SISTEM DIAGNOSIS PENYAKIT GIGI DENGAN METODE
DEMPSTER SHAFER
Tuti Maharani Sunarto
Program Studi Informatika, Fakultas Teknik,
Universitas Maritim Raja Ali Haji
ABSTRAK
Penyakit gigi merupakan salah satu masalah kesehatan yang banyak
dikeluhkan oleh masyarakat, minimnya pengetahuan serta terbatasnya sumber
informasi menyebabkan rendahnya kesadaran masyarakat terhadap kesehatan gigi.
Berdasarkan hal tersebut, dengan mengandalkan kemajuan dibidang teknologi dan
informasi, diperlukan sebuah sistem yang dapat melakukan diagnosis secara dini,
kiranya penerapan sistem untuk penyakit gigi menjadi sangat penting guna
memberikan sosialisasi kepada masyarakat, maka dibuatlah sistem diagnosis
penyakit gigi. Prinsip dasar yang digunakan pada aplikasi ini adalah penelusuran
gejala penyakit dilakukan dengan metode Dempster Shafer. Gejala yang
digunakan untuk penelitian ini yaitu 56 gejala dari 17 penyakit dengan 50 data uji.
Output dari sistem ini adalah hasil diagnosis berupa nilai densitas dan
penyakit yang dialami oleh penderita. Hasil pengujian mendapatkan hasil
kesesuian 44 data uji, diperoleh tingkat akurasi sistem sebesar 88%.
Kata kunci: Sistem, Penyakit Gigi, Dempster Shafer
PENDAHULUAN
Kesehatan saat ini merupakan poin terpenting dalam hidup, hal ini
dikarenakan aktivitas kita dipastikan akan terganggu jika kita dalam keadaan
kurang sehat. Terkadang kita sering melupakan kesehatan dan kebersihan badan
kita, terlebih lagi pada daerah tubuh yang kecil seperti gigi. Suatu penyakit pada
gigi dapat menyerang siapa saja tanpa mengenal umur, jenis kelamin, dan
wilayah. Penyakit pada gigi yang tidak terlihat tersebut bisa menjadi masalah
besar jika tidak ditindaklanjuti dari dini.
Penyakit gigi merupakan salah satu masalah kesehatan yang banyak
dikeluhkan oleh masyarakat, karena dapat mengganggu aktivitas sehari-hari.
Penyakit ini dapat menyerang dari anak-anak hingga orang dewasa. Minimnya
pengetahuan serta terbatasnya sumber informasi menyebabkan rendahnya
kesadaran masyarakat terhadap kesehatan gigi, sehingga tidak pernah
memeriksakan gigi secara rutin ke dokter. Penyakit gigi bisa berdampak serius
bagi kesehatan manusia secara umum, karena gigi dan mulut merupakan tempat
masuknya suatu kuman dan bakteri. Penanganan penyakit gigi diharuskan untuk
segera ditangani lebih cepat dan benar, sebab dengan kita mengetahui jenis
penyakit gigi dan mulut sejak awal sangatlah penting guna melakukan proses
penyembuhan dengan lebih cepat dan tepat. Oleh karena itu diperlukan adanya
sistem yang mempunyai kemampuan untuk mendiagnosis jenis penyakit gigi guna
membantu masyarakat dalam melakukan diagnosa awal terhadap penyakit gigi.
Dalam penelitian ini sistem yang digunakan yakni menggunakan metode
dempster shafer, dengan menggunakan metode ini diharapkan dapat mendiagnosis
penyakit gigi. Iswanti dan Hartati (2008) metode ini merupakan metode yang
dapat digunakan untuk pembuktian berdasarkan belief fungsi kepercayaan dan
pemikiran yang masuk akal yang digunakan untuk mengkombinasikan potongan
informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu
peristiwa.
