implementasi case-based reasoning untuk...

IMPLEMENTASI CASE-BASED REASONING UNTUK PENDUKUNG DOKTER JAGA DALAM MENDIAGNOSA PENYAKIT PADA

RSU PKU MUHAMMADIYAH DELANGGU

NASKAH PUBLIKASI

diajukan oleh

Ardian Nur Romadhan

10.11.3600

kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

AMIKOM YOGYAKARTA YOGYAKARTA

2013

NASKAH PUBLIKASI



disusun oleh

IMPLEMENTATION OF CASE-BASED REASONING FOR SUPPORTING DOCTORS DIAGNOSE DISEASE TO MAINTAIN THE




Ardian Nur Romadhan

Kusrini

Jurusan Teknik Informatika

STIMIK AMIKOM YOGYAKARTA

ABSTRACT

In a decision-making system, there are various methods that can be applied to solve the problem of uncertainty. There is uncertainty in the tracking process can occur because of changes in the existing knowledge in the system.

In this research, a method has been used to address the uncertainties with Case-Based Reasoning system (Case-Based Reasoning) in the case of tracking to Keep Supporting Physicians in Diagnosing Diseases of the RSU PKU Muhammadiyah Delanggu. The process of diagnosis is performed by inserting a new case (the target case) into the system that contains the symptoms of the disease. The cases (source case) that is used in the system is obtained from case management record diagnosis of a general practitioner. System processing cases filed with a solution in the previous case that already exist in the data-base system (case-base). Cases with a value of symptoms that have similarities (similarity), the highest will be taken and then the solution of the case would be the solution for the new case. If the case can not be diagnosed, it will be revised. The revision process will result in a solution that has been developed and stored into the system to be used as new knowledge (fresh knowlegde).

The resulting system will provide the output of the possibility of disease and treatment suggestions based on the equation of new cases with knowledge of the system. So that helps in decision making more quickly and accurately. Keywords : Case-Based Reasoning, target-case, source-case, common diseases, case-base, similarity, fresh knowledge.

1

1. Pendahuluan

Penyakit merupakan suatu keadaan dimana terdapat gangguan fungsi tubuh yang

menghambat aktifitas hidup manusia. Penyakit di Indonesia pada dasarnya lebih sering

disebabkan oleh serangan virus, jamur, infeksi, parasit dan lain sebagainya. Sehingga

kesehatan didalam kehidupan manusia sangat mudah terserang. Disamping itu faktor-

faktor lain seperti lingkungan hidup, iklim, dan kebiasaan sehari-hari yang dilakukan

manusia, telah ikut serta dalam menyumbang penyakit yang mengganggu kesehatan

pada manusia.

RSU PKU Muhammadiyah Delanggu merupakan rumah sakit yang profesional dan

islami. Rumah sakit ini mempunyai banyak pasien yang memeriksakan kesehatannya,

rata-rata rumah sakit ini menangani 70 pasien tiap harinya. RSU PKU Muhammadiyah

Delanggu hanya memiliki 9 dokter jaga tetap. Untuk menangani pasien yang sedang

memeriksakan kesehatannya, rumah sakit ini memiliki layanan 24 jam dan ditangani oleh

satu dokter jaga yang bertugas dalam satu shift dan dibantu 3 perawat. Karena memiliki

layanan 24 jam rumah sakit ini membagi 3 jam kerja pada tiap hari tugasnya yaitu pagi

dari pkl 07:00-02:00, siang dari pkl 02:00-20:00, dan malam dari pkl 20:00-07:00.

Keberadaan sistem ini diharapkan dapat membantu kerja dokter pada RSU PKU

Muhammadiyah Delanggu dalam melakukan diagnosa yang menghasilkan keluaran

berupa kemungkinan penyakit dan saran pengobatan yang didasarkan pada persamaan

kasus baru dengan pengetahuan yang dimiliki sistem.

2. Landasan Teori

2.1 Sistem Pakar (Expert System)

Sistem pakar adalah program kecerdasan buatan yang menggabungkan basis

pengetahuan (knowladge base) dengan sistem inferensi. Inferensi berasal dari bahasa

inggris yaitu inference. Inferensi adalah suatu proses memperoleh pengetahuan

berdasarkan pengalaman yang terjadi1.

Sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk

menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang dimaksud

di sini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan

masalah yang tidak dapat diselesaikan oleh orang awam. Sebagai contoh, dokter adalah

seorang pakar yang mampu mendiagnosa penyakit yang diderita pasien serta dapat

memberikan penatalaksanaan terhadap penyakit tersebut. Tidak semua orang dapat

1 Andri Kristanto, Kecerdasan Buatan, hal 19

2

mengambil keputusan mengenai diagnosis dan memberikan penatalaksanaan suatu

penyakit2.

2.2 Siklus CBR

Prosedur umum ketika menerapkan CBR, umumnya dijelaskan oleh klasik siklus

Penalaran Berbasis Kasus diperkenalkan oleh Aamodt dan Plaza (1994) (lihat Gambar

2.1)3.

Gambar 2.1 Penalaran Berbasis Kasus Cycle oleh Aamodt & Plaza (dalam Armin

Stahl).

Titik awal dari pemecahan-proses masalah baru adalah soal yang diberikan yang

solusi diperlukan. Masalah ini dapat dicirikan sebagai kasus baru yang bagian solusi

masih belum diketahui. Ini baru kasus sering juga disebut query kemudian diproses

dalam empat tahap.

2.3 Algoritma Nearest Neighbor

Nearest Neighbor adalah pendekatan untuk mencari kasus dengan menghitung

kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan

bobot dari sejumlah fitur yang ada. Misalkan diinginkan untuk mencari solusi terhadap

seorang pasien baru dengan menggunakan solusi dari pasien terdahulu. Untuk mencari

kasus pasien mana yang akan digunakan maka dihitung kedekatan kasus pasien baru

dengan semua kasus pasien lama. Kasus pasien lama dengan kedekatan terbesar-lah

yang akan diambil solusinya untuk digunakan pada kasus pasien baru4.

2 Kusrini, M.Kom. APLIKASI SISTEM PAKAR Menentukan Faktor Kepastian Pengguna dengan

Metode Kuantifikasi Pertanyaan, hal 3 3 Armin Stahl. 2004. Learning of Knowladge-Intensive Similarity Measures in Case-Based

Reasoning, hal 16 4 Kusrini & Emha Taufiq Luthfi, Algoritma Data Mining, hal 93

3

Gambar 2.2 Ilustrasi Kedekatan Kasus

Seperti tampak pada Gambar 2.2. Ada 2 pasien lama: A dan B. Ketika ada

pasien Baru, maka solusi yang akan diambil adalah solusi dari pasien terdekat dari

pasien Baru. Seandainya d1 adalah kedekatan antara pasien Baru dan pasien A,

sedangkan d2 adalah kedekatan antara pasien Baru dengan pasien B. Karena d2 lebih

dekat dari d1 maka solusi dari pasien B-lah yang akan digunakan untuk memberikan

solusi pasien Baru.

Adapun rumus untuk melakukan penghitungan kedekatan antara dua kasus

adalah sebagai berikut5:

i

n

i

iii

w

wSTf

STsimilarity

1

*),(

),(

Keteranganan :

T : kasus baru

S : kasus yang ada dalam penyimpanan

n : jumlah atribut dalam setiap kasus

i : atribut individu antara 1 s.d. n

f : fungsi similarity atribut i antara kasus T dan kasus S

w : bobot yang diberikan pada atribut ke-i

Kedekatan biasanya berada pada nilai antara 0 s.d. 1. Nilai 0 artinya kedua

kasus mutlak tidak mirip, sebaliknya untuk nilai 1 kasus mirip dengan mutlak6.

2.4 Konsep Pemodelan

Pemodelan (modeling) adalah proses merancang piranti lunak sebelum melakukan

pengkodean (coding). Model piranti lunak dapat dianalogikan seperti pembuatan blue

print pada pembangunan gedung. Membuat model dari sebuah sistem yang kompleks

sangatlah penting karena kita tidak dapat memahami sistem semacam itu secara

5 Ibid. hal 94

6 Ibid. hal 95

4

menyeluruh. Semakin kompleks sebuah sistem, semakin penting pula penggunaan teknik

pemodelan yang baik7.

2.4.1 UML (Unified Modeling Language)

Unified Modeling Language (UML) adalah himpunan struktur dan teknik untuk

pemodelan dan desain program berorientasi objek (OOP) serta aplikasinya. UML adalah

metodelogi untuk mengembangkan sistem OOP dan sekelompok tool untuk mendukung

pengembangan sistem tersebut. UML mulai diperkenalkan oleh Object Management

Group, sebuah organisasi yang telah mengembangkan model, teknologi dan standar

OOP sejak tahun 1980-an. Sekarang UML sudah mulai banyak digunakan oleh para

praktisi OOP. UML merupakan dasar bagi tool desain berorientasi objek dari IBM8.

