Jurnal METHODIKA.
Vol.
7 No.
1 MARET 2021 P-ISSN : 2442-7861 E-ISSN :2614-3143
SISTEM PAKAR DIAGNOSIS PENYAKIT HIPERTENSI DENGAN MENGUNAKAN
METODE FORWARD CHAINING DAN TOERI PROBABILITAS
Emma Rosinta Simarmata Program Studi Komputerisasi Akuntansi Universitas Methodist Indonesia emros2016@gmail.
ABSTRACT
At this time hypertension is a disease that endangers the community a lot because people often ignore it because this disease does not quickly affect the body but will slowly damage health.
Hypertension is not contagious but can trigger other diseases, such as stroke and heart disease.
The habit of people who will check their health after experiencing problems causes delays in their help.
Symptoms of hypertension can be detected early so that people can prevent the seriousness of the disease.
The expert system is one of the fields of science that can help the public to check whether a person has hypertension and the type of hypertension and the percentage of possible diseases he suffers because the expert system can be designed how to work like an expert.
The expert system designed uses several stages, namely .
system requirements analysis, .
input and output design, .
coding and .
This expert system will be represented in the form of rules, the method of reasoning using the forward chaining method and probability theory in calculating the percentage of rules that are fulfilled.
The form of output .
from the expert system is in the form of diagnostic results based on the symptoms given and suggestions that are in accordance with the diagnosis used are forward chaining, namely drawing conclusions from several types of hypertension obtained from symptoms.
The output of the system is the type of hypertension diagnosed and the solution for the diagnosis.
Keyword : Sistem Pakar.
Forward Chaining.
Hipertensi.
Diagnosa Keyword : Sistem Pakar.
Forward Chaining.
Hipertensi.
Diagnosa
PENDAHULUAN
Penyakit Hipertensi (Tekanan Darah Tingg.
sering kali disebut the silent killer .
embunuh senya.
karena sebagian besar penderitanya tidak mengalami tandatanda atau gejala, sehingga tidak menyadari bahwa tubuhnya telah terkena hipertensi.
Dalam beberapa kasus, penderita baru mengetahuinya setelah terjadi .
Penyakit ini tidak menular namun bisa terbentuk karena sifat genetik serta pola hidup yang tidak Untuk mengetahui apakah seseorang sudah terkena penyakit hipertensi dapat diketahui dengan gejalagejala yang dirasakan didalam tubuh dan kehidupan seharihari.
Dengan mengetahui secara dini penyakit hipertensi ini maka semakin besar peluang kesembuhannya.
Untuk mengetahui apakah seseorang sudah terkena hipertensi maka dibutuhkan suatu aplikasi yang dapat diakses setiap waktu tanpa harus menunggu waktu untuk konsultasi ke dokter namun aplikasi itu dapat bekerja layaknya seperti dokter .
sehingga sistem pakar merupakan salah satu solusi yang dapat digunakan untuk pemecahan masalah Dalam penelitian ini penulis membangun Aplikasi sistem pakar berbasis web dengan menggunakan metode Forward Chaining sebagai teknik untuk penelusuran dalam penarikan kesimpulan sesuai dengan fakta yang diberikan user dan menggunakan teknik probabilitas untuk menentukan nilai kepastian dari setiap aturan dikarenakan bebarapa gejala yang mungkin tidak terpenuhi oleh sistem.
Teknik probabilitas ini diusulkan oleh Shortliffe dan Rule: IF yB
THEN
Buchanan pada yangis bertujuan untuk mengakomodasi ketidakpastian pemikiran seorang pakar.
II.
KAJIAN TEORI
Sistem pakar adalah suatu program komputer yang mengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidang spesifik.
Jenis program ini pertama kali dikembangkan oleh periset kecerdasan buatan pada tahun 1960-an dan 1970-an dan diterapkan secara komersial selama 1980-an.
Bentuk umum sistem pakar adalah suatu program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi .
iasanya diberikan oleh pengguna suatu siste.
mengenai suatu kelas masalah spesifik serta analisis matematis dari masalah tersebut.
Tergantung dari desainnya, sistem pakar juga mampu merekomendasikan suatu rangkaian tindakan pengguna untuk dapat menerapkan koreksi.
