Journal Global Tecnology Computer Vol 1.
No.
Agustus, 2022.
Hal 122 - 127 ISSN: 2809-6118 (Online - Elektroni.
Website https://ejurnal.
seminar-id.
com/index.
php/jogtc Sistem Pakar Untuk Menscrening Tingkat Distress Mahasiswa Di Masa Covid 19 Menggunakan Metode Certainty Factor Wilda Rina Hasibuan1.
Joko Susilo2 Teknik Informatika.
Sekolah Tinggi Teknologi Sinar Husni.
Indonesia Jl.
Veteran Gg.
Utama Helvetia.
Deli Serdang.
Sumatera Utara.
Indonesia Email: wildarinahasibuan77@gmail.
com, dzuzilo@gmail.
AbstrakOe Kondisi yang terjadi pada saat pandemi Covid 19 menyebabkan banyak mahasiswa yang mengalami depresi dan stress.
Banyaknya kasus positif Covid 19 membuat mahasiswa diliputi kecemasan dan menambah tingkat distress yang dialaminya.
Ditambah lagi dengan tidak dapat melakukan rutinitas seperti biasa, menyebabkan mahasiswa mengalami kejenuhan dan sampai merasa sangat Untuk memahami dampak psikologis dan kejiwaan dari situasi pandemi Covid 19, maka peneliti membuat sistem pakar untuk mengetahui seberapa tinggi tingkat distress yang dialami mahasiswa.
Dari penelitian ini diperoleh sebanyak 25 % mahasiswa mengalami Distress dengan gejala ringan, 45% mahasiswa mengalami Distress dengan gejala sedang dan 35% mahasiswa mengalami Distress dengan gejala berat.
Penanganan yang lambat pada penderita distress dapat mengakibatkan terganggunya kondisi tubuh baik itu kondisi fisik maupun mental, dan kemungkinan yang paling buruk dapat mengakibatkan kematian.
Sistem Pakar yang dibuat dapat membantu dalam upaya mendeteksi dengan cepat tingkat distress sehingga dengan cepat dapat dilakukan pengendalian yang tepat pada mahasiwa, sehingga dapat menjaga kondisi kesehatan mental.
Kata Kunci: Sistem pakar.
Mahasiswa.
Distress.
Covid 19.
Certainty Faktor.
AbstractOe The conditions that occurred during the Covid-19 pandemic caused many students to experience depression and stress.
The number of positive cases of Covid 19 makes students overwhelmed with anxiety and increases the level of distress they experience.
Coupled with not being able to carry out routines as usual, causing students to experience boredom and to feel very lonely.
understand the psychological and psychological impact of the Covid-19 pandemic situation, the researchers created an expert system to find out how high the level of distress experienced by students was.
From this study, it was found that 25% of students experienced Distress with mild symptoms, 45% of students experienced Distress with moderate symptoms and 35% of students experienced Distress with severe symptoms.
Slow handling of patients with distress can result in disruption of the body's condition, both physical and mental conditions, and the worst possibility can result in death.
The Expert System created can assist in efforts to quickly detect the level of distress so that appropriate control can be carried out on students quickly, so as to maintain mental health conditions.
Keywords: Expert system.
Students.
Distress.
Covid 19.
Certainty Factor.
PENDAHULUAN
Selama covid 19 mewabah di Indonesia banyak Sekolah dan perguruan Tinggi yang mengubah proses belajar dan Banyaknya kasus positif covid 19 menyebabkan pemerintah membuat kebijakan seperti physical distancing hingga karantina mandiri .
tay at hom.
Kondisi pembatasan sosial ini membuat mahasiswa diliputi kecemasan sehingga depresi ditambah lagi ketidakpastian berakhirnya masa covid 19 ini dapat menambah tingkat stress pada mahasiswa.
Banyak sekali keluhan yang beredar di media sosial tentang kejenuhan untuk tetap di rumah karena tidak dapat melakukan rutinitas seperti biasa.