Unified Modeling Language (UML) adalah sebuah “bahasa” yang telah menjadi

standar dalam industri untuk visualisasi, merancang dan mendokumentasikan sistem

piranti lunak. UML menawarkan sebuah standar untuk meranacang model sebuah

sistem9.

2.4.2 Use Case Diagram

Kebutuhan fungsional akan digambarkan melalui sebuah diagram yang

dinamakan diagram use case. Use Case Diagram atau diagram use case merupakan

pemodelan untuk menggambarkan kelakuan (behavior) sistem yang akan dibuat.

Diagram use case mendeskripsikan sebuah interaksi antara satu atau lebih aktor dengan

sistem yang akan dibuat. Dengan pengertian yang cepat, diagram use case digunakan

untuk mengetahui fungsi apa saja yang ada di dalam sebuah sistem dan siapa saja yang

berhak menggunakan fungsi-fungsi tersebut. Terdapat beberapa simbol dalam

menggambarkan diagram use case, yaitu use case, aktor dan relasi. Hal yang perlu

diingat mengenai diagram use case adalah diagram use case bukan menggambarkan

tampilan antar muka (user interface), arsitektur dari sistem, kebutuhan nonfungsional,

dan tujuan performansi. Sedangkan untuk penamaan use case adalah nama

didefinisikan sesimpel mungkin, dapat dipahami dan menggunakan kata kerja10

.

2.4.3 Class Diagram

Diagram kelas atau class diagram menggambarkan struktur sistem dari segi

pendefinisian kelas-kelas yang akan dibuat untuk membangun sistem. Kelas memiliki

apa yang disebut atribut dan metode atau operasi11

.

a. Atribut merupakan variabel-variabel yang dimiliki oleh suatu kelas.

7 Yuni Sugiarti, ANALISIS DAN PERANCANGAN UML (Unified Modeling Language)

Generated VB.6, hal 33 8 Ibid. hal 60

9 Ibid. hal 34

10 Ibid. hal 41

11 Ibid. hal 57

5

b. Atribut mendeskripsikan properti dengan sebaris teks didalam kotak kelas

tersebut.

c. Operasi atau metode adalah fungsi-fungsi yang dimiliki oleh suatu kelas.

Diagram kelas mendeskripsikan jenis-jenis objek dalam sistem dan berbagai

hubungan statis yang terdapat di antara mereka. Diagram kelas juga menunjukan

properti dan operasi sebuah kelas dan batasan-batasan yang terdapat dalam hubungan-

hubungan objek tersebut.

Diagram kelas menggambarkan struktur dan deskripsi class, package dan objek

beserta hubungan satu sama lain seperti containment, pewarisan, asosiasi, dan lain-lain.

Kelas memiliki tiga area pokok :

1. Nama

2. Atribut

3. Operasi

2.4.4 Sequence Diagram

Diagram Sekuence menggambarkan kelakuan/perilaku objek pada use case

dengan mendeskripsikan waktu hidup objek dengan message yang dikirimkan dan

diterima antar objek. Oleh karena itu untuk menggambar diagram sekuences maka harus

diketahui objek-objek yang terlibat dalam sebuah use case beserta metode-metode yang

dimiliki kelas yang diinstansiasi menjadi objek itu12

.

Banyaknya diagram Sekuence yang harus digambar adalah sebanyak

pendefinisian use case yang memiliki proses sendiri atau yang penting semua use case

yang telah didefinisikan interaksi jalannya pesan sudah dicakup pada diagram Sekuence

sehingga semakin banyak use case yang didefinisikan maka diagram Sekuence yang

harus dibuat juga semakin banyak13

.

Penomoran pesan berdasarkan urutan interaksi pesan. Penggambaran letak

pesan harus berurutan, pesan yang lebih atas dari lainnya adalah pesan yang berjalan

terlebih dahulu14

.

