Case Base Reasoning (CBR) Solusi Deteksi Penyakit Lambung

 

Penyakit lambung merupakan masalah kesehatan yang kompleks, dan memiliki gejala yang mirip dengan kondisi penyakit lainnya sehingga sering kali tidak disadari dan diremehkan. Hal ini sering dijelaskan diberbagai forum dan media massa baik online maupun offline seperti pada gambar 1 penjelasan penjelasan terkait penyakit lambung yang tersebar di internet. 

Kadang kala kita mulai menyadari ketika sudah dalam tahap akut. sistem pakar diagnosis hadir sebagai alat yang sangat berharga. Sistem pakar hadir untuk memberikan diagnosis yang cepat dan akurat. Sistem pakar sering hadir sebagai sebuah rapid cek kesehatan yang akurat dan sangat membantu memberikan pertolongan pertama penderita sakit lambung dalam bentuk pemberian saran penanganan awal sebelum ditangani oleh pakar. 

Pemanfaatan teknologi sistem pakar dapat menghemat biaya dan waktu yang diperlukan untuk kunjungan medis yang tidak perlu. Banyak sekali sistem informasi Kesehatan yang menangani penyakit lambung. Salah satunya sistem pakar yang diberi nama GastroEx. 

Sistem ini dibangun dengan tujuan memberikan bantuan pengambilan keputusan awal bagi penderita penyakit lambung dengan mendiaknosis secara cepat dan akurat melalui berbagai pertimbangan seperti gejala, riwayat medis dan informasi yang berkaitan kepada pengguna. Sistem ini dibangun menggunakan metode case base reasoning (CBR) dengan algoritma K-Nearest Neighbor.

 

Sistem diagnosis menggunakan metode CBR menggunakan empat proses dalam pemecahan kasus atau masalahnya. Empat proses ini adalah :

 Retrieve : pada proses ini dilakukan Nearest Neighbor similarity dengan menentukan sebagian besar kesamaan artinya gejala gejala yang dirasakan user menjadi inputan dalam sistem kemudian gejala gejala tersebut dihitung dengan menggunakan algoritma KNN untuk melihat seberapa besar kesamaan gejalanya dengan kasus  yang tersimpan di case base pada sistem.

 

(, ) = ((1 1)+ (2 2)++ ( )) / 1+ 2++ ............................... (Persamaan 1)

Keterangan:

 P          : Kasus baru (Diagnosa baru)

 q          : Kasus yang ada dalam penyimpanan (case)

 w         : weight (bobot yang diberikan pada atribut ke-i)

 s           : Similarity ( nilai kemiripan )

 

 Reuse : memecahkan masalah baru menggunakan kembali informasi dan pengetahuan dalam kasus yang diambil untuk memecahkan penyakit lambung apa yang diderita oleh user. Masalah masalah yang tidak terselesaikan akan masuk kedalam database tersendiri yang nanti dikirim ke proses revise untuk direvisi.

 

Retain : pada bagian ini digunakan untuk menyimpan atau mendalami bagian dari pengalaman sebelumnya untuk memecahkan masalah yang mendatang melalui proses pemilihan informasi dari kasus yang akan disimpan, penyimpanannya dalambentuk apa, penyusunan kasusnya seperti apa agar mudah untuk menentukan solusinya, dan jika ada kasus baru maka bagaimana mengintegrasikan dengan struktur memori atau menyimpan solusi baru menjadi kasus baru ke dalam case base untuk digunakan pada penyelesaian masalah baru yang akan datang

 

Revise : pada proses ini memperbaiki usulan solusi yang diberikan yang tugasnya ada dua yaitu evaluasi solusi kasusu yang dihasilkan dari proses reuse dan  jika berhasil dilanjutkan pada proses retain kemudian yang kedua jika tidak maka memperbaiki menggunakan domain spesifik pengetahuan tersebut. Pada proses ini dapat digunakan untuk system beradaptasi dengan melakukan revisi atas solusi lama yang diusulkan agar sesuai dengan kondisi sekarang. Hal ini dibutuhkan karena gaya hidup manusia dari tahun ketahun berbeda sehingga kemungkinan adanya kasus baru pada masalah Kesehatan lambung.

 

Berikut ini Arsitektur yang digunakan untuk membangun sistem nya :

 

Cara kerja sistem dengan memecahkan suatu masalah yang diadopsi dari solusi masalah sebelumnya yang memiliki kemiripan dengan masalah baru untuk mendapatkan solusi. Pemecahan masalah  seperti gambar 1. CBR memiliki kemampuan untuk diagnosa berbasis kasus data yang memberikan informasi secara otomatis berdasarkan pengetahuan terdahulu yang dapat direvisi untuk menyesuaikan dengan permasalahan baru, sehingga pengetahuan CBR akan terus berkembang. Pemecahan masalah baru pada CBR dilakukan dengan cara mencari permsalahan sejenis pada masa lampau dan memberikan solusi berdasarkan permasalahan yang paling mirip yang ada pada case memory, dan permasalahan yang dapat digunakan untuk memecahkan masalah disimpan pada case memory untuk memecahkan permasalahan di masa datang.

 

Ketika semakin banyak dan kompleks case base yang tersimpan maka akan semakin akurat namun itu tidak akan menjamin solusi yang diberikan merupakan yang terbaik karena semakin banyak semakin lama proses yang dilakukan karena harus membandingkan dengan kasus kasus lampau yang mirip sebelumnya yang telah tersimpan pada case base tersebut. Solusinya adalah pada proses revise untuk melakukan revisi sehingga mengurangi tingkat kesalahan. Gaya hidup masyarakat yang mengalami perubahan seiring waktu yang dapat menimbulkan penyakit baru dengan gejala yang similaritynya besar dengan gejala penyakit lain juga perlu diperhatikan.

 

 Daftar Pustaka :

Amriana, Amriana & Nugraha, Deny & Tanti, Rahma. (2020). Sistem Pakar Diagnosa Penyakit Lambung Menggunakan Metode Case Based Reasoning Berbasis Web. CESS (Journal of Computer Engineering, System and Science). 5. 114. 10.24114/cess.v5i1.13596.

Akmal, Faza, and Sri Winiarti. "Sistem Pakar Untuk Mendiagnosa Penyakit Lambung Dengan Implementasi Metode Cbr (Case-based Reasoning) Berbasis Web." Jurnal Sarjana Teknik Informatika, vol. 2, no. 1, 1 Feb. 2014, pp. 119-129.

Septianda Reza Maulana, Luqman Affandi, & Mamluatul Haniah. (2023). Sistem Pakar Diagnosa Penyakit Paru-Paru Menggunakan Metode Case Based Reasoning. Jurnal Informatika Polinema, 9(2), 193--200. https://doi.org/10.33795/jip.v9i2.1225