Minimnya pengetahuan publik tentang perilaku abnormal berakibat perilaku-perilaku abnormal yang ada dan tampak sering dipahami secara keliru, bahkan tidak jarang penyandang perilaku abnormal diperlakukan secara tidak manusiawi. Salah satu bentuk perilaku abnormal tersebut adalah ADHD (Attention Deficit Hyperactivity Disorder) atau gangguan pemusatan perhatian pada anak. Pada aplikasi yang akan dibuat ini, sistem pakar untuk mendeteksi jenis perilaku ADHD memberikan kesimpulan tentang jenis penyakit yang diderita dan tingkat keyakinannya.

Digunakan metode Dempster Shafer sebagai metode untuk menghitung nilai kepercayaan atas gejala-gejala yang dipilih pasien. Dengan cara membandingkan setiap nilai bobot dari 2 gejala awal yang dipilih untuk seterusnya dibandingkan dengan nilai bobot gejala-gejala lain, sehingga menghasilkan gejala baru yang mengacu kepada suatu penyakit disertai dengan nilai keyakinannya

Ada beberapa data masukan yang dimasukkan kedalam sistem pakar ini antara lain: data gejala, data penyakit dan data gejala penyakit. Data-data tersebut yang sudah dimasukkan disimpan kedalam basis pengetahuan sistem pakar dan akan digunakan dalam proses diagnosa menentukan jenis penyakit ADHD serta tingkat kenyakinannya.

3.1. Basis Pengetahuan

Hal yang pertama kali dilakukan dalam membangun sistem pakar adalah membuat struktur basis pengetahuan. Basis pengetahuan merupakan kumpulan- kumpulan fakta. Beberapa struktur basis pengetahuan pada sistem pakar ini adalah sebagai berikut:

• Basis pengetahuan gejala
• Basis pengetahuan penyakit
• Basis pengetahuan gejala penyakit

Dalam kasus ini seorang user (pengguna) dapat mengetahui jenis penyakit dan nilai tingkat kenyakinnaya dengan cara memasukkan gejala-gejala yang diderita kedalam sistem sehingga sistem pakar dengan metode Dempster Shafer akan mencocokkan gejala-gejala yang dimasukkan dengan jenis penyakit yang berada pada basis pengetahuan dan juga sistem akan memberikan nilai kepastian jenis penyakit tersebut.

Pada basis pengetahuan berisikan tentang jenis penyakit, gejala-gejala, dan nilai densitas (Dempster Shafer) gejala terhadap penyakit. Pada tabel 2.1 berisikan basis pengetahuan yang berisikan semua gejala yang mendukung semua jenis perilaku ADHD (Attention Deficit Hyperactivity Disorder) pada anak

Pada Tabel 2.2 berikut merupakan basis pengetahuan yang berisikan semua jenis penyakit yang mendukung perilaku ADHD (Attention Deficit Hyperactivity Disorder) pada anak

Tabel 2.3 berikut merupakan basis pengetahuan yang berisikan semua jenis gejala dan penyakit yang mendukung perilaku ADHD (Attention Deficit Hyperactivity Disorder) pada anak serta nilai bobot atau nilai tingkat kepercayaan (nilai belief) dan nilai plausability masing-masing gejala terhadap penyakit ADHD yang diderita anak.

Referensi: Anggia Kargenti E.M, M.Si

3.2. Analisa Aturan Penalaran

Aturan Penalaran digunakan untuk menentukan proses pencarian atau menentukan kesimpulan untuk sebuah penyakit berdasarkan gejala-gejala yang diinputkan. Aturan penalaran yang digunakan di sini adalah Rule-Based Reasoning (penalaran berbasis aturan)

