Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Look up keyword
Like this
26Activity
0 of .
Results for:
No results containing your search query
P. 1
Sistem Pakar-Full Paper

Sistem Pakar-Full Paper

Ratings: (0)|Views: 969|Likes:
Published by 5upr1k0m4r14h

More info:

Published by: 5upr1k0m4r14h on Nov 12, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/12/2013

pdf

text

original

 
 
Penggunaan Certainty Factor dalam Sistem Pakaruntuk Melakukan Diagnosis dan Memberikan Terapi PenyakitEpilepsi dan Keluarganya
 
Kusrini, S.KomSTMIK AMIKOM Yogyakarta,kusrini@amikom.ac.id 
Abstract
 Expert system abilities to solve problems which can’t besolved with certain algorithm, enables to build an expert system to diagnose diseases. In order to complete the final task, an expert systemwhich can be used to diagnose and give treatment toepilepsy and it’s family is being constructed in thisresearch. Once again, certainty factor method used in MYCIN in the middle of 1970’s is used to anticipateincomplete and uncertain knowledge.The final result of this research is an expert system prototype to diagnose and give treatment to epilepsy and it’s family. This prototype has some main menu. They aredata input, acquisition, consultation, and explanation. By giving the accurate knowledge in knowledge base and  followed by tests which is being done seriously, it is to behoped that this system can be used to help doingdiagnosis and give treatment to epilepsy and it’s familycorrectly and accurately.
Keywords:
 Expert System Certainty Factor Epilepsy
 1. Pendahuluan
 Ilmu yang mempelajari cara membuat komputerdapat bertindak dan memiliki kecerdasan seperti manusiadisebut kecerdasan buatan [6]. Salah satu bidang yangtermasuk dalam kecerdasan buatan yaitu Sistem Pakar(
 Expert System
).Sistem pakar adalah program komputer yangmenirukan penalaran seorang pakar dengan keahlian padasuatu wilayah pengetahuan tertentu [6]. Permasalahanyang ditangani oleh seorang pakar bukan hanyapermasalahan yang mengandalkan algoritma, namunkadang juga permasalahan yang sulit dipahami.Permasalahan tersebut dapat diatasi oleh seorang pakardengan pengetahuan dan pengalamannya. Oleh karena itusistem pakar dibangun bukan berdasarkan algoritmatertentu tetapi berdasarkan basis pengetahuan dan aturan.Sistem pakar sudah banyak dikembangkan baik untuk kepentingan penelitian maupun kepentingan bisnis dariberbagai bidang ilmu seperti ekonomi, keuangan,teknologi dan kedokteran. Sistem pakar dalam bidangdiagnosis kesehatan telah dikembangkan padapertengahan tahun 1970 di Stanford University. Sistemtersebut diberi nama MYCIN dan digunakan untuk melakukan diagnosis dan terapi terhadap penyakitminingitis dan infeksi bacremia.Penyakit yang tidak kalah penting adalah penyakitepilepsi. Epilepsi dikenal sebagai salah satu penyakittertua di dunia (2000 tahun SM) dan menempati urutankedua dari penyakit saraf setelah gangguan peredarandarah otak. Dengan terapi yang baik penderita dapatdibebaskan dari penyakitnya, namun untuk ini ditemukanbanyak kendala, diantaranya kurangnya dokter spesialissaraf, kurangnya ketrampilan dokter umum dan paramedisdalam menanggulangi penyakit ini. Untuk itu diperlukansuatu upaya menciptakan pakar-pakar dalam menanganipenyakit epilepsi [4].Besarnya kemungkinan suatu gejala menentukankeberadaan suatu penyakit perlu diketahui, mengingatada empat kemungkinan hasil pemeriksaan yaitu [2]:a.
 
positip sejati: suatu gejala ada dan pasien memangmenderita penyakit yang ditunjukkan oleh gejala itub.
 
positip palsu: suatu gejala itu ada tetapi pasien tidak menderita penyakit sebagaimana yang ditunjukkanoleh gejala ituc.
 
negatip palsu: pasien menderita suatu penyakit tetapitidak terdapat gejala yang menunjukkan penyakit itud.
 
negatip sejati: pasien tidak menunjukkan gejalapenyakit dan memang tidak menderita penyakittersebutDalam melakukan pemeriksaan, terkadang dokterharus memutuskan suatu penyakit dengan menggunakandata yang kurang lengkap. Untuk itu diperlukan suatusistem yang mampu menghitung besarnya kemungkinankeberadaan suatu penyakit meskipun didasarkan padadata yang kurang lengkap.Epilepsi merupakan penyakit yang memerlukanpengobatan yang cukup lama bahkan bisa seumur hidup.
 
Sementara obat anti epilepsi yang beredar sekarang inibelum bisa membebaskan penderita dari efek sampingyang tidak ringan [3]. Oleh karena itu, kesalahan dalammenentukan suatu penyakit epilepsi akan menjerumuskanseseorang dalam kondisi yang semestinya tidak dialami.Untuk mengurangi kemungkinan kesalahan diperlukanketelitian hasil pemeriksaan dan dalam hal ini diperlukanadanya keterlibatan matematika modern.
2. Faktor Kepastian2.1 Ketidakpastian (
uncertainty
)
Dalam menghadapi suatu masalah sering ditemukan jawaban yang tidak memiliki kepastian penuh.Ketidakpastian ini bisa berupa probabilitas ataukebolehjadian yang tergantung dari hasil suatu kejadian.Hasil yang tidak pasti disebabkan oleh dua faktor yaituaturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Halini sangat mudah dilihat pada sistem diagnosis penyakit,dimana pakar tidak dapat mendefinisikan tentanghubungan antara gejala dengan penyebabnya secara pasti,dan pasien tidak dapat merasakan suatu gejala denganpasti pula. Pada akhirnya ditemukan banyak kemungkinandiagnosis.Sistem pakar harus mampu bekerja dalamketidakpastian [1]. Sejumlah teori telah ditemukan untuk menyelesaikan ketidakpastian, termasuk diantaranyaprobabilitas klasik (
classical probability
), probabilitasBayes (
 Bayesian probability
), teori Hartley berdasarkanhimpunan klasik (
 Hartley theory based on classical sets
),teori Shannon berdasarkan pada probabilitas (
Shannontheory based on probability
), teori Dempster-Shafer(
 Dempster-Shafer theory
), teori fuzzy Zadeh (
 Zadeh’s fuzzy theory
) dan faktor kepastian (
certainty factor 
).Dalam penelitian ini yang digunakan adalah faktorkepastian.
2.2
 
Ketidakpastian aturan
Ada tiga penyebab ketidakastian aturan yaitu aturantunggal, penyelesaian konflik dan ketidakcocokan(
incompatibility
) antar konskuen dalam aturan.Aturan tunggal yang dapat menyebabkanketidakpastian dipengaruhi oleh tiga hal, yaitu: kesalahan,probabilitas dan kombinasi gejala (
evidence
). Kesalahandapat terjadi karena:a.
 
ambiguitas, sesuatu didefinisikan dengan lebih darisatu carab.
 
ketidaklengkapan datac.
 
kesalahan informasid.
 
ketidakpercayaan terhadap suatu alate.
 
adanya biasProbabilitas disebabkan ketidakmampuan seorangpakar merumuskan suatu aturan secara pasti. Misalnya, jika seseorang mengalami sakit kepala, demam danbersin-bersin ada kemungkinan orang tersebut terserangpenyakit flu, tetapi bukan berarti apabila seseorangmengalai gejala tersebut pasti terserang penyakit flu.Hanya karena aturan tunggalnya benar, belum dapatmenjamin suatu jawaban bernilai benar. Hal ini masihdipengaruhi oleh kompatibilitas antar aturan.Inkompatibilitas suatu aturan disebabkan oleh beberapahal, yaitu:a.
 
kontradiksi aturan, misalnya:aturan 1:JIKA anak demam MAKA harus dikompresaturan 2:JIKA anak demam MAKA jangan dikompresb.
 
subsumpsi aturan, misalnya:aturan 3 : JIKA E
1
MAKA Haturan 4 : JIKA E
1
DAN E
2
MAKA H jika hanya E
1
yang muncul, maka masalah tidak akantimbul karena aturan yang akan digunakan adalahaturan 3, tetapi apabila E
1
dan E
2
sama-sama munculmaka kedua aturan (aturan 3 dan 4) sama-sama akandijalankan.c.
 
redundancy
aturan, misalnyaaturan 5 : JIKA E
1
DAN E
2
MAKA Haturan 6 : JIKA E
2
DAN E
1
MAKA Hdalam kasus ini ditemui aturan-aturan yang sepertinyaberbeda tetapi memiliki makna yang sama.d.
 
kehilangan aturan, misalnya:aturan 7 : JIKA E
4
MAKA Hketika E
4
diabaikan maka H tidak pernahtersimpulkane.
 
penggabungan data, misalnya pada diagnosiskesehatan. Seorang dokter dapat menyimpulkan suatupenyakit tidak hanya berdasarkan anamnesis, tetapi juga hasil tes laboratorium, pemeriksaan kondisitubuh, sejarah penyakit, dan lain-lain. Untuk itudiperlukan penggabungan semua data untuk dapatmenyimpulkan suatu penyakit.Pemilihan metode penyelesaian konflik (
conflict resolution
) dapat juga mempengaruhi hasil penyelesaianakhir terhadap suatu masalah. Ada suatu sistem yangmendahulukan suatu aturan yang lebih spesifik, misalnyaaturan 3 dan aturan 4, karena aturan 4 lebih spesifik makaaturan 4 akan dieksekusi terlebih dahulu. Ada juga sistemyang mengeksekusi aturan berdasarkan urutan pemasukanaturan. Dan ada sistem yang memberi bobot padaaturannya, sehingga eksekusi dilakukan terhadap suatuaturan berdasarkan bobot yang dia miliki.
2.3
 
Pengertian faktor kepastian
Faktor kepastian (c
ertainty factor 
) diperkenalkanoleh Shortliffe Buchanan dalam pembuatan MYCIN(Wesley, 1984).
Certainty factor 
(CF) merupakan nilai
 
parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan.
Certainty factor 
didefinisikan sebagai berikut [1]:
CF(H,E) = MB(H,E) MD(H,E) (1)
CF(H,E) :
certainty factor 
dari hipotesis H yangdipengaruhi oleh gejala (
evidence
) E. Besarnya CFberkisar antara –1 sampai dengan 1. Nilai –1menunjukkan ketidakpercayaan mutlak sedangkannilai 1 menunjukkan kerpercayaan mutlak.MB(H,E) : ukuran kenaikan kepercayaan (
measure of increased belief 
) terhadap hipotesis H yangdipengaruhi oleh gejala E.MD(H,E) : ukuran kenaikan ketidakpercayaan (
measureof increased disbelief 
) terhadap hipotesis H yangdipengaruhi oleh gejala E
2.4
 
Kombinasi aturan
Metode MYCIN untuk menggabungkan
evidence
 pada
antecedent 
sebuah aturan ditunjukkan oleh tabel 1dibawah ini [1].Tabel 1Aturan MYCIN untuk mengkombinasikan
evidenceantecedent 
 
 Evidence
, E
 Antecedent 
KetidakpastianE
1
DAN E
2
min[CF(H,E
1
), CF(H,E
2
)]E
1
OR E
2
max[CF(H,E
1
), CF(H,E
2
)]TIDAK E - CF(H,E)Bentuk dasar rumus
certainty factor 
sebuah aturanJIKA E MAKA H adalah sebagai berikut:
CF(H,e) = CF(E,e) * CF(H,E) (2)
dimanaCF(E,e) :
certainty factor 
 
evidence
E yang dipengaruhioleh
evidence
eCF(H,E) :
certainty factor 
hipotesis dengan asumsi
evidence
diketahui dengan pasti, yaitu ketika CF(E,e) = 1CF(H,e) :
certainty factor 
hipotesis yang dipengaruhi oleh
evidence
eJika semua
evidence
pada
antecedent 
diketahuidengan pasti maka rumusnya akan menjadi:
CF(H,e) = CF(H,E) (3)
Ada dua macam kombinasi
certainty factor 
yaitukombinasi paralel yang ditunjukkan oleh gambar 1, dankombinasi sequensial yang ditunjukkan oleh gambar 2.Gambar 1Kombinasi Paralel
Certainty Factor 
 
 H  E  E 
 E  H CF  E  E CF 
                
),(),( '
'
 Gambar 2Kombinasi Sequensial
Certainty Factor 
Pada kondisi ini
evidence
E
1
dan E
2
mempengaruhihipotesis yang sama yaitu H. Kedua
certainty factor 
 CF(H, E
1
) dan CF(H, E
2
) dikombinasikan, menghasilkan
certainty factor 
CF(H, E
1
, E
2
).Fungsi kombinasi paralel tersebut didefinisikansebagai berikut [1]:
<++++=
0,,|)||,min(|1 0,
 y x xy y x ndataberlawanan y x  y x y x y x xy y x  z
(4)dimana x = CF(H, E
1
), y = CF(H, E
2
)dan z = CF(H, E
1
E
2
).
Certainty factor 
kedua aturan dikombinasikanmenghasilkan
certainty factor 
CF(H,E’). Untuk menghitung kombinasi sequensial tersebut digunakanrumus berikut [4]:
CF(H,E’) = CF(E, E’) * CF(H, E)
3.
 
Komponen sistem pakar
Sistem pakar memiliki beberapa komponen utamayaitu: antar muka pengguna (
user interface
), basis datasistem pakar (
expert system database
), fasilitas akuisisipengetahuan (
knowledge acquisition facility
) danmekanisme inferensi (
inference mechanism
). Selain ituada satu komponen yang ada pada beberapa sistem pakaryaitu fasilitas penjelasan (
explanation facility
) [5].
4.
 
Epilepsi
Epilepsi merupakan bangkitan epileptik yaitumanifestasi gangguan otak dengan berbagai gejala klinis.Epilepsi disebabkan oleh lepasnya neuron-neuron otak secara berlebihan dan berkala tetapi reversibel denganberbagai etiologi [4]Secara klinis epilepsi sulit untuk didefinisikan. Halini disebabkan oleh manifestasi klinis yang sangat
 H  E 
2
 CF(H, E 
1
)CFH, E 
2
) E 
1
 

Activity (26)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
Cornelius Herry liked this
Siti Mariam liked this
Eko Puluhulawa liked this
Irma Sepfindo liked this
Irma Sepfindo liked this
Irma Sepfindo liked this
ubed_hebat liked this

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->