44
BAB 3
ANALISIS DAN PERANCANGAN
3.1 Analisis Permasalahan
3.1.1 Identifikasi Masalah yang dihadapi
- Pasien memerlukan banyak waktu, biaya dan tenaga hanya untuk
mengetahui penyakit yang diderita
- Obat kimia yang digunakan memiliki efek samping yang berbahaya bagi
kesehatan pasien
- Pasien kesulitan jika ingin mencari racikan obat tradisional
3.1.2 Solusi Permasalahan
- Pasien dapat mengetahui penyakit yang di derita kapan saja, dan dimana
saja dengan mengisi gejala – gejala awal yang dirasakan kedalam aplikasi
- Pasien dapat mengetahui obat tradisional yang aman dan tanpa memiliki
efek samping yang berbahaya bagi kesehatan
Masalah utamanya adalah jumlah pakar yang sangat terbatas bila
dibandingkan dengan kebutuhannya. Karena untuk menjadi seorang pakar
dibutuhkan pengetahuan yang banyak dan pengalaman selama bertahun-tahun.
untuk mengatasi hal tersebut diperlukan suatu metode untuk menyebarkan
kepakaran yang dimiliki oleh pakar tersebut. Dengan membuat suatu aplikasi
45
android yang berisi tentang kepakaran yang dimiliki oleh seorang pakar untuk
mendiagnosa penyakit yang melibatkan sistem penyakit umum, diharapkan
dapat membantu masyarakat untuk mengenali gejala-gejala yang timbul dan
membuat obat sendiri dengan menggunakan tanaman-tanaman obat yang
diolah menjadi obat tradisional. Selain itu juga memungkinkan setiap individu
untuk menghemat waktu, biaya dan tenaga dalam mendapatkan pelayanan
kesehatan dan pengobatan.
Penggunaan obat-obatan kimia yang memiliki efek samping yang lebih
berbahaya dari obat tradisional memungkinkan user lebih memilih obat
tradisional sebagai pengganti obat kimia sebagai solusi dari penyakit yang
dideritanya. Karena alasan-alasan itulah kemudian penulis ingin membuat
sebuah sistem pakar untuk memudahkan user dalam mendiagnosa penyakit
yang diderita dan meracik obat tradisional mereka sendiri.
Traditional Medic Application merupakan salah satu contoh sistem
pakar yang dapat digunakan oleh banyak user yang menggunakan gadget
berbasis android. Sistem ini berfungsi untuk memberikan informasi kepada
para user tentang penyakit yang diderita dengan menganalisa gejala – gejala
penyakit yang diinput oleh user dan memberikan obat tradisional sebagai
solusinya.
46
3.1.3 Kuesioner Pra Program
Kuesioner Pra Program pada aplikasi ini berisikan 9 pertanyaan yang
disebarkan kepada 50 orang secara random (baik karyawan maupun
mahasiswa). Adapun pertanyaan dan hasil yang didapat dari kuesioner
tersebut adalah sebagai berikut :
