, serta buruknya perilaku

masyarakat terhadap kebiasaan hidup sehat. Kondisi daerah seperti ini dapat

menimbulkan berbagai macam penyakit yang dapat meresahkan warga. Penyakit

yang paling banyak ditemukan di daerah ini adalah penyakit-penyakit yang

1


23/374

2

disebabkan oleh gigitan nyamuk seperti demam berdarah, malaria, chikungunya

dan kaki gajah ( filariasis). Penyakit ini akan menjadi semakin banyak di saat

terjadi perubahan iklim seperti peralihan musim kemarau ke musim hujan atau

sebaliknya (Kementrian Kesehatan RI, 2011).

Tabel 1 berikut ini menunjukan jamlah kasus penyakit akibat gigitan nyamuk

menurut data BPS Kabupaten Sikka dan Kementrian Kesehatan RI tahun 2010.

Tabel 1. Kasus Penyakit Akibat Gigitan Nyamuk (2010)

Nama Penyakit Kabupaten Sikka Indonesia

Malaria 19.763 229.819

Demam Berdarah 861 157.444

Kaki Gajah/ Filariasis 5.252 11.969

Chikungunya 20 53.899

Permasalahan lain yang sering muncul adalah kurangnya sarana dan

prasarana medis. Menurut data BPS (2010), Kabupaten Sikka hanya memiliki tiga

rumah sakit, 22 puskesmas/pustu, 598 posyandu, 57 orang dokter, 428 perawat

dan bidan. Jumlah ini tentunya tidak sebanding dengan jumlah penduduk

Kabupaten Sikka yang pada waktu itu berjumlah 300.328 jiwa, dengan rata-rata

kepadatan penduduk 173,41 jiwa per km². Hal ini mengakibatkan banyak

masyarakat yang enggan untuk memeriksakan penyakit yang diderita jika

penyakit tersebut belum parah. Oleh karena itu, diperlukan sebuah alat yang dapat

memudahkan masyarakat untuk memeriksakan atau mendiagnosis penyakit

mereka serta saran pengobatannya.

Telepon selular adalah sebuah alat yang memudahkan manusia untuk

berkomunikasi atau bertukar informasi jarak jauh. Banyak fitur-fitur yang tersedia


24/374

3

didalamnya, salah satu diantaranya adalah Short Message Service (SMS). Media

informasi melalu SMS sudah sangat umum dipakai dan bahkan sudah menjadi

kebutuhan masyarakat Kabupaten Sikka pada khususnya. Pengguna telepon

selular di kabupaten ini sudah mencapai 202.447 pengguna (Telkomsel, 11 April

2012). Layanan yang sangat efektif, efisien dan murah, memudahkan

penyampaian informasi kepada masyarakat yang bertempat tinggal di daerah-

daerah terpencil yang sulit terjangkau oleh kendaraan bermotor. Dengan adanya

SMS masyarakat akan diberi kemudahan untuk memperoleh berbagai informasi

diantaranya informasi yang berhubungan dengan kesehatan termasuk kemudahan

dalam mendiagnosis penyakit serta penanggulangannya.

Sistem pakar merupakan solusi tepat untuk menyelesaikan masalah diatas.

Namun informasi yang benar dari pengguna pun sangat menentukan untuk

menampilkan hasil yang benar. Jawaban yang diberikan pengguna belum tentu

memiliki kepastian yang penuh. Hal ini tentunya akan mengakibatkan

ketidaksempurnaan hasil diagnosa.

Sistem pakar yang baik harus berdasarkan pada metode-metode tertentu untuk

hasil yang akurat. Salah satu metode yang diterapkan dalam sistem pakar adalah

Teorema Bayes. Metode ini dapat melakukan pengambilan keputusan ( inferensi)

probabilistik. Inferensi Probabilistik memprediksi nilai variabel yang tidak dapat

diketahui secara langsung dengan menggunakan nilai-nilai variabel lain yang telah

diketahui. Pada banyak kasus, teorema ini terkenal dengan keakuratannya yang

tinggi (Purnamawati, 2011).


25/374

4

Berdasarkan latar belakang diatas maka penulis akan mengembangkan sistem

pakar berbasis mobile yang mampu mendiagnosa penyakit-penyakit akibat gigitan

nyamuk yang diderita oleh masyarakat Kabupaten Sikka. Dengan demikian

masyarakat tidak perlu lagi bersusah payah untuk memeriksakan dirinya ke rumah

sakit atau puskesmas yang letaknya jauh dari tempat tinggalnya. Hanya dengan

mengirimkan SMS gejala-gejala yang diderita, mereka langsung mengetahui jenis

penyakit apa yang diderita serta saran pengobatannya. Untuk mengatasi masalah

ketidakpastian data, digunakan Teorema Bayes.

B. Rumusan Masalah

Berdasarkan latar belakang diatas, maka rumusan masalah dalam penelitian

ini adalah bagaimana mengembangkan sebuah sistem pakar berbasis mobile untuk

membantu mendiagnosis penyakit akibat gigitan nyamuk?

C. Batasan Masalah

Agar pembahasan tidak melebar dari topik, maka penulis membatasi

permasalahan penelitian yaitu:

1.

Sistem pakar berbasis mobile untuk membantu mendiagnosis penyakit akibat

gigitan nyamuk akan diterapkan pada kantor Dinas Kesehatan Kabupaten

Sikka.

2. Metode ketidakpastian yang digunakan adalah Teorema Bayes.

3. Interaksi antara sistem dan user melalui SMS. User akan mengetikkan lalu

mengirimkan kata kunci yaitu beberapa kode gejala yang dialaminya

kemudian sistem akan mendiagnosis dan membalas SMS dari pengguna yang

meliputi jenis penyakit yang diderita serta saran pengobatannya.


26/374

5

4.

Penyakit-penyakit akibat gigitan nyamuk yang dibahas dalam penelitian ini

adalah malaria, demam berdarah, chikungunya dan kaki gajah.

D. Keaslian Penelitian

Penelitian yang dibuat mengenai pengembangan sistem pakar berbasis mobile

untuk membantu mendiagnosis penyakit akibat gigitan nyamuk yang akan

diterapkan pada kantor Dinas Kesehatan Kabupaten Sikka ini belum pernah

dilakukan oleh peneliti lain.

E. Tujuan dan Manfaat Penelitian

Tujuan dari penelitian ini adalah mengembangkan sistem pakar berbasis

mobile untuk membantu mendiagnosis penyakit akibat gigitan nyamuk.

Beberapa manfaat yang akan diperoleh dari penelitian ini adalah sebagai berikut:

1.

Bagi Dinas Kesehatan Kabupaten Sikka

Memberikan kemudahan bagi Dinas Kesehatan Kabupaten Sikka untuk

memantau dan mengevaluasi penyakit-penyaki akibat gigitan nyamuk yang

terjadi di Kabupaten Sikka.

2. Bagi Masyarakat

a.

Membantu masyarakat yang tinggal di daerah terpencil atau jauh dari

sarana dan prasarana kesehatan serta daerah yang berpotensi terhadap

penyakit akibat gigitan nyamuk secara khusus masyarakat Kabupaten

Sikka untuk mendiagnosis penyakit berdasarkan gejala-gejala yang

dialami.


27/374

6

b.

Memudahkan penanganan penyakit akibat gigitan nyamuk dimana melalui

hasil diagnosis melalui media SMS, masyarakat dapat mengambil tindakan

cepat untuk mengatasi penyakit tersebut.

3. Bagi Pembaca

Dapat dijadikan sebagai bahan referensi di bidang penelitian sistem pakar

berbasis mobile.


