aplikasi pakar diagnosa penyakit kanker serviks dengan metode

APLIKASI PAKAR DIAGNOSA PENYAKIT KANKER
SERVIKS DENGAN METODE ANALISIS FAKTOR
KEPASTIAN
Erfan Hasmin
Teknik Informatika
STMIK DipanegaSra, Makassar
[email protected]
Abstrak
Aplikasi pakar merupakan aplikasi komputer yang dapat membantu manusia untuk
menyelesaikan suatu masalah yang spesifik. Implementasi aplikasi pakar banyak digunakan
untuk kepentingan komersial, karena aplikasi pakar dipandang sebagai cara menyimpan
pengetahuan manusia dalam bidang tertentu ke dalam suatu program, sehingga dapat
memberikan keputusan dan melakukan penalaran secara cepat dan cerdas. Aplikasi pakar
menggunakan penalaran inferensi menyerupai seorang analisis dalam memecahkan masalah,
Dengan penggunaan komputer melalui aplikasi pakar mendiagnosa penyakit Kanker Serviks
diharapkan dapat membantu dokter untuk mendiagnosa penyakit dan gejala yang dirasakan oleh
pasien. Dengan menginput tingkat kepastian terhadap diagnose yang dideteksi oleh dokter.
Aplikasi akan menganalisa tingkat kepastian yang telah di input oleh pakar (dokter). Aplikasi
akan menampilkan output hasil diagnosa disertai dengan tingkat stadium terhadap pernyakit
tersebut.
Kata kunci : Fakot Kepastian,Kanker Serviks, Pakar
Abstract
Application experts are computer applications that can help people to solve a specific problem.
Implementation of expert application widely used for commercial purposes, for application
experts as a way to save human knowledge in a particular field into a program, so as to give a
decision and reasoning quickly and intelligently. Application experts using inference reasoning
resembles an analysis in solving the problem, the computer through the use of experts diagnose
diseases Cervical cancer is expected to help doctors to diagnose the disease and the symptoms
experienced by the patient. By inputting the level of certainty of the diagnosis were detected by
physicians. Applications will be analyzing the level of certainty that has been input by experts
(doctors). The application will display the output level of diagnosis is accompanied by the
statement, the stadium.
Keyword : Certainty Factor, Cervical cancer, Expert
1. PENDAHULUAN
Menurut WHO, terdapat 490.000 perempuan di dunia terkena kanker serviks pada tiap
tahunnya. Dan delapan puluh persen di antaranya berada di negara-negara berkembang, salah
satunya adalah Indonesia. Tiap satu menit muncul kasus baru dan tiap dua menit terdapat satu
orang meninggal akibat kanker serviks [1]. Jadi bisa disimpulkan bahwa kanker serviks adalah
jenis kanker yang sering menyerang wanita.
Di Indonesia, pada tiap harinya, diperkirakan muncul 40-45 kasus baru dan sekitar 20-25
orang meninggal akibat kanker serviks. Berarti tiap bulan Indonesia kehilangan 600-750
perempuan akibat kanker serviks. Angka kematian kanker serviks di Indonesia tergolong tinggi
dan sebagian besar disebabkan oleh keterlambatan dalam diagnosis. Sedangkan pada RSUD
Labuang Baji, penderita penyakit kankerServiksrata-rata berjumlah 20 pasien di setiap
tahunnyadan cenderung terjadi pada usia dewasa. Penderita penyakit kanker serviks di RSUD
Received June1st,2012; Revised June25th, 2012; Accepted July 10th, 2012
Labuang Baji beberapa diantaranya jugameniggal dunia akibat keterlambatan dalam
penanganan penyakit tersebut dikarenakan kanker jenis ini merupakan penyakit yang sangat
mematikan.
Meningkatnya jumlah pasien penderita penyakit kanker serviks, menjadikan
permasalahan pada penanganan diagnosa yang semakit sulit karena dokter spesialis penyakit
kanker serviks masih sedikit dan untuk mendiagnosa dan mengambil keputusan hasil diagnosa
masih dilakukan secara konvensional sertadiperlukan waktu yang lama dan ketelitian untuk
memutuskan hasil akhir dari diagnosa pasien. Hal ini memberikan jalan bagi penulis untuk
mengimplementasikan hasil penelitian penulis dalam menerapkan diagnosa yang menggunakan
sebuah aplikasi pakar, dimana nantinya diagnosa akhir yang dilakukan oleh dokter bersangkutan
terhadap pasien, dapat menjadi bahan pertimbangan dokter untuk analisis akhir penyakit kanker
Serviks. Adapun metode yang penulis gunakan adalah metode Certainty Factor, dengan alasan
metode ini cocok dipakai untuk mengukur kepastian terhadap diagnosa penyakit dan
perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengolah dua
data saja sehingga keakuratan data dapat terjaga..
2. METODE PENELITIAN
No
1.
