jurnal meilisa roslina...

7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1

http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 1/13

1

PENERAPAN METODE FORWARD CHAINING DAN CERTAINTY

FACTOR UNTUK DIAGNOSA PENYAKIT MATA MANUSIA

Meilisa

Roslina Simamora

Jurusan Sistem Informasi

STMIK PalComTech Palembang

Abstrak

Mata sebagai jendela dunia bagi manusia adalah salah satu organ tubuh yang sangat

penting. Ketika mata mengalami gangguan maka seseorang akan merasa tidak nyaman,

bahkan mengalami kesulitan untuk melakukan berbagai aktifitas dalam kehidupannya.

Terbatasnya layanan informasi kesehatan mata di puskesmas dan rumah sakit, kurangnya

tenaga dokter spesialis mata yang bisa memberikan informasi tentang gangguan kesehatan

mata, serta mahalnya biaya konsultasi dokter spesialis mata mengakibatkan kurangnya

pengetahuan masyarakat tentang penyakit mata. Setiap penderita penyakit mata dapat

dengan mudah dan cepat mengetahui jenis penyakit mata dan gejalanya yaitu dengan

membangun aplikasi sistem pakar untuk mendiagnosa penyakit mata manusia. Teknik yang

digunakan untuk mengembangkan sistem adalah waterfall. Sistem ini dibangun berbasiswebsite dengan bahasa pemrograman yang digunakan yaitu PHP dan MySQL sebagai

databasenya. Penelitian ini akan menghasilkan sistem pakar dengan menerapkan metode

forward chaining dan certainty factor (CF) untuk memberikan informasi gejala dan diagnosa

penyakit mata manusia.

Kata Kunci : Sistem Pakar, Forward Chaining, Certainty Factor, Mata

PENDAHULUAN

Mata sebagai jendela dunia bagi manusia adalah salah satu organ tubuh yang sangat

penting. Apabila mata mengalami gangguan fungsi yang disebabkan penyakit, informasi yang

dihasilkan dari lima indera akan mengalami ketidakseimbangan yang sudah pasti berujung

pada gangguan dalam aktivitas keseharian manusia.Terbatasnya layanan informasi kesehatan mata di Puskesmas dan Rumah Sakit,

kurangnya tenaga dokter spesialis mata yang bisa memberikan informasi tentang gangguan

kesehatan mata, serta mahalnya biaya konsultasi dokter spesialis, sehingga mengakibatkan

kurangnya pengetahuan masyarakat tentang penyakit mata. Upaya agar setiap penderita

penyakit mata dapat dengan mudah dan cepat mengetahui jenis penyakit mata dan gejalanya

tanpa harus ke dokter terlebih dahulu mengakibatkan bidang sistem pakar mulai

dimanfaatkan untuk membantu seorang pakar atau ahli dalam mendiagnosa penyakit mata

manusia.

Sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan

masalah sebagaimana yang dipikirkan oleh pakar. Pengambilan keputusan mengenai

diagnosis dan memberikan penatalaksanaan suatu penyakit tidak dapat dilakukan semua

orang, sehingga diperlukan suatu sistem pakar yang memudahkan masyarakat untuk

mendapatkan informasi diagnosa penyakit mata.

Sistem pakar untuk diagnosa penyakit mata ini menggunakan metode runut maju

(forward chaining) untuk menelusuri gejala yang ditampilkan dalam bentuk pertanyaan-

pertanyaan agar dapat mendiagnosa jenis penyakit mata. Dalam penentuan

penypendiagnosaan diperlukan nilai kepercayaan terhadap penyakit, untuk mendapatkan nilai

kepercayaan terhadap penyakit yang diderita, diperlukan suatu metode yang dikenal dengan

certainty factor(CF).



3

FlowchartMenurut Utami dan Sukrisno (2005: 24), flowchart(bagan alir) merupakan representasi

secara grafik dari suatu algoritma atau prosedur untuk menyelesaikan suatu masalah.

Menurut Jogiyanto (2005: 795), Bagan alir (flowchart) adalah bagan (chart) yangmenunjukkan alir (flow) di dalam program atau prosedur sistem secara logika. Bagan alirdigunakan terutama untuk alat bantu komunikasi dan untuk dokomentasi.

Data Flow Diagram (DFD)Menurut Fatta (2007: 119), Data Flow Diagram (DFD) merupakan diagram yang

digunakan untuk menggambarkan proses-proses yang terjadi pada sistem yang akan

dikembangkan.

HASIL DAN PEMBAHASAN

1. Data PenyakitJumlah penyakit yang diolah dalam sistem pakar penyakit mata ini adalah 15 macam

penyakit.