Diagram Sekuence memiliki ciri yang berbeda dengan diagram interaksi pada

diagram kolaborasi sebagai berikut15

:

1. Pada Diagram Sekuence terdapat garis hidup objek. Garis hidup objek

adalah garis tegas vertikal yang mencerminkan eksistensi sebuah objek

sepanjang periode waktu. Sebagian besar objek-objek yang tercakup

dalam diagram interaksi akan eksis sepanjang durasi tertentu dari interaksi,

sehingga objek-objek itu diletakan di bagian atas diagram dengan garis

12

Ibid. hal 69 13

Ibid. hal 69 14

Ibid. hal 70 15

Ibid. hal 70

6

hidup tergambar dari atas hingga bagian bawah diagram. Suatu objek lain

dapat saja diciptakan, dalam hal ini garis hidup dimulai saat pesan create

diterima suatu objek. Selain itu suatu objek juga dapat dimusnahkan

dengan pesan Destroy, jika kasus ini terjadi, maka garis hidupnya juga

berakhir.

2. Terdapat fokus kendali (Focus of Control), berupa empat persegi panjang

ramping dan tinggi yang menampilkan aksi objek secara langsung atau

sepanjang sub ordinat. Puncak dari empat persegi panjang adalah

permulaan aksi, bagian dasar adalah akhir dari suatu aksi. Pada diagram

ini mungkin juga memperlihatkan penyaringan (nesting) dan fokus kendali

yang disebabkan oleh proses rekursif dengan menumpuk fokus kendali

yang lain pada induknya.

2.4.5 Activity Diagram

Diagram aktivitas atau activity diagram menggambarkan workflow (aliran kerja)

atau aktivitas dari sebuah sistem atau proses bisnis. Yang perlu diperhatikan disini

adalah bahwa diagram aktivitas menggambarkan aktivitas sistem bukan apa yang

dilakukan aktor, jadi aktivitas yang dapat dilakukan oleh sistem. Diagram aktivitas

mendukung perilaku pararel16

.

Diagram aktivitas juga banyak digunakan untuk mendefinisikan hal-hal berikut17

:

a. Rancangan proses bisnis dimana setiap urutan aktivitas yang digambarkan

merupakan proses bisnis sistem yang didefinisikan.

b. Urutan atau pengelompokan tampilan dari sistem/user interface dimana

setiap aktivitas dianggap memerlukan sebuah pengujian yang perlu

didefinisikan kasus ujiannya.

c. Rancangan pengujian dimana setiap aktivitas dianggap memerlukan

sebuah pengujian yang perlu didefinisikan kasus ujiannya.

Activity diagrams menggambarkan berbagai alir aktivitas dalam sistem yang

sedang dirancang, bagaiman masing-masing alir berawal, decision yang mungkin terjadi,

dan bagaimana mereka berakhir. Activity diagram juga dapat menggambarkan proses

pararel yang mungkin terjadi pada beberapa eksekusi18

.

Activity diagrams merupakan state diagram khusus, di mana sebagian besar

state adalah action dan sebagian besar transisi di-trigger oleh selesainya state

sebelumnya (internal processing). Oleh karena activity diagram tidak menggambarkan

behaviour internal sebuah sistem (dan interaksi antar subsistem) secara eksak, tetapi

16

Ibid. hal 74 17

Ibid. hal 74 18

Ibid. hal 74

7

lebih menggambarkan proses-proses dan jalur-jalur aktivitas dari level atas secara

umum19

.

3. Analisis dan Perancangan Sistem

3.1 Analisis Sistem

Analisis sistem mempelajari masalah dan kebutuhan dari organisasi untuk

menentukan bagaimana orang, data, proses, komunikasi, dan teknologi informasi dapat

meningkatkan pencapaian bisnis20

. Berikut adalah teknik pemecahan masalah yang

menguraikan bagian-bagian komponen dalam menganalisa kasus yang di dapat dari

observasi maupun wawancara.

3.2 Analisis SWOT

Dalam penelitian ini penulis menggunakan metode SWOT. Analisis tersebut dapat

dilakukan dengan cara mengevaluasi kekuatan (strength), kelemahan (weakness),

kesempatan (oportunity), ancaman (threats). Dari analisis ini akan mendapat gambaran

mengenai kekuatan, kelemahan, peluang, ancaman dari aplikasi ini.