Sebagai individu, kita perlu saling memperhatikan, sangat berhati-hati untuk memeriksa mereka yang mungkin sangat kesepian, rentan, dan ketakutan .
Walaupun pada situasi pada masa covid 19 ini kita dituntut untuk beradapatasi dengan baik, tetapi tidak semua orang mampu melakukannya, sehingga bagi orang yang tidak dapat melakukannya dapat memicu tingkat kesehatan mental atau stress.
Dengan terganggunya kesehatan mental dapat menyebabkan kesehatan fisik menurun dan berdampak pada depresi dan penyakit mental lainnya.
Untuk memahami dampak psikologis dan kejiwaan dari pandemi, emosi yang terlibat di dalamnya, seperti ketakutan dan kemarahan, harus dipertimbangkan dan diamati.
Ketakutan adalah mekanisme pertahanan alami adaptif yang mendasar untuk bertahan hidup dan melibatkan beberapa proses persiapan biologis untuk menanggapi peristiwa yang berpotensi mengancam .
Hal ini memberi gambaran masa covid 19 ini memberi dampak negatif pada mahasiswa sehingga membuat gangguan Untuk mengetahui seberapa berat depresi yang dialami seseorang maka dibutuhkan terapi yang tepat untuk level depresi dan juga biaya yang mahal, maka dari itu dibuatlah sistem yang dapat membantu menyelesaikan masalah.
Mahasiswa merupakan kelompok yang mengalami dampak yang tinggi pada tingkat stress di masa covid 19.
Penelitian ini membuktikan bahwa dari hasil wawancara dari .
sepuluh mahasiswa STT Sinar Husni didapatkan tujuh dari mahasiswa tersebut sering merasa lelah, tidak semangat bahkan menangis jika dihadapkan pada sesuatu yang diluar Penanganan yang lambat pada penderita distress dapat mengakibatkan terganggunya kondisi tubuh baik itu kondisi fisik maupun mental, dan kemungkinan yang paling buruk dapat mengakibatkan kematian.
Seseorang yang mengalami distress sebaiknya dilakukan penanganan sedini mungkin melalui deteksi awal atau grading akurat dengan berkonsultasi kepada seorang psikologi agar mengetahui seberapa berat level distress yang dialami orang tersebut.
Berdasarkan masalah diatas dibuatlah sistem pakar untuk mengukur tingkat distress yang dialami mahasiswa agar diketahui sejauh mana distress yang dialami mahasiswa sebagai rekomendasi terhadap pihak akademik.
Metode Certainty adalah faktor dianggap tepat untuk penelitian ini karena merupakan nilai untuk mengukur keyakinan pakar.
Tahapan pertama dalam membuat aplikasi sistem pakar adalah membuat peng-kodean tingkat depresi .
Tahapan selanjutnya adalah melakukan pengkodean gejala medis .
Wilda Rina Hasibuan.
JoGTC | Page 122 Journal Global Tecnology Computer Vol 1.
No.
Agustus, 2022.
Hal 122 - 127 ISSN: 2809-6118 (Online - Elektroni.
Website https://ejurnal.
seminar-id.
com/index.
php/jogtc METODOLOGI PENELITIAN 1 Metode Penelitian Pada Penelitian Sistem Pakar untuk Mensrening Tingkat Distress Mahasiswa di Masa Covid 19 Menggunakan Metode Certainty Factor dibuat dengan beberapa Tahapan seperti yang terlihat pada Bagan Alir dibawah ini:
Gambar 1.
Bagan Alir sistem Pakar untuk Mensrening Tingkat Distress Mahasiswa Studi Literatur Studi Literatur merupakan landasan bagi peneliti untuk mengkaji masalah serta menelusuri teori Ae teori yang mendukung peneliti dalam mendapatkan sumber pustaka seperti : Buku.
Jurnal Internasional.
Jurnal Nasional dan sumber Ae sumber lainnya.
Pengumpulan Data Pengumpulan data dilakukan ke tempat dimana akan berlangsung penelitian.