Sistem ini memanfaatkan kapabilitas penalaran untuk mencapai suatu simpulan.
Metode Forward Chaining.
Runut maju berarti menggunakan himpunan aturan kondisiAeaksi.
Dalam metode ini, data digunakan utnuk menentukan aturan mana yang akan dijalankan kemudian aturan tersebut dijalankan.
Ilustrasi dari metode Forward Chaining dapat dilihat pada Gambar 1 dan Gambar 2 Database Fact: A is x Fact: B is y Match Fire Knowledge Base Rule: IF A is x THEN is y Gambar 1.
Prosedur Siklus Mesin Inferensi Melalui Match-fire Jurnal METHODIKA.
Vol.
7 No.
1 MARET 2021 P-ISSN : 2442-7861 E-ISSN :2614-3143
Database Database Match
Fire
Match
Knowledge Base
Y&D
X&B&E
L&M
Database Fire
Match
Knowledge Base
Y&D
X&B&E
L&M
Cycle 1
Database Fire
Match
Fire
Knowledge Base
Y&D
X&B&E
L&M
Knowledge Base
Y&D
X&B&E
L&M
Cycle 2 Cycle 3 Gambar 2.
Penelusuran Inference Chain dengan Metode Forward Chaining Hipertensi Hipertensi atau yang biasa disebut tekanan darah tinggi merupakan peningkatan tekanan darah sistolik di atas batas normal yaitu lebih dari 140 mmHg dan tekanan darah diastolik lebih dari 90 mmHg .
Hipertensi Primer (Esensia.
Hipertensi primer tidak bisa disembuhkan, akan tetapi bisa dikontrol dengan terapi yang tepat.
Dalam hal ini, genetik mungkin berperan penting untuk pengembangan hipertensi primer dan bentuk tekanan darah tinggi yang cenderung berkembang secara bertahun-tahun.
Hipertensi primer atau esensial umumnya terjadi karena faktor keturunan atau gaya hidup yang tidak sehat, seperti merokok, terlalu banyak mengonsumsi natrium .
, stres, malas bergerak, mengonsumsi alkohol berlebihan, dan obesitas.
Jika P(E)=0, maka diartikan peristiwa E pasti tidak terjadi, sedangkan jika P(E)=1, maka diartikan peristiwa peristiwa E pasti terjadi.
Apabila yaI menyatakan bukan peristiwa E, maka diperoleh P.
aI )= 1- P(E).
atau berlaku hubungan: P(E) P.
aI )=1.
Probabilitas Bersyarat.
Jika P(A) menyatakan probabilitas kejadian A.
P(B) menyatakan probabilitas kejadian B dan probabilitas A dan B terjadi bersama-sama disimbolkan oleh P(A AO B) atau P(B AO A).
Probabilitas bahwa kejadian A terjadi jika kejadian B terjadi terlebih dahulu disebut probabilitas bersyarat P(A|B), dan besarnya adalah:
P(A|B)=
P( A AO B)
Dengan cara yang sama.
P( B) probabilitas bahwa kejadian B terjadi jika kejadian A terjadi lebih dahulu adalah : P(B|A)= P(B AO A)= P(A AO B).
P( A AO B) , karena P( A) P(A|B)= P( B | A) xP ( A) .
P( B) i.
METODE PENELITAIN
Rancangan Data Flow Diagram terdiri dari 3 level sistem yaitu Data Flow Diagram level 0, level 1, level 3,dapat dilihat pada gambar di bawah ini :
Data Flow Digram Level 0 Hipertensi Sekunder Penyebab hipertensi pada jenis ini, yaitu karena kondisi medis lain yang menyertainya.
Beberapa kondisi medis yang bisa menyebabkan darah tinggi, yaitu sleep apnea, masalah pada ginjal, tumor pada kelenjar adrenal, masalah pada tiroid, atau diabetes.
Hipertensi memiliki ciri dengan peningkatan tekanan darah dan disertai penyebab yang spesifik, seperti penyempitan arteri renalis, kehamilan, medikasi tertentu, dan penyebab lainnya.
Hipertensi sekunder juga bisa bersifat menjadi akut, yang menandakan bahwa adanya perubahan pada curah jantung.
Hipertensi sekunder jarang menimbulkan gejala.
