TUGAS SOFTSKILL REVIEW JURNAL YANG BERHUBUNGAN DENGAN KECERDASAN BUATAN

 

Haloo saya Ageng Hermawan / 10118275 / 3KA04  , Saya ingin mereview jurnal yang berhubungan dengan Kecerdasan Buatan yang berjudul " Penerapan Metode Certainty Factor Pada Diagnosa Penyakit Saraf Tulang Belakang  "

Dengan International Standard Serial Number ( P-ISSN 2085-4315  /  E-ISSN 2502-8332 ) Volume X , Nomor .2 , November 2018 : JURNAL ILMIAH FIFO

 

Latar Belakang 

Kecerdasan buatan atau artifical intelligence merupakan bagian dari ilmu komputer yang membuat agar komputer dapat melakukan pekerjaan seperti yang dilakukan oleh manusia. Sistem pakar merupakan bagian dari kecerdasan buatan (artifical intelligence) yang merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan perkerjaanya seperti dan sebaik yang dilakukan oleh manusia [1].

Sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli [2].

Sistem pakar menanyakan fakta-fakta yang akan menunjukkan gejala penyakit tertentu dan dapat memberikan penjelasan atas hasil konsultasi yang telah dilakukan. Dalam diagnosa seorang pakar menghadapi suatu permasalahan diantaranya jawaban yang ditemukan berupa jawaban yang belum pasti. Dalam analisa informasi yang ada dokter dimungkinakn mengungkapkan informasi berupa pernyataan yang tidak pasti seperti misalnya mungkin, kemungkinan besar dan hampir pasti. Salah satu metode yang dapat digunakan dalam mengatasi ketidak pastian adalah metode certainty factor (CF). CF merupakan metode yang mendefinisikan ukuran kepastian terhadap fakta atau aturan untuk menggambarkan keyakinan seorang pakar terhadap masalah yang sedang dihadapi. Certainty Factor (CF) menunjukkan ukuran kepastian terhadap suatu fakta atau aturan [3].

Pada penelitian terdahulu, metode certainty factor banyak digunakan untuk mendiagnosa berbagai penyakit dan mendapatkan hasil yang akurat. Diantaranya penelitian yang menggunakan CF dalam mendeteksi kanker mulut rahim dengan menghasilkan tingkat keakurasian 85,71% yang didapatkan dari tingkat keberhasilan sistem pakar jika dibandingkan dengan seorang pakar [4].

Penelitian lain, menerapkan metode CF untuk mendiagnosa penyakit dalam dengan menghasilkan tingkat keakuratan sebesar 85,34% [5].

Sakit pada bagian tulang belakang merupakan sakit yang banyak diderita oleh masyarakat umum, dikarenakan pengetahuan masyarakat tentang penyakit ini masih rendah. Faktanya banyak penyakit yang terlambat didiagnosis sehingga pada akhirnya mencapai tahap kronis seperti kelumpuhan hingga kematian. Jumlah dokter spesialis tulang belakang di Indonesia 500 dokter untuk 250 juta penduduk Indonesia [6].

Rasio ideal dokter spesialis saraf tulang belakang adalah satu dokter berbanding 20.000 penduduk [7].

Sangat terbatas dan tidak meratanya dokter spesialis saraf tulang belakang di Indonesia mengakibatkan masyarakat kesulitan dalam mendiagnosa penyakit tersebut. Untuk membantu dan mempermudah masyarakat dalam mendiagnosa penyakit saraf tulang belakang dapat menerapkan metode CF pada system pakar diagnosa penyakit saraf tulang belakang. Dengan menerapkan metode CF dalam diagnosa penyakit saraf tulang belakang dapat diketahui tingkat keakuratan metode CF dalam mengatasi ketidakpastian diagnosa suatu penyakit khususnya dalam kasus penyakit saraf tulang belakang.

Tujuan

Tujuan dari penelitian ini membantu dan mempermudah masyarakat dalam mendiagnosa penyakit saraf tulang belakang dan menerapkan metode CF pada system pakar diagnosa penyakit saraf tulang belakang.