Selain itu pengumpulan data yang diambil berupa pengumpulan data primer yaitu berupa wawancara kepada beberapa pakar dan juga di dukung data sekunder yaitu dengan mengumpulkan beberapa dokumen yang berkaitan langsung dengan kesehatan mental .
ental Hasil penelitian dengan ditemukannya sebab akibat dari suatu indikasi ditemukannya gejala kesehatan mental.
Pembuatan aplikasi dengan menggunakan bahasa pemrograman Visual Basic 2010.
Analisa Kebutuhan Sistem Pada Tahapan Analisa dan Kebutuhan Sistem dilakukan kajian tentang Sistem Pakar dengan Metode Certainty Facktor.
Perancangan Sistem Perancangan Sistem yang dibuat terdiri dari tiga gejala yaitu gejala ringan, gejala sedang dan gejala berat.
Diharapkan pada sistem yang berjalan pengguna dapat memilih gejala Ae gejala sesuai dengan apa yang dirasakan.
Implementasi Implementasi merupakan Tahapan pengkodean sistem.
Penulisan kode program merupakan bentuk perintah yang dibuat dalam Bahasa pemrograman sehingga terbentuk aplikasi sesuai yang dibutuhkan pengguna.
Pengujian Sistem Pengujian Sistem adalah tahapan proses kelayakan sistem serta kesesuaian .
dalam sistem.
Hasil pengujian sistem menggunakan Kotak Hitam (Black Box Testin.
dan Perhiungan Teoritis 2 Kecerdasan Buatan (Artificial Intelligenc.
Merupakan salah satu bagian dari ilmu komputer yang membuat agar mesin .
dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.
Sistem cerdas .
ntelligent syste.
adalah sistem yang dibangun dengan menggunakan teknik-teknik artificial intelligence .
Salah satu yang dipelajari pada kecerdasan buatan adalah teori kepastian dengan menggunakan teori Certainty Factor.
3 Sistem Pakar Istilah sistem pakar dari istilah knowledge-based expert system.
Sistem pakar menggunakan pengetahuan seorang pakar yang dimasukkan ke dalam komputer.
Seorang yang bukan pakar/ahli menggunakan sistem pakar untuk meningkatkan kemampuan pemecahan masalah, sedangkan seorang pakar menggunakan sistem pakar untuk knowledge Wilda Rina Hasibuan.
JoGTC | Page 123 Journal Global Tecnology Computer Vol 1.
No.
Agustus, 2022.
Hal 122 - 127 ISSN: 2809-6118 (Online - Elektroni.
Website https://ejurnal.
seminar-id.
com/index.
php/jogtc Ada dua bagian penting dalam sistem pakar, yaitu lingkungan pengembangan dan lingkungan konsultasi.
Lingkungan pengembangan digunakan oleh pembuatan sistem pakar untuk membangun komponenkomponennya dan memperkenalkan pengetahuan ke dalam knowledge base .
asis pengetahua.
Lingkungan konsultasi digunakan oleh pengguna untuk berkonsultasi sehingga pengguna mendapat pengetahuan dari sistem pakar seperti berkonsultasi dengan seorang pakar.
Pada Gambar 1 ditunjukkan komponen pada sistem pakar .
Gambar 2.
Komponen-komponen yang penting dalam Sistem Pakar Dari manfaat yang dapat diperoleh berdasarkan kategori pada sistem pakar di antaranya adalah .
Interprestasi, membuat kesimpulan atau deskripsi dari sekumpulan data mentah.
Prediksi, memproyeksikan akibat yang dimungkinkan dari situasi tertentu.
Diagnosis, menentukan sebab malfungsi dalam situasi yang didasarkan pada gejala yang teramati.
Desain, menentukan konfigurasi komponen sistem yang cocok dengan tujuan kinerja tertentu yang memenuhi kendala tertentu.
Perencanaan, merencanakan serangkaian tindakan yang dapat mencapai sejumlah tujuan dengan kondisi awal tertentu.
Debugging dan repair, menentukan dan menginterpresentasikan cara untuk mengatasi .