BAHAN DAN METODE
A. Penelitian Terdahulu
Maulana dkk (2016) pada jurnalnya yang berjudul “Implementasi Metode
Dempster Shafer dalam Mendiagnosis Penyakit Tanaman Jeruk” Pada penelitian
ini sistem telah menggunakan metode Dempster Shafer dengan cara menghitung
nilai bobot setiap penyakit berdasarkan jurnlah dan interpretasi pakar. Kemudian
sistem akan memilih penyakit dengan nilai bobot terbesar, Sehingga
menghasilkan persentase hasil akhir keluaran sistem. Dari kasus uji coba yang
telah dilakukan dari 30 data uji, didapatkan hasil pengujian akurasi sebesar 90%
menunjukkan bahwa aplikasi berfungsi dengan baik sesuai dengan metode
Dempster Shafer. Berdasarkan hasil pengujian akurasi bahwa keakurasian hasil
keluaran sistem dengan diagnosa pakar adalah 90%. Ketidakakurasian sistem
pakar ini sebesar 10% yang dapat disebabkan oleh beberapa kemungkinan, yaitu
subyektifitas pakar dalam pemberian nilai kepercayaan gejala penyakit
dikarenakan keyakinan tiap pakar berbeda dan masukan data gejala fakta yang
komplikasi dengan penyakit yang belum terdapat pada sistem.
Utomo dkk (2017) pada jurnalnya yang berjudul “Pemodelan Sistem Pakar
Diagnosis Penyakit pada Sistem Endokrin Manusia dengan Metode Dempster
Shafer. Pada penelitian ini bertujuan untuk menghasilkan kesimpulan penyakit
apa yang diderita, dalam perhitungan Dempster Shafer menggunakan gejala-gejala
dari penyakit yang sudah diberi nilai believe (kepercayaan), dimana nilai
kepercayaan tersebut diperoleh dari pakar. Nilai-nilai kepercayaan awalnya
disimpan pada database dari pemodelan sistem pakar, yang kemudian apabila user
melakukan diagnosis maka nilai-nilai tersebut diproses oleh sistem untuk
menghasilkan kesimpulan penyakit apa yang diderita. Hasil uji akurasi diagnosis
penyakit menggunakan metode Dempster Shafer memiliki tingkat akurasi sebesar
91,42%. Dengan kata lain, pemodelan sistem pakar diagnosis pada penyakit
endokrin pada manusia berjalan dengan baik dan dapat memberikan solusi dini
pada penderita penyakit endokrin.
Triara (2016) pada jurnalnya berjudul” Implementasi Metode Dempster-
Shafer Dalam Sistem Pakar Diagnosa Anak Tunagrahita Berbasis Web” pada
penelitian ini menggunakan algoritma Dempster Shafer untuk permasalahan
diagnosis penyakit ginjal, output dari sistem ini adalah hasil diagnosis berupa nilai
kesimpulan dan klasifikasi tunagrahita yang dialami oleh penderita. Dari hasil
pengujian diperoleh rata-rata nilai densitas untuk 5 data Tunagrahita Ringan
adalah 0,8993, rata-rata nilai densitas untuk 3 data Tunagrahita Sedang adalah
0,92284, dan rata-rata nilai densita suntuk 2 data Tunagrahita Berat adalah 0,9496.
Hasil analisis dan pengujian menunjukkan bahwa ditinjau dari segi akurasi
diagnosis dengan Dempster Shafer mampu menghasilkan diagnosis yang akurat.
Dari uji kelayakan sistem yang dilakukan menggunakan kuesioner diperoleh baik
dengan persentase variabel 52,50%, variabel kemudahan penggunaan 41,67%,
variabel kinerja sistem 45,00%, dan variable isi 48,33%.
Elyza dan Prijodiprojo (2013) pada jurnalnya yang berjudul “Prototype
Sistem Pakar untuk Mendeteksi Tingkat Resiko Penyakit Jantung Koroner dengan
Metode Dempster Shafer”, Penelitian ini bertujuan menerapkan metode
ketidakpastian Dempster Shafer pada sistem pakar untuk mendiagnosis tingkat
resiko penyakit JK seseorang berdasarkan faktor serta gejala penyakit JK. Manfaat
penelitian ini adalah untuk mengetahui keakuratan mesin inferensi Dempster
Shafer. Hasil diagnosis penyakit JK yang dihasilkan oleh sistem pakar sama
dengan hasil perhitungan secara manual dengan menggunakan teori mesin
inferensi Dempster Shafer. Sehingga dapat disimpulkan bahwa sistem pakar yang
telah dibangun dapat digunakan untuk mendiagnosis penyakit jantung koroner.
