Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma, Depok, 23-24 Agustus

2006 ISSN : 1411-6286

KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT Kusrini1
1

STMIK AMIKOM Yogyakarta, Jl. Ringroad Utara Condong Catur Sleman Yogyakarta
email: kusrini@amikom.ac.id

ABSTRAK
Sangat sulit untuk mendapatkan besarnya kepercayaan atau certainty factor (CF) pasien terhadap gelala yang dialami. Dalam penelitian ini, peneliti mengusulkan suatu metode penghitungan besarnya CF pengguna pada aplikasi sistem pakar untuk diagnosis penyakit dengan menggunakan metode kuantifikasi pertanyaan. Dengan menggunakan metode ini, diharapkan sistem pakar akan menjadi lebih mudah digunakan karena pasien tidak perlu memperhitungkan besarnya CF dari gejala yang dialami, tetapi cukup memasukkan kuantitas dan lama gejala tersebut dialami. Sistem secara otomatis akan menghitung nilai CF pengguna. Nilai CF diperoleh dengan mencari fungsi keanggotaan dari kuantitas dan lama yang dimasukkan pasien terhadap nilai dalam aturan yang diberikan oleh pakar. Metode kuantifikasi pertanyaaan ini sudah diimplementasikan dalam sistem pakar untuk menangani Penyakit dengan menggunakan bahasa pemrograman Delphi dan basis data Interbase.

Kata Kunci: Kuantifikasi Pertanyaan,Sistem Pakar,Certainty Factor 1. PENDAHULUAN 1.1. Latar Belakang Permasalahan yang ditangani oleh seorang pakar bukan hanya permasalahan yang mangandalkan algoritma namun terkadang juga permasalahan yang sulit dipahami. Permasalahan tersebut dapat diatasi oleh seorang pakar dengan pengetahuan dan pengalamannya. Permasalahan ini juga bisa diselesaikan oleh sistem pakar yang menirukan kepakaran seseorang. Sistem pakar dibangun bukan berdasarkan algoritma tertentu tetapi berdasarkan basis pengetahuan dan aturan. Dalam melakukan diagnosis, seorang pakar terkadang mendasarkan pada data yang kurang lengkap atau data yang tidak pasti. Agar sistem pakar dapat melakukan penalaran sebagaimana seorang pakar meskipun data yang diperoleh kurang lengkap atau kurang pasti, dapat digunakan Certainty Factor. Kebanyakan sistem pakar yang ada, untuk mendapatkan kepercayaan pengguna terhadap gejala yang ada (misalnya batuk) adalah dengan
Kuantifikasi pertanyaan untuk mendapatkan (Kusrini)

meminta nilai CF langsung dari pasien. Menurut peneliti, hal ini sulit diperoleh mengingat pasien sendiri sulit memperkirakan berapa derajat ke-batuk-annya. 1.2. Perumusan Masalah Dalam makalah ini peneliti mengusulkan suatu metode, untuk mengetahui derajat kepercayaan pengguna terhadap gejala yang dialami, yaitu dengan kuantifikasi pertanyaan. Yang dimaksud dengan kuantifikasi pertanyaan disini yaitu pemberian faktor kuantitas dan lama pada gejala. Pengguna diminta untuk menentukan kuantitas gejala dan lama gejala yang dialami, setelah itu sistem akan menghitung nilai CFnya dengan menggunakan derajat keanggotaan kuantitas dan gejala tersebut terhadap nilai dalam aturan. 1.3. Tujuan Tujuan peneliti adalah untuk memberikan alternatif kepada para pembangun sistem pakar dalam memperoleh kepercayaan dari pengguna. Dengan menggunakan metode ini, diharapkan
1