1.
	R1	: IF Sulit untuk disiplin THEN G1 
	R2	: IF Sangat sensitif terhadap kritikan THEN G2 
	R3	: IF Hanya memiliki sedikit teman THEN G3 
	R4	: IF Menghindari atau tidak menyukai kegiatan yang membutuhkan usaha berkesinambungan, contohnya duduk diam THEN G4 
	R5	: IF Mengalami kecemasan pada situasi baru atau yang tidak familiar THEN G5 
	R6	: IF Memiliki kecenderungan untuk melamun THEN G6 
	R7	: IF Sering merasa rendah diri dan tidak percaya diri THEN G7 
	R8	: IF Banyak merasa khawatir dan takut THEN G8 
	R9	: IF Menjawab tanpa berpikir,sementara pertanyaan belum selesai THEN G9 
	R10	: IF Mudah merasa terganggu, mudah marah THEN G22 
	R11	: IF Terlihat sangat pemalu dan menarik diri THEN G23 
	R12	: IF Mainan sering tertinggal THEN G24 
	R13	: IF Mudah beralih perhatian (terutamarangsang suara) THEN G25 
	R14	: IF Cenderung tidak mendengarkan ketika seseorang berbicara THEN G26 
	R15	: IF Memiliki masalah dalam hal mengatur tugas / kegiatan sehari- hari THEN G27 
	R16	: IF Sulit mengikuti petunjuk guru dan orang tua THEN G28 
	R17	: IF Sulit menyelesaikan tugas atau kegiatan yang diberikan guru atau orang tua THEN G29 
	R18	: IF Seringkali lupa dengan kebiasaan dan kegiatan sehari-hari THEN G30 
2.
	R19	: IF Sulit untuk disiplin THEN G1 
	R20	: IF Sangat sensitif terhadap kritikan THEN G2 
	R21	: IF Hanya memiliki sedikit teman THEN G3 
	R22	: IF Menghindari atau tidak menyukai kegiatan yang membutuhkan usaha berkesinambungan, contohnya duduk diam THEN G4 
	R23	: IF Mengalami kecemasan pada situasi baru atau yang tidak familiar THEN G5 
	R24	: IF Memiliki kecenderungan untuk melamun THEN G6 
	R25	: IF Sering merasa rendah diri dan tidak percaya diri THEN G7 
	R26	: IF Apabila bermain, lebih sering mondar-mandir dan sulit bermain dengan tenang THEN G10 
	R27	: IF Bicara berlebihan THEN G11 
	R28	: IF Sering menghentak-hentakkan kaki ketika duduk diam THEN G12 
	R29	: IF Sering mengganggu anak-anak lain THEN G13 
	R30	: IF Selalu bermasalah dengan orang- orang yang memiliki otoritas THEN G21 
	R31	: IF Selalu bergerak, seperti berjalan atau memanjat THEN G31 
	R32	: IF Sering menggeliat THEN G32 
	R33	: IF Sering membuat gaduh suasana THEN G33 
	R34	: IF Selalu ingin memegang benda yang dilihat THEN G34 
3.
	R35	: IF Sulit untuk disiplin THEN G1 
	R36	: IF Sangat sensitif terhadap kritikan THEN G2 
	R37	: IF Hanya memiliki sedikit teman THEN G3 
	R38	: IF Memiliki kecenderungan untuk melamun THEN G6 
	R39	: IF Menjawab tanpa berpikir,sementara pertanyaan belum selesai THEN G9 
	R40	: IF Bicara berlebihan THEN G11 
	R41	: IF Sering menghentak-hentakkan kaki ketika duduk diam THEN G12 
	R42	: IF Sering mengganggu anak-anak lain THEN G13 
	R43	: IF Mengalami kesulitan menunggu gilirannya (tidak sabaran) THEN G14 
	R44	: IF Sering mengambil mainan teman dengan paksa THEN G15 
	R45	: IF Reaktif, sering merespon kembali apa yang dilakukan kepadanya THEN G16 
	R46	: IF Sering mengulangi kata-kata yang diucapkan teman THEN G17 
	R47	: IF Sering bertindak kasar dengan teman sebaya THEN G18 
	R48	: IF Sikap menantang dan membangkang THEN G19 
	R49	: IF Sering melanggar peraturan, bahkan peraturan yang sederhana THEN G20 
	R50	: IF Selalu bermasalah dengan orang- orang yang memiliki otoritas THEN G21 
	R51	: IF Mudah merasa terganggu, mudah marah THEN G22 
	R52	: IF Terlihat sangat pemalu dan menarik diri THEN G23 

3.3. Metode Inferensi

Langkah selanjutnya setelah membuat basis pengetahuan adalah analisa metode inferensi. Metode inferensi atau teknik penelusuran yang digunakan dalam sistem pakar ini adalah dengan menggunakan metode inferensi forward chaining. Metode inferensi forward chaining menggunakan himpunan aturan kondisi-aksi, dimana dalam pengambilan kesimpulan berdasarkan fakta-fakta atau pernyataan yang dimulai dengan kondisi IF kemudian THEN untuk menyimpulkan perilaku yang diderita.