Tabel 1. Data Penyakit

Kode Penyakit Nama Penyakit

P01 Blefaritis

P02 Skleritis

P03 Konjungtivitis Bakteri

P04 Konjungtivitis Viral

P05 Konjungtivitis AlergiP06 Konjungtivitis Sika

P07 Keratitis

P08 Ulkus Kornea

P09 Endoftalmitis

P10 Uveitis Anterior

P11 Glaukoma Akut

P12 Glaukoma Kronik

P13 Katarak

P14 Ablasi Retina

P15 Neuritis Optik

2. Data GejalaData-data gejala yang digunakan dalam sistem pakar penyakit mata ini berjumlah 51

gejala. Berikut sebagian dari gejala yang digunakan :

Tabel 2. Data Gejala

Kode Gejala Gejala

G01 Daya penglihatan menurun

G02 Fotofobia (silau)

G03 Mata merah

G04 Bengkak



4

G05 Gatal

G06 Epifora (berair)

G07 Lakrimasi (sedikit berair)

G08 Sakit

G09 Eksudat(belekan)

G10 Hipopion (nanah yang berkumpul di dalam kornea

G11 KelilipanG12 Kelopak mata merah

G13 Konjungtiva bengkak

G14 Rasa sakit yang menyebar ke dahi, alis, dagu secara terus-menerus

G15 Sklera bengkak

G16 Konjungtivitas bulbi merah

G17 Mata terasa seperti ada benda asing

G18 Pembengkakan kelenjar getah bening belakang telinga

G19 Pseudoptis (sulit membuka mata)

G20 Demam dan sakit tenggorokan

Sumber : Mansjoer dkk (2007: 49-65)

3. Tabel KeputusanBerdasarkan pengetahuan berupa data gejala dan penyakit mata pada manusia, maka

dapat dibuat basis pengetahuan berupa hubungan atau keterkaitan yang ada antara gejala dan

penyakit mata pada manusia.

Tabel 3. Tabel Keputusan

Kode

Gejala

Kode Penyakit (P)

01 02 03 04 05 06 07 08 09 10 11 12 13 14 15

G01

G02

G03

G04G05

G06

G07

G08

G09

G10

G11

G12

G13

G14

G15G16

G17

G18

G19

G20

G21

G22

G23



5

G24

G25

G26

G27

G28

G29

G30G31

G32

G33

G34

G35

G36

Sumber : Mansjoer dkk (2007: 49-65)

4. Pohon Keputusan

Proses pencarian dari pohon keputusan menggunakan pencarian algoritma depth first

search (DFS), yaitu proses pencarian dilakukan dari suksesor akar (node awal) secaramendalam dalam setiap level dari yang paling kiri hingga yang paling akhir ( dead-end) atau

sampai goal ditemukan. Pohon keputusan terdiri dari gejala, penyakit, dan busur yang

menunjukkan hubungan antar objek.

Gambar 1. Pohon Keputusan

5. Perhitungan CFNilai Certainty Factor (CF) ditentukan untuk setiap gejala yang berkorespondensi

dengan penyakit tertentu dalam range nilai 0 sampai dengan 1. Nilai ini mewakili keyakinan

seorang pakar terhadap suatu gejala yang mempengaruhi terjadinya suatu penyakit mata

tertentu.