28/374


29/374

BAB II

TINJAUAN PUSTAKA

A. Tinjauan Pustaka

Sistem pakar adalah sebuah sistem yang menggunakan pengetahuan manusia.

pengetahuan tersebut dimasukan ke dalam sebuah komputer dan kemudian

digunakan untuk menyelesaikan masalah-masalah yang biasanya membutuhkan

kepakaran atau keahlian manusia (Sutojo, Mulyanto, Suhartono, 2010). Seseorang

yang bukan pakar menggunakan sistem pakar untuk menyelesaikan masalah-

masalah yang dihadapi diantaranya masalah kesehatan dan pertanian, sedangkan

seorang pakar menggunakan sistem pakar untuk knowledge assistant . Dalam

bidang kesehatan, sistem pakar ini tentunya akan sangat memudahkan masyarakat

untuk mendiagnosis penyakit tanpa harus bertemu langsung dengan dokter (Patra,

Sahu, Mandal, 2010). Dalam bidang pertanian, sistem pakar dapat membantu para

petani untuk mengidentifikasi jenis penyakit atau hama yang menyerang

tanamannya (Sarma, Singh, Abhijeet, 2010).

Media interaksi antara pengguna dan sistem pakar dapat melalui SMS,

website dan komputer desktop. Dari ketiga media ini, SMS merupakan pilihan

yang tepat khususnya untuk masyarakat di Kabupaten Sikka. Hal ini disebabkan

karena saat ini penggunaan telepon selular sebagai penyedia layanan SMS sudah

sangat umum dipakai dan bahkan sudah menjadi kebutuhan (Bose, Nahid, Islam,

Saha, 2010). Layanan yang sangat efektif, efisien dan murah, memudahkan

penyampaian informasi kepada masyarakat yang bertempat tinggal di daerah-

7


30/374

8

daerah terpencil yang sulit terjangkau oleh kendaraan bermotor (Katankar,

Thakare, 2010).

Sistem pakar yang muncul pertama kali adalah General-purpose Problem

Solver (GPS) yang dikembangkan oleh Newel dan Simon pada pertengahan tahun

1960. Sampai saat ini sudah banyak sistem pakar yang dibuat dan dikembangkan

di berbagai bidang kehidupan diantaranya yang paling sering ditemukan adalah

bidang kesehatan dan pertanian.

Pada penelitian-penelitian sebelumnya di bidang kesehatan, menunjukan

bahwa salah satu penyakit mematikan yang paling ditakuti adalah malaria.

Penyakit ini ditimbulkan akibat gigitan nyamuk betina dewasa yang ditularkan

kepada manusia lewat kelenjar ludah (Mathur, Vargas, Alvarez, Olson, Marinotti,

James, 2010). Banyak penelitian yang dilakukan untuk mengatasi penyakit ini,

diantaranya adalah penelitian untuk mengevaluasi vaksin malaria (Small, Chengy,

Havez, 2010) dan penelitian cross-sectional untuk menilai tingkat kepatuhan

penyedia layanan kesehatan terhadap pedoman pengendalian malaria (Ray, Nair,

2011). Selain melalui evaluasi vaksin dan cross-sectional , sistem pakar juga dapat

menjadi pilihan yang tepat untuk membantu pasien melakukan diagnosis serta

mengatasi penyakit malaria.

Pada tahun 2011, Djam, Wajiga, Kimbi dan Blamah melakukan sebuah

penelitian tentang sistem pakar untuk mendiagnosa penyakit malaria

menggunakan metode Fuzz Logic dan knowledge base. Sistem ini mampu

menbantu pasien, dokter, peneliti dan praktisi untuk mengidentifikasi penyakit

malaria dengan baik berdasarkan gejala-gejala yang ditimbulkan. Selain


31/374

9

menggunakan metode Fuzz Logic dapat juga menggunakan aturan inferensi

terhadap basis pengetahuan (Oluwagbemi, Adeoye, Fatumo, 2009). Data yang

digunakan untuk mengisi basis pengetahuan diperoleh dari studi literatur dan para

pakar kesehatan. Hal ini tentunya akan menghasilkan representasi pengetahuan

yang lebih baik (Biswas, Bairagi, Panse dan Shinde, 2011).

Chen, Hsu, Liu dan Yang (2008) mengembangkan sebuah sistem pakar

berbasis web untuk mendiagnosis gizi. Sistem ini berbasis aturan. Aturan-aturan

tersebut disimpan dalam sebuah database SQL. Hal ini tentunya akan

memberikan kemudahan apabila suatu saat terjadi penambahan aturan atau

pengetahuan baru. Sistem pakar ini memiliki kemampuan untuk mendiagnosis

gizi pasien dengan baik berdasarkan beberapa data inputan seperti data pasien,

data antropometrik, data pemeriksaan fisik, data biokimia dan data makanan atau

nutrisi. Setelah data diisi secara lengkap sistem akan melakukan inferensi

terhadap basis aturan dan membuat diagnosa gizi. Setelah itu ahli diet akan

membuat keputusan. Penelitian ini dilakukan dengan menganalisis data yang

diperoleh dari 100 pasien penderita ginjal kronis, yaitu data albumin, kolesterol

dan beberapa data pendukung lainnya. Setelah dibandingkan hasilnya,

disimpulkan bahwa sistem pakar lebih cepat dan lebih akurat daripada ahli diet

manusia.

Sementara itu pada tahun yang sama Naser dan Ola mengembangkan sebuah

sistem pakar untuk mendiagnosa penyakit mata menggunakan aturan inferensi

terhadap basis pengetahuan. Sistem ini sangat membantu pasien untuk


32/374

10

mendiagnosis penyakit mata dan dapat dijadikan sebagai alat pelatihan interaktif

mengenai penyakit mata.

Mahmoodabadi, Ahmadian, Abolhasani, Babyn dan Alirezaie (2010)

melakukan sebuah penelitian tentang sistem pakar untuk mendeteksi aritmia atau

pola atau perubahan yang cepat dari denyut jantung normal menggunakan Fuzz

Logic. Sistem pakar ini mampu mendeteksi 14 jenis aritmia dan kelainan jantung

dengan baik.

Pada tahun yang sama, Uminingsih mengembangkan sebuah sistem informasi

dugaan sementara penentuan jenis penyakit dengan gejala demam menggunakan

sistem pakar berbasis SMS. Metode yang digunakan adalah Certainty Factor

(CF). Hasil penelitian menunjukan bahwa dengan penyakit yang sama mempunyai

CF yang berbeda, hal ini dikarenakan ada beberapa penyakit mempunyai

kesamaan gejala dengan penyakit yang lain. CF ini dihasilkan berdasarkan

perhitungan perkalian CF dari gejala dengan CF dari pakar. Akses informasi

dilakukan menggunakan media SMS dengan bantuan SMS gateway yang dapat

menghubungkan PC dengan mobile phone terminal yang berperan transfer data

komputer dengan handphone terminal .

Bria (2011) mengembangkan sebuah aplikasi sistem pakar untuk

mendiagnosis penyakit umum seperti diare, TBC paru, HIV-AIDS, malaria,

anemia, hipertensi, infeksi saluran pernafasan bagian atas akut, pneumonia,

bronkhitis akut, dispepsia, apendiks dan infeksi saluran kencing. Penyakit-

penyakit ini banyak ditemukan pada masyarakat Kabupaten Belu, Nusa Tenggara

Timur. Sistem pakar ini berhasil dibangun dan dapat membantu dokter untuk


33/374

11

mempermudah pekerjaan mereka dalam mendiagnosis penyakit dan

mempermudah masyarakat untuk mendiagnosis jenis penyakit umum yang

diderita. Berdasarkan hasil pengujian pada tiga orang dokter dan 30 pengguna

web, 93.93% jawaban menunjukan setuju bahwa sistem ini dapat memberikan

kontribusi kepada masyarakat atau dokter dalam hal mendiagnosa penyakit.

Metode yang digunakan untuk proses pengambilan keputusan dalam sistem pakar

ini adalah Forward Chaining . Sedangkan untuk menangani masalah

ketidakpastian data menggunakan CF dengan range nilai nol hingga satu. Tool

yang digunakan adalah PHP dengan database MySQL.