Untuk lebih memahami metode inferensi biasanya digunakan mesin inferensi. Mesin inferensi ini secara teori dapat berupa pohon keputusan (decision tree) atau disebut juga dengan pohon inferensi. Pohon inferensi merupakan gambaran berbentuk grafis dari basis pengetahuan dan aturan-aturan dalam mesin inferensi.

Sebagai bahan pembelajaran aplikasi Sistem Pakar dengan DST ini; dibuat database (dalam hal ini menggunakan MySQL/MariaDB Database server) dengan nama db_expert sebagai berikut:

CREATE DATABASE IF NOT EXISTS db_expert;
USE db_expert;

4.1. Membuat Data Tabel Evidences

Tabel ds_evidences merupakan tabel untuk menyimpan data-data entitas gejala. Atribut-atribut dari gejala yang akan disimpan meliputi id,code (opsional), dan name. Struktur tabelnya adalah sebagai berikut :

-- menghapus tabel ds_evidences jika sudah ada
DROP TABLE IF EXISTS ds_evidences;
-- membuat tabel ds_evidences jika tidak ada
CREATE TABLE IF NOT EXISTS ds_evidences(
	id INT AUTO_INCREMENT,
	code VARCHAR(3),
	name VARCHAR(30),
	PRIMARY KEY (id)
) ENGINE=MyISAM CHARSET=utf8;

Mengacu kepada daftar gejala yang ditunjukkan dalam contoh kasus (Tabel 2.1) dapat dimasukkan data-data tersebut dalam tabel ds_evidences seperti berikut ini:

INSERT INTO ds_evidences(code,name)
VALUES
('G1','Sulit untuk disiplin'),
('G2','Sangat sensitif terhadap kritikan'),
('G3','Hanya memiliki sedikit teman'),
('G4','Menghindari atau tidak menyukai kegiatan yang membutuhkan usaha berkesinambungan, contohnya duduk diam'),
('G5','Mengalami kecemasan pada situasi baru atau yang tidak familiar'),
('G6','Memiliki kecenderungan untuk melamun'),
('G7','Sering merasa rendah diri dan tidak percaya diri'),
('G8','Banyak merasa khawatir dan takut'),
('G9','Menjawab tanpa berpikir,sementara pertanyaan belum selesai'),
('G10','Apabila bermain, lebih sering mondar-mandir dan sulit bermain dengan tenang'),
('G11','Bicara berlebihan'),
('G12','Sering menghentak-hentakkan kaki ketika duduk diam'),
('G13','Sering mengganggu anak-anak lain'),
('G14','Mengalami kesulitan menunggu gilirannya (tidak sabaran)'),
('G15','Sering mengambil mainan teman dengan paksa'),
('G16','Reaktif, sering merespon kembali apa yang dilakukan kepadanya'),
('G17','Sering mengulangi kata-kata yang diucapkan teman'),
('G18','Sering bertindak kasar dengan teman sebaya'),
('G19','Sikap menantang dan membangkang'),
('G20','Sering melanggar peraturan, bahkan peraturan yang sederhana'),
('G21','Selalu bermasalah dengan orang- orang yang memiliki otoritas'),
('G22','Mudah merasa terganggu, mudah marah'),
('G23','Terlihat sangat pemalu dan menarik diri'),
('G24','Mainan sering tertinggal'),
('G25','Mudah beralih perhatian (terutamarangsang suara)'),
('G26','Cenderung tidak mendengarkan ketika seseorang berbicara'),
('G27','Memiliki masalah dalam hal mengatur tugas / kegiatan sehari- hari'),
('G28','Sulit mengikuti petunjuk guru dan orang tua'),
('G29','Sulit menyelesaikan tugas atau kegiatan yang diberikan guru atau orang tua'),
('G30','Seringkali lupa dengan kebiasaan dan kegiatan sehari-hari'),
('G31','Selalu bergerak, seperti berjalan atau memanjat'),
('G32','Sering menggeliat'),
('G33','Sering membuat gaduh suasana'),
('G34','Selalu ingin memegang benda yang dilihat');