6

Tabel 4. Detail Penyakit

No. Gejala Penyakit CF

1. Bengkak Blefaritis 0,9

2. Eksudat(belekan) Blefaritis 0,4

3. Epifora (berair) Blefaritis 0,3

4. Gatal Blefaritis 0,4

5. Kelilipan Blefaritis 0,4

6. Kelopak mata merah Blefaritis 0,6

7. Sakit Blefaritis 0,4

8. Epifora (berair) Skleritis 0,3

9. Daya penglihatan menurun Skleritis 0,3

10. Fotofobia (silau) Skleritis 0,4

11. Konjungtiva bengkak Skleritis 0,3

12. Mata merah Skleritis 0,6

13.Rasa sakit yang menyebar ke dahi, alis,

dagu secara terus menerus

Skleritis 0,3

14. Sklera bengkak Skleritis 0,3

15. Eksudat(belekan) Konjungtivitis Bakteri 0,9

16. Konjungtivitas bulbi merah Konjungtivitis Bakteri 0,5

17. Lakrimasi (sedikit berair) Konjungtivitis Bakteri 0,8

18. Mata terasa seperti ada benda asing Konjungtivitis Bakteri 0,5

19.Pembengkakan kelenjar getah bening

belakang telinga

Konjungtivitis Bakteri 0,5

20. Pseudoptis (sulit membuka mata) Konjungtivitis Bakteri 0,8

21. Demam dan sakit tenggorokan Konjungtivitis Viral 0,5

22. Gatal Konjungtivitis Viral 0,8

23. Lakrimasi (sedikit berair) Konjungtivitis Viral 0,9

24. Terdapat sedikit kotoran pada mata Konjungtivitis Viral 0,5

25. Alergi Konjungtivitis Alergi 0,3

26. Bengkak Konjungtivitis Alergi 0,6

27. Epifora (berair) Konjungtivitis Alergi 0,8

28. Fotofobia (silau) Konjungtivitis Alergi 0,4

29. Gatal Konjungtivitis Alergi 0,9

30. Mata merah Konjungtivitis Alergi 0,3

31. Mata terasa panas Konjungtivitis Alergi 0,3

32. Sakit Konjungtivitis Alergi 0,3

33. Fotofobia (silau) Konjungtivitis Sika 0,5

34. Gatal Konjungtivitis Sika 0,7

35. Mata Kering Konjungtivitis Sika 0,5

36. Mata seperti berpasir Konjungtivitis Sika 0,8

37. Penglihatan kadang-kadang kabur Konjungtivitis Sika 0,5

38. Sukar menggerakkan kelopak mata Konjungtivitis Sika 0,9

39. Terdapat erosi kornea Konjungtivitis Sika 0,5



7

Berikut contoh kasus perhitungan CF untuk P01 (Blefaritis)

Tabel 5. Perhitungan CF P01

No. Gejala Penyakit CF

1. Bengkak Blefaritis 0,92. Eksudat(belekan) Blefaritis 0,4

3. Epifora (berair) Blefaritis 0,3

4. Gatal Blefaritis 0,4

5. Kelilipan Blefaritis 0,4

6. Kelopak mata merah Blefaritis 0,6

7. Sakit Blefaritis 0,4

CF(A) = CF(1) + CF(2) * [ 1CF(1) ]= 0,9 + 0,4 * (10,9) = 0,94CF(B) = CF(3) + CF(A) * [ 1CF(3) ]= 0,3 + 0,94 * (10,3) = 0,958CF(C) = CF(4) + CF(B) * [ 1CF(4) ]= 0,4 + 0,958 * (10,4) = 0,9748CF(D) = CF(5) + CF(C) * [ 1CF(5) ]= 0,4 + 0,9748 * (10,4) = 0,98488CF(E) = CF(6) + CF(D) * [ 1CF(6) ]= 0,6 + 0,98488 * (10,6) = 0,99395CF(F) = CF(7) + CF(E) * [ 1CF(7) ]= 0,4 + 0,99395 * (10,4) = 0,99637

Perhitungan manual di atas, didapatkan nilai faktor kepastian dari masukan gejala yang

mengarah ke penyakit blefaritis adalah 0,99637.

6. Diagram KonteksDiagram konteks adalah diagram yang dibuat untuk menggambarkan sumber serta tujuan

data yang akan diproses atau dengan kata lain diagram tersebut digunakan untuk

menggambarkan secara umum atau global dari keseluruhan sistem yang ada.

Gambar 1. Diagram Konteks

7. Diagram Level Nol

Diagram level nol adalah diagram yang dibuat untuk menggambarkan tahapan proses

yang ada dalam diagram konteks, yang penjabarannya lebih terperinci atau dengan kata lain

yaitu diagram yang menyusun keseluruhan sistem.



8

Gambar 2. Diagram Level Nol

8. ERD (Entity Relationship Diagram)Entity relationship diagram merupakan komponen-komponen himpunan entitas dan

himpunan relasi yang masing-masing dilengkapi dengan atribut-atribut diagram yang

menggambarkan hubungan antara entitas dengan atribut penghubungnya. Entity relationship

diagram berfungsi sebagai sebuah prasyarat, rancangan database yang digambarkan sebagai

model khusus yang disebut skema database. Skema ini adalah cetak biru untuk sebuah

database. Skema ini menggambarkan implementasi teknis dari sebuah bentuk data.

Gambar 3.Entity Relationship Diagram

Hasil perancangan dari penelitian yang dilakukan penulis ialah berupa website sistem

pakar, berikut tampilan dari website yang telah dibuat :



9

1. Tampilan Login

Halaman login adalah rancangan halaman yang dibuat untuk keamanan data supaya

pemakaian sistem digunakan oleh admin sesuai dengan tugas dan fungsinya. Halaman

login dapat dilihat pada gambar 4. berikut ini.

Gambar 4. Halaman Login

2. Tampilan Halaman Pasiena) Halaman Menu Beranda Pasien

Halaman menu beranda pasien dirancang untuk melihat informasi mengenai

kesehatan mata. Halaman menu beranda pasien dapat dilihat pada gambar 5. berikut

ini.

Gambar 5. Halaman Menu Beranda Pasien


http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenya 10/13

10

b) Halaman Menu Sistem Pakar

Halaman menu sistem pakar dirancang untuk melihat informasi tentang pengertian

sistem pakar. Halaman menu sistem pakar dapat dilihat pada gambar 6. berikut ini.

Gambar 6. Halaman Menu Sitem Pakar

c) Halaman Konsultasi

Halaman menu konsultasi dirancang untuk melakukan konsultasi untuk mendiagnosa

penyakit mata manusia. Halaman menu konsultasi dengan mengisi form konsultasi,

yaitu nama, tanggal lahir, jenis kelamin, alamat, dan telepon. Halaman konsultasi

dapat dilihat pada gambar 7. berikut ini.

Gambar 7. Halaman Konsultasi



11

3. Tampilan Halaman Admin

a) Halaman Utama Admin

Halaman utama admin digunakan untuk mengelola data penyakit, gejala, relasi,

konsultasi, dan pengguna. Desain halaman utama admin dapat dilihat pada gambar 8.

berikut ini.

Gambar 8. Desain Halaman Utama Admin

b) Halaman Menu Penyakit

Halaman menu penyakit adalah rancangan halaman untuk menambah data penyakit,

melihat data penyakit, mengubah data penyakit dan menghapus data penyakit.

Halaman menu penyakit dapat dilihat pada gambar 9. berikut ini.

Gambar 9. Halaman Menu Penyakit

c) Halaman Menu Gejala

Halaman menu gejala adalah rancangan halaman untuk menambah data gejala,

melihat data gejala, mengubah data gejala dan menghapus data gejala. Desain

halaman menu gejala dapat dilihat pada gambar 10. berikut ini.



12

Gambar 10. Halaman Menu Gejala

d) Halaman Menu Relasi

Halaman menu relasi dirancang untuk menentukan hubungan atau keterkaitan antara

penyakit dengan gejala. Desain halaman menu relasi dapat dilihat pada gambar 11.

berikut ini.

Gambar 11. Halaman Menu Relasi

e) Halaman Menu PenggunaHalaman menu pengguna dirancang untuk menambah data pengguna sebagai admin,

melihat data pengguna dan menghapus pengguna. Desain halaman menu pengguna

dapat dilihat pada gambar 12. berikut ini.



13

Gambar 12. Halaman Menu Pengguna

PENUTUP

Berdasarkan hasil penelitian dan uji coba yang telah dilakukan, maka dapat diambilbeberapa kesimpulan yaitu, metode sistem pakar (expert system) yang dibuat dengan proses

penelusuran forward chaining dapat membantu untuk mendiagnosa penyakit mata manusia,

pendiagnosaan penyakit dapat diambil dari gejala-gejala penyakit yang di alami oleh pasien

sehingga dapat memberikan diagnosa penyakit, beberapa gejala penyakit mata dapat

menyimpulkan jenis penyakit mata sesuai cf tertinggi. Semakin tinggi nilai cf dari hasil

penelusuran, maka menunjukkan jenis penyakit mata yang diderita oleh pasien penyakit

mata, dengan adanya sistem ini, dapat mempermudah masyarakat umum dalam mendapatkan

informasi tentang penyakit mata, hasil diagnosa dapat menampilkan beberapa kemungkinan

jenis penyakit mata pada manusia.

DAFTAR PUSTAKA

Arhami, Muhammad. 2005.Konsep Dasar Sistem Pakar. Yogyakarta: Andi Offset.

Kusrini. 2008. Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna dengan

Metode Kuantifikasi Pertanyaan. Yogyakarta: Andi Offset.

Andi. 2009. Pengembangan Sistem Pakar Menggunakan Visual Basic. Yogyakarta: Andi

Offset.

Jogiyanto. 2005.Analisis dan Desain Sistem Informasi Pendekatan Terstruktur, Teori dan

Praktik Aplikasi Bisnis. Yogyakarta: Andi Offset.

Mansjoer, Arif dkk. 2007.Kapita Selekta Kedokteran. Jakarta: Media Aesculapius.

Fatta, Hanif Al. 2007. Analisis dan Perancangan Sistem Informasi. Yogyakarta: Andi

Offset.

Utami, Ema dan Sukrisno. 2005. 10 Langkah Belajar Logika dan Algoritma Menggunakan

Bahasa C dan C++ di GNU/Linux. Yogyakarta: Andi Offset.

jurnal meilisa roslina...

Documents