majalah. E ) (1) CF(H. MB(H. 23-24 Agustus 2006 ISSN : 1411-6286 aplikasi sistem pakar yang dibangun akan lebih user friendly. Selain itu ada satu komponen yang ada pada beberapa sistem pakar yaitu fasilitas penjelasan (explanation facility) Antar muka pengguna adalah perangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistem. Besarnya CF berkisar antara –1 sampai dengan 1. Certainty factor didefinisikan sebagai pada persamaan 1 berikut (Giarattano dan Riley. 1994).E) : ukuran kenaikan kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E. Nilai –1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kerpercayaan mutlak. Basis data sistem pakar berisi pengetahuan setingkat pakar pada subyek tertentu. teori Hartley berdasarkan himpunan klasik (Hartley theory based on classical sets). Mekanisme inferensi merupakan perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. E ) − MD ( H . termasuk diantaranya probabilitas klasik (classical probability). Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN. basis data sistem pakar (expert system database). pengetahuan harus di representasikan dalam format tertentu yang kemudian dihimpun dalam suatu basis pengetahuan. Kaidah produksi dituliskan dalam bentuk jika-maka (if-then) Kaidah if-then menghubungkan anteseden (antecedent) dengan konskuensi yang diakibatkannya. fasilitas akuisisi pengetahuan (knowledge acquisition facility) dan mekanisme inferensi (inference mechanism). 1994): CF ( H . Agar pengetahuan dapat digunakan dalam sistem.E) : certainty factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. 2. Certainty Factor Sistem pakar harus mampu bekerja dalam ketidakpastian (Giarattano dan Riley. Fasilitas penjelasan berguna dalam memberikan penjelasan kepada pengguna mengapa komputer meminta suatu informasi tertentu dari pengguna dan dasar apa yang digunakan komputer sehingga dapat menyimpulkan suatu kondisi. teori Dempster-Shafer (DempsterShafer theory). teori fuzzy Zadeh (Zadeh’s fuzzy theory) dan faktor kepastian (certainty factor). MD(H. LANDASAN TEORI 2. 2.1. Sistem pakar memiliki beberapa komponen utama yaitu: antar muka pengguna (user interface). probabilitas Bayes (Bayesian probability).E) : ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E Bentuk dasar rumus certainty factor sebuah aturan JIKA E MAKA H adalah seperti ditunjukkan oleh persamaan 2 berikut: Kuantifikasi Pertanyaan untuk Mendapatkan (Kusrini) 2 . Depok. dan sumber pengetahuan lainnya. teori Shannon berdasarkan pada probabilitas (Shanon theory based on probability). Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi. Fasilitas akuisisi ini digunakan untuk memasukkan fakta-fakta dan kaidah-kaidah sesuai dengan perkembangan ilmu. arahan atau strategi. Sistem Pakar Sistem pakar adalah program komputer yang menirukan penalaran seorang pakar dengan keahlian pada suatu wilayah pengetahuan tertentu (Turban. Fasilitas akuisisi pengetahuan merupakan perangkat lunak yang menyediakan fasilitas dialog antara pakar dengan sistem. Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma. 2005). Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Sejumlah teori telah ditemukan untuk menyelesaikan ketidakpastian. Cara sistem pakar merepresentasikan pengetahuan akan mempengaruhi perkembangan.Proceeding. Pengetahuan ini bisa berasal dari pakar. efisiensi dan perbaikan sistem. 2. E ) = MB( H . jurnal.