Pada tahun yang sama Klaudius mengembangkan sebuah sistem pakar untuk

mengidentifikasi penyakit pada kelinci. Penelitian ini dilakukan di daerah

Yogyakarta. Sistem pakar ini memiliki kemampuan untuk mengidentifikasi jenis

penyakit pada kelinci berdasarkana gejala-gejala yang ditimbulkan secara umum

serta mampu menyajikan informasi dengan cepat dan user-friendly. Sistem ini

menggunakan teknik pelacakan Forward Chaining dalam mendiagnosa dan

metode CF untuk menunjukan nilai kepastian terhadap suatu diagnosa. Tools yang

digunakan dalam mengembangkan aplikasi ini adalah PHP, editor dreamweaver 8

dan MySQL.

Selain digunakan untuk membantu pasien dan dokter dalam mendiagnosa

penyakit malaria, mengidentifikasi gizi, penyakit mata, penyakit kelainan pada

jantung dan penyakit kanker payudara, sistem pakar juga dapat digunakan untuk

mendiagnosis penyakit-penyakit lainnya seperti penyakit kulit (Asghar, Saqib dan

Ahmad, 2011), tuberkolosis (Imianvan, Obi, 2011), migren (Maizels, Wolfe,


34/374

12

2008), diabetes (Derya dan Beyli, 2010), gagal jantung (Ceylan, Özbay dan

Karlik, 2010), keracunan (Navarro, Bandojo, Gatapia, Santos, Marcelo,

Panganiban dan Prospero, 2010) dan masih banyak lagi yang lainnya.

Selain di bidang kesehatan, sistem pakar juga banyak dikembangkan di

bidang lainnya seperti bidang pertanian. Sistem pakar dapat membantu para petani

untuk mendiagnosis penyakit-penyakit umum yang terjadi pada tanaman padi

selama masa hidup (Sarma, Singh, dan Abhijeet, 2010). Sistem pakar ini

dilengkapi dengan fasilitas explanation atau penjelasan (Darlington, 2011)

terhadap setiap gejala dan penyakit serta solusinya. Selain pada tanaman padi,

sistem pakar juga dapat membantu para petani untuk untuk mengidentifikasi

penyakit-penyakit utama pada tanaman kacang-kacangan (Devraj dan Jain, 2011).

Sistem ini menyediakan antar muka yang user-friendly. Pertanyaan-pertanyaan

yang diajukan berupa teks dan gambar. Urutan pertanyaan yang diajukan bersifat

dinamis tergantung pada jawaban dari petani.

Purnamawati (2011) melakukan sebuah penelitian sistem pakar untuk

mendiagnosa penyakit pada tanaman cabai merah menggunakan Metode

Bayesian. Sistem akan memberikan hasil berupa nama penyakit yang dilengkapi

dengan info penyakit hasil berdasarkan nilai kepastian dari guest . Nilai

probabilitas Bayesian adalah derajat keyakinan probabilitas pengguna terhadap

gejala yang dirasakan. Nilai probabilitas Bayesian terbesar yang dimiliki oleh

penyakit yang dihasilkan dari proses diagnosa adalah penyakit yang memiliki

kemungkinan terbesar yang diderita tanaman cabai merah milik guest .


35/374

13

Sistem pakar juga dapat dikembangkan dalam bidang lainnya seperti untuk

mendiagnosis kerusakan alat-alat elektronik (Aribowo dan Khomsah, 2011).

Dengan menggunakan metode forwar chaining dan Bayesian sistem ini mampu

mendiagnosis kerusakan alat-alat elektronik dengan syarat knowledge yang

dibutuhkan sudah tersedia. Sistem pakar dilengkapi dengan manajemen

ketidakpastian sehingga sistem tetap dapat memberikan hasil kesimpulan

walaupun fakta yang dimasukkan oleh pengguna tidak lengkap.


36/374

14

Tabel 2. Perbandingan Penelitian

No Penelitian Tujuan MetodeHasil

1 Chen, Y., Hsu, C., Liu,L., dan Yang, S., 2008,Constructing a nutrition

diagnosis expert system,

Expert Systems with

Applications, Vol. 39Issue 2, pp. 2132-2156

Membangun sebuah sistem pakar untuk Membantu ahlidiet untuk mendiagnosa gizi pasien berdasarkan dataantropometrik, data pemeriksaan fisik, data biokimia dan data makananatau nutrisi.

Aturaninferensi

Mampu mendiagnosa gizi pasien lebih cepat dan lebihakurat dari ahli diet manusia. Sistem ini berbasis aturan.Aturan-aturan dan pengetahuannya disimpan dalamsebuah database SQL. Hal ini tentunya akanmemberikan kemudahan apabila suatu saat terjadi penambahan aturan atau pengetahuan baru. Kelemahandari sistem ini adalah aksesnya terbatas saat ada koneksiinternet.

2 Naser, S.S.A., Ola,A.Z.A., 2008, An ExpertSystem for Diagnosing

Eye Diseases Using

Clips, Journal ofTheoretical and Applied

Information Technology,Vol. 4, pp. 923-930

Membangun sebuah sistem pakar untuk Membantudokter dan masyarakatuntuk mendiagnosa penyakit mata

Aturaninferensi

Sistem pakar ini sangat membantu pasien untukmendiagnosa penyakit mata khususnya pasien denganlatar latar belakang ekonominya rendah. Selain itu dapatdijadikan sebagai alat pelatihan interaktif mengenai penyakit mata. Kelemahan dari sistem ini adalahaksesnya terbatas saat ada koneksi internet.

3 Mahmoodabadi, S.Z.,Ahmadian, A.,Abolhasani, M., Babyn,P., dan Alirezaie, J.,2010, A fast expert system for

electrocardiogram

arrhythmia detection, Expert Systems The

Journal of Knowledge

Membangun sebuah sistem pakar untuk Membantudokter dan pasien untukmendeteksi aritmia atau pola atau perubahan yangcepat dari denyut jantungnormal

Logika Fuzzy System pakar ini mampu mendeteksi Empat belas jenisaritmia dan kelainan jantung. Penerapan filter waveletdengan fungsi scaling telah terbukti memberikan hasilyang tepat dalam penelitian ini. Kelemahan dari sistemini adalah aksesnya terbatas saat ada koneksi internet.


37/374

15

Engineering , Vol. 27, pp.180-200

4 Uminingsih, 2010, SistemInformasi DugaanSementara PenentuanJenis Penyakit DenganGejala DemamMenggunakan Sistem

Pakar Berbasis Sms,Jurnal TeknologiTechnoscientia, Vol. 2, No. 1, pp. 112-119

Membangun sebuah sisteminformas berbasis sistem pakar untukmengidentifikasi penyakitdengan gejala demam

Certainty Factor

Penggunaan sistem pakar dalam mendiagnosa penyakitdengan gejala demam ini memiliki tingkat keakuratadata yang baik. Dengan berbasis SMS, sistem inimenjadi sangat praktis untuk konsultasi penyakitdemam karena dapat diakses dimana saja dan kapan sajasejauh kondisi jaringan tidak ada masalah.

5 Bria, Y.P., 2011,Pengembangan SistemPakar untukMendiagnosis PenyakitUmum Berbasis Web,Tesis, Universitas AtmaJaya Yogyakarta

Mengembangkan sebuahsistem pakar untukmendiagnosis penyakit penyakit umum yangdiderita

ForwardChaining danCertainty

Factor

Berdasarkan hasil pengujian pada 3 orang dokter dan 30 pengguna web, 93.93% jawaban menunjukan setuju bahwa sistem ini dapat memberikan kontribusi kepadamasyarakat atau dokter dalam hal mendiagnosa penyakit. Kelemahan dari sistem ini adalah aksesnyaterbatas saat ada koneksi internet.

6 Klaudius, J.B.S., 2011,Pengembangan SistemPakar untukMengidentifikasiPenyakit pada Kelinci,Tesis, Universitas AtmaJaya Yogyakarta

Mengembangkan sebuahsistem pakar untukmengidentifikasi penyakit- penyakit pada kelinci berdasarkan gejala-gejalanya.

Forward

Chaining danCertainty Factor

Sistem pakar ini mampu menyajikan informasi dengancepat dan user friendly. Berdasarkan hasil uji dengan pengguna, sistem pakar ini menyampaikan hasilidentifikasi penyakit berupa yang diderita kelinci,definisi penyakit, tindakan yang harus dilakukanterhadap penyakit, penyebab penyakit dan solusi untuk penanganannya serta disertai dengan tingkatkepastiannya. Kelemahan dari sistem ini adalahaksesnya terbatas saat ada koneksi internet.