Schubert (2010) pada jurnalnya yang berjudul “Conflict management in
Dempster–Shafer theory using the degree of falsity” pada penelitiannya
menggunakan Dempster-Shafer Theory untuk mengembangkan manajemen
konflik. Pada penelitiannya ini menggunakan setiap bagian bukti secara
proporsional dengan tingkatannya bahwa itu berkontribusi pada konflik. Teori
Dempster Shafer mengembangkan manajemen konflik. Hasilnya menunjukkan
bahwa konflik diperbarui pada setiap langkah, sampai keseluruhan konflik
diturunkan tepat ke tingkat yang dapat diterima yang telah ditentukan.
Panggabean (2018) pada jurnalnya yang berjudul “Comparative Analysis
Of Dempster Shafer Method With Certainty Factor Method For Diagnose Stroke
Diseases”, pada penelitian ini menggunakan Metode Dampster Shafer dan
Certainty factor, dimana Metode Dempster Shafer untuk mendiagnosis stroke
lebih baik daripada Metode Certainty Factor, hasil akurasi diagnosis sistem pakar
dengan Metode Dempster Shafer adalah 85%, sedangkan dengan Metode
Certainty Factor 80%, Jumlah nilai Certainty Factor dihasilkan dari Faktor
Kepastian metode dan nilai kerapatan yang dihasilkan dari metode Dempster
Shafer dan hasil diagnosa dari masing-masing metode ditentukan oleh jumlah
pertandingan antara gejala input dan nilai keyakinan dari setiap gejala.
B. Metode Dempster Shafer
Teori Dempster Shafer adalah suatu teori matematika untuk pembuktian
berdasarkan belief functions and plausible reasoning (fungsi kepercayaan dan
pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan
informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu
peristiwa. Teori ini dikembangkan oleh Arthur P. Dempster dan Glenn Shafer.
Secara umum Teori Dempster Shafer ditulis dalam suatu interval:
[Belief,Plausibility], Belief adalah adalah ukuran kekuatan evidence (gejala)
dalam mendukung suatu himpunan bagian. Jika bernilai 0 maka mengindikasikan
bahwa tidak ada evidence, dan jika bernilai 1 menunjukan adanya kepastian.
Dalam teori dempster-shafer diasumsikan bahwa hipotesis-hipotesis yang
digunakan dikelompokkan ke dalam suatu lingkungan (environment) tersendiri
yang biasa disebut himpunan semesta pembicaraan dari sekumpulan
hipotesis dan berikan notasi ϴ. Selain itu dikenal juga probabilitas fungsi densitas
(m) yang menunjukkan besarnya kepercayaan evidence terhadap hipotesis tertentu
(Iswanti dan Hartati, 2008).
Maka langkah-langkah perhitungan manual pada Dempster Shafer yaitu
sebagai berikut:
1. Langkah pertama yaitu menghitung nilai Plausability pada densitas 1 (m1) pada
gejala 1 yaitu dengan rumus sebagai berikut:
M1 {Ø} = 1 – Bel (1)
Jika terdapat gejala ke 2, maka menghitung nilai densitasnya juga seperti
rumusan diatas.
2. Langkah kedua yaitu menghitung nilai densitas ketiga (m3) pada gejala ke 3
yaitu dengan rumusan sebagai berikut:
M3 (Z) = Σx∩y=ZM 1 x .M 2(y )
1−k (2)
Maka dari perhitungan diatas akan didapat nilai densitas tertinggi, dari densitas
tertinggi tersebut akan ditemukan sebuah penyakit.
