sistem pakar diagnosa dini penyakit kandungan menggunakan

SISTEM PAKAR DIAGNOSA DINI PENYAKIT KANDUNGAN
MENGGUNAKAN METODE FUZZY
1
Agus Irawan dan 2Edi Faizal
STMIK El Rahma Yogyakarta
e-mail : [email protected], [email protected]
1,2
Abstract
Gynecologic or known as the uterus is a pear-shaped muscular organ located between the bladder
and rectum. Most women often have impaired around the uterus, but sometimes it is considered that the
symptoms are common among women. whereas the possibility of these symptoms is a symptom of a
dangerous disease. This research will develop an expert system application for early detection of uterine
disease. analysis of disease diagnosis performed by applying fuzzy method. The system uses fuzzy logic
mamdani method for the decision-making process and the end result using the weighted average value.
applications developed using the android based, so that these applications can be accessed from anywhere
with an easy using the mobile devices such as smartphones.
Keywords— expert system, gynecology, fuzzy logic , android.
PENDAHULUAN
Dari dulu hingga sekarang begitu banyak masalah dalam kesehatan yang timbul pada
wanita, khususnya pada bagian rahim. Rahim merupakan suatu organ muscular berbentuk
seperti pir yang terletak diantara kandung kencing dan rektum yang berfungsi sebagai
pengeluaran darah haid dengan ditandai adanya perubahan dan pelepasan dari
endometrium.
Sebagian besar wanita sering mengalami gangguan pada area rahim tapi terkadang
wanita beranggapan bahwa gejala-gejala yang timbul merupakan gejala-gejala umum yang
sering terjadi pada wanita, padahal kemungkinan gejala tersebut merupakan gejala penyakit
yang berbahaya.
Pengetahuan tentang gejala dan jenis penyakit rahim itu sendiri teryata masih belum
banyak diketahui oleh kaum wanita. Wanita yang mengalami gangguan atau kelainan pada
area rahim ia akan mendatangi dokter spesialis untuk berkonsultasi, namun pada
kenyataannya tidak semua orang dapat melakukannya. Hal ini dapat dikarenakan faktor
perekonomian yang kurang mencukupi ataupun karena tuntutan kesibukan, terdapat pula
kelemahan seperti jam kerja praktek dokter yang terbatas.
Permasalahan yang di tangani oleh seorang sistem pakar bukan hanya mengandalkan
algoritma,namun terkadang juga permasalahan yang sulit di pahami.Permasalahan tersebut
dapat di atasi oleh seorang pakar dengan pengetahuan dan pengalamannya.Oleh karena itu
sistem pakar di bangun bukan berdasarkan algoritma tertentu, tetapi berdasarkan basis
pengetahuan dan aturan [1].
METODE PENELITIAN
Sistem pakar (expert sistem) adalah program berbasis pengetahuan yang menyediakan
solusi–solusi dengan kualitas pakar untuk problema–problema dalam suatu domain yang
spesifik [2].
Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke
komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh
para ahli.Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan
tertentu dengan meniru kerja dari para ahli. Dengan sistem pakar ini, orang awampun dapat
menyelesaikan dengan bantuan para ahli. Bagi para ahli sistem pakar ini juga akan
membantu aktivitasnya sebagai asisten yang sangat berpengalaman [3].
1. Kelebihan dan kekurangan sistem pakar
Menurut [4], secara garis besar banyak keuntungan yang didapatkan dengan adanya
sistem pakar, antara lain :Menjadikan pengetahuan dan nasihat lebih mudah didapat
a. Meningkatkan output dan produktivitas
b. Menyimpan kemampuan dan keahlian pakar
c. Meningkatkan penyelesaian masalah dan menerusi paduan pakar
d. Meningkatkan reliabilitas
e. Memberikan respon (jawaban) yang cepat
f. Merupakan panduan yang intelligence (cerdas)
g. Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian
h. Intelligence database (basis data cerdas), bahwa sistem pakar dapat digunakan untuk
mengakses basis data dengan cara cerdas.
