sistem pakar diagnosa penyakit mata dengan forward chaining

SISTEM PAKAR DIAGNOSIS PENYAKIT MATA DENGAN METODE INFERENSI

FORWARD CHAINING

Rida Putra Perwira1

Febri Krisnanto2

Rida.putra@student.unsika.ac.id febri.krisnanto@student.unsika.ac.id

1241177004308 1241177004268

Fakultas Ilmu Komputer

Universitas Singperbangsa Karawang

2015

Abstrak

Mata merupakan suatu panca indra yang sangat penting dalam kehidupan manusia untuk

melihat. Jika mata mengalami gangguan atau penyakit mata, maka akan berakibat sangat fatal

bagi kehidupan manusia. Jadi sudah mestinya mata merupakan anggota tubuh yang perlu

dijaga dalam kesehatan sehari-hari.

Sistem pakar merupakan suatu bagian metode ilmu-ilmu artificial intelligence untuk dibuat

suatu program aplikasi diagnosa penyakit mata pada manusia yang terkomputerisasi serta

berusaha menggantikan dan menirukan proses penalaran dari seorang ahlinya atau pakar

dalam memecahkan masalah spesifikasi yang dapat dikatakan duplikat dari seorang pakar

karena pengetahuan ilmu tersebut tersimpan di dalam suatu sistem database.

Sistem Pakar Untuk Diagnosa Penyakit Mata Pada Manusia menggunakan metode forward

chaining bertujuan menelusuri gejala yang ditampilkan dalam bentuk pertanyaan-pertanyaan

agar dapat mendiagnosa jenis penyakit dengan perangkat lunak berbasis dekstop management

system. Perangkat lunak sistem pakar dapat mengenali jenis penyakit mata setelah melakukan

konsultasi dengan menjawab beberapa pertanyaan-pertanyaan yang ditampilkan oleh aplikasi

sistem pakar serta dapat menyimpulkan beberapa jenis penyakit mata yang di derita oleh

pasien. Data penyakit yang dikenali menyesuaikan rules (aturan) yang dibuat untuk dapat

mencocokkan gejala-gejala penyakit mata dan memberi nilai persentase agar mengetahui

nilai pendekatan jenis penyakit pasien.

Kata Kunci : Sistem Pakar, Forward Chaining, Diagnosa, Penyakit, Mata, Manusia.

I. PENDAHULUAN

Latar Belakang

Penyakit mata merupakan penyakit dengan jumlah penderita yang terus meningkat setiap

tahunnya di Indonesia. Prevalensi angka kebutaan di Indonesia berkisar 1,2% dari jumlah

penduduk. Penyebab utama dari kasus kebutaan ini adalah katarak, kelainan kornea,

glaukoma, kelainan refraksi, kelainan retina dan kelainan nutrisi.

Seiring dengan menurunnya kualitas dan gaya hidup seperti pola makan, olahraga, istirahat,

bekerja, tingkat stres dan usia, jumlah individu dengan keluhan penyakit mata semakin

bertambah.

Perbandingan jumlah penduduk dan tenaga medis yang jauh dari standar ideal menyebabkan

masyarakat kurang memahami penyakit yang diderita.Hal ini diperparah dengan anggapan di

tengah masyarakat bahwapenyakit akan sembuh dengan sendirinya tanpa melalui proses

pengobatan dan perubahan gayahidup. Terbatasnya jumlah tenaga medis, dapat dibantu

dengan keberadaan sebuah aplikasi sistem pakar, tanpa bermaksud untuk menggantikan

pakar. Aplikasi sistem pakar telah menjadi hal yang lazim diterapkan khususnya di bidang

kedokteran.

Untuk penelitian ini, jenis penyakit yang didiagnosis oleh sistem pakar adalah jenis penyakit

mata. Organ mata dipilih karena mata merupakan panca indera yang sangat penting untuk

penglihatan. Dengan mata yang dapat melihat secara normal, manusia dapat menikmati

keindahan alam dan berinteraksi dengan lingkungan sekitar dengan baik. Dengan mata,

manusia dapat belajar lebih banyak tentang pengetahuan di dunia daripada melalui panca

indera yang lain (Naser dan Zaiter, 2008). Hampir setiap kegiatan, manusia menggunakan

mata, misalnya membaca, bekerja, menonton televisi, menulis, berkendara, dan lain-lain

sehingga banyak orang yang setuju bahwa mata merupakan panca indera yang paling penting.

