jurnalkuliah

7/23/2019 JurnalKuliah

http://slidepdf.com/reader/full/jurnalkuliah 1/8

Jurnal Teknik Informatika Vol. 1 September 2012

1

SISTEM PAKAR DIAGNOSA INFEKSI PENYAKIT TROPIS

BERBASIS WEB

Purnama Ramadhani1, Diah Kusuma Wardhani2 & Erwin Setyo Nugroho3

1Prodi Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265, email:[email protected]

2Prodi Teknik Informatika Politeknik Caltex Riau, Pekanbaru 28265, email:[email protected]

3Prodi Teknik Informatika Politeknik Caltex Riau, Pekanbaru 28265, email:[email protected]

Abstrak

Sistem Pakar merupakan bagian dari kecerdasan buatan. Salah satu implementasinya adalah pada bidang kesehatan dalam mendiagnosa penyakit tropis. Demam Berdarah, Typhoid, dan

Malaria adalah contoh dari penyakit tropis dengan kasus yang cukup tinggi di Indonesia padatahun 2010 menurut Dinas Kesehatan Indonesia. Dengan adanya sistem ini, pasien dapatmendiagnosa penyakitnya kapan dan dimana saja tanpa perlu berkonsultasi secara langsung

pada dokter sehingga dapat diantisipasi terlebih dahulu penyakit yang diderita melalui gejala yang dirasakan oleh pasien. Sistem mengolah gejala yang dirasakan pasien dengan memilih gejala-gejala yang ada pada sistem kemudian diolah dengan metode Bayesian Network hinggadiperoleh hasil berupa kemungkinan penyakit tropis yang diderita pengguna beserta nilaikepercayaan terhadap penyakit tersebut. Dengan adanya sistem ini dapat membantu danmemberikan kemudahan bagi masyarakat dalam mendiagnosa awal penyakit khususnya Demam Berdarah, Malaria, dan Typhoid dengan kesamaan hasil diagnosa 78% dengandiagnosa dokter berdasarkan analisa dengan data sample sedangkan hasil kuesionermenunjukkan 69% sama dengan diagnosa yang diberikan oleh dokter. Sistem ini dibuatmenggunakan bahasa pemrograman PHP dan database MySQL.

Kata kunci: Sistem Pakar, Penyakit Tropis, Bayesian Network, MySQL, PHP.

Abstract

Expert system is a part of artificial intelligence. One of the implementation is in the health sector in the diagnosis of tropical diseases. Dengue Fever, Typhoid, and Malaria are the

examples of tropical disease which have quite high case in Indonesia at 2010 according to Indonesia Health Department. Given this system, patients are able to diagnose the diseaseanytime and anywhere without the need to consult a doctor immediately so that it can beanticipated in advance through the symptoms of the illness is perceived by the patient. The system processing the patient's symptoms by selecting symptoms that exist in the system andthen process them with Bayesian Network method to obtain the probability of illness beliefs andtheir values against the disease. The system can help users and provide facilities for the

community in the early diagnosis of disease, especially dengue, malaria, and typhoid by 78%the same diagnostic results with the doctor's diagnosis according to sample. The system built byusing PHP and MySQL database.

Keywords: Expert System, Tropical Disease, Bayesian Network, MySQL, PHP.

1 Pendahuluan

1.1 Latar Belakang

Penggunaan komputer sebagai alat bantu pekerjaan manusia saat ini telah mengalami perkembangan yang sangat pesat dan luas. Tidak hanya untuk satu bidang, namun untuk semua bidang juga sampai pada tahap pengadopsian cara berpikir manusia ahli yang dikomputerisasi

yang kita sebut dengan expert system atau sistem pakar. Sistem pakar adalah sistem berbasis



2

komputer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkanmasalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut [1].

Implementasi sistem pakar banyak digunakan untuk kepentingan komersial karena sistem pakar

dipandang sebagai cara penyimpanan pengetahuan pakar dalam bidang tertentu kedalam program komputer sedemikian rupa sehingga dapat memberikan keputusan dan melakukan penalaran secara cerdas. Salah satu implementasi yang dapat diterapkan adalah dalam duniakesehatan. Selain sebagai media informasi bagi masyarakat namun juga dapat memberikandiagnosa awal penyakit.