Selain kelebihan – kelebihan diatas, sistem pakar seperti hal lainnya, juga memiliki
kelemahan, diantaranya adalah :
a. Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu bias
didapatkan dengan mudah, Karena kadangkala pakar dari masalah yang kita buat tidak
ada, dan kalaupan ada kadang-kadang pendekatan yang dimiliki oleh pakar berbedabeda.
b. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi sangatlah sulit
dan memerlukan biaya yang sangat besar untuk pengembangan dan pemeliharaannya.
c. Boleh jadi sistem tidak dapat membuat keputusan
d. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tidak sempurna atau
tidak terlalu benar. Oleh karena itu perlu diuji ulang secara teliti sebelum digunakan.
Kelemahan-kelemahan atau kekurangan dari sistem pakar tersebut bukanlah sama
sekali dan tidak bisa diatasi, tetapi dengan terus melakukan perbaikan dan pengolahan
berdasarkan pengalaman yang telah ada maka hal itu diyakini akan dapat diatasi, walaupun
dalam waktu yang lama dan terus menerus.
2. Konsep umum sistem pakar
Pengetahuan dari suatu sistem pakar mungkin dapat dipresentasikan dalam sejumlah
cara. Salah satu metode yang paling umum untuk mempresentasikan pengetahuan adalah
dalam bentuk tipe aturan (rule) IF…THEN (Jika…maka).
3. Struktur sistem pakar
Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan
(development environment) dan lingkungan konsultasi (consultation environment) [4].Lingkungan
pengembangan sistem pakar digunakan untuk memasukan pengetahuan pakar kedalam
lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang
bukan pakar guna memperoleh pengetahuan pakar.Sebagaimana dapat dilihat pada Gambar
1.
Komponen – komponen yang terdapat dalam sistem pakar adalah seperti yang
terdapat pada Gambar 1. Arsitektur sistem pakar, yaitu User interface (antarmuka pengguna),
basis pengetahuan, akuisisi pengetahuan, mesin inferensi, workplace, fasilitas penjelasan,
perbaikan pengetahuan.
a. Antarmuka pengguna (user interface)
User Interface merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar
untuk berkomunikasi.Antarmuka menerima informasi dari pemakai dan mengubahnya
kedalam bentuk yang dapat diterima oleh sistem.Selain itu atantarmuka menerima
informasi dari sistem dan menyajikanya kedalam bentuk yang dapat dimengerti oleh
pemakai.
Gambar 1. Arsitektur sistem pakar
b. Basis pengetahuan(knowledge base)
Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan
penyelesaian masalah.Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu
fakta dan aturan. Fakta merupakan informasi tentang objek dalam area permasalahan
tertentu, sedangkan aturan merupakan informasi tentang cara bagaimana memperoleh
fakta baru dari fakta yang telah diketahuai.
c. Akuisisi pengetahuan (knowledge acquisition)
Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam
penyelesaian masalah dari sumber pengetahuan kedalam program komputer.Dalam
tahap ini knowledge engineer berusaha menyerap pengetahuan untuk selanjutnya ditransfer
kedalam basis pengetahuan.Pengetahuan diperoleh dari pakar, dilengkapi dengan buku,
basis data, laporan penelitian dan pengalaman pemakai.
d. Mesin inferensi (inference engine)
Inference engineadalah bagian yang menyediakan mekanisme fungsi berfikir dan pola-pola
penalaran sistem yang digunakan oleh seorang pakar.Ada dua teknik inferensi antara lain
:
1) Backward chaining (pelacakan ke belakang)
Melalui penalarannya dari sekumpulan hipotesis menuju fakta-fakta yang mendukung,
jadi proses pelacakan berjalan mundur dimulai dengan menentukan kesimpulan yang
akan dicari baru kemudian fakta-fakta pembangun kesimpulan atau Goal Driven.