Keterangan:
M = Densitas (Nilai Kepercayaan)
XYZ = Himpunan Evidence
K = Conflict evidence
Ø = Himpunan Kosong
C. Analisa Perancangan Sistem
Gambar 1.Flowchart perhitungan metode Dempster Shafer
Keterangan:
M1, M2, M3 = Densitas penyakit
X, Y, Z = Himpunan Penyakit
K= Conclict efidence
Data gejala, nilai
belief densitas 1
(M1)
Hitung nilai densitas 1 (M1):
M1{Ø} = 1- Belief
Hitung nilai densitas 3 (M3):
M3 (Z) = Σx∩y=ZM 1 x .M 2(y )
1−k
Densitas terbesar
Hasil diagnosis
penyakit
Selesai
Mulai
D. Perhitungan Dempster Shafer
Perhitungan manual dempster shafer dari data penyakit gigi, sebagai berikut :
G 8 ( Gigi sering sakit ) = 0,40 { P2, P3, P5, P12, P13, P14, P16 }
G 9 ( Infeksi ) = 0,90 { P3 }
G 12 ( Kista ) = 0,90 { P3 }
G 13 ( Gigi tinggal akarnya saja ) = 0,90 { P3 }
m1 { P2, P3, P5, P12, P13, P14, P16 }
m1 { Ø } = 1 - 0,40 = 0,60
m2 { P3 }
m2 { Ø } = 1 - 0,90 = 0,10
D2
D1
{ P3 }
(0,90)
{ Ø }
(0,10)
{ P2, P3, P5, P12, P13,
P14, P16 }
(0,40)
{ P3 }
(0,36)
{ P2, P3, P5, P12, P13,
P14, P16 }
(0,04)
{ Ø }
(0,60)
{ P3 }
(0,54)
{ Ø }
(0,06)
m3 { P3 } =0,36+0,54
1 − 0= 0,90
m3 { P2, P3, P5, P12, P13, P14, P16 } =0,04
1 − 0= 0,04
m3 { Ø } = 0,06
1 − 0= 0,06
Hasil sementara dari 2 gejala yang didapat, nilai P3 yang paling kuat yaitu 0,90.
Keterangan :
D1 = Densitas 1
D2 = Densitas 2
Ø = Himpunan kosong
m4 { P3 } = 0,90
m4 { Ø } = 1 - 0,90 = 0,10
D4
D3
{ P3 }
(0,90)
{ Ø }
(0,10)
{ P3 }
(0,90)
{ P3 }
(0,81)
{ P3 }
(0,09)
{ P2, P3, P5, P12, P13, { P3 } { P2, P3, P5, P12, P13,
P14, P16 }
(0,04)
(0,036) P14, P16 }
(0,0004)
{ Ø }
(0,06)
{ P3 }
(0,054)
{ Ø }
(0,006)
m5 { P3 } = 0,081+0,036+0,054+0,09
1 − 0 = 0,99
m5 { P2, P3, P5, P12, P13, P14, P16 } = 0,004
1 − 0 = 0,004
m5 { Ø } = 0,006
1 − 0 = 0,006
Hasil sementara dari 3 gejala yang didapat, tetap nilai P3 yang paling kuat yaitu
0,99
m6 { P3 } = 0,90
m6 { Ø } = 1 – 0,90 = 0,10
D6
D5
{ P3 }
(0,90)
{ Ø }
(0,10)
{ P3 }
(0,99)
{ P3 }
(0,891)
{ P3 }
(0,099)
{ P2, P3, P5, P12, P13,
P14, P16 }
(0,004)
{ P3 }
(0,0036)
{ P2, P3, P5, P12, P13,
P14, P16 }
(0,0004)
{ Ø }
(0,006)
{ P3 }
(0,0054)
{ Ø }
(0,006)
m7 { 34 } = 0,891+0,0036+0,0054+0,099
1 −0 = 0,0999
m7 { P2, P3, P5, P12, P13, P14, P16 } = 0,0004
1 −0 = 0,0004
m7 { Ø } = 0,0006
1−0 = 0,0006
Hasil dari 4 gejala yang dimasukkan tetap nilai dari P3 yang paling kuat yaitu
0,0999. P3 yaitu Penyakit Radiks.
HASIL
Pengujian cross check dilakukan dengan cara membandingkan hasil akhir
dari proses yang dihasilkan suatu aplikasi / program dengan pengetahuan yang
bersumber dari ahli / pakar terkait penelitian diatas untuk mendapatkan
keakuratan hasil dari sistem pakar yang telah dibangun untuk seterusnya
digunakan oleh user. Data uji coba ditunjukan pada tabel dibawah ini.