Dengan menerapkan metode CF dalam diagnosa penyakit saraf tulang belakang dapat diketahui tingkat keakuratan metode CF dalam mengatasi ketidakpastian diagnosa suatu penyakit khususnya dalam kasus penyakit saraf tulang belakang.

 

Metode Penelitian 

Penelitian ini terdiri dari beberapa tahap yaitu pengumpulan data, identifikasi masalah, rancangan sistem, analisis sistem, implementasi sistem dan pengujian. Setelah semua tahapan telah selesai selanjutnya dilakukan dokumentasi, pelaporan, dan publikasi

1.  Identifikasi Masalah

Pada tahap ini dilakukan identifikasi terhadap tindakan yang diperlukan untuk mengetahui permasalahanpermasalahan yang dialami pada saat diagnosa penyakit saraf tulang belakang sekaligus solusi yang tepat untuk menyelesaikan permasalahan tersebut. Berdasarkan observasi yang dilakukan, maka permasalahan yang berkaitan dengan penelitian ini adalah belum adanya penelitian mengenai metode certainty factor untuk mendiagnosa penyakit saraf tulang belakang. Oleh karena itu dibutuhkan suatu pengujian apakah metode certainty factor dapat digunakan untuk mendiagnosa penyakit saraf tulang belakang.

 

2     Pengumpulan Data

 Data yang dikumpulkan yaitu melalui wawancara, observasi dan mengumpulkan dokumen terkait penyakit saraf tulang belakang yang dilakukan di Poli Saraf RSUD Abdoel Moeloek Lampung. Wawancara dilakukan terhadap pakar dalam hal ini adalah dokter spesialis saraf tulang belakang untuk mengakuisisi pengetahuan dari seorang pakar yang akan di gunakan sebagai knowledge base (basis pengetahuan). Data-data yang dibutuhkan diantaranya jenis penyakit saraf tulang belakang, gejala-gejala dan solusi serta penganan terhadap penyakit saraf tulang belakang. Observasi dilakukan secara langsung dengan mengamati gejala-gejala yang dialami pasien yang menderita sakit saraf tulang belakang dan tindakan-tindakan yang dilakukan oleh pasien ketika merasakan keluhan pada saraf tulang belakang. Selain itu dilakukan pengumpulan terhadap dokumen-dokumen terkait data penderita penyakit saraf tulang belakang beserta hasil diagnosa dan solusinya.

 

3.      Analisis Sistem

 Pada tahap ini dilakukan analisa terhadap penalaran yang akan digunakan dalam mesin inferensi. Dalam penelitian ini, menggunakan teknik penalaran forward chaining (penalaran maju) yang diawali dengan proses pengumpulan data dan fakta diagnosa. Forward chaining ini dijalankan dengan mengumpulkan fakta-fakta yang ada untuk menarik kesimpulan [8] Tiap fakta akan menghasilkan kesimpulan berupa hasil diagnosa dan proses penanganan. Setelah itu dilakukan analisa dengan menggunakan metode Certainty factor (CF) untuk menunjukkan ukuran kepastian terhadap suatu fakta atau aturan

 4.      Perancangan Sistem

 Perancangan sistem melibatkan identifikasi dan deskripsi abstraksi sistem perangkat lunak yang mendasar dan hubungan-hubungannya [9].Untuk mempermudah dalam menerapkan metode CF pada sistem pakar diagnosa penyakit saraf tulang belakang dibutuhkan bagan aturan penyakit saraf tulang belakang yang membantu dalam mengimplementasikan aturan-aturan kedalam inference engine. Untuk memberikan gambaran yang jelas terhadap alur sistem yang akan dibuat maka digambarkan melalui flowchart system untuk menjelaskan bagaimana alur dari sistem yang akan dibuat. Flowchart atau bagan alur sistem adalah penggambaran secara grafik dari langkah langkah dan urut-urutan prosedur dari suatu program [10].

