Seminar Nasional Teknologi Informasi dan Multimedia 2017STMIK AMIKOM Yogyakarta, 4 Februari 2017

ISSN : 2302-3805

3.6-73

PENERAPAN FUZZY MOORA PADA SISTEM PAKAR DIAGNOSAPENYAKIT DEMAM BERDARAH DENGUE

David

Teknik Informatika STMIK PontianakJl Merdeka No. 372,Pontianak 78111

Email : DavidLiauw@gmail.com, David_Liauw@yahoo.com)

Abstrak

Penyakit demam berdarah dengue (DBD) merupakanpenyakit yang disebabkan oleh virus dengue yangdibawa oleh nyamuk aedes aegypti betina melalui airliur gigitan saat menghisap darah manusia. Seringkalipenyakit DBD terlambat didiagnosa. Tujuan daripenelitian ini adalah untuk menghasilkan danmembangun sebuah perangkat lunak sistem pakar yangdapat membantu penderita maupun petugas medisdalam melakukan diagnosa awal terhadap penyakitDBD ini, agar dapat mengurangi resiko kematian yangdisebabkan oleh penyakit ini. Mesin inferensi sistempakar yang digunakan adalah forward chaining yangdipadankan dengan Fuzzy Moora sebagai pengambilankeputusan. Sistem pakar ini menampilkan pilihan gejalayang dapat dipilih user, dimana setiap pilihan gejalaakan membawa user kepada pilihan gejala selanjutnyasampai mendapatkan hasil akhir. Dan metodeperancangan perangkat lunak menggunakan modelperancangan waterfall. Hasil penelitian ini adalah dapatmembantu petugas medis dan masyarakat agar dapatlebih memahami dan mengetahui penyakit DBD yangdiderita sehingga dapat segera diobati untukmenghindari resiko kematian, serta dapat memberikaninformasi serta solusi kepada masyarakat mengenaipenyakit DBD.

Kata kunci: Expert System, Fuzzy Moora, ForwardChaining, Mesin Inferensi

1. Pendahuluan

Sistem pakar adalah sistem yang berusaha mengadopsipengetahuan manusia ke komputer, agar komputer dapatmenyelesaikan masalah seperti yang biasa dilakukanoleh para ahli. Sistem pakar terdiri dari dua bagian yangharus dimiliki yaitu knowledge base dan inferenceengine. Knowledge base adalah sebuah database yangmenyimpan informasi pengetahuan tertentu dan aturan-aturan tentang subjek tertentu, sedangkan inferenceengine adalah bagian dari sistem pakar yang mencobamenggunakan informasi yang diberikan untukmenemukan objek yang sesuai. Komponen sistem pakaryaitu antar muka pengguna (user interface), basispengetahuan (knowledge base), mesin inferensi(inference machine), memori kerja (working memory),

workplace, fasilitas penjelasan dan perbaikanpengetahuan [1].Salah satu implementasi yang diterapkan sistem pakardalam bidang kesehatan yaitu sistem pakar untukdiagnosa dan penanggulangan penyakit demam berdarahdengue. Penyakit demam berdarah dengue (DBD) adalahsuatu penyakit yang disebabkan oleh virus dengue yangdibawa oleh nyamuk aedes aegypti betina lewat air liurgigitan saat menghisap darah manusia.. DBD merupakansalah satu penyakit menular yang sering menimbulkanwabah dan menyebabkan kematian. Di Indonesia,penyakit DBD bukan merupakan penyakit yang asingnamun, penderitamya tidak mengetahui bahaya daripenyakit DBD itu sendiri. Keterlambatan penanggananpada penderita penyakit DBD ini terjadi karenakurangnya informasi mengenai penyakit DBD sertasulitnya cara untuk dapat mendiagnosa penyakit DBD inisendiri. Gejala penyakit DBD selama ini hanyadidiagnosa masyarakat awam berdasarkan ciri-ciri yangdiketahui tanpa oleh fakta dan pertimbangan medislainnya, sehingga masyarakat atau penderita sulitmembedakan penyakit DBD dengan penyakit demambiasa. Akibatnya penyakit tersebut ditangani dengan carayang salah. Oleh karena itu penyebaran informasi sertacara penanganan awal tentang penyakit DBD ini sangatdiperlukan. Agar tidak ada kesalahan diagnosa dan untukmempermudah masyarakat atau penderita mengetahuisejak dini penyakit yang diderita sehingga tidakterlambat mendapatkan pengobatan.Penggunaan fuzzy logic sudah banyak digunakan dalamsistem pakar, salah satunya untuk mengontrol kerusakanpermanen pada ginjal[1]. Penelitian sebelumnyamengusulkan sebuah sistem pakar dengan menggunakanfuzzy logic untuk menilai kontrol nephropathy. Tingkatkeberhasilan dari sistem pakar fuzzy sebesar 93.33%.Penggunaan sistem ini mengurangi kurangnya kontroldan perawatan yang salah. Sistem ini akan berguna jikadisesuaikan dengan diagnosis patologi lainnya[1].Penelitian lainnya menggunakan gabungan logika fuzzydan Moora untuk pemilihan strategi supply chain[2].Penggabungan logika fuzzy sebagai hybrid Sistem pakardapat juga menggunakan metode-metode yangmenggunakan perbandingan perankingan misalnyaMCDA (Multi Criteria Decision Method)[3]. Mooramerupakan alah satu metode dalam MCDA.

