SISTEM PAKAR DIAGNOSA KANKER SERVIKS MENGGUNAKAN METODE BAYES MUHAMAD ALFARISI ( ) MUHAMAD RALFI AKBAR ( ) ANDHIKA DWITAMA P ( )

RINGKASAN Dengan perkembangan teknologi yang semakin cepat, sering kali kesehatan menjadi kendala dalam aktifitas sehari – hari, kanker serviks adalah salah satu contoh penyakit yang sangat rawan diderita oleh wanita. Banyak macam cara untuk mendiagnosa namun banyak yang memerlukan waktu yang lama dan hasil yang kurang efektif

DEFINISI SISTEM PAKAR Sistem pakar adalah system yang berusaha mengadopsi pengetahuan manusia ke computer, dan merupakan salah satu alternative untuk mediagnosa suatu penyakit berdasarkan gejala – gejala yang terjadi. Melalui system pakar maka memudahkan dalam mendiagnosa sejauh mana tingkat keparahan kanker serviks yang di derita seseorang, dan tentunya juga memerlukan proses identifikasi yang akurat untuk memberikan hasil keputusan yang tepat. Metode identifikasi yang digunakan adalah metode bayes. Kegunaan dari penilitian ini adalah untuk membantu penderita kanker serviks menentukan kemungkinan tingkat keparahan kanker serviks menentukan tingkat keparahan kanker serviks yang diderita sehingga dapat dilakukan penanganan lebih lanjut.

Pendahuluan Di Indonesia, kaum wanita yang mengidap kanker cukup tinggi terutama pada kanker serviks. Kanker serviks adalah kanker pada system reproduksi wanita. Kanker serviks sampai saat ini merupakan salah satu penyebab kematian kaum wanita cukup tinggi, baik di Negara-Negara maju maupun Negara berkembang seperti Indonesia. Bahkan di Indonesia, kanker serviks merupakan kanker nomor satu yang umum diderita wanita Indonesia

PENJELASAN Kanker serviks atau sering dikenal dengan kanker mulut Rahim adalah kanker yang terjadi pada serviks uterus, suatu daerah pada pada organ reproduksi wanita yang merupakan pintu masuk ke arah Rahim yang terletak antara Rahim dan liang senggama. Menurut Globacan (2002) di seluruh dunia setiap tahun terdapat wanita terdiagnosa kanker serviks dan diantaranya meninggal dunia, sehingga dapat diambil rata – rata bahwa lebih dari 700 wanita meninggal setiap hari dari kanker serviks.

DEFINISI SISTEM PAKAR Sistem pakar merupakan yang berusaha mengadopsi pengetahuan manusia ke computer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layakya seorang pakar. Sistem pakar adalah program penasehat berbasis computer yang mencoba meniru proses berpikir dan ilmu dari seorang pakar dalam menyelesaikan masalah – masalah spesifik. Dengan system pakar ini orang – orang awam pun dapat menyelesaikan masalahnya dengan mencari suatu informasi berkualitas yang diperoleh dari bantuan para ahli di bidangnya.

DEFINISI SISTEM PAKAR Dalam penyusunannya system pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan dengan basis ilmu yang diberikan oleh satu atau lebih pakar. Kombinasi dari kedua hal tersebut disimpan dalam computer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk menyelesaikan masalah.

PENJELASAN Sebagai pendukung metode yang digunakan dalam permasalahan ini adalah Bayes. Metode bayes memberikan cara yang mendasar dalam memasukkan informasi eksternal ke dalam proses analisa data, proses ini diawali dengan distribusi probabilitas yang sudah ada diberikan untuk himpunan data yang dianalisa. Karena distribusi diberikan sebelum ada data yang di pertimbangkan, sehingga disebut distribusi priori, himpunan data baru menjadikan distribusi priori ini menjadi distribusi posterior. Perubahan yang terjadi dari prior ke posterior merujuk pada teorema bayes.

PENJELASAN Bentuk Teorema Bayes untuk evidence tunggal E dan hipotesis tunggal H adalah : p(H | E) = p(E | H) x p(H) p(E) Dimana : p(H | E)=Probabilitas hipotesis H terjadi evidence E terjadi p(E | H)=Probabilitas munculnya evidence E,jika hipotesis H terjadi p(H)=Probabilitas hipotesis H tanpa memandang evidence apapun p(E)=Probabilitas evidence E tanpa memandang apapun

PENJELASAN Table 1 : Probabilitas Gejala Penyakit Kanker Serviks KodeGejala PenyakitNilai Probabilitas GJ01Mens tidak lancar0.2 GJ02Sakit berlebihan0.15 GJ03Pendarahan setelah0.92 monopouse GJ04 Pendarahan diluar mens0.3 GJ05Susah punya anak0.4 GJ06Perut bengkak atau0.4 benjolan GJ07Pernah aborsi atau0.18 kuret GJ08Pengguna spiral0.9 GJ09Keputihan yang0.8 berlebihan dan tidak normal GJ10Pendarahan saat0.18 berhubungan GJ11 Nyeri pada punggung0.30 GJ12Hambatan dalam0.22 berkemih Dalam metode bayes terdapat alternatif yang dibutuhkan untuk diagnos penyakit kanker serviks berdasarkan gejala-gejalanya seperti tabel dibawah ini. Tabel 2 : Menentukan nilai bayes HipotesaNilai Bayes Stadium I0.1 – 0.2 Stadium II0.3 – 0.5 Stadium III0.6 – 0.8 Stadium IV0.9 – 1

Penelusuran Menggunakan Forward Chainning IF GJ02 AND GJ07 AND GJ10 THEN STADIUM I IF GJ01 AND GJ04 AND GJ05 THEN STADIUM II IF GJ08 AND GJ09 THEN STADIUM III IF GJ03 AND GJ06 AND GJ12 AND GJ13 THEN STADIUM IV

Penelusuran Menggunakan Forward Chainning Contoh Kasus : Stadium I GJ02 Sakit berlebihan = 0.15 GJ07 Pernah aborsi/ kuret= 0.18 GJ10 Pendarahan saat berhubungan= 0.18 Untuk mencari diagnosa tersebut dapat dijumlahkan dari Hipotesa yang di atas : ∑ 3 k=1 = GJ02 + GJ07 + GJ Setelah didapat penjumlahan di atas, didapatlah rumus untuk menghitung diagnosa adalah sebagai berikut : Setelah mendapatkan nilai P(H i ) probabilitas hipotesis H tanpa memandang evidence apa pun, Maka langkah selanjutnya adalah sebagai berikut:

Penelusuran Menggunakan Forward Chainning Setelah mendapatkan nilai nya, Maka langkah selanjutnya mencari nilai P(Hi | E) atau probabilitas hipotesis Hi benar jika diberikan evidence E Setelah mendapatkan seluruh nilai P(Hi | E), maka jumlahkan seluruh nilai bayes nya dengan Rumus sebagaiberikut:

Penelusuran Menggunakan Forward Chainning Algoritma ini digunakan untuk menerangkan jalannya proses konsultasi, yang diterangkan seperti dibawah ini : Input : GJ01 ← Mens tidak lancar GJ02 ← Sakit berlebihan GJ03 ← Pendarahan setelah monopouse GJ04 ← Pendarahan diluar mens GJ05 ← Susah punya anak GJ06 ← Perut bengkak atau benjolan GJ07 ← Pernah aborsi atau kuret GJ08 ← Pengguna spiral GJ09 ← Keputihan yang berlebihan dan tidak normal GJ10 ← Pendarahan saat berhubungan GJ11 ← Nyeri pada punggung GJ12 ← Hambatan dalam berkemih Output : Diagnosa Proses : IF Sakit berlebihan AND Pernah aborsi dan kuret AND Pendarahan saat berhubungan AND Total Bayes = 0.17 THEN Kanker Serviks STADIUM I IF Mens tidak lancar AND Pendarahan diluar mens AND Susah punya anak AND Total Bayes 0.34 THEN Kanker Serviks STADIUM II IF Pengguna Spiral AND Keputihan yang berlebihan dan tidak normal AND Total Bayes = 0.85 THEN Kanker Serviks STADIUM III IF Pendarahan setelah monopouse AND Perut bengkak atau benjolan AND Hambatan dalam berkemih AND Nyeri pada punggung AND Total Bayes = 0.98 THEN Kanker Serviks STADIUM IV

KESIMPULAN DAN SARAN Kesimpulan Setelah dilakukan implementasi dan analisis program, maka dapat diperoleh kesimpulan sebagai berikut : 1.Dengan adanya gejala-gejala dari penyakit kanker serviks, dapat lebih mudah mengetahui stadium berapa yang di derita oleh penderita. 2. Program aplikasi berupa sistem pakar ini dilakukan dengan menggunakan perhitungan metode bayes berdasarkan pengumpulan fakta- fakta berupa nilai-nilai probabilitas setiap gejala penyakit kanker serviks kemudian diperoleh fakta baruyaitu kesimpulan sebagai hasil akhir diagnosa. Saran Dari kesimpulan yang telah diambil, maka dapat dikembangkan saran-saran yang akan sangat membantu untuk pengembangan perangkat lunak ini selanjutnya. 1. Perlu diadakan penambahan data untuk gejala dan ciri penyakit kanker serviks beserta cara pendeteksian dan pencegahan awalnya sehingga informasi yang dimiliki akan semakin luas dan banyak. 2. Perlu dilakukan pengujian untuk mengetahui kemungkinan penyebab kanker serviks dan cara penanggulangannya, agar dapat penderita kanker serviks melalukan penanganan lebih lanjut.