Jika mata mengalami gangguan atau penyakit mata, maka akan berakibat sangat fatal bagi

kehidupan manusia. Proses pembelajaran dan interaksi manusia akan terganggu. Jadi, sudah

mestinya mata merupakan anggota tubuh yang perlu dijaga dalam kesehatan sehari-hari dan

sudah semestinya manusia tahu sejak dini apabila terkena gejala penyakit mata tertentu

sehingga tidak semakin parah dan membahayakan mata apalagi hingga terjadi kebutaan. Pada

kenyataannya, banyak kasus penyakit mata dapat menimbulkan kebutaan karena terlambat

ditangani (Naser dan Zaiter, 2008).

Permasalahan

Berdasarkan uraian diatas, maka perumusan masalah pada penilitian dapat adalah bagaimana

suatu sistem pakar dapat mendiagnosa jenis penyakit mata manusia menggunakan metode

forward chaining.

Tujuan dan Manfaat Penelitian

Membuat suatu perangkat lunak untuk dapat diagnosa penyakit mata pada manusia

menggunakan rekayasa sistem pakar (expert system). Agar setiap penderita penyakit mata

dapat dengan mudah dan cepat mengetahui jenis penyakit mata tanpa harus ke dokter terlebih

dahulu. Sistem nantinya untuk menggantikan ahlinya untuk mengenai jenis penyakit dan

mencari solusi dalam pengobatannya. Pembuatan perangkat lunak diagnosa penyakit mata

pada manusia menggunakan sistem pakar ini memberikan manfaat untuk :

a. Untuk menghasilkan suatu prototype sistem pakar untuk diagnosa penyakit mata dan

penerapannya dalam ilmu kedokteran mata.

b. Membantu dokter mengambil keputusan dalam mendiagnosa penyakit mata, sehingga

dapat digunakan oleh pengguna yang minimal mempunyai dasar tentang anatomi

mata, seperti perawat dan dokter spesialis mata.

II. PENELITIAN SEBELUMNYA

Penelitian pertama yang menjadi sumber rujukan yaitu expert system for early diagnosis of

eye diases infecting the malaysian population. Data yang digunakan pada penelitian ini

adalah 5 penyakit mata. Penelitian ini menggunakan metode forward chaining untuk

menghasilkan aplikasi yang dapat memberikan diagnosis awal dari penyakit mata.

Penelitian selanjutnya adalah Neural Network and Desicion Tree for eye diases diagnosis.

Data penelitian yang digunakan adalah 13 penyakit mata dan 22 gejala, 50 data pasien

digunakan untuk pengujian. Data diambil dari Linsolar Eye Clinic dan Odadik eye clinic,

kota Port Harcourt di Nigeria. Metode yang digunakan adalah backpropagation. Hasil

menunjukkan prosentase kesesuaian diagnosis adalah 92%.

Penelitian selanjutnya adalah expert system for self diagnosing of eye diases using Naïve

Bayes. Penelitian ini menggunakan konsep Case Base Reasoning(CBR). Model

CBRdigunakan untuk menyelesaikan masalah dan melakukan generate hasil yang didasarkan

pada history diagnosis penyakit mata. Beberapa proses dalam CBR diantaranya retrieve,

reuse, revise danretain.Data pada penelitian ini menggunakan 12 penyakit mata. Prosentase

kesesuaian antara diagnosis sistem pakar dan pakar sebenarnya (human expert) sebesar 82%

III. LANDASAN TEORI

Sistem Pakar

Menurut Naser dan Zaiter (2008), sistem pakar adalah suatu sistem yang

memanfaatkanpengetahuan manusia yang ditangkap di sebuah komputer untuk memecahkan

masalah yang biasanya membutuhkan keahlian manusia. Durkin dalam Daniel dan Virginia

(2010) juga menyebutkan hal yang senada bahwa sistem pakar adalah sistem yang berusaha

mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan

kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Sistem pakar mencari

dan memanfaatkan informasi yang relevan dari pengguna dan dari basis pengetahuan yang

tersedia untuk membuat rekomendasi. Sistem pakar juga dapat didefinisikan sebagai sistem

berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam

memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam

bidang tersebut. Sistem pakar memberikan nilai tambah pada teknologi untuk membantu

dalam menangani era informasi yang semakin canggih (Daniel dan Virginia, 2010). Sistem

pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan

meniru kerja dari para ahli (Prabowo dkk, 2008).

