Expert System For Phobia Diagnosis Using Certainty Factor (CF) Method
on
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
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
Masalah pada penelitian ini adalah bagaimana membangun sistem pakar yang bisa mendiagnosis fobia dengan menggunakan metode Certainty Factor.
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.
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.
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
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
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.
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 |
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
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
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
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).
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].
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.
-
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
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 |
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
Discussion and feedback