5.      Implementasi Sistem

Implementasi merupakan tahap dimana desain rancangan yang telah dibuat sebelumnya dikodekan dengan bahasa pemroraman tertentu untuk menjadi sebuah aplikasi [11]. Pada tahap ini dilakukan coding berdasarkan dari perancangan dan analisa yang telah dilakukan sebelumnya. Coding atau pengkodean merupakan penerjemahan desain dalam bahasa yang bisa dikenali oleh komputer [12]. Pada tahap ini melakukan mengimplementasikan aturan-aturan kedalam inference engine menggunakan penalaran forward chaining dan menerapkan metode certainty factor kedalam bahasa pemrograman Java dengan compiler Net Beans.

 

 6.      Pengujian (Testing)

Pengujian terhadap sistem yang telah dibangun dengan cara melakukan uji coba dengan beberapa parameter. Sistem yang telah dibangn harus diuji terlebih dahulu agar dapat menemukan kesalahan – kesalahan [13]. Pada tahap pengujian dilakukan pengujian terhadap keakuratan metode CF pada system pakar diagnosa penyakit saraf tulang belakang. Untuk menguji keakuratan penerapan metode CF makan dilakukan beberapa proses pengujian diantaranya :

1 Berdasarkan pengujian dengan uji coba pada sejumlah masukan yang dilakukan diantaranya pengujian satu gejala satu jenis penyakit, satu gejala beberapa jenis penyakit, beberapa gejala satu jenis penyakit dan beberapa gejala dengan beberapa penyakit.

2 Menguji tingkat keakuratan atau kesesuaian dari data testing yang didapatkan oleh pakar dengan hasil output dari sistem.

 

 PEMBAHASAN

Dari hasil pengumpulan data penyakit, gejala dan rule base yang didapatkan dari seorang pakar, dapat dibuat bagan aturan penyakit saraf tulang belakang

 

Setalah dilakukan pengumpulan data terhadap gejala, penyakit dan rule atau aturan hasil dari akuisi pengetahuan yang telah didapatkan dari pakar, maka selanjutnya mengimplementasikan kedalam algoritma certainty factor. Certainty factor menggunakan suatu nilai untuk mengasumsikan derajat key   akinan seorang pakar terhadap data [14].

Pada penelitian ini simulasi perhitungan certainty factor diberikan pilihan jawaban yang masing- masing memiliki bobot sebagai berikut

Nilai 0 menunjukkan bahwa pengguna tidak mengalami gejala seperti yang ditanyakan oleh sistem. Apabila pengguna yakin mengalami suatu gejala maka nilai user semakin tinggi pula. Biasanya suatu penyakit memiliki gejala lebih dari satu, sehingga kaidah yang digunakan adalah yang berkaitan dengan penyakit

 

Pada bagian ini dibuat contoh kasus dimana pengguna mengalami gejala-gejala sebagai berikut:

·         Nyeri punggung bawah (0,8)

·         Kesemutan dan tebal didaerah nyeri (0,4)

·         Nyeri yang menjalar (0.4)

·         Nyeri dan kram(0,2)

·         Rasa kaku pada punggung bawah(0,6)

Dengan menggunakan metode certainty factor nantinya dapat diketahui penyakit yang diderita oleh pengguna. Dengan merujuk pada tabel bobot CF maka akan dihitung diagnosa yang cocok dengan gejala yang diinputkan user.

 

Untuk penyakit Brakialgia dan Myelitis tidak dilakukan perhitungan karena tidak ada data yang sama. Dari perhitungan CF masing-masing penyakit, diperoleh nilai CF terbesar yaitu 0,809 atau 81 % dimiliki oleh penyakit Iskalgia (P2). Sehingga dapat disimpulkan bahwa diagnosa dari inputan pengguna adalah Iskalgia.

Berdasarkan pengujian dengan uji coba pada sejumlah masukan yang dilakukan diantaranya pengujian satu gejala satu jenis penyakit, satu gejala beberapa jenis penyakit, beberapa gejala satu jenis penyakit dan beberapa gejala dengan beberapa penyakit didapatkan kesimpulan yaitu:

1. Pada pengujian satu gejala satu jenis penyakit, sistem tetap menampilkan hasil penyakit berdasarkan gejala yang telah dipilih.