Seminar Nasional Teknologi Informasi dan Multimedia 2017STMIK AMIKOM Yogyakarta, 4 Februari 2017

ISSN : 2302-3805

3.6-74

Dengan menggunakan metode Fuzzy Moora diharapkansistem pakar yang dirancang dapat memberikankemudahan dalam melakukan diagnosa penyakit DBD.Moora adalah metode yang digunakan dalam decisionmaking untuk menunjukkan ukuran kepastian terhadapsuatu fakta atau aturan, dan menggambarkan tingkatkeyakinan pakar terhadap masalah yang sedang dihadapi[4].Penelitian ini menggunakan metode pencarianmenggunakan forward chaining. Forward chainingmerupakan teknik pelacakan ke depan yang dimulaidengan informasi yang ada dan penggabungan rule untukmenghasilkan suatu kesimpulan atau tujuan. Sistem iniakan menampilkan pilihan gejala yang dapat dipilih olehuser, dimana setiap pilihan gejala akan membawa userkepada pilihan gejala selanjutnya sampai mendapatkanhasil akhir. Penelitian ini juga menggunakan metodeFuzzy Moora sebagai penalaran pencarian solusipenyakit diinput oleh user.

2. Metode PenelitianPenelitian ini berbentuk survey, yaitu mencatat gejaladan solusi penyakit DBD dari pakar. Pengumpulan datadilakukan dengan melakukan studi dokumentasi danobservasi. Hasil dari studi dokumentasi dan observasihasil diagnose penyakit DBD dikumpulkan dan menjadisampel yang digunakan sebagai bahan inferensi fuzzy.Metode perancangan perangkat lunak menggunakanSDLC (System Development Life Cycle) denganpendekan sistem air terjun (waterfall) (gambar 1).Metode ini menyediakan pendekatan alur hidupperangkat lunak secara sekuensial linier atau terurut darianalisis, desain, pengkodean, pengujian, dan tahappendukung [7].

Gambar 1. Diagram langkah-langkah metode waterfall

Untuk metode pengujiannya adalah menggunakanpengujian blackbox yaitu pengujian memungkinkanperekayasa perangkat lunak mendapatkan serangkaianinput yang sepenuhnya menggunakan semua persyaratanfungsional untuk suatu program. Pembuatan aplikasi inimenggunakan Visual Basic .net dengan basis dataMicrosoft Access.Analisis dan perancangan aplikasi dalam penelitian inimenggunakan model waterfall, untuk tahap analisis,metode ini memeriksa kebutuhan yang harus dipenuhisebuah sistem dan menganalisis data-data yangdiperlukan dalam sistem yang dirancang, sedangkan

untuk tahap desain, metode ini memfokuskan padadesain pembuatan program perangkat lunak termasukstruktur data, dan arsitektur perangkat lunak [7]. Metodepengujian menggunakan pengujian blackbox yaitupengujian dimaksudkan untuk mengetahui apakahfungsi-fungsi, masukan dan keluaran dari perangkatlunak sesuai dengan spesifikasi yang dibutuhkan[7].

2. PembahasanTerdapat beberapa bagian pada arsitektur sistem pakaryang dirancang pada sistem ini diantaranya adalah basisdata, basis pengetahuan, akuisisi pengetahuan, mesininferensi, metode Fuzzy MOORA, pengguna dan pakar(gambar 2).