Instruksi, mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek.
Pengendalian, mengatur tingkah laku suatu lingkungan yang kompleks.
Selection, mengidentifikasi pilihan terbaik dari sekumpulan .
Simulation, pemodelan interaksi antara komponen sistem.
Monitoring, membandingkan hasil pengamatan dengan kondisi yang diharapkan .
4 Certainty Factor Menyatakan certainty factor menunjukkan ukuran kepastian terhadap suatu fakta atau aturan.
Notasi Faktor Kepastian :
CF.
= MB.
Ae MD.
Keterangan :
CF.
= Faktor kepastian MB.
= Measure of belief, ukuran kepercayaan atau tingkat keyakinan terhadap hipotesis .
, jika diberikan evidence .
antara 0 dan 1 MD.
= Measure of disbelief, ukuran ketidakpercayaan atau tingkat keyakinan terhadap hipotesis .
, jika diberikan evidence .
antara 0 dan 1.
Adapun beberapa kombinasi certainty factor terhadap premis tertentu:
Certainty factor dengan satu premis.
CF.
= CF.
* CF.
= CF.
* CF.
Certainty factor dengan lebih dari satu premis.
CF[A E B] = Min(CF.
,CF.
) * CF.
CF[A I B] = Max(CF.
,CF.
) * CF.
Certainty factor dengan kesimpulan yang serupa.
CF gabungan [CF1.
CF.
= CF1 CF2 * .
Ae CF.
Kelebihan dari metode ini adalah cocok digunakan pada sistem pakar yang mengukur sesuatu yang pasti atau tidak pasti dan perhitungan dari metode ini hanya berlaku untuk sekali hitung, serta hanya dapat mengolah dua data sehingga keakuratannya terjaga .
5 Covid 19 Covid-19 dapat menyebar dari orang ke orang melalui percikan-percikan dari hidung atau mulut yang keluar saat orang yang terinfeksi Covid-19 batuk, bersin, atau berbicara.
Sejak kemunculannya, berdasarkan data dari John Hopkins University pada 30 Maret 2021 jumlah manusia didunia yang terkonfirmasi positif sebanyak 127.
380 jiwa yang Wilda Rina Hasibuan.
JoGTC | Page 124 Journal Global Tecnology Computer Vol 1.
No.
Agustus, 2022.
Hal 122 - 127 ISSN: 2809-6118 (Online - Elektroni.
Website https://ejurnal.
seminar-id.
com/index.
php/jogtc tersebar di 192 negara, total korban meninggal diseluruh dunia akibat virus ini mencapai 2.
005 jiwa (COVID-19 Map - Johns Hopkins Coronavirus Resource Center, n.
Cepatnya penyebaran dan penularan virus Corona membuat Organisasi Kesehatan Dunia (WHO) menetapkan Covid-19 sebagai Public Health Emergency of International Concern (PHEIC) atau darurat kesehatan masyarakat pada 30 Januari 2020 (Al Isfahani et al.
, 2.
dan telah menjadi perhatian dunia internasional .
HASIL DAN PEMBAHASAN
1 Analisis Data Pada penerapan Metode Certainty Factor perlu adanya beberapa variable yang membutuhkan pembobotan dari pakar pada setiap gejala dengan sakala nilai yang diberikan dari 0-1.
Ada beberapa metode dari penggunaan CFs untuk menangani ketidakpercayaan dalam knowledge-based systems.
Salah satu cara dengan menggunakan 1.
0 atau 100 untuk kepercayaan absolut .
eyakinan penu.
dan 0 untuk kesalahan yang pasti.
CFs adalah bukan probabilitas, namun memperkenalkan konsep kepercayaan dan ketidakpercayaan.
Model yang dikembangkan dalam CFs .
Di bawah ini dapat dilihat pada Tabel 1.
Interprestasi Certainty Factor:
Tabel 1.