4.2. Membuat Data Tabel Problems

Data-data mengenai penyakit/masalah disimpan dalam tabel ds_problems. Atribut-atribut yang disimpan diantaranya adalah id,code (optional),name, dan notes(optional. Selain itu bisa juga ditambahkan atribut-atribut lain semisal saran tindakan, cara pengobatan dan lain sebagainya. Struktur tabelnya kurang lebih adalah sebagai berikut :

DROP TABLE IF EXISTS ds_problems;
CREATE TABLE IF NOT EXISTS ds_problems(
	id INT AUTO_INCREMENT,
	code VARCHAR(3),
	name VARCHAR(30),
	notes TEXT,
	PRIMARY KEY (id)
) ENGINE=MyISAM CHARSET=utf8;

Data-data penyakit pada Tabel 2.2 dapat dimasukkan ke dalam tabel ds_problems dengan query SQL sebagai berikut :

INSERT INTO ds_problems(code,name,notes)
VALUES
('P1','Inatentif','Anak-anak yang masalah utamanya adalah rendahnya konsentrasi dan kurangnya kemampuan untuk memusatkan perhatian.'),
('P2','Hiperaktif','Anak-anak yang masalahnya terutama diakibatkan oleh perilaku yang tidak bisa diam.'),
('P3','Impulsif','Anak-anak yang mengalami kesulitan untuk menunda respon (dorongan untuk mengatakan sesuatu/melakukan sesuatu dengan tidak sabar) dan selalu terburu-buru.');

4.3. Membuat Data Tabel Rules

Tabel ds_rules merupakan representasi dari data-data basis pengetahuan gejala penyakit. Tabel ini adalah tabel relasi antara entitas gejala (evidence ) dengan entitas penyakit (problem), dengan tambahan atribut certainly factor(cf) yang menunjukkan nilai tingkat kepercayaannya. Struktur tabelnya adalah sebagai berikut :

DROP TABLE IF EXISTS ds_rules;
CREATE TABLE IF NOT EXISTS ds_rules(
	id_problem INT,
	id_evidence INT,
	cf float
) ENGINE=MyISAM CHARSET=utf8;

Berdasarkan daftar gejala penyakit ADHD serta nilai belief masing- masing gejala terhadap penyakit Tabel 2.3 dapat dimasukkan data-data tersebut dalam tabel ds_rules seperti berikut ini:

INSERT INTO ds_rules(id_problem,id_evidence,cf)
VALUES
('1','1','0.3'),
('2','1','0.3'),
('3','1','0.3'),
('1','2','0.3'),
('2','2','0.3'),
('3','2','0.3'),
('1','3','0.3'),
('2','3','0.3'),
('3','3','0.3'),
('1','4','0.6'),
('2','4','0.6'),
('1','5','0.6'),
('2','5','0.6'),
('1','6','0.6'),
('2','6','0.6'),
('3','6','0.6'),
('1','7','0.6'),
('2','7','0.6'),
('1','8','0.6'),
('1','9','0.6'),
('3','9','0.6'),
('2','10','0.7'),
('2','11','0.6'),
('3','11','0.6'),
('2','12','0.6'),
('3','12','0.6'),
('2','13','0.6'),
('3','13','0.6'),
('3','14','0.85'),
('3','15','0.4'),
('3','16','0.85'),
('3','17','0.75'),
('3','18','0.9'),
('3','19','0.9'),
('3','20','0.75'),
('2','21','0.6'),
('3','21','0.6'),
('1','22','0.6'),
('3','22','0.6'),
('1','23','0.6'),
('3','23','0.6'),
('1','24','0.7'),
('1','25','0.85'),
('1','26','0.9'),
('1','27','0.35'),
('1','28','0.6'),
('1','29','0.75'),
('1','30','0.95'),
('2','31','0.95'),
('2','32','0.45'),
('2','33','0.8'),
('2','34','0.9');