Tabel 3.1 Jawaban Survei 1
1. Apakah anda pengguna obat tradisional?
Ya 70 % 35 Orang
Tidak 30 % 15 Orang
Total Peserta Survey 50 Orang
Gambar 3.1 Diagram Jawaban Survei 1
Tabel 3.2 Jawaban Survei 2
2. Menurut anda, adakah efek samping dari pengguna obat tradisional?
Ada 20 % 10 Orang
47
Tidak Ada 80 % 40 Orang
Total Peserta Survey 50 Orang
Gambar 3.2 Diagram Jawaban Survei 2
Tabel 3.3 Jawaban Survei 3
3. Menurut anda, obat tradisional itu baik (aman) atau tidak bagi pengonsumsinya?
Ya 70 % 35 Orang
Tidak 30 % 15 Orang
Total Peserta Survey 50 Orang
Gambar 3.3 Diagram Jawaban Survei 3
48
Tabel 3.4 Jawaban Survei 4
4. Apakah anda memiliki kesulitan dalam mencari racikan obat tradisional?
Ya 80 % 40 Orang
Tidak 20 % 10 Orang
Total Peserta Survey 50 Orang
Gambar 3.4 Diagram Jawaban Survei 4
Tabel 3.5 Jawaban Survei 5
5. Seberapa pentingnya aplikasi – aplikasi android untuk anda?
Sangat Penting 60 % 30 Orang
Penting 20 % 10 Orang
Kurang 10 % 5 Orang
Sangat Kurang 6 % 3 Orang
Tidak Penting Sama Sekali 4 % 2 Orang
Total Peserta Survey 50 Orang
49
Gambar 3.5 Diagram Jawaban Survei 5
Tabel 3.6 Jawaban Survei 6
6. Apakah anda sering menggunakan aplikasi yang disediakan ponsel android?
Sering 90 % 45 Orang
Jarang 10 % 5 Orang
Tidak Pernah 0 % 0 Orang
Total Peserta Survey 50 Orang
Gambar 3.6 Diagram Jawaban Survei 6
50
Tabel 3.7 Jawaban Survei 7
7. Apakah anda memiliki kesulitan mendiagnosa gejala – gejala awal?
Ya 70 % 35 Orang
Tidak 30 % 15 Orang
Total Peserta Survey 50 Orang
Gambar 3.7 Diagram Jawaban Survei 7
Tabel 3.8 Jawaban Survei 8
8. Apakah aplikasi untuk menentukan diagnosa awal itu dibutuhkan?
Ya 80 % 40 Orang
Tidak 20 % 10 Orang
Total Peserta Survey 50 Orang
51
Gambar 3.8 Diagram Jawaban Survei 8
Tabel 3.9 Jawaban Survei 9
9. Menurut anda, apakah aplikasi Traditional Medic dalam diagnosa awal penyakit
pada android akan dapat membantu anda dalam pengobatan penyakit?
Ya 70 % 35 Orang
Tidak 30 % 15 Orang
Total Peserta Survey 50 Orang
Gambar 3.9 Diagram Jawaban Survei 9
52
3.1.4 Wawancara dengan Pakar
Dalam perancangan sistem pakar ini, terlebih dahulu dilakukan
wawancara dengan seorang dokter. Karena penyakit yang ingin diketahui
adalah penyakit umum, maka pakar/dokter yang kami gunakan adalah dokter
umum. Dan telah dilakukan wawancara dengan dr.Moh Abduh M.Sc yang
pada saat ini bekerja di Klinik Dokter 24 Jam dan Rumah Bersalin YAMC.
Dalam wawancara ini dengan dokter telah dibahas mengenai prosedur
pendiagnosaan berbagai macam penyakit terkait penyakit umum yang ingin
diketahui, juga mengenai gejala yang ditimbulkan. Menurut beliau, untuk
dapat menentukan suatu penyakit, maka dokter harus mengetahui minimal 3
gejala awal yang dirasakan oleh pasien. Oleh karena itu, dokter menyarankan
sistem yang akan dibangun dapat mengarahkan pengguna untuk memilih 3
gejala untuk dapat menentukan diagnosa awal penyakit yang diderita.
Berikut adalah hasil wawancara dengan pakar yang kami sajikan dalam
bentuk matriks.
Tabel 3.10 Wawancara dengan pakar dalam bentuk matriks.
Tanya Jawab
1. Sudah berapa lama Anda bekerja sebagai dokter?
1. Saya berprofesi sebagai dokter selama 24 tahun.
2. Penyakit umum apa saja yang paling sering Anda temui?
2. Banyak. Diantaranya: ISPA, Diare, Darah Tinggi, Maag, Infeksi Saluran kemih, Exim/penyakit kulit, Asma
3. Gejala apa saja yang paling sering pasien keluhkan, kemudian Anda dapat simpulkan bahwa pasien
3. Untuk ISPA gejala yang utama adalah Panas, Batuk, Pilek, Tenggorokan sakit, Dahak, Mual,
53
menderita suatu penyakit? Lemas. Kemudian untuk Darah tinggi gejala yang paling utama adalah Sakit kepala berat, Mual, dan Lemas.
4. Apakah Anda dapat mendiagnosa awal penyakit hanya dengan melihat gejala-gejala yang ada?
4. Ya. Menurut pengalaman dan pengamatan saya, saya dapat mendiagnosa awal penyakit yang diderita oleh pasien dengan mengetahui 3 gejala utama yang paling dirasakan oleh pasien.