7 Purnamawati, M.M.D.,2011, Pengembangan

Membangun sebuah sistem pakar untuk

Bayesian Sistem ini sangat membantu para petani untukmengidentifikasi penyakit pada tanaman cabai merah


38/374

16

aplikasi sistem pakaruntuk diagnosa penyakit pada tanaman cabaimerah, Tugas Akhir,Univ. Atma JayaYogyakarta

mengidentifikasi penyakit pada tanaman cabai merah besar

dengan memberikan hasil berupa nama penyakit yangdilengkapi dengan info penyakit hasil berdasarkan nilaikepastian dari guest. Kelemahan dari sistem ini adalahaksesnya terbatas saat ada koneksi internet.

8 Aribowo, A.S., Khomsah,S., 2011, Sistem Pakar

dengan Beberapa Knowledge Base menggunakanProbabilitas Bayes danMesin Inferensi ForwardChaining , semnasIF2011, ISSN: 1979-2328, pp. D51-D58

Membangun sebuah sistem pakar untuk mendiagnosis

kerusakan alat-alatelsektronik

Bayes dan Forward

Chaining

Sistem pakar dapat mengelola knowledge untuk beberapa kasus dengan baik sehingga setiap knowledge

dapat bermanfaat untuk diagnosa setiap kasus tanpasaling mengganggu satu sama lain. Sistem pakar inidilengkapi dengan manajemen ketidak pastian sehinggadapat memberikan hasil kesimpulan walaupun faktayang dimasukkan oleh pengguna tidak lengkap.Kelemahan dari sistem ini adalah aksesnya terbatas saatada koneksi internet.

9 Emanuel Safirman Bata,2012, PengembanganSistem Pakar Berbasis Mobile untuk MembantuMendiagnosis PenyakitAkibat Gigitan Nyamuk,Universitas Atma JayaYogyakarta

Mengembangkan sebuahsistem pakar berbasismobile untuk membantumendiagnosis penyakitakibat gigitan nyamuk.

TeoremaBayes

Sistem pakar ini dapat membantu masyarakat yangtinggal di daerah terpencil atau jauh dari sarana dan prasarana kesehatan serta daerah yang berpotensiterhadap penyakit akibat gigitan nyamuk secara khususmasyarakat Kabupaten Sikka untuk mendiagnosis penyakit dengan tepat berdasarkan gejala-gejala yangdialami. Selain itu sistem ini dapat memberikankemudahan bagi Dinas Kesehatan Kabupaten Sikkauntuk memonitoring dan mengevaluasi programkesehatan serta surveilans penyakit-penyaki akbatgigitan nyamuk yang terjadi di Kabupaten Sikka.


39/374

17

Berdasarkan perbandingan penelitian pada tabel 2 dapat disimpulkan bahwa,

masalah-masalah yang akan diteliti penulis terkait dengan penyakit akibat gigitan

nyamuk yang terjadi di Kabupaten Sikka dapat diselesaikan dengan menggunakan

sistem pakar melalui media SMS. Metode yang digunakan adalah Teorema Bayes.

Dengan menggunakan sistem pakar berbasis SMS, pengguna diberi kemudahan

untuk mendiagnosa penyakit berdasarkan pada gejala-gejala yang timbul serta

dapat digunakan kapan dan dimana saja selama konektifitas jaringan telepon tidak

bermasalah. Teorema Bayes dalam penelitian ini digunakan sebagai metode atau

alat pengambilan keputusan untuk memperbaharui tingkat kepercayaan dari suatu

informasi serta dapat memberikan hasil kesimpulan walaupun gejala yang

dimasukkan oleh pasien tidak lengkap. Sistem pakar yang akan dikembangkan

penulis, menggunakan basis pengetahuan sehingga akan memberikan kemudahan

apabila suatu saat terjadi penambahan aturan atau pengetahuan baru seiring

dengan meningkatnya pengetahuan medis.

B. Landasan Teori

1. Kecerdasan buatan secara umum

Kecerdasan buatan berasal dari bahasa Inggris “ Artificial Intelligence” atau

disingkat AI, yaitu intelligence adalah kata sifat yang berarti cerdas, sedangkan

artificial artinya buatan. Kecerdasan buatan yang dimaksud disini merujuk pada

mesin yang mampu berpikir, menimbang tindakan yang akan diambil dan mampu

mengambil keputusan seperti yang dilakukan oleh manusia. Masalah yang

ditangani oleh kecerdasan buatan makin lama makin berkembang sehingga

memungkinkan bagi kecerdasan buatan untuk merambah ke bidang ilmu yang


40/374

18

lain. Sebagai contoh perpaduan antara teknik elektro dan kecerdasan buatan

melahirkan berbagai ilmu baru seperti pengolahan citra, teori kendali serta

pengenalan pola dan robotika. Sistem pendukung keputusan dan sistem informasi

manajemen adalah hasil kontribusi dari kecerdasan buatan (Sutojo, Mulyanto,

Suhartono, 2010).

2. Sistem pakar (expert system)

Sistem pakar adalah suatu sistem yang dirancang untuk dapat menirukan

keahlian seorang pakar dalam menjawab pertanyaan dan memecahkan suatu

masalah. Sistem pakar akan memberikan pemecahan suatu masalah yang didapat

dari dialog dengan pengguna. Dengan bantuan sistem pakar, seorang yang bukan

pakar atau ahli dapat menjawab pertanyaan, menyelesaikan masalah serta

mengambil keputusan yang biasanya dilakukan oleh seorang pakar (Sutojo,

Mulyanto, Suhartono, 2010).

Sistem pakar dapat memiliki banyak manfaat, diantaranya mampu bekerja

dengan informasi yang tidak lengkap atau tidak pasti. Pengguna dapat merespon

dengan: “tidak tahu” atau “tidak yakin” pada satu atau lebih pertanyaan selama

konsultasi dan sistem pakar tetap akan memberikan jawabannya. Bisa digunakan

sebagai media pelengkap dalam pelatihan. Pengguna pemula yang bekerja dengan

sistem pakar akan menjadi lebih berpengalaman karena adanya fasilitas penjelas

yang berfungsi sebagai guru. Sistem pakar dapat meningkatkan kemampuan untuk

menyelesaikan masalah karena sistem pakar mengambil sumber pengetahuan dari

banyak pakar. Selain itu sistem pakar juga memiliki kemampuan untuk

menangkap pengetahuan dan kepakaran seseorang, dapat beroperasi di lingkungan


41/374

19

yang berbahaya serta tidak pernah menjadi bosan dan kelelahan atau sakit (Sutojo,

Mulyanto, Suhartono, 2010).

3. Komponen sistem pakar

Ada dua bagian penting dari sistem pakar, yaitu lingkungan pengembangan

(development environment ) dan lingkungan konsultasi (consultation

environment ). Lingkungan pengembangan digunakan oleh pembuat sistem pakar

untuk membangun komponen-komponennya dan memperkenalkan pengetahuan

ke dalam knowledge base (basis pengetahuan). Lingkungan konsultasi digunakan

oleh pengguna untuk berkonsultasi sehingga pengguna mendapatkan pengetahuan

dan nasehat dari sistem pakar layaknya berkonsultasi dengan seorang pakar

(Sutojo, Mulyanto, Suhartono, 2010). Gambar 1 berikut ini menunjukan

komponen-komponen yang penting dalam sebuah sistem pakar

User

Antarmuka

Aksi yang

direkomendasi

Fasilitas

Penjelasan

Motor Inferensi

Blackboard

Rencana Agenda

Solusi Deskripsi

Masalah

Fakta-fakta tentang

kejadian tertentu

Basis Pengetahuan

Fakta : Apa yang diketahui

tentang area domain

Rule : Logical Reference

Perbaikan

Pengetahuan

Rekayasa

Pengetahuan

Pengetahuan

Pakar

Akuisisi Pengetahuan

Lingkungan Konsultasi Lingkungan Pengembangan

Gambar 1. Komponen Sistem Pakar (Sutojo, Mulyanto, Suhartono, 2010).