Sulistyohati dan Hidayat (2008) mengatakan bahwa konsep dasar suatu sistem pakar

mengandung beberapa unsur, diantaranya adalah keahlian, ahli, pengalihan keahlian,

inferensi, aturan, dan kemampuan menjelaskan. Keahlian adalah salah satu penguasaan

pengetahuan di bidang tertentu dan mempunyai keinginan untuk belajar memperbaharui

pengetahuan dalam bidangnya. Pengalihan keahlian adalah mengalihkan keahlian dari

seorang pakar dan kemudian dialihkan lagi ke orang yang bukan ahli atau orang awam yang

membutuhkan. Pengalihan keahlian ini adalah tujuan utama dari sistem pakar. Inferensi

merupakan suatu rangkaian proses untuk menghasilkan informasi dari fakta yang diketahui

atau diasumsikan. Kemampuan menjelaskan merupakan salah satu fitur yang harus dimiliki

oleh sistem pakar setelah tersedia program di dalam komputer.

Tujuan pengembangan sistem pakar sebenarnya tidak untuk menggantikan peran para pakar,

namun untuk mengimplementasikan pengetahuan para pakar ke dalam bentuk perangkat

lunak, sehingga dapat digunakan oleh banyak orang dan tanpa biaya yang besar (Sulistyohati

dan Hidayat, 2008). Selain itu, bagi para ahli, sistem pakar ini justru akan membantu

aktifitasnya sebagai asisten yang sangat berpengalaman (Handayani dan Sutikno, 2008).

Untuk membangun sistem yang difungsikan untuk menirukan seorang pakar maka harus bisa

melakukan hal-hal yang dapat dikerjakan oleh para pakar. Menurut Setiawan (2009), untuk

membangun sistem yang seperti itu, dibutuhkan komponenkomponen sebagai berikut :

a. Basis pengetahuan (Knowledge base). Berisi pengetahuan-pengetahuan yang

dibutuhkan untuk memahami, memformulasikan dan memecahkan persoalan. Bentuk

basis pengetahuan yang umum digunakan ada 2, yaitu: penalaran berbasis aturan dan

penalaran berbasis kasus.

b. Motor inferensi (inference engine). Ada 2 cara yang dapat dikerjakan dalam

melakukan inferensi, yaitu :

- Forward chaining merupakan grup dari multiple inferensi yang melakukan

pencarian dari suatu masalah kepada solusinya. Forward chaining adalah data-

driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi

diperoleh. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF

dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk

menguji kebenaran hipotesis. Gambar 1 berikut menunjukkan diagram Forward

chaining.

- Backward chaining menggunakan pendekatan goal-driven, dimulai dari ekspektasi

apa yang diinginkan terjadi (hipotesis), kemudian mencari bukti yang mendukung

(atau kontradiktif) dari ekspektasi tersebut. Pencocokan fakta atau pernyataan

dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran

dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis

tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan. Gambar 2

berikut menunjukkan diagram Backward chaining.

- c. Blackboard. Merupakan area kerja memori yang disimpan sebagai database untuk

deskripsi persoalan terbaru yang ditetapkan oleh data input dan digunakan juga untuk

perekaman hipotesis dan keputusan sementara.

d. Subsistem akuisisi pengetahuan. Akuisisi pengetahuan adalah akumulasi, transfer, dan

transformasi keahlian pemecahan masalah dari pakar atau sumber pengetahuan

terdokumentasi ke program komputer untuk membangun atau memperluas basis

pengetahuan.

e. Antarmuka pengguna (User Interface). Digunakan untuk media komunikasi antara

user dan program.

f. Subsistem penjelasan. Digunakan untuk melacak respon dan memberikan penjelasan

tentang kelakuan sistem pakar secara interaktif melalui pertanyaan.

g. Sistem penyaring pengetahuan. Untuk lebih jelasnya, komponen sistem pakar dapat

dilihat pada Gambar 3.

h. Sementara itu, Naser dan Zaiter (2008) menyebutkan bahwa sistem pakar itu terdiri

dari 6 komponen, yaitu :

- Rule-based systems

- Knowledge-based systems

- Intelligent agent (IA)

- Database methodology

- Inference engine

- System-user interaction (User Interface)

Komponen sistem pakar seperti ini dapat dilihat pada Gambar 4.

Dari komponen-komponen sistem pakar di atas, secara garis besar ada 3 komponen

utama, yaitu: basis pengetahuan, mesin inferensi, dan antarmuka pengguna (Daniel

dan Virginia, 2010). Terkait dari salah satu komponen sistem pakar yaitu akuisisi

pengetahuan, Milton, N.R dalam bukunya menegaskan terdapat tiga aspek dalam

akuisisi pengetahuan (Daniel dan Virginia, 2010), yaitu :

- Knowledge capture, Knowledge capture adalah teknik yang digunakan ketika

bertemu pakar. Teknik ini terdiri dari interview techniques, modelling techniques,

dan specialised techniques.