Penyakit tropis merupakan penyakit yang sering terjadi pada wilayah tropis dansubtropis yang umumnya berupa infeksi. Infeksi merupakan reaksi tubuh setempat atau umumdan biasanya reaksi setempat ini disertai dengan reaksi umum tubuh yang hidup karena invasidari kuman serta toksinnya dan berkembang biak [2]. Penyakit DBD, Typhoid, dan Malariaadalah contoh dari penyakit tropis yang menduduki peringat kedua (DBD) dan ketiga (Typhoid) penyakit terbanyak pada pasien rawat inap di rumah sakit di Indonesia tahun 2010 sedangkanMalaria kasusnya sudah mulai menurun namun tetap diwaspadai dikarenakan sekitar 80% darikabupaten/kota di Indonesia termasuk kategori endemis, menurut Dinas Kesehatan Indonesia[3]. Seringkali orang bingung dengan penyakit yang diderita dan terkadang tidak tahu apakah penyakit tersebut sudah termasuk dalam stadium awal ataupun kronis. Oleh karena itu, merekamembutuhkan dokter untuk berobat atau berkonsultasi. Namun jam kerja (praktek) yangterbatas dan banyaknya pasien menunggu harus rela membuat antrian sehingga terkadangmenyulitkan pasien. Pemakaian aplikasi pakar yang bisa memudahkan dalam diagnosa awalsangat diperlukan sebagai alat bantu dari pertolongan pertama yang dapat diberikan.

Oleh karena itu, penulis mencoba merancang dan membangun sebuah sistem pakaryang dapat membantu penderita dalam menentukan gejala awal infeksi penyakit tropis denganmembangun sebuah Sistem Pakar Diagnosa Infeksi Penyaki t Tropis Berbasis Web . Sistem inidiharapkan mampu menghasilkan diagnosa bagi penderita dari gejala-gejala awal yang dialami

penderita secara online. Sehingga dapat memudahkan penderita dalam memberikan pertolongan pertama terhadap penyakitnya.

1.2 Tujuan

Tujuan dari proyek akhir “Sistem Pakar Diagnosa Infeksi Penyakit Tropis BerbasisWeb” ini adalah membangun sistem pakar diagnosa infeksi penyakit tropis berbasis webmenggunakan metode bayesian network yang user friendly sehingga memberikan kemudahan bagi pemakainya.

1.3 Perumusan Masalah

Proyek akhir Perumusan masalah dari proyek akhir ini adalah :

1. Bagaimana membangun sebuah sistem pakar diagnosa infeksi penyakit tropis berbasis webmenggunakan metode bayesian network .

2. Bagaimana merancang dan membangun interface sistem yang user friendly.

1.4 Ruang Lingkup

Ruang lingkup masalah pada penelitian ini adalah:1. Sistem Pakar ini membatasi hanya 3 dari jenis Infeksi Penyakit Tropis yang akan dibahas

yaitu DHF ( Dengue haemorrhagic fever ) atau DBD, Demam Malaria, dan DemamTyphoid.

2. Sistem pakar ini dibangun dengan menggunakan metode Bayesian Network .3. Pembuatan sistem pakar ini hanya berdasarkan gejala-gejala spesifik dari ketiga jenis

infeksi penyakit tropis yang akan dibahas.



3

4. Output yang diberikan kepada pasien adalah diagnosa jenis penyakit yang diderita besertaalternatif solusi berupa penanganan awal dari penyakit yang diderita pasien dan juga

penyebab penyakitnya.

5.

Perancangan program aplikasi sistem pakar menggunakan bahasa pemrograman PHP danMySQL sebagai databasenya.

1.5 Manfaat

Manfaat yang diberikan dalam penelitian ini adalah sebagai berikut :1. Menjadi media perantara bagi pengguna aplikasi (masyarakat / user non-expert) untuk

membantu mendiagnosa infeksi penyakit tropis dan mendapatkan alternatif solusinya berupa penangan awal dari penyakit.

2. Memberikan kemudahan bagi masyarakat (pasien) dalam mendiagnosa penyakit khususnyaDBD, Malaria, dan Typhoid.

2 Tinjauan Pustaka

2.1

Kecerdasan Buatan (Artificial Intelligence)

Kecerdasan Buatan atau Artificial Intelligence yang disingkat AI menurut Rich andKnight (1991) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia [4]. Kecerdasan buatan bergerakdibeberapa bidang ilmu, salah satunya adalah sistem pakar.

