Rancang Bangun Aplikasi Sistem Pakar untuk
Menentukan Jenis Gangguan Perkembangan pada Anak
Sistem pakar merupakan system yang berusaha
mengadopsi pengetahuan manusia ke komputer, agar komputer dapat mnyelesaikan
masalah seperti biasa dilakukan oleh para ahli. Sistem pakar merupakan program computer
yang meniru proses pemikiran dan pengetahuan pakar dalam menyelesaikan suatu
masalah tertentu dan didesain dan diimplementsikan dengan bantuan bahasa
pemograman tertentu. Diharapkan dengan adanya sistem ini, orang awam dapat
menyelesaikan masalah seperti tertentu, baik “sedikit” rumit atauoun rumit
sekalipun “tanpa” bantuan ahi dalam bidang tersebut. Aplikasi yang dikembangkan
ini bertujuan untuk menentukan jenis gangguan perkembangan pada anak di bawah
umur 10 tahun dengan hanya memperhatikan gejaa-gejala yang dialmi.
Implementasi sistem pakar banyak digunakan dalam bidang
psikologi karena sistem pakar dipandang sebagai cara penyimpanan pengetahuan
pakar pada bidang tertentu dalam program komputer sehingga keputusan dapat
diberikan dalam melakukan penalaran secara cerdas. Salah satu implementasi yang
diterapkan sistem pakar dalam bidang psikologi, yaitu untuk sistem pakar
menentukan jenis gangguan perkembangan pada anak. Anak-anak merupakan fase yang
paling rentan dan sangat perlu diperhatikan satu demi satu tahapan
perkembangannya. Contoh satu bentuk gangguan perkembangan adalah conduct
disorder. Conduct disorder adalah satu kelainan perilaku dimana anak
sulit membedakan benar salah atau baik dan buruk, sehingga anak merasa tidak
bersalah walaupun sudah berbuat kesalahan. Dampaknya akan sangat buruk bagi
perkembangan sosial anak tersebut. Oleh karena itu dibangun suatu sistem pakar
yang dapat membantu para pakar psikolog anak untuk menentukan jenis gangguan
perkembangan pada anak dengan menggunakan metode Certainty Factor (CF).
Sistem pakar sendiri
terdiri dari beberapa komponen, yaitu:
-
User Interface (antarmuka pengguna)
-
Basis
Pengetahuan
-
Mesin Interface
-
Workplae
-
Fasilitas
penjelasan
-
Perbaikan
pengetahuan
Seorang pakar mempunyai pengetahuan tentang masalah
yang khusus. Dalam hal ini disebut domain knowledge. Penggunaan kata “domain”
untuk memberikan penekanan pengetahuan pada problem yang spesifik.
Pakarmenyimpan domain knowledge pada Long Term Memory (LTM)
atau ingatan jangka panjangnya.
Ketika pakar akan memberikan nasihat atau solusi
kepada seseorang, pakar terlebih dahulu menentukan fakta-fakta dan menyimpannya
ke dalam Short Term Memory (STM) atau ingatan jangka pendek.
Kemudian pakar memberikan solusi tentang masalah tersebut dengan
mengkombinasikan fakta-fakta pada STM dengan pengetahuan LTM. Dengan
menggunakan proses ini pakar mendapatkan informasi baru dan sampai pada
kesimpulan masalah.
Terdapat
dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan,
yaitu pelacakan ke belakang (Backward chaining) dan pelacakan ke depan (forward
chaining).
a. Pelacakan
ke belakang (Backward Chaining)
Pelacakan ke belakang adalah pendekatan
yang dimotori oleh tujuan (goaldriven). Dalam pendekatan ini pelacakan
dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut
untuk kesimpulannya. Selanjutnya proses pelacakan menggunakan premis untuk
aturan tersebut sebagai tujuan baru dan mencari aturan lain dengan tujuan baru
sebagai kesimpulannya. Proses berlanjut sampai semua kemungkinan ditemukan.
b. Pelacakan
ke depan (forward chaining)
Pelacakan kedepan adalah pendekatan yang
dimotori data (data-driven). Dalam pendekatan ini pelacakan dimulai dari
informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan
ke depan, mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN.
Setelah menerima bidang kepakaran yang telah
diaplikasikan pada system pakar, kemudian mengumpulkan pengetahuan yang sesuai
dengan domain keahlian tersebut. Pengetahuan yang dikumpulkan tersebut
tidak bisa diaplikasikan begitu saja dalam sistem. Pengetahuan harus
direpresentasikan dalam format tertentu dan dihimpun dalam suatu basis
pengetahuan. Pengetahuan yang dilakukan pada sistem pakar merupakan serangkaian
informasi pada domain tertentu. Kedua hal tersebut menurut ekspresi klasik
oleh Wirth ditulis sebagai berikut:
Algoritma +
Struktur Data = Program
Pengetahuan + Inferensi = Sistem Pakar
Dalam menghadapi suatu permasalahan sering ditemukan
jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini dapat berupa
probabilitas atau kebolehjadian yang tergantung dari hasil suatu kejadian.
Hasil yang tidak pasti disebabkan oleh dua faktor, yaitu aturan yang tidak
pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan
oleh sistem. Hal ini sangat mudah dilihat pada sistem diagnosis penyakit,
dimana pakar tidak dapat mendefinisikan hubungan antara gejala dengan
penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan
pasti pula. Pada akhirnya akan ditemukan banyak kemungkinan diagnosis. Sistem
pakar harus mampu bekerja dalam ketidakpastian. Sejumlah teori telah ditemukan
untuk menyelesaikan ketidakpastian, termasuk diantaranya probabilitas klasik,
probabilitas bayes, teori hartley berdasarkan himpunan klasik, teori shannon
berdasakan pada probabilitas, teori Depmster-Shafer, teori fuzzy Zadeh, dan
faktor kepastian (certanity factor).
Pengujian kebenaran sistem dilakukan untuk
mengetahui kesamaan hasil akhir atau output yang berupa kemungkinan
jenis gangguan yang dihasilkan oleh sistem, dengan yang dihasilkan oleh
perhitungan secara manual. Untuk mengetahui hasil output dari sistem
harus melakukan konsultasi terlebih dahulu yang kemudian memasukkan gejala-gejala
yang dirasakan oleh pasien kemudian setelah selesai melakukan konsultasi maka
akan muncul halaman hasil konsultasi yang akan menampilkan kemungkinan jenis
gangguan perkembangan yang dialami oleh pasien. Pengujian kebenaran sistem
dilakukan dengan melakukan beberapa ujicoba diantaranya sebagai berikut:
1. Dengan
satu gejala satu jenis gangguan
Pada pengujian satu gejala untuk satu
jenis gangguan ini, percobaan akan menggunakan gejala kontak mata, ekspresi
muka, dan gerak-gerik tubuh kurang hidup dengan kemungkinan mengalami jenis
gangguan perkembangan Autisme Aktif dengan nilai MB = 0.9 dan MD = 0.1.
2. Dengan
satu gejala beberapa jenis gangguan
Pada pengujian satu gejala beberapa
gangguan ini, percobaan akan menggunakan gejala Kesadaran anak untuk bersosialisasi
kurang dengan kemungkinan akan mengalami beberapa gangguan diantaranya adalah: Mengalami
Gangguan: Retardasi Mental Ringan dengan nilai MB = 0.5 dan MD = 0.05,
Retardasi Mental Moderat dengan nilai MB = 0.7 dan MD = 0.1, Autisme Aktif
dengan nilai MB = 0.89 dan MD = 0.1, dan Disfraxsia dengan nilai MB = 0.4 dan
MD = 0.1.
3. Dengan
beberapa gejala satu jenis gangguan
Pada pengujian beberapa gejala satu
gangguan ini, percobaan akan menggunakan beberapa gejala yaitu: Anak kesulitan
menjaga konsentrasi dlm aktivitasnya dengan nilai MB = 0.85 dan MD = 0.10,
Sering gagal dalam member perhatian secara jelas dengan nilai MB = 0.70 dan MD
= 0.35 dan Sering membuat kesalahan yang tidak terkontrol dengan nilai MB =
0.89 dan MD = 0.10. Ketiga gejala tersebut kemungkinan akan mengalami gangguan
Pemusatan Perhatian dan Hiperaktif
4. Dengan
beberapa gejala beberapa gangguan
Pada pengujian beberapa gejala beberapa
gangguan ini, percobaan akan menggunakan beberapa gejala yaitu: Anak hanya
sedikit memiliki kemampuan ekspresif dengan nilai MB = 0.50 dan MD = 0.10,
Kesulitan menjaga konsentrasi dlm aktivitasnya dengan nilai MB = 0.85 dan MD =
0.10. Kedua gejala tersebut kemungkinan akan terkena gangguan perkembangan
yaitu Disfraxia dan Gangguan Pemusatan Perhatian&Hiperaktif(ADHD).
Aplikasi sistem pakar yang dibuat ini mampu
menganalisis jenis gangguan perkembangan yang dialamai pasien berdasarkan
gejala-gejala yang dimasukkan oleh user. Aplikasi mampu menyimpan
representasi pengetahuan pakar berdasarkan nilai kebenaran MB dan nilai
ketidakbenaran MD. Aplikasi system pakar ini sudah dapat menjelaskan definisi
jenis gangguan perkembangan, penyebab, dan pengobatannya.
Kekurangan dari aplikasi ini adalah belum adanya
pengelompokan gejala-gejala sejenis yang hanya boleh dipilih satu dari kelompok
gejala tersebut. Akibatnya, jika user kurang teliti dalam memilih
gejala, maka sistem akan memberikan kesimpulan yang kurang benar.
(Sumber:
Feri Fahrur Rohman, Ami Fauzijah, Rancag
Bangun Aplikasi Siste Pakar untuk Mnentukan Jenis Gangguan Perkembangan pda
Anak, Juni 2008)