2.
3.
4.
No
1.
2.
3.
No
1.
2.
3.
4
5
6
7
8
Tabel 1 Gejala Kanker Serviks Stadium 1
Gejala
munculnya pendarahan seperti menstruasi namun terjadi di luar siklus menstruasi
Pendarahan yang muncul saat menjelang siklus menopause dan setelah
menopause.
Pendarahan yang muncul pada saat hubungan suami istri atau hubugan intim
Gejala umum yang paling sering tidak diperhatikan wanita adalah munculnya
keputihan yang dalam waktu lama dan sering menimbulkan bau yang tidak enak
serta munculnya rasa sakit saat berhubungan seks
Tabel 2 Gejala Kanker Serviks Stadium 2
Gejala
Muncul pendarahan dalam waktu tertentu menjelang masa menopause atau pada
saat menstruasi. Pendarahan ini bisa membuat penderita merasa lemah dan lelah
karena darah yang keluar sangat banyak
Muncul rasa sakit pada bagian panggul bawah namun bisa hilang sendiri dan
terkadang menjadi gejala awal dari pendarahan.
Penderita kanker serviks stadium 2 terkadang juga tidak memiliki gejala khusus
seperti pendarahan, namun hanya keputihan yang menimbulkan bau tidak enak.
Tabel 3 Gejala Kanker Serviks Stadium 3
Gejala
Muncul pendarahan yang dengan beberapa tingkat yang berbeda.
Munculnya keputihan dalam jangka waktu lama dan bahkan menyebabkan bau
yang tidak enak
Saat berhubungan seksual, organ di sekitar liang vagina biasanya akan terasa
sakit dan tidak nyaman.
Muncul pendarahan dalam urin.
Timbul masalah pencernaan yang berhubungan dengan kesulitan buang air besar.
Timbul keinginan buang air kecil secara terus menerus.
Tidak memiliki nafsu makan, lebih mudah merasa lelah, lebih dan sedih.
Muncul rasa sakit pada bagian panggul belakang dan tidak nyaman untuk
beberapa posisi duduk maupun berdiri.
Title of manuscript is short and clear, implies research results (First Author)
Desain Metode Analisis Kepastian
Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk
menunjukkan besarnya kepercayaan [3] dalam didefinisikan sebagai berikut :
𝐶𝐹 (𝐻, 𝐸) = 𝑀𝐵 (𝐻, 𝐸) − 𝑀𝐷 (𝐻, 𝐸)CF
(1)
(H,E) : Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E.
Besarnya CF berkisar antara -1 sampai 1. Nilai -1 menunjukan ketidak percayaan mutlak
sedangkan nilai 1 menunjukan kepercayaan mutlak.
MD (H,E) : Ukuran kenaikan ketidak percayaan (measure of increased disbelief terhadap
hipotesis H yang dipengaruhi oleh gejala E.
MB (H,E) : Ukuran kenaikan kepercayaan (measure of increased belief) terhdapa hipotesis H
yang dipengaruhi oleh gejala E.
H : Hipotesis (dugaan)
E : Evidence (Peristiwa/fakta)
Bentuk dasar rumus certainty factor, adalah sebuah aturan JIKA E MAKA H seperti
ditunjukan oleh persamaan berikut :
𝐶𝐹 (𝐻, 𝑒) = 𝐶𝐹 (𝐸, 𝑒) ∗ 𝐶𝐹 (𝐻, 𝐸)
(2)
dan dimana:
CF (H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e.
CF (E,e) : certainty factor evidence E yang dipengaruhi oleh evidence
CF (H,E) :certainty factor hipotesis dengan asumsi evidec diketahui dengan pasti, yaitu ketika
CF (E,e) =1
Jika semua evidence pada antecedent diketahui dengan pasti maka persamaanya akan menjadi :
𝐶𝐹 (𝐻, 𝑒) = 𝐶𝐹 (𝐻, 𝐸)
(3)
Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap
suatu aturan, sedangkan CF(E,e) merupakan nilai kepercayaan yang diberikan oleh pengguna
terhadap gejala yang dialaminya.
Metode certainty factor ini hanya bisa mengolah 2 bobot dalam sekali perhitungan [4]. Untuk
bobot yang lebih dari 2 banyaknya, untuk melakukan perhitungan tidak terjadi masalah apabila
bobot yang dihitung teracak, artinya tidak ada aturan untuk mengkombinasikan bobotnya,
karena untuk kombinasi seperti apapun hasilnya akan tetap sama. Misalnya, untuk mengetahui
apakah seorang pasien tersebut menderita penyakit jantung atau tidak, dilihat dari hasil
perhitungan bobot setelah semua keluhan-keluhan diinputkan dan semua bobot dihitung
dengan menggunakan metode certainty factor. Pasien yang divonis mengidap penyakit jantung
adalah pasien yang memiliki bobot mendekati +1 dengan keluhan-keluhan yang dimiliki
mengarah kepada penyakit jantung. Sedangkan pasien yang mempunyai bobot mendekati -1
adalah pasien yang dianggap tidak mengidap penyakit jantung, serta memiliki bobot sama
dengan 0 diagnosanya tidak diketahui atau unknown atau bisa disebut dengan netral.