2. Pengujian satu gejala dengan beberapa jenis penyakit, sistem menampilkan jenis penyakit karena dengan satu gejala telah ditemukan beberapa penyakit yang memiliki gejala yang sama.

3. Pengujian beberapa gejala dengan satu jenis penyakit didapatkan hasil yaitu penyakit Iskalgia dengan presentase 91,16% yang sesuai dengan perhitungan secara manual.

4. Pada pengujian terakhir yaitu pengujian beberapa gejala dengan beberapa jenis penyakit, sistem menampilkan jenis penyakit dengan presentase nilai tertinggi dari beberapa penyakit. Presentase nilai yang didapat dari pengujian beberapa gejala dengan beberapa penyakit yaitu penyakit Iskalgia 32%, penyakit Stenosis 76% dan penyakit Radikulopati 32 %.

 

Menguji tingkat keakuratan atau kesesuaian dari data testing yang didapatkan oleh pakar dengan hasil output dari sistem. Kemudian akan dilakukan percobaan sebanyak 50 kali dengan masukan sesuai data testing. Dari percobaan yang telah dilakukan sebanyak 50 kali didapatkan hasil output yang sesuai sebanyak 45, sehingga didapatkan nilai akurasi : (45 / 50) * 100 = 90. Maka akurasi kesesuaian dari data testing yang didapatkan oleh pakar dengan hasil output dari sistem adalah 90%.

Kelebihan Jurnal Ini

1. Memaparkan secara jelas dan lengkap latar belakang dari permasalahan mengapa dibuatnya aplikasi ini.
2. informasi yang disajikan begitu detail dan penggunaan bahasa yang digunakan mudah dipahami
3. Tingkat keakuratan dan kesusuaian yang tinggi untuk menentukan jenis penyakit dengan mengetahui gejalanya 
4. Metode yang di gunakan di jelaskan secara rinci dan lengkap

 

Saran

1. Untuk penelitian selanjutnya diharapkan dapat mengimplementasikan metode certainty factor untuk aplikasi sistem pakar mendiagnosa penyakit saraf tulang belakang yang dapat berguna di bidang kesehatan.
2. Dapat diimplementasikan berbasis web agar sistem pakar dapat digunakan untuk umum. 
3.  Dipermudahkan dalam penggunaan aplikasi nya ( user friendly )
4. Tampilan UI dibuat lebih menarik

Kesimpulan 

Berdasarkan penelitian yang telah dilakukan dapat diambil kesimpulan 

1. Penerapan metode CF dalam diagnosa penyakit saraf tulang belakang dapat diketahui tingkat keakuratan metode CF dalam mengatasi ketidakpastian diagnosa suatu penyakit khususnya dalam kasus penyakit saraf tulang belakang.

2. Hasil pengujian dengan uji coba pada sejumlah masukan yang dilakukan didapatkan bahwa pengujian pertama sesuai dengan yang diharapkan yaitu jika gejala yang dipilih hanya satu maka sistem tidak dapat memproses dan hasilnya adalah tidak berpenyakit. Pengujian kedua didapatkan hasil sistem tidak menampilkan jenis penyakit karena gejala yang diinputkan hanya satu. Pada pengujian ketiga sistem memberikan hasil sesuai dengan perhitungan manual. Pada pengujian yang terakhir didapatkan sistem tidak memunculkan hasil dari pengujian atau hasilnya adalah tidak berpenyakit karena sistem hanya menampilkan satu jenis penyakit. Sedangkan pengujian akurasi kesesuaian dari data testing yang didapatkan oleh pakar dibandingkan dengan hasil output melalui percobaan sebanyak 50 kali didapatkan hasil output yang sesuai sebanyak 45 atau sebesar 90%.

Refrensi

Sucipto, A., Fernando, Y., Borman, R. I., & Mahmuda, N. (2018). Penerapan Metode Certainty Factor Pada Diagnosa Penyakit Saraf Tulang. JURNAL ILMIAH FIFO.