42/374

20

a. Akuisisi pengetahuan

Akuisisi pengetahuan digunakan untuk memasukan pengetahuan dari seorang

pakar dengan cara merekayasa pengetahuan agar bisa diproses oleh komputer dan

menaruhnya ke dalam basis pengetahuan dengan format tertentu. Ada beberapa

cara untuk mendapatkan pengetahuan yaitu:

1) Kuesioner

Metode ini dilakukan dengan cara membagikan daftar pertanyaan tertulis

kepada responden. Jawaban responden atas semua pertanyaan dalam kuesioner

kemudian dicatat atau direkam, kemudian diolah untuk menghasilkan suatu

informasi tertentu.

2) Observasi

Observasi adalah suatu metode yang menunjukan cara mengumpulkan data

dengan mengadakan pengamatan langsung terhadap suatu objek yang akan diteliti

dalam suatu periode tertentu dan mengadakan pencatatan secara sistematis tentang

hal-hal tertentu yang akan diamati. Materi dan pengetahuan hasil pengamatan

akan dikumpulkan dan digunakan sebagai acuan dalam penelitian.

3) Analisa dokumen

Analisa dokumen merupakan kegiatan pengumpulan dokumen-dokumen yang

berhubungan dengan materi penelitian kemudian dianalisa untuk menghasilkan

suatu informasi baru yang menunjang penelitian.


43/374

21

4) Wawancara

Wawancara adalah sebuah metode pencarian data melalui kegiatan tanya

jawab secara face to face antara peneliti dengan responden untuk mendapatkan

informasi secara lisan dengan tujuan untuk memperoleh data yang dapat

menjelaskan ataupun menjawab suatu permasalahan penelitian.

b. Basis pengetahuan (knowledge base)

Basis pengetahuan mengandung pengetahuan yang diperlukan untuk

memahami, memformulasikan dan menyelesaikan masalah. Basis pengetahuan

terdiri dari dua elemen dasar yaitu fakta dan rule. Fakta menunjukan situasi,

kondisi dan permasalahan yang ada. Misalkan fakta tentang jumlah kasus demam

berdarah, malaria, chikungunya dan kaki gajah berturut-turut yang terjadi di

Kabupaten Sikka pada tahun 2010 adalah 861, 19.763, 20 dan 5.252. Rule adalah

aturan untuk mengarahkan penggunaan pengetahuan dalam memecahkan masalah.

Misalkan aturan untuk menetapkan seseorang menderita penyakit akibat gigitan

nyamuk berdasarkan gijala-gejala yang dialami.

c. Mesin inferensi (inference engine)

Mesin inferensi adalah sebuah program yang berfungsi untuk memandu

proses penalaran terhadap suatu kondisi berdasarkan pada basis pengetahuan yang

ada, memanipulasi dan mengarahkan kaidah, model dan fakta yang disimpan

dalam basis pengetahuan untuk mencapai solusi atau kesimpulan. Dalam

prosesnya mesin inferensi menggunakan Teorema Bayes sebagai panduan dalam

melakukan proses penalaran (Sutojo, Mulyanto, Suhartono, 2010).


44/374

22

d. Dareah kerja (blackboard )

Blackboard adalah area kerja memori yang disimpan sebagai database untuk

deskripsi persoalan terbaru yang ditetapkan oleh data input dan digunakan juga

untuk penekanan hipotesis dan keputusan sementara. Tiga-tipe keputusan yang

dapat direkam pada blackboard yaitu rencana (bagaimana menghadapi masalah),

agenda (aksi-aksi potensial yang sedang menunggu untuk dieksekusi) dan solusi

(calon aksi yang akan dibangkitkan)

e. Antarmuka pengguna (user interface)

User Interface merupakan bentuk tampilan grafis yang berhubungan langsung

dengan pengguna. Antarmuka pengguna berfungsi sebagai penghubung atau

media komunikasi antara pengguna dengan sistem pakar. Komunikasi akan

semakin bagus bila disajikan dalam bahasa alami.

f. Subsistem penjelasan (explanation subsystem/justifier)

Berfungsi untuk memberi penjelasan kepada pengguna, bagaimana suatu

kesimpulan dapat diambil. Kemampuan seperti ini sangat penting bagi pengguna

untuk mengetahui proses pemindahan keahlian pakar maupun dalam pemecahan

masalah (Sutojo, Mulyanto, Suhartono, 2010).

g. Sistem perbaikan pengetahuan (knowledge refining system)

Kemampuan memperbaiki pengetahuan dari seorang pakar diperlukan untuk

menganalisis pengetahuan, belajar dari kesalahan masa lalu, kemudian

memperbaiki pengetahuannya sehingga dapat dipakai pada masa mendatang.

Kemampuan evaluasi diri seperti itu diperlukan oleh program agar dapat


45/374

23

menganalisis alasan-alasan kesuksesan dan kegagalannya dalam mengambil

kesimpulan (Sutojo, Mulyanto, Suhartono, 2010).

h. Pengguna (user )

Pengguna adalah seseorang yang menggunakan sistem pakar untuk

mendiagnosa jenis penyakit berdasarkan gejala-gejala yang dialaminya. Pada

umumnya penggua sistem pakar bukanlah seorang pakar. Mereka membutuhkan

saran dan solusi dari pakar untuk menyelsesaikan masalah yang dihadapi.

4. Representasi pengetahuan (knowledge representation)

Representasi pengetahuan adalah sebuah metode yang digunakan untuk

merumuskan pengetahuan-pengetahuan yang terdapat dalam sebuah masalah.

Bahasa representasi harus mudah dipahami oleh programer untuk mendapatkan

suatu solusi pemecahan masalah. Sebuah sistem pakar yang handal dan efektif

dapat diperoleh jika representasi pengetahuannya dipilih dengan tepat.

Representasi pengetahuan terdiri dari beberpa model yaitu jaringan semantik

( semantic nets), bingkai ( frame), kaidah produksi ( production rule) dan logika

predikat ( predicate logic).

Dalam penelitian ini penulis menggunakan representasi pengetahuan kaidah

produksi yang dituliskan dalam bentuk jika-maka (if-then). Setiap rule terdiri dari

dua bagian, yaitu bagian IF disebut evidence (fakta-fakta) dan bagian THEN

disebut hipotesis atau kesimpulan. Syntax Rule adalah I F evidence then hipotesis.


46/374

24

5. Penyakit-penyakit akibat gigitan nyamuk

Dalam bahasa Inggris, nyamuk dikenal sebagai " Mosquito", berasal dari

sebuah kata dalam bahasa Spanyol atau bahasa Portugis yang berarti lalat kecil.

Nyamuk adalah serangga yang tergolong dalam order diptera; genera termasuk

anopheles, culex, psorophora, ochlerotatus, aedes, sabethes, wyeomyia, culiseta,

dan haemagoggus untuk jumlah keseluruhan sekitar 35 genera yang merangkum

2700 spesies. Nyamuk mempunyai dua sayap bersisik, tubuh yang langsing, dan

enam kaki panjang; antar spesies berbeda-beda tetapi jarang sekali melebihi 15

mm. Sebagian besar spesies nyamuk betina menghisap darah (hematophagy) dari

hewan lain yang dapat menyebarkan penyakit, membunuh jutaan orang setiap

tahun sejak ribuan tahun yang lalu karena gigitan nyamuk dapat menyebabkan

timbulnya beberapa penyakit bagi korban gigitannya, antara lain:

a. Penyakit malaria

1) Definisi

Malaria adalah penyakit yang disebabkan oleh parasit bernama plasmodium.

Ada empat jenis plasmodiaum yaitu plasmodium falciparum, plasmodium vivax,

plasmodium malariae dan plasmodium ovale. Penyakit ini ditularkan melalui

gigitan nyamuk yang terinfeksi parasit tersebut. Di dalam tubuh manusia, parasit

plasmodium akan berkembang biak di organ hati kemudian menginfeksi sel darah

merah. Pasien yang terinfeksi oleh malaria akan menunjukan gejala awal

menyerupai penyakit influenza, namun bila tidak diobati maka dapat terjadi

komplikasi yang berujung pada kematian. Penyakit ini paling banyak terjadi di


47/374

25

daerah tropis dan subtropis dimana parasit plasmodium dapat berkembang baik

begitu pula dengan vektor nyamuk anopheles.