3.2.1 Analisis Kekuatan dan Peluang (strength dan opportunities)

Analisis ini merupakan rencana jangka panjang, dimana peluang untuk

dimanfaatkan dan kekuatan dapat dioptimalkan. Adapun kekuatan dan peluang yang

dimiliki oleh aplikasi pendukung dokter jaga dalam mendiagnosa penyakit pada RSU

PKU Muhammadiyah Delanggu ini dapat dilihat pada tabel 3.1 :

Tabel 3.1 Hasil Analisis Peluang dan Kekuatan

Analisis kekuatan (strength) a. Dapat mendiagnosis penyakit secara cepat dan akurat, sehingga tidak terjadi kesalahan manusia (human error) dalam penanganan pasien.

b. Aplikasi ini dilengkapi pendukung printer untuk mencetak hasil diagnosa sebagai laporan rekam medis pasien.

c. Dapat mengurangi biaya keperluan seperti membeli buku catatan baru, pulpen maupun tipex.

Analisis peluang (opportunities) Nantinya aplikasi ini dapat menjadi media pendukung dokter jaga di RSU PKU Muhammadiyah Delanggu dalam mendiagnosa penyakit pasien. Sehingga terwujudnya pelayanan kesehatan masyarakat yang komperhensif dan bermutu.

19

Ibid. hal 74 20

Hanif Al Fatta , Analisis dan Perancangan Sistem Informasi untuk Keunggulan Bersaing

Perusahaan dan Organisasi Modern hal 17

8

3.2.2 Analisis Ancaman dan Kelemahan (threats dan weakness)

Analisis ini merupakan rencana jangka pendek, yaitu rencana perbaikan (short-

term improvement plan), dimana ancaman untuk diantisipasi atau dihindari dan

kelemahan dapat segera dibenahi atau diperbaiki. Adapun ancaman dan kelemahan

yang dimiliki oleh aplikasi pendukung dokter jaga dalam mendiagnosa penyakit pada

RSU PKU Muhammadiyah Delanggu ini dapat dilihat pada tabel 3.2 :

Tabel 3.2 Hasil Analisis Ancaman dan Kelemahan

Analisis ancaman (threats) Berkembangnya sistem operasi akhir-akhir ini tentu juga diimbangi dengan berkembangnya virus. Dikhawatirkan dengan berkembangnya virus, suatu saat dapat menyerang perangkat komputer sehingga mengganggu jalannya aplikasi.

Analisis kelemahan (weakness) a. Dengan banyaknya pasien yang memeriksakan kesehatan tiap harinya dan pelayanan 24 jam pada IGD. Dikhawatirkan dapat menyebabkan kerusakan perangkat komputer jika sering digunakan dalam 24 jam.

b. Karena aplikasi ini untuk pendukung dokter jaga, sehingga akses yang disediakan hanyalah untuk paramedis, dengan kata lain aplikasi ini tidak dapat digunakan oleh pasien secara langsung.

3.3 Analisis Basis Pengetahuan

3.3.1 Case-Based Reasoning

Dalam penelitian ini telah diterapakan suatu metode untuk mengatasi

ketidakpastian dengan sistem penalaran berbasis kasus (case-based reasoning).

3.3.2 Tahapan case-based reasoning

Yang menjadi basis pengetahuan pada case-based reasoning adalah fakta-fakta

berupa kasus-kasus sebelumnya yang pernah ada dan serangkaian alur untuk

memeriksa, menghitung, serta menyimpulkan suatu solusi dari permasalahan yang

diberikan. Tahapan pada case-based reasoning ada 4 yaitu: retrieve, reuse, revise dan

retain.

Pencarian solusi kasus di lakukan pada tahapan retrieve dan reuse. Tahapan

retrieve melakukan pencarian tingkat kemiripan kasus inputan pertanyaan gejala-gejala

yang diberikan pasien dengan kasus-kasus yang ada pada knowledge base untuk

mencari kasus yang memiliki persamaan (similaritas) tertinggi. Hanya kasus yang

memiliki persamaan (similaritas) dengan basis kasus yang akan diproses di tahapan

reuse untuk disarankan solusi bagi kasus baru. Tahapan revise dan retain merupakan

9

tahapan dimana solusi yang diberikan pada kasus inputan pasien sebelumnya di revisi

dan diputuskan untuk dijadikan knowledge baru atau tidak.

3.3.3 Retrieval (penelusuran)

Retrieval yang digunakan dalam penelitian ini adalah menelusuri kembali kasus

(gejala klinis) lama yang paling menyerupai/relevan dengan kasus baru. Pencocokan

dilakukan dengan cara memilih gejala-gejala dengan memberi tanda checkbox terhadap

pertanyaan gejala yang sesuai dengan kondisi pasien. Jika pencocokan nilai jawaban

kasus sama atau hampir sama dengan basis kasus, maka akan dilakukan tahap reuse

yaitu melakukan perhitungan similarity yang menghasilkan kemungkinan jenis penyakit

dan akan disarankan solusi obat untuk menjadi solusi dari kasus baru. Asumsi pada

penelusuran ini adalah kasus yang mirip akan memiliki solusi yang mirip.

