ࡱ > K N > ? @ A B C D E F G H I J _ ! bjbjuu H 0b0b $ $ $ $ $ $ $ $ 8 X$ T % L $ 2 ) , , , , X X X $ D " Q $ X `W `W X X " $ $ , , Z+ s X $ , $ , X Ъ X , ᒦ g " ( ( 0 P D P $ T X X X X X X X " " X X X X X X X X X X X X X X X X B " : ! Sistem Pakar Mendiagnosa Penyakit Pencernaan Pada Manusia Menggunakan Metode Forward Chaining dan Certainty Factor Arif Wijianto1, Indah Susilawati2 Program Studi Informatika, Fakultas Teknologi Informasi, Universitas Mercu Buana Yogyakarta Jl. Wates Km. 10 Yogyakarta 55753, Indonesia e-mail: 1arifwijianto7@gmail.com, 2indah@mercubuana-yogya.ac.id Diajukan: ....; Direvisi: ....; Diterima: .... Abstrak Penyakit pencernaan adalah penyakit yang sangat umum dan banyak terjadi di puskesmas. Penyakit pencernaan akan menyerang organ-organ pada sistem pencernaan sehingga mengganggu kerja sistem lainnya yang apabila tidak diperhatikan bisa menjadi lebih parah. Untuk menyelesaikan masalah yang ada peneliti berupaya membangun sistem cerdas untuk membantu masyarakat mengenali lebih dini penyakit pencernaan seperti GERD, dispepsia, kolera, hepatitis, apendisitis, disentri dan hemoroid. Berdasarkan gejala-gejala yang dimasukkan pasien ke dalam sistem nantinya sistem akan menggunakan metode forward chaining dan certainty factor sebagai mesin inferensinya yang akan menghasilkan diagnosa penyakit. Dari 36 data pasien yang telah di uji pada sistem dan dicocokkan dengan validasi pakar sebayak 34 data sesuai, artinya sistem memiliki akurasi sebesar 94,4% dari data uji. Dengan hasil ini peneliti berharap dapat membantu masyarakat sebagai media konsultasi awal mendiagnosa penyakit pencernaan. Kata kunci: Certainty Factor, Forward Chaining, Penyakit Pencernaan, Sistem Pakar. Abstract Digestive disease is the most common disease and often found in health community centers. Digestive diseases attack organs in the digestive system which can interfere the functions of other systems. If ignored, it can make the persons condition become more severe. To solve the problem, the researcher attempted to design a smart system to help people to early recognize digestive diseases such as GERD, dyspepsia, cholera, hepatitis, appendicitis, dysentery and hemorrhoids. Based on the symptoms fed by the patients into the system, the system will use the forward chaining method and certainty factor as an inference machine that will produce a disease diagnosis. Of 36 patient data tested on the system and matched with the experts validation, 34 of them matched. The system has an accuracy level of 94.4% of the tested data. The results are expected to provide an initial medium of consultation to help people diagnose digestive diseases. Keywords: Certainty Factor, Forward Chaining, digestive diseases, expert system. Pendahuluan Penyakit pencernaan adalah penyakit yang menyerang organ pencernaan sehingga mengganggu kerja sistem pencernaan ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"DOI":"10.31294/evolusi.v6i1.3543","ISSN":"2338-8161","abstract":"Sistem pencernaan pada tubuh manusia berfungsi menerima makanan dan mencerna menjadi nutrisi yang diserap oleh tubuh untuk disalurkan ke organ-organ oleh darah. Penyakit pencernaan merupakan penyakit yang menyerang organ pencernaan sehingga mengganggu kerja sistem pencernaan. Beberapa faktor yang dapat menyebabkan penyakit pencernaan antara lain makanan yang kurang baik, keseimbangan nutrisi, pola makan yang tidak teratur, dan infeksi serta kelainan pada organ pencernaan.Pengembangan sistem pakar untuk mendeteksi penyakit pencernaan dimaksud untuk membantu dan mempermudah dalam mengenali dan mendeteksi adanya gangguan pada sistem pencernaan. Metode yang digunakan adalah metode Naive Bayes dalam menganalisa gejala-gejala penyakit pada pasien sehingga dapat diketahui penyakit pencernaan yang diderita.Sistem pakar dalam penelitian ini berupa aplikasi berbasis web yang dibuat menggunakan HTML 5, PHP dan My SQL. Aplikasi berbasis web memungkinkan aplikasi dapat dijalankan di berbagai platform sistem operasi karena aplikasi ini nantinya dijalankan atau dibuka menggunakan browser. Keuntungan lainnya adalah bahwa aplikasi dapat dihosting di sebuah webserver sehingga dapat dibuka oleh siapa saja yang memerlukannya. Kata","author":[{"dropping-particle":"","family":"Marifati","given":"Imam Soleh","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Kesuma","given":"Chandra","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"Evolusi : Jurnal Sains dan Manajemen","id":"ITEM-1","issue":"1","issued":{"date-parts":[["2018","3","15"]]},"publisher":"Universitas Bina Sarana Informatika","title":"PENGEMBANGAN SISTEM PAKAR MENDETEKSI PENYAKIT PENCERNAAN MENGGUNAKAN METODE NAIVE BAYES BERBASIS