2) Gejala

Gejala malaria terjadi rata-rata setelah sembilan sampai 14 hari setelah

terinfeksi. Daftar gejala penyakit malaria beserta nilai probabilitasnya dapat

dilihat pada tabel 4. Nilai probabilitas tersebut diperoleh dari hasil analisis empat

orang pakar yang diperoleh penulis menggunakan metode kuesioner.

3) Pengobatan

Pengobatan malaria tergantung kepada jenis parasit dan resistensi parasit

terhadap obat tertentu. Untuk suatu serangan malaria falciparum akut dengan

parasit yang resisten terhadap klorokuin, bisa diberikan kuinin atau kuinidin

secara intravena. Pada malaria lainnya jarang terjadi resistensi terhadap klorokuin,

karena itu biasanya diberikan klorokuin dan primakuin sedangkan untuk

pengobatan malaria, ada beberapa jenis obat yang dikenal umum yaitu obat

standar (klorokuin dan primakuin), obat alternatif (kina dan sulfadoksin +

pirimetamin), obat malaria penunjang (vitamin B complex, vitamin C dan sulfas

ferrosus), obat malaria berat (kina HCL 25% injeksi-1 ampul 2 cc) dan obat

malaria alternatif (klorokuin injeksi-1 ampul 2 cc).

b. Penyakit demam berdarah

1) Definisi

Demam berdarah adalah penyakit demam akut yang disebabkan oleh virus

dengue, yang masuk ke peredaran darah manusia melalui gigitan nyamuk dari


48/374

26

genus aedes, misalnya aedes aegypti atau aedes albopictus. Terdapat empat jenis

virus dengue yang diketahui dapat menyebabkan penyakit demam berdarah yaitu

DEN-1, DEN-2, DEN-3, dan DEN-4. Penyakit demam berdarah ditemukan di

daerah tropis dan subtropis di berbagai belahan dunia, terutama di musim hujan

yang lembap. Tingkat risiko terjangkit penyakit demam berdarah meningkat pada

seseorang yang memiliki antibodi terhadap virus dengue akibat infeksi pertama.

Selain itu, risiko demam berdarah juga lebih tinggi pada wanita, seseorang yang

berusia kurang dari 12 tahun, atau seseorang yang berasal dari ras Kaukasia.

2) Gejala

Gejala demam berdarah baru muncul saat seseorang yang pernah terinfeksi

oleh salah satu dari empat jenis virus dengue mengalami infeksi oleh jenis virus

dengue yang berbeda. Sistem imun yang sudah terbentuk di dalam tubuh setelah

infeksi pertama justru akan mengakibatkan kemunculan gejala penyakit yang

lebih parah saat terinfeksi untuk kedua kalinya. Daftar gejala penyakit demam

berdarah beserta nilai probabilitasnya dapat dilihat pada tabel 4. Nilai probabilitas

tersebut diperoleh dari hasil analisis empat orang pakar yang diperoleh penulis

menggunakan metode kuesioner.

3) Pengobatan

Tindakan pengobatan yang umum dilakukan pada pasien demam berdarah

yang tidak terlalu parah adalah pemberian cairan tubuh (lewat minuman atau

elektrolit) untuk mencegah dehidrasi akibat demam dan muntah, konsumsi obat

yang mengandung acetaminofen (misalnya tilenol) untuk mengurangi nyeri dan


49/374

27

menurunkan demam serta banyak istirahat. Bagi pasien dengan demam berdarah

yang lebih parah, akan sangat disarankan untuk menjalani rawat inap di rumah

sakit, pemberian infus dan elektrolit untuk mengganti cairan tubuh, serta transfusi

darah akibat pendarahan yang terjadi. Seseorang yang terkena demam berdarah

juga harus dicegah terkena gigitan nyamuk, karena dikhawatirkan dapat

menularkan virus dengue kepada orang lain yang sehat.

c.

Penyakit chikungunya

1) Definisi

Chikungunya adalah suatu penyakit yang menyebabkan posisi tubuh

penderita menjadi meliuk atau melengkung, mengacu pada postur penderita yang

membungkuk akibat nyeri sendi hebat (arthralgia). Penyebab penyakit ini adalah

sejenis virus, yaitu alphavirus dan ditularkan lewat nyamuk aedes aegypti.

Nyamuk yang sama juga menularkan penyakit demam berdarah dengue. Meski

masih "bersaudara" dengan demam berdarah, penyakit ini tidak mematikan.

Penyakit chikungunya disebabkan oleh sejenis virus yang disebut virus

chikungunya. virus chikungunya ini masuk keluarga togaviridae, genus

alphavirus.

2) Gejala

Daftar gejala penyakit chikungunya beserta nilai probabilitasnya dapat dilihat

pada tabel 4. Nilai probabilitas tersebut diperoleh dari hasil analisis empat orang

pakar yang diperoleh penulis menggunakan metode kuesioner.


50/374

28

3) Pengobatan

Penyakit ini biasanya sembuh sendiri dalam tujuh hari karena virus ini

termasuk self limiting disease maksudnya hilang dengan sendirinya dengan

istirahat cukup, obat demam, kompres, serta antisipasi terhadap kejang demam.

Namun, rasa nyeri akibat penyakit ini masih tertinggal dalam hitungan minggu

sampai bulan. Dokter biasanya hanya memberikan obat penghilang rasa sakit dan

demam atau golongan obat yang dikenal dengan obat-obat flu serta vitamin untuk

penguat daya tahan tubuh (misalnya parasetamol).

d. Penyakit kaki gajah

1) Definisi

Cacing filaria (wuchereria bancrofti) termasuk salah satu jenis invertebrata

yang merugikan manusia. Di Indonesia, filariasis dapat disebabkkan oleh tiga

jenis cacing filaria, yaitu wuchereria bancrofti, grugia malayi dan brugia timori.

Cacing filaria dapat menyebabkan penyakit kaki gajah atau filariasis yang

ditularkan melalui gigitan berbagai jenis nyamuk kecuali nyamuk mansoni yang

jumlahnya kurang lebih 23 spesies nyamuk dari genus anopheles, culex,

mansonia, aedes dan armigeres. Penyakit ini bersifat menahun (kronis) dan bila

tidak mendapatkan pengobatan dapat menimbulkan cacat menetap, berupa

pembesaran kaki, lengan dan alat kelamin baik wanita maupun pria. Akibatnya,

penderita penyakit kaki gajah tidak dapat bekerja secara optimal bahkan dalam

hidupnya selalu bergantung pada orang lain.


51/374

29

2) Gejala

Daftar gejala penyakit kaki gajah beserta nilai probabilitasnya dapat dilihat

pada tabel 4. Nilai probabilitas tersebut diperoleh dari hasil analisis empat orang

pakar yang diperoleh penulis menggunakan metode kuesioner.

3) Pengobatan

Pemeriksaan dilakukan pada darah penderita dan diperiksa pada pukul 20.00

malam waktu setempat karena pada saat malam hari mikrofilaria terdapat di

dalam darah tepi penderita. Apabila ternyata di dalam pemeriksaan sediaan darah

tebal ditemukan mikrofilaria, maka orang tersebut dinyatakan sebagai penderita

filariasis atau terserang penyakit kaki gajah. Program eliminasi dilaksanakan

melalui pengobatan masal dengan DEC ( Diethil Carbarnazile Citrate) dan

albendasol untuk setahun sekali selama lima tahun. DEC bersifat membunuh

mikrofilaria juga makrofilaria atau satu-satunya obat penyakit kaki gajah

( filariasis) yang efektif, aman dan relatif murah. Pada pengobatan perorangan,

aturan dosis yang dianjurkan untuk 6 mg/kg berat badan/hari, selama 12 hari di

minum sesudah makan, dalam sehari tiga kali. Pada pengobatan masal (program

pengendalian filariasis), digunakan pemberian DEC dosis rendah, dengan jangka

waktu pemberian yang lebih lama, misalnya dalam bentuk garam DEC 0,2%-

0,4% selama 9-12 bulan, untuk orang dewasa digunakan 100 mg/minggu selama

40 minggu.