Interprestasi Certainty Factor Certainty Term Tidak Pernah Mungkin Kemungkinan Besar Hampir Pasti Pasti CF akhir 0,25 0,50 0,75 Diagnosa penyakit Distress dilakukan berdasarkan gejala yang di alami oleh pasien.
Rule Certainty Faktor berisi gejala dan nilai bobot dari gejala yang diperlihatkan.
Kode dan jenis penyakit ditunjukkan pada Tabel.
2 dibawah ini :
Tabel.
Gejala Penyakit ID Gejala
G001
G002
G003
G004
G005
G006
G007
G008
G009
G010
G011
G012
G013
G014
G015
G016
G017
G018
G019
G020
G21
G22
G23
G24
G25
G26
G27
G28
G29
G30
Gejala Mudah Lelah Tidak Semangat Malas Berbicara Selera Makan Menurun Sukar Tidur Malam Perasaan Sedih Malas Beraktifitas Sering Menangis Sering Merasa Jenuh Suka Melamun Suka Marah Sering Merasa Gelisah Mudah Khawatir Susah Konsentrasi Mudah Lupa Terasa gemetar Kehilangan Minat Terhadap Rutinitas Bosan Kepada Kehidupan Merasa Bersalah Berat Badan Berkurang Putus Asa Sering Merasa Cemas Pandangan Masa Depan Suram Kecewa dengan Diri Sendiri Tidak Berdaya Mudah Tersinggung Suasana hati .
sering berubah - ubah
Sering Bingung
Sering Merasa Kesepian Sering Ceroboh
Bobot Nilai CF
0,75
0,50
0,50
0,50
0,50
0,50
0,50
0,75
0,75
0,25
0,25
0,25
0,50
0,25
0,75
0,50
0,75
0,25
0,25
0,75
0,50
0,25
Wilda Rina Hasibuan.
JoGTC | Page 125 Journal Global Tecnology Computer Vol 1.
No.
Agustus, 2022.
Hal 122 - 127 ISSN: 2809-6118 (Online - Elektroni.
Website https://ejurnal.
seminar-id.
com/index.
php/jogtc Tabel 3.
Kelompok Gejala
Kode Tingkat Sterss
P001
P001
P002
P003
Kelompok Gejala Normal Gejala Ringan Gejala Sedang Gejala Berat 1 Penerapan Certainty Faktor Pada penerapan menggunakan Metode Certainty Faktor dalam sistem pakar dibutuhkan beberapa rule yang berupa variable ( Gejala disimbolkan G) dan nilai bobot yang diberikan oleh pakar.
Dari gejala yang diperlihatkan oleh user, maka dapat dibuat aturan rule sbb :
Tabel 4.
Tabel Aturan Rule/CF Aturan Rule/CF IF Malas Berbicara Hampir Pasti AND Mudah Lupa Mungkin AND Kehilangan Minat Terhadap Rutinitas AND Mudah Tersinggung Mungkin AND Sering Bingung Mungkin AND Sering Merasa Kesepian Mungkin AND Sering Ceroboh Mungkin THEN P001 IF Mudah Lelah Hampir Pasti AND Sukar Tidur Malam Kemungkinan Besar AND Selera Makan Menurun Kemungkinan Besar AND Suka Melamun Kemungkinan Besar AND Suka Marah Hampir Pasti AND Susah Konsentrasi Hampir Pasti AND Merasa Bersalah Pasti THEN P002 IF Tidak Semangat Pasti AND Malas Beraktifitas Hampir Pasti AND Perasaan Sedih Hampir Pasti AND Sering Menangis Hampir Pasti AND Bosan Kepada Kehidupan Pasti AND Tidak Berdaya Hampir Pasti AND Putus Asa PastiTHEN P003 2 Tahap Pengujian Dalam perhitungan Sistem Pakar dengan Metode Certainty Faktor digunakan persamaan 2 terlebih dahulu untuk mendapatkan nilai Certainty Faktor dengan cara mengalikan antara Certainty Faktor Pakar dengan Certainty Faktor User.
Di bawah ini adalah sampel data mahasiswa.