WEB","type":"article-journal","volume":"6"},"uris":["http://www.mendeley.com/documents/?uuid=8a2043cb-bc4b-3ef6-a4ce-4a616edac4f3"]}],"mendeley":{"formattedCitation":"[1]","plainTextFormattedCitation":"[1]","previouslyFormattedCitation":"[1]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[1]. Keluhan pada gangguan pencernaan merupakan keluhan yang paling banyak terjadi di klinik-klinik umum dan puskesmas. Pola makan yang kurang baik, makanan yang tidak sehat, gizi yang tidak seimbang, infeksi dan gangguan di organ pencernaan merupakan beberapa penyebab yang bisa menimbulkan penyakit pencernaan. Seharusnya semakin tinggi kegiatan yang dilakukan juga harus diimbangi dengan pola hidup sehatnya ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"DOI":"10.26486/jmai.v2i1.65","abstract":"Sistem pencernaan adalah suatu sistem kerja organ untuk mengubah makanan menjadi energi yang diperlukan oleh tubuh, mulai dari mulut hingga anus. Penyakit pada saluran pencernaan kebanyakan ada di negara berkembang dan sebagian besar bayi dan anak-anak terserang penyakit ini. Berdasarkan permasalahan yang ada didalam lingkungan masyarakat,peneliti berupaya membantu masyarakat untuk dapat mengenali penyakit pencernaan perutyang diderita. Perancangan sistem pakar akan dilakukan untuk membatu mendiagnosa penyakit pencernaan pada perut manusia.\r Dalam penelitian ini, sistem pakar dibuat dengan menggunakan metode teorema Bayes untuk mengenali penyakit pencernaan perut yaitu diare, disentri, gastritis, dispepsia, dan typoid fever. Penyakit-penyakit tersebut merupakan penyakit yang sering dijumpai di kalangan masyarakat umum. Sistem menerima inputan berupa gejala-gejala penyakit yang diderita oleh pasien dan menghasilkan diagnosa yang sesuai dengan inputan tersebut.\r Berdasarkan 20 data pasien yang telah diujikan pada sistem, dapat diketahui bahwa sistem memiliki nilai akurasi sebesar 75% dalam melakukan diagnosa penyakit sesuai dengan gejala-gejala yang dimasukkan. Uji coba sistem yang dilakukan sesuai dengan data rekam medik pasien. Hasil dari penelitian ini diharapkan dapat membantu masyarakat dalam mendiagnosa lebih dini terhadap penyakit pencernaan tersebut. Hasil penelitian ini juga diharapkan dapat membantu tenaga medis dalam melakukan diagnosa penyakit pencernaan pada perut manusia.","author":[{"dropping-particle":"","family":"Riyanto","given":"Nur Budi","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Suria","given":"Ozzi","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"JMAI (Jurnal Multimedia & Artificial Intelligence)","id":"ITEM-1","issue":"1","issued":{"date-parts":[["2018"]]},"page":"7-12","title":"Sistem Pakar Diagnosa Penyakit Pencernaan Menggunakan Metode Teorema Bayes","type":"article-journal","volume":"2"},"uris":["http://www.mendeley.com/documents/?uuid=2b152118-fbf7-4a2d-a4c2-e9d2f879cde5"]}],"mendeley":{"formattedCitation":"[2]","plainTextFormattedCitation":"[2]","previouslyFormattedCitation":"[2]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[2]. Namun kenyataannya, beberapa orang masih tidak memperhatikan pola makan dan kesehatan dari makanan yang dikonsumsinya, hal lain juga karena dimasa pandemi lebih susah untuk konsultasi langsung dengan dokter. Hal itu apabila dibiarkan bisa berakibat fatal bagi kesehatannya. Maka dibutuhkan sistem yang dapat membantu mendeteksi penyakit pencernaan berdasarkan gejala yang dialami salah satunya dengan expert system. Sistem pakar merupakan suatu program komputer yang ingin meniru kecerdasan seorang pakar. Sistem tersebut menggunakan database pengetahuan ahli dalam memecahkan masalah yang biasanya dipecahkan oleh para ahli di bidangnya. Seorang yang bukan pakar/ahli menggunakan sistem pakar untuk meningkatkan kemampuan pemecahan masalah, sedangkan seorang pakar menggunakan sistem pakar untuk knowledge assistant ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"author":[{"dropping-particle":"","family":"Sutojo","given":"T","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"Penerbit Graha Ilmu","id":"ITEM-1","issued":{"date-parts":[["2011"]]},"title":"Kecerdasan Buatan, Yogyakarta","type":"article-journal"},"uris":["http://www.mendeley.com/documents/?uuid=506bf177-1275-4dd3-b8ca-ff7177ec67cb"]}],"mendeley":{"formattedCitation":"[3]","plainTextFormattedCitation":"[3]","previouslyFormattedCitation":"[3]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[3]. Beberapa metode yang bisa diterapkan pada sistem pakar yaitu forward chaining ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"ISSN":"2503-2267","author":[{"dropping-particle":"","family":"Supartini","given":"Windah","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Hindarto","given":"Hindarto","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control","id":"ITEM-1","issued":{"date-parts":[["2016"]]},"page":"147-154","title":"Sistem Pakar Berbasis Web Dengan Metode Forward