Menurut data BPS Kabupaten Sikka (2010), jenis penyakit akibat gigitan

nyamuk yang paling banyak diderita oleh penduduk Kabupaten Sikka adalah

malaria dengan jumlah kasus mencapai 19.763 kasus. Selanjutnya diikuti oleh


52/374

30

kaki gajah dengan jumlah 5.252 kasus, demam berdarah berjumlah 861 kasus dan

chikungunya berjumlah 20 kasus. Jika jumlah kasus diatas dibagi dengan jumlah

penduduk Kabupaten Sikka saat itu maka akan diperoleh nilai probabilitas

populasi penyakit akibat gigitan nyamuk yang dapat dilihat pada tabel 3 berikut

ini.

Tabel 3. Nilai Probabilitas Populasi Penyakit Akibat Gigitan Nyamukdi Kabupaten Sikka Tahun 2010

Kode Nama Penyakit Nilai Probabilitas PopulasiH1 Malaria 0,065805

H2 Demam berdarah 0,002867

H3 Chikungunya 0,000067

H4 Kaki gajah 0,017488

Tabel 4 berikut ini menunjukan gejala-gejala yang ditimbulkan akibat

penyakit malaria, demam berdarah, chikungunya dan kaki gajah beserta nilai

probabilitasnya masing-masing yang diperoleh dari hasil analisis empat orang

pakar.

Tabel 4. Daftar Gejala Penyakit Akibat Gigitan Nyamuk

KodeGejala

Gejala PenyakitAkibat Gigitan Nyamuk

Presentase KemungkinanMenderita Penyakit

Malaria(%)

DBD(%)

Chikungunya(%)

KakiGajah

(%)E1 Menggigil/dingin 0,55 0,45 0,15 0,1E2 Demam 0,7 0,7 0,5 0,45E3 Suhu badan meningkat 0,45 0,5 0,38 0,15E4 Berkeringat 0,55 0,48 0,3 0,08E5 Sakit kepala 0,58 0,68 0,55 0,15E6 Mual 0,3 0,3 0,05 0E7 Muntah-muntah 0,25 0,1 0,05 0,05E8 Nyeri saat menelan 0,1 0,15 0,08 0,03E9 Nyeri seluruh/sebagian anggota tubuh 0,4 0,55 0,63 0,23E10 Pucat 0,43 0,4 0,35 0,28E11 Gangguan kesadaran 0,4 0,4 0,13 0,03E

12 Kejang-kejang 0,38 0,35 0,13 0

E13 Mata kuning 0,55 0,05 0 0


53/374

31

E14 Tubuh kuning 0,38 0,05 0 0E15 Pendarahan di hidung 0,05 0,58 0,03 0

E16 Pendarahan di gusi 0,05 0,6 0 0E17 Pendarahan pada saluran pencernaan 0,05 0,15 0,03 0,03E18 Jumlah kencing kurang (oliguri) 0,2 0,3 0,18 0,05E19 Warna urine seperti teh tua 0,5 0,1 0,05 0,03E20 Sesak nafas 0,1 0,1 0,05 0,03E21 Ruam 0,05 0,15 0,05 0,03E22 Perdarahan kecil-kecil di kulit 0,05 0,55 0,1 0E23 Penurunan trombosit 0,25 0,75 0,13 0,15E24 Tubuh melengkung/meliuk 0,05 0,05 0,03 0,03E25 Mata merah 0 0,1 0,05 0,03E26 Flu 0,25 0,23 0,1 0,05E27 Lumpuh 0 0 0,45 0,05E28 Lemas 0,45 0,5 0,3 0,1

E29 Bengkak di daerah lipatan paha 0 0 0,1 0,45E30 Ketiak tampak kemerahan 0,05 0,1 0,03 0,03E31 Tungkai, lengan, buah dada membesar 0 0 0 0,4E32 Buah zakar terlihat agak kemerahan 0,05 0,08 0,03 0,05E33 Buah zakar terasa panas 0 0,05 0,05 0E34 Nyeri otot 0,45 0,48 0,45 0,38E35 Kulit merah 0 0,2 0,03 0,03E36 Kekurangan darah/anemia 0,2 0,4 0,08 0E37 Perdarahan pada anus 0 0,05 0 0E38 Kekurangan cairan(dehidrasi) 0,15 0,2 0,15 0,05E39 Terasa geli pada kulit 0,05 0,08 0,03 0,08E40 Nyeri dibelakang mata 0,1 0,2 0,1 0

E41 Kencing berdarah (haematuria) 0,1 0 0 0E42 Pendarahan di bawah kulit 0 0,45 0,13 0E43 Sulit tidur 0,15 0,15 0,13 0,1E44 Tekanan darah menurun 0,13 0,18 0,1 0,05

6. Ketidakpastian dengan Teorema Bayes

Teorema Bayes diadopsi dari nama penemunya yaitu Thomas Bayes sekitar

tahun 1950. Teorema Bayes adalah sebuah teori kondisi probabilitas yang

memperhitungkan probabilitas suatu kejadian (hipotesis) bergantung pada

kejadian lain (bukti). Pada dasarnya, teorema tersebut mengatakan bahwa kejadian

di masa depan dapat diprediksi dengan syarat kejadian sebelumnya yang telah

terjadi.

Teorema Bayes adalah suatu metode yang digunakan untuk menangani

masalah ketidakpastian data. Contohnya kasus pasien yang menderita gejala


54/374

32

demam dan suhu badan meningkat. Keputusan yang diambil adalah apakah pasien

tersebut menderita demam berdarah, malaria, chikungunya atau kaki gajah.

Sebuah sistem pakar yang baik harus mempu menangani masalah ketidakpastian

data diatas. Dengan menggunakan Teorema Bayes, sistem pakar dapat

mengestimasi dan menarik kesimpulan dengan baik.

Teorema Bayes menyediakan beberapa rumusan untuk menarik kesimpulan

berdasarkan fakta (evidence) dan hipotesis.

a. Bentuk Teorema Bayes untuk evidence tunggal dan hipotesis tunggal

Keterangan:

= probabilitas hipotesis H terjadi jika evidence E terjadi

= probabilitas munculnya evidence E, jika hipotesis H terjadi

= probabilitas hipotesis H tanpa memandang evidence apapun

= probabilitas evidence E tanpa memandang apapun

b. Bentuk Teorema Bayes untuk evidence tunggal dan hipotesis ganda

Keterangan:

= probabilitas hipotesis terjadi jika evidence E terjadi

= probabilitas munculnya evidence E, jika hipotesis terjadi

= probabilitas hipotesis tanpa memandang evidence apapun

...................................................................... (1)

......................................................... (2)


55/374

33

= jumlah hipotesis yang terjadi

c.

Bentuk Teorema Bayes untuk evidence ganda dan hipotesis ganda

Dalam penelitian ini, penulis menggunakan rumusan bentuk Teorema Bayes

dengan evidence ganda dan hipotesis ganda. Hal ini dikarenakan dalam penelitian

penulis menemukan ada beberapa penyakit yang memiliki gejala yang sama.

Seperti gejala demam dimiliki oleh penyakit demam berdarah, malaria,

chikungunya dan kaki gajah.

7. Sistem Informasi Mobile

Dalam perkembangannya sistem informasi tidak hanya berhenti pada

computer based information system saja. Perkembangan baru yang dipicu oleh

banyaknya penggunaan telepon seluler di berbagai belahan dunia. Hampir setiap

orang sudah memiliki handphone untuk berkomunikasi nirkabel. Mobilitas orang

yang tinggi merupakan kata kunci munculnya teknokogi komunikasi bergerak

(mobile communication) seperti handphone. Mobilisasi yang tinggi jangan sampai

menghalangi seseorang terhadap akses informasi. Hal inilah yang mendasari

munculnya mobile information system. Dengan mobile information system setiap

orang dapat mengakses informasi kapanpun, dimanapun dan untuk urusan apapun.

