Upload
mirfanjee89
View
98
Download
0
Embed Size (px)
DESCRIPTION
sistem pakar TB
Citation preview
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem adalah penguraian dari suatu sistem yang utuh ke dalam bagian-
bagian komponennya dengan maksud untuk mengidentifikasikan dan
mengevaluasi permasalahan, kesempatan, hambatan yang terjadi dan kebutuhan
yang diharapkan sehingga dapat diusulkan perbaikan.
Sistem pakar untuk mendiagnosa penyakit TBC ini merupakan sistem
dengan basis pengetahuan yang dinamis. Dimana pengetahuan tersebut dapat
berubah seiring berjalannya waktu sehingga harus dapat dilakukan pembaharuan,
penghapusan maupun perubahan terhadap data yang sudah disimpan sebelumnya
tanpa harus mengubah isi dari program secara keseluruhan. Perubahan hanya
dilakukan pada bagian basis pengetahuan saja sehingga sistem pakar ini dapat
dikembangkan lebih lanjut. Tahapan analisis terhadap suatu sistem dilakukan
sebelum tahap perancangan, hal ini agar perangkat lunak yang dirancang sesuai
dengan masalah yang akan diselesaikan.
Untuk dapat melakukan diagnosa dengan menggunakan sistem ini, data
gejala dan hasil-hasil tes harus sudah tersedia. Diagnosa dan data-data pasien yang
terdapat di dalam basis pengetahuan dapat memberikan keputusan penyakit yang
diderita pasien. Hasil diagnosa memungkinkan untuk diklasifikasikan oleh sistem
ke dalam penyakit TBC. Jika hasil diagnosa menunjukkan bahwa pasien memang
terkena suatu penyakit, maka selain memberikan rekomendasi terapi, sesi
konsultasi juga akan disimpan untuk digunakan dalam pengawasan terapi. Terapi
Universitas Sumatera Utara
penyakit TBC ini mungkin saja dilakukan dalam selang waktu yang cukup lama
dengan jenis terapi yang berbeda-beda.
3.2 Perancangan Sistem
Pada subbab ini akan diuraikan tahap-tahap dalam perancangan sistem pakar
untuk diagnosa penyakit TBC pada anak yang memiliki beberapa komponen
utama yaitu: antar muka pengguna (user interface), basis data sistem pakar (expert
system database), fasilitas akuisisi pengetahuan (knowledge acquisition facility)
dan mekanisme inferensi (inference mechanism).
3.2.1 Basis Data Sistem Pakar
Perancangan basis data sistem pakar dapat dilakukan dengan merancang Data
Flow Diagram (DFD), Entity Relationship Diagram (ERD) dan perancangan
kamus data.
3.2.1.1 Data Flow Diagram (DFD)
Data Flow Diagram adalah sebuah teknik grafis yang menggambarkan aliran
informasi dan transformasi yang diaplikasikan pada saat data bergerak dari input
menjadi output. Data Flow Diagram dari sistem pakar untuk mendiagnosa
penyakit TBC pada anak ini merupakan model representasi aliran proses
perangkat lunak, yang dapat dilihat pada Gambar 3.1 untuk menjelaskan diagram
level 0, sedangkan untuk diagram level 1 dapat dilihat pada Gambar 3.2.
Universitas Sumatera Utara
DFD Level 0 terdiri dari 2 (dua) entity yaitu Pakar dan User
(Paramedis/dokter). User memberikan input ke sistem berupa data pasien serta
konsultasi yang dilakukan pasien berdasarkan pertanyaan-pertanyaan yang
diberikan sistem. Pakar memberikan input berupa data dasar dan akuisisi
pengetahuan penyakit, sehingga nantinya akan mengeluarkan output kepada User
berupa saran terapi untuk penyakit dan rekam medis dari pasien tersebut.
Di dalam DFD Level 1 dapat dilihat bahwa di Sistem Pakar ini selanjutnya
terjadi 8 (delapan) proses yaitu Data Dasar, Akuisisi Pengetahuan, Data Pasien,
Konsultasi, Daftar Data Dasar, Daftar Aturan, Rekam Medis, dan Saran Terapi. Di
dalam Sistem Pakar ini terdapat 4 (empat) database yaitu Data Dasar, Data
Aturan, Pasien, dan Konsultasi. Hubungan antara delapan proses dan empat
database ini seperti terlihat pada Gambar 3.2.
Gambar 3.1 DFD Level 0 Sistem Pakar Untuk Diagnosa Penyakit TBC Pada Anak
P.0 Sistem Pakar untuk Diagnosa Penyakit
TBC Pada Anak
Pakar User
Data Pasien, Konsultasi
Data Dasar, Akuisisi Pengetahuan
Daftar Data Dasar, Daftar Aturan
Saran Terapi, Rekam Medis Pasien
Universitas Sumatera Utara
Gambar 3.2 DFD Level 1 Sistem Pakar Untuk Diagnosa Penyakit TBC Pada
Anak
USER
P 1.0Olah
Data Dasar
P 2.0
Akuisisi Pengetahuan
P 3.0Olah
Data Pasien
P 4.0Proses
Konsultasi
P 5.0
Daftar Data Dasar
P 6.0
Daftar Aturan
P 7.0Lihat
Rekam Medis
P 8.0Cari
Saran Terapi
Data Dasar
Daftar Aturan
Pasien
Konsultasi
PAKAR
Data Pasien
Jawaban
Data Pasien
Saran Terapi
Data Dasar
Aturan Diagnosa, Aturan terapi
Data Pasien
Aturan Diagnosa
Data Dasar
Data Gejala Penyakit
Data Dasar
Data Dasar
Aturan DiagnosaAturan Diagnosa, Aturan Terapi
Aturan Diagnosa
Data Pasien
Data Pasien
Aturan Diagnosa, Aturan Terapi
Aturan Terapi
Aturan Diagnosa, Aturan Terapi
Data Dasar
Data Dasar
Aturan Diagnosa, Aturan Terapi
Universitas Sumatera Utara
Proses-proses DFD level 1 Sistem Pakar untuk Diagnosa Penyakit TBC Pada
Anak dapat dilihat sebagai berikut:
a. No./ Nama Proses : 1.0 / Olah Data Dasar
b. Input : Data Dasar
c. Proses : Data dasar diinput oleh pakar yang kemudian
dimasukkan ke dalam database Data Dasar. Data
dasar digunakan dalam operasional konsultasi dan
sebagai bahan untuk merepresentasikan
pengetahuan. Jenis-jenis data dasar yang diperlukan
dalam sistem pakar ini antara lain: sumber
pengetahuan pakar, data-data gejala yang menjadi
dasar diagnosa suatu penyakit, data-data penyakit
TBC, data-data penyakit selain TBC, data-data
pasien yang akan didiagnosa, data-data alergi yang
akan menjadi dasar penentuan terapi terkait dengan
kontraindikasi dari obat, data-data obat yang
diberikan kepada pasien, dan data terapi yang dapat
diberikan kepada pasien jika didiagnosa menderita
suatu penyakit.
d. Output : Data Dasar
a. No./ Nama Proses : 2.0 / Akuisisi Pengetahuan
b. Input : Data Dasar, Aturan Diagnosa, Aturan Terapi
c. Proses : Pakar dapat memasukkan aturan diagnosa dan
aturan terapi yang akan disimpan menjadi akuisisi
pengetahuan. Akuisisi pengetahuan ini juga berasal
dari data dasar yang telah diinput sebelumnya oleh
Pakar. Yang kemudian akan disimpan ke dalam
database Daftar Aturan.
d. Output : Aturan Diagnosa, Aturan Terapi
Universitas Sumatera Utara
a. No./ Nama Proses : 3.0 / Olah Data Pasien
b. Input : Data Pasien
c. Proses : User (paramedis) memasukkan data diri pasien
yang kemudian akan disimpan ke dalam database
Pasien.
d. Output : Data Pasien
a. No. / Nama Proses : 4.0 / Proses Konsultasi
b. Input : Jawaban, Data Gejala Penyakit, Aturan Diagnosa,
Data Pasien
c. Proses : Pada saat login sebagai paramedis dan dilakukan
proses konsultasi, maka sistem akan memanggil
data gejala penyakit dan aturan diagnosa dari
database Data Dasar dan Daftar Aturan. Juga data
pasien dari database Pasien. Setelah mendapat
jawaban atas gejala-gejala penyakit dari user, maka
aturan diagnosa akan disimpan dalam database
Konsultasi.
d. Output : Aturan Diagnosa, Aturan Terapi
a. No./ Nama Proses : 5.0 / Daftar Data Dasar
b. Input : Data Dasar
c. Proses : Data dasar yang dipanggil dari database daftar
data dasar yang kemudian dapat diakses oleh Pakar.
d. Output : Data Dasar
a. No./ Nama Proses : 6.0 / Daftar Aturan
b. Input : Aturan Diagnosa, Aturan Terapi
c. Proses : Daftar aturan akan memanggil aturan diagnosa dan
aturan terapi dari database data dasar untuk dapat
diakses oleh Pakar.
d. Output : Aturan Diagnosa, Aturan Terapi
Universitas Sumatera Utara
a. No./ Nama Proses : 7.0 / Lihat Rekam Medis
b. Input : Data Pasien, Aturan Diagnosa, Aturan Terapi
c. Proses : Setelah adanya jawaban konsultasi dan data pasien
yang diinput oleh user dan ada di dalam database
Pasien dan Konsultasi, maka semua data tersebut
akan ditampilkan dalam bentuk data dan rekam
medis pasien tersebut.
d. Output : Data Pasien
a. No./Nama Proses : 8.0 / Cari Saran Terapi
b. Input : Aturan Diagnosa, Aturan Terapi
c. Proses : Sistem akan memanggil aturan diagnosa dan
aturan terapi yang ada di dalam database Daftar
Aturan dan Konsultasi yang kemudian akan
ditampilkan sebagai saran terapi bagi user.
d. Output : Saran Terapi
3.2.1.2 Entity Relationship Diagram (ERD)
Pembuatan ERD digunakan untuk metode pemodelan data. ERD memungkinkan
perekayasa perangkat lunak mengidentifikasi objek data dan hubungannya dengan
menggunakan notasi grafis. Pada konteks analisis terstruktur, ERD menetapkan
semua data yang dimasukkan, disimpan, ditransformasi, dan diproduksi pada
suatu aplikasi.