Chaining Dalam Mendiagnosa Dini Penyakit Tuberkulosis Di Jawa Timur","type":"article-journal"},"uris":["http://www.mendeley.com/documents/?uuid=70b61890-8988-4342-a20e-4447333bc138"]}],"mendeley":{"formattedCitation":"[5]","plainTextFormattedCitation":"[5]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[5], certainty factor ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"author":[{"dropping-particle":"","family":"Anita","given":"","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Rodhy","given":"","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Ningsih","given":"R","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Solin","given":"","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"JGK (Jurnal Guru Kita)","id":"ITEM-1","issue":"2","issued":{"date-parts":[["2019"]]},"page":"187-194","title":"Penerapan Metode Forward Chaining dan Certainty Factor untuk Diagnosa Penyakit pada Tanaman Bonsai","type":"article-journal","volume":"3"},"uris":["http://www.mendeley.com/documents/?uuid=2afd6a76-2a9f-44b6-947a-415f8bbfee7b"]}],"mendeley":{"formattedCitation":"[6]","plainTextFormattedCitation":"[6]","previouslyFormattedCitation":"[5]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[6], teorema bayes ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"DOI":"10.26486/jmai.v2i1.65","abstract":"Sistem pencernaan adalah suatu sistem kerja organ untuk mengubah makanan menjadi energi yang diperlukan oleh tubuh, mulai dari mulut hingga anus. Penyakit pada saluran pencernaan kebanyakan ada di negara berkembang dan sebagian besar bayi dan anak-anak terserang penyakit ini. Berdasarkan permasalahan yang ada didalam lingkungan masyarakat,peneliti berupaya membantu masyarakat untuk dapat mengenali penyakit pencernaan perutyang diderita. Perancangan sistem pakar akan dilakukan untuk membatu mendiagnosa penyakit pencernaan pada perut manusia.\r Dalam penelitian ini, sistem pakar dibuat dengan menggunakan metode teorema Bayes untuk mengenali penyakit pencernaan perut yaitu diare, disentri, gastritis, dispepsia, dan typoid fever. Penyakit-penyakit tersebut merupakan penyakit yang sering dijumpai di kalangan masyarakat umum. Sistem menerima inputan berupa gejala-gejala penyakit yang diderita oleh pasien dan menghasilkan diagnosa yang sesuai dengan inputan tersebut.\r Berdasarkan 20 data pasien yang telah diujikan pada sistem, dapat diketahui bahwa sistem memiliki nilai akurasi sebesar 75% dalam melakukan diagnosa penyakit sesuai dengan gejala-gejala yang dimasukkan. Uji coba sistem yang dilakukan sesuai dengan data rekam medik pasien. Hasil dari penelitian ini diharapkan dapat membantu masyarakat dalam mendiagnosa lebih dini terhadap penyakit pencernaan tersebut. Hasil penelitian ini juga diharapkan dapat membantu tenaga medis dalam melakukan diagnosa penyakit pencernaan pada perut manusia.","author":[{"dropping-particle":"","family":"Riyanto","given":"Nur Budi","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Suria","given":"Ozzi","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"JMAI (Jurnal Multimedia & Artificial Intelligence)","id":"ITEM-1","issue":"1","issued":{"date-parts":[["2018"]]},"page":"7-12","title":"Sistem Pakar Diagnosa Penyakit Pencernaan Menggunakan Metode Teorema Bayes","type":"article-journal","volume":"2"},"uris":["http://www.mendeley.com/documents/?uuid=2b152118-fbf7-4a2d-a4c2-e9d2f879cde5"]}],"mendeley":{"formattedCitation":"[2]","plainTextFormattedCitation":"[2]","previouslyFormattedCitation":"[2]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[2]. Dalam hal ini peneliti menggunakan sistem pakar untuk mengetahui penyakit pencernaan yaitu GERD, dispepsia, kolera, hepatitis, radang usus buntu, disentri, dan wasir dengan gejala masing-masing penyakit tersebut menggunakan metode forward chaining dan certainty factor. Metode forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah untuk mendapatkan solusinya, jika suatu premis sesuai dengan situasi maka bernilai true dan proses akan menyatakan kesimpulan ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"ISBN":"978-979-29-2761-0","abstract":"Predicting the binding mode of flexible polypeptide s t o p r o t e i n s i s a n i m p o r t a n t t a s k t h a t f a l l s o u t s i d e t h e d o m a i n o f a p p l i c a b i l i t y o f m o s t s m a l l m o l e c u l e a n d p r o t e i n "p r o t e i n d o c k i n g t o o l s . H e r e , w e t e s t t h e s m a l l m o l e c u l e f l e x i b l e l i g a n d d o c k i n g p r o g r a m G l i d e o n a s e t o f 1 9 n o n - - h e l i c a l p e p t i d e s a n d s y s tematically improve pose prediction accuracy by enhancing Glide sampling for flexible polypeptides. In addition, scoring of the poses was improved by post-processing with physics-based implicit solvent MM- GBSA calculations. Using the best RMSD among the t o p 1 0 s c o r i n g p o s e s a s a m e t r i c , t h e s u c c e s s r a t e ( R M S D d" 2 . 