Data pertanyaan gejala klinis yang dimasukan pada sistem berbentuk biner (1)

atau (0). Dari tanda checkbox untuk menyatakan “ya” (1) bahwa ada gejala dan tidak

memberi tanda checkbox menyatakan “tidak” (0) bahwa tidak ada gejala. Setiap nilai

gejala similar akan dikalikan oleh bobot.

Nilai = [nilai checkbox dipilih 1 atau tidak 0 (S)] * bobot (W).

Penelusuranan pada aplikasi ini menggunakan teknik Similarity (problem,case)

pada algoritma k-nearest neighbor sebagai berikut :

Bobot parameter (w) :

Gejala Penting = 1

Gejala Biasa = 0,5

Similarity (T, S) = 𝑠1 ∗ 𝑤1 + 𝑠2 ∗ 𝑤2 + …… + 𝑠𝑛 ∗ 𝑤𝑛

𝑤1 + 𝑤2 + …… + 𝑤𝑛

Keterangan:

S = similarity (nilai kemiripan) yaitu 1 (sama) dan 0 (beda)

W = weight (bobot yang diberikan).

3.3.4 Reuse

Pada tahap ini dilakukan perhitungan nilai similarity kemiripan setiap kasus

tertinggi yang sebelumnya telah dilakukan pencocokan yang paling relevan dari kasus

baru ke dalam kasus yang lama, sehingga dari hasil perhitungan nilai persamaan

(similarity) didapatkan usulan solusi dari kasus yang telah ada dimana mungkin

diperlukan untuk memecahkan masalah kasus baru atau dengan kata lain menggunakan

ulang solusi kasus lama untuk menangani kasus baru yang serupa. Nilai similarity setiap

kasus diperoleh dari jumlah nilai gejala similar terpilih dikali dengan bobot dan dibagi

dengan total nilai bobot gejala dalam data kasus lama.

10

Berikut ini contoh analisis pengambilan kesimpulan status hasil diagnosa dengan

proses pencarian similarity. Dari hasil inputan gejala-gejala kasus baru diperoleh 3 kasus

yang mempunyai kemiripan dengan kasus lama yaitu kasus K1, K2, dan K3. Dengan

memberi bobot terhadap gejala yang mirip (similar) dengan kasus lama :

Tabel 3.1 Tabel Kasus Baru

Kasus Baru

Kode Gejala Gejala K1 K2 K3

G01 Mual 1 0,5

G02 Muntah 0,5 0,5

G03 Nyeri ulu hati : panas perih 1

G04 Kadang keringat dingin 0,5

G09 Lemas 1

G11 Kadang disertai demam 0,5

G12 Nyeri kepala/leher bagian belakang 1

Gejala sama yang terdeteksi 4 3 2

Berdasarkan tabel diatas perlu dihitung Similarity kasus lama terhadap

kasus baru. Ada 3 Penyakit terdeteksi, dengan gejala jumlah kemiripan sebagai

berikut :

K1 = 4 gejala

K2 = 3 gejala

K3 = 2 gejala

1. Similarity (sama gejalanya) terhadap jenis penyakit yang diderita pasien K1:

Gejala yang terdeteksi = (G01, G02, G03, G04)

𝑆𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦 (T, S) = 𝑠1 ∗ 𝑤1 + 𝑠2 ∗ 𝑤2 + …… + 𝑠𝑛 ∗ 𝑤𝑛

𝑤1 + 𝑤2 + …… + 𝑤𝑛

= [(1 ∗ 1) + (1 ∗ 1) + (1 ∗ 1) + (1 ∗ 0,5) + (0 ∗ 0,5) + (0 ∗ 0,5)]

1 + 1 + 1 + 0,5 + 0,5 + 0,5

= 1 + 1 + 1 + 0,5 + 0 + 0

1 + 1 + 1 + 0,5 + 0,5 + 0,5

= 3,5

4,5= 0,777


Gejala yang terdeteksi = (G02, G09, G11)


𝑤1 + 𝑤2 + …… + 𝑤𝑛

= [(1 ∗ 0,5) + (0 ∗ 1) + (0 ∗ 1) + (1 ∗ 1) + (0 ∗ 0,5) + (1 ∗ 0,5) ]