5. Bisakah dokter memberikan nilai berdasarkan pengalaman dan pengamatan, jika diberikan range angka dari 0 sampai 1 sebagai nilai probabilitas gejala yang paling sering muncul terhadap suatu penyakit?
5. Untuk penyakit Darah Tinggi, gejala yang hampir pasti dirasakan adalah Sakit Kepala. Jadi saya memberikan nilai probabilitas 0,9. Kemudian diikuti Mual dengan probabilitas 0,8 dan lemas dengan probabilitas 0,7.
Berikut adalah hasil wawancara kami dengan Bapak Iswanto pakar
obat – obatan tradisional yang disajikan dalam bentuk matriks.
Tabel 3.11 Wawancara dengan pakar obat tradisional dalam bentuk matriks.
Tanya Jawab
Sudah berapa lama anda menjadi Shinse di
bidang pengobatan tradisional?
Saya menjadi shinse sudah 15 tahun. Dari
bulan juli tahun 1997.
Menurut Anda, apa saja kelebihan obat
tradisional?
Harganya yang relatif murah, efek
sampingnya relatif rendah, dalam suatu
ramuan dengan komponen berbeda
memiliki efek saling mendukung, pada
satu tanaman memiliki lebih dari satu efek
farmakologi serta lebih sesuai untuk
54
penyakit-penyakit metabolik dan
degeneratif.
Adakah efek samping penggunaan obat
tradisional?
Efek samping penggunaan obat tradisional
relative kecil dan bahkan tidak ada jika
digunakan secara tepat, baik takaran,
waktu, dan pemilihan bahan.
Apabila obat tradisional dikonsumsi terus
menerus dan tidak ada perubahan berarti,
adakah efek sampingnya?
Seperti yang telah saya katakan tadi,
penggunaan obat tradisional memiliki efek
samping yang kecil atau bahkan tidak ada
jika digunakan secara tepat. Apabila dalam
penggunaan obat tradisional tidak
mengalami perubahan, sebaiknya
melakukan konsultasi ulang kepada dokter
atau shinse yang ada.
Dari hasil wawancara dengan bapak Iswanto , berikut adalah table perbandingan antara
obat tradisional dengan obat kimia.
Tabel 3.12 Tabel perbandingan antara obat tradisional dengan obat kimia.
No. Obat Tradisional Obat Kimia
1. Harganya terjangkau Harga relatif mahal karena faktor
55
impor.
2.
Efek samping relatif kecil bahkan ada
yang sama sekali tidak menimbulkan
efek samping jika digunakan secara
tepat.
Efek samping pengobatan lebih
sering terjadi.
3. Reaksinya lambat. Reaksinya cepat.
4. Memperbaiki keseluruhan sistem tubuh. Hanya memperbaiki beberapa
sistem tubuh.
5. Efektif untuk penyakit kronis yang sulit
diatasi dengan obat kimia.
Relatif kurang efektif untuk
penyakit kronis
6. Terapi sampingan: Diet terhadap
makanan tertentu.
Terapi sampingan: diet terhadap
makanan tertentu dan perlakuan
tertentu pada tubuh seperti bedah
atau operasi dan manajemen stres.
3.1.5 Solusi yang Diusulkan
Dari analisis pemasalahan yang telah dilakukan, maka diusulkan untuk
membangun sistem yang dapat melakukan diagnosa awal penyakit dengan
cara memindahkan pengetahuan yang dimiliki pakar ke dalam sistem
komputer. Sistem yang akan dibangun adalah sebuah aplikasi berbasis sistem
pakar untuk diagnosa awal penyakit umum menggunakan metoda probabilitas
bayesian. Aplikasi ini bertujuan membantu masyarakat umum untuk dapat
56
melakukan diagnosa awal penyakit, rekomendasi obat tradisional dan cara
meraciknya sendiri.