Gambar 2. Arsitektur Sistem PakarBerikut adalah penjelasan pada masing-masing bagianyang terdapat dalam sistem: a) Basis data terdiri atassemua fakta yang diperlukan, dimana fakta-faktatersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semuafakta, baik fakta awal pada saat sistem mulai beroperasi,maupun fakta-fakta yang diperoleh pada saat prosespenarikan kesimpulan sedang dilaksanakan. Basis datadigunakan untuk menyimpan data hasil observasi dandata lain yang dibutuhkan selama pemrosesan; b) Basispengetahuan merupakan inti dari suatu sistem pakar,yaitu berupa representasi pengetahuan dari pakar. Basispengetahuan tersusun atas fakta dan kaidah. Representasipengetahuan dalam penelitian ini menggunakanIF..Then; c) Akuisisi pengetahuan adalah pengumpulandata-data dari seorang pakar ke suatu sistem (programkomputer). Sumber pengetahuan dapat diperoleh melaluibuku, jurnal ilmiah, literatur, dan pakar; d) Mesininferensi berperan sebagai otak dari pakar. Mesininferensi berfungsi untuk memandu proses penalaranterhadap suatu kondisi, berdasarkan pada basispengetahuan yang tersedia. Di dalam mesin inferensiterdapat forward chaining yang digunakan untukmelakukan penalaran terhadap data yang ada dan terjadiproses untuk memanipulasi dan mengarahkan kaidah,model dan fakta yang disimpan dalam basis pengetahuandalam rangka mencapai solusi atau kesimpulan (gambar3); e) Metode Fuzzy Moora yang digunakan dalamsistem ini untuk melakukan penalaran terhadap jenisdiagnosa yang dihasilkan dari proses identifikasi untuk

Seminar Nasional Teknologi Informasi dan Multimedia 2017STMIK AMIKOM Yogyakarta, 4 Februari 2017

ISSN : 2302-3805

3.6-75

mendapatkan solusi penyakit; f) Pengguna adalah orangyang melakukan konsultasi pada sistem untukmendapatkan suatu informasi tentang diagnosa penyakitDBD; dan g) Pakar merupakan orang yang membangunsuatu sistem dan mengolah semua data yang ada didalamsistem sehingga sistem yang tercipta selalu mengikutiperkembangan dari objek penelitian yangmerepresentasikan pakar ke dalam sistem.

User UserInterface

Pertanyaan

Jawaban

Working memory

Forward ChainingIF - Rules

And – RulesThen - Rules

Basis DataAturanGejala

Kesimpulan

Gambar 3. Mesin InferensiProses perhitungan persentase keyakinan diawali denganpemecahan sebuah kaidah yang memiliki premis (gejala)majemuk, menjadi kaidah-kaidah yang memiliki premis(gejala) tunggal.Untuk mendapatkan nilai fungsi keanggotaan pada ratinggejala dilakukan proses inferensi forward chaining yangharus dilakukan terlebih dahulu, yaitu menggunakanaturan Conjunction (&) dengan memilih derajatkeanggotaan dari nilai-nilai linguistik pada tiap gejalapenyakit yang dihubungkan oleh simbol “&” (gambar 4).

Gambar 4. Representasi Pengetahuan IF..Then

Mesin inferensi sebagai kontrol strategi digunakan untukmemilih rule yang akan digunakan. Penerapan loopingmendukung kinerja mesin inferensi, mulai dariidentifikasi dan mengeksekusi kasus yang memiliki rulelebih dari satu. Mesin inferensi bergantung penuh padaworking memory yang berisikan fakta-fakta (facts). Isidalam working memory akan berubah ketikaberlangsungnya proses inferensi. Proses inferensi akanberhenti setelah goal (solusi) tercapai atau tidak ada ruleyang ditemukan.Modul pecah rule digunakan sebagai prosedurparserRule bagian IF_Clause. Oleh karena pada bagianIF_Clause, data aturannya berupa representasipengetahuan dalam bentuk IF..Then dengan operatorlogika AND (simbol &), maka diperlukan pelacakangejala maupun penyimpanan gejala dalam workingmemory. Setiap gejala yang sudah diparsing akanterpisah dengan operator AND (Simbol &) dan disimpansecara langsung dalam working memory.Kemudian masing-masing aturan baru disimpan dalamlistbox sebagai working memory, sehingga diperolehnilai crips dari gejala untuk masing-masing aturankemudian nilai crisp tersebut dibuat dalam matrikshubungan gejala dengan solusi penyakit.Dalam penggunaan aplikasi pengguna diminta menjawabpertanyaan yang ditampilkan oleh sistem sesuai dengankondisi yang sedang dialami oleh pengguna danpengguna juga dapat memilih tingkat keyakinan gejalayang dialami dengan pertanyaan yang ditampilkan olehsistem. Pengguna dapat memilih jawaban sesuai denganRating setiap jawaban gejala tergantung dari pertanyaangejala yang di tampilkan oleh sistem dan yang diamalioleh pengguna.Jika pengguna sudah memilih jawaban maka sistem akanmenyimpan nilai crips dari gejala yang dipilih.Selanjutnya sistem akan mengumpulkan data yang piliholeh pengguna dan dibuat matriks nilai dari setiap crispgejala tersebut. Kemudian sistem akan memprosesnyamenggunakan penalaran Fuzzy MOORA, solusi terbaikakan ditampilkan jenis penyakit, tingkat persentase, sertasolusi yang sesuai.Rating setiap jawaban gejala dikelompokkan dalam 5(lima) nilai crisp tunggal, yaitu : "sangat rendah",“rendah”, “sedang”, "tinggi" dan “sangat tinggi”. Dalamhal ini crisp tunggal tiap gejala mewakili nilai crisptunggal sebagai berikut:- 1 (satu) pada nilai crisp “Sangat rendah”- 2 (dua) pada nilai crisp “rendah”- 3 (tiga) pada nilai crisp “sedang”- 4 (empat) pada nilai crisp “tinggi”- 5 (lima) pada nilai crisp “sangat tinggi”

Berikut adalah contoh kaidah-kaidah produksi atau ruleyang berkaitan dengan penyakit DBD :If Panas Tinggi selama 2-7 hariAnd PendarahanAnd Badan LemahAND Kulit terasa dinginAND Kulit terasa Basah

Seminar Nasional Teknologi Informasi dan Multimedia 2017STMIK AMIKOM Yogyakarta, 4 Februari 2017

ISSN : 2302-3805

3.6-76

AND Kondisi Badan Tidak SadarThen DBD

Sistem dimulai dari masuk ke form akses kemudianmemilih hak akses, setelah itu sistem akan menampilkanform utama dan user dapat memilih menu diagnosauntuk melakukan diagnosa penyakit DBD. Selanjutnyasistem akan menampilkan pertanyaan gejala yang sesuaidengan jenis penyakit DBD, dan pengguna dapatmemilih pertanyaan tersebut sesuai dengan gejala yangsedang dialami. Jika pengguna menjawab dengan nilaicrisp yang ditampilkan maka sistem akan menampilkanpertanyaan selanjutnya yang berkaitan denganpertanyaan sebelumnya.Perancangan aplikasi diagnosa penyakit DBD diawalidengan menampilkan form login. Pengguna dapatmemilih hak akses sesuai kapasitasnya, jika penggunaadalah seorang admin maka harus login melalui buttonadmin dan memasukkan username dan password yangvalid jika username dan password tidak valid makasistem akan menampilkan pesan eror berupa “Usernamedan Password Anda Salah !”, namun jika yangmenggukan aplikasi ini bukan seorang admin cukupmemilih button user tanpa harus memasukkan usernamedan password dan selanjutnya sistem akan menampilkanform utama dari aplikasi diagnosa penyakit DBD.Seorang user memiliki batasan akses terhadap aplikasidiagnosa penyakit DBD ini, user tidak dapat mengaksesform edit data yang berisi data-data mengenai penyakitDBD yang tersimpan didalam database sistem,pengeditan data hanya bisa dilakukan oleh admin hal inibertujuan untuk menjaga keamanan dan kepercayaaninformasi yang ada didalam database sistem. User hanyadapat mengakses form utama, form diagnosa, form aboutdan form help. Didalam form utama terdapat Menu,Diagnosa, Edit Data (Admin), About dan help (gambar4). Untuk penalaran Fuzzy Moora terdapat di formdiagnosa, pada form ini berisi setiap gejala dari jenis-jenis penyakit DBD yang telah diberikan nilai bobotdidalam database, pengguna dapat memilih gejala yangmuncul sesuai dengan tingkat keyakinan yang dialamisendiri. Jika telah selesai melakukan diagnosa makasistem akan menampilkan hasil diagnosa di form hasil,dimana terdapat jenis gejala yang telah dipilihsebelumnya dan menampilkan jenis dari penyakit DBDsesuai dengan gejala yang dipilih, nilai crips hasilpenalaran moora dipengaruhi juga oleh tingkatkeyakinan user terhadap gejala yang sedang dialaminya,serta sistem akan memberikan solusi dari jenis penyakitDBD yang diderita. Didalam form hasil juga terdapatbutton “Clear” yang bertujuan untuk mengecek diagnoselainnya (gambar 5).

Gambar 5. Flowchart Perangkat Lunak DiagnosaPenyakit DBD

Penalaran fuzzy moora dalap dilihat dalam diagram alirberikut (gambar 6).

Gambar 6. Penelusuran MOORADalam hal penentuan rating untuk solusi penyakit yangdilakukan dengan menggunakan Fuzzy Moora (Multi-Objective Optimization by Ratio Analysis). Dimanahasil dari rating penyakit ini akan dipergunakan dalampengambilan keputusan oleh pengambil keputusan/decision maker. Untuk mengimplementasikan penerapanmetode-metode tersebut di atas, maka dilakukanlahproses ujicoba.

Seminar Nasional Teknologi Informasi dan Multimedia 2017STMIK AMIKOM Yogyakarta, 4 Februari 2017

ISSN : 2302-3805

3.6-77

Gambar 7. Tampilan Form Diagnosa

Gambar 8. Tampilan Output Hasil Diagnosa

3. Kesimpulan

Penerapan sistem pakar dalam mendiagnosa penyakitDBD ini dapat membantu penderita dalam mengetahuiawal penyakit DBD untuk dapat mengetahui bahaya daripenyakit DBD, agar dapat mencegah atau mengurangiresiko kematian yang di timbulkan akibat terlambatnyapenangganan penyakit DBD. Selain dapat melakukandiagnosa dan memberikan nilai kepercayaan serta solusiyang berhubungan dengan penyakit DBD, sistem ini jugadirancang untuk dapat menampilkan informasi mengenaipenyakit DBD , serta dapat melakukan penambahan danpengubahan data mengenai penyakit DBD.Penerapan metode forward chaining dan penalaranFuzzy Moora pada aplikasi diagnosa penyakit DBD inidapat mempermudah dan memberikan penyelesaianseberapa pasti user menderita penyakit DBD. Aplikasidiagnosa penyakit DBD ini juga bisa dikatakan user-friendly karena mudah dalam digunakan oleh user dalammelakukan diagnosa penyakit DBD.Untuk penelitian selanjutnya sistem yang berbasisdekstop ini dapat dikembangkan lagi menjadi berbasisweb. Metode sistem pakar yang digunakan tidak harusmenggunakan metode forward chaining dan FuzzyMoora, namun dapat dikembangkan denganmembandingkan penggunaan metode-metode yanglainnya, sehingga hasil diagnosa penyakit DBD inimemiliki keakuratan yang lebih baik lagi.

Daftar Pustaka[1] Meza-Palacios, R., Aguilar-Lasserre, A. A., Ureña-Bogarín, E. L.,

Vázquez-Rodríguez, C. F., Posada-Gómez, R., & Trujillo-Mata, A.(2016). Development of a fuzzy expert system for the nephropathycontrol assessment in patients with type 2 diabetes mellitus. ExpertSystems with Applications. 2016 Oct 25.

[2] Dey, B., Bairagi, B., Sarkar, B., & Sanyal, S. (2012). A MOORAbased fuzzy multi-criteria decision making approach for supply

chain strategy selection. International Journal of IndustrialEngineering Computations, 3(4), 649-662.

[3] Salomon, V. A. P., & Rangel, L. A. D. (2015). Comparingrankings from using TODIM and a fuzzy expert system. ProcediaComputer Science, 55, 126-138.

[4] Karande, P., & Chakraborty, S. (2012). Application of multi-objective optimization on the basis of ratio analysis (MOORA)method for materials selection. Materials & Design, 37, 317-324.

[5] Rosa, A.S. dan Shalahudin, M. (2013). Rekayasa Perangkat LunakTerstruktur dan Berorientasi Objek, Informatika, Bandung.

David, memperoleh gelar Sarjana Komputer (S.Kom),Jurusan Teknik Informatika STMIK Pontianak (2003).Memperoleh gelar Master of Computer Science (M.Cs)Program Pasca Sarjana Magister Ilmu KomputerUniversitas Gajah Mada Yogyakarta (2009).