Gejala yang muncul umumnya berasal dari penyakit yang mendasari hipertensi sekunder dan bisa baru diketahui saat penderita melakukan pemeriksaan untuk penyakit tersebut.
Teori Probabilitas Definisi probabilitas,misalkan sebuah peristiwa E dapat terjadi sebanyak n kali di antara N peristiwa yang saling ekslusif .
aling asing/terjadinya peristiwa yang satu mencegah terjadinya peristiwa yang lai.
dan masingmasing terjadi dengan kesempatan yang sama.
Maka probabilitas terjadinya peristiwa E adalah P(E)=n/N, dengan batas-batas: 0<=P(E)<=1.
Gambar 3 Data Flow Diagram Level 0 Pada Gambar 3 menerangkan bahwa sistem berinteraksi dengan dua sumber data, yaitu pakar dan user.
Tanda panah menunjukan masukan dan keluaran sistem.
Seorang pakar memasukan basis pengetahuan ke dalam sistem yang berupa gejala ,basis aturan maupun saran untuk penyakit yang diderita oleh user, setelah diinput oleh pakar maka keluaran berupa hasil output yang di-input.
Sedangkan user akan menjawab pertanyaan-pertanyaan yang diajukan oleh program, dan sistem akan memberikan hasil analisis.
berdasarkan gejala yang diderita oleh Output yang dihasilkan atau hasil analisis dari sistem tersebut berupa jenis penyakit yang diderita, seberapa persen keyakinan dari penyakit yang dialami, dan solusi simple oleh pakar untuk penyakit yang diderita.
Data Flow Diagram Level 1 Data Flow Diagram Level 1 merupakan turunan dari Data Flow Diagram Level 0 yang mengambarkan aliran data dan detail proses-proses yang akan diuraikan lebih rinci dari Level 0.
Jurnal METHODIKA.
Vol.
7 No.
1 MARET 2021 P-ISSN : 2442-7861 E-ISSN :2614-3143
IV.
HASIL PENELITIAN
Hasil dari penelitian ini akan memberikan rancangan data base dari sistem pakar, mengenai penerapan aplikasi dari hasil analisis dan perancangan sistem yang telah dipaparkan, serta perangkat yang dibutuhkan untuk menjalankan aplikasi ini.
Perancangan database yang terdiri dari beberapa tabel Tabel Penyakit Tabel ini berfungsi untuk menyimpan informasi mengenai jenis penyakit hipertensi yang ada serta saran yang diberikan sesuai dengan jenis penyakitnya Tabel 1.
Penyakit Nama Data Kode Saran Gambar 4 Data Flow Diagram Level 1 Pada Gambar 4, seorang pakar masuk ke dalam sistem pakar melalui login, bagi pakar akan mengisikan email dan password, untuk mengakses form pakar, dan jika pakar belum terdaftar maka pakar bisa mengregistrasi untuk pakar baru.
Dari login, seseorang pakar dapat menginput .
gejala dan basis aturan, dan pakar juga bisa mengedit maupun menghapus gejala, penyakit, dan basis aturan agar program lebih update .
emperbaharui sistem yang ad.
Dari data yang diinput maka program akan memasukan ataupun mengupdate data yang diinput ke dalam database untuk keperluan output.
Data Flow Diagram Level 2 Data Flow Diagram Level 2 lebih diuraikan lagi dari Data Flow Diagram Level 1, pada Gambar 5 diuraikan diagram Tipe Data Length/Values Tabel Gejala Tabel ini berfungsi untuk menyimpan seluruh data gejala yang dialami penderita penyekit hipertensi Tabel 2.
Gejala_penyakit Nama Data nama_gejala Tipe Data Length/Values Tabel Rule Tabel ini berfungsi untuk menyimpan aturan yang mencocokan gejala dengan jenis penyakitnya.
Tabel 3.
Rule Nama Data kode_penyakit Kode_gejala Tipe Data Length/Values Tabel dokter Tabel ini berfungsi untuk merekam data dokter sehingga dokter dapat mengakses sistem pakar dalam mengolah data kepakaran sistem.
Tabel 4.