3.2 Analisa Sistem Pakar
Sistem pakar merupakan sistem yang dirancang untuk dapat memecahkan
suatu masalah dengan meniru kerja dari para ahli. Dalam mengembangkan sistem
pakar ini diperlukan pengetahuan dan informasi yang diperoleh dari berbagai
sumber, yaitu dari buku-buku materi pendukung dan seorang pakar. Pakar adalah
seorang yang ahli dan menguasai dalam bidang tertentu dan mempunyai
pengetahuan atau keahlian khusus yang tidak dikuasai dan dimiliki oleh kebanyakan
orang sehingga dapat memecahkan permasalahan yang tidak dapat dipecahkan oleh
kebanyakan orang atau dapat memecahkan masalah tersebut dengan lebih efisien.
Dalam menentukan suatu penyakit, seorang dokter memerlukan gejala –
gejala awal yang dirasakan oleh pasien untuk kemudian disimpulkan dan
menemukan penyakit yang diderita secara akurat. Tidak semua penyakit dapat
disimpulkan secara akurat dan tepat oleh sistem pakar, oleh karena itu sistem pakar
ini digunakan untuk membantu user dalam menentukan penyakit yang diderita
dengan memasukkan gejala – gejala awal yang dirasakan ke dalam aplikasi.
3.2.1 Analisa Sistem Pakar Aplikasi Sejenis.
Sistem pakar untuk melakukan diagnosa kesehatan telah
dikembangkan sejak pertengahan tahun 1970 yang pertama kali dibuat oleh
57
Bruce Buchanan dan Edward Shortliffe di Standford University diberi nama
MYCIN.
MYCIN merupakan program interaktif yang melakukan diagnosa
penyakit meningitis dan infeksi bacremia serta memberikan rekomendasi
terapi antimikrobia. MYCIN mampu memberikan penjelasan atas
penalarannya secara detail. Dalam uji coba, program ini mampu menunjukkan
kemampuan seperti seorang spesialis. Meskipun MYCIN tidak pernah
digunakan secara rutin oleh dokter, MYCIN merupakan referensi yang bagus
dalam penelitian kecerdasan buatan yang lain (Kusrini,2006,p13).
3.2.2 Akuisisi Pengetahuan
3.2.2.1 Sumber Pengetahuan
Dalam merancang aplikasi sistem pakar ini, diperlukan proses
akuisisi pengetahuan terhadap seorang pakar dalam bidang penyakit
umum. Dalam proses ini, akuisisi pengetahuan dilakukan dengan
melakukan wawancara kepada dokter Moh. Abduh M.Sc yaitu seorang
dokter dalam bidang penyakit umum di Klinik Dokter 24 jam dan
Rumah Bersalin YAMC.
3.2.3 Representasi Pengetahuan
Dalam representasi pengetahuan, dilakukan pengumpulan dari
informasi yang diperoleh dari pakar dan literatur.
58
3.2.3.1 Tabel Gejala Penyakit dan Probabilitasnya
Untuk membantu pengembangan aplikasi sistem pakar ini,
maka pengetahuan yang diperoleh akan diubah ke dalam tabel. Dari
tabel ini, ditampilkan data-data hubungan antara gejala dan penyakit.
Seorang pakar memberikan data penyakit dan kemungkinan gejala
yang terjadi pada pasien. Serta memberikan nilai probabilitas yang
berdasarkan dari pengalaman seorang pakar yang telah menangani
beberapa pasien terhadap gejala suatu penyakit. Dengan adanya nilai
probabilitas maka data akan dapat diaplikasikan ke dalam sistem yang
sedang dibuat.
Tabel 3.13 Tabel Gejala Penyakit
Penyakit Nama Gejala Probabilitas
ISPA 1) Panas 0.9
2) Batuk Pilek 0.9
3) Tenggorokan Sakit 0.9
4) Dahak 0.8
5) Mual 0.8
6) Lemas 0.7
Diare 1) BAB Encer 0.9
2) Panas 0.9
3) Sakit Perut (Mules) 0.8
59
4) Muntah 0.8
5) Lemas 0.7
Maag 1) Sakit Ulu Hati 0.9
2) Mual 0.8
3) Muntah 0.8
4) Kembung 0.8
5) Sesak Ulu Hati 0.7
Eksim / Penyakit
Kulit
1) Ruam Kulit 0.9
2) Gatal 0.9
3) Merah ada Nanah 0.7
Darah Tinggi 1) Sakit Kepala 0.9
2) Mual 0.8
3) Lemas 0.7
Asma 1) Sesak Nafas (Bunyi) 0.9
2) Batuk Pilek 0.9
3) Dahak 0.8
Infeksi Saluran
Kemih
1) Panas 0.9
2) Sakit Pinggang 0.9
3) BAK Sakit 0.9
60
4) BAK Sering 0.8
5) BAK Merah 0.7
6) Sakit Perut Depan 0.6
3.3 Perancangan Sistem
Metode perancangan yang digunakan untuk mengembangkan sistem pakar
untuk diagnosis ini berupa Use Case Diagram,Sequence Diagram dan Activity
Diagram.