Universitas Sumatera Utara
Entitas-entitas yang ditemukan berhubungan dengan Sistem Pakar untuk
Diagnosa Penyakit TBC pada Anak adalah:
a. Pakar. Entitas ini berupa pakar yang akan menjadi sumber pengetahuan
yang akan dimasukkan ke sistem pakar ini. Atribut Entitas Pakar yaitu:
IdPakar, Nama, dan Keterangan.
b. Data. Entitas ini berupa gejala, penyakit TBC dan penyakit non-TBC.
Atribut Entitas Data yaitu: IdData, Nama, Jenis, IsLama, IsQty,
SatuanQty, dan Keterangan.
c. Alergi. Entitas ini berupa alergi yang merupakan kontraindikasi obat.
Atribut Entitas Alergi yaitu: IdAlergi, Nama, dan Keterangan.
Gambar 3.3 Entity Relationship Diagram
Mendiagnosa
Data Membuat
Pakar Menggunakan
Kasus
Terapi
Obat
Alergi Pasien Menentukan Melaporkan
Melaporkan Menentukan
Menentukan
Menentukan
Universitas Sumatera Utara
d. Obat. Entitas ini berupa obat yang akan diberikan kepada pasien
berdasarkan terapi yang ditentukan. Atribut Entitas Obat yaitu: IdObat,
Nama, Efeksamping, dan Keterangan.
e. Terapi. Entitas ini berupa terapi yang diberikan kepada pasien sesuai
dengan penyakit yang diderita. Atribut Entitas Terapi yaitu: IdTerapi,
Nama, dan Keterangan.
f. Pasien. Entitas ini berupa pasien yang akan didiagnosa. Atribut Entitas
Pasien yaitu: IdPasien, Nama, Alamat, Tgl_Lahir, dan Keterangan.
g. Kasus. Entitas ini berupa catatan kasus penyakit yang dialami oleh seorang
pasien. Atribut Entitas Kasus yaitu: IdKasus, IdPasien.
3.2.1.3 Perancangan Kamus Data
Kamus data merupakan sebuah daftar yang terorganisasi dari elemen data yang
berhubungan dengan sistem, dan digunakan untuk menggambarkan kandungan
dari objek yang didefinisikan selama analisis terstruktur. Data dari sistem pakar
ini yaitu:
Tabel 3.1 Kamus Data Pengguna
Nama Field Tipe Data Keterangan IdPengguna (PK) Integer AutoIncrement Nama Varchar(30) Pass Varchar(8) Akses Integer 0 : Paramedis
1 : Pakar
Keterangan Varchar(80)
Tabel 3.2 Kamus Data Pakar
Nama Field Tipe Data Keterangan IdPakar (PK) Integer AutoIncrement Nama Varchar(30) Keterangan Varchar(80)
Universitas Sumatera Utara
Tabel 3.3 Kamus Data Data
Nama Field Tipe Data Keterangan IdData (PK) Integer AutoIncrement Nama Varchar(30) Jenis Integer 0 : Gejala
1 : Penyakit TBC 2 : Penyakit Non TBC
IsLama Char(1) IsQty Char(1) SatuanQty Varchar(30) Keterangan Varchar(80)
Tabel 3.4 Kamus Data Obat
Nama Field Tipe Data Keterangan IdObat (PK) Integer AutoIncrement Nama Varchar(30) EfekSamping Varchar(80) Keterangan Varchar(80)
Tabel 3.5 Kamus Data Alergi
Nama Field Tipe Data Keterangan IdAlergi (PK) Integer AutoIncrement Nama Varchar(30) Keterangan Varchar(80)
Tabel 3.6 Kamus Data Kontra Obat
Nama Field Tipe Data Keterangan IdObat Integer Foreign Key dari tabel Obat IdAlergi (PK) Integer Foreign Key dari tabel Alergi
Tabel 3.7 Kamus Data Terapi
Nama Field Tipe Data Keterangan IdTerapi (PK) Integer AutoIncrement Nama Varchar(30) Keterangan Varchar(80)
Tabel 3.8 Kamus Data Detail Terapi
Nama Field Tipe Data Keterangan IdTerapi (PK) Integer Foreign Key dari tabel Terapi IdObat Varchar(30) Foreign Key dari tabel Obat Dosis Numeric Satuan: mg/kg berat badan/hari
Universitas Sumatera Utara
Lama Numeric Satuan: hari Frekuensi Integer SatuanFrekuensi Integer 0 : kali per hari
1 : kali per minggu 2 : kali per bulan 3 : kali per tahun
Maks Numeric Maksimum obat dalam mg per hari
Tabel 3.9 Kamus Data Rule Diagnosa
Nama Field Tipe Data Keterangan IdRule (PK) Integer AutoIncrement IdPakar Integer Foreign Key dari tabel Pakar IdDataKonklusi Integer Foreign Key dari tabel Data CF Numeric Nilai antara -1 s/d 1 Keterangan Varchar(80)
Tabel 3.10 Kamus Data Detail Rule Diagnosa
Nama Field Tipe Data Keterangan IdRule (PK) Integer Foreign Key dari tabel
Rule_Dignosa Op_Rule Integer 0 : Jika
1 : Jika Tidak 2 : Dan 3 : Dan Tidak 4 : Atau 5 : Atau Tidak
IdDataPremis Integer Foreign Key dari tabel Data Op_Qty Integer 0 : =
1 : >= 2 : = 2 :
N : Belum pernah diterapi IdTerapi_Sebelumnya Integer Diisi jika IsDiterapi bernilai
Y Foreign Key dari tabel Terapi
Lama Numeric(15,2) Diisi jika IsDiterapi bernilai Y
Perkembangan Integer Diisi jika IsDiterapi bernilai Y 0 : Baik 1 : Biasa 2 : Kurang
Treatment Integer 0 : Lanjutkan 1 : Ganti Terapi 2 : Hentikan
IdTerapi_Sekarang Integer Foreign Key dari tabel Terapi
Tabel 3.12 Kamus Data Pasien
Nama Field Tipe Data Keterangan IdPasien (PK) Integer AutoIncrement Nama Varchar(30) Alamat Varchar(80) Tgl_Lahir Date Keterangan Varchar(80)
Tabel 3.13 Kamus Data Alergi Pasien
Nama Field Tipe Data Keterangan IdPasien Integer Foreign Key dari tabel Pasien IdAlergi (PK) Integer Foreign Key dari tabel Alergi
Tabel 3.14 Kamus Data Kasus
Nama Field Tipe Data Keterangan IdKasus (PK) Integer AutoIncrement IdPasien Integer Foreign Key dari tabel Pasien
Tabel 3.15 Kamus Data Kunjungan
Nama Field Tipe Data Keterangan IdKunjungan (PK) Integer AutoIncrement IdKasus Integer Foreign Key dari tabel Kasus Tgl Date BB Numeric Berat badan saat berkunjung,
untuk menentukan dosis obat IdTerapi Integer Foreign Key dari tabel Terapi Keterangan Varchar(80)
Universitas Sumatera Utara
Tabel 3.16 Kamus Data Diagnosa
Nama Field Tipe Data Keterangan IdDiag (PK) Integer AutoIncrement IdKasus Integer Foreign Key dari tabel Kasus IdData Integer Foreign Key dari tabel Data Qty Integer Lama Integer
Tabel 3.17 Kamus Data Obat Kunjungan
Nama Field Tipe Data Keterangan IdKunjungan (PK) Integer IdObat Varchar(30) Foreign Key dari tabel Obat Dosis Numeric Satuan : mg/kg berat badan/hari Lama Numeric Satuan : hari Frekuensi Integer SatuanFrekuensi Integer 0 : kali per hari
1 : kali per minggu 2 : kali per bulan 3 : kali per tahun
3.2.2 Fasilitas Akuisisi Pengetahuan
Fasilitas akuisisi pengetahuan digunakan untuk memasukkan fakta-fakta dan
kaidah-kaidah sesuai dengan perkembangan ilmu. Seperti juga sistem pakar lain,
sistem pakar ini memerlukan pengetahuan yang memadai untuk mendiagnosa
penyakit yang diderita oleh anak yang menderita penyakit TBC atau non-TBC.