2) Forward chaining (pelacakan ke depan)
Forward chaining merupakan kebalikan dari backward chaining yaitu mulai dari kumpulan
data menuju kesimpulan.Suatu kasus kesimpulannya dibangun berdasarkan faktafakta yang telah diketahui atau data driven.
e. Workplace
Workplace merupakan area dari sekumpulan memori kerja (working memory).Workplace
digunakan untuk merekam hasil – hasil antara dan kesimpulan yang dicapai.
f. Fasilitas penjelasan
Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan
sistem pakar. Komponen ini menggambarkan penalaran sistem kepada pemakai.
g. Perbaikan pengetahuan
Pakar mempunyai kemampuan untuk menganalisis dan meningkatkan kinerjanya serta
kemampuan untuk belajar dari kinerjanya. Kemampuan tersebut adalah penting dalam
pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab
kesuksesan dan kegagalan yang dialaminya.
4. Kategori masalah sistem pakar
Sistem pakar saat ini telah dibuat untuk memecahkan berbagai macam permasalahan
dalam berbagai bidang, seperti matematika, teknik, kedokteran, kimia, farmasi, sains
komputer, bisnis, hukum, pendidikan, sampai pertahanan. Secara umum ada beberapa area
permasalahan sistem pakar, yaitu :
a. Interpretasi, yaitu pengambilan keputusan atau deskripsi tingkat tinggi dari sekumpulan
data mentah, termasuk diantaranya juga pengawasan, pengenalan ucapan, analisis citra,
interpretasi sinyal, dan beberapa analisis kecerdasan.
b. Proyeksi, yaitu memprediksi akibat-akibat yang dimungkinkan dari situasi-situasi
tertentu, diantaranya peramalan, prediksi demografis, peramalan ekonomi, prediksi
lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan.
c. Diagnosis, yaitu menentukan sebab malfungsi dalam situasi kompleks yang didasarkan
pada gejala-gejala yang teramati, diantaranya medis, elektronik, mekanis dan diagnosis
perangkat lunak.
d. Desain, yaitu menentukan konfigurasi komponen-komponen sistem yang cocok dengan
tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu, diataranya
layout sirkuit dan perancangan bangunan
e. Perencanaan, yaitu merencanakan serangkaian tindakan yang akan mencapai sejumlah
tujuan dengan kondisi awal tertentu, diantaranya perencanaan keuangan, komunikasi
militer, pengembangan produk, routing dan manajemen proyek.
f. Monitoring, yaitu membandingkan tingkah laku suatu sistem yang teramati dengan tingkah
laku yang diharapkan darinya diantaranya Computer Aided Monitoring System
g. Debugging dan repair, yaitu menentukan dan mengimplementasikan cara-cara untuk
mengatasi multifungsi, diantaranya memberikan solusi terhadap suatu kegagalan.
h. Instruksi, yaitu mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek,
diantaranya melakukan instruksi untuk diagnosis, debugging dan perbaikan kinerja.
i. Pengendalian, yaitu mengatur tingkah laku suatu environment yang kompleks seperti
kontrol terhadap interpretasi-interpretasi, prediksi, perbaikan dan monitoring kelakuan
sistem
j. Seleksi, mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan.
k. Simulasi, pemodelan interaksi antara komponen-komponen sistem
5. Diagnosis
Dasar therapy modern adalah diagnosis.Konsep diagnosis adalah penentuan jenis
penyakit kemudian melakukan penyembuhan penyakit tersebut.Prosedur untuk
mendapatkan informasi yang dibutuhkan guna menegakan sautu diagnosis sangat
berhubungan dengan keberhasilan suatu diagnosis. Untuk sampai kepada diagnosis yang
tepat diperlukan ilmu pengetahuan penyakit serta gejala-gejalanya, ketrampilan untuk
melakukan cara menguji yang tepat dan seni menyatakan impresi, fakta dan pengalaman ke
dalam pengertian.Sehubungan dengan banyak penyakit yang memepunyai gejala yang sama,
seorang klinis harus teliti dalam menentukan ketepatan diagnosis. Macam-macam jenis
diagnosis yang dikenal antara lain:
a. Early diagnosis (diagnosis dini), merupakan kelainan belum begitu tampak tetapi sudah
dapat menentukan diagnosisnya.
b. Clinical diagnosis, merupakan diagnosis yang didapat berdasarkan pembacaan foto dari
hasil rontgen.
c. Rontgenologis diagnosis, merupakan diagnosis yang didapat berdasarkan pembacaan foto
dari hasil rontgen.
d. Differential diagnosis (diagnosa banding), merupakan diagnosis yang membandingkan
gejala-gejala penyakit yang satu dengan yang lain yang kebetulan mempunyai gejala atau
tanda-tanda yang serupa.
e. Final diagnosis (diagnosis akhir), merupakan penentuan dari suatu penyakit yang bersifat
pasti.