3.3.1 Hasil Perancangan
Berdasarkan analisis dan pengembangan yang telah dilakukan maka
dapat diketahui apa saja yang menjadi input sistem, output sistem, metode
yang digunakan sistem, serta antar muka sistem yang dibuat, sehingga sistem
dan aplikasi yang dibuat akan sesuai dengan apa yang diharapkan.
Perancangan sistem pakar ini akan dibagi menjadi beberapa subsistem yaitu :
1. Perancangan Use Case Diagram
2. Perancangan Sequence Diagram
3. Perancangan Class Diagram
4. Perancangan Activity Diagram
5. Perancangan Antarmuka
61
3.3.2 Perancangan Use case diagram
Diagram Use Case yang digunakan dalam sistem pakar diagnosa
penyakit umum hanya memiliki satu aktor yaitu, user. Dalam sistem ini user
melakukan pemilihan gejala penyakit yang diderita.
Gambar 3.10 Use Case Diagram Sistem Pakar Diagnosa Awal Penyakit Umum.
3.3.2.1 Definisi Actor
Berikut adalah tabel Definisi Actor yang menjelaskan siapa
saja yang terlibat di dalamnya serta penjelasannya secara rinci.
NO Aktor Deskripsi
1 User User dapat melakukan diagnosa awal
Tabel 3.14 Definisi Actor
62
dengan memilih gejala penyakit yang
dirasakan
3.3.2.2 Definisi Use Case
Berikut adalah tabel Definisi Use Case yang menjelaskan
apa saja yang dapat dilakukan di dalam sistem dan penjelasannya.
No Use Case Deskripsi
1 Memilih Gejala Use Case memilih gejala adalah
Use Case yang dilakukan oleh user
untuk memilih gejala yang
dirasakan.
2 Diagnosa Awal
Use Case Diagnosa Awal adalah
Use Case yang dilakukan user
untuk mendiagnosa awal penyakit
yang dirasakan oleh user.
3 Rekomendasi Obat
Tradisional
Use Case Rekomendasi Obat
Tradisional dilakukan oleh user
untuk mendapatkan obat
tradisional.
Tabel 3.15 Definisi Use Case
63
4. Peracikan Obat
Tradisional
Use Case ini dilakukan user untuk
meracik obat tradisional yang
diperoleh.
3.3.2.3 Sequence Diagram Memilih Gejala
Gambar 3.11 Sequence Diagram Memilih Gejala
Dari Gambar 3.11 dapat dijelaskan prosesnya sebagai berikut :
User akan memilih 3 gejala yang paling dirasakan dan main
system akan mendapatkan gejala – gejala yang dipilih dari database.
64
3.3.2.4 Sequence Diagram Diagnosa Awal
Gambar 3.12 Sequance Diagram Diagnosa Awal
Dari Gambar 3.12 dapat dijelaskan prosesnya sebagai berikut :
Setelah User memilih 3 gejala, User akan mendapatkan hasil
dari diagnosa awal berupa penyakit dan nilai probabilitas dari
database.
65
3.3.2.5 Sequence Diagram Rekomendasi Obat Tradisional
Gambar 3.13 Sequance Diagram Rekomendasi Obat Tradisional
Dari Gambar 3.13 dapat dijelaskan prosesnya sebagai berikut :
Setelah user memilih 3 gejala dan hasil diagnosa awal, user
akan mendapatkan bahan – bahan untuk membuat obat tradisional.