- Knowledge analysis, Analisis pengetahuan ini merupakan proses

mengidentifikasi elemen yang dibutuhkan dalam membangun basis pengetahuan.

Terdapat 4 elemen penting dalam membangun basis pengetahuan, yaitu konsep,

atribut, value/nilai dan relasi.

- Knowledge modelling, Knowledge modelling yaitu menciptakan cara yang

berbeda dalam mengubah dan menampilkan basis pengetahuan. Terdiri dari

bagian-bagian seperti pohon (trees), matriks, map, timeline, frame dan knowledge

page. Terkait dengan komponen rule base, kaidah produksi yang biasa dikenal

rule base (basis aturan) ini menjadi acuan yang sangat sering digunakan oleh

sistem inferensi. Kaidah produksi ini merupakan salah satu model untuk

merepresentasikan pengetahuan (knowledge base). Kaidah produksi merupakan

kumpulan kaidah-kaidah yang saling berhubungan satu sama lain (Fattah dan

Wibowo, 2010). Kaidah produksi dituliskan dalam bentuk pernyataan IF-THEN

(Jika-Maka). Pernyataan ini menghubungkan bagian premis (IF) dan bagian

kesimpulan (THEN) yang dituliskan dalam bentuk IF [premis] THEN [konklusi]

Jadi, kaidah ini dapat dikatakan sebagai suatu implikasi yang terdiri dari dua

bagian, yaitu premis dan bagian konklusi. Apabila bagian premis dipenuhi maka

bagian konklusi akan bernilai benar. Bagian premis dalam aturan produksi dapat

memiliki lebih dari satu proposisi. Proposisiproposisi tersebut dihubungkan

dengan menggunakan operator logika AND atau OR.

Proses Diagnosis Penyakit

Proses diagnosis merupakan perpaduan dari aktifitas intelektual dan manipulatif. Menurut

Handayani dan Sutikno (2008), diagnosis sendiri didefinisikan sebagai suatu proses penting

pemberian nama dan pengklasifikasian penyakitpenyakit pasien, yang menunjukkan

kemungkinan nasib pasien dan yang mengarahkan pada pengobatan tertentu. Diagnosis

sebagaimana halnya dengan penelitian-penelitian ilmiah, didasarkan atas metode hipotesis.

Dengan metode hipotesis ini menjadikan penyakit-penyakit begitu mudah dikenali hanya

dengan suatu kesimpulan diagnostik. Diagnosis dimulai sejak permulaan wawancara medis

dan berlangsung selama melakukan pemeriksaan fisik. Dari diagnosis tersebut akan diperoleh

pertanyaan-pertanyaan yang terarah, perincian pemeriksaan fisik yang dilakukan untuk

menentukan pilihan tes-tes serta pemeriksaan khusus yang akan dikerjakan. Data yang

berhasil dihimpun akan dipertimbangkan dan diklasifikasikan berdasarkan keluhan-keluhan

dari pasien serta hubungannya terhadap penyakit tertentu. Berdasarkan gejalagejala serta

tanda-tanda yang dialami oleh penderita, maka pemusatan diagnosis akan lebih terpusat pada

bagian-bagian tubuh tertentu. Dengan demikian penyebab dari gejala-gejala dan tanda-tanda

tersebut dapat diketahui dengan mudah dan akhirnya diperoleh kesimpulan awal mengenai

penyakit tertentu.

IV. METODELOGI PENELITIAN

Metodologi Penelitian yang digunakan adalah sebagai berikut :

a. Identifikasi

Identifikasi merupakan tahapan pendefinisian sistem, tujuan, perumusan masalah,

sumber daya, data yang digunakan serta biaya untuk dapat membangun sistem.

b. Pengumpulan Data

Data yang digunakan untuk percobaan, didapatkan dari pakar dan pasien penyakit

mata. Data didapatkan melalui proses knowledge acquisition diantaranya wawancara

dengan pakar dan mendapatkan rekam medik pasien.

c. Pemilihan Metode

Metode yang digunakan adalah metode inferensi.

d. Rancang Bangun Sistem

Sistem dibangun denganuser friendly. Seorang pengguna akan dengan mudah

mengoperasikan aplikasi yang dibuat, sehingga pengguna relatif cepat dapat

mengetahui hasil diagnosis penyakit mata.

e. Ujicoba Sistem

Pada tahapan ini, sistem yang sudah dibangun akan diujicobakan dengan

menginputkan gejala-gejala yang dialami pasien. Selanjutnya, sistem pakar akan

menampilkan penyakit mata yang diderita pasien. Analisis hasil didapatkan dari

perbandingan antara hasil ujicoba sistem pakar dengan hasil diagnosa pakar (human

expert).