No
1.
2.
3.
4.
Tabel 4 Pembobotan Nilai
Gejala
Nilai Mb
Pendarahan diluar haid
0,5
Siklus menstruasi tidak normal
0,3
Nyeri panggul dan perut
0,4
Nyeri saat buang air kecil
0,2
Nilai Md
0,2
0,1
0,1
0,1
Rumus Awal :
𝐶𝐹 (𝐻, 𝐸) = 𝑀𝐵 (𝐻, 𝐸) − 𝑀𝐷 (𝐻, 𝐸)
Title of manuscript is short and clear, implies research results (First Author)
MB(h,e1^e2) = MB(h,e1)+MB(h,e2)*(1-MB[h,e1])
MD(h,e1^e2) = MD(h,e1)+MB(h,e2)*(1-MD[h,e1])
Maka dengan perhitungan manual :
MB : Tingkat kepastian E didukung adanya gejala parsial e.
MD : Tingkat ketidak pastian E didukung adanya gejala parsial e.
1) Menghitung tingkat kepastian penyakit berdasarkan sakit kepala hebat dan kejang-kejang.
MB (e1,e2)
= 0,5 + 0,3 * (1-0,5)
= 0,5 + 0.15
= 0.65
2) Menghitung tingkat kepastian penyakit berdasarkan nyeri otot sendi dan merasakan
kedinginan
MB (e3,e4)
= 0,2 + 0,1 * (1-0,2)
= 0,2 + 0.08
= 0.28
3) Menghitung tingkat ketidak pastian penyakit berdasarkan sakit kepala hebat dan kejangkejang
MD (e1,e2)
= 0,4 + 0,2 * (1-0,4)
= 0,4 + 0.12
= 0.52
4) Menghitung tingkat ketidak pastian penyakit berdasarkan nyeri otot sendi dan merasakan
kedinginan
MD (e3,e4)
= 0,1 + 0,3 * (1-0,1)
= 0,1 + 0.27
= 0.37
Maka nilai gabungannya sebagai berikut :
MB (e1^e2,e3) = 0,65 + 0,52 * (1-0,65)
= 0,65 + 0.182
= 0.832
MD (e1^e2,e3) = 0,28 + 0,37 * (1-0,28)
= 0,28 + 0.2664
= 0.5464
Maka tingkat kepastian penyakit meningitis dengan CF sebagai berikut :
CF (H,E)
= MB(H,E) – MD(H,E)
CF
= 0,832 – 0,5464
= 0,2856
Desain Sistem
Gambar 1. Use Case Diagram
Gambar 2. Class Diagram
Title of manuscript is short and clear, implies research results (First Author)
Desain Aplikasi
Gambar 3. Form Diagnosa
Gambar 4. Hasil Diagnosa Pasien
4. KESIMPULAN
Perancangan aplikasi pakar diagnosa penyakit kanker serviks yang tlah dibuat dan
diimplemtasikan dapat membatu dokter untuk menyimpulkan kanker serviks yang diderita
pasien berdasarkan hasil Tanya jawab dan konsultasi antara pasien dan dokter spesialis dan
Aplikasi ini juga membantu dokter untuk mendeteksi tingkat stadium penyakit kanker serviks
yang diderita oleh pasien.
5. SARAN
Karena keterbatasan waktu, biaya dan pengalaman yang dimiliki penulis, maka penulis
memberikan saran kepada peneliti yang ingin mengembangkan aplikasi ini untuk
mengkombinasikan motode kepastian dengan metode lain yang relevan agar di dapat tingkat
akurasi yang lebih baik.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih STMIK DIPANEGARA Makassar dan dan Rumah
Sakit Labuang Baji Makassar yang telah bersedai menjadi tempat penelitian ini.
Title of manuscript is short and clear, implies research results (First Author)
DAFTAR PUSTAKA
[8]
Komite Penanggulangan Kanker Nasional. 2016. Panduan Penatalaksanaan Kanker
Serviks. Kemetrian Kesehatan RI. Jakarta
[9] Kusrini. 2008. Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna
denganMetode Kuantifikasi Pertanyaan. Yogyakarta: Andi Offset
[10] Nasdaldy. 2010. Cegah Dan Deteksi Kanker Serviks. Penerbit Elex Media Komputindo.
Jakarta
[11] Share. 2008. Materi Dasar Kanker Serviks Serta Analisis Pengobatan Kanker. Dian
Rakyat. Jakarta
Title of manuscript is short and clear, implies research results (First Author)