Daftar pengetahuan penyakit tersebut terdapat pada Tabel 3.18.
Tabel 3.18 Ciri-ciri Penyakit TBC dan Non-TBC
No. Penyakit Ciri-ciri 1. Asma a. Batuk
b. Frekuensi nafas meningkat c. Amplitudo nafas dangkal d. Sesak Nafas e. Nafas cuping hidung
2. Cacingan a. Nafsu makan kurang b. Tidak diberi obat cacing secara berkala
3. Demam Tifoid a. Demam b. Gejala gastrointestinal
Universitas Sumatera Utara
c. Gejala syaraf sentral d. Hepatomegali e. Splenomegali f. Skilaba g. Lidah kotor, tepi hiperemis
4. TBC a. Demam b. Batuk c. Anoreksia d. Keringat malam e. Penurunan BB f. Malaise g. Parut BCG h. Uji Tuberkulin Positif i. BTA positif j. Kelainan minimal pada rontgen paru k. Rontgen positif TB l. Pemeriksaan lab positif
5. Gejala syaraf sentral
a. Apatis b. Kesadaran menurun c. Mengigau d. Delirium
6. Malaria a. Demam b. Tinggal di daerah endemik malaria c. Anemia d. Splenomegali e. Hepatomegali f. Ikterus g. Hipotensi h. Herpes labialis
7. Morbili a. Demam b. Batuk c. Pilek d. Mata merah e. Tahi mata f. Fotofobi g. Diare h. Muntah i. Epistaksis j. Petekie k. Ekimosis
Sumber : 1. Pedoman Nasional Penanggulangan Tuberkulosis, Departemen
Kesehatan RI. 2. dr. Yanti
Secara default dalam sistem ini telah memiliki 28 aturan diagnosa yang
bersumber dari pakar. Pakar akan memasukkan pengetahuan yang dimilikinya ke
Universitas Sumatera Utara
format yang disediakan, yang nantinya masih bisa ditambahkan apabila ada
kekurangan. Daftar aturan diagnosa dalam sistem pakar ini ditunjukkan dalam
Tabel 3.19.
Tabel 3.19 Akuisisi Pengetahuan Aturan Diagnosa
No Aturan 1 JIKA Batuk
DAN Frekuensi nafas meningkat DAN Amplitudo nafas dangkal DAN Sesak nafas DAN Nafas cuping hidung MAKA Asma, CF 1
2 JIKA nafsu makan kurang DAN TIDAK Sudah pernah diberi obat cacing MAKA Cacingan, CF 1
3 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 1 D. Celcius) selama >= 7 hari (toleransi 1 hari) DAN Gejala Gastrointestinal DAN Gejala Syaraf Sentral DAN Hepatomegali DAN Splenomegali DAN Skilaba DAN Lidah kotor, tepi hiperemis MAKA Demam Tifoid, CF 1
4 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 2 D. Celcius) selama >= 14 hari (toleransi 2 hari) DAN Batuk DAN Anoreksia DAN Keringat Malam DAN Penurunan BB DAN Malaise DAN Parut BCG DAN Uji Tuberkulin Positif DAN Kelainan minimal pada rontgen paru (infiltrat ringan) MAKA Gejala Klinik TB Positif, CF 1
5 JIKA Batuk DAN Anoreksia DAN Keringat Malam DAN Penurunan BB DAN Malaise DAN Parut BCG
Universitas Sumatera Utara
DAN Uji Tuberkulin Positif DAN Kelainan minimal pada rontgen paru (infiltrat ringan) MAKA Gejala Klinik TB Posistif, CF 0.85
6 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 2 D. Celcius) selama >= 14 hari (toleransi 2 hari) DAN Anoreksia DAN Keringat Malam DAN Penurunan BB DAN Malaise DAN Parut BCG DAN Uji Tuberkulin Positif DAN Kelainan minimal pada rontgen paru (infiltrat ringan) MAKA Gejala Klinik TB Positif, CF 0.88
7 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 2 D. Celcius) selama >= 14 hari (toleransi 2 hari) DAN Batuk DAN Keringat Malam DAN Penurunan BB DAN Malaise DAN Parut BCG DAN Uji Tuberkulin Positif DAN Kelainan minimal pada rontgen paru (infiltrat ringan) MAKA Gejala Klinik TB Positif, CF 0.88
8 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 2 D. Celcius) selama >= 14 hari (toleransi 2 hari) DAN Batuk DAN Anoreksia DAN Penurunan BB DAN Malaise DAN Parut BCG DAN Uji Tuberkulin Positif DAN Kelainan minimal pada rontgen paru (infiltrat ringan) MAKA Gejala Klinik TB Positif, CF 0.88
9 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 2 D. Celcius) selama >= 14 hari (toleransi 2 hari) DAN Batuk DAN Anoreksia DAN Keringat Malam DAN Malaise DAN Parut BCG DAN Uji Tuberkulin Positif DAN Kelainan minimal pada rontgen paru (infiltrat ringan) MAKA Gejala Klinik TB Positif, CF 0.9
10 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 2 D. Celcius)
Universitas Sumatera Utara
selama >= 14 hari (toleransi 2 hari) DAN Batuk DAN Anoreksia DAN Keringat Malam DAN Penurunan BB DAN Parut BCG DAN Uji Tuberkulin Positif DAN Kelainan minimal pada rontgen paru (infiltrat ringan) MAKA Gejala Klinik TB Positif, CF 0.92
11 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 2 D. Celcius) selama >= 14 hari (toleransi 2 hari) DAN Batuk DAN Anoreksia DAN Keringat Malam DAN Penurunan BB DAN Malaise DAN Uji Tuberkulin Positif DAN Kelainan minimal pada rontgen paru (infiltrat ringan) MAKA Gejala Klinik TB Positif, CF 0.88
12 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 2 D. Celcius) selama >= 14 hari (toleransi 2 hari) DAN Batuk DAN Anoreksia DAN Keringat Malam DAN Penurunan BB DAN Malaise DAN Parut BCG DAN Kelainan minimal pada rontgen paru (infiltrat ringan) MAKA Gejala Klinik TB Positif, CF 0.86
13 JIKA Demam dengan kuantitas 38 D. Celcius (toleransi 2 D. Celcius) selama >= 14 hari (toleransi 2 hari) DAN Batuk DAN Anoreksia DAN Keringat Malam DAN Penurunan BB DAN Malaise DAN Parut BCG DAN Uji Tuberkulin Positif MAKA Gejala Klinik TB Positif, CF 1
14 JIKA Apatis DAN Kesadaran Menurun DAN Mengigau DAN Delirium MAKA Gejala Syaraf Sentral, CF 1
Universitas Sumatera Utara
15 JIKA Tes LED tinggi dengan kuantitas >= 30 (toleransi 10)
MAKA Lab Positif TB, CF 1
16 JIKA Demam dengan kuantitas >= 41 D. Celcius (toleransi 1 D. Celcius) selama >= 3 hari (toleransi 1 hari) DAN Tinggal di daerah endemik malaria DAN Anemia DAN Splenomegali DAN Hepatomegali DAN Ikterus DAN Hipotensi DAN Herpes labialis MAKA Malaria, CF 1
17 JIKA Demam dengan kuantitas >= 39 D. Celcius (toleransi 3 D. Celcius) selama >= 3 hari (toleransi 3 hari) DAN Batuk DAN Pilek DAN Mata Merah DAN Tahi Mata DAN Fotofobi DAN Diare DAN Muntah DAN Epistaksis DAN Petekie DAN Ekimosis DAN TIDAK Vaksinasi Campak MAKA Morbili, CF 1
18 JIKA Ada Kontak dengan Penderita TB MAKA Profilaksis Primer, CF 1
19 JIKA Uji Tuberkulin Positif DAN Umur > 5 th DAN Adolesen MAKA Profilaksis Sekunder, CF 1
20 JIKA Pembesaran Kelenjar Hilus DAN Pembesaran Kelenjar Paratrakeal DAN Efusi Pleura DAN Milier DAN Atelektasis DAN Emfisema lobus MAKA Rontgen Positif TB, CF 1
21 JIKA Uji Tuberkulin Positif DAN Gejala Klinik TB Positif
Universitas Sumatera Utara
Setelah seorang pasien positif terkena suatu penyakit TBC atau tidak,
sistem pakar ini akan menyarankan terapi kepada pasien. Aturan terapi yang
sudah dimasukkan ke dalam sistem ini ditunjukkan pada Tabel 3.20.
