p-ISSN: 2301-5373

e-ISSN: 2654-5101

Jurnal Elektronik Ilmu Komputer Udayana

Volume 10, No 1. August 2021

Sistem Pakar Untuk Diagnosis Fobia Menggunakan Metode Certainty Factor (CF)

I Made Satria Bimantaraa1, Luh Gede Astutia2

aProgram Studi Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana

Badung, Bali, Indonesia 1[email protected] 2[email protected]

Abstract

Fobia merupakan ketakutan berlebihan terhadap suatu keadaan atau benda tertentu yang dapat menghambat kehidupan penderitanya. Fobia yang tidak segera ditangani pada individu dapat menimbulkan keadaan frustasi bahkan depresi dan keadaan terparahnya yaitu rasa ingin bunuh diri. Semakin dini diketahui gangguan fobia yang dialami seseorang, maka semakin cepat penanganan yang bisa dilakukan oleh pakar. Sistem pakar dapat digunakan untuk mendiagnosis fobia seseorang dan menggantikan peran seorang pakar melalui program komputer. Sistem pakar yang dikembangkan dapat mendiagnosis sembilan fobia dengan menggunakan 84 gejala yang terbagi menjadi tiga tipe gejala. Pengetahuan tentang fobia diperoleh dari situs daring kesehatan yang bermitra dengan Kementerian Kesehatan Republik Indonesia. Metode Certainty Factor (CF) digunakan untuk mengatasi ketidakpastian dalam menentukan suatu penyakit berdasarkan gejala-gejalanya yang biasanya terjadinya pada sistem pakar. Sistem pakar diimplementasikan berbasis website dengan menggunakan bahasa pemrograman PHP dan basis data MySQL. Metode CF dapat digunakan untuk menentukan persentase fobia seseorang berdasarkan gejalanya dengan memperhatikan bobot dari pakar dan pengguna. Pengujian sistem menggunakan Blackbox Testing menunjukkan semua fitur yang telah diimplementasikan pada sistem pakar dapat berfungsi dengan baik.

Keywords: Certainty Factor, Fobia, Sistem Cerdas, Sistem Pakar, Pengembangan Perangkat Lunak

  • 1.    Introduction

Menurut Kamus Besar Bahasa Indonesia (KBBI), fobia adalah ketakutan berlebihan terhadap suatu keadaan atau benda tertentu yang dapat menghambat kehidupan penderitanya. Fobia merupakan psikoneurosis, dimana gangguan fobia mengandung ketakutan yang cukup spesifik [1]. Individu dikatakan mengalami fobia apabila individu tersebut bereaksi dengan ketakutan yang luar biasa terhadap suatu rangsangan atau situasi yang menurut individu lain tidak berbahaya [1]. Ketakutan yang dialami jauh melebihi penilaian tentang bahaya pada gangguan fobia.

Fobia terbagi ke dalam dua jenis, yaitu fobia spesifik dan fobia kompleks. Fobia kompleks terbagi lagi menjadi fobia sosial dan agorafobia. Fobia spesifik adalah ketakutan seseorang yang berlebihan pada benda, situasi tertentu atau hewan. Beberapa fobia yang termasuk ke dalam fobia spesifik, yaitu fobia darah (hemophobia), fobia laba-laba (arachnophobia), fobia anjing (cynophobia), fobia petir (astrafobia), fobia ruang sempit (claustrophobia), fobia ketinggian (acrophobia), dan fobia gelap (nyctophobia) [2]–[4].

Fobia tidak bisa dipandang sebelah mata. Individu yang fobianya terus berlanjut tanpa segera ditangani akan menimbulkan keadaan frustasi bahkan sampai depresi. Bahkan, reaksi yang paling parah adalah timbulnya rasa ingin bunuh diri sebagai jalan keluarnya. Semakin dini diketahui gangguan fobia yang dialami seseorang, maka semakin cepat penanganan yang semestinya bisa dilakukan oleh pakar yaitu psikolog atau psikiater.

Perkembangan ilmu pengetahuan dan teknologi dapat dimanfaatkan untuk membuat suatu sistem yang bisa mendiagnosis fobia seseorang dan solusi yang bisa diberikan. Sistem pakar adalah salah satunya. Sistem pakar merupakan suatu sistem yang bisa menyelesaikan suatu masalah seperti yang dilakukan oleh ahli atau pakar karena sudah mengadopsi pengetahuannya ke dalam komputer [5]–[10]. Sistem pakar dibangun untuk dapat menggantikan peran seorang pakar melalui program komputer [6], [11].

Beberapa penelitian tentang sistem pakar telah dilakukan sebelumnya. Penelitian [5] membangun suatu sistem pakar untuk diagnosa penyakit Asidosis Tubulus Renalis menggunakan metode Certainty Factor (CF) dan penelusuran Forward Chaining. Metode CF digunakan untuk menghitung nilai kepercayaan penyakit Asidosis Tubulus Renalis yang dihasilkan sistem ketika melakukan diagnosa penyakit dan metode Forward Chaining digunakan sebagai teknik pencarian dengan melakukan penggabungan aturan-aturan dari informasi yang ada menuju ke suatu kesimpulan atau tujuan.

Penelitian [12] membangun sistem pakar untuk diagnosa penyakit kulit menggunakan metode CF. Sistem pakar dibangun untuk mendiagnosa lima jenis penyakit kulit, yaitu jerawat, eksim, panu, campak dan herpes. Metode CF digunakan karena memberikan hasil yang akurat berdasarkan perhitungan bobot gejala yang dipilih pengguna serta mampu memberikan jawaban pada masalah yang tidak pasti kebenarannya, semisal diagnosa resiko penyakit.

Berdasarkan pemaparan latar belakang serta beberapa penelitian terkait, penulis mengangkat penelitian dengan judul “Sistem Pakar Untuk Diagnosis Fobia Menggunakan Metode Certainty Factor (CF)”.

  • 2.    Metode Penelitian

2.1. Diagram Alir Penelitian

Gambar 1 merupakan diagram alir penelitian.

Gambar 1. Diagram alir penelitian

  • 2.2.    Identifikasi Masalah

Masalah pada penelitian ini adalah bagaimana membangun sistem pakar yang bisa mendiagnosis fobia dengan menggunakan metode Certainty Factor.

  • 2.3.    Studi Literatur

Pada tahap ini, penulis melakukan pengumpulan dan pencarian, serta pemahaman tentang literatur, informasi, dan teori-teori yang mendukung terkait dengan penelitian ini. Penulis menggunakan sumber rujukan seperti artikel ilmiah, buku, serta karya ilmiah lainnya. Studi literatur yang dilakukan mencakup: kajian mengenai fobia, jenis serta penanganannya; sistem pakar dan komponen penyusunnya; perancangan perangkat lunak; serta metode Certainty Factor.

  • 2.4.    Pengumpulan Data

Pengumpulan data yang dilakukan adalah akuisisi pengetahuan tentang fobia. Akuisisi pengetahuan dilakukan yaitu menghimpun pengetahuan tentang permasalahan yang akan diteliti dan akan digunakan sebagai panduan dalam upaya pengembangan sistem pakar. Pengetahuan mengenai gangguan fobia, ciri-ciri, gejala, serta penanganan atau pengobatannya diperoleh dari

situs daring kesehatan yang bermitra dengan Kementerian Kesehatan Republik Indonesia, seperti Alodokter, helloSEHAT, dan SehatQ. Pengetahuan ini kemudian dihimpun ke dalam tabel matriks untuk dijadikan sebagai basis pengetahuan atau knowledge base penyusun sistem pakar.

  • 2.5.    Analisis Kebutuhan Sistem

Analisis kebutuhan sistem yang dilakukan meliputi analisis kebutuhan fungsional sistem dan analisis kebutuhan non fungsional sistem. Kebutuhan fungsional menjelaskan mengenai fungsi-fungsi yang harus ada pada sistem pakar yang dibuat. Tabel 1 menyajikan beberapa kebutuhan fungsional sistem. Kebutuhan non fungsional menjelaskan mengenai analisis kebutuhan perangkat lunak dan perangkat keras untuk membangun sistem pakar. Tabel 2 menyajikan kebutuhan non fungsional sistem.

Tabel 1. Analisis Kebutuhan Fungsional Sistem yang dibangun

Nomor                          Kebutuhan Fungsional Sistem

  • 1.                 Sistem dapat melakukan konsultasi dengan pengguna

  • 2.          Sistem dapat menerima jawaban dari pengguna pada saat konsultasi

  • 3.     Sistem dapat mendiagnosis pengguna berdasarkan gejala-gejala yang diberikan

menggunakan metode Certainty Factor

  • 4.     Sistem dapat memberikan solusi penanganan fobia kepada pengguna (jika ada)

Tabel 2. Analisis Kebutuhan Non Fungsional sistem yang dibangun

Nomor                       Kebutuhan Non Fungsional Sistem

Analisis Perangkat Keras (Hardware)

  • 1.          Processor Intel(R) Core (TM) i7-8565U CPU @ 1.80GHz 1.99 GHz

  • 2.                               RAM 8 GB

Analisis Perangkat Lunak (Software)

  • 1.     Sistem operasi Windows 10 Home Single Language 64-bit, x64-based processor

  • 2.                             XAMPP Control Panel v3.2.2

  • 3.                             Teks editor Visual Studio Code

  • 4.                       Bahasa pemrograman PHP versi 7.2.9

  • 5.                          Bahasa pemrograman Javascript

  • 6.                            Framework Bootstrap versi 4.5

  • 2.6.    Perancangan Sistem Pakar

Gambaran sistem pakar yang dibuat ditunjukkan pada Gambar 2. Pengguna melakukan suatu konsultasi dengan sistem pakar melalui antar muka sistem. Daftar pertanyaan terkait gejala-gejala yang merujuk pada suatu gangguan fobia tertentu akan diberikan kepada pengguna untuk dapat dijawab semuanya. Daftar pertanyaan terkait gejala masing-masing gangguan fobia telah diperoleh pada tahap akuisisi pengetahuan dan disimpan dalam suatu basis pengetahuan (knowledge base). Jawaban yang diberikan pengguna selanjutnya diolah menggunakan metode CF pada mesin inferensi. Selama proses perhitungannya, sistem pakar yang dibuat akan menggunakan memori kerja (working memory) sebagai penyimpanan data inferensi hasil perhitungan. Solusi penanganan gangguan fobia yang diberikan kepada pengguna didapatkan dari hasil perhitungan gejala-gejala yang dialami pengguna menggunakan metode CF menghasilkan nilai tertinggi.

Gambar 2. Rancangan Alur Sistem Pakar

  • 2.7.    Perancangan Basis Data

Basis data diperlukan sebagai tempat untuk menyimpan knowledge base yang sudah diperoleh serta menyimpan segala bentuk informasi yang dibutuhkan dalam implementasi sistem, seperti data pengguna, data konsultasi, data pakar, data administrator, serta hasil diagnosis pengguna. Rancangan basis data yang dihasilkan terlihat pada Gambar 3.

  • 2.8.    Perancangan Basis Pengetahuan

Basis pengetahuan merupakan suatu pengetahuan yang menyimpan daftar aturan (rule) serta pengetahuan tentang fobia yang telah diperoleh. Penyusunan daftar gejala, daftar fobia, serta masing-masing penanganannya ke dalam basis pengetahuan penting dilakukan agar mudah digunakan pada sistem pakar yang dibuat nantinya. Terdapat sembilan fobia yang didiagnosis pada sistem pakar ini seperti pada Tabel 3. Gejala pada fobia terdiri dari tiga jenis, yaitu gejala emosional, gejala fisik dan gejala perubahan perilaku. Terdapat total 36 gejala emosional, 29 gejala fisik, dan 19 gejala perubahan perilaku dari kesembilan fobia seperti ditunjukkan pada Tabel 4. Setiap gejala pada ketiga jenis gejala akan diberikan bobot yang sesuai oleh pakar untuk digunakan pada proses perhitungan.

Admin

* id admin    int i 11 i

,kode admin varchar(255) •nama_admin varchar(255) ■email_adniin vaccbai(255} ,hp admin varchar(13)

Gambar 3. Rancangan Basis Data Pada Sistem Pakar

Tabel 3. Daftar fobia yang didiagnosis pada sistem pakar

Kode Fobia

Nama Fobia

Jenis Fobia

P01

Fobia sosial (gangguan kecemasan)

Fobia kompleks

P02

Agorafobia

Fobia kompleks

P03

Fobia darah

Fobia spesifik

P04

Fobia laba-laba

Fobia spesifik

P05

Fobia anjing

Fobia spesifik

P06

Fobia petir

Fobia spesifik

P07

Fobia ruang sempit

Fobia spesifik

P08

Fobia ketinggian

Fobia spesifik

P09

Fobia gelap

Fobia spesifik

Tabel 4. Daftar gejala untuk mendiagnosis fobia

Kode                      Nama Gejala                         Kode Fobia

Gejala

Gejala Emosional

GE01         Tidak percaya diri dan cemas berlebihan untuk               P01

menghadapi setiap interaksi sosial, bahkan yang sederhana seperti menyapa orang lain atau mengobrol

ringan

GE02      Merasa cemas terus menerus selama berhari-hari,             P01

berminggu-minggu, bahkan hingga berbulan-bulan

sebelum menghadapi suatu situasi sosial

GE03

GE04

Merasa sangat takut yang berlebihan akan penilaian orang lain terhadap diri sendiri, terutama oleh orang yang tidak dikenal

Merasa takut bahwa Anda akan bertindak dengan cara yang dapat mempermalukan diri sendiri

P01

P01

GE…35

GE36

Merasa tidak berdaya atas ketakutan yang dirasakan Merasa membutuhkan lampu tidur untuk menemani tidur di malam hari

P…09

P09

Gejala Fisik

GF01

GF02

GF03

GF04

Wajah terlihat memerah Sesak napas atau sulit bernapas

Sakit perut atau diare

Mual

P01

P01, P03, P04, P05, P06, P07, dan

P09

P01, P02, P05, dan

P09

P01, P03, P04, P06, dan P07

GF28

GF29

Kehilangan keseimbangan Kepanasan atau kedinginan

P08

P03 dan P09

Gejala Perubahan Perilaku

GP01

Akan sekuat tenaga berusaha menghindari interaksi sosial hingga keseharian menjadi terganggu. Contohnya, jadi sering tidak masuk kerja atau sekolah

P01

GP02

Berdiam diri atau bahkan bersembunyi di belakang agar tidak ditunjuk, untuk menghindari rasa malu

P01

GP03

Merasa harus ditemani kapanpun dan kemanapun Anda pergi

P01

GP04

Harus minum alkohol sebelum melakukan interaksi sosial agar merasa lebih rileks

P01

GP…18

Secara kompulsif tetap berada di dalam rumah ketika hari sudah malam dan di luar sudah gelap

P…09

GP19

Malas bepergian di malam hari

P09

  • 2.9.    Tabel Keputusan

Gambar 4 adalah tabel keputusan yang menunjukkan hubungan dari setiap gejala dengan setiap fobia.

Gejala\Penyakit

P01

P02

P03

P04

P05

P06

P07

P08

P09

GE01

x

GE02

x

GE03

x

GE04

x

GE35

x

GE36

x

GF01

x

GF02

x

x

x

x

x

x

x

GF03

x

x

x

x

GF04

x

x

x

x

x

GF28

x

GF29

x

x

GP01

x

GP02

x

GP03

x

GP04

x

GP18

x

GP19

x

Gambar 4. Rancangan Tabel Keputusan untuk menentukan fobia berdasarkan gejala-gejala yang dialami

  • 2.10.    Metode Certainty Factor (CF)

Metode CF digunakan untuk menyelesaikan suatu masalah dari jawaban yang tidak pasti serta menghasilkan jawaban yang tidak pasti juga. Ketidakpastian ini dipengaruhi oleh jawaban pengguna yang tidak pasti serta aturan yang tidak pasti [12]. Implementasi nyata dari metode ini adalah pada kasus penentuan penyakit dengan gejala-gejalanya. Apabila satu gejala menjadi indikasi untuk beberapa penyakit maka disebut sebagai aturan yang tidak pasti. Jawaban dari pengguna disebut tidak pasti apabila pengguna memberikan jawaban yang tidak yakin atas kondisi yang terjadi pada tubuhnya ketika diberikan daftar pertanyaan saat sesi konsultasi. Oleh karena itu, diperlukan suatu nilai (faktor kepastian) yang menjadi penghubung di antara kedua ketidakpastian tersebut. Sistem pakar yang mendiagnosis sesuatu yang belum pasti sangat cocok menggunakan metode ini [6]. Diagram alir metode CF yang digunakan pada penelitian ini ditunjukkan pada Gambar 5. Pilihan beserta bobot yang bisa diberikan pengguna saat sesi konsultasi ditunjukkan pada Tabel 5 [5].

Tabel 5. Daftar setiap pilihan beserta bobotnya yang bisa diisi oleh pengguna saat berkonsultasi dengan sistem pakar

Pilihan               Bobot

Tidak

0

Tidak tahu

0,2

Mungkin

0,4

Kemungkinan benar

0,6

Hampir pasti

0,8

Pasti

1

Gambar 5. Diagram alir metode Certainty Factor


  • 2.11.    Perancangan Desain Antarmuka

Rancangan desain antarmuka pada halaman pengguna yang dibuat ditunjukkan pada Gambar 6 dan Gambar 7. Antarmuka ini digunakan pengguna pada saat berkonsultasi dengan menjawab daftar pertanyaan yang diberikan sistem pakar.

Siskarfobia ι∣ome


Profile Konsultasi Riwayat Logout

Sistem Pakar Diagnosis Gangguan Fobia Menggunakan Metode Certainty Factor


FOOTER


  • Gambar 6. Rancangan desain antarmuka untuk fitur konsultasi pada sistem pakar

Gambar 7. Rancangan desain antarmuka untuk hasil diagnosis fobia beserta dengan solusi

pengobatannya

  • 2.12.    Pembuatan Aplikasi Sistem Pakar

Rancangan yang telah dibuat akan diimplementasikan menjadi sistem pakar yang bisa digunakan untuk mendiagnosis fobia. Sistem pakar dibuat berbasis website yang dijalankan pada server lokal menggunakan bahasa pemrograman PHP Native dan Javacscript. Tampilan aplikasi diimplementasikan menggunakan framework Bootstrap versi 4.5, HTML5 serta CSS3. Basis pengetahuan dan basis data disimpan menggunakan MySQL. Paradigma yang digunakan adalah pemrograman berorientasi objek dengan menggunakan arsitektur Model-View-Controller (MVC).

  • 2.13.    Pengujian Sistem

Sistem yang telah selesai dibuat akan diuji fungsionalitasnya menggunakan metode Blackbox testing. Metode ini menguji perangkat lunak dari spesifikasi fungsionalitas [13]–[15] ; tidak menguji desain dan kode program [16]; serta mengabaikan struktur kontrol sehingga berfokus pada informasi domain [13].

  • 3.    Result and Discussion

    3.1.    Analisis Metode Certainty Factor

Berikut ini akan dicontohkan perhitungan Certainty Factor untuk salah satu gangguan fobia yaitu fobia sosial (gangguan kecemasan).

  • 1.  Pakar menentukan nilai CFpakar untuk masing-masing gejala seperti pada Gambar 8.

  • 2.  Pengguna memasukkan jawaban saat sesi konsultasi pada sistem pakar. Daftar pilihan

jawaban beserta masing-masing bobot seperti Tabel 5. Pengguna memberikan jawaban seperti pada Gambar 8.

Bobot Pakar I Bobot Pengguna

Fobia Sosia I (Gangguan Kecemasan)

Jawaban Pengguna

Gejala

Bobot

Gejala

Bo bot

GEOI

1

GE01

O

GE02

1

GE02

O

GE03

1

GE03

0,2

GE04

GE04

0,4

GE05

GE05

0,6

GF01

0,6

GF01

1

GF02

0,6

GF02

GF03

0,3

GF03

1

GF04

0,5

GF04

0,8

GF05

0,6

GF05

0

GF06

0,6

GF06

O

GF08

0,8

GF08

O

GF09

0,5

GF09

O

GFIO

0,7

GFIO

O

GFII

0,8

GFI 1

I

GF12

0,7

GF12

0,6

GF13

0,4

GF13

0,6

GP01

0,8

GP01

GP02

0,8

GP02

1

GP03

0,8

GPO3

0,4

GP04

0,8

GP04

0,2

Gambar 8. Bobot dari pakar untuk fobia sosial (gangguan kecemasan) dan bobot pengguna

  • 3.    Menghitung nilai CF untuk setiap aturan atau rule dengan cara mengalikan setiap bobot gejala dari pakar (CFpakar) dengan bobot dari pengguna (CFuser) menggunakan persamaan (1) [17]. Hasil perhitungan ditunjukkan pada Gambar 9.

CF(H,E) = CF(E) × CF(Rule)                                                     ( 1 )

Kode Gejala

Bobot Pakar

Bobot Pengguna

CF

GE01

1

0

0

GE02

1

0

0

GE03

1

0,2

0,2

GE04

1

0,4

0,4

GE05

1

0,6

0,6

GF01

0,6

1

0,6

GF02

0,6

1

0,6

GF03

0,3

1

0,3

GF04

0,5

0,8

0,4

GF05

0,6

0

0

GF06

0,6

0

0

GF08

0,8

0

0

GF09

0,5

0

0

GF10

0,7

0

0

GF11

0,8

1

0,8

GF12

0,7

0,6

0,4

GF13

0,4

0,6

0,2

GP01

0,8

1

0,8

GP02

0,8

1

0,8

GP03

0,8

0,4

0,3

GP04

0,8

0,2

0,2

Gambar 9. Hasil perhitungan perkalian CF pakar dengan CF pengguna untuk setiap aturan

  • 4.    Menghitung nilai CF kombinasi (CFcombine) dari masing-masing aturan menggunakan persamaan (2) [5]. Hasil perhitungannya ditunjukkan oleh Gambar 10.

CFcombineCF(H,E)1,2=CF(H,E)1+CF(H,E)2×(l-CF(H,E)1)

CFcombineCF(H,E)od,3=CF(H,E)o^^                   )

CF∞mbineCF(H⅛4=CF(H,E)old+CF(H,E)4×(1-CF^^^  )                                   ( 2 )

CFcombineCF(H,E)old,n=CF(H,E)old+CF(H,E)n×(1-CF(H,E)old)

CF Rule 1

CF Rule 2

CF Combine

CF(H,E)1,2

0

0

0

CF(H,E)old,3

0

0,2

0,2

CF(H,E)old,4

0,2

0,4

0,52

CF(H,E)old,5

0,52

0,6

0,808

CF(H,E)old,6

0,808

0,6

0,9232

CF(H,E)old,7

0,9232

0,6

0,96928

CF(H,E)old,8

0,96928

0,3

0,978496

CF(H,E)old,9

0,9785

0,4

0,9870976

CF(H,E)old,10

0,9871

0

0,9870976

CF(H,E)old,11

0,9871

0

0,9870976

CF(H,E)old,12

0,9871

0

0,9870976

CF(H,E)old,13

0,9871

0

0,9870976

CF(H,E)old,14

0,9871

0

0,9870976

CF(H,E)old,15

0,9871

0,8

0,99741952

CF(H,E)old,16

0,99742

0,42

0,99850332

CF(H,E)old,17

0,9985

0,24

0,99886252

CF(H,E)old,18

0,99886

0,8

0,9997725

CF(H,E)old,19

0,99977

0,8

0,9999545

CF(H,E)old,20

0,99995

0,32

0,99996906

CF(H,E)old,21

0,99997

0,16

0,99997401

Gambar 10. Hasil perhitungan nilai CF kombinasi

  • 5.    Nilai CFcombine yang dihasilkan untuk fobia sosial (gangguan kecemasan) sebesar 0,99997401.

Metode CF digunakan untuk menghitung nilai CFcombine untuk kesembilan fobia yang didiagnosis. Fobia dengan nilai CFcombine tertinggi akan menjadi diagnosis luaran dari sistem pakar. Solusi yang diberikan kepada pengguna menyesuaikan solusi dari fobia yang muncul sebagai hasil diagnosis yang telah tersimpan pada basis data.

  • 3.2.    Hasil Implementasi Sistem Pakar

  • a.    Halaman Administrator

Administrator dan pakar yang berwenang mengelola halaman administrator untuk mengatur data-data pengetahuan yang digunakan pada sistem pakar. Beberapa halaman administrator yang telah diimplementasikan ditunjukkan pada Gambar 11, 12, 13, dan 14.

  • b.    Halaman Pengguna

Halaman pengguna digunakan oleh pengguna untuk berkonsultasi dengan sistem pakar. Sistem akan menampilkan daftar pertanyaan dari setiap gejala yang ada. Pengguna menjawab setiap pertanyaan yang diberikan, lalu mengirimnya. Hasil diagnosis fobia dari pengguna akan muncul setelah proses perhitungan gejala-gejala selesai dilakukan menggunakan metode CF. Gambar 15, 16, dan 17 merupakan hasil implementasi halaman pengguna.

Sistem Pαkαr Fobia

* Home

A Admin

® Pakar

O User

Ql GangguanFobIa

* Gejala

■ Konsultasi



Daftar Fobia



Nomor T Umum


Nama Medis Deskrlpsl


Penyembuhan


Ternbah Fobla Logout


Show 10 o entries



Fobia Social Social anxiety

(Gangguan disorder

Kecemasan)


Social anxiety disorder atau fobia sosial adalah gangguan kesehatan mental yang ditandai dengan rasa takut akan diawasi, dihakimi, atau dipermalukan oleh orang lain. Fobla sosial juga memiliki nama lain, yaitu gangguan kecemasan sosial. Rasa takut atau cemas sebenarnya dapat dialami oleh siapa saja ketika berinteraksi dengan orang lain. Namun pada penderita fobia sosial, rasa takut Inl dialami secara berlebihan dan menetap, sehingga memengaruhi hubungan dengan orang lain, produktivitas dalam bekerja, dan prestasi di sekolah.


Metode Psikoterapi: 1. Salah satu bentuk psikoterapi untuk mengatasi fobia sosial adalah terapi perilaku kognitif. Terapi ini bertujuan untuk mengurangi rasa cemas pada penderita. Penderita akan dihadapkan pada situasi yang membuatnya cemas atau takut, kemudian psikolog atau psikiater akan memberikan solusi untuk menghadapi situasi tersebut.


Aksi


Gambar 11. Halaman administrator untuk mengelola daftar fobia

Sistem Pakar Fobia

* Home β Admin ® Pakar G User

Ql Gangguan Fobia

* Gejala

≡ Konsultasi



Daftar Gejala


Nomor ' Kode


GEOl


GE02


GE03


GE04


Nama Gejala


Gejala Tldak percaya dlrl dan cemas berlebihan untuk Emosional menghadapi setiap Interaksi sosial, bahkan yang sederhana seperti menyapa orang lain atau mengobrol ringan


Gejala

Emosional


Gejala

Emosional


Gejala

Emosional


Daftar Gejala Tipe Gejala Gangguan Fobia-GeJaIa Logout


QTambah Gejala


Show 10



Pertanyaan


Aksi


Merasa cemas terus menerus selama berhari-hari, bermlnggu-mlnggu, bahkan hingga berbubulan-bulan sebelum menghadapi suatu situasi sosial


Merasa sangat takut yang berlebihan akan penilaian orang lain terhadap diri sendiri, terutama oleh orang yang tidak dikenal


Merasa takut bahwa Anda akan bertindak dengan cara yang dapat mempermalukan diri sendiri


Apakah Anda merasa tidak percaya dlrl dan cemas berlebihan untuk menghadapi setlap Interaksi sosial, bahkan yang sederhana seperti menyapa orang lain atau mengobrol ringan?


Apakah Anda merasa cemas terus menerus selama berhari-hari, bermlnggu-mlnggu, bahkan hingga berbubulan-bulan sebelum menghadapi suatu situasi sosial?


Apakah Anda merasa sangat takut yang berlebihan akan penilaian orang lain terhadap diri sendiri, terutama oleh orang yang tidak dikenal?


Apakah Anda merasa takut bahwa Anda akan bertindak dengan cara yang dapat mempermalukan diri sendiri?


'□





Gambar 12. Halaman administrator untuk mengelola daftar gejala yang digunakan mendiagnosis fobia

Sistem Pakar Fobia



Tambah Gejala


Kode Gejala



A Admin


Daftar Gejala


GE GijalS Ernowns∣,GF: GejSl* FiSiK. GP; GeitlS PetUbSMn PetilSkv


0 Tambah Gejala


® Pakar


Search:


Gejala



Θ User


Cl Gangguan Fabia


Ji Gejala


Nomor


Kode


Pertanyaan


Aksl


S Konsultasi


GE01


Gejala


Pertanyaan Gejala


rakah Anda merasa tidak percaya diri dan cemas

Srleblhan untuk menghadapi setlap Interaksl sosial, bahkan ng sederhana seperti menyapa orang lain atau mengobrol


GEQ2


Gejala


pakah Anda merasa cemas terus menerus selama berhari-ιri, berminggu-minggu, bahkan hingga berbubulan-bulan SbeIuiTi menghadapi suatu situasi sosial?


GE03


Gejala


Kategorl Gejala


-Kategori-


pakah Anda merasa sangat takut yang berlebihan akan Bnllaian orang lain terhadap diri sendiri, terutama oleh yang tidak dikenal?


GE04


Gejala


pakah Anda merasa takut bahwa Anda akan bertindak angan cara yang dapat mempermalukan diri sendiri?


entries


□


□


Gambar 13. Halaman administrator untuk menambahkan gejala baru

Sistem Pakar Fobia

« Home

β Admin

® Pakar

© User

Cl Gangguan Fobla

> Gejala

IS Konsultasi



Rule Fobia Gejala


Nomor ' Nama Fobia


Kode

Gejala Nama Gejala


DaftarGejala TIpeGejaIa GangguanFobIa-GejaIa Logout


O Tambah Rule Fobia Gejala


Show 10



Bobot Aksi


Fobia Social (Gangguan Kecemasan)


GE01


Tidak percaya diri dan cemas berlebihan untuk menghadapi setiap interaksi sosial, bahkan yang sederhana seperti menyapa orang lain atau mengobrol ringan



FoblaSoclaI (Gangguan Kecemasan)


GE02


Merasa cemas terus menerus selama berhari-hari, bermlnggu-minggu, bahkan hingga berbubulan-bulan sebelum menghadapi suatu situasi sosial



FoblaSocial (Gangguan Kecemasan)


GE03


Merasa Sangattakutyang berlebihan akan penilaian orang lain terhadap diri sendiri, terutama oleh orang yang tidak dikenal



Fobia Social (Gangguan Kecemasan)


GEM


Merasa takut bahwa Anda akan bertindak dengan cara yang dapat mempermalukan diri sendiri


Gambar 14. Halaman administrator untuk mengelola aturan antara setiap fobia dengan setiap

gejala

Gambar 15. Halaman pengguna yang menampilkan antarmuka utama ke pengguna

Gambar 16. Halaman pengguna untuk sesi konsultasi dengan menjawab seluruh pertanyaan yang ada pada sistem

Gambar 17. Halaman pengguna yang menampilkan hasil diagnosis fobia berdasarkan daftar pertanyaan yang telah dijawab pengguna

  • 3.3.    Hasil Pengujian Sistem Menggunakan Blackbox Testing

Tabel 7 memperlihatkan hasil pengujian sistem pakar yang telah selesai diimplementasikan. Pengujian ini menggunakan metode Blackbox testing dan skenario-skenario pengujian yang telah dipersiapkan sebelumnya.

Tabel 6. Hasil pengujian sistem pakar menggunakan metode Blackbox Testing pada halaman administrator

Nomor

Fitur yang diuji

Skenario Pengujian

Hasil yang diharapkan

Hasil pengujian

1.

Login administrator

Memasukkan username dan password yang benar

Pengguna diarahkan ke halaman dashboard administrator

Sesuai

Login administrator

Memasukkan username dan password yang salah

Muncul pesan peringatan terkait kesalahan

Sesuai

2.

Tambah fobia

Menambahkan informasi fobia baru

Muncul pesan bahwa informasi berhasil ditambah

Sesuai

3.

Tambah Gejala

Menambahkan informasi gejala baru yang belum

Muncul pesan berhasil ditambahkan

Sesuai

ada

4.

Tambah Gejala

Menambahkan informasi gejala yang sudah ada sebelumnya

Menambahkan aturan dari gejala dan fobia yang baru

Menambahkan aturan dari gejala dan fobia yang sudah ada

Muncul pesan informasi gagal ditambahkan

Muncul pesan bahwa aturan baru berhasil ditambahkan

Muncul pesan bahwa aturan gagal ditambahkan

Sesuai

Sesuai

Sesuai

Tambah Gejala Fobia Tambah Gejala Fobia

Rule dan

Rule dan

Tabel 7. Hasil pengujian sistem pakar menggunakan metode Blackbox Testing pada halaman pengguna

Nomor

Fitur yang diuji

Skenario Pengujian

Hasil yang diharapkan

Hasil pengujian

1.

2.

3.

Registrasi pengguna Registrasi pengguna

Login pengguna Login pengguna Konsultasi pengguna

Konsultasi pengguna

Memasukkan informasi yang lengkap

Memasukkan informasi yang tidak lengkap

Memasukkan username dan password yang benar Memasukkan username dan password yang salah Menjawab semua daftar pertanyaan setiap gejala

Ada  pertanyaan  yang

tidak dijawab atau diisi

Muncul pesan bahwa registrasi berhasil

Muncul pesna bahwa registrasi tidak bisa dilakukan

Pengguna diarahkan ke halaman dashboard

Muncul pesan peringatan terkait kesalahan

Muncul hasil  diagnosis

fobia     yaitu     tingkat

kepercayaan       dan

solusinya

Muncul  pesan  proses

diagnosis   tidak   bisa

dilakukan   dan   hasil

diagnosis   fobia   tidak

muncul

Sesuai

Sesuai

Sesuai

Sesuai

Sesuai

Sesuai

  • 4.    Kesimpulan

Kesimpulan yang diperoleh dari penelitian ini adalah telah berhasil dibuat suatu sistem pakar untuk diagnosis gangguan fobia menggunakan metode Certainty Factor berbasis website. Sistem pakar telah berhasil melakukan diagnosis berdasarkan basis pengetahuan yang telah diakuisisi. Metode CF dapat digunakan untuk menentukan persentasi fobia seseorang berdasarkan gejalanya. Hasil diagnosis fobia menggunakan metode CF dipengaruhi oleh bobot dari pakar dan basis pengetahuan yang digunakan. Bobot setiap gejala dari pakar dan basis pengetahuan yang berbeda akan menyebabkan proses perhitungan menggunakan metode CF yang berbeda juga. Hal ini berimplikasi pada tingkat keyakinan yang diberikan oleh sistem pakar. Seluruh fitur pada sistem pakar dapat berfungsi dengan baik berdasarkan pengujian Blackbox Testing yang telah dilakukan. Penelitian selanjutnya disarankan untuk mengakuisisi pengetahuan dan bobot setiap gejala dari seorang pakar fobia secara langsung untuk digunakan pada sistem pakar ini, sehingga hasil diagnosis pada sistem pakar dapat lebih akurat.

References

  • [1]    G. Prastianingrum and A. S. Purnomo, “Sistem Pakar Diagnosa Fobia Menggunakan

Metode Certainty Factor,” J. Multimed. Artif. Intell., vol. 3, no. 2, pp. 73–80, 2019.

  • [2]    A. Hapsari, “Phobia (Fobia): Definisi, Gejala, Penyebab, Hingga Pengobatan,” 9 Februari

2021. Tersedia: https://hellosehat.com/mental/gangguan-kecemasan/fobia/. [24 Mei 2021].

  • [3]    M. D. C. Pane, “Fobia - Gejala, penyebab dan mengobati - Alodokter,” 3 Maret 2020.

[Online]. Tersedia: https://www.alodokter.com/fobia. [24 Mei 2021].

  • [4]    J. I. Sari, “Fobia | Tanda dan Gejala, Penyebab, Cara Mengobati, Cara Mencegah,” 30

September 2020. [Online]. Tersedia: https://www.sehatq.com/penyakit/fobia. [24 Mei 2021].

  • [5]    R. R. Fanny, N. A. Hasibuan, and E. Buulolo, “Perancangan Sistem Pakar Diagnosa

Penyakit Asidosis Tubulus Renalis Menggunakan Metode Certainty Factor Dengan Penelusuran Forward Chaining,” Media Inform. Budidarma, vol. 1, no. 1, pp. 13–16, 2017.

  • [6]    N. A. Hasibuan, H. Sunandar, S. Alas, and Suginam, “Sistem Pakar Mendiagnosa

Penyakit Kaki Gajah Menggunakan Metode Certainty Factor,” J. Ris. Ssitem Inf. dan Tek. Inform., vol. 2, no. 1, pp. 29–39, 2017.

  • [7]    R. M. Candra, “Sistem Pakar Untuk Mendiagnosa Gangguan Anxietas Dengan

Menggunakan Teorema Bayes,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 2, p. 56, 2018, doi: 10.24014/coreit.v4i2.5211.

  • [8]    R. H. Restari, S. Sinurat, and S. Suginam, “Rancangan Aplikasi Sistem Pakar Diagnosa

Penyakit Mononukleosis Dengan Metode Naive Bayes,” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 3, p. 403, 2020, doi: 10.30865/jurikom.v7i3.2179.

  • [9]    I. G. A. N. P. Palguna and L. G. Astuti, “Design and Development of Poultry Disease

Classification with Certainty Factor Method,” J. Elektron. Ilmu Komput. Udayana, vol. 8, no. 3, pp. 305–314, 2020.

  • [10]    K. D. Prebiana and L. G. Astuti, “Penerapan Metode Certainty Factor ( CF ) Dalam Pembuatan Sistem Pakar Diagnosis Penyakit Tumor Otak,” J. Elektron. Ilmu Komput. Udayana, vol. 8, no. 3, pp. 315–324, 2020.

  • [11]    I. H. Santi and B. Andari, “Sistem Pakar Untuk Mengidentifikasi Jenis Kulit Wajah dengan Metode Certainty Factor,” INTENSIF J. Ilm. Penelit. dan Penerapan Teknol. Sist. Inf., vol. 3, no. 2, p. 159, 2019, doi: 10.29407/intensif.v3i2.12792.

  • [12]    S. Zuhriyah and S. Jura, “Implementasi Certainty Factor Untuk Diagnosa Penyakit Kulit,” J. IT, vol. 9, no. 1, pp. 47–57, 2018.

  • [13]    T. S. Jaya, “Pengujian Aplikasi Dengan Metode Blackbox Testing Boundary Value Analysis (Studi Kasus: Kantor Digital Politeknik Negeri Lampung),” J. Inform. J. Pengemb. IT, vol. 3, no. 2, pp. 45–48, 2018.

  • [14]    M. Nurudin, W. Jayanti, R. D. Saputro, M. P. Saputra, and Y. Yulianti, “Pengujian Black Box pada Aplikasi Penjualan Berbasis Web Menggunakan Teknik Boundary Value Analysis,” J. Inform. Univ. Pamulang, vol. 4, no. 4, pp. 143–148, 2019, doi: 10.32493/informatika.v4i4.3841.

  • [15]    I. G. T. Mahardika and I. W. Supriana, “A Case Based Reasoning System For Recommendation Of Restaurant In Jimbaran Using K-Nearest Neighbor,” J. Elektron. Ilmu Komput. Udayana, vol. 9, no. 2, pp. 267–276, 2020.

  • [16]    R. A.S and M. Shalahuddin, Rekayasa Perangkat Lunak Terstruktur Dan Berorientasi Objek Edisi Revisi, Revisi. Bandung: Infomatika Bandung, 2018.

  • [17]    R. R. Fanny, N. A. Hasibuan, and E. Buulolo, “Perancangan Sistem Pakar Diagnosa Penyakit Asidosis Tubulus Renalis Menggunakan Metode Certainty Factor Dengan Penelusuran Forward Chaining,” Media Inform. Budidarma, vol. 1, no. 1, pp. 13–16, 2017.

This page is intentionally left blank

142