APLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA DAN PENANGANAN DINI GANGGUAN AUTISME PADA ANAK DENGAN METODE CERTAINTY FACTOR BERBASIS WEB

1

APLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA DAN PENANGANAN DINI

GANGGUAN AUTISME PADA ANAK DENGAN METODE CERTAINTY FACTOR

BERBASIS WEB

Ivan Ardhiatma., Arief Andy Soebroto ST., M.Kom., Rekyan Regasari M.P., ST., MT.

Program Studi Informatika/Ilmu Komputer

Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya

Email : [email protected]

ABSTRAK

Diagnosa gangguan autisme pada anak secara dini merupakan hal penting dalam proses tumbuh kembang anak. Namun

pengetahuan publik atau orangtua soal autisme dinilai masih rendah. Imbasnya kerap terjadi penyandang autis terdiskriminasi dan

keluarga penderita tidak tahu ke mana harus mencari pertolongan terapinya. Di kota besar memang masyarakat sudah mulai mengenal

autis. Namun di banyak daerah, banyak yang belum paham soal autisme dan tidak memiliki sarana penanganannya. Sistem pakar

adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan masalah yang

biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tertentu. Penggunaan sistem pakar tersebut akan lebih mudah

ketika diimplementasikan ke dalam aplikasi berbasis web, selain perangkat komputer dan internet yang sudah banyak dimiliki oleh

sebagian besar masyarakat, juga dapat diakses melalui media mobile yang sudah semakin canggih sekarang ini dengan akses internet

dan browser mobile dimanapun dan kapanpun.

Pada penelitian ini gangguan autisme pada anak dapat didiagnosa secara dini dengan mendeteksi 3 macam jenis gangguan

menggunakan metode Certainty Factor dengan inputan gejala dari pengguna. Sistem pakar ini diimplementasikan menggunakan

bahasa pemrograman PHP yang terintegrasi dengan database MySQL. Pengujian yang digunakan yaitu pengujian validasi (pengujian

black box) dan pengujian akurasi sistem pakar. Hasil pengujian validasi yaitu 100% yang menunjukkan bahwa fungsionalitas sistem

dapat berjalan dengan baik sesuai dengan daftar kebutuhan. Hasil pengujian akurasi yaitu 85% yang menunjukkan bahwa sistem pakar

dapat berfungsi dengan cukup baik sesuai dengan metode Certainty Factor. Kata Kunci: Autisme, Certainty Factor, Diagnosa, Sistem Pakar.

1. PENDAHULUAN

1.1 Latar Belakang

Autisme adalah suatu kondisi mengenai seseorang

sejak lahir ataupun saat masa balita, yang membuat

dirinya tidak dapat membentuk hubungan sosial atau

komunikasi yang normal.

Menurut data dari UNESCO pada tahun 2011,

terdapat 35 juta orang penyandang autisme di seluruh

dunia. Rata-rata, 6 dari 1000 orang di dunia telah

mengidap autisme. Di Amerika Serikat, autisme dimiliki

oleh 11 dari 1000 orang. Sedangkan di Indonesia,

perbandingannya 8 dari setiap 1000 orang [1].

Hal yang menyebabkan naiknya angka pengidap

autisme diatas selanjutnya dikemukakan oleh Kepala

Pusat Inteligensia Kesehatan Kemenkes Eka Viora,

bahwa pengetahuan publik soal autisme dinilai masih

rendah. Imbasnya kerap terjadi penyandang autis

terdiskriminasi dan keluarga penderita tidak tahu ke

mana harus mencari pertolongan terapinya. Di kota

besar memang masyarakat sudah mulai mengenal autis.

Namun di banyak daerah, banyak yang belum paham

soal autisme dan tidak memiliki sarana penanganannya.

[2]

Pada penelitian terdahulu dengan judul ‚Rancang

Bangun Aplikasi Sistem Pakar Untuk Mendiagnosa

Gangguan Autisme Secara Dini Pada Anak‛ [3] telah

menghasilkan sebuah aplikasi sistem cerdas berbasis

web dengan menggunakan metode forward chaining.

Sedangkan pada penelitian yang lain, yaitu dengan

judul ‚Penggunaan Certainty Factor (CF) Dalam

Perancangan Sistem Pakar Untuk Mendiagnosis

Penyakit Atherosklerosis‛ [4] telah membuat sistem pakar

untuk mendiagnosis penyakit atherosklerosis

menggunakan metode Certainty Factor.

Hal yang berbeda pada penelitian ini dengan

penelitian terdahulu adalah akan membuat sistem pakar

untuk mendiagnosa autism pada anak dengan metode

Faktor Kepastian. Faktor Kepastian (CF) menyatakan

kepercayaan dalam sebuah kejadian (atau fakta atau

hipotesis) berdasarkan bukti atau penilaian pakar. CF

menggunakan suatu nilai untuk mengasumsikan

derajad keyakinan seorang pakar terhadap suatu data.

CF memperkenalkan konsep keyakinan dan

ketidakyakinan.[5]

Oleh karena itu, pada penelitian ini akan dibuat

suatu aplikasi sistem pakar yang dapat mendiagnosa

gejala-gejala autis, sekaligus memberikan cara

penanganan secara dini yang nantinya dapat digunakan

untuk proses terapi sederhana pada anak yang

terdiagnosa memiliki gejala autis serta sebagai media

2

bagi orangtua untuk mendapatkan pengetahuan seputar

autism dengan metode Faktor Kepastian.

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang di atas, maka

dapat dirumuskan permasalahan pada skripsi ini yaitu

sebagai berikut :

1. Bagaimana merancang dan membangun aplikasi

sistem pakar untuk mendiagnosa dan penanganan

dini gangguan autisme pada anak dengan metode

Certainty Factor berbasis web?

2. Bagaimana implementasi metode Certainty Factor

ke dalam program aplikasi sehingga mampu untuk

mendiagnosa autisme dan mendeteksi jenis

gangguan autisme pada anak?

3. Bagaimana hasil pengujian validasi dan akurasi

dari sistem pakar diagnosa autisme pada anak

dengan menggunakan metode Certainty Factor?

1.3 Batasan Masalah

Agar permasalahan yang dirumuskan dapat lebih

terfokus, maka pada penelitian ini dibatasi dalam hal:

1. Metode yang digunakan adalah metode Certinty-

Factor untuk penerapan perhitungannya.

2. Data yang digunakan dalam skripsi akhir ini berasal

dari dokter anak, klinik tumbuh kembang anak

‚House Of Fatima Child Center‛, serta rumah sakit

umum dr.Saiful Anwar Malang.

3. Aplikasi ini menggunakan DSM-IV sebagai panduan

diagnostik autisme .

4. Keluaran aplikasi yang dihasilkan yaitu diagnosa

tingkat autisme dan jenis gangguan autisme pada

anak berbasis web.

1.4 Tujuan

Tujuan yang ingin dicapai dalam pembuatan

skripsi ini adalah membangun suatu aplikasi sistem

pakar dengan menggunakan metode Certainty Factor

untuk mendiagnosa autisme pada anak berbasis web.

1.5 Manfaat

Manfaat yang diharapkan adalah sebagai berikut:

Bagi Penulis

1. Sebagai media untuk peng-implementasian ilmu

pengetahuan teknologi pada bidang Artificial

Intelligent terutama bidang sistem pakar.

2. Mendapatkan pengetahuan dan wawasan terkait

metode – metode yang digunakan untuk sistem

pakar.

Bagi pembaca/pengguna

1. Mendapatkan wawasan akan

pengimplementasian dari Certainty Factor pada

aplikasi sistem pakar.

2. Membantu para orang tua untuk mendiagnosa

autisme pada anak serta dapat melakukan

tindakan untuk penangan dini jika anak

mengalami gejala autisme.

3. Memudahkan pakar autisme, psikolog serta para

terapis autisme dalam mendiagnosa gejala

autisme pada anak

1.6 Sistem Pakar

Sistem Pakar adalah salah satu bagian dari

kecerdasan buatan yang mengandung pengetahuan dan

pengalaman yang dimasukkan oleh satu atau banyak

pakar ke dalam satu area pengetahuan tertentu sehingga

setiap orang dapat menggunakannya untuk

memecahkan berbagai masalah yang bersifat spesifik

[6]. Dengan sistem pakar, orang awam pun dapat

menyelesaikan masalahnya atau sekedar mencari suatu

informasi berkualitas yang sebenarnya hanya dapat

diperoleh dengan bantuan para ahli di bidangnya.

Seorang pakar yang dimaksud disini adalah orang yang

mempunyai keahlian dalam bidang tertentu, yaitu pakar

yang mempunyai knowledge atau kemampuan khusus

yang tidak dimiliki oleh orang lain [6].

1.7 Ketidakpastian

Ada tiga teknik yang dapat digunakan untuk

menangani ketidakpastian dan kesamaran pengetahuan,

yaitu [6] :

1. Teknik Probabilitas, yang dikembangkan dengan

memanfaatkan teorema Bayes yang menyajikan

hubungan sebab akibat yang terjadi diantara

evidence-evidence yang ada. Pendekatan alternatif

lainnya yang dapat digunakan adalah teori

Dempster-Shafer.

2. Faktor Kepastian, merupakan teknik penalaran

tertua, yang digunakan pada sistem MYCIN. Teknik

ini bersifat semi probabilitas, karena tidak

sepenuhnya menggunakan notasi probabilitas.

3. Logika Fuzzy, merupakan teknik baru yang

diperkenalkan oleh Zadeh. Setiap variable dalam

teknik ini memiliki rentang nilai tertentu, yang akan

digunakan untuk menghitung nilai fungsi

keanggotaannya.

1.8 Teori Certainty-Factor

Faktor kepastian (Certanity Factor) diperkenalkan

oleh Shortliffe Buchanan dalam pembuatan MYCIN.

Certanity Factor (CF) merupakan nilai parameter klinis

yang diberikan MYCIN untuk menunjukkan besarnya

kepercayaan. CF menunjukkan ukuran kepastian

terhadap suatu fakta atau aturan [7].

Certanity factor didefinisikan ditunjukkan pada rumus

2.1 [7].

3

CF[H,E]=MB[H,E]-MD[H,E] (2.1)

dengan:

CF[H,E] = Certainty Factor dari hipotesis H yang

dipengaruhi oleh gejala (evidence) E. Besarnya CF

berkisar antara -1 sampai 1.

Nilai -1 menunjukkan ketidakpercayaan mutlak,

sedangkan nilai 1 menunjukkan kepercayaan mutlak

MB[H,E] = ukuran kenaikan kepercayaan (measure of

increased belief) terhadap hipotesis H yang dipengaruhi

oleh gejala E.

MD[H,E]= ukuran kenaikan ketidakpercayaan (measure

of increased disbelief) terhadap hipotesis H yang

dipengaruhi oleh gejala E.

1.9 Autisme

Autisme berasal dari kata ‘auto’ yang artinya

sendiri. Istilah ini dipakai karena mereka yang

mengidap gejala autisme seringkali memang terlihat

seperti seorang yang hidup sendiri. Mereka seolah-olah

hidup di dunianya sendiri dan terlepas dari kontak

social yang ada di sekitarnya.[3]

Autisme merupakan salah satu bentuk gangguan

tumbuh kembang, berupa sekumpulan gejala akibat

adanya kelainan syaraf-syaraf tertentu yang

menyebabkan fungsi otak tidak bekerja secara normal

sehingga mempengaruhi tumbuh kembang,

kemampuan komunikasi, dan kemampuan interaksi

sosial seseorang. Gejala-gejala autisme dapat terlihat

dari adanya penyimpangan dari ciri-ciri tumbuh

kembang anak secara normal.[3]

2. METODOLOGI

2.1 Studi Literatur

Mempelajari literatur dari beberapa bidang ilmu

yang berhubungan dengan pembuatan sistem pakar

diagnosa autisme pada anak, metode Teori Certainty-

Factor, perhitungan tingkat autisme, jenis gangguan

serta gejala autisme

2.2 Analisis Kebutuhan

Analisa kebutuhan bertujuan untuk identifikasi

aktor-aktor yang terlibat dalam sistem pakar, penjabaran

kebutuhan masukan, proses dan keluaran. Analisis

kebutuhan ini ditujukan untuk menggambarkan

kebutuhan-kebutuhan yang harus disediakan oleh

sistem agar dapat memenuhi kebutuhan pengguna.

2.3 Perancangan Perangkat Lunak

Perancangan perangkat lunak digunakan untuk

memenuhi kebutuhan fungsional dan kebutuhan

domain sistem pakar menggunakan Metode Certainty-

Factor. Untuk mengetahui kebutuhan fungsional dan

kebutuhan domain sistem pakar, diperlukan sebuah

perancangan arsitektur sistem pakar seperti pada

gambar 1. Selain itu, pada perancangan sistem juga

digambarkan diagram ERD dan diagram algoritma.

Gambar 1 Arsitektur Sistem Pakar

2.4 Implementasi Perangkat Lunak

Implementasi perangkat lunak dilakukan dengan

mengacu kepada perancangan aplikasi. Implementasi

perangkat lunak dilakukan dengan menggunakan

bahasa pemrograman PHP, DBMS MySQL dan tools

pendukung lainnya.

2.5 Pengujian Sistem

Pengujian yang dilakukan yaitu pengujian Black

Box dan pengujian akurasi sistem pakar. Pengujian Black

Box dilakukan untuk mengetahui kesesuaian antara

kebutuhan dengan kinerja sistem, Pengujian akurasi

sistem pakar dilakukan untuk mengetahui performa

sistem pakar dalam memberikan rekomendasi dengan

membandingkan pengujian data secara manual dengan

pengujian data menggunakan sistem pakar.

3. PERANCANGAN

3.1 Analisa Kebutuhan Perangkat Lunak

3.1.1 Identifikasi Aktor

Tahap ini mempunyai tujuan untuk melakukan

identifikasi aktor-aktor yang akan berinteraksi dengan

sistem pakar.

Tabel 1 Deskripsi Aktor

Aktor Deskripsi Aktor

Pengguna

Umum (PU)

Aktor yang dapat

menggunakan sistem pakar

untuk melihat informasi

autisme. Pengguna tidak

melakukan proses login,

dapat melihat informasi

mengenai autisme dan

informasi lainnya, tetapi

tidak bisa melakukan menu

diagnosa dan tanya jawab

pada forum.

Pengguna Aktor yang dapat

4

Aktor Deskripsi Aktor

terdaftar

(PT)

menggunakan sistem pakar

untuk mendiagnosa

autisme pada anak.

Pengguna dapat melakukan

proses login, melakukan

diagnosa autisme, melihat

informasi mengenai

autisme dan informasi

lainnya serta melakukan

tanya jawab pada forum.

Admin (A) Aktor yang menyerap

sumber pengetahuan dari

pakar kemudian

ditransformasikan ke basis

pengetahuan. Admin dapat

mengelola data gejala

maupun data mengenai

informasi lainnya. Admin

juga dapat melakukan

proses login dan mengelola

manajemen user.

3.1.2 Analisa Kebutuhan Masukan

Pakar memberikan masukan berupa :

1. Data gejala baru yang belum terdapat dalam sistem.

Data gejala meliputi id gejala dan nama gejala.

2. Data jenis gangguan berupa id jenis dan nama jenis

gangguan yang belum terdapat dalam sistem.

3. Data pengguna yang berisi id pengguna, nama,

alamat dan jenis kelamin

4. Data aturan ditambahkan sesuai dengan gejala dan

nama jenis gangguan autisme. Pakar diminta

memberikan nilai bobot dari masing-masing gejala.

Data aturan meliputi id gejala, id jenis dan densitas.

3.1.3 Analisa Kebutuhan Proses

Proses inti dari sistem ini adalah proses penalaran.

Sistem akan melakukan penalaran untuk menentukan

jenis gangguan autisme pada anak berdasarkan gejala

yang dimasukkan oleh pengguna. Pada sistem telah

disediakan aturan basis pengetahuan untuk penelusuran

jenis gangguan autisme.

3.1.4 Analisa Kebutuhan Keluaran

Data keluaran dari sistem ini adalah hasil proses

diagnosa menggunakan perhitungan metode Certainty

Factor. Hasil diagnosa tersebut berdasarkan fakta gejala

autisme pada anak yang dimasukkan pengguna saat

melakukan diagnosa. Hasil output sistem terdiri dari :

Tingkat autisme, jenis gangguan autisme dan solusi dan

terapi berdasarka jenis gangguan autisme

3.2 Perancangan Arsitektur Sistem Pakar

a. Akuisisi Pengetahuan

Basis pengetahuan berisi tentang pengetahuan

yang relevan yang diperlukan untuk memahami,

merumuskan, dan memecahkan persoalan. Basis

pengetahuan tersebut mencakup dua elemen dasar yaitu

fakta dan aturan khusus yang mengarahkan pengguna

pengetahuan untuk memecahkan persoalan khusus

dalam domain tertentu. Basis pengetahuan merupakan

inti program dari sistem pakar dimana basis

pengetahuan ini merupakan representasi pengetahuan

dari seorang pakar.

Representasi pengetahuan dibutuhkan untuk

menangkap sifat-sifat penting masalah dan

mempermudah prosedur pemecahan masalah dalam

mengakses informasi. Representasi pengetahuan yang

digunakan pada skripsi ini yaitu atran produksi yang

dituliskan dalam bentuk jika-maka (IF-THEN). Struktur

aturan produksi yang menghubungkan premis dengan

konklusi dapat dijelaskan sebagai berikut :

IF [premis] THEN [konklusi]

Konklusi pada bagain THEN bernilai benar jika

premis pada bagian IF bernilai benar. Penerapan

struktur aturan produksi dalam menentukan penyakit

sapi dapat dilihat pada contoh berikut ini.

IF Seringkali sangat terpukau pada suatu benda

AND Ada gerakan-gerakan aneh yang khas dan

diulang-ulang

AND Terpaku pada satu kegiatan yang ritualistic atau

rutinitas yang tidak ada gunanya AND

Mempertahankan suatu permintaan atau lebih dengan

cara yang khas dan berlebihan

THEN Gangguan Perilaku

Tabel aturan berisi hubungan antara jenis

gangguan autisme dengan gejala yang menyertainya.

Tabel 2. Tabel Jenis Gangguan Autisme

Kode Jenis

Gangguan

Autisme

Jenis Gangguan

JG001 Gangguan

Perilaku

JG002 Gangguan

Komunikasi

JG003 Gangguan

Interaksi Sosial

5

Tabel 3. Tabel Gejala autisme

Kode

Gejala Gejala

G001

Mempertahankan suatu permintaan

atau lebih dengan cara yang khas dan

berlebihan.

G002

Terpaku pada satu kegiatan yang

ritualistic atau rutinitas yang tidak ada

gunanya.

G003 Ada gerakan-gerakan aneh yang khas

dan diulang-ulang.

G004 Seringkali sangat terpukau pada suatu

benda.

G005

Bicara terlambat atau sama sekali tidak

berkembang (Tidak ada usaha untuk

mengimbangi komunikasi dengan cara

lain selain bicara).

G006 Jika bisa bicara, bicaranya tidak dipakai

untuk komunikasi.

G007 Sering menggunakan bahasa yang aneh

dan diulang-ulang.

G008 Cara bermain kurang variatif, kurang

imanjinatif dan kurang bisa meniru.

G009

Tidak mampu menjalin interaksi sosial

yang memadai, seperti kontak mata

sangat kurang, ekspresi muka kurang

hidup dan gerak-geriknya kurang

tertuju.

G010 Tidak dapat bermain dengan teman

sebayanya.

G011 Tidak dapat merasakan apa yang

dirasakan orang lain.

G012 Kurangnya hubungan sosial dan

emosional yang timbal-balik.

Tabel 4. Tabel Aturan diagnosa autisme pada anak

Aturan Jenis

Gangguan Gejala

R1 JG001 G001, G002, G003, G004

R2 JG002 G005, G006, G007, G008

R3 JG003 G009, G010, G011, G012

b. Mesin Inferensi

Metode penelusuran jawaban menggunakan

metode inferensi forward chaining, dimana sistem

menampilkan keseluruhan data gejala yang kemudian

dari berbagai kemungkinan itu dipersempit berdasarkan

inputan user. Setiap gejala yang ada dilakukan

perhitungan menggunakan rumus pada metode

certainty factor untuk mencari evidence tunggal. Nilai

CF evidence tunggal yang ada pada setiap rule kembali

dihitung lagi menggunakan rumus CF kombinasi yang

mana untuk setiap nilai CF evidence tunggal mendapat

perlakuan sebagai nilai CF1 dan CF2. Berikut ini rumus

yang digunakan untuk menghitung nilai CF evidence

maupun nilai cf kombinasi yang diterapkan untuk

setiap premis tunggal hasil pecahan dari premis

majemuk.

Untuk proses perhitungan inferensi Certainty-

Factor sebagai penarikan kesimpulan dapat dilihat pada

Gambar 2 yang merupakan gambaran pencarian solusi

sistem pakar dengan menggunakan flowchart atau

diagram alir.

Mulai

Rumus CF Evidence Tunggal:

CF (H, e) = CF(E) x CF(Rule)

Banyak input fakta gejala = 1 ?

Input : Fakta gejala

Out/In : bobot CF gejala

Kesimpulan Jenis Gangguan

Autisme dan Prosentase

Autisme

Input : Fakta gejala

Out/In : bobot CF gejala

Rumus CF Combine:

Input fakta gejala selesai ?

Analisa :

Hitung nilai bobot keseluruhan tiap gejala

Kesimpulan Jenis Gangguan

Autisme dan Prosentase

Autisme

i = i + 1

Selesai

Ya

Tidak

Tidak

Ya

Perhitungan Kasus 1 (Fakta Gejala = 1) Perhitungan Kasus 2 dan 3 (Fakta Gejala > 1)

Gambar 2 Flowchart Inferensi Certainty Factor

Sumber: Perancangan

c. Blackboard

Blackboard merupakan area memori yang berfungsi

sebagai basis data untuk merekam hasil sementara.

Pada aplikasi diagnosa autisme ini, data yang disimpan

pada area ini adalah data gejala masukan dari

pengguna, nilai perhitungan bobot CF tiap gejala, hasil

perhitungan CF combine dan hasil akhirnya, serta hasil

diagnosa jenis gangguan autisme.

d. Fasilitas Penjelas

Fasilitas penjelas yang akan diberikan dalam

aplikasi sistem pakar diagnosa autisme ini yaitu

penjelasan tentang informasi kegunaan aplikasi sistem

pakar diagnosa autisme pada anak (help).

3.3 Perancangan Aplikasi Sistem Pakar Diagnosa

autisme pada Anak

a. ERD

Pada ERD aplikasi sistem pakar diagnosa autisme

buruk pada anak ini terdapat 5 entitas, yaitu entitas

pengguna, jenis gangguan, gejala, aturan, dan hasil

diagnosa. Untuk entitas pengguna dibuat sistem

kategori level pengguna, yaitu pengguna dan admin.

Rancangan ERD sistem pakar ditunjukkan pada Gambar

3.

6

Memiliki

member

Id_user

nama

username

password

email

Nama_anak

alamat

Tgl_daftar

Tgl_login

gejala

Id_jenis_ganguan

Id_gejala

bobot

gejela

Jenis_gangguanterapi

Id_jenis_gangguan

Nama_jenis_gangguan

Hasil_diagnosa

usia

Id_user Nama_anak

Id_hasil

prosentase

jamtgl

Memiliki

Memiliki

Admin

Password_admin

Usename_admin

Id_admin

Mengelola

Mengelola

berita

Id_berita

judul headline

isi

gambartanggal

Mengelola

Bukutamu

Id_b

nama

email

text

tanggal

1

n

1

n

1

n

n

n

n

1

1

1

Gambar 3 Entity Relationship Diagram Sistem Pakar

Diagnosa Autisme pada Anak

Sumber : Perancangan

b. Diagram Konteks

Pada Gambar 4 dapat dilihat context diagramnya

terlihat proses masukan dan keluaran dari aplikasi

sistem pakar diagnosa autisme pada anak untuk setiap

pengguna yang berbeda.

Gambar 4 Diagram Konteks Sistem Pakar Diagnosa

autisme Pada Anak

Sumber: Perancangan

4. IMPLEMENTASI

4.1 Batasan Implementasi

Beberapa batasan dalam mengimplementasikan

Sistem Pakar Diagnosa autisme Pada Anak adalah

sebagai berikut :

1. Masukan yang diterima oleh sistem adalah berupa

gejala-gejala autisme yang diisikan oleh pengguna.

2. Keluaran yang diterima oleh pengguna berupa hasil

perhitungan dan kesimpulan gangguan autisme

pada anak serta solusi dan terapi berdasarkan jenis

gangguan autisme.

3. Aplikasi yang digunakan berbasis web dengan basis

data penyimpanan menggunakan MySQL.

4. Metode yang digunakan yaitu Certainty-factor.

5. Sistem ini digunakan oleh orangtua, terapis autisme,

psikolog dan pakar autisme, tenaga medis

puskesmas serta masyarakat umum yang ingin

melakukan diagnosa autisme pada anak.

6. Sistem ini bersifat dinamis, yaitu dapat melakukan

penambahan dan perubahan data aturan, jenis

gangguan autisme maupun gejalanya.

4.2 Implementasi Antarmuka

Tampilan yang ditunjukkan hanya tampilan

halaman diagnosa dan halaman hasil diagnosa karena

merupakan menu utama untuk pengguna. Halaman

diagnosa merupakan halaman utama bagi pengguna

untuk melakukan konsultasi pada anak seperti pada

Gambar 5.

Gambar 5 Halaman Konsultasi Pada Anak

Sumber: Implementasi

Halaman hasil diagnosa merupakan halaman

untuk melihat hasil atau kesimpulan diagnosa autisme

pada Gambar 6.

Gambar 6 Halaman Hasil Diagnosa

Sumber: Implementasi

5. HASIL DAN PEMBAHASAN

5.1 Pengujian Validasi

Pengujian validasi digunakan untuk mengetahui

apakah sistem yang dibangun sudah benar sesuai

dengan yang dibutuhkan. Pengujian menggunakan

metode pengujian Black Box, karena tidak difokuskan

terhadap alur jalannya algoritma program namun lebih

ditekankan untuk menemukan kesesuaian antara

kinerja sistem dengan daftar kebutuhan.

7

Tabel 5 Pengujian No Nama Kasus Hasil yang

diharapkan

Status

Validasi

1 Login Sistem mampu

menerima inputan

Login

Valid

2 Registrasi

Pengguna

Sistem mampu

melakukan

registrasi

pengguna baru

Valid

3 Input Data Fakta

Gejala

Sistem mampu

menerima input

data gejala untuk

proses

deteksi/diagnosa

Valid

4 Proses Diagnosa Sistem mampu

menampilkan

hasil diagnosa

autisme

berdasarkan gejala

yang dimasukkan

pengguna

Valid

5 Login Sistem mampu

menerima inputan

Login

Valid

6 Data Gejala Sistem mampu

melakukan

perubahan pada

data gejala

autisme pada

anak.

Valid

7 Data Jenis

Gangguan dan

Penanganannya

Sistem mampu

melakukan

perubahan

informasi jenis

gangguan dan

penanganannya

Valid

8 Artikel dan Berita Sistem mampu

menampilkan data

artikel dan berita

Valid

9 Testimonial Sistem mampu

menampilkan

informasi data

testimonial

Valid

5.2 Pengujian Akurasi

Pengujian akurasi dilakukan untuk mengetahui

performansi dari sistem pakar untuk memberikan hasil

identifikasi kesimpulan dari diagnosa jenis gangguan

autisme.

Tabel 6 Tabel Pengujian Akurasi Hasil Diagnosa Sistem dengan Pakar

No. Gejala Yang diderita Jawaban

User

Hasil

Diagnosa

Sistem

Hasil

Diagnosa

Pakar

Akurasi Hasil

Perbandingan

1

Mempertahankan suatu permintaan atau lebih

dengan cara yang khas dan berlebihan (G001)

Jarang Autisme

ringan dengan

jenis gangguan

komunikasi

dan perilaku

Autisme

ringan dengan

jenis gangguan

komunikasi

dan perilaku

1 Jika bisa bicara, bicaranya tidak dipakai untuk

komunikasi (G006)

Jarang

Sering menggunakan bahasa yang aneh dan

diulang-ulang (G008)

Sering

2.


dengan cara yang khas dan berlebihan (G001)

Jarang

Autisme

sedang dengan

jenis gangguan

Perilaku dan

Autisme

sedang dengan

jenis gangguan

perilaku dan

1 Terpaku pada satu kegiatan yang ritualistic atau

rutinitas yang tidak ada gunanya (G002)

Sangat

Sering

Ada gerakan-gerakan aneh yang khas dan Sangat

8

diulang-ulang (G001) Sering interaksi sosial interaksi sosial

Tidak mampu menjalin interaksi sosial yang

memadai, seperti kontak mata sangat kurang,

ekspresi muka kurang hidup dan gerak-geriknya

kurang tertuju (G009)

Sering

Kurangnya hubungan sosial dan emosional yang

timbal-balik (G012)

Sangat

Sering

3



mengimbangi komunikasi dengan cara lain selain

bicara) (G005)

Jarang Autisme

ringan dengan

jenis gangguan

interaksi sosial

dan

komunikasi

Autisme

ringan dengan

jenis gangguan

komunikasi

0





Sangat

Sering

4


dengan cara yang khas dan berlebihan (001)

Hampir

Selalu

Autisme berat

dengan jenis

gangguan

perilaku,

interkasi sosial

dan

komunikasi

Autisme berat

dengan jenis

gangguan

perilaku,

interkasi sosial

dan

komunikasi

1

Seringkali sangat terpukau pada suatu benda.

(G004)

Hampir

Selalu

Cara bermain kurang variatif, kurang imanjinatif

dan kurang bisa meniru. (G007)

Sering





Hampir

Selalu


timbal-balik (G012)

Hampir

Selalu

5

Ada gerakan-gerakan aneh yang khas dan

diulang-ulang (G003)

Sering Autisme

ringan dengan

jenis gangguan

perilaku, dan

interkasi sosial.

Autisme

ringan dengan

jenis gangguan

perilaku, dan

interkasi sosial.

1 Tidak dapat bermain dengan teman sebayanya.

(G010)

Sering


timbal-balik. (G012)

Sering


rutinitas yang tidak ada gunanya. (G002)

Hampir

Selalu

Autisme

ringan dengan

jenis gangguan

perilaku

Autisme

ringan dengan

jenis gangguan

perilaku

1

7




kurang tertuju. (G009)

Jarang

Autisme

ringan dengan

jenis gangguan

Interaksi Sosial

Tidak

mengalami

gangguan

autisme

0


komunikasi. (G006)

Sangat

Sering

Autisme

ringan dengan

jenis gangguan

komunikasi

Autisme

ringan dengan

jenis gangguan

komunikasi

1

9

9


dengan cara yang khas dan berlebihan. (G001)

Jarang Autisme

ringan dengan

jenis gangguan

perilaku,

komuniasi dan

interaksi sosial

Autisme

ringan dengan

jenis gangguan

perilaku dan

komuniasi


komunikasi. (G006)

Jarang





Jarang

10





Hampir

Sering

Autisme

ringan dengan

jenis gangguan

interaksi sosial

Autisme

ringan dengan

jenis gangguan

interaksi sosial

1



Sering

11




bicara). (G005)

Sering Autisme

ringan dengan

jenis gangguan

komunikasi

Autisme

ringan dengan

jenis gangguan

komunikasi

1



Jarang

12


diulang-ulang. (G007)

Sering Autisme

ringan dengan

jenis gangguan

komunikasi

Autisme

ringan dengan

jenis gangguan

komunikasi

1



Jarang

13

Terpaku pada satu kegiatan yang ritualistic atau


Jarang Autisme

ringan dengan

jenis gangguan

perilaku dan

komunikasi

Autisme

ringan dengan

jenis gangguan

perilaku dan

komunikasi

1 Seringkali sangat terpukau pada suatu benda.

(G004)

Jarang



Sering

14



Jarang

Autisme

Sedang dengan

jenis gangguan

perilaku,

komunikasi

dan interaksi

sosial

Autisme

Sedang dengan

jenis gangguan

perilaku,

komunikasi

dan interaksi

sosial

1




bicara). (G005)

Jarang



Sering

Tidak dapat bermain dengan teman sebayanya.

(G010)

Jarang

Tidak dapat merasakan apa yang dirasakan orang

lain. (G011)

Jarang

15



Sering Autisme

ringan dengan

jenis gangguan

perilaku dan

komunikasi

Autisme

ringan dengan

jenis gangguan

perilaku dan

komunikasi


komunikasi. (G006)

Sangat

Sering



Jarang

16



Jarang Autisme

ringan dengan

jenis gangguan

Autisme

ringan dengan

jenis gangguan

1

Tidak dapat bermain dengan teman sebayanya.

(G010)

Jarang

10



Sering perilaku dan

interaksi sosial

perilaku dan

interaksi sosial

17


lain. (G011)

Jarang Autisme

ringan dengan

jenis gangguan

interaksi sosial

Autisme

ringan dengan

jenis gangguan

interaksi sosial

1



Sering

18


lain. (G011)

Sering Autisme

ringan dengan

jenis gangguan

interaksi sosial

Autisme

ringan dengan

jenis gangguan

interaksi sosial

1



Jarang

19



Jarang

Autisme

ringan dengan

jenis gangguan

perilaku

Autisme

ringan dengan

jenis gangguan

perilaku

1 Ada gerakan-gerakan aneh yang khas dan


Jarang

Seringkali sangat terpukau pada suatu benda.

(G004)

Hampir

Selalu



Jarang

Autisme

ringan dengan

jenis gangguan

perilaku

Autisme

ringan dengan

jenis gangguan

perilaku

1

Dapat disimpulkan bahwa akurasi sistem pakar

menggunakan metode Certainty Factor berdasarkan 20

data diagnosa gejala autisme pada anak yang telah diuji

mempunyai tingkat akurasi keberhasilan yang cukup

baik sesuai dengan diagnosa pakar yaitu sebesar 85%.

Nilai akurasi = (Jumlah data akurat)/(jumlah seluruh

data) x 100%

Nilai akurasi = 17/20 x 100%=85%

6. PENUTUP

6.1 Kesimpulan

Berdasarkan hasil perancangan dan pengujian

yang dilakukan pada sistem pakar diagnosa autisme

menggunakan metode Certainty-Factor, maka dapat

diambil kesimpulan sebagai berikut :

1. Sistem pakar diagnosa autisme pada anak ini

mampu mendiagnosa gejala autisme pada anak.

Pengambilan kesimpulan identifikasi dihitung

menggunakan metode Certainty-factor dengan

menggunakan inputan gejala dari pengguna.

2. Hasil pengujian validasi fungsionalitas yang

menunjukkan bahwa sistem memiliki

fungsionalitas sebesar 100% dan hasil pengujian

akurasi menunjukkan bahwa keakurasian hasil

keluaran sistem adalah 85%.

3. Metode Certainty-Factor dapat digunakan untuk

membantu pakar dan terapis dalam

mengidentifikasi dan menangani autisme pada

anak.

6.2 Saran

Sistem pakar diagnosa autisme menggunakan

metode Certainty-Factor ini masih memiliki beberapa

kekurangan. Saran yang dapat diberikan untuk

pengembangan penelitian selanjutnya antara lain :

1. Untuk pengembangan lebih lanjut, sistem ini dapat

dikembangkan dengan menggunakan metode

yang berbeda atau mengkombinasikan metode

Certainty-Factor dengan metode lain.

2. Sistem dapat dikembangkan untuk kasus pada

domain lain, yang memiliki kasis penyakit tertentu

menjadi gejala bagi penyakit lain, tentunya dengan

kombinasi logika antar gejala yang lebih bervariasi.

11

7. DAFTAR PUSTAKA [1] Detik. 8 dari 1000 Orang di Indonesia

Adalah Penyandang Autis

(http://health.detik.com/read/2012/04/14

/085648/1892331/763/8-dari-1000-orang-

di-indonesia-adalah-penyandang-autis)

[2] Metrotv News. Pemahaman Publik pada

Autisme masih Rendah

(http://www.metrotvnews.com/metrone

ws/read/2013/03/13/3/138164/Pemaham

an-Publik-pada-Autisme-masih-

Rendah)

[3] Puspitasari, Siti Rahajeng Nurenggar.

2008. Rancang Bangun Aplikasi Sistem

Pakar Untuk Mendiagnosa Gangguan

Autisme Secara Dini Pada Anak.

[4] Armi, Elpa. 2010. Penggunaan Certainty

Factor (Cf) Dalam Perancangan Sistem

Pakar Untuk Mendiagnosis Penyakit

Atherosklerosis. Medan: Universitas

Sumatera Utara

[5] Daniel, Gloria Virginia. 2012.

Implementasi Sistem Pakar Untuk

Mendiagnosis Penyakit Dengan Gejala

Demam Menggunakan Metode Certainty

Factor.

[6] Kusumadewi, Sri. 2003. Artificial

Intelligence (Teknik dan Aplikasinya).

Yogyakarta : Graha Ilmu.

[7] Kusrini. 2008. APLIKASI SISTEM

PAKAR Menentukan Faktor Kepastian

Pengguna Dengan Metode Kuantifikasi

Pertanyaan. Yogyakarta : ANDI

http://health.detik.com/read/2012/04/14/085648/1892331/763/8-dari-1000-orang-di-indonesia-adalah-penyandang-autis



http://www.metrotvnews.com/metronews/read/2013/03/13/3/138164/Pemahaman-Publik-pada-Autisme-masih-Rendah




APLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA DAN PENANGANAN DINI GANGGUAN AUTISME PADA ANAK DENGAN METODE CERTAINTY FACTOR BERBASIS WEB

Documents