0 f o r t h e i n t e r f a c e b a c k b o n e a t o m s ) i n c r e a s e d f r o m 2 1 % w i t h d e f a u l t G l i d e S P s e t t i n g s t o 5 8 % w i t h t h e e n h a n c e d p e p t i d e s a m p l i n g a n d s c o r i n g p r o t o c o l i n t h e c a s e o f r e d o c k i n g t o t h e n a t i v e p r o t e i n structure. This approaches the accuracy of the recently developed Rosetta FlexPepDock method (63% success for these 19 peptides) while being over 100 times faster. Cross-docking was performed for a subset of cases where an unbound receptor structure was available, and in that case, 40% of peptides were docked successfully. We analyze the results and find that the optimized polypeptide protocol is most accurate for extended peptides of limited size and number of formal charges, defining a domain of applicability for this approach.","author":[{"dropping-particle":"","family":"Sutojo","given":"T","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Mulyanto","given":"Edi","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Suhartono","given":"Vincent","non-dropping-particle":"","parse-names":false,"suffix":""}],"id":"ITEM-1","issued":{"date-parts":[["2011"]]},"number-of-pages":"211-235","publisher":"Andi","publisher-place":"Yogyakarta","title":"Kecerdasan Buatan","type":"book"},"uris":["http://www.mendeley.com/documents/?uuid=1a50ce08-ab3a-4efb-8d94-a6032a0b9c8e"]}],"mendeley":{"formattedCitation":"[7]","plainTextFormattedCitation":"[7]","previouslyFormattedCitation":"[6]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[7]. Sedangkan metode certainty factor memperkenalkan konsep keyakinan dan ketidakyakinan dalam sebuah kejadian berdasarkan bukti atau penilaian pakar ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"author":[{"dropping-particle":"","family":"Fitriya","given":"Yayuk Wiwin Nur","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Hidayat","given":"Nurul","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Marji","given":"","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer","id":"ITEM-1","issued":{"date-parts":[["2018"]]},"page":"2158-2163","title":"Implementasi Metode Weighted Product Certainty Factor untuk Diagnosa Penyakit Malaria","type":"article-journal","volume":"vol.2"},"uris":["http://www.mendeley.com/documents/?uuid=7b3829d9-574f-4e76-94ef-fa5cea3ba5d3"]}],"mendeley":{"formattedCitation":"[8]","plainTextFormattedCitation":"[8]","previouslyFormattedCitation":"[7]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[8]. Certainty factor dikenalkan oleh Shortlife Buchanan dan pertama kali digunakan pada MYCIN pada tahun 1975, untuk menyelesaikan masalah ketidakpastian pada certainty factor dikenal konsep believe dan disbelieve, sebagai contoh pasien yang konsultasi memberikan jawaban ketidakpastian pada gejala yang dialami seperti mungkin, tidak tahu, kurang yakin, hampir pasti. Jawaban tersebut merupakan jawaban-jawaban ketidakyakinan. Salah satu penelitian menggunakan metode certainty factor untuk diagnosa penyakit gigi dan mulut berdasarkan dari total 15 data uji menghasilkan 11 data yang sesuai dengan validasi dokter dan 4 data tidak sesuai maka persentasenya adalah 73% ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"author":[{"dropping-particle":"","family":"Adji Sukarno, Bayu; Fauzan Rozi","given":"Anief","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"Journal of Information System and Artificial Intelligence","id":"ITEM-1","issued":{"date-parts":[["2021"]]},"page":"16-24","title":"Sistem Pakar Diagnosa Penyakit Gigi dan Mulut Menggunakan Metode Certainty Factor","type":"article-journal","volume":"1"},"uris":["http://www.mendeley.com/documents/?uuid=1fc483d3-e54d-32b0-a984-e1cd56c0e927"]}],"mendeley":{"formattedCitation":"[9]","plainTextFormattedCitation":"[9]","previouslyFormattedCitation":"[8]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[9]. Selanjutnya penelitian yang dilakukan oleh Kristiana, peneliti membuat sistem pakar diagnosa penyakit pada saluran pencernaan menggunakan data 9 penyakit dan sebanyak 32 gejala menggunakan metode forward chaining dengan bahasa pemrograman PHP dan database MySQL ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"author":[{"dropping-particle":"","family":"Kristiana","given":"Titin","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"INFORMATIK Jurnal Ilmu Komputer","id":"ITEM-1","issued":{"date-parts":[["2018"]]},"page":"65-80","title":"Sistem pakar untuk mendiagnosa penyakit saluran pencernaan dengan metode forward