66
3.3.2.6 Sequence Diagram Pembuatan Obat Tradisional
Gambar 3.14 Sequance Diagram Pembuatan Obat Tradisional
Dari Gambar 3.14 dapat dijelaskan prosesnya sebagai berikut :
Setelah user memilih 3 gejala, hasil diagnosa awal, dan bahan.
User akan mendapatkan cara untuk membuat obat tradisional.
67
3.3.3 Activity Diagram Model
Gambar 3.15 Activity Diagram Memilih Gejala.
Pengguna Sistem
Kurang dari 3 gejala
Ya
Tidak
Membuka Aplikasi Menampilkan List Gejala
Memilih 3 gejala
Masuk tampilan diagnosa awal
68
Pengguna Sistem
Gambar 3.16 Activity Diagram Diagnosa Awal.
Pilih Proses Menampilkan Hasil Diagnosa Awal
Masuk Tampilan Bahan Obat
Tradisional
69
Pengguna Sistem
Gambar 3.17 Activity Diagram Rekomendasi Obat Tradisional.
Pilih Menu Bahan Menampilkan Bahan Obat
Tradisional
Masuk Tampilan Cara Pembuatan
Obat Tradisional
70
Pengguna Sistem
Gambar 3.18 Activity Diagram Cara Pembuatan Obat.
Gambar diatas merupakan aliran aktivitas yang dilakukan pada saat
sitem aplikasi berjalan. Di awal user memilih gejala penyakit mulai dari gejala
yang paling sakit dirasakan hingga gejala yang baru dirasakan. Kemudian,
sistem akan mengkalkulasi nilai yang sebelumnya dimasukkan oleh user.
Setelah selesai melakukan kalkulasi, sistem akan menampilkan informasi
penyakit dan probabilitasnya. Kemudian, sistem akan menampilkan informasi
tentang obat tradisional yang digunakan untuk mengobati penyakit yang
diderita user. Setelah itu, sistem akan menampilkan bahan dan cara meracik
obat tradisional.
Pilih Menu Cara Menampilkan Cara Pembuatan
Obat Tradisional
71
3.3.4 Class Diagram Model
Gambar 3.19 Class Diagram Model Sistem Pakar Diagnosa Penyakit.
3.3.5 Perancangan Bayes
Untuk membantu menyelesaikan masalah ketidakpastian terhadap
hipotesis diagnosa, maka digunakan metode statistik perhitungan probabilitas
bayesian.
3.3.5.1 Perhitungan dengan Teorema Bayes
Saat diagnosa dimulai, sistem akan melakukan kalkulasi
bayes sekaligus dimana satu sisi perhitungan dilakukan terhadap bobot
prior yang sudah direkam dari Pakar dan disimpan di basis
pengetahuan. Sedangkan sisi lainnya, bobot prior ditentukan oleh user
72
yang melakukan proses diagnosa. Hal ini dilakukan karena masalah
ketidakpastian melibatkan hipotesis yang berbeda-beda dari pengambil
keputusan. Oleh karena itu bobot prior sangat bergantung dari
kepakaran dan pengalaman si pengambil keputusan itu sendiri.
Selanjutnya yang akan dilakukan oleh sistem adalah mengirimkan
output ke user berupa hasil perhitungan probabilitas dari prior yang di
masukan oleh user dan probabilitas dari prior yang direkam oleh
sistem dari pakar.