Pada perkembangan berikutnya, teknologi nirkabel makin pesat setelah

ditemukan SMS. Penggunaan SMS pada handphone lebih banyak jika

dibandingkan dengan komunikasi secara langsung. Selain hemat, komunikasi

melalui SMS lebih bersifat personal. Munculnya SMS memberi inspirasi bagi

..... (3)


56/374

34

sejumlah orang untuk mengembangkan aplikasi yang berbasis SMS seperti kuis

berhadiah, polling, pemesanan tiket, sistem informasi akademik, dan transaksi

perbankan.

8. Short Message Service (SMS)

SMS merupakan fasilitas standar dari GSM, walaupun kini sudah banyak

telepon selular dengan teknologi CDMA (Code Division Multiple Access) yang

juga dilengkapi dengan fasilitas SMS. Fasilitas ini dipakai untuk mengirim dan

menerima pesan ke dan dari sebuah telepon selular.

a. Global System for Mobile communication (GSM)

GSM merupakan standard yang diterima secara global untuk komunikasi

seluler digital. Sepanjang evolusi telekomunikasi seluler, berbagai sistem telah

dikembangkan tanpa standard tertentu. Hal ini tentu saja menimbulkan masalah

terutama dalam pengembangan digital radio technology. Pada tahun 1982, GSM

( groupe special mobile) yang merupakan suatu grup kerja pada CEPT

(Conference Europeance d’Administration de Post at Telecomunication) dibentuk

untuk menciptakan sebuah sistem yang menjadi standard pada handphone di

Eropa. Nama dari sistem diambil dari grup ini namun karena alasan marketing,

kemudian GSM berubah menjadi Global System for Mobile Communication.

b. SMS gateway

SMS gateway merupakan mekanisme mengirim dan menerima pesan singkat

berupa teks melalui sebuah komputer yang terhubung ke handphone atau modem

Global System for Mobile Communication (GSM) melalui serial port , IrDA


57/374

35

maupun bluetooth dimana handphone berfungsi sebagai modem. Arsitekur ini

disebut independent service. Arsitektur lain untuk menghubungkan antara

penerima dan penyedia informasi melalui SMS yaitu dependent service dimana

komputer yang berfungsi sebagai server gateway terhubung secara langsung ke

server operator seluler melalui internet. SMS gateway dapat dimanfaatkan untuk

keperluan yang lebih luas dalam menyediakan informasi sejenis bagi banyak

orang sesuai permintaan dengan format tertentu secara otomatis (Wahidin, 2010).

c. Cara kerja short message service

Pada saat pesan SMS dikirim dari handphone, pesan tersebut tidak langsung

dikirim ke handphone tujuan, akan tetapi terlebih dahulu dikirim ke Short

Message Service Center (SMSC) dengan prinsip store and forward , setelah itu

baru dikirimkan ke handphone yang dituju. Melalui keberadaan SMSC dapat

diketahui status dari SMS yang dikirim, apakah telah sampai ataukah gagal

diterima oleh handphone tujuan. Apabila handphone tujuan dalam keadaan aktif

dan menerima SMS yang dikirim, ia akan mengirim kembali pesan konfirmasi ke

SMSC yang menyatakan bahwa SMS telah diterima. Kemudian SMSC

mengirimkan kembali status tersebut kepada si pengirim. Tetapi jika handphone

tujuan dalam keadaan mati atau di luar jangkauan, SMS yang dikirimkan akan

disimpan pada SMSC sampai periode validitas terpenuhi, jika periode validitas

terlewati maka SMS itu akan dihapus dari SMSC dan tidak dikirimkan ke

handphone tujuan. Disamping itu SMSC juga akan mengirim pesan informasi ke

nomor pengirim yang menyatakan pesan yang dikirim belum diterima atau gagal

(Wahidin, 2010).


58/374

36

d. AT command

AT command adalah perintah-perintah yang digunakan untuk berkomunikasi

dengan terminal (handphone) melalui serial port pada komputer. Dengan AT

command , dapat diketahui vendor dari handphone yang digunakan, kekuatan

sinyal, membaca pesan yang ada pada SIM card dan lainnya. Tabel 5 berikut ini

berisi perintah-perintah AT yang terkait dengan SMS server :

Tabel 5. AT Command yang Digunakan pada SMS Server

AT Command Keterangan

AT Mengecek apakah handphone telah terhubung

AT + CMGF Menetapkan format mode dari terminal

AT + CSCS Menetapkan jenis encoding

AT + CNMI Mendeteksi pesan SMS baru masuk secara otomatis

AT + CMGL Membuka daftar SMS yang ada pada SIM Card

AT + CMGS Mengirim pesan SMS

AT + CMGR Membaca pesan SMSAT + CMGD Menghapus pean SMS

Dalam menggunakan AT command ada beberapa hal yang harus diperhatikan

yaitu command apa yang harus dimasukan pada terminal, tindakan apa yang harus

dilakukan setelah command dimasukan ke terminal dan mengetahui respon apa

yang didapat setelah melakukan tindakan pada command yang dimasukan.

e. Protocol Data Unit (PDU)

Dalam pengiriman dan penerimaan pesan SMS, terdapat dua mode, yaitu

mode teks dan mode PDU . Mode teks adalah format pesan dalam bentuk teks asli

yang dituliskan pada saat akan mengirimkan pesan. Sedangkan mode PDU adalah

format pesan dalam bentuk oktet heksadesimal dan oktet semidesimal dengan

panjang mencapai 160 (7 bit) atau 140 (8 bit) karakter. Di Indonesia, tidak semua


59/374

37

operator GSM maupun terminal mendukung mode teks, sehingga mode yang

digunakan adalah mode PDU (Wahidin, 2010). Pada pengiriman pesan terdapat

dua jenis mobile, yaitu mobile terminated (handphone penerima) dan mobile

originated (handphone pengirim).

1) PDU pengiriman

PDU pengirim adalah pesan yang dikirim dari handphone ke SMSC. Pada

prinsipnya apabila kita mengirim pesan ke nomor tujuan, pesan itu akan melalui

SMSC. Pesan yang akan dikirim oleh terminal masih dalam bentuk teks,

sedangkan dalam pengiriman ke SMSC harus dalam bentuk PDU. Untuk itu

sebelum dikirim, terminal atau handphone akan melakukan perubahan dari format

teks menjadi PDU, proses ini sering disebut proses encodec (Wahidin, 2010).

Adapun skema dari format PDU pengirim telah diatur dan ditetapkan oleh ETSI

terlihat pada tabel 6 berikut ini.

Tabel 6. Skema Format SMS PDU Pengirim

SCA PDU Type MR DA PID DCS VP UDL UD

Keterangan:

a) Service Center Address (SCA): adalah informasi dari alamat atau nomor

SMSC. SCA memiliki tiga komponen yaitu len (panjang informasi SMSC

dalam octet ), type of number (format nomor dari SMSC. Untuk format lokal

81 hexa, sedangkan format internasional 91 hexa) dan service center number

(nomor SMSC dari operator pengirim. Jika panjangnya ganjil maka pada

karakter terakhir ditambahkan 0F hexa). Dalam pengiriman SMS, nomor

SMSC tidak dicantumkan sehingga SCA bernilai 00.


60/374

38

b) PDU Type: nilai default dari PDU type untuk SMS pengirim adalah 11 hexa,

yang memiliki arti bahwa 11 hexa = 0010001.

c) Message Reference (MR): acuan dari pengaturan pesan SMS. Apabila diberi

nilai 00 maka pengaturan pesan SMS dilakukan sendiri oleh handphone

tujuan.

d) Destination Address (DA): alamat atau nomor tujuan, yang terdiri atas

panjangnya nomor tujuan (len), format dari nomor tujuan (type number ) dan

nomor tujuan (destination number ).

e) Protocol Identifier (PID): tipe atau format dari ca

1. contoh skripsi (format baru)

Documents