2.1.1 Sistem Pakar

Menurut Martin dan Oxman, sistem pakar adalah sistem berbasis komputer yangmenggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut [1]. Beberapa

kelebihan dari sistem pakar adalah meningkatkan produktivitas, karena sistem pakar dapat bekerja lebih cepat daripada manusia, membuat seorang yang awam bekerja seperti layaknyaseorang pakar, mampu menangkap pengetahuan dan kepakaran seseorang, handal yaitu sistem pakar tidak pernah menjadi bosan dan lelah atau sakit, dan lainnya [5].

2.2 Bayesian Network

Menurut Korb dan Nicholson (2011) Bayesian Networks adalah model grafis untuk

penalaran di bawah ketidakpastian, dimana node mewakili variabel (diskrit atau kontinyu) dan busur (arc) merepresentasikan hubungan langsung antara mereka [6] . Teori probabilitas

Bayesian merupakan satu dari cabang teori statistik matematik yang memungkinkan kita untukmembuat satu model ketidakpastian dari suatu kejadian yang terjadi dengan menggabungkan

pengetahuan umum dengan fakta dari hasil pengamatan. Teori Bayesian menurut Grainner [7]mempunyai beberapa kelebihan, yaitu mudah untuk dipahami, hanya memerlukan pengkodeanyang sederhana, dan lebih cepat dalam penghitungan.

Dalam membangun suatu sistem dengan bayessian network, diperlukan

pendekatan statistic yang dikenal dengan teorema bayes.

(1)

P(h|e) = Probabilitas hipotesis h terjadi jika 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 apa pun.



4

Dalam sistem pakar diagnosa infeksi penyakit tropis ini, maka e merupakan gejala penyakit tropis sedangkan h merupakan penyakitnya.

2.3

Penyakit TropisPenyakit tropis merupakan penyakit yang banyak ditemukan di daerah tropis dan

subtropis yang umumnya berupa infeksi. Penyakit Tropis tersebut terbagi atas 4 macam yaituinfeksi yang disebabkan oleh bakteri seperti demam tifoid, infeksi yang disebabkan oleh virus

seperti DBD, infeksi yang disebabkan oleh parasit seperti Malaria, dan sindrom penyakitmenular seperti ISPA[2].

2.3.1 Demam Berdarah Dengue (DBD)

DHF ( Dengue Haemorrhagic Fever ) atau lebih sering kita dengar dengan sebutanDemam Berdarah, merupakan penyakit akut yang disebabkan oleh virus dengue, yangditularkan oleh nyamuk Aedes aegypti. Umumnya penyakit ini menyerang anak kecil, namun

tidak menutup kemungkinan dewasa juga sering mengalaminya. Menurut DepartemenKesehatan, Demam Berdarah merupakan kasus penyakit kedua terbanyak di Indonesia pada

tahun 2010. Oleh karena itu sangat diperlukan upaya pemberantasan demam berdarah agar tidakmeningkat jumlah kasusnya. Hal ini dilakukan dengan melakukan upaya mencegah nyamukdengan langkah 3M yaitu menguras, menutup, dan mengubur. Hal ini dikarenakan nyamuksenang berada di air yang besih.

2.3.2 Demam Malaria

Penyakit malaria adalah penyakit yang disebabkan oleh parasit Plasmodium, danmanusia dapat terinfeksi oleh Plasmodium ini melalu gigitan nyamuk Anopheles, yangmelepaskan Plasmodium dari salivanya sewaktu menggigit manusia[8] Plasmodium memasukisel – sel hepatosit, dan kemudian melalui sirkulasi darah akan memasuki sel – sel eritrosit.Didalam sel – sel eritrosit plasmodium selanjutnya berreplikasi. Replikasi ini merangsangsitolisis sel eritrosit dan menyebabkan lepasnya hasil metabolisme Plasmodium yang bersifattoksis ke sirkulasi darah. Hal ini mencetuskan sejumlah gejala klinik yang ringan sampai beratyang dapat menyebabkan kematian.

2.3.3 Demam Tifoid

Demam tifoid adalah infeksi akut pada saluran pencernaan yang disebabkan oleh

Salmonella typhi. Demam paratifoid adalah penyakit sejenis yang disebabkan oleh Salmonella paratyphi A, B, dan C . Gejala dan tanda kedua penyakit tersebut hampir sama, tetapi manifestasi

klinis paratifoid lebih ringan. Kedua penyakit diatas disebut tifoid. Terminologi lain yang seringdigunakan adalah typhoid fever, paratyphoid fever, typhus, dan paratyphus abdominalis atau

demam enterik. Demam tifoid adalah penyakit infeksi akut yang selalu ada di masyarakat(endemik) di Indonesia, mulai dari usia balita, anak-anak dan dewasa.