6. Logika fuzyy
Fuzyy dalam bahasa inggris berarti tidak tentu, kabur atau tidak jelas. Logika fuzyy
merupakan salah satu komponen pembetuk soft computing. Logika fuzzy pertama kali
diperkenalkan oleh Prof. Lotfi A. Zaedah pada tahun 1965. Dasar logika fuzzy adalah teori
himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu
keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotan atau derajat
keanggotaan atau membership function menjadi ciri utama dari penalan dengan logika fuzzy
tersebut [5]. Dalam banyak hal, logika fuzzy digunakan sebagai suatu cara untuk memetakan
permasalahan dari input menuju output yang diharapkan.
7. Metode mamdani
Metode mamdani sering juga dikenal dengan metode Max-Min. Metode ini
diperkenalkan oleh EbrahimMamdani pada tahun 1975. Untuk mendapatkan
output,diperlukan 4 tahapan:
a. Pembentuk himpunan fuzzy
Pada metode mamdani, baik variabel input maupun variabel output dibagi menjadi satu
atau lebih himpunan fuzzy.
b. Aplikasi fungsi implikasi(aturan)
Pada metode mamdani, fungsi implikasi yang digunakan adalah Min.
c. Komposisi aturan
Tidak seperti penalaran monotoon, apabila sistem terdiri dari beberpa aturan, maka
interfensi diperoleh dari kumpulan dan korelasi antar aturan. Ada tiga metode yang
digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilitas
OR (probor).
1) Metode max (maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maximum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan
mengaplikasikannya ouput dengan menggunakan operator OR (union). Jika semua
proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang
merefleksikan kontribusidari tiap-tiap proposisi.Ada beberapa motode defuzzikasi
pada komposisi aturan mamdani, antara lain: secara umum dituliskan :
μsf (xi) = max(µsf (Xi), µkf (Xi))
(1)
Apabila digunakan fungsi implikasi Min, maka metode komposisi ini sering disebut
dengan nama Max-Min atau Min-Max atau mamdani.
2) Metode additif(sum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum
terhadap semua output daerah fuzzy. Secara umum dituliskan :
µsf(Xi) = min(1,µsf[Xi]+ µkf[Xi])
(2)
3) Metode probabilistik or (probor)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara malakukan produk
terhadap semua output daerah fuzzy. Secara umum dituliskan :
µsf[xi] = (µsf(xi) + µkf(xi)) – (µsf(xi)* µkf(xi))
(3)
d. Penegasan (defuzzy)
Input dari proses defuzzykasi adalah suatu himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan merupakan
suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu
himpunan fuzzy dalam range tertentu. Maka dapat diambil suatu nilai crisp tertentu
sebagai output.
Ada beberapa metode defuzzikasi pada komposisi aturan mamdani, antara lain:
1) Metode centroid (composite moment)
Pada metode ini solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah
fuzyy. Secara umum dirumuskan :
∗
=
z*=
∫
( )
∫
( )
∑
∑
(
(
untuk variabel kontinu, atau
)
)
untuk variabel diskret.
(4)
(5)
2) Metode bisektor
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada domain
fuzzy yang memiliki nilai keanggotaan separuh dari jumlah total nilai pada daerah
fuzzy. Secara umum dituliskan :
( )
Zp sedemikian sehingga ∫ ( ) = ∫
(6)
3) Metode mean of maximum(MOM)
Pada meteode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain
yang memiliki nilai keanggotaan maksimum.