p(Hi | E) =
Dengan :
⋅ p(Hi | E ) = probabilitas hipotesis benar jika diberikan evidence
(fakta) E
⋅ p(E |Hi) = probabilitas munculnya evidence(fakta) E jika diketahui
hipotesis Hi benar
⋅ p(Hi) = probabilitas hipotesis Hi (menurut hasil sebelumnya)
tanpa memandang evidence(fakta) apapun
⋅ n = jumlah hipotesis yang mungkin
⋅
p(E | Hi)*p(Hi)
Σ p(E | Hk )*p(Hk)
n
K=1
73
Sebagai contoh jika pada saat diagnosa user memilih gejala dan bobot
prior seperti berikut :
Sakit kepala : 0.6
Mual : 0.8
Lemes : 0.7
Maka sistem akan memecah data yang dimasukkan oleh user menjadi
Setelah itu sistem akan mengunakan gejala yang sudah diproses untuk
mendapatkan gejala dari tabel gejala, yang berguna untuk memasukan
nilai dari gejala ke kasus-kasus dimana gejala tersebut berada. Setelah
itu kedua sisi proses perhitungan dilakukan dan melakukan cek apakah
ada evidence baru terhadap suatu hipotesis atau tidak, dari contoh
diatas terdapat evidence lain yaitu mual dan lemas. Maka rumus yg
digunakan adalah :
Gejala Nilai Prior
Sakit Kepala 0.6
Mual 0.8
Lemas 0.7
74
Dengan :
e = evidence lama
E = evidence observasi baru
p(H | E,e) = probabilitas hipotesis H benar jika muncul evidence baru
dari evidence lama e
p(H | E) = probabilitas hipotesis H benar jika diberikan evidence E
p(e | E,H) = kaitan antara e dan E jika hipotesis H benar
p(e | H) = kaitan antara e dan E jika hipotesis H benar
Observasi baru menunjukkan bahwa orang terkena darah tinggi pasti
mengalami sakit kepala, jika diketahui probabilitas terkena darah
tinggi bila sakit kepala � p(darah tinggi | sakit kepala) = 0,9.
Setelah itu sistem akan mencocokkan keterkaitan antara mual, lemas
dan sakit kepala bila seseorang terkena darah tinggi dengan nilai yang
diambil/direkam dari pakar �p(mual|lemas|sakit kepala, darah
tinggi) = 0,8 dan keterkaitan antara mual, lemas dan batuk berdahak �
p(mual| lemas | sakit kepala) = 0,9
Maka :
P(darah tinggi | sakit kepala, mual, lemas) =
p(mual| lemas | sakit kepala)
P(darah tinggi | sakit kepala) * P(mual|lemas | sakit kepala, darah tinggi
p( H | E, e ) = p( H| E)*p( e | E, H )
p( e | E )
75
p(darah tinggi | sakit kepala, mual, lemes) = (0,9) * (0,8) / (0,9) = 0,80
dari hasil di atas menunjukan bahwa probabilitas terkena darah tinggi
lebih besar jika seseorang mengalami mual, lemas dan sakit kepala
dibandingkan seseorang yang hanya mengalami sakit kepala.
3.3.6 Perancangan Antar Muka
Dalam pembuatan sistem pakar untuk mendiagnosa penyakit umum,
terdapat beberapa rancangan antar muka yang terdiri dari, halaman utama,
halaman tutorial, halaman pemilihan gejala penyakit, diagnosa, bahan obat
tradisional dan cara pembuatan obat tradisional.
3.3.6.1 Rancangan Antar Muka Halaman Utama
Rancangan antar muka halaman utama dapat dilihat pada awal
program. Tersedia 2 tombol yaitu Tutorial dan Select Symptom yang
dapat user pilih untuk tindakan selanjutnya.
Gambar 3.20 Tampilan Antar Muka Halaman Utama.
Tutorial Pilih Gejala
Traditional Medic
Keterangan Penggunaan.
76
3.3.6.2 Rancangan Antar Muka Tutorial
Rancangan antar muka tutorial dapat dilihat ketika user
memilih Tutorial pada halaman utama. Dalam halaman ini user dapat
melihat dan mengetahui tentang cara menggunakan aplikasi ini.
Gambar 3.21 Tampilan Antar Muka Tutorial.
3.3.6.3 Rancangan Antar Muka Pilih Gejala
Dalam halaman ini user dapat memilih 3 gejala penyakit yang
dialami. Apabila user memilih gejala penyakit kurang dari 3, maka
aplikasi akan memberikan warning kepada user.
Traditional Medic
Penjelasan tutorial aplikasi
Kembali
77
Gambar 3.22 Tampilan Antar Muka Pilih Gejala.
3.3.6.4 Rancangan Antar Muka Diagnosa Awal
Dalam halaman ini user dapat mengetahui diagnosa awal dari
penyakit yang diderita dan besarnya probabilitas penyakit.
Gambar 3.23 Tampilan Antar Muka Diagnosa Awal.