4.4. Koneksi ke Database Server

Dari database yang sudah dibuat, kita bisa membuat script php untuk membuat koneksi ke database server dengan extension mysqli secara sederhana sebagai berikut:

<?php
//-- konfigurasi database
$dbhost = 'localhost';
$dbuser = 'root';
$dbpass = '';
$dbname = 'db_expert';
//-- koneksi ke database server dengan extension mysqli
$db = new mysqli($dbhost,$dbuser,$dbpass,$dbname);
//-- hentikan program dan tampilkan pesan kesalahan jika koneksi gagal
if ($db->connect_error) {
    die('Connect Error ('.$db->connect_errno.')'.$db->connect_error);
}
?>


5.1 Menampilkan Daftar Gejala

Sebagai tampilan awal dari aplikasi yang akan dibuat adalah berupa daftar input pilihan gejala. Karena dimungkinkan untuk memilih lebih dari satu gejala, maka jenis inputan yang cocok adalah berupa inputan checkbox (dalam HTML dengan sintak tag/element <input type='checkbox'>) -- dan sebagai alternatif lain bisa juga digunakan input <select> dengan menggunakan atribut multiple sehingga bisa dipilih lebih dari satu pilihan.

Pertama : query data semua gejala dari tabel ds_evidences, kemudian data yang diperoleh di-fetching dalam kalang(loop) while{} untuk ditampilkan semuanya. Scriptnya adalah sebagai berikut:

<form method="post">
<?php
//-- menampilkan daftar gejala
$sql="SELECT * FROM ds_evidences";
$result=$db->query($sql);
while($row=$result->fetch_object()){
    echo "<input type='checkbox' name='evidence[]' value='{$row->id}'> {$row->code} {$row->name}<br/>";
}
?>;
<input type="submit" value="proses">;
</form>


Pada tag/element <input type='checkbox'> tersebut nilai atribute name-nya adalah 'evidence[]' sehingga memungkinkan untuk mengirimkan nilai dari beberapa checkbox (multiple value). Nilai tersebut akan dikirim berupa array. Yang perlu sedikit diperhatikan adalah karakteristik dari tag/element <input type='checkbox'> yang hanya akan mengirim nilainya jika dalam kondisi ter-check.

5.2. Mengambil Nilai Gejala yang Dipilih

Pada saat form tersebut disubmit dengan menekan tombol proses maka data akan dikirim dengan HTTP POST method pada halaman itu sendiri (karena tidak dispesifikasikan nilai dari atribut action pada tag <form>-nya). Untuk mengambil nilai yang dikirimkan tersebut digunakan variable $_POST, sebagai berikut :

<?php
if(isset($_POST['evidence'])){
    if(count($_POST['evidence'])<2){
        echo "Pilih minimal 2 gejala";
    }else{
        $sql = "
            SELECT GROUP_CONCAT(b.code), a.cf
            FROM ds_rules a
            JOIN ds_problems b ON a.id_problem=b.id
            WHERE a.id_evidence IN(".implode(',',$_POST['evidence']).")
            GROUP BY a.id_evidence";
        $result=$db->query($sql);
        $evidence=array();
        while($row=$result->fetch_row()){
            $evidence[]=$row;
        }
        //-- masukkan kode perhitungannya di sini
    }
}
?>

Sebelum proses berlanjut di cek dahulu apakah ada nilai gejala yang diterima dengan if(isset($_POST['evidence')), jika tidak ada maka abaikan, sedangkan jika ada di cek kembali apakah jumlah gejala yang dikirimkan kurang dari 2 (if(count($_POST['evidence'])<2) ) maka tampilkan notifikasi/pemberitahuan untuk memilih 2 atau lebih gejala. Jika yang diterima ada 2 atau lebih gejala maka dapatkan list densitas awalnya dengan query seperti pada script di atas, kemudian masukkan nilainya ke dalam variabel array $evidence

Pada bagian yang bertuliskan:
//-- masukkan kode perhitungannya di sini
diisi dengan perintah-perintah yang akan dijelaskan pada bagian-bagian lain berikut ini.