0,5 + 1 + 1 + 1 + 0,5 + 0,5

= 0,5 + 0 + 0 + 1 + 0 + 0,5

0,5 + 1 + 1 + 1 + 0,5 + 0,5

11

= 2

4,5= 0,444


Gejala yang terdeteksi = (G01, G12)


𝑤1 + 𝑤2 + …… + 𝑤𝑛

= [(1 ∗ 0,5) + (0 ∗ 0,5) + (1 ∗ 1) + (0 ∗ 0,5) + (0 ∗ 0,5) + (0 ∗ 0,5)]

0,5 + 0,5 + 1 + 0,5 + 0,5 + 0,5

= 0,5 + 0 + 1 + 0 + 0 + 0

0,5 + 0,5 + 1 + 0,5 + 0,5 + 0,5

= 1,5

3,5= 0,428

Maka kesimpulannya adalah kasus K1 dengan tingkat kemiripan sebesar

0.777, atau 77,7% merupakan kasus terdekat dengan similarty tertinggi terhadap

kasus baru.

3.3.5 Revise

Tahapan revise merupakan tahapan dimana solusi kasus pada saran obat dari

hasil diagnosa diperbaiki. Pada proses validasi ini sistem akan melakukan revise, dimana

melalui pertimbangan yang dimiliki oleh paramedis maka solusi kasus pada saran obat

dari hasil diagnosa ini akan diproses sistem untuk dilakukan retain. Sistem akan

menghasilkan solusi yang telah dikembangkan dan disimpan ke dalam sistem untuk

dijadikan pengetahuan baru. Pasien dengan usia < 14 th dosis obat disesuaikan dengan

umur dan berat badan.

3.3.6 Retain

Pada proses retain solusi yang sudah diperbaiki akan disimpan sebagai data rekam

medis pasien. Jika pakar menyatakan kasus baru tersebut sebagai kasus valid maka

kasus baru tersebut dapat diupdate kedalam basis kasus.

4. Implementasi dan Pembahasan

4.1 Implementasi

Tahap implementasi sistem adalah tahap meletakkan sistem supaya siap

dioperasikan. Tahap ini dilakukan setelah melakukan perancangan sistem yaitu

pembuatan program.

12

4.2 Pengujian

Pengujian dilakukan untuk mengetahui langkah dan alur aplikasi sudah berjalan

dengan baik sesuai dengan rancangan yang diharapkan. Maksud dari pengujian adalah

untuk mengetahui masih adakah kesalahan sehingga sistem tidak dapat berjalan sesuai

dengan keinginan.

Terdapat 3 jenis kesalahan dalam tes program, yaitu :

1. Kesalahan Penulisan Syntax

2. Kesalahan Sewaktu Proses (run time error)

3. Kesalahan Logika:

Tabel 4.1 Testing Login

No Skenario Hasil Status

1. Memasukan username dan password menurut role

Masuk dalam aplikasi Sukses

2. Memasukan password atau password salah

Muncul Pemberitahuan bahwa username atau password yang dimasukkan salah

Sukses

3. Menekan login sebelum semua input terisi

Muncul Pemberitahuan bahwa login gagal.

Sukses

4.3 Pembahasan Aplikasi

4.3.1 Input Data Diagnosa

Sebelum melakukan tahap proses diagnosa paramedis memasukan data pasien

yang sedang memeriksakan kesahatan di IGD RSU PKU MUHAMMADIYAH Delanggu

dengan mengisi kode pasien, tanggal periksa, waktu periksa. Lalu tekan mulai untuk

melakukan proses diagnosa.

Gambar 4.1 Input Data Diagnosa

Button untuk menambah pasien

baru

Button untuk keluar dari halaman diagnosa

Button untuk memulai proses diagnosa

13

4.3.2 Proses Diagnosa

Pada bagian list proses diagnosa ini pengguna melakukan retrieval yaitu tahap

pencocokan kasus lama terhadap kasus baru dengan dengan memberi tanda checkbox

terhadap pertanyaan gejala yang sesuai dengan gejala yang dirasakan oleh pasien.

Kemudian pilih tombol proses untuk melakukan tahap reuse yaitu perhitungan niali

similarity.

Gambar 4.2 Proses Diagnosa

4.3.3 Hasil Diagnosa

Pada bagian hasil diagnosa ini menampilkan nilai similarity atau hasil dari

diagnosa yang sebelumnya telah dicocokan antara gejala baru dengan kasus lama dan

telah dihitung nilai similarity tiap kasus yang terdeteksi, hanya 3 kasus tertinggi yang

ditampilkan sebagai hasil perhitungan. Setelah dikalkulasi maka nilai tertinggi diambil

sebagi solusi kasus terhadap kasus baru. Jika solusi kasus dinilai tidak valid, maka

dokter dapat mengubah solusi kasus dari gejala, jenis penyakit dan saran obat dengan

melakukan tahap revise dan retain.

Gambar 4 3 Hasil Diagnosa

Button untuk melakukan perhitungan similarity

Button untuk melihat data rekam medis

Button untuk melakukan revisi gejala, jenis penyakit, dan saran obat

Button untuk menyimpan hasil diagnosa

Button untuk mencetak hasil diagnosa

14

5. Penutup

5.1 Kesimpulan

Setelah tahapan-tahapan penelitian dilakukan kesimpulan yang dapat diambil

dalam penelitian kali ini adalah :

1. Sistem penalaran berbasis kasus yang telah dibuat mampu menerapkan

keahlian seorang pakar atau ahli (dokter umum) pada RSU PKU

Muhammadiyah Delanggu.

2. Sistem penalaran berbasis kasus (case-based reasoning) untuk diagnosa 5

jenis penyakit mengeluarkan solusi diagnosa yang disarankan dari hasil

perhitungan similarity dengan batas minimum yang telah ditentukan yaitu 3

nilai similar tertinggi.

3. Sistem penalaran berbasis kasus untuk diagnosa penyakit memiliki fasilitas

untuk akuisisi basis data kasus dengan memberikan bobot pada gejala.

Fasilitas ini hanya dapat dilakukan oleh pakar yaitu orang yang memiliki hak

akses pengolahan data.

4. Berdasarkan hasil pengujian sistem, keluaran yang dihasilkan oleh sistem

sama dengan perhitungan manual. Dengan demikian, sistem telah berhasil

melakukan perhitungan menggunakan algoritma nearest neighbour.

5.2 Saran

Pada penulisan Skripsi ini tentu masih banyak kekurangan , dan mungkin dapat

disempurnakan oleh penelitian-penelitian berikutnya. Untuk lebih menyempurnakan

program ini penulis memberikan beberapa saran diantaranya :

1. Mengembangkan sistem penalaran berbasis kasus untuk diagnosa penyakit

dengan menggunakan metode lain selain nearest neighbour.

2. Dalam aplikasi sistem penalaran berbasis kasus ini jenis penyakit yang diteliti

masih tergolong penyakit umum, diharapkan untuk penelitian berikutnya agar

dapat melakukan penelitian kelompok diagnosa dengan jenis penyakit yang

lebih khusus.

3. Mengembangkan sistem penalaran berbasis kasus untuk identifikasi penyakit

lain dengan menggunakan metode nearest neighbour.

4. Untuk penelitian selanjutnya disarankan untuk membuat aplikasi sejenis

yang dapat di akses secara online agar dapat digunakan oleh banyak pihak.

15

DAFTAR PUSTAKA

Al Fatta, Hanif. 2007. Analisis dan Perancangan Sistem Informasi untuk Keunggulan

Bersaing Perusahaan & Organisasi Modern.Yogyakarta: Andi.

Kristanto, Andri. 2004. Kecerdasan Buatan. Yogyakarta: Graha Ilmu

Kusrini. 2008. APLIKASI SISTEM PAKAR Menentukan Faktor Kepastian Pengguna

dengan Metode Kuantifikasi Pertanyaan. Yogyakarta: Andi.

Kusrini, dan Emha taufiq Luthfi. 2009. Algoritma Data Mining. Yogyakarta: Andi.

Sugiarti, Yuni. 2013. ANALISIS DAN PERANCANGAN UML (Unified Modeling

Language) Generated VB.6. Yogyakarta: Graha Ilmu.

Stahl, Armin. 2004. Learning of Knowladge-Intensive Similarity Measures in Case-Based

Reasoning www.dfki.de/web/forschung/.../renameFileForDownload?file_id...

diakses pada tanggal 27 Mei 2013 pukul 07.15 WIB

http://www.dfki.de/web/forschung/.../renameFileForDownload?file_id

implementasi case-based reasoning untuk...

Documents