chaining","type":"article-journal","volume":"14"},"uris":["http://www.mendeley.com/documents/?uuid=4c058f26-ac9e-45fa-8566-60311c36d82f"]}],"mendeley":{"formattedCitation":"[4]","plainTextFormattedCitation":"[4]","previouslyFormattedCitation":"[4]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[4]. Selanjutnya penelitian untuk mendiagnosa hama pada tanaman anggrek peneliti menggunakan gabungan dua metode forward chaining dan certainty factor. Sistem bekerja berdasarkan gejala-gejala yang di masukan, setelah gejala dipilih sistem akan melakukan perhitungan dengan metode forward chaining dan certainty factor. Berdasarkan uji coba yang dilakukan peneliti sistem memiliki tingkat kepercayaan untuk mengenali sebesar 93,0736% dengan hasil ini maka kedua metode memungkinkan untuk menjadi solusi mengenali hama pada tanaman anggrek ADDIN CSL_CITATION {"citationItems":[{"id":"ITEM-1","itemData":{"DOI":"10.20527/klik.v4i2.89","ISSN":"2406-7857","abstract":"
Coelogyne Pandurata or better known by the general name of black orchid, this orchid species only grows on the island of Borneo. Coelogyne Pandurata is an epiphytic orchid attached to other plants but not harmful. This orchid is one endemic of Borneo that requires human intervention to maintain its sustainability. Orchid plants are very susceptible to various pests and diseases. Because many orchid species are cultivated, the disease is difficult to recognize, because the symptoms of disease on orchids vary depending on the variety. The methods applied in this calculation are used Forward Chaining and Certainty Factor methods. This expert system allows users to diagnose pests that attack the Orchid Coelogyne Pandurata plant (Black Orchid Borneo) from various literature and initial observations. The result of application of Forward Chaining and Certainty Factor Method can give pest diagnosis on Orchid Coelogyne Pandurata based on the symptoms given Based on the calculation, the description of confidence level based on the interpretation table of the expert and the final percentage of 93.0736% is Very Probably both methods are applied To solve existing problems.
Keywords: Coelogyne Pandurata, Certainty Factor, Expert system, Forward Chaining
Coelogyne Pandurata atau lebih dikenal dengan nama umum anggrek hitam, spesies anggrek ini hanya tumbuh di pulau kalimantan. Coelogyne Pandurata merupakan anggrek epifit yaitu menempel pada tanaman lain tetapi tidak merugikan. Anggrek ini merupakan salah satu endemik kalimantan yang memerlukan campur tangan manusia untuk menjaga kelestariannya. Tanaman anggrek sangat rentan terhadap berbagai serangan hama dan penyakit. Karena jenis tanaman anggrek banyak dibudidayakan, menyebabkan penyakitnya sukar dikenal, karena gejala serangan penyakit pada anggrek bervariasi tergantung dari varietasnya. Metode yang diterapkan dalam perhitungan ini digunakan metode Forward Chaining dan Certainty Factor. Sistem pakar ini memungkinkan pengguna mendiagnosa hama yang menyerang tanaman Anggrek Coelogyne Pandurata (Anggrek Hitam Kalimantan) dari berbagai literatur dan pengamatan awal. Hasil penerapan Metode Forward Chaining dan Certainty Factor dapat memberikan diagnosa hama","author":[{"dropping-particle":"","family":"Yuwono","given":"Doddy Teguh","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Fadlil","given":"Abdul","non-dropping-particle":"","parse-names":false,"suffix":""},{"dropping-particle":"","family":"Sunardi","given":"Sunardi","non-dropping-particle":"","parse-names":false,"suffix":""}],"container-title":"Klik - Kumpulan Jurnal Ilmu Komputer","id":"ITEM-1","issue":"2","issued":{"date-parts":[["2017"]]},"page":"136","title":"Penerapan Metode Forward Chaining Dan Certainty Factor Pada Sistem Pakar Diagnosa Hama Anggrek Coelogyne Pandurata","type":"article-journal","volume":"4"},"uris":["http://www.mendeley.com/documents/?uuid=bd5f178b-e34c-409d-b478-9e99a77c11c7"]}],"mendeley":{"formattedCitation":"[10]","plainTextFormattedCitation":"[10]","previouslyFormattedCitation":"[9]"},"properties":{"noteIndex":0},"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"}[10]. Berdasarkan uraian di atas maka dalam penelitian ini akan menggunakan sistem pakar untuk mendiagnosa penyakit pencernaan pada manusia dengan menggunakan metode forward chaining dan certainty factor sebagai alternatif bagi masyarakat untuk mengetahui kemungkinan penyakit pencernaan yang diderita. Metode Penelitian Penelitian ini akan mengembangkan sistem pakar untuk mendiagnosa penyakit pencernaan pada manusia secara garis besar alur penelitian ini menggunakan metode waterfall. Metode waterfall adalah suatu proses pengembangan perangkat lunak berurutan, dimana kemajuan dipandang sebagai terus mengalir ke bawah (seperti air terjun) melewati fase-fase seperti pada gambar 1. Gambar SEQ Gambar \* ARABIC 1. Alur Penelitian Pada tahap akuisisi pengetahuan dilakukan kegiatan mengumpulkan