Dokter Nama Data nama_depan nama_belakang Gambar 5 Data Flow Diagram Level 2 Pada Gambar 5, seorang pakar harus login terlebih dahulu, jika email dan password yang dimasukan benar maka pakar bisa mengakses form pakar dan mengakses kedalam database, lalu database akan menampilkan output .
yang terdapat didalam database ke form pakar, jika email dan password yang dimasukan salah maka akan ada pemberitahuan error yang terjadi dan akan diminta memasukan kembali email dan password.
Tipe Data Length/Values Tabel relasi penyakit dengan gejala Tabel ini berisi informasi dari gejala-gejala yang diderita dari setiap jenis penyakit dari hipertensi.
Jurnal METHODIKA.
Vol.
7 No.
1 MARET 2021 P-ISSN : 2442-7861 E-ISSN :2614-3143
Tabel 5.
Relasi Gejala Dan Penyakit Kode _geja Nama_gejala G24 Sakit Kepala Pusing Penglihatan Buram Mual Telinga Berdenging Kebingungan Detak Jantung Tidak Teratur Sering Keleleahan Rasa Nyeri Di Dada Kesulitan Bernafas Darah Dalam Urine Sensasi Berdetak Di Dada.
Leher, atau Telinga
Keringat
Berlebihan Jantung Berdebar Cemas Kejang
Sesak Nafas Terbangun dari tidur akibat merasa Muntah
Lemas Pertumbuhan rambut Abnormal
Muncul Garis Ungu Dutubuh
Benjolan Di leher
Belakang Kram Otot
G25
Kesemutan G10
G11
G12
G13
G14
G15
G16
G17
G18
G19
G20
G21
G22
G23
G26
G27
G28
Nafsu Makan Menghilang Mengantuk Di siang Hari Nafas Berhenti Saat Tidur Gambar 6 Halaman Utama Daftar Pertanyaan Dihalaman ini user bisa memilih gejala yang diderita untuk mengetahui hasil diagnosa dari gejala yang ditemukan Gambar 7 Halaman Pertanyaan 1 Hasil Implementasi sistem pakar di Lingkungan User adalah sebagai berikut:
Menu Utama Di menu utama user bisa masuk ke dalam penjelasan untuk mengetahui semua tentang hipertensi dan pakar bisa masuk kedalam halaman login melalui halaman Gambar 8 Halaman Pertanyaan 2 Hasil Diagnosa dan Saran Halaman ini akan menampilkan hasil diagnosa user,didalam halaman ini user dapat melihat kemungkinan penyakit hipertensi apa yang dialami oleh user dan tingkat kepastian dari masing-masing penyakit yang ada didaftar dan saran dari penyakit yang diderita.
Jurnal METHODIKA.
Vol.
7 No.
1 MARET 2021 P-ISSN : 2442-7861 E-ISSN :2614-3143
Gambar 9.
Hasil Diagnosa Gambar 10.
Saran Login Pakar Dihalaman ini pakar bisa memasukan email dan password untuk masuk ke halaman pakar Gambar 12 Register Pakar Gambar 11.
Login Pakar
Register Pakar
Form ini digunakan untuk melakukan registrasi pakar
KESIMPULAN
Setelah melalui tahap analisis, perancangan, implementasi dan pengujian aplikasi sistem pakar diagnosa penyakit hipertensi dengan menggunakan Metode Forward Chaining, maka dapat ditarik kesimpulan bahwa sistem pakar diagnosa penyakit hipertensi ini telah berhasil dibangun sehingga bisa menjadi suatu media informasi, pengetahuan dan sarana deteksi .
erdasarkan gejala atau keluha.
bagi orang awan dalam mendeteksi kondisi awal dari penyakit hipertensi secara mandiri dengan bantuan teknologi, dan dengan aplikasi ini diharapkan dapat membantu dalam memberikan konsultasi bagi mayarakat Indonesia untuk mendapatkan informasi dan penanganan tentang hipertensi.
Saran berdasarkan aplikasi yang Jurnal METHODIKA.
Vol.
7 No.
1 MARET 2021 P-ISSN : 2442-7861 E-ISSN :2614-3143
dirancang oleh penulis adalah aplikasi dikembangkan dengan meningkatkan kepastian untuk hipertensi sekunder dan aplikasi dapat dikembangkan dalam user interface yang dapat mensupport pada semua platform seperti Android.
Mac.
Tablet dan lain-lain.
DAFTAR PUSTAKA