4) Metode largest of maximum(LOM)
Pada metode ini, solusi crips diperoleh dengan cara mengambil nilai terbasar dari
domain yang memiliki nilai kaeanggotaan maksimum.
5) Metode smalles of maximum(SOM)
Pada metode ini, solusi crips diperoleh dengan cara mengambil nilai terkecil dari
domain yang memiliki nilai keanggotan maksimum.
8. Android
Android merupakan sistem operasi berbasis Linux yang didesain khusus
untuk
perangkat bergerak seperti smartphone atau tablet. Sistem operasi android bersifat open
source sehingga banyak sekali programmer yang berbondong-bondong membuat aplikasi
maupun memodifikasi sistem operasi ini [6].
Berdasarkan informasi dari situs resmi (www.android.com), setiap hari terdapat lebih
dari satu juta perangkat android diaktifkan dan diperkirakan akan terus meningkat. Gambar
dibawah menunjukan perkembangan sistem operasi android dimulai dari tahun 2009 hingga
tahun 2013.Grafik ini menunjukan informasi bahwa persebaran pengguna sistem operasi
android jumlahnya terus meningkat.Dengan demikian, terbuka peluang yang sangat besar
bagi programmer untuk teribat mengembangkan aplikasi android. Sebagian besar aplikasi
yang terdapat pada Play Store android bersifat gratis, dan ada juga aplikasi berbayar sebagai
cara untuk me-monetize aplikasi android. Gamabar tenteng perkembangan distribusi sistem
operasi android disajikan dalam Gambar 2.
Gambar 2 Perkembangan distribusi sistem operasi android [6]
Sampai pada saat laporan ini ditulis, sistem operasi android sudah memasuki versi 5.0
Uniknya, penamaan versi android (Gambar 3) selalu menggunakan nama makanan dan
diawali dengan abjad yang berurutan seperti berikut :
a. Android version 1.5 (Cupcake)
b. Android version 1.6 (Donut)
c. Android version 2.0/2.1 (Éclair)
d. Android version 2.2 (Frozen Yogurt / Froyo)
e. Android version 2.3 (Gingerbread)
f. Android version 3.0/3.1/3.2 (Honeycomb)
g. Android version 4.0 (Ice Cream Sandwidch)
h. Android version 4.1/4.2 (Jelly Bean)
i. Android version 4.4 (KitKat)
j. Android version 5.0 (lollipop)
Gambar3 Perkembangan versi android [6]
HASIL DAN PEMBAHASAN
Tahap awal yang dilakukan adalah melakukan analisis terhadap data atau basis
pengetahuan yang akan digunakan. Distribusi dan aturan gejala terhadap penyakit
kandungan yang digunakan dalam penelitian ini disajikan pada Tabel 1 dan Tabel 2.
Tabel 1 Distribusi gejala terhadap penyakit kandungan
Gejala
G1
G2
G3
G4
G5
G6
G7
G8
G9
G10
G11
G12
G13
G14
G15
G16
B
0.6
0.7
0.5
0.8
0
0
0
0
0
0
0
0
0
0
0
0
P1
Y
0.57
0.71
0.43
0.86
0
0
0
0
0
0
0
0
0
0
0
0
N
0.43
0.29
0.57
0.14
0
0
0
0
0
0
0
0
0
0
0
0
B
0.7
0.5
0
0
0.5
0.8
0.7
0
0
0
0
0
0
0
0
0
P2
Y
0.71
0.43
0
0
0.43
0.86
0.71
0
0
0
0
0
0
0
0
0
N
0.29
0.57
0
0
0.57
0.14
0.29
0
0
0
0
0
0
0
0
0
B
0
0
0.6
0
0
0
0.6