Traditional Medic
Pilih gejala 1
Pilih gejala 2
Pilih gejala 3
Proses
Traditional Medic
Diagnosa awal Bahan Cara
Penjelasan penyakit
Nilai probabilitas
78
3.3.6.5 Rancangan Antar Muka Bahan Obat Tradisional
Dalam halaman ini user dapat mengetahui bahan – bahan obat
tradisional yang akan diracik dari penyakit yang diderita.
Gambar 3.24 Tampilan Antar Muka Bahan Obat Tradisional
3.3.6.6 Rancangan Antar Muka Cara Pembuatan dan Cara Pemakaian
Obat Tradisional
Dalam Halaman ini user dapat mengetahui informasi
bagaimana cara pembuatan dan cara pemakaian obat tradisonal yang
akan diracik dari penyakit yang diderita.
Traditional Medic
Bahan Diagnosa awal Cara
Informasi bahan – bahan obat tradisional
79
Gambar 3.25 Tampilan Antar Muka Cara Pembuatan dan Pemakaian Obat Tradisional.
3.4 Pendekatan Yang Digunakan
3.4.1 Perhitungan Dengan Teorema Bayes
Jika seseorang mengalami gejala Sakit kepala, Mual dan Lemas.
Kemudian dokter menduga bahwa ia terkena penyakit darah tinggi dengan
probabilitas :
���� P(sakit kepala|darah tinggi) = P(SK|DT) = 0.9 (pilihan gejala pertama)
���� P(Mual|darah tinggi) = P(M|DT) = 0.8
���� P(Lemas|darah tinggi) = P(L|DT) = 0.7
Cara
Tradisional Medic
Diagnosa awal Bahan
Informasi Cara Pembuatan dan Cara Pemakaian Obat Tradisional
80
Maka :
Dengan :
e = evidence lama
E = evidence observasi baru
p(H | E,e) = probabilitas hipotesis H benar jika muncul evidence baru dari
evidence lama e
p(H | E) = probabilitas hipotesis H benar jika diberikan evidence E
p(e | E,H) = kaitan antara e dan E jika hipotesis H benar
p(e | H) = kaitan antara e dan E jika hipotesis H benar
maka:
P(darah tinggi | sakit kepala, mual, lemas) =
p(mual| lemas | sakit kepala)
p(darah tinggi | sakit kepala, mual, lemes) = (0,9) * (0,8) / (0,9) = 0,80
Kesimpulan : Dari hasil diatas menunjukkan bahwa probabilitas penderita
terkena darah tinggi sebesar 80 %, apabila gejala utama yang dirasakan adalah
sakit kepala.
contoh 2:
���� P(lemas|darah tinggi) = P(SK|DT) = 0.7 (pilihan gejala pertama)
���� P(Mual|darah tinggi) = P(M|DT) = 0.8
���� P(Sakit kepala|darah tinggi) = P(L|DT) = 0.9
p( H | E, e ) = p( H| E)*p( e | E, H )
p( e | E )
P(darah tinggi | sakit kepala) * P(mual|lemas | sakit kepala, darah tinggi
81
P(darah tinggi | lemas , mual, sakit kepala) =
p(mual| lemas | sakit kepala)
p(darah tinggi | lemas, mual, sakit kepala) = (0,7) * (0,8) / (0,9) = 0,62
Kesimpulan : Dari hasil diatas menunjukkan bahwa probabilitas penderita
terkena darah tinggi sebesar 62 %, apabila gejala utama yang dirasakan adalah
lemas.
contoh 3:
���� P(BABencer|diare) = P(BE|DI) = 0.9 (pilihan gejala pertama)
���� P(Muntah|diare) = P(MU|DI) = 0.8
���� P(Lemas|diare) = P(L|DI) = 0.7
P(diare | BAB encer , muntah, lemas) =
p(muntah| lemas | BABencer)
p(diare | BAB encer, muntahl, lemas) = (0,9) * (0,6) / (0,8) = 0,67
Kesimpulan : Dari hasil diatas menunjukkan bahwa probabilitas penderita
terkena diare sebesar 67 %, apabila gejala utama yang dirasakan adalah BAB
Encer.
P(darah tinggi | lemas) * P(mual|lemas | sakit kepala, darah tinggi )
P(diare | BABencer) * P(muntah|lemas | BABencer, diare )