5.3. Menentukan Environment

Sebelum menuju ke proses perhitungan berikutnya, ditentukan dahulu semesta pembicaraan (frame of discernment FOD) atau environment-nya sebagai berikut:

<?php
//--- menentukan environment
$sql="SELECT GROUP_CONCAT(code) FROM ds_problems";
$result=$db->query($sql);
$row=$resul->fecth_row();
$fod=$row[0];
?>

Dengan menggunakan fungsi GROUP_CONCAT() maka nilai dari field code akan ditampilkan dalam bentuk serialized string dengan koma (,) sebagai pemisah antar code tersebut. (dalam contoh aplikasi ini akan menjadi 'P1,P2,P3'), sehingga nilai dari variable $fod adalah merupakan environment dari sistem aplikasi sistem pakar ini.

5.4. Menentukan Nilai Densitas

Inti dari aplikasi ini adalah dalam perhitungan untuk menentukan nilai densitas dari beberapa evidence yang diberikan. Dalam proesnya, dari setiap gejala yang diberikan akan dihitung satu per satu untuk densitasnya sampai semuanya habis diperhitungkan. Jika gejala yang pertama ada densitas ke-1 dan gejala kedua adalah densitas ke-2, maka dari perhitungan akan didapatkan densitas ke-3. Jika ada gejala ketiga maka akan dijadikan sebagai densitas ke-4 yang akan diperhitungkan dengan densitas ke-3 dari hasil sebelumnya untuk mendapatkan densitas baru yaitu densitas ke-5; demikian seterusnya sampai semua gejala yang diterima diperhitungkan. Dengan kata lain jika ada N buah gejala yang diberikan, maka hasilnya adalah densitas ke N+1.

Data gejala yang diterima ($evidence) akan diambil satu demi satu dengan fungsi array_shift() dalam kalang(loop) while() selama $evidence tersebut masih ada (!empty($evidence)). Gejala yang muncul, sesuai urutan akan dimasukkan ke dalam variabel $evidence[0], sedangkan plausability-nya dimasukkan ke variabel evidence[1]

Jika belum ada hasil perhitungan densitas sebelumnya (empty($densitas_baru)) maka gejala berikutnya (yang kedua) dimasukkan ke dalam $densitas2[0] sebagai densitas kedua; sedangkan jika sudah ada maka semua hasil perhitungan sebelumnya kecuali yang ber-index/key "θ" dimasukkan ke variabel array $densitas2 sebagai item array baru yang merepresentasikan suatu densitas baru

Selanjutnya menghitung nilai plausability dari densitas baru tersebut ($theta); yaitu 1 dikurangi jumlah total nilai kemungkinan dari masing-masing elemen densitas baru itu. Caranya dengan pertama-tama meng-inisialisai variable $theta=1; dan dilakukan pengurangan nilai kemungkinan masing-masing elemen densitas yang baru dengan perintah foreach($densitas2 as $d) $theta-=$d[1];. Hasilnya dimasukkan dalam item array baru dari variable array $densitas2.