0.5
0.7
0.8
0.6
0.6
0
0
0
0
P3
Y
0
0
0.57
0
0
0
0.57
0.43
0.71
0.86
0.57
0.57
0
0
0
0
N
0
0
0.43
0
0
0
0.43
0.57
0.29
0.14
0.43
0.43
0
0
0
0
B
0
0
0
0
0
0
0
0
0
0.5
0
0
0.7
0.5
0.8
0
P4
Y
0
0
0
0
0
0
0
0
0
0.43
0
0
0.71
0.43
0.86
0
N
0
0
0
0
0
0
0
0
0
0.57
0
0
0.29
0.57
0.14
0
B
0
0
0.6
0
0
0
0
0
0
0.7
0
0
0
0
0
0.8
P5
Y
0
0
0.57
0
0
0
0
0
0
0.71
0
0
0
0
0
0.86
N
0
0
0.43
0
0
0
0
0
0
0.29
0
0
0
0
0
0.14
Keterangan :
G : Gejala
B : Bobot nilai
Y : Nilai Yes
N : Nilai No
P1 : Penyakit Kista Indung Telur (Ovarium Cyst)
P2 : Penyakit Kanker Indung Telur (Kanker Ovarium)
P3 : Penyakit Kanker leher rahim (Kanker Serviks)
P4 : Penyakit Myoma Uteri
P5 : Penyakit Kanker Rahim (Kanker Uterus = Carcinoma Uteri)
G1 :Kramperut bawah atau nyeri panggul
G2 :Menstruasi tidak teratur abnormal,rapat secara periode
G3 :Sakit atau tekanan pada saat berkemih
G4 :Rasa nyeri, keluarnya flek darah dari vagina
G5 :Kembung, bengkak, adanya tekanan pada perut
G6 :Pendarahan pasca monopouse
G7 :Tidak napsu makan, Penurunan Berat badan secara progasif
G8 :Sakit kepala dan sering lelah
G9 :Keputihan patogonis
G10 :Sakit pada area kewanitaan
G11 :Pendarahan vagina saat/setelah berhubungan intim
G12 :Bengkak pada kaki
G13 :Pendarahan selama haid ataupun diluar masa haid
G14 :Rasa nyeri pada kandung kemih atau organ panggul lainya
G15 :Pada bagian bawah perut rahim terasa kenyal
G16 :Nyeri pada area pelvic
Tabel 2 Aturan gejala terhadap penyakit
No
Gejala
1 IF Kram perut bawah atau nyeri panggul ^ Menstruasi tidak
teratur abnormal,rapat secara periode ^ Sakit atau tekanan
pada saat berkemih ^ Rasa nyeri, keluarnya flek darah dari
vagina
Kram perut bawah atau nyeri panggul ^ Menstruasi tidak
teratur abnormal,rapat secara periode ^ Kembung, bengkak,
2 IF adanya tekanan pada perut ^ Pendarahan pasca monopouse
^ Tidak napsu makan, Penurunan Berat badan secara
progasif
3 IF Sakit atau tekanan pada saat berkemih ^ Tidak napsu makan,
Penurunan Berat badan secara progasif ^ Sakit kepala dan
sering lelah ^ Keputihan patogonis ^ Sakit pada area
kewanitaan ^ Pendarahan vagina saat/setelah berhubungan
intim ^ Bengkak pada kaki
4
Pendarahan vagina saat/setelah berhubungan intim ^
Pendarahan selama haid ataupun diluar masa haid ^ Rasa
IF
nyeri pada kandung kemih atau organ panggul lainya ^ Pada
bagian bawah perut rahim terasa kenyal
5 IF Sakit atau tekanan pada saat berkemih ^ Pendarahan vagina
saat/setelah berhubungan intim ^ Nyeri pada area pelvic
Penyakit
THEN Kista
Ovarium
THEN Kanker
Ovarium
THEN Kanker
Serviks
THEN Myoma
Uteri
THEN Kanker
Rahim
Aplikasi yang akan dibuat terlebih dahulu dirancang tampilan menunya, hal ini
dilakukan untuk mempermudah pembuatan program. Rancangan tampilan menu untuk
aplikasi ini adalah seperti pada Gambar 4.