3 Perancangan

Pada makalah proyek akhir ini dibuat beberapa model perancangan sistem yangmelibatkan perancangan Use Case Diagram dan flowchart bayesian.Berikut penjelasan use case pengguna pada perancangan sistem ini yang terlihat pada Gambar 1

dan Gambar 2:



5

lihat hasil diagnosa

diagnosa

<<extend>>

lihat ket.penyakit

<<extend>>

isi buku tamulihat buku_tamu

<<extend>>

lihat artikel penyakit

lihat alternatif solusi

pasien

Gambar 1. Use Case Diagram pengguna atau pasien

tambah nilai

admin

verifikasi login

edit data admin

edit gejala

tambah gejala

<<extend>>

edit alternatif solusi

tambah solusi

kelola buku tamu

edit penyakit

tambah hub_gejala

edit hub_gejala

hapus hub_gejalalogin

<<include>>

<<extend>>

<<extend>>

<<extend>>

<<extend>>

<<extend>>

<<extend>>

edit nilai

Gambar 2. Use Case Diagram admin

Use-Case Diagram digunakan untuk menggambarkan proses-proses yang terjadi pada

sistem serta aktor-aktor yang terlibat dalam penggunaan sistem. Terdapat dua aktor yang terlibat

dalam sistem ini yaitu pasien atau pengguna dan admin. Pasien merupakan semua pengguna

sistem, yang dapat melakukan diagnosa penyakit dan melihat hasil diagnosa, penyebab, dan

alternatif solusi berupa penanganan awal dari penyakit yang diderita. Pasien juga dapat melihat

dan mengisi buku tamu tanpa harus login terlebih dahulu. Sedangkan Admin merupakan

pengguna tertinggi dalam sistem pakar ini. Admin dapat melakukan perubahan-perubahan

berupa ubah atau tambah dan lainnya terhadap sistem pakar.

Alur kerja dalam tahap perhitungan metode Bayesian dapat dilihat pada flowchart bayesian

Gambar 3.

Start

Input nilai

prior

Input nilai

condotional

probability

Olah nilai joint

probability

Olah nilai posterior

1

End

jumlahkan posterior

tiap gejala

Hasil

diagnosa

Mengurutkan

penyakit

Ambil nilai posterior tiap

gejala perpenyakit

1

Gambar 3. Flowchart Metode Bayesian Network



6

Perancangan ERD ( Entity Reltionships Diagram) digunakan untuk menggambarkanhubungan antara objek-objek yang ada pada sistem yang dirancang.

Penyakit

Gejala

Admin

Username Password

Nama

Id_gejalaNama_gejala

Prior present

Prior absent

Id_penyakitNama_penyakit

Pertolongan

Buku_tamuId_tamu

Isi_buku

Penyebab

Nama_tamu

Ket_penyakit

Cpt_p

Cpt_a

Ket_gejala

Jpd_p

Jpd_a

Posterior Kategori

thumbidwaktu

n Diisi 1

Id_admin

Foto

Id_hub

Cpt_p

Id_gejala

Id_gejala2

Cpt_a Posterior

Hub_gejala

n

Solusi

Alt_solusi

Id_solusi

Judul

punya

n

1

n

n Nilai

n

Gambar 4. Entity Relationship Diagram

4 Pengujian dan Analisa

Pengujian sistem dilakukan dengan melakukan proses diagnosa yang tersedia di menu pengguna. Menu ini sebagai sarana untuk mendeteksi adanya penyakit dan besarnyakemungkinan penyakit yang diderita dari hasil diagnosa sistem. Pengguna bisa langsung masuk

ke sistem tanpa harus login sebagai member atau melakukan pendaftaran terlebih dahulu.

Gambar 5. Halaman diagnosa Gambar 6. Halaman hasil diagnosa

Pada halaman diagnosa yang tergambar pada Gambar 5 dan Gambar 6, pengguna atau

pasien dapat memilih satu atau lebih dari gejala yang ditampilkan oleh sistem. Pengguna yang

sudah melakukan diagnosa pada sistem pakