Magelang 29 Agustus 2025 – Masalah rokok di Indonesia bukan lagi sekadar persoalan gaya hidup. Menurut data Global Adult Tobacco Survey, negeri ini menempati posisi ketiga dengan jumlah perokok terbanyak di dunia, setelah Cina dan India. Prevalensi merokok di Indonesia mencapai 36,1 persen dan melibatkan hampir seluruh lapisan usia. Dampaknya sangat serius: berbagai penyakit paru dan kardiovaskular terus membayangi jutaan perokok aktif.
Berangkat dari keresahan tersebut, Muhammad Faisal Rizki, mahasiswa Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Magelang, merancang penelitian berjudul “Pemanfaatan Metode Certainty Factor dalam Sistem Pakar untuk Diagnosis Penyakit pada Individu yang Merokok”. Karya ilmiah ini diselesaikan pada Juli 2024 sebagai syarat memperoleh gelar sarjana komputer.
Latar Belakang Penelitian
Faisal melihat bagaimana rokok menjadi penyebab utama kematian yang sebenarnya bisa dicegah. Data memperlihatkan konsumsi rokok lebih tinggi di daerah pedesaan, bahkan merambah remaja hingga anak-anak. Meski bahaya telah banyak disosialisasikan, menghentikan kebiasaan ini tetap menjadi hal sulit tanpa tekad pribadi dari perokok. Di sinilah teknologi informasi hadir sebagai solusi alternatif.
Kemajuan teknologi, terutama di bidang kesehatan, telah memungkinkan terciptanya sistem pakar – perangkat lunak yang meniru kemampuan seorang ahli dalam mendiagnosis penyakit. Sistem ini memanfaatkan basis pengetahuan medis yang diolah menggunakan algoritma tertentu. Salah satunya adalah metode Certainty Factor (CF), sebuah pendekatan matematis untuk mengukur tingkat keyakinan atau ketidakpastian dalam proses diagnosa.
Tujuan dan Metode
Penelitian ini bertujuan mengembangkan sistem pakar berbasis web dengan pendekatan Certainty Factor untuk membantu mendeteksi penyakit pada perokok aktif. Ada tiga fokus utama: keberlanjutan sistem, keamanan data medis, serta akurasi diagnosa.
Metodologi yang digunakan merujuk pada System Development Life Cycle (SDLC), meliputi tahapan perencanaan, analisis kebutuhan, desain, implementasi, hingga pengujian. Basis data gejala dan penyakit dikumpulkan melalui konsultasi dengan dokter spesialis paru-paru. Selanjutnya, aturan diagnosa diturunkan ke dalam model berbasis CF untuk memberikan hasil berupa persentase keyakinan terhadap kemungkinan penyakit tertentu.
Hasil Penelitian
Hasil uji coba menunjukkan bahwa sistem dapat mendiagnosis hingga 30 jenis penyakit yang umum dialami perokok, di antaranya bronkitis kronis, kanker paru, tuberkulosis, hingga penyakit jantung. Melalui input gejala oleh pengguna, sistem akan menghitung nilai CF gabungan dari pakar dan pasien. Output berupa persentase keyakinan terhadap penyakit yang mungkin diderita.
Sebagai contoh, jika seorang pengguna melaporkan gejala sesak napas, demam, dan penurunan berat badan drastis, sistem menghitung tingkat keyakinan mencapai 60 persen bahwa pasien berisiko mengidap penyakit serius terkait kebiasaan merokok. Hasil ini tentu tidak menggantikan diagnosa medis langsung, tetapi berfungsi sebagai alat bantu edukatif sekaligus pendukung keputusan bagi tenaga kesehatan.
Pengujian sistem juga dilakukan dengan membandingkan hasil diagnosa perangkat lunak dan diagnosa dokter. Tingkat konsistensi yang diperoleh membuktikan bahwa metode CF mampu meningkatkan akurasi sekaligus mengatasi ketidakpastian dalam diagnosis gejala yang tumpang tindih.
Manfaat Penelitian
Penelitian ini membawa sejumlah manfaat nyata:
- Akurasi lebih tinggi – metode CF memungkinkan sistem mengelola ketidakpastian sehingga hasil diagnosa lebih realistis.
- Aksesibilitas luas – berbasis web, sistem bisa diakses masyarakat kapan saja tanpa harus datang ke fasilitas kesehatan.
- Efisiensi tenaga medis – membantu dokter memilah kasus yang membutuhkan pemeriksaan lebih lanjut.
- Edukasi kesehatan – memberi pemahaman kepada masyarakat tentang gejala penyakit paru akibat rokok.
- Konsistensi diagnosa – sistem mengurangi variasi hasil yang kerap muncul di antara praktisi medis.
Namun demikian, Faisal menekankan bahwa sistem pakar ini tidak dimaksudkan untuk menggantikan dokter. Fungsinya murni sebagai pendukung dan penyaring awal, sehingga keputusan akhir tetap berada di tangan profesional medis.
Penutup
Melalui penelitian ini, Muhammad Faisal Rizki berhasil menunjukkan bahwa teknologi kecerdasan buatan dapat menjadi mitra strategis di bidang kesehatan. Pemanfaatan metode Certainty Factor dalam sistem pakar berbasis web memberi harapan baru, khususnya dalam menghadapi tingginya prevalensi merokok di Indonesia.
Di tengah meningkatnya angka perokok aktif dan dampak buruk yang ditimbulkan, inovasi seperti ini diharapkan mampu memperkuat upaya pencegahan, deteksi dini, dan penyadaran masyarakat. Sebab, pada akhirnya, keberhasilan menekan dampak rokok tidak hanya bergantung pada kebijakan kesehatan, tetapi juga dukungan teknologi dan kesadaran individu untuk berhenti merokok. (ed : noviyanti)
sumber : repository UNIMMA