Tabel 3.20 Akuisisi Pengetahuan Aturan Terapi
1
Konklusi: Terapi Spesifik Terapi sekarang: Terapi Spesifik1 INH, 15mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari Pirazinamid, 25mg/kgbb/hr (2xsehari) durasi:60hari maks:1500mg/hari
2
Konklusi: Terapi Spesifik Terapi sekarang: Terapi Spesifik2
DAN Umur > 5 th MAKA Terapi Spesifik, CF 1
22 JIKA BTA Positif MAKA Terapi Spesifik, CF 1
23 JIKA Uji Tuberkulin Positif DAN Gejala Klinik TB Positif DAN Rontgen Positif TB DAN Lab Positif TB MAKA Terapi Spesifik, CF 1
24 JIKA Indurasi uji tuberkulin dengan kuantitas >= 10 mm (toleransi 5 mm) DAN Belum imunisasi BCG MAKA Uji Tuberkulin Positif, CF 1
25 JIKA Indurasi uji tuberkulin dengan kuantitas >= 15 mm (toleransi 5 mm) DAN Sudah imunisasi BCG/BCG 5 tahun MAKA Uji Tuberkulin Positif, CF 1
26 JIKA Indurasi uji tuberkulin dengan kuantitas
INH, 10mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari Pirazinamid, 25mg/kgbb/hr (2xsehari) durasi:60hari maks:1500mg/hari Rifampisin, 10mg/kgbb/hr (1xsehari) durasi:180hari maks:600mg/hari
3
Konklusi: Profilaksis Primer Terapi sekarang: Profilaksis Primer INH, 10mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari
4
Konklusi: Profilaksis Sekunder Terapi sekarang: Profilaksis Sekunder INH, 15mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari
5
Konklusi: Terapi Spesifik Terapi sebelumnya: Terapi Spesifik1 (30 hari) INH, 15mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari Pirazinamid, 25mg/kgbb/hr (2xsehari) durasi:60hari maks:1500mg/hari Perkembangan: BAIK Treatment: LANJUTKAN
6
Konklusi: Terapi Spesifik Terapi sebelumnya: Terapi Spesifik2 (30 hari) INH, 10mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari Pirazinamid, 25mg/kgbb/hr (2xsehari) durasi:60hari maks:1500mg/hari Rifampisin, 10mg/kgbb/hr (1xsehari) durasi:180hari maks:600mg/hari Perkembangan: BAIK Treatment: LANJUTKAN
7
Konklusi: Terapi Spesifik Terapi sebelumnya: Terapi Spesifik1 (180 hari) INH, 15mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari Pirazinamid, 25mg/kgbb/hr (2xsehari) durasi:60hari maks:1500mg/hari Perkembangan: BAIK Treatment: HENTIKAN
8
Konklusi: Terapi Spesifik Terapi sebelumnya: Terapi Spesifik2 (180 hari) INH, 10mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari Pirazinamid, 25mg/kgbb/hr (2xsehari) durasi:60hari maks:1500mg/hari Rifampisin, 10mg/kgbb/hr (1xsehari) durasi:180hari maks:600mg/hari Perkembangan: BAIK Treatment: HENTIKAN
9
Konklusi: Profilaksis Primer Terapi sebelumnya: HENTIKAN (30 hari)
Universitas Sumatera Utara
Perkembangan: BIASA Treatment: GANTI TERAPI Terapi sekarang: Terapi Spesifik1 INH, 15mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari Pirazinamid, 25mg/kgbb/hr (2xsehari) durasi:60hari maks:1500mg/hari
10
Konklusi: Profilaksis Sekunder Terapi sebelumnya: Profilaksis Sekunder (30 hari) INH, 15mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari Perkembangan: BIASA Treatment: GANTI TERAPI Terapi sekarang: Terapi Spesifik2 INH, 10mg/kgbb/hr (1xsehari) durasi:180hari maks:400mg/hari Pirazinamid, 25mg/kgbb/hr (2xsehari) durasi:60hari maks:1500mg/hari Rifampisin, 10mg/kgbb/hr (1xsehari) durasi:180hari maks:600mg/hari
11
Konklusi: Profilaksis Primer Terapi sebelumnya: HENTIKAN (30 hari) Perkembangan: KURANG Treatment: LANJUTKAN
3.2.3 Mekanisme Inferensi
Ada 2 fasilitas utama dalam sistem ini, yaitu melakukan diagnosa terhadap suatu
penyakit dan memberikan saran terapi kepada user. Pada bagian ini akan
dijelaskan mekanisme inferensi diagnosa dan inferensi terapi.
3.2.3.1 Inferensi Diagnosa
Diagnosa adalah menentukan penyakit yang diderita pasien berdasarkan data-data
yang diberikan oleh user. Dalam melakukan diagnosa suatu penyakit di dalam
sistem ini menggunakan algoritma forward chaining dan backward chaining
sekaligus. Forward chaining digunakan untuk menentukan calon-calon penyakit
yang mungkin diderita oleh pasien berdasarkan gejala yang dimasukkan oleh user.
Setelah diketahui daftar penyakit yang menjadi calon konklusi, dilakukan
backward chaining guna mengetahui gejala pendukung yang menentukan
penyakit-penyakit tersebut.
Universitas Sumatera Utara
Penentuan penyakit dilakukan dengan memilih diantara calon konklusi
yang memiliki CF tertinggi.
3.2.3.2 Inferensi Terapi
Metode penalaran yang dipakai dalam penentuan terapi ini adalah dengan
menggunakan metode forward chaining, yaitu suatu metode penelusuran dengan
didasarkan hasil diagnosa kemudian menuju ke alternatif terapi yang mungkin
dilakukan.
Suatu jenis terapi yang diberikan kepada seorang pasien akan menentukan
obat apa saja yang harus dikonsumsi oleh pasien. Dalam mengonsumsi suatu obat,
harus diperhatikan antara kontraindikasi obat tersebut dengan alergi yang diderita
oleh pasien.
3.2.3.3 Perancangan Mesin Inferensi
Perancangan mesin inferensi dapat ditunjukkan dengan pohon keputusan dan atau
flowchart.
Pohon keputusan yang digunakan sebagai sebuah alat bantu/pendukung
(support tool) dalam membuat suatu keputusan di dalam sistem ini seperti pada
Gambar 3.4. Pohon keputusan ini menggunakan algoritma forward chaining dan
backward chaining. Runut pohon keputusan tersebut terdapat pada Tabel 3.19.
Universitas Sumatera Utara
Gambar 3.4 Pohon Keputusan Diagnosa dan Terapi
penyakit TBC pada Anak
2
Terapi spesifik
Uji Tuberkulin +
BTA +
4 1
2 3
Klinis TB
Umur < 5 th Indurasi >= 10 mm
Blm imunisasi BCG
Indurasi >= 15 mm
Sdh imunisasi BCG
Demam
Batuk
Anoreksia
Keringat Malam
Malaise
Penurunan BB
1
1
1
Uji Tuberkulin + Rontgen + Lab +
2 1 1
Indurasi >= 10 mm
Blm imunisasi BCG
Indurasi >= 15 mm
Sdh imunisasi BCG
Pembesaran Kelenjar hilus
Efusi Pleura
Milier
Atelektasis
Emfisema Lobus
Pembesaran kelenjar paratrakeal
LED Tinggi
Demam
Batuk
Anoreksia
Keringat Malam
Parut BCG
Penurunan BB
Malaise
Klinis TB Uji Tuberkulin ulang setelah 3-4 minggu +
Indurasi >= 10 mm
Blm imunisasi BCG
Sdh imunisasi BCG
Indurasi >= 15 mm
1
1 2
Universitas Sumatera Utara
Pohon keputusan pada gambar 3.4 dibaca dari bawah ke atas. Simpul
paling atas pada pohon keputusan ini adalah simpul akar. Simpul yang ditandai
dengan tanda kotak di simpul tersebut disebut dengan simpul keputusan. Cabang-
cabang yang mengarah ke kanan dan ke kiri dari sebuah cabang keputusan
merepresentasikan kumpulan dari alternatif keputusan yang bisa diambil. Hanya
satu keputusan yang dapat diambil dalam suatu waktu.
Terapi spesifik terdiri dari 4 alternatif keputusan yang bisa diambil, yang
kemudian dibagi lagi menjadi beberapa cabang pilihan.
Jika Indurasi >= 10 mm dan belum imunisasi BCG maka keputusan yang
diambil adalah Uji Tuberkulin positif dan akan disarankan untuk terapi spesifik.
Jika Indurasi >= 15 mm dan pasien sudah imunisasi, maka keputusan yang
diambil adalah Uji Tuberkulin positif.
Jika pasien mengalami demam, batuk, anoreksia, keringat pada malam
hari, berat badan menurun dan malaise, maka pasien disarankan untuk melakukan
klinis TB.
Untuk pasien berumur < 5 tahun, yang menjalani Uji Tuberkulin positif
dan Klinis TB, disarankan untuk mengikuti terapi spesifik.
Jika pasien mengalami pembesaran kelenjar hilus, pembesaran kelenjar
pankreas, efusi pleura, milier, atelektasis dan emfisema lobus, maka disarankan
kepada pasien untuk menjalani Rongjen positif. Sedangkan untuk pasien yang
memiliki LED tinggi, disarankan untuk mengikuti Lab positif.
Untuk pasien yang menjalani Uji Tuberkulin positif, Rontgen positif dan
Lab positif, maka disarankan untuk mengikuti Terapi spesifik.
Jika pasien mengalami demam, batuk, anoreksia, keringat malam,
penurunan berat badan, malaise dan perut BCG, maka disarankan kepada pasien
untuk mengikuti klinis TB.
Universitas Sumatera Utara
Jika pasien belum imunisasi dan memliki indurasi >= 10 mm, maka
disarankan kepada pasien untuk mengikuti uji tuberkulin ulang setelah 3-4
minggu positif, dan jika pasien yang sudah imunisasi BCG dan Indurasi BCG,
maka pasien juga akan melakukan uji tersebut.
Pasien yang menjalani BTA positif, juga disarankan menjalani terapi
spesifik.