maka dapat diketahui derajat ketuaannya adalah sebesar (35-30)/20 yaitu 0. Fungsi Keanggotaan Fungsi keanggotaan adalah sebuah representasi grafis dari besarnya partisipasi masing-masing input. Atau. CF(H. Sedangkan fungsi keanggotaannya ditunjukkan oleh persamaan 4. Seseorang dikatakan tua jika dia berumur lebih dari 50 tahun. E ) (3) Dalam aplikasinya. 23-24 Agustus 2006 ISSN : 1411-6286 CF ( H . e) = 1 : certainty factor hipotesis yang dipengaruhi oleh evidence e Gambar 1. diberikan himpunan semesta U adalah umur manusia antara [0. CF: 0. 100]. dianggap tidak tua. 30 < x < 50  20 1. CF x (Pakar) Operator_Aturan merupakan operator logika yang menghubungkan satu premis dengan premis yang lain dalam sebuah aturan. yaitu ketika CF(E. 3. e) = CF ( E . untuk premis pertama dari sebuah aturan hanya boleh menggunakan operator_aturan ‘Jika’ dan ‘Jika tidak’. Grafik fungsi keanggotaan untuk menggambarkan besarnya derajat ketuaan seseorang ditunjukkan pada Kuantifikasi pertanyaan untuk mendapatkan (Kusrini) 0 . e) = CF ( H . Sebagai contoh dalam menentukan fungsi keanggotaan. berikut ini adalah sebuah aturan dengan CF yang diberikan oleh seorang pakar: JIKA batuk DAN demam DAN sakit kepala DAN bersin-bersin MAKA influensa. e) * CF ( H .7 2.3. dan Atau Tidak. Dan. sedangkan CF(E.e) merupakan nilai kerpercayaan yang diberikan oleh pengguna terhadap gejala yang dialaminya. Sesuai hukum logika.Proceeding.e) : certainty factor evidence E yang dipengaruhi oleh evidence e : certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti. E ) dimana CF(E. CF(H.E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu aturan. definisi pencocokan fungsi antar input dan penentuan respon keluaran (Kaehler.E) (2) gambar 1. Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma. ---). sedangkan operator_aturan yang 3 . Fungsi Keanggotaan Tua Jika semua evidence pada antecedent diketahui dengan pasti maka persamaannya akan menjadi: CF ( H . Depok. Sedangkan orang yang berumur 30 tahun atau kurang. Operator_Aturan yang diijinkan dalam sistem ini yaitu: Jika. x ≤ 30  x − 30 f ( x) =  .e) CF(H. Dia dihubungkan dengan pembobotan masing-masing input yang diproses. Dan Tidak. Sebagai contoh.25 Dalam penelitian ini besarnya nilai keanggotaan akan menentukan besarnya CF pengguna. x ≥ 50 (4) Jika diketahui seseorang memiliki umur 35 tahun. METODE PENELITIAN Berikut ini adalah bentuk aturan yang digunakan dalam sistem ini: Operator_Aturan_n Data_n dengan kuantitas Operator_kuantitas_n Kuantitas_n toleransi Toleransi_kuantitas_n selama Operator_waktu_n toleransi Toleransi_waktu_n Maka Data. Jika Tidak.

toleransi_kuantitas dan toleransi_waktu digunakan untuk menghitung CF User CF user diperoleh dari jawaban user saat melakukan konsultasi. Dalam hal ini. dan “<=”. “Waktu” dan “Toleransi_Waktu”. <=. Nilai Toleransix < Nilai   Toleransi CF x) =  ( (Nilai Toleransix) + −  < + . >=. 23-24 Agustus 2006 ISSN : 1411-6286 lain digunakan untuk premis selain premis pertama. Grafik Fungsi Operator “=” − + 0. operator_waktu. kuantitas. “Kuantitas” dan “Waktu” merupakan syarat nilai dari berlakunya aturan itu. waktu. Nilai x < Nilai Toleransi Toleransi   . Operator_kuantitas. x > Nilai 4 Kuantifikasi Pertanyaan untuk Mendapatkan (Kusrini) . Gambar 3. sedangkan fungsinya bisa dilihat pada persamaan 6. Grafik fungsi operator “=”dapat dilihat pada gambar 2. x <= Nilai−Toleransi (x − Nilai+Toleransi (6) ) CF(x) =  . Fungsi-fungsi karakteristik didapatkan dari premis aturan. Pilihan jawaban yang disediakan oleh sistem berupa jawaban tidak tahu (CF : 0) ya (CF : 1). x <=Nilai Toleransi Atau x >=Nilai Toleransi (x − Nilai Toleransi + ) (5) − < . tidak (CF : -1). CF tidak secara langsung diberikan oleh user tetapi dihitung oleh sistem berdasarkan jawaban user. data bisa berupa gejala atau penyakit. Data adalah premis dan juga kesimpulan dari suatu aturan.Proceeding. “>=”. ada 3 macam fungsi karakteristik untuk kuantitas dan waktu. Nilai−Toleransi x < Nilai < Toleransi  1. Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma. maka CF akan dihitung sebesar gabungan derajat keanggotaan dari fungsi karakteristik kuantitas dan derajat keanggotaan dari fungsi karakteristik waktu. “Kuantitas” dan “Toleransi_Kuantitas”. Sedangkan fungsi karakteristik waktu didasarkan pada bagian aturan “Operator _Waktu”. sedangkan “Toleransi_Kuantitas” dan “Toleransi_Waktu” memberikan batasan hingga suatu nilai yang membuat data premis ini tidak diabaikan. Operator_kuantitas dan Operator_waktu terdiri dari operator =. sedangkan fungsinya bisa dilihat pada persamaan 5 Gambar 2. Tetapi apabila aturan yang mengandung fungsi kuantitas dan waktu. x = Nilai 1  dengan x : Kuantitas/Waktu yang dialami user Nilai : Nilai kuantitas/waktu standar Toleransi : Toleransi kuantitas/waktu Grafik fungsi untuk operator “>=”dapat dilihat pada gambar 3. Depok. Grafik Fungsi untuk Operator “>=” 0. Sesuai dengan jenis operatornya. Untuk fungsi karakteristik kuantitas didasarkan pada bagian aturan “Operator _Kuantitas”. “Operator_Kuantitas” dan “Operator_Waktu” yang disediakan berupa “=’.

Sistem ini bekerja dengan berdasarkan masukan gejala dari pasien yang disertai dengan Kuantifikasi pertanyaan untuk mendapatkan (Kusrini) Introduction [3] Turban.. CFWaktu ( x )) (8) Systems: Principles and Programming.C and Riley G. USA. Selanjutnya sistem akan memberikan pertanyaan-pertanyaan yang mendukung untuk dapat menyimpulkan penyakit yang diderita. dilakukan perhitungan interpretasi standar dari interseksi antara CFKuantitas dan CFWaktu yang ditunjukkan pada persamaan 8. Grafik Fungsi untuk Operator “<=” 0. PWS Publishing Co. [2] Kaehler. CFUser ( x) = Min(CFKuantita s ( x). Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma. PEMBAHASAN Metode kuantifikasi pertanyaan ini telah diterapkan dalam aplikasi sistem pakar untuk menangani penyakit TBC pada anak dengan menggunakan bahasa pemrograman Delphi dan basis data interbase. 23-24 Agustus 2006 ISSN : 1411-6286 dengan x user Nilai Toleransi : Kuantitas/Waktu yang dialami : Nilai kuantitas/waktu standar : Toleransi kuantitas/waktu Grafik fungsi operator “<=” dapat dilihat pada gambar 4. dan fungsinya bisa dilihat pada persamaan 7. Dari informasi tersebut sistem akan memperkirakan penyakit yang mungkin diderita. PENUTUP Metode kuantifikasi pertanyaan untuk menentukan CF pengguna. ---. Fuzzy Logic – An 3. telah dapat diimplementasikan dengan baik dalam aplikasi sistem pakar untuk menangani penyakit. Expert dengan x user Nilai Toleransi : Kuantitas/Waktu yang dialami : Nilai kuantitas/waktu standar : Toleransi kuantitas/waktu Untuk mendapatkan CF user. Tampilan Aplikasi Sistem Pakar 4.Proceeding. Nilai < x < Nilai+ Toleransi Toleransi  1.. 1994. D. USA. x >= Nilai+ Toleransi (7) ( Nilai+ Toleransi− x) CF( x) =  . 1995 5 . x < Nilai Gambar 5. informasi kuantitas dan lama. S. Gambar 5 dibawah adalah contoh tampilan dari aplikasi sistem pakar tersebut Gambar 4. E. 2nd edition. Decicion Support System and Expert Systems.. Depok. J. DAFTAR PUSTAKA [1] Giarratano. Prentice Hall International Inc. Metode ini memudahkan pengguna dalam memberikan jawaban terkait dengan besarnya kepercayaan terhadap gejala yang dialami.

Sign up to vote on this title
UsefulNot useful