Tabel 5.
Sampel Data Mahasiswa Jenis Kelamin Perempuan Laki - Laki Perempuan Laki - Laki Perempuan Laki Ae Laki Perempuan CF User G003.
G004.
G007.
G009.
G010.
G016.
G017.
G020.
G029.
G030
G004.
G005.
G007.
G009.
G011.
G018.
G016.
G017.
G027
G001.
G003.
G005.
G011.
G012.
G018.
G021.
G024.
G026
G001.
G003.
G0011.
G012.
G013.
G019.
G021.
G025.
G028
G002.
G006.
G008.
G011.
G012.
G018.
G019.
G022.
G025
G001.
G002.
G0011.
G012.
G018.
G019.
G021.
G025.
G028
G002.
G006.
G011.
G013.
G012.
G014.
G019.
G021.
G025
Selanjutnya sample data yang akan dihitung menggunakan Rule 1.
Berikut adalah perhitungan dari Certainty Factor.
Tabel 6.
Perhitungan dari Certainty Factor
Kode Gejala
G001
G003
G005
G011
G012
G018
G021
G024
G025
CF Pakar
0,75
0,50
0,50
0,75
0,50
0,75
CF User
0,75
0,50
0,25
0,75
0,75
0,50
0,75
0,75
0,75
Hasil
0,5625
0,25
0,125
0,5625
0,75
0,25
0,75
0,5625
0,75
Setelah mendapatkan hasil dari nilai Certainty Faktor maka selanjutnya menghitung Certainty Faktor kombinasinya menggunakan persamaan .
karena memiliki lebih dari 1 gejala sehingga perhitungan manual nya sebagai Tabel 7.
Hasil perhitungan Certainty Factor dari data ke 3 Iterasi CFcombine = CF1 CF2 * .
-CF.
0,5625 0,25 * .
- 0,5.
= 0,35546875 Wilda Rina Hasibuan.
JoGTC | Page 126 Journal Global Tecnology Computer Vol 1.
No.
Agustus, 2022.
Hal 122 - 127 ISSN: 2809-6118 (Online - Elektroni.
Website https://ejurnal.
seminar-id.
com/index.
php/jogtc Hasil 0,35546875 0,125 * .
- 0,3.
= 0,309677124
0,309677124 0,5625 * .
Ae 0,309677.
= 0,6020838206 0,6020838206 0,75 * .
Ae 0,6020838.
= 0, 5380160281 0,5380160281 0,25 * .
Ae 0,5380160.
= 0,3640507746 0,3640507746 0,75 * .
Ae 0,3640507.
= 0,7084797272 0,7084797272 0,5625 * .
Ae 0,7084797.
= 0,3705163568 0,3705163568 0,75 * .
Ae 0,3705163.
= 0,7053467185 0,7053 * 100% = 70,53 % 2 Implementasi Sebagai gambaran dalam pembuatan aplikasi sistem pakar, maka pada penelitian ini perlu adanya pengujian sistem yang telah dirancang sebelumnya.
Program yang dipakai pada aplikasi sistem pakar dalam mencsreening tingkat distress mahasiswa di masa Covid 19 dapat dilihat pada gambar di bawah ini:
Gambar 3.
Pengujian Sistem
KESIMPULAN
Berdasarkan hasil pembahan dan pengujian didapatkan kesimpulan bahwa aplikasi sistem pakar berjalan dengan baik dan lancar seperti yang diharapkan pengguna.
Hasil pengujian yang dilakukan kepada mahasiswa, m,endapatkan hasil bahwa mahasiswa yang mengalami Distress dengan gejala Ringan sebanyak 25%.
Distress dengan gejala Sedang sebanyak 35%.
Distress dengan gejala Ringan sebanyak 40%.
Pada penelitian ini hasil yang didapat masih kurang dan belum sempurna.
Perlu pengembangan lebih lanjut seperti menggunakan metode lain seperti demsphser shafer serta dikembangkan ke platform yang lain seperti IOS, java symbian .
REFERENCES