Alur Kerja Sistem

Untuk kasus diagnosis penyakit mata ini, desain proses dijelaskan menggunakan decision tree

yang berhubungan dengan tabel dan sering digunakan dalam analisis sistem (sistem non AI).

Sebuah decision tree dapat dianggap sebagai suatu semantic network hirarki yang diikat oleh

serangkaian aturan (rule). Tree ini mirip dengan pohon keputusan yang digunakan pada teori

keputusan. Tree dibentuk oleh simpul (node) yang mempresentasikan tujuan (goal) dan

hubungan (link) yang dapat mempresentasikan keputusan (decision). Akar (root) dari pohon

berada di sebelah kiri dan daun (leaves) berada di sebalah kanan. Keuntungan utama dari

decision tree yaitu tree dapat menyederhanakan proses akuisi pengetahuan.

Tree yang digunakan pada masalah diagnosis penyakit mata merupakan suatu forward

chaining tree. Pada forward chaining tree penelusuran informasi dilakukan secara forward (ke

depan) seperti yang umumnya digunakan pada masalah masalah diagnosis lainnya. Dari

pernyakit mata yang diketahui, kemudian mencoba melakukan penelusuran ke depan untuk

mencari fakta-fakta yang cocok berupa gejala-gejala penyebab penyakit mata yang

bersangkutan. Pada tree tersebut dapat dilihat bagaimana suatu gejala penyakit atau

kesimpulan gejala penyakit merujuk kepada suatu jenis penyakit tertentu, dan bagaimana

beberapa gejala yang sama dapat merujuk kepada beberapa penyakit yang berbeda. Pada

penelusuran dengan metode forward chaining dapat dilihat bahwa penelusuran ke depan

untuk mengenali penyebab dan jenis penyakit yang dialami oleh pasien. Untuk lebih jelasnya,

dapat dilihat pada Gambar 5.

Desain Diagram Konteks

Beberapa jurnal melakukan perancangan sistem pakar untuk mendiagnosis penyakit mata ini

menggunakan diagram konteks. Diagram ini menjelaskan tentang hubungan input/output

antara sistem dengan dunia luarnya. Suatu diagram konteks selalu mengandung satu proses

saja yang mewakili proses seluruh sistem. Perancangan sistem dimulai dari hal yang paling

global hingga menjadi model yang paling detail. Aliran data bersumber dari pengetahuan

yang didapatkan dari pakar, dimasukkan ke dalam sistem, kemudian diproses.

Dalam hal ini, pakar bertugas memasukkan data-data baru mengenai gejala dan jenis

penyakit. Pasien memasukan gejala yang dirasakan untuk keperluan diagnosis, kemudian

pasien mendapatkan hasil diagnosis penyakit. Secara umum, diagram konteks sistem pakar

untuk diagnosis penyakit mata pada manusia dapat dilihat pada Gambar 6.

V. HASIL DAN IMPLEMENTASI

VI. KESIMPULAN DAN SARAN

Tujuan utama penelitian ini adalah mengembangkan sistem pakar yang dapat mengimbangi

keterbatasan dokter ahli dalam pemeriksaaan dan diagnosis penyakit mata.Program

pembuatan sistem pakar ini juga dapat digunakan oleh user yang bukan ahlinya untuk

mendiagnosa penyakit mata. Sistem pakar ini tidak dapat 100% dijadikan sebagai final

decision dalam menentukan penyakit yang dialami pasien. Penalaran yang diperoleh dari

pengalaman yang dimiliki oleh user tetap menjadi faktor utama dalam sistem diagnosa

penyakit mata. Namun, hasil program ini akan berusaha mengarahkan user untuk fokus

terhadap penyakit yang dialami pasien berdasarkan gejala yang ditimbulkan.

Penyusunan database dari program harus terperinci agar memudahkan dalam penyusunan

program. Hasil output dari program perlu dianalisis lebih lanjut sehingga hasilnya benar-

benar akurat sesuai dengan target dari plan.