<?php
//--- menentukan nilai densitas
$densitas_baru=array();
while(!empty($evidence)){
    $densitas1[0]=array_shift($evidence);
    $densitas1[1]=array($fod,1-$densitas1[0][1]);
    $densitas2=array();
    if(empty($densitas_baru)){
        $densitas2[0]=array_shift($evidence);
    }else{
        foreach($densitas_baru as $k=>$r){
            if($k!="&theta;"){
                $densitas2[]=array($k,$r);
            }
        }
    }
    $theta=1;
    foreach($densitas2 as $d) $theta-=$d[1];
    $densitas2[]=array($fod,$theta);
    $m=count($densitas2);
    $densitas_baru=array();
    for($y=0;$y<$m;$y++){
        for($x=0;$x<2;$x++){
            if(!($y==$m-1 && $x==1)){
                $v=explode(',',$densitas1[$x][0]);
                $w=explode(',',$densitas2[$y][0]);
                sort($v);
                sort($w);
                $vw=array_intersect($v,$w);
                if(empty($vw)){
                    $k="&theta;";
                }else{
                    $k=implode(',',$vw);
                }
                if(!isset($densitas_baru[$k])){
                    $densitas_baru[$k]=$densitas1[$x][1]*$densitas2[$y][1];
                }else{
                    $densitas_baru[$k]+=$densitas1[$x][1]*$densitas2[$y][1];
                }
            }
        }
    }
    foreach($densitas_baru as $k=>$d){
        if($k!="&theta;"){
            $densitas_baru[$k]=$d/(1-(isset($densitas_baru["&theta;"])?$densitas_baru["&theta;"]:0));
        }
    }
    print_r($densitas_baru);
}
?>

Proses selanjunya adalah menghitung jumlah iterasi, sesuai jumlah item array dari densitas yang baru dengan kode $m=count($densitas2);. Dalam kalang -- loopfor() dua dimensi dilakukan perhitungan untuk mendapatkan densitas yang baru.

Karena hasil perkalian antara nilai kemungkinan dari plausability dari densitas yang pertama dan kedua tidak diperhitungkan, maka dibatasi dengan if(!($y==$m-1 && $x==1)) perhitungan densitas yang baru dilakukan. Tiap elemen dari $densitas1 dan $densitas2 dikalikan nilai kemungkinannya, dan index/key-nya merupakan irisan --intersect dari kode penyakitnya (dalam hal ini memakai fungsi array_intersect()).

Dan akhirnya berdasarkan persamaan Dempster's Rule of Combination [DST-06] dihitung masing-masing nilai kemungkinan dari tiap elemen dari densitas yang baru tersebut

5.5. Perangkingan

Pada proses perangkingan ini, pertama-tama hilangkan hasil sebelumnya yang mempunyai key/index="θ" dengan memakai kode unset($densitas_baru["θ"]);. Selanjunya data tersebut diurutkan dengan tetap mempertahankan associative keys-nya dengan pengurutan secara terbalik (reverse -- dari besar ke kecil) menggunakan fungsi arsort.

<?php
//--- perangkingan
unset($densitas_baru["&theta;"]);
arsort($densitas_baru);
print_r($densitas_baru);
?>

Perintah print_r($densitas_baru); digunakan untuk menampilkan hasil perhitungan terakhir yang sudah terurut dari yang terbesar nilainya hingga yang terkecil nilainya

5.6. Menampilkan Hasil Akhir

Hasil akhir dari perhitungan ini adalah penyakit(atau beberapa penyakit) dengan nilai derajat kemungkinannya yang tertinggi. Hasil dari proses perangkingan sebelumnya adalah berupa array associative, dengan key-nya berupa kode penyakit dan nilai array-nya adalah nilai derajat kemungkinannya. Untuk mendapatkan key dari array tersebut maka digunakan fungsi array_keys(). Data daftar key (atau kode penyakit) tersebut kemudian dimasukkan ke dalam variable $codes.

<?php
//--- menampilkan hasil akhir
$codes=array_keys($densitas_baru);
$sql="
    SELECT GROUP_CONCAT(name)
    FROM ds_problems
    WHERE code IN('{$codes[0]}')";
$result=$db->query($sql);
$row=$result->fetch_row();
echo "Terdeteksi penyakit<b>{$row[0]}</b>; dengan derajat kepercayaan ".round($densitas_baru[$codes[0]]*100,2)."%";
?>

Dengan menggunakan query SQL seperti pada script di atas, diambil nama (atau beberapa nama) penyakit yang codenya ada di $code[0] (kode penyakit dengan nilai kemungkinan tertinggi), untuk kemudian ditampilkan $row[0] beserta nilai kemungkinannya dalam prosentase (dikali 100, dibulatkan 2 angka dibelakang koma dengan fungsi round()).

Source code selengkapnya bisa dilihat di tautan ini source