Gambar 4 Perancangan tampilan menu
Keterangan :
Penyakit :memanggil halaman penyakit
Gejala : memanggil halaman gejala
Help
: memanggil halaman help
Exit
: keluar dari aplikasi
Setelah pengembangan berhasil dilakukan, user dapat menggunakan aplikasi untuk
melakukan diagnosa terhadap penyakit kandungan.Diagnosa dilakukan setelah user memilih
gejala yang ada di halaman gejala, kemudian klik tombol diagnosa. Layar akan menampilkan
halaman diagnosa sesuai dengan gejala yang telah dipilih oleh user.
Percobaan dilakukan untuk penyakit Kista Ovarium, Kanker Ovarium, Kanker
Serviks, Myoma Uteri, dan Kanker Rahim.Pada halaman gejala pilihkan gejala 1, gejala 2,
gejala 3 dan gejala 4.Setelah itu tekan tombol diagnosa, seperti pada Gambar 5.
Gambar5 Halaman gejala
Setelah ditekan tombol diagnosa, maka layar akan menampilkan halaman diagnosa
yang memuat tentang diagnosa sesuai dengan gejala penyakit yang telah dipilih pada
halaman gejala, seperti pada Gambar 6.
Gambar 6 Halaman diagnosa kista ovarium
Perhitungan secara manual untuk menentukan diagnosa penyakit dapat dilakukan
dengan melakukan perhitungan sebagai berikut :
Untuk nilai Ya
µY[X] = X – Min/Max – Min
Untuk nilai Tidak
µT[X] = Max- X /Max – Min
Keterangan:
µY[X]
= Nilai himpunan Y untuk gejala
µT[X]
= Nilai himpunan T untuk gejala
Max
= Nilai Maximal
Min
= Nilai Minimal
Y
= Ya
T
= Tidak
X
= Bobot nilai yang diberikan
1. Kista Ovarium
µY[X]1=(X-0.2)/(0.9-0.2)
µT[X]1=(0.9-X)/(0.9-0.2)
µY[0.6]1=(0.6-0.2)/(0.9-0.2)
µT[0.6]1=(0.9-0.6)/(0.9-0.2)
µY[0.6]1=0.57
µT[0.6]1=0.43
µY[X]2=(X-0.2)/(0.9-0.2)
µY[0.7]2=(0.7-0.2)/(0.9-0.2)
µY[0.7]2=0.71
µT[X]2=(0.9-X)/(0.9-0.2)
µT[0.7]2=(0.9-0.7)/(0.9-0.2)
µT[0.6]2=0.29
µY[X]3=(X-0.2)/(0.9-0.2)
µY[0.5]3=(0.5-0.2)/(0.9-0.2)
µY[0.5]3=0.43
µT[X]3=(0.9-X)/(0.9-0.2)
µT[0.5]3=(0.9-0.5)/(0.9-0.2)
µT[0.6]3=0.57
µY[X]4=(X-0.2)/(0.9-0.2)
µY[0.8]4=(0.8-0.2)/(0.9-0.2)
µY[0.8]4=0.86
µT[X]4=(0.9-X)/(0.9-0.2)
µT[0.8]4=(0.9-0.8)/(0.9-0.2)
µT[0.8]4=0.14
MIN P1=[µT[X]1, µT[X]2, µT[X]3, µT[X]4]
MIN P1=[0.43,0.29,0.57,0.14]
MIN P1=0.14 => µY[X]4=0.86
MIN P1=0.86
2. Kanker Ovarium
µY[X]1=(X-0.2)/(0.9-0.2)
µT[X]1=(0.9-X)/(0.9-0.2)
µY[0.7]1=(0.7-0.2)/(0.9-0.2)
µT[0.7]1=(0.9-0.7)/(0.9-0.2)
µY[0.7]1=0.71
µT[0.7]1=0.29
µY[X]2=(X-0.2)/(0.9-0.2)
µY[0.5]2=(0.5-0.2)/(0.9-0.2)
µY[0.5]2=0.43
MIN P2=[µT[X]1, µT[X]2]
MIN P2=[0.29,0.57]
MIN P2=0.29 => µY[X]1=0.71
MIN P2=0.71
3. Kanker Serviks
µY[X]3=(X-0.2)/(0.9-0.2)
µY[0.6]3=(0.6-0.2)/(0.9-0.2)
µY[0.6]3=0.57
MIN P3=[µT[X]3]
MIN P3=[0.43]
MIN P3=0.43 => µY[X]3=0.57
MIN P3=0.5
4. Myoma Uteri
MIN P4=[0]
MIN P4=0
5. Kanker Rahim
µY[X]3=(X-0.2)/(0.9-0.2)
µY[0.6]3=(0.6-0.2)/(0.9-0.2)
µY[0.6]3=0.57
µT[X]2=(0.9-X)/(0.9-0.2)
µT[0.5]2=(0.9-0.5)/(0.9-0.2)
µT[0.5]2=0.57
µT[X]3=(0.9-X)/(0.9-0.2)
µT[0.6]3=(0.9-0.6)/(0.9-0.2)
µT[0.6]3=0.43
µT[X]3=(0.9-X)/(0.9-0.2)
µT[0.6]3=(0.9-0.6)/(0.9-0.2)
µT[0.6]3=0.43
MIN P5=[µT[X]3]
MIN P5=[0.43]
MIN P5=0.43 => µY[X]1=0.57
MIN P3=0.57
Berdasarkan perhitungan beberapa alternatif diatas, maka akan disimpulkan hasil
diagnosa berdasarkan nilai yang paling tinggi yaitu :
Hasil = MAX[MIN P1, MIN P2, MIN P3, MIN P4, MIN P5]
Hasil = MAX[0.86, 0.71 , 0.57 , 0 , 0.57]
Hasil =0.86 => MIN P1(Kista Ovarium)
Jadi berdasarkan perhitungan diatas maka dapat didiagnosa kemungkinan penyakit
yang diderita adalah Kista Ovarium dengan nilai 0.86.
KESIMPULAN
Dari hasil analisis, perancangan dan pembuatan aplikasi sistem pakar pendeteksi
penyakit kanker kandungan, maka dapat ditarik kesimpulan bahwa dengan adanya aplikasi
ini para wanita dapat mengetahui kemungkinan penyakit yang diderita berdasarkan gejala
yang dirasakan. Gejala yang dapat dipilih ada 16 gejala, sedangkan penyakit kandungan yang
kemungkinan terdeteksi ada 5 macam yaitu, kista ovarium, kanker ovarium, kanker serviks,
myoma uteri dan kanker rahim. Selain itu user juga dapat mengetahui solusi yang harus
diambil dengan penyakit yang terdeteksi. Metode yang digunakan untuk menganalisa dan
menghitung menggunakan metode logica fuzzy. Aplikasi ini berbasis mobile yang dapat
dijalankan pada smartphone dengan sistem operasi android.
SARAN
Dalam aplikasi ini masih ditemui berbagai kekurangan, dikarenakan aplikasi ini hanya
mendeteksi penyakit kandungan berdasarkan gejala yang dipiih oleh user. Pengembangan
selanjutnya diharapkan untuk menambahkan fasilitas kansultasi dan dapat terintegrasi
dengan website. Penggunaan metode yang berbeda dan penambahan penyakit juga dapat
dilakukan untuk melakukan pengenbangan selanjutnya.
DAFTAR PUSTAKA
[1] Kusrini. 2006. Sistem Pakar Teori dan Aplikasinya. Yogyakarta : Penerbit Andi.
[2] Hartati, S. 2003. Sistem Pakar dan Pengembangannya Edisi 1. Yogyakarta: Penerbit Graha
Ilmu.
[3] Kusumadewi, S. 2003. Artificial Intelligence (Teknik Dan Aplikasinya).Yogyakarta:Penerbit
Graha Ilmu.
[4] Arhami, M. 2005. Konsep Dasar Sistem Pakar. Yogyakarta: Penerbit Andi.
[5] Kusumadewi, S. dan Purnomo, H. 2010. Aplikasi Logika Fuzzy Untuk Pendukung
Keputusan, Edisi 2. Yogyakarta: Penerbit Graha Ilmu.
[6] Huda, A.A. 2013. LiveCoding!, 9 Aplikasi Android Buatan Sendiri. Yogyakarta: Penerbit
Andi.