Flowchart adalah simbol-simbol yang digunakan untuk menggambarkan
sebuah pernyataan logika pemrograman serta aliran logika yang ditunjukkan
dengan arah panah.
Saran Terapi dan Rekam Medis
Data Gejala/Penyakit, Data Alergi/Kontraindikasi, Data Obat, Data Terapi, Manajemen Aturan
Diagnosa, Manajemen Aturan Terapi
Data Pasien
Mulai
User Login
Pakar?
Data Gejala/Penyakit, Data Alergi/Kontraindikasi, Data Obat, Data Terapi, Manajemen Aturan
Diagnosa, Manajemen Aturan Terapi
Data Pasien
Data Konsultasi
Penentuan Penyakit TBC pada Pasien
Selesai
Gambar 3.5 Flowchart Sistem Pakar Untuk Diagnosa Penyakit TBC Pada Anak
Ya
Tidak
Data Gejala/Penyakit, Data Alergi/Kontraindikasi, Data Obat, Data Terapi, Manajemen Aturan
Diagnosa, Manajemen Aturan Terapi
Universitas Sumatera Utara
Dari Gambar 3.5, dapat dijelaskan langkah-langkah proses yang dilakukan
adalah sebagai berikut:
Saat mulai menjalankan sistem berada pada posisi Mulai, kemudian
diminta memasukkan user dan password. Apabila login sebagai Pakar, maka ada
pilihan-pilihan menu untuk menginput Data Gejala/Penyakit, Data
Alergi/Kontraindikasi, Data Obat, Data Terapi, Manajemen Aturan Diagnosa, dan
Manajemen Aturan Terapi. Input ini akan menjadi database yang kemudian akan
memberikan output berupa daftar data yang telah dimasukkan sebelumnya. Untuk
login sebagai user yang lain, maka harus keluar dari menu utama Pakar.
Setelah keluar dari menu utama Pakar, maka akan ditampilkan kembali
halaman untuk login. Apabila tidak login sebagai Pakar, maka user dan password
yang dimasukkan adalah bagi Paramedis. Sebagai paramedis, dapat memasukkan
Data Pasien sehingga menjadi database Data Pasien. Setelah itu, paramedis
memasukkan Data Konsultasi yang diperoleh dengan cara bertanya kepada pasien.
Setelah itu sistem akan menggunakan algoritma forward chaining untuk
mengetahui jenis penyakit dari gejala yang telah ada. Kemudian diperlukan besar
CF untuk menentukan apakah penyakit tersebut atau tidak. Data Pasien serta Data
Konsultasi tersebut nantinya akan mengeluarkan output berupa Saran Terapi dan
Rekam Medis pasien. Setelah itu maka sistem ini Selesai.
3.2.4 Perancangan Antarmuka
Perancangan antarmuka merupakan gambaran pembuatan aplikasi sistem pakar
yang nantinya akan menjadi bentuk sistem pakar yang sebenarnya untuk
komunikasi antara user dan komputer. Berikut adalah rancangan model form-form
yang akan dipergunakan pada aplikasi sistem pakar ini.
Universitas Sumatera Utara
3.2.4.1 Rancangan Halaman Menu Login
Form login merupakan form awal pada saat user maupun pakar mengakses sistem
pakar ini. Form ini akan digunakan untuk memilih apakah login sebagai user
maupun pakar. Jika proses login gagal, baik karena adanya kesalahan data ataupun
ada input yang kosong, maka akan ditampilkan pesan kesalahan dan harus
menginput ulang data yang benar. Apabila proses login berhasil, maka akan
ditampilkan form utama user (paramedis) ataupun pakar.
Gambar 3.6 Rancangan Halaman Menu Login
3.2.4.2 Rancangan Halaman Menu Utama Pakar
Halaman ini akan ditampilkan setelah pakar berhasil login. Rancangan menu
utama pakar ini mempunyai menu pilihan seperti File, Data, dan Akuisisi. Di
setiap menu tersebut teradapat submenu-submenu yang juga dapat dipilih oleh
pakar. Menu logout digunakan untuk keluar dari sistem sebagai pakar dan
kemudian kembali ke menu login.
Submenu data dimaksudkan untuk memasukkan data yang dianggapp
kurang, sementara submenu pada Akuisisi berisi aturan-aturan yang dimasukkan
pakar untuk keperluan diagnosa pasien.
User
Password
Login Tutup
Universitas Sumatera Utara
Gambar 3.7 Rancangan Halaman Menu Utama Pakar
3.2.4.3 Rancangan Halaman Menu Data Gejala/Penyakit
Halaman ini akan muncul apabila dipilih submenu Data-Gejala/Penyakit, yang
akan menampilkan daftar gejala/penyakit yang telah atau akan dimasukkan oleh
pakar yang digunakan sebagai pendukung diagnosa. Berikut adalah tampilan
rancangan halaman ini:
Tanggal :
X
File Data Akuisisi Log Out
Keluar
Gejala/Penyakit
Alergi
Obat
Terapi
Aturan Diagnosa
Aturan Terapi
X MANAJEMEN DATA GEJALA PENYAKIT
No Nama Jenis isQty isLama(hari) Keterangan
Tutup Tambah Edit Hapus
Gambar 3.8 Rancangan Halaman Menu Data Gejala/
Universitas Sumatera Utara
Apabila pakar akan menambah atau mengedit data gejala/penyakit dan
meng-klik tombol Tambah atau Edit pada Gambar 3.8, maka akan muncul
tampilan seperti Gambar 3.9. Setelah pakar memasukkan data yang baru atau data
yang di-edit dan meng-klik tombol Simpan, maka data tersebut akan masuk ke
halaman menu Data Gejala/Penyakit.
Untuk menghapus data gejala/penyakit maka pakar harus meng-klik
nomor data yang akan dihapus, kemudian tekan tombol Hapus.
Gambar 3.9 Rancangan Halaman Menu Tambah/Edit Data Gejala/Penyakit
3.2.4.4 Rancangan Halaman Menu Data Alergi
Apabila pakar memilih submenu Data-Alergi dari halaman menu utama, maka
akan muncul tampilan seperti berikut ini:
Nam
Jenis Batuk
GEJALA Memperhitungkan kualitas Lama (hari)
Keterangan
Simpan Batal
X KONTRA INDIKASI
No Nama Keterangan Tutup Tambah Edit Hapus
Gambar 3.10 Rancangan Halaman Menu Data Alergi Universitas Sumatera Utara
Untuk menambah atau mengedit data alergi, pakar dapat meng-klik tombol
Tambah atau Edit seperti pada Gambar 3.10. Maka akan muncul tampilan seperti
Gambar 3.11. Apabila pakar telah selesai memasukkan data, kemudian menekan
tombol Simpan, maka data tersebut akan tersimpan di halaman menu data alergi.
Gambar 3.11 Rancangan Halaman Menu Tambah/Edit Data Alergi
3.2.4.5 Rancangan Halaman Menu Data Obat
Apabila pakar memilih submenu Data-Obat dari halaman menu utama pakar,
maka akan muncul tampilan seperti di bawah ini:
Gambar 3.12 Rancangan Halaman Menu Data Obat
Kontra Indikasi Keterangan :
Simpan Batal
Typus
X MANAJEMEN OBAT
No Nama Kontra Indikasi
Efek Samping Keterangan
1 2 3 4 5
Tutup Tambah Edit Hapus
Universitas Sumatera Utara
Jika pakar akan menambah atau mengedit data manajemen obat, maka
ditekan tombol Tambah, kemudian akan muncul tampilan berikut ini:
Gambar 3.13 Rancangan Halaman Menu Tambah/Edit Data Obat
3.2.4.6 Rancangan Halaman Menu Data Terapi
Apabila pakar memilih submenu Data-Terapi dari halaman utama pakar, maka
akan muncul tampilan seperti berikut ini:
Nama Efek Samping
Simpan Batal
Keterangan
Kontra
NO NAMA KETERANGAN
X MANAJEMEN TERAPI
ID Nama Keterangan 0 1 2 3 4
Tutup Tambah Edit Hapus
TERAPI :
Obat Dosis Frekuensi 0 1 2
DETAIL
Jumlah Terapi : 5
Gambar 3.14 Rancangan Halaman Menu Data Terapi
Universitas Sumatera Utara
Untuk menambah atau mengedit data terapi, pakar dapat meng-klik tombol
Tambah atau Edit. Berikut adalah tampilan yang muncul:
Gambar 3.15 Rancangan Halaman Menu Tambah/Edit Data Terapi
Setelah pakar memasukkan data, maka di-klik tombol Simpan, sehingga
data yang telah dimasukkan akan muncul di halaman menu data terapi.
3.2.4.7 Rancangan Halaman Menu Aturan Diagnosa
Jika pakar akan memasukkan aturan-aturan diagnosa, maka pada halaman utama
pakar, dipilih submenu Akuisisi-Aturan Diagnosa. Berikut tampilan menu aturan
diagnosa pada sistem pakar ini:
Nama Keterangan
Simpan Batal
SEHARI
0
0
0
Obat Lama (hari)
Dosis Frekuensi Satuan
Maksimum
Tambah Obat Hapus
Obat Dosis Maksimum Lama Frekuensi
Universitas Sumatera Utara
Gambar 3.16 Rancangan Halaman Menu Aturan Diagnosa
X MANAJEMEN ATURAN DIAGNOSA
No Id A T U R A N D I A G N O S A 1 Rule: JIKA Batuk DAN 2 3
Tutup Tambah Edit Hapus
No
Pakar
Jumlah Terapi : 28
Tampil
Pakar: Konklusi: CF Pakar: Keterangan Aturan: Operator: Premis:
Masukkan
Operator Data Jenis Keterangan Kuantitas Tol Lama Tol
Batal Simpan
Penyakit TBC/non-TBC
Hapus
Gambar 3.17 Rancangan Halaman Tambah/Edit Aturan Diagnosa
Universitas Sumatera Utara
Apabila pakar akan menambahkan atau mengedit isi aturan diagnosa,
maka setelah di-klik tombol Tambah atau Edit pada halaman menu aturan
diagnosa, akan muncul tampilan seperti Gambar 3.17.
3.2.4.8 Rancangan Halaman Menu Aturan Terapi
Apabila pakar memilih submenu Akuisisi-Aturan Terapi pada halaman menu
utama pakar, maka akan muncul tampilan seperti berikut ini:
Gambar 3.18 Rancangan Halaman Menu Aturan Terapi
Untuk menampilkan aturan terapi, pakar dapat memasukkan angka nomor
aturan di tempat yang ada, kemudian meng-klik tombol Tampil, sehingga aturan-
aturan terapi akan muncul.
3.2.4.9 Rancangan Halaman Menu Utama Paramedis
Halaman ini akan ditampilkan setelah paramedis berhasil login. Rancangan menu
utama paramedis (user) ini mempunyai menu pilihan seperti File, Data, dan
Akuisisi. Di setiap menu tersebut teradapat submenu-submenu yang juga dapat
MANAJEMEN ATURAN TERAPI No. Aturan: s/d Tampil
No.ID Aturan Terapi
Tutup Tambah Hapus Simpan ke
Universitas Sumatera Utara
dipilih oleh pakar. Menu logout digunakan untuk keluar dari sistem sebagai
paramedis dan kemudian kembali ke menu login.
Submenu pendaftaran untuk mendaftarkan pasien yang akan melakukan
konsultasi, sementara submenu Konsultasi adalah untuk memberikan diagnosa
kepada pasien yang telah mendaftar tersebut.
Gambar 3.19 Rancangan Halaman Menu Utama Paramedis
3.2.4.10 Rancangan Halaman Menu Pendaftaran Pasien
Apabila paramedis memilih submenu pendaftaran pasien dari halaman menu
utama paramedis, maka akan muncul tampilan seperti berikut:
Tanggal :
X
File Pendaftaran Konsultasi Log Out
Keluar
Pasien Kasus Baru
Kasus Lanjutan
Rekam Medis
Universitas Sumatera Utara
Gambar 3.20 Rancangan Halaman Pendaftaran Pasien
Jika paramedis akan menambahkan atau mengedit data pasien, maka di-
klik tombol Tambah atau Edit, kemudian akan muncul tampilan berikut ini:
Gambar 3.21 Rancangan Halaman Tambah/Edit Pasien
3.2.4.11 Rancangan Halaman Menu Konsultasi Kasus Baru
Apabila paramedis memilih submenu Konsultasi Kasus Baru, maka akan muncul
tampilan seperti berikut ini:
MANAJEMEN PASIEN Id: Nama: Alamat: Cari
ID Nama Alamat Tgl. Lahir Keterangan
Tutup Tambah Edit Hapus
Nama Alamat Tanggal Lahir Keterangan
Simpan Batal
Universitas Sumatera Utara
Gambar 3.22 Rancangan Halaman Menu Konsultasi Kasus Baru
Setelah paramedis memasukkan ID pasien yang sesuai dengan halaman
menu Manajemen Pasien, maka data pasien akan otomatis muncul sesuai dengan
data yang sudah dimasukkan sebelumnya. Setelah paramedis memasukka gejala
pertama yang dialami pasien, kemudian di-klik tombol Mulai. Setelah itu akan
muncul pertanyaan-pertanyaan yang akan dijawab untuk memberikan hasil
diagnosa yang tepat.
3.2.4.12 Rancangan Halaman Menu Konsultasi Lanjutan
Apabila pasien yang datang sudah pernah melakukan konsultasi sebelumnya,
maka paramedis memilih submenu Konsultasi Lanjutan dari halaman menu utama
paramedis.
KONSULTASI KASUS BARU Id Pasien: Nama: Alamat: Umur: Keterangan: BB: Gejala:
::
Mulai
Tempat ditampilkan pertanyaan-pertanyaan sesuai gejala
Universitas Sumatera Utara
Gambar 3.23 Rancangan Halaman Menu Konsultasi Lanjutan
Setelah paramedis memasukkan ID pasien, maka untuk mengetahui hasil
konsultasi yang pernah dilakukan sebelumnya, di-klik tombol OK. Setelah itu
akan muncul tampilan pertanyaan tentang perkembangan pasien. Setelah dijawab,
maka klik tombol Lanjutkan. Kemudian akan muncul saran terapi yang sesuai
untuk pasien yang pernah mendapatkan pengobatan sebelumnya. Untuk
menyimpan data pasien tersebut, klik tombol Simpan. Tombol Reset digunakan
untuk memulai kembali konsultasi apabila akan memasukkan ID pasien yang lain.
3.2.4.13 Rancangan Halaman Menu Rekam Medis
Halaman rekam medis merupakan halaman yang menyimpad data pasien yang
pernah melakukan konsultasi menggunakan sistem ini. Jika paramedis ingin
melihat rekam medis seorang pasien, dimasukkan ID pasien kemudian akan
ditampilkan riwayat rekam medisnya. Data rekam medis tersebut akan
ditampilkan secara berurutan sesuai dengan tanggal pasien melakukan konsultasi.
KONSULTASI LANJUTAN Id Pasien: Nama: Alamat: Umur: Keterangan: BB: Gejala:
::
OK
Pertanyaan tentang perkembangan pasien.
Saran terapi setelah diketahui perkembangan pasien.
Lanjutkan
Reset Simpan Tutup
Universitas Sumatera Utara
Data rekam medis menampilkan semua data pasien (nama, alamat, umur,
keterangan) serta hasil konsultasi dan saran terapi yang diberikan. Berikut
tampilan rekam medis pasien pada sistem pakar ini:
Gambar 3.24 Rancangan Halaman Menu Rekam Medis
REKAM MEDIS MASUKKAN ID PASIEN DAN TEKAN TOMBOL ENTER ATAU TOMBOL CARI Id Pasien: Nama: Alamat: Umur: Keterangan: ::
Refresh Reset
No Tanggal Rekam Medis
Simpan ke Excel Tutup
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI DAN PENGGUNAAN
4.1 Spesifikasi Perangkat Keras dan Perangkat Lunak
Dalam proses pembuatan aplikasi, konfigurasi perangkat keras yang digunakan
adalah processor Intel Core 2 T5600 1,83 GHz, RAM 1 GB, dengan sistem
operasi Microsoft Windows XP Professional Service Pack 2. Tapi program ini
juga dapat dijalankan dengan konfigurasi minimal komputer sebagai berikut:
1. Processor Intel Pentium 166 MHz, atau yang lebih tinggi (disarankan
Pentium II 400 MHz)
2. RAM 256MB untuk Windows 98
3. Operating System Windows 98, Windows 2000, Windows XP.
4. Hard disk 475 MB
5. VGA Card 256 color, 640x480 pixel
6. Mouse
7. Keyboard
4.2 Cara Penggunaan Program
Pada saat pertama kali program aplikasi Perancangan Sistem Pakar untuk
Diagnosa Penyakit TBC pada Anak dijalankan, maka akan tampil halaman Login.
Gambar 4.1 Halaman Login
Universitas Sumatera Utara
Berikut ini adalah username dan password yang dibuat di sistem pakar ini:
Tabel 4.1 Daftar Pengguna Sistem Pakar
User Password Akses Pakar Pakar Pakar Dokter Dokter Paramedis
4.2.1 Login Sebagai Pakar
Sistem pakar ini memberikan fasilitas untuk memasukkan pengetahuan melalui
menu pakar.
Login dengan user dan password dengan hak akses sebagai pakar. Sistem
akan memunculkan halaman menu utama pakar seperti tampak pada Gambar 4.2.
pada menu pakar ada beberapa fasilitas untuk memasukkan pengetahuan yaitu:
manajemen data gejala/penyakit, manajemen data alergi, manajemen data obat,
manajemen data terapi, manajemen aturan diagnosa dan manajemen aturan terapi.
Gambar 4.2 Menu Utama Pakar
Untuk mengelola data gejala/penyakit, masuk ke menu Data, kemudian
pilih Data Gejala/Penyakit. Sistem akan menampilkan halaman manajemen data
gejala/penyakit seperti tampak pada Gambar 4.3.
Universitas Sumatera Utara
Gambar 4.3 Halaman Manajemen Data Gejala/Penyakit
Untuk menambah data gejala/penyakit, klik tombol Tambah pada halaman
Manajemen Data Gejala/Penyakit. Sistem akan menampilkan halaman
penambahan gejala/penyakit seperti tampak pada Gambar 4.4. Dalam halaman
tersebut juga ada pilihan untuk memperhatikan kuantitas dan waktu dari data yang
dimasukkan (khusus data gejala). Kuantitas dan waktu inilah yang akan digunakan
dalam penghitungan CF pengguna. Satuan kuantitas disesuaikan dengan data
gejala yang dimasukkan (misalnya panas satuannya derajat celcius, diameter kulit
yang kemerahan satuannya cm). Setelah semua diisi, klik tombol Simpan.
Gambar 4.4 Halaman Penambahan Data Gejala/Penyakit
Untuk mengedit data gejala/penyakit yang sudah dimasukkan ke dalam
sistem, pilih data yang akan diedit dari Halaman Manajemen Data Gejala/Penyakit
Universitas Sumatera Utara
(Gambar 4.4), lalu klik tombol Edit. Sistem akan memunculkan halaman Edit
Data Gejala/Penyakit seperti tampak pada Gambar 4.4. Isikan data yang berubah,
lalu klik tombol Simpan.
Untuk menghapus data gejala/penyakit yang sudah dimasukkan ke dalam
sistem, pilih data yang akan dihapus dari halaman Manajemen Data
Gejala/Penyakit (Gambar 4.3) lalu klik tombol Hapus. Penghapusan tidak dapat
dilakukan jika data gejala/penyakit sudah dipakai dalam aturan diagnosa.
Untuk mengelola data alergi/kontraindikasi, yaitu suatu kondisi pasien
yang menyebabkan pasien yang menyebabkan pasien tidak boleh mengonsumsi
obat tertentu, dapat dilakukan dengan masuk ke halaman utama sistem pakar,
kemudian pilih Data, kemudian Alergi. Sistem akan menampilkan halaman
Manajemen Alergi seperti tampak pada Gambar 4.5.
Gambar 4.5 Halaman Kontraindikasi
Untuk menambahkan data kontra-indikasi, klik tombol Tambah pada
halaman Kontraindikasi. Sistem akan memunculkan halaman Penambahan
Kontraindikasi seperti tampak pada Gambar 4.6. Setelah menulis datanya
kemudian klik tombol Simpan.
Universitas Sumatera Utara
Gambar 4.6 Halaman Penambahan Kontraindikasi
Untuk mengedit atau menghapus data alergi/kontra-indikasi, pilih data
alergi/kontra indikasi yang akan dihapus pada halaman Manajemen
Kontraindikasi (Gambar 4.5) lalu klik tombol Edit atau tombol Hapus.
Untuk mengelola data obat, masuk ke menu Data-Obat pada halaman
utama Pakar. Sistem akan memunculkan halaman Manajemen Obat seperti
tampak pada Gambar 4.7.
Untuk mengedit/menghapus data obat yang sudah dimasukkan ke dalam
sistem, pada halaman Manajemen Obat (Gambar 4.7) pilih data obat yang akan
diedit/dihapus lalu klik tombol Edit atau tombol Hapus. Penghapusan data obat
tidak akan bisa dilakukan jika data obat sudah digunakan dalam terapi.
Gambar 4.7 Halaman Manajemen Obat
Universitas Sumatera Utara
Untuk melakukan penambahan data obat, pada halaman Manajemen Obat
(Gambar 4.8) klik tombol Tambah. Sistem akan menampilkan halaman
Penambahan Data Obat seperti tampak pada Gambar 4.8. Isilah data berupa
nama,efek samping obat, keterangan dan kontra-indikasi dari obat tersebut lalu
klik tombol Simpan.
Gambar 4.8 Halaman Penambahan Obat
Untuk mengelola data terapi, pilih menu Data-Terapi pada halaman menu
utama pakar. Sistem akan menampilkan halaman Manajemen Terapi seperti
tampak pada Gambar 4.9.
Universitas Sumatera Utara
Gambar 4.9 Halaman Manajemen Terapi
Untuk menambahkan data terapi, pada halaman Manajemen Terapi
(Gambar 4.10) klik tombol Tambah. Sistem akan menampilkan halaman
Penambahan Terapi seperti tampak pada Gambar 4.10. Isilah data tentang terapi
beserta obat yang digunakan dalam terapi tersebut lalu klik tombol Simpan.
Gambar 4.10 Halaman Penambahan Terapi
Untuk mengedit/menghapus data terapi, pada halaman Manajemen Terapi
(Gambar 4.9) pilih data terapi yang akan diedit/dihapus lalu klik tombol Edit atau
tombol Hapus. Penghapusan data terapi tidak akan bisa dilakukan jika data terapi
sudah digunakan dalam aturan terapi.
Universitas Sumatera Utara
Untuk mengelola data aturan diagnosa, pada halaman utama Pakar, pilih
menu Akuisisi-Aturan Diagnosa. Sistem akan menampilkan halaman Manajemen
Aturan Diagnosa seperti tampak pada Gambar 4.11.
Untuk melihat data aturan diagnosa, klik tombol Tampil. Jika ingin
melihat aturan dengan nomor tertentu atau dari pakar tertentu, sebelum mengklik
tombol Tampil, cek pada nomor aturan/pakar kemudian isilah data nomor
aturan/pakar kemudian isilah data nomor aturan yang ingin dicari. Jika ingin
menyimpan data aturan yang sudah tampil ke dalam format Excel, klik tombol
Simpan ke Excel.
Gambar 4.11 Halaman Manajemen Aturan Diagnosa
Untuk menambahkan data aturan diagnosa, pada halaman manajemen
aturan diagnose, pada halaman manajemen aturan diagnosa klik tombol Tambah.
Sistem akan menampilkan halaman Penambahan Data Aturan Diagnosa seperti
tampak pada Gambar 4.12. Isilah data pakar sumber pengetahuan, konklusi, CF
konklusi (CF pakar) beserta premis-premisnya. Setelah semua terisi, klik tombol
Simpan.
Universitas Sumatera Utara
Gambar 4.12 Halaman Penambahan Aturan Diagnosa
Untuk mengelola aturan terapi, dari halaman utama Pakar, pilihlah menu
Akuisisi-Aturan Terapi. Sistem akan menampilkan halaman Manajemen Aturan
Terapi. Sama seperti untuk menampilkan aturan diagnosa, untuk menampilkan
aturan terapi, klik tombol Tampil setelah mendefinisikan nomor aturan dan pakar
yang ingin ditampilkan.
Untuk menambahkan data aturan terapi, dari halaman Manajemen Aturan
Terapi klik tombol Tambah. Sistem akan menampilkan halaman Penambahan
Data Aturan Terapi.
4.2.2 Login Sebagai Paramedis
Pengguna paramedis diberikan fasilitas untuk menginputkan data pasien,
melakukan konsultasi (baru dan lanjutan) serta melihat rekam medis pasien.
Setelah login menggunakan user dan password dengan hak akses sebagai
paramedis, maka akan muncul tampilan seperti pada Gambar 4.13.
Universitas Sumatera Utara
Gambar 4.13 Menu Utama Paramedis
Berikut ini adalah langkah-langkah yang harus dilakukan oleh pengguna
untuk dapat menggunakan fasilitas paramedis.
Untuk mengelola data pasien, pilih menu Pendaftaran-Pasien. Sistem akan
menampilkan halaman Manajemen Pasien seperti tampak pada Gambar 4.14.
Gambar 4.14 Halaman Manajemen Pasien
Universitas Sumatera Utara
Untuk menambahkan data pasien, pada halaman manajemen pasien
(Gambar 4.14) klik tombol Tambah. Sistem akan menampilkan halaman
Penambahan Data Pasien seperti tampak pada Gambar 4.15.
Gambar 4.15 Halaman Penambahan Data Pasien
Untuk melakukan konsultasi kasus baru, dari halaman utama Paramedis
pilih menu Konsultasi-Kasus Baru. Sistem akan menampilkan halaman Konsultasi
Kasus Baru seperti tampak pada Gambar 4.16. Pada halaman tersebut diisi data
pasien yang sudah diinputkan dari halaman data pasien, berat badan pasien (untuk
menentukan dosis), dan keluhan utama pasien. Setelah itu klik tombol Mulai.
Sistem dengan menggunakan metode campuran runut maju akan mencari
kemungkinan penyakit berdasarkan gejala utama pasien dan kemudian dengan
runut mundur akan mencari penyakit dengan kemungkinan terbesar. Cara mencari
penyakit dengan kemungkinan terbesar, sistem akan memberikan pertanyaan
terkait dengan gejala-gejala (yang belum diketahui sistem) yang merupakan
premis dari penyakit hipotesis.
Universitas Sumatera Utara
Gambar 4.16 Halaman Konsultasi Kasus Baru
Setelah sistem menemukan kesimpulan penyakit dengan faktor kepastian
terbesar, pengguna dapat melihat terapi yang sesuai dari penyakit terpilih dengan
cara mengklik tombol Terapi. Sistem bisa memberikan beberapa kemungkinan
terapi yang tidak memiliki kontradiksi dengan keadaan pasien, tetapi pengguna
cukup memilih salah satu dari terapi yang ditawarkan. Dengan melakukan cek
pada salah satu terapi, sistem akan memunculkan data obat beserta dosis dan cara
mengkonsumsinya.
Untuk melakukan konsultasi lanjutan, dari halaman utama Paramedis pilih
menu Konsultasi-Lanjutan. Sistem akan menampilkan halaman konsultasi
lanjutan seperti tampak pada Gambar 4.17. Masukkan ID pasien, berat badan, dan
kasus sebelumnya lalu klik tombol OK, maka sistem akan memunculkan data
kasus terdahulu berikut terapinya dan sistem akan meminta pengguna untuk
memasukkan perkembangan pasien. Setelah diisi, klik tombol Lanjutkan dan
sistem akan memberikan rekomendasi terapi selanjutnya.
Universitas Sumatera Utara
Gambar 4.17 Halaman Kasus Lanjutan
Untuk melihat rekam medis pasien, dari halaman utama Paramedis pilih
menu Konsultasi-Rekam Medis. Sistem akan menampilkan halaman rekam medis
seperti tampak pada Gambar 4.18. Masukkan ID pasien dan sistem akan
menampilkan data rekam medis pasien tersebut.
Gambar 4.18 Halaman Rekam Medis Pasien
Universitas Sumatera Utara
4.3 Pengujian Sistem
Pengujian sistem dilakukan untuk mengetahui apakah sistem telah berjalan sesuai
dengan apa yang telah dirancang sebelumnya. Pengujian yang dilakukan berfokus
pada persyaratan fungsional perangkat lunak. Pengujian ini memungkinkan pakar
memperoleh kumpulan kondisi input yang akan mengerjakan seluruh keperluan
fungsional program. Jika sistem berjalan sesuai dengan aturan pada basis
pengetahuan dan semua fungsi komponen pada setiap interface berfungsi dengan
benar, maka sistem telah berjalan dengan baik. Berikut pengujian pemasukan data
keluaran dengan membandingkan hasilnya pada basis pengetahuan melalui proses
tanya jawab pada sistem:
Pengujian I
1. Input gejala awal : Batuk
2. Kemungkinan awal :
a. Asma, CF 1
b. Terapi Spesifik, CF 1
3. Pertanyaan yang muncul :
a. Apakah demam? Jawaban : Tidak
b. Apakah indurasi >= 10 mm? Jawaban : Tidak
c. Apakah belum imunisasi BCG? Jawaban : Tidak
d. Apakah uji tuberkulin +? Jawaban : Tidak
e. Apakah anoreksia? Jawaban : Tidak
f. Apakah keringat malam? Jawaban : Tidak
g. Apakah penurunan BB? Jawaban : Tidak
h. Apakah malaise? Jawaban : Tidak
i. Apakah umur < 5 tahun? Jawaban : Tidak
j. Apakah frekuensi nafas meningkat? Jawaban : Ya
k. Apakah amplitudo nafas dangkal? Jawaban : Ya
l. Apakah sesak nafas? Jawaban : Ya
Universitas Sumatera Utara
m. Apakah nafas cuping hidung? Jawaban : Ya
n. Apakah parut BCG? Jawaban : Tidak
4. Kemungkinan akhir :
Asma, CF 1
Terapi Spesifik, CF -1
Data gejala yang pertama dimasukkan memberikan kemungkinan awal
penyakit yang diderita pasien. Setelah itu, sistem akan memberikan pertanyaan-
pertanyaan untuk memperoleh kesimpulan yang lebih tepat. Pertanyaan yang
muncul adalah berdasarkan aturan gejala penyakit yang mungkin, diantara pilihan
kemungkinan awal. Kemudian setiap jawaban dibandingkan dengan dengan basis
pengetahuan. Pada pengujian I, data yang diperoleh dari proses tanya jawab dan
dibandingkan dengan aturan pengetahuan pada Tabel 3.19, telah memiliki output
yang sama, yaitu pada aturan nomor 1, bahwa pasien kemungkinan akhir dan
terbesar menderita Asma.
Pengujian II
1. Input gejala awal : Uji Tuberkulin +
2. Kemungkinan awal :
a. Terapi Spesifik, CF 1
3. Pertanyaan yang muncul :
a. Apakah demam? Jawaban : Ya, Kuantitas: 39 D Celcius, Lama: 13 hari
b. Apakah batuk? Jawaban : Ya
c. Apakah belum imunisasi BCG? Jawaban : Ya
d. Apakah anoreksia? Jawaban : Ya
e. Apakah keringat malam? Jawaban : Ya
f. Apakah penurunan BB? Jawaban : Ya
g. Apakah malaise? Jawaban : Ya
h. Apakah parut BCG? Jawaban : Ya
i. Apakah kelainan minimal pada rontgen paru? Jawaban : Ya
j. Apakah umur < 5 tahun? Jawaban : Ya
Universitas Sumatera Utara
4. Kemungkinan akhir :
Terapi Spesifik, CF 0.5
Pada pengujian II, data yang diperoleh dari proses tanya jawab dan
dibandingkan dengan aturan pengetahuan pada Tabel 3.19, telah memiliki output
yang sama, yaitu pada aturan nomor 21, bahwa pasien kemungkinan akhir dan
terbesar memerlukan Terapi Spesifik.
Pilihan jawaban yang disediakan oleh sistem berupa tidak tahu (CF : 0), ya
(CF : 1), tidak (CF : -1). Tetapi apabila aturan yang mengandung fungsi kuantitas
dan waktu, maka CF akan dihitung sebesar gabungan derajat keanggotaan dari
fungsi karakteristik kuantitas dan derajat keanggotaan dari fungsi karakteristik
waktu. Maka selain gejala demam, gejala lainnya dianggap bernilai 1 pada saat
pencarian nilai minimum CF.
Sesuai dengan aturan nomor 4 pada Tabel 3.19, maka perhitungannya
dapat dilakukan sebagai berikut:
Jika Demam (diumpamakan: H) dengan kuantitas = 38 D Celcius toleransi 2
selama >= 14 hari toleransi 2
Maka Terapi Spesifik (diumpamakan: F), CF 1
Jika diketahui pasien mengalami H dengan kuantitas 39 selama 13 hari, maka nilai
CF pasien mengalami H dapat dihitung sebagai berikut:
a. Hitung nilai CF kuantitas H
Diketahui:
operator : =
nilai : 38
toleransi : 2
x : 39
Untuk menghitung nilai CF kuantitas H, digunakan rumus 2.2. Dari
beberapa perhitungan yang bisa dipakai pada rumus 2.2, perhitungan
ketiga adalah yang paling tepat karena nilai < x < nilai + toleransi.
Dengan demikian nilai CF kuantitas H adalah:
CF kuantitas H : (nilai + toleransi x)
Toleransi
Universitas Sumatera Utara
: (38 + 2 39)
2
:
: 0.5
b. Hitung nilai CF waktu H
Diketahui:
operator : >=
nilai : 14
toleransi : 2
x : 13
Untuk menghitung nilai CF waktu H, digunakan rumus 2.3. Dari beberapa
perhitungan yang bisa dipakai pada rumus 2.3, perhitungan kedua adalah
yang paling tepat karena nilai toleransi
d. Hitung nilai CF pasien mengalami F
Diketahui:
CF H : 0.5
CF Pakar : 1
Nilai CF F dihitung dengan menggunakan rumus :
CF (x,y) = CF (x) * CF (y)
Dengan
CF (x,y) : CF paralel
CF (x) : CF sekuensial dari semua premis
CF (y) : CF Pakar
Maka dapat dihitung, yakni sebesar:
CF F : CF H * CF Pakar
: 0.5 * 1
: 0.5
Berdasarkan dua pengujian tersebut, dapat diambil kesimpulan bahwa
kesimpulan hasil diagnosa sesuai dengan aturan basis pengetahuan pada sistem.
Maka dapat disimpulkan pada pengujian ini sistem pakar sudah bekerja
sebagaimana rancangan sistem yang dibuat.
Universitas Sumatera Utara
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
1. Sistem pakar dapat diaplikasikan dalam diagnosa penyakit TBC pada
anak, dan dapat mencoba memecahkan masalah yang biasanya hanya bisa
dipecahkan oleh seorang pakar, baik dari sisi proses pengambilan
keputusannya maupun hasil keputusan yang diperoleh.
2. Metode kuantifikasi pertanyaan yang digunakan dalam sistem pakar ini
merupakan metode untuk mendapatkan nilai faktor kepastian dari
pengguna terhadap suatu evidence dengan mengkuantifikasi pertanyaan.
3. Nilai CF (Certainty Factor) adalah antara -1 s/d 1. Nilai -1 artinya tidak
menderita penyakit sama sekali, dan nilai 1 berarti sangat sakit. Untuk
menghitung nilai CF, sistem akan memberikan pertanyaan kepada
pengguna.
4. Penggunaan algoritma runut maju (forward chaining) dan runut balik
(backward chaining) sekaligus dalam melakukan diagnosa dapat
memberikan konklusi yang lebih tepat.
5.2 Saran
1. Dapat menggunakan metode lain untuk mendiagnosa penyakit TBC pada
anak, yang mungkin lebih akurat.
2. Menambahkan pengetahuan yang lebih lengkap dari pakar yang berbeda.
Universitas Sumatera Utara
3. Sistem pakar ini dapat dilanjutkan kepada sistem online sehingga pasien
dapat menggunakannya sendiri sebelum datang langsung menemui
paramedis atau pakar.
4. Menambahkan pengertian dari istilah-istilah kedokteran yang mungkin
tidak dimengerti pengguna yang bukan paramedis.
Universitas Sumatera Utara