data sebagai dasar analisis kebutuhan dan perancangan sistem yang bersumber dari seorang pakar yaitu seorang dokter, yang kemudian dipakai sebagai basis pengetahuan dari sistem itu sendiri. Basis Pengetahuan Basis pengetahuan menjadi faktor terpenting dari aplikasi sistem pakar, basis pengetahuan menyimpan data-data dan aturan tentang penyakit pencernaan yang didapatkan dari seorang pakar. Berikut ini adalah data dan aturan yang digunakan untuk pembuatan aplikasi sistem pakar penyakit pencernaan dapat dilihat pada tabel 1 sampai tabel 3. Tabel SEQ Tabel \* ARABIC 1. Data Penyakit, Data Gejala dan Nilai MB. Kode PenyakitNama PenyakitKode GejalaGejalaNilai MBP01GERDGJ01 GJ02 GJ03 GJ04 GJ05 GJ06Merasa mual Mengalami muntah Sakit tenggorokan Merasa susah tidur Bau mulut Nyeri pada ulu hati seperti terbakar1 1 0.6 0.4 0.2 1P02DispepsiaGJ07 GJ06 GJ01 GJ02 GJ08 GJ09 GJ32 GJ10Perut kembung Nyeri pada ulu hati seperti terbakar Merasa mual Mengalami muntah Sering bersendawa Tidak nafsu makan Nyeri perut daerah ulu hati / epigastrium Timbul rasa asam di mulut1 1 0.4 0.4 0.2 0.4 1 0.4P03KoleraGJ01 GJ02 GJ11 GJ12 GJ13 GJ14 GJ15 GJ16Merasa mual Mengalami muntah Kram dan nyeri perut Mulut terasa kering Merasa sangat haus Kulit berkerut dan kering Buang air besar > 3x sehari, seperti cucian beras Badan terasa lemas0.4 0.4 0.2 1 0.4 1 1 0.4P04HepatitisGJ17 GJ18 GJ19 GJ01 GJ20 GJ02 GJ09 GJ21Kulit dan mata tampak menguning Perut terasa nyeri dan bengkak Feses berwarna pucat / berdarah Merasa mual Mudah merasa lelah Mengalami muntah Tidak nafsu makan Tubuh gampang memar1 1 0.4 1 0.6 0.2 0.2 0.2P05ApendisitisGJ22 GJ23 GJ24 GJ09 GJ25 GJ01 GJ02Sakit perut sebelah kanan bawah Menggigil Mengalami demam Tidak nafsu makan Mengalami sembelit Merasa mual Mengalami muntah1 0.2 0.6 0.2 0.2 1 0.8P06DisentriGJ26 GJ24 GJ01 GJ02 GJ11 GJ16 GJ27Diare disertai darah atau lendir > 3x sehari Mengalami demam Merasa mual Mengalami muntah Kram dan nyeri perut Badan terasa lemas Perut terasa mules1 0.6 0.6 0.4 0.4 1 0.6P07HemoroidGJ28 GJ29 GJ30 GJ31 GJ16Pendarahan setelah buang air besar Terdapat lendir setelah buang air besar Benjolan tergantung di anus Rasa nyeri dan pembengkakan di sekitar anus Badan terasa lemas1 0.4 1 1 0.6 Tabel SEQ Tabel \* ARABIC 2. Bobot Nilai MB NoKeteranganNilai MB1Sangat Yakin12Yakin0.83Cukup Yakin0.64Sedikit Yakin0.45Tidak Tahu0.26Tidak0 Tabel SEQ Tabel \* ARABIC 3. Bobot Nilai MD NoKeteranganNilai MD1Tidak yakin0.02Kurang yakin0.1 0.33Sedikit yakin0.4 0.54Cukup yakin0.6 0.75Yakin0.8 0.96Sangat yakin1 Gambar SEQ Gambar \* ARABIC 2. Pohon Keputusan Forward Chaining. Flowchart Sistem Flowchart sistem, yang menggambarkan masukan, proses dan keluaran sistem beserta alirannya, yang dapat dilihat pada gambar 5. Gambar SEQ Gambar \* ARABIC 3. Flowchart Sistem Relasi Database Perancangan basis data yang direpresentasikan menggunakan relasi antar tabel dapat dilihat pada Gambar 6. Gambar SEQ Gambar \* ARABIC 4. Relasi Database Hasil dan Pembahasan Proses Inferensi Proses dimulai dari memilih gejala yang dialami dan memilih tingkat keyakinan, selanjutnya sistem akan mencari rule yang sesuai pada database, apabila ada rule terpilih proses dilanjutkan dengan perhitungan certainty factor yaitu menghitung nilai CF gejala, apabila terdapat lebih dari satu gejala makan dihitung lagi untuk mencari nilai CF combine, nilai terbesar dari rule terpilih merupakan CF penyakit. Selanjutnya mencari persentase CF akhir. Tabel 5 adalah contoh diagnosa penyakit pencernaan menggunakan metode forward chaining dan certainty factor. Tabel SEQ Tabel \* ARABIC 4. Data Sampel NoNamaUmurGejala1PSNxx28(GJ01) Merasa mual, (GJ02) Mengalami muntah, (GJ03) Sakit tenggorokan,(GJ04) Merasa susah tidur,(GJ07) Perut kembung,(GJ08) Sering bersendawa,(GJ09) Tidak nafsu makan,(GJ11) Kram dan nyeri perut ,(GJ16) Badan terasa lemas,(GJ22) Sakit perut sebelah kanan bawah,(GJ24) Mengalami demamLangkah perhitungan dari contoh data di atas adalah sebagai berikut : a. Langkah pertama yaitu eksekusi rule menggunakan metode forward chaining. - Rule gejala yang terpilih adalah: GJ01, GJ02, GJ03, GJ04, pada rule P01 GJ01, GJ02, GJ07, GJ08, GJ09, pada rule P02 GJ01, GJ02, GJ11, GJ16 pada rule P03 GJ01, GJ02, GJ09 pada rule P04 GJ01, GJ02, GJ09, GJ22, GJ24 pada rule P05 GJ01, GJ02, GJ11, GJ16, GJ24 pada rule P06 GJ16 pada rule P07 b. pencocokan nilai cf pakar dan cf user pada masing-masing rule terpilih Tabel SEQ Tabel \* ARABIC 5. Pencocokan cf pakar dan cf user NoRuleGejalaNilai CF pakarNilai CF user1P01GJ01 GJ02 GJ03 GJ041.00 1.00 0.60 0.400.40 0.50 0.50 0.502P02GJ01 GJ02 GJ07 GJ08 GJ090.40 0.40 1.00 0.20 0.400.40 0.50 0.50 0.50 0.503P03GJ01 GJ02 GJ11 GJ160.40 0.40 0.20 0.400.40 0.50 0.50 0.504P04GJ01 GJ02 GJ091.0 0.20 0.200.40 0.50 0.505P05GJ01 GJ02 GJ09 GJ22 GJ241.00 0.80 