No Gejala yang diuji
Hasil
Diagnosa
Pakar
Hasil
Diagnosa
Sistem
Kesimpulan
1
Gigi berlubang
Gigi susu masih ada
Gigi tetap sudah
tumbuh
Persistensi Persistensi Hasil dari
pakar dan
sistem
adanya
kesesuaian
2
Gigi berlubang
Gigi susu masih ada
Persistensi Persistensi Hasil dari
pakar dan
sistem
adanya
kesesuaian
3
Gigi berlubang
Arah tumbuh gigi
tetap tak searah
dengan gigi susu
yang akan diganti
Persistensi Persistensi Hasil dari
pakar dan
sistem
adanya
kesesuaian
4 Gigi berlubang
Sensitif saat
mengunyah
Nyeri pada bagian
rahang
Pulpitis Kronis Pulpitis Kronis Hasil dari
pakar dan
sistem
adanya
kesesuaian
5 Sensitif saat
mengunyah
Nyeri berdenyut
pada gigi
Nyeri pada bagian
rahang
Pulpitis Kronis Pulpitis Kronis Hasil dari
pakar dan
sistem
adanya
kesesuaian
6 Sensitif saat
mengunyah
Nyeri berdenyut
pada gigi
Pulpitis Kronis Pulpitis
Kronis, Abses
Adanya
perbedaan
antara hasil
dari pakar
dengan hasil
dari sistem
pakar. Pakar
memiliki 1
hasil
sedangkan
sistem
memiliki
lebih satu
hasil
7 Gigi sering sakit
Infeksi
Kista
Radiks Radiks Hasil dari
pakar dan
sistem
adanya
kesesuaian
8 Gigi sering sakit
Infeksi
Kista
Gigi tinggal akarnya
saja
Radiks Radiks Hasil dari
pakar dan
sistem
adanya
kesesuaian
9 Gigi sering sakit
Infeksi
Radiks Radiks Hasil dari
pakar dan
sistem
adanya
kesesuaian
10 Gigi ngilu
Kepekaan lebih dari
normal
Peka terhadap dingin
Hiperemi
Pulpa
Hiperemi
Pulpa
Hasil dari
pakar dan
sistem
adanya
kesesuaian
11 Gigi berlubang
Gigi ngilu
Peka terhadap dingin
Hiperemi
Pulpa
Hiperemi
Pulpa
Hasil dari
pakar dan
sistem
adanya
kesesuaian
12 Gigi berlubang
Gigi ngilu
Hiperemi
Pulpa
Hiperemi
Pulpa
Hasil dari
pakar dan
sistem
adanya
kesesuaian
13 Bau mulut
Gusi bengkak
Gigi berubah warna
menjadi abu-abu
kehitaman
Gangren Pulpa Gangren Pulpa Hasil dari
pakar dan
sistem
adanya
kesesuaian
14 Gigi berlubang
Gigi susu goyang
Mobility Mobility Hasil dari
pakar dan
sistem
adanya
kesesuaian
15 Gigi susu goyang
Gigi mengalami
pendarahan
Mobility Mobility Hasil dari
pakar dan
sistem
adanya
kesesuaian
16 Gigi berlubang
Gigi mengalami
pendarahan
Mobility Mobility Hasil dari
pakar dan
sistem
adanya
kesesuaian
17 Lidah sering tergigit
Gigi tumbuh tidak
beraturan
Bernapas melalui
mulut
Maloklusi Maloklusi Hasil dari
pakar dan
sistem
adanya
kesesuaian
18 Sensitif saat
mengunyah
Gigi tumbuh tidak
beraturan
Perubahan pada
tampak wajah
Maloklusi Maloklusi Hasil dari
pakar dan
sistem
adanya
kesesuaian
19 Sensitif saat
mengunyah
Gigi tumbuh tidak
beraturan
Maloklusi Maloklusi
Malposisi
Adanya
perbedaan
antara hasil
dari pakar
dengan hasil
dari sistem
pakar. Pakar
memiliki 1
hasil
sedangkan
sistem
memiliki
lebih satu
hasil
20 Gigi banyak karang
Gigi menjadi goyang
Calculus Calculus Hasil dari
pakar dan
sistem
adanya
kesesuaian
21 Gusi bengkak
Bau mulut
Gigi banyak karang
Calculus Calculus Hasil dari
pakar dan
sistem
adanya
kesesuaian
22 Gigi banyak karang Calculus Calculus Hasil dari
Gusi turun
Gigi menjadi goyang
pakar dan
sistem
adanya
kesesuaian
23 Gusi bengkak
Bau mulut
Calculus Calculus
Gingivitis
Adanya
perbedaan
antara hasil
dari pakar
dengan hasil
dari sistem
pakar. Pakar
memiliki 1
hasil
sedangkan
sistem
memiliki
lebih satu
hasil
24 Gigi kuning kehijaun
Perubahan warna
gigi
Stain Stain Hasil dari
pakar dan
sistem
adanya
kesesuaian
25 Gigi kuning
kehijauan
Perubahan warna
gigi
Garis hitam tipis
pada permukaan oral
dan vestibular
Stain Stain Hasil dari
pakar dan
sistem
adanya
kesesuaian
26 Perubahan warna
gigi
Plak mengalami
pewarnaan
kekuning-keningan
Stain Stain Hasil dari
pakar dan
sistem
adanya
kesesuaian
27 Gusi bengkak
Gusi turun
Gusi nyeri
Gingivitis Gingivitis Hasil dari
pakar dan
sistem
adanya
kesesuaian
28 Bau mulut
Gusi nyeri
Gingivitis Gingivitis
Abses
Adanya
perbedaan
antara hasil
dari pakar
dengan hasil
dari sistem
pakar. Pakar
memiliki 1
hasil
sedangkan
sistem
memiliki
lebih satu
hasil
29 Gigi tumbuh tidak
beraturan
Tampilan wajah
yang tidak normal
Malposisi Malposisi Hasil dari
pakar dan
sistem
adanya
kesesuaian
30 Sensitif saat
mengunyah
Penyelarasan gigi
yang tidak normal
Kesulitan bicara
Malposisi Malposisi Hasil dari
pakar dan
sistem
adanya
kesesuaian
31 Gigi sering sakit
Pembusukan gigi
Edentulus Edentulus Hasil dari
pakar dan
sistem
adanya
kesesuaian
32 Bau mulut
Pembusukan gigi
Perubahan warna
gigi
Edentulus Edentulus Hasil dari
pakar dan
sistem
adanya
kesesuaian
33 Pembusukan gigi
Gigi rentan retak
Gigi ompong
Edentulus Edentulus Hasil dari
pakar dan
sistem
adanya
kesesuaian
34 Perubahan warna
gusi
Rongga terbentuk
diantara gigi
Perubahan pada gigi
saat menggigit
Periodontitis Periodontitis Hasil dari
pakar dan
sistem
adanya
kesesuaian
35 Gigi menjadi goyang
Gusi bengkak
Perubahan pada gigi
saat menggigit
Periodontitis Periodontitis Hasil dari
pakar dan
sistem
adanya
kesesuaian
36 Gigi sering sakit
Bau mulut
Impacted Impacted Hasil dari
pakar dan
Demam
sistem
adanya
kesesuaian
37 Demam
Kelenjar leher
membengkak
Kesulitan membuka
mulut
Impacted Impacted Hasil dari
pakar dan
sistem
adanya
kesesuaian
38 Bau mulut
Gigi geraham
tumbuhnya miring
Kesulitan membuka
mulut
Impacted Impacted Hasil dari
pakar dan
sistem
adanya
kesesuaian
39 Demam
Nyeri berdenyut
pada gigi
Pembengkakan pada
wajah
Abses Abses Hasil dari
pakar dan
sistem
adanya
kesesuaian
40 Sensitif saat
mengunyah
Gusi bengkak
Gusi nyeri
Kemerahan pada
mulut
Abses Abses Hasil dari
pakar dan
sistem
adanya
kesesuaian
41 Sensitif saat
mengunyah
Gusi bengkak
Abses Abses Hasil dari
pakar dan
sistem
adanya
kesesuaian
42 Gigi berlubang
Indera perasa mati
rasa
Nyeri pada bagian
rahang
Polip Polip Hasil dari
pakar dan
sistem
adanya
kesesuaian
43 Gigi sering sakit
Kemerahan pada
mulut
Ada daging tumbuh
pada gigi
Polip Polip Hasil dari
pakar dan
sistem
adanya
kesesuaian
44 Sensitif saat
mengunyah
Nyeri akut dengan
gigitan benda keras
Nyeri saat terhirup
udara dingin
Fraktur
Mahkota
Fraktur
Mahkota
Hasil dari
pakar dan
sistem
adanya
kesesuaian
45 Nyeri akut dengan Fraktur Fraktur Hasil dari
gigitan benda keras
Nyeri saat terhirup
udara dingin
Mahkota Mahkota pakar dan
sistem
adanya
kesesuaian
46 Sensitif saat
mengunyah
Nyeri akut dengan
gigitan benda keras
Fraktur
Mahkota
Fraktur
Mahkota
Hasil dari
pakar dan
sistem
adanya
kesesuaian
47 Gigi berlubang
Gigi sering sakit
Gigi berubah warna
menjadi abu-abu
kehitaman
Gangren Pulpa Gangren Pulpa Hasil dari
pakar dan
sistem
adanya
kesesuaian
48 Sensitif saat
mengunyah
Penyelarasan gigi
yang tidak normal
Maloklusi Malposisi Adanya
perbedaan
antara hasil
dari pakar
dengan hasil
dari sistem
pakar
49 Perubahan warna
gusi
Rongga terbentuk
diantara gigi
Periodontitis
Periodontitis
Hasil dari
pakar dan
sistem
adanya
kesesuaian
50 Gigi berlubang
Indera perasa mati
rasa
Pulpitis Kronis Polip Adanya
perbedaan
antara hasil
dari pakar
dengan hasil
dari sistem
pakar
KESIMPULAN
Berdasarkan penelitian yang telah dilakukan maka didapat beberapa
kesimpulan sebagai berikut.
1. Telah berhasil dibangun Sistem Diagnosis Penyakit Gigi dengan menggunakan
metode dempster shafer yang dapat mempercepat diagnosis penyakit gigi pada
masyarakat berdasarkan gejala-gejala yang diberikan.
2. Berdasarkan pengujian pakar, dapat diambil kesimpulan bahwa hasil yang
direkomendasikan oleh sistem telah cocok dan sesuai serta memiliki kesamaan
dengan hasil. Pada data uji sebanyak 50 data diperoleh tingkat akurasi sistem
sebesar 88%
DAFTAR PUSTAKA
Elyza, W.G., dan Prijodiprojo, W., 2013, Prototype Sistem Pakar untuk
Mendeteksi Tingkat Resiko Penyakit Jantung Koroner dengan Metode
Dempster-Shafer, Jurusan Teknik Informatika, FTI UII, Yogyakarta.
Iswanti, S., dan Hartati, S., 2008, Sistem Pakar dan Pengembangannya.
Yogyakarta: Graha Ilmu.
Maulana, S., Hidayat, N., dan Santoso, E., 2016, Implementasi Metode Dempster
Shafer dalam Mendiagnosa Penyakit Tanaman Jeruk, Jurnal
Pengembangan Teknologi Informasi dan Ilmu Komputer, Universitas
Brawijaya.
Panggabean, E., 2018, Comparative Analysis of Dempster Shafer Method With
Certainty Factor Method for Diagnose Stroke Diseases, International
Journal of Artificial Intelegence Research, Medan.
Schubert, J., 2010, Conflict management in Dempster–Shafer theory using the
degree of falsity, International Journal of Approximate Reasoning,
Stockholm, Sweden.
Triara, 2016, Implementasi Metode Dempster-Shafer Dalam Sistem Pakar
Diagnosa Anak Tunagrahita Berbasis Web, Jurnal Rekursif,
Universitas Bengkulu.
Utomo, D.W., Suprapto dan Nurul, H., 2017, Pemodelan Sistem Pakar Diagnosis
Penyakit pada Sistem Endokrin Manusia dengan Metode Dempster-
Shafer, Jurnal Pengembangan Teknologi Informasi dan Ilmu
Komputer, Universitas Brawijaya.