ANALISA PERBANDINGAN METODE NAIVE BAYESIAN DAN CERTAINTY FACTOR PADA SISTEM PAKAR DALAM MENDIAGNOSA PENYAKIT RADANG GENITALIA (COMPARATIVE ANALYSIS METHOD AND BAYESIAN Naive Certainty Factor EXPERT SYSTEM IN DIAGNOSING genital inflammatory disease) Fisti Dini Angelia, Martaleli Bettiza, S.Si., M.Sc, Eka Suswaini, ST., MT Jurusan Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja Ali Haji (UMRAH) Jl. Politeknik Senggarang, Tanjungpinang 29115 E-mail:
[email protected];
[email protected];
[email protected] Abstrak Penyakit genetalia dapat ditampakan adanya peradangan pada bagian vital wanita. Dengan sistem pakar yang berkembang saat ini dapat memungkinkan penyakit ini dapat didiagnosa lebih cepat dan akurat. Dalam mendiagnosa penyakit dengan menggunakan sistem pakar, perlu sebuah metode algoritma dalam menyelesaikannya. Banyak metode yang digunakan dalam membangun sistem pakar. Diantaranya adalah metode certainty factor dan naive bayesian. Penelitian ini akan membandingkan metode certainty factor dan naive bayesian. Sehingga didapat metode certainty factor memiliki tingkat validasi 80% dan naive bayesian 68% Kata kunci : Sistem Pakar, Certainty Factor, Naive Bayesian, Radang Genitalia
Abstract The disease can be seen genetalia an inflammation of the vital part women. With expert system developed at this time to allow the disease can be diagnosed more quickly and accurately. In diagnosing a disease by using an expert system, the algorithm needs to be a method to solve it. Many methods are used in building an expert system. Among them is the certainty factor method and naive Bayesian. This study will compare the certainty factor method and naive Bayesian. So obtained has a certainty factor method validation rate of 80% and 68% naive Bayesian. Keywords: Expert System, Certainty Factor, Naive Bayesian, Inflammation Genitalia
1
I.
PENDAHULUAN
Sebuah jargon “Didalam badan yang sehat terdapat jiwa yang sehat”. Jargon ini memberikan inspirasi bahwa begitu pentingnya kesehatan. Sehingga dalam kehidupan sehari-hari kesehatan juga dinyatakan sebagai modal dalam menjalankan aktivitasnya. Jika seseorang ingin sehat maka berkewajiban untuk selalu menjaga dan memeriksa kesehatannya kerumah sakit. Tentu saja dirumah sakit akan menjumpai para dokter yang memiliki kepakaran sesuai dengan yang dipelajari. Perkembangan penduduk berkorelasi dengan kebutuhan penyediaan dokter. Sehingga setiap tahun penduduk bertambah maka seharusnya dokter juga bertambah. Namun demikian pertumbuhan penduduk tidak seimbang dengan pertumbuhan dokter. Sehingga sering kita jumpai di puskesmas atau rumah sakit jumlah dokter sangat terbatas. Interaksi manusia antara satu dengan lainnya juga meningkat dipicu dengan bertambahnya populasi penduduk dari waktu ke waktu. Situasi yang demikian tentu saja akan berakibat kepada lingkungan hidup. Semakin tinggi tingkat interaksi yang ada akan memunculkan persoalan yang lebih banyak. Demikian pula yang dihadapi dalam dunia kesehatan. Bahwa penyakit yang ditemukan semakin hari semakin banyak jenisnya. Sehingga diperlukan pakar kesehatan atau dokter yang memiliki spesilisasi untuk penangani penyakit secara khusus pula. Ketidak cukupan dokter mengakibatkan beban dokter semakin hari semakin tinggi. Sehingga diperlukan teknologi yang dapat membantu dokter dalam menangani persoalan yang dihadapinya. II. METODE PENELITIAN A. Metode Pengumpulan Data
B. Metode Pengembangan Sistem System / Modeling
Information
Engineering
and
Permodelan ini diawali dengan mencari kebutuhan dari keseluruhan sistem yang akan diaplikasikan ke dalam bentuk software. Hal ini sangat penting, mengingat software harus dapat berinteraksi dengan elemen-elemen yang lain seperti hardware, database, dsb. Tahap ini sering disebut dengan Project Definition. -
-
Design
Proses ini digunakan untuk mengubah kebutuhankebutuhan diatas menjadi representasi ke dalam bentuk “blueprint” software sebelum coding dimulai. Desain harus dapat mengimplementasikan kebutuhan yang telah disebutkan pada tahap sebelumnya. Seperti 2 aktivitas sebelumnya, maka proses ini juga harus didokumentasikan sebagai konfigurasi dari software. -
Coding
Untuk dapat dimengerti oleh mesin, dalam hal ini adalah komputer, maka desain tadi harus diubah bentuknya menjadi bentuk yang dapat dimengerti oleh mesin, yaitu ke dalam bahasa pemrograman melalui proses coding. Tahap ini merupakan implementasi dari tahap desain yang secara teknis nantinya dikerjakan oleh programmer. -
Testing / Verification
Sesuatu yang dibuat haruslah diujicobakan. Demikian juga dengan software. Semua fungsifungsi software harus diujicobakan, agar software bebas dari error, dan hasilnya harus benar-benar sesuai dengan kebutuhan yang sudah didefinisikan sebelumnya. -
Pengumpulan data dalam penelitian ini dilakukan dengan menggunakan metode dokumentasi. Metode ini digunakan untuk mendapatkan informasi tentang gejala penyakit radang genitalia dari seorang pakar dan dari buku – buku yang menjadi referensi dalam penelitian.
-
Proses pencarian kebutuhan diintensifkan dan difokuskan pada software. Untuk mengetahui sifat dari program yang akan dibuat, maka para software engineer harus mengerti tentang domain informasi dari software, misalnya fungsi yang dibutuhkan, user interface, dsb. Dari 2 aktivitas tersebut (pencarian kebutuhan sistem dan software) harus didokumentasikan dan ditunjukkan kepada pelanggan.
Maintenance
Pemeliharaan suatu software diperlukan, termasuk di dalamnya adalah pengembangan, karena software yang dibuat tidak selamanya hanya seperti itu. Ketika dijalankan mungkin saja masih ada errors kecil yang tidak ditemukan sebelumnya, atau ada penambahan fitur-fitur yang belum ada pada software tersebut. Pengembangan diperlukan ketika adanya perubahan dari eksternal perusahaan seperti ketika ada pergantian sistem operasi, atau perangkat lainnya.
C. Perancangan Sistem Perancangan system ini seperti yang tampak pada gambar-gambar berikut;
Software Requirements Analysis
2
mengalikan dengan nilai kebenaran tiap – tiap gejala terhadap penyakit . Untuk penyakit vaginitis Cf 1 = G1 + G2*(1-G1) =0,48 + 0,48*(1-0,48) = 0,729 Gambar 1. DFD Level 0 DFD Level 0 digunakan untuk menggambarkan bagaimana system akan dibangun.
CF2 = CF1 + G3 (1 – CF1) = 0,729 + 0,16 (1- 0,729) = 0,7728 CF3= CF2 + G4 (1 – CF2)
D. Sistem Pakar Sistem pakar didefenisikan sebagai Sistem yang berusaha mengadopsi pengetahuan manusia kekomputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli. Sistem Pakar tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyaratkan pengetahuan dan pengalaman pakar tersebut. Menurut Efraim Turban (1995), Sistem Pakar harus mengandung: keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan. Keahlian adalah suatu kelebihan penguasan pengetahuan dibidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Sistem Pakar dikembangkan pertama kali oleh komunitas AI tahun 1960an. Sistem Pakar yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan olehNewel Simon.
= 0,7728 + 0,04 (1 – 0,7728) = 0, 781949 CF4= CF3 + G5 (1- CF3) = 0,781949 + 0,48(1-0,781949) = 0,8866 Maka nilai CF untuk penyakit vaginitis adala 0,8866. Untuk menentukan jenis penyakit yang lain dilakukan dengan cara yang sama. Dalam menyimpulkan jenis penyakit, dilakukan dengan memilih nilai CF jenis penyakit terbesar. B. Perhitungan Naïve Bayesia Misalnya user memberikan gejala sebagai berikut : G1
= ya
G2
= ya
G3
= ya
G4
= tidak
A. Perhitungan Certainty Factor
G5
= tidak
Misalnya user memasukkan gejala seperti berikut
G6
= ya
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14.
G7
= ya
G8
= tidak
G9
= tidak
G10
= ya
G11
= ya
G12
= tidak
G13
= tidak
G14
= tidak
III. PEMBAHASAN
Mengalami keputihan (0,6) Nyeri saat buang air kecil (0,6) Demam (0) Gatal di sekitar vagina (0,2) Kelenjar bartolin membengkak (0) Perubahan warna kulit pada vulva (0) Nyeri saat duduk (0.2) Terdapat abses pada daerah vagina (0) Saat menstruasi perut terasa nyeri (0,6) Nyeri pada bagian panggul (0) Anus terasa sakit (0) Terdapat ruam merah pada vagina (0.2) Vagina terasa nyeri saat buang air besar (0) Banyak lendir keluar dari vagina (0.8)
Selanjutnya hitung setiap gejala yang di input oleh user yang memiliki nilai selain 0 dengan
3
Membandingkan tiap kelas penyakit banyaknya data pada tabel training
dengan
P(class = endometriosis) = 5/20
Berdasarkan perhitungan diatas dapat dilihat bahwa peluang terbesar yaitu penyakit endometriosis.
P(class = vaginitis) = 5/20 P(class = vulva vaginitis) = 5/20
C. Perbandingan Metode Naïve Bayesian dan Certainty Factor
P(class = Bartolinitis) = 5/20
Menghitung peluang jawaban dari user berdasarkan tiap – tiap penyakit P {G1 = y, G2 =Y, G3 = Y, G4 = T, G5 = T, G6 = Y, G7 = Y, G8 = T, G9 = T, G10 = Y, G11 = Y, G12 = T, G13 =T, G14 = T | CLASS = BARTOLINITIS} = {5/5 * 5/5 * 5/5 * 5/5 * 0/5 * 5/5 * 3/5 * 2/5 * 2/5 * 0/5 * 1/5 * 4/5 * 5/5 * 2/5} =0
P {G1 = y, G2 =Y, G3 = Y, G4 = T, G5 = T, G6 = Y, G7 = Y, G8 = T, G9 = T, G10 = Y, G11 = Y, G12 = T, G13 =T, G14 = T | CLASS = VAGINITIS} = {5/5 * 5/5 * 5/5 * 1/5 * 5/5 * 0/5 * 0/5 * 5/5 * 4/5 * 4/5 * 4/5 * 2/5 * 1/5 * 2/5}
Keterangan = Persentase Validasi = (Jumlah data False/banyak data uji)* 100
=0
P {G1 = y, G2 =Y, G3 = Y, G4 = T, G5 = T, G6 = Y, G7 = Y, G8 = T, G9 = T, G10 = Y, G11 = Y, G12 = T, G13 =T, G14 = T | CLASS = VULVA VAGINITIS}
Dari data diatas maka dapat dilihat persentase validasi untuk metode certainty factor jauh lebih baik dibandingkan dengan metode Naive Bayesian, persentase untuk Certainty factor adalah 80% sedangkan naive Bayesian adalah 68%.
= {5/5 * 5/5 * 5/5 * 5/5 * 0/5 * 5/5 * 3/5 * 2/5 * 2/5 * 0/5 * 1/5 * 4/5 * 5/5 * 2/5} =0 P {G1 = y, G2 =Y, G3 = Y, G4 = T, G5 = T, G6 = Y, G7 = Y, G8 = T, G9 = T, G10 = Y, G11 = Y, G12 = T, G13 =T, G14 = T | CLASS = ENDOMETRIOSIS} = {5/5 * 4/5 * 4/5 * 5/5 * 4/5 * 1/5 * 5/5 * 3/5 * 2/5 * 4/5 * 4/5 * 5/5 * 5/5 * 3/5} = 0,004608
4
DAFTAR PUSTAKA
Chris Brooker. 2008. Ensiklopedia Keperawatan. Jakarta : Buku Kedokteran EGC. Diema Hernyka Satyareni. 2011. Sistem Pakar Diagnosis Penyakit Infeksi Tropis Dengan Menggunakan Forward dan Backward Chaining. Jombang : Teknologi Vol 1 No 2. Efraim Turban. 1995. Decision Support Systems and Expert System. Prentice – Hall International, Inc. I.O Folorunso, O.C Abikoye, R.G Jimoh dan K.S Raji. 2012. A Rule – Based Expert System for Mineral Identification.Journal of Emerging Trends in Computing and Information Sciences Vol 3 No 2. Ida Bagus Gde Manuaba. 1998. Ilmu Kebidanan, Penyakit Kandungan & Keluarga Berencana untuk Pendidikan Bidan. Jakarta : Buku Kedokteran EGC
Naïve Bayesian Classifier. Jurnal sarjana teknik informatika vol 1 no 1 Saiful Nur Arif, 2011. Implementasi Rule Based Expert Systems Dalam Mendeteksi Kerusakan Sistem Jaringan Komputer Dengan Metode Backward Chaining. Jurnal SANITIKOM Vol 10 No 2. Sarwono dan Hanifa Wiknjosastro. 2009. Ilmukandungan .Jakarta : PT. Bina Pustaka Sarwono Prawiroharjo. Sulastri dan Eri Zuliarso, 2011. Aplikasi Sistem Pakar untuk Mendiagnosa Penyakit pada Bayi Menggunakan Piranti Mobile. Jurnal Teknologi Informasi DINAMIK Volume 16, No.1, Januari2011 : 113. ISSN : 08549524 Tuswanto dan Abdul Fadlil, 2013. Sistem Pakar Untuk Mendiagnosa Hama dan Penyakit Tanaman Bawang Merah Menggunakan Certainty Factor. Jurnal Sarjana Teknik Informatika vol 1 no 1. ISSN = 2338-5197
Ioannis Hatzilygeroudis1, Anthi Karatrantou1, dan C. Pierrakeas. 2004.PASS: An Expert System with Certainty Factors for Predicting Student Success. Springer-Verlag Berlin Heidelberg 2004 Karp, P. 1992. The Design Space of Frame Knowledge Representation Systems”. SRI Internastional Artificial Intelligence Center. Kowalski, R. 2010. WUENIC – A Case Study in Rule-based Knowledge. Imperial College London Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Yogyakarta : penerbit Andi Yogyakarta. Luther Latumakulita dan Christie E.J.C. Montolalu, 2011.Sistem Pakar Penyakit Ginjal. Manado. Mukhlis Ramadhan, 2011. Sistem Pakar Dalam Mengidentifikasi Penyakit Kanker Pada Anak Sejak Dini dan Penanggulangannya Paschke. 2006 A. Rule-based Knowledge Representation for Service Level Agreements. Internet Based Information System (IBIS) Ricky Yudha Firmansayah dan Diana Rahmawati, Haryanto. 2012.Sistem Pakar Diagnosis Penyakit Ginjal Menggunakan Metode
5