0.20 1.00 0.600.40 0.50 0.50 0.50 0.506P06GJ01 GJ02 GJ11 GJ16 GJ240.60 0.40 0.40 1.00 0.600.40 0.50 0.50 0.50 0.507P07GJ160.600.50c. Perhitungan Certainty Factor Kemudian dilakukan perhitungan pada masing-masing rule GJ01, GJ02, GJ03, GJ04, rule P01 Menghitung CF gejala Perhitungan single premis rule menggunakan persamaan 2 untuk menghitung CF gejala QUOTE GJ01 = 1.00*0.40 = 0.4 GJ02 = 1.00*0.50 = 0.5 GJ03 = 0.60*0.50 = 0.3 GJ04 = 0.40*0.50 = 0.2 Menghitung CF Combine Dikarenakan terdapat lebih dari satu gejala, maka untuk menentukan CF penyakit selanjutnya digunakan persamaan 3 menghitung CF combine CFcombine1 = CFgejala1 + CFgejala2 * (1 - CFgejala1) = 0.4 + 0.5 * ( 1 - 0.4 ) CFold 1 = 0.7 CFcombine2 = CFold1 + CFgejala3 * (1 - CFold1) = 0.7 + 0.3 * ( 1 - 0.7 ) CFold 2 = 0.79 CFcombine3 = CFold2+CFgejala4 * (1-CFold2) = 0.79 + 0.2 * ( 1 - 0.79 ) CFold 3 = 0.832 CFold terakhir merupakan CF penyakit, berdasarkan hasil perhitungan CF dia atas, makan CF penyakit adalah 0.832 GJ01, GJ02, GJ07, GJ08, GJ09, pada rule P02 Menghitung CF gejala Perhitungan single premis rule menggunakan persamaan 2 untuk menghitung CF gejala QUOTE GJ01 = 0.40 * 0.40 = 0.16 GJ02 = 0.40 * 0.50 = 0.2 GJ07 = 1.00 * 0.50 = 0.5 GJ08 = 0.20 * 0.50 = 0.1 GJ09 = 0.40 * 0.50 = 0.2 Menghitung CF Combine Dikarenakan terdapat lebih dari satu gejala, maka untuk menentukan CF penyakit selanjutnya digunakan persamaan 2.3 menghitung CF combine CFcombine1 = CFgejala1 + CFgejala2 * (1-CFgejala1) = 0.16 + 0.2 * ( 1 - 0.16 ) CFold1 = 0.328 CFcombine2 = CFold1 + CFgejala3 * (1-CFold1) = 0.328 + 0.5 * ( 1 - 0.328 ) CFold2 = 0.664 CFcombine3 = CFold2 + CFgejala4 * (1-CFold2) = 0.664 + 0.1* ( 1 - 0.664) CFold3 = 0.6976 CFcombine4 = CFold3 + CFgejala5 * (1-CFold3) = 0.6976 + 0.2* ( 1 - 0.6976) CFold4 = 0.75808 CFold terakhir merupakan CF penyakit, berdasarkan hasil perhitungan CF dia atas, makan CF penyakit adalah 0.75808 GJ01, GJ02, GJ11, GJ16 pada rule P03 Menghitung CF gejala Perhitungan single premis rule menggunakan persamaan 2 untuk menghitung CF gejala QUOTE GJ01 = 0.40 * 0.40 = 0.16 GJ02 = 0.40 * 0.50 = 0.2 GJ11 = 0.02 * 0.50 = 0.1 GJ16 = 0.04 * 0.50 = 0.2 Menghitung CF Combine Dikarenakan terdapat lebih dari satu gejala, maka untuk menentukan CF penyakit selanjutnya digunakan persamaan 2.3 menghitung CF combine CFcombine1 = CFgejala1 + CFgejala2 * (1-CFgejala1) = 0.16 + 0.2 * ( 1 - 0.16 ) CFold1 = 0.328 CFcombine2 = CFold1 + CFgejala3 * (1-CFold1) = 0.328 + 0.1 * ( 1 - 0.328 ) CFold2 = 0.3952 CFcombine3 = CFold2 + CFgejala4 * (1-CFold2) = 0.3952 + 0.2* ( 1 - 0.3952) CFold3 = 0.51616 CFold terakhir merupakan CF penyakit, berdasarkan hasil perhitungan CF dia atas, makan CF penyakit adalah 0.51616 GJ01, GJ02, GJ09 pada rule P04 Menghitung CF gejala Perhitungan single premis rule menggunakan persamaan 2 untuk menghitung CF gejala QUOTE GJ01 = 1.00 * 0.40 = 0.4 GJ02 = 0.20 * 0.50 = 0.1 GJ09 = 0.20 * 0.50 = 0.1 Menghitung CF Combine Dikarenakan terdapat lebih dari satu gejala, maka untuk menentukan CF penyakit selanjutnya digunakan persamaan 2.3 menghitung CF combine CFcombine1 = CFgejala1 + CFgejala2 * (1-CFgejala1) = 0.4 + 0.1 * ( 1 - 0.4) CFold1 = 0.46 CFcombine2 = CFold1 + CFgejala3 * (1-CFold1) = 0.46 + 0.1 * ( 1 - 0.46 ) CFold2 = 0.514 CFold terakhir merupakan CF penyakit, berdasarkan hasil perhitungan CF dia atas, makan CF penyakit adalah 0.514 GJ01, GJ02, GJ09, GJ22, GJ24 pada rule P05 Menghitung CF gejala Perhitungan single premis rule menggunakan persamaan 2 untuk menghitung CF gejala QUOTE GJ01 = 1.00 * 0.40 = 0.4 GJ02 = 0.80 * 0.50 = 0.4 GJ09 = 0.20 * 0.50 = 0.1 GJ22 = 1.00 * 0.50 = 0.5 GJ24 = 0.60 * 0.50 = 0.3 Menghitung CF Combine Dikarenakan terdapat lebih dari satu gejala, maka untuk menentukan CF penyakit selanjutnya digunakan persamaan 2.3 menghitung CF combine CFcombine1 = CFgejala1 + CFgejala2 * (1-CFgejala1) = 0.4 + 0.4 * ( 1 - 0.4) CFold1 = 0.64 CFcombine2 = CFold1 + CFgejala3 * (1-CFold1) = 0.64 + 0.1 * ( 1 - 0.64 ) CFold2 = 0.676 CFcombine3 = CFold2 + CFgejala4 * (1-CFold2) = 0.676 + 0.5 * ( 1 - 0.676 ) CFold3 = 0.838 CFcombine2 = CFold3 + CFgejala3 * (1-CFold3) = 0.838 + 0.3 * ( 1 - 0.838 ) CFold4 = 0.8866 CFold terakhir merupakan CF penyakit, berdasarkan hasil perhitungan CF dia atas, makan CF penyakit adalah 0.8866 GJ01, GJ02, GJ11, GJ16, GJ24 pada rule P06 Menghitung CF gejala Perhitungan single premis rule menggunakan persamaan 2 untuk menghitung CF gejala QUOTE GJ01 = 0.60 * 0.40 = 0.24 GJ02 = 0.40 * 0.50 = 0.2 GJ11 = 0.40 * 0.50 = 0.2 GJ16 = 1.00 * 0.50 = 0.5 GJ24 = 0.60 * 0.50 = 0.3 Menghitung CF Combine Dikarenakan terdapat lebih dari satu gejala, maka untuk menentukan CF penyakit selanjutnya digunakan persamaan 2.3 menghitung CF combine CFcombine1 = CFgejala1 + CFgejala2 * (1-CFgejala1) = 0.24 + 0.2 * ( 1 - 0.24) CFold1 = 0.392 CFcombine2 = CFold1 + CFgejala3 * (1-CFold1) = 0.392 + 0.2 * ( 1 - 0.392) CFold2 = 0.5136 CFcombine3 = CFold2 + CFgejala4 * (1-CFold2) = 0.5136+ 0.5 * ( 1 - 0.5136 ) CFold3 = 0.7568 CFcombine2 = CFold3 + CFgejala3 * (1-CFold3) = 0.7568 + 0.3 * ( 1 - 0.7568 ) CFold4 = 0.82976 CFold terakhir merupakan CF penyakit, berdasarkan hasil perhitungan CF dia atas, makan CF penyakit adalah 0.82976 GJ16 pada rule P07 Menghitung CF gejala Perhitungan single premis rule menggunakan persamaan 2 untuk menghitung CF gejala QUOTE GJ16 = 0.60 * 0.50 = 0.3 CFold terakhir merupakan CF penyakit, berdasarkan hasil perhitungan CF dia atas, makan CF penyakit adalah 0.3 Dari perhitungan di atas diambil nilai CF paling tinggi dari setiap rule penyakit bahwa P05 memiliki nilai CF paling tinggi yaitu 0.8866 diduga terkena penyakit Apendisitis / Usus buntu. Untuk menghitung persentase keyakinan terhadap penyakit dengan persamaan. Persentase = CF Penyakit * 100 = 0. 8866 * 100 = 88.6% Validasi Sistem Hasil dari keseluruhan data dan uji validasi sistem yang dilakukan dengan membandingkan hasil sistem dengan pakar dapat dilihat pada tabel 6 Tabel SEQ Tabel \* ARABIC 6. Uji Validasi Sistem NoPasienHasil MetodeHasil PakarValidasi PenyakitNilai CF1.P001Diare / Disentri0.9995Diare / DisentriSesuai2.P002Apendisitis0.9874ApendisitisSesuai3.P003Hepatitis0.9844HepatitisSesuai4.P004Hepatitis0.9694HepatitisSesuai5.P005Diare / Disentri0.9983Diare / DisentriSesuai6.P006Hemoroid0.9621HemoroidSesuai7.P007Hemoroid0.9792HemoroidSesuai8.P008Hemoroid0.986HemoroidSesuai9.P009Hemoroid0.9905HemoroidSesuai10.P010Hemoroid0.9732HemoroidSesuai11.P011Diare / Disentri0.9831KoleraTidak Sesuai12.P012Hepatitis0.9971HepatitisSesuai13.P013Dispepsia0.9912DispepsiaSesuai14.P014Diare / Disentri0.9995Diare / DisentriSesuai15.P015Diare / Disentri0.9993Diare / DisentriSesuai16.P016Apendisitis0.9925ApendisitisSesuai17.P017Apendisitis0.9947ApendisitisSesuai18.P018Apendisitis0.9947ApendisitisSesuai19.P019Hepatitis0.9895HepatitisSesuai20.P020Hepatitis0.9899HepatitisSesuai21.P021Hepatitis0.9962HepatitisSesuai22.P022Dispepsia0.983DispepsiaSesuai23.P023Dispepsia0.983DispepsiaSesuai24.P024Dispepsia0.9979DispepsiaSesuai25.P025Dispepsia0.9969DispepsiaSesuai26.P026GERD0.9881GERDSesuai27.P027GERD0.9972GERDSesuai28.P028GERD0.9965GERDSesuai29.P029GERD0.9864GERDSesuai30.P030Dispepsia0.9979DispepsiaSesuai31.P031Dispepsia0.9984DispepsiaSesuai32.P032Dispepsia0.9985DispepsiaSesuai33.P033Dispepsia0.9983DispepsiaSesuai34.P034Dispepsia0.9979DispepsiaSesuai35.P035GERD0.9966GERDSesuai36.P036Dispepsia0.9975GERDTidak Sesuai Berdasarkan tabel 6, dari 36 data pasien yang berhasil dikumpulkan, 34 data mendapatkan validasi sesuai dengan hasil yang didapat oleh pakar dan 2 data dinyatakan tidak sesuai. Sehingga diperoleh persentase dari hasil data sesuai validasi sebesar 94,4%. Kesimpulan Berdasarkan penelitian yang telah dilakukan sistem yang dirancang menggunakan metode forward chaining dan certainty factor dapat berjalan sesuai dengan desain. Berdasarkan 36 data yang telah diujikan terhadap sistem, 34 data mendapatkan validasi sesuai dengan hasil yang didapat oleh pakar dan 2 data dinyatakan tidak sesuai. Sehingga diperoleh persentase hasil validasi sesuai sebesar 94,4%. Adapun saran untuk penelitian lanjutan dengan memperbanyak jenis penyakit pada pencernaan dan memberi bobot yang lebih akurat dengan melibatkan pakar spesialis. Daftar Pustaka ADDIN Mendeley Bibliography CSL_BIBLIOGRAPHY [1] I. S. Marifati and C. Kesuma, Pengembangan Sistem Pakar Mendeteksi Penyakit Pencernaan Menggunakan Metode Naive Bayes Berbasis Web, Evolusi J. Sains dan Manaj., vol. 6, no. 1, Mar. 2018, doi: 10.31294/evolusi.v6i1.3543. [2] N. B. Riyanto and O. Suria, Sistem Pakar Diagnosa Penyakit Pencernaan Menggunakan Metode Teorema Bayes, JMAI (Jurnal Multimed. Artif. Intell., vol. 2, no. 1, pp. 712, 2018, doi: 10.26486/jmai.v2i1.65. [3] T. Sutojo, Kecerdasan Buatan, Yogyakarta, Penerbit Graha Ilmu, 2011. [4] T. Kristiana, Sistem pakar untuk mendiagnosa penyakit saluran pencernaan dengan metode forward chaining, Inform. J. Ilmu Komput., vol. 14, pp. 6580, 2018. [5] W. Supartini and H. Hindarto, Sistem Pakar Berbasis Web Dengan Metode Forward Chaining Dalam Mendiagnosa Dini Penyakit Tuberkulosis Di Jawa Timur, Kinet. Game Technol. Inf. Syst. Comput. Network, Comput. Electron. Control, pp. 147154, 2016. [6] Anita, Rodhy, R. Ningsih, and Solin, Penerapan Metode Forward Chaining dan Certainty Factor untuk Diagnosa Penyakit pada Tanaman Bonsai, JGK (Jurnal Guru Kita), vol. 3, no. 2, pp. 187194, 2019. [7] T. Sutojo, E. Mulyanto, and V. Suhartono, Kecerdasan Buatan. Yogyakarta: Andi, 2011. [8] Y. W. N. Fitriya, N. Hidayat, and Marji, Implementasi Metode Weighted Product r s t u ) * A C D ` b ʻʻwwj\Q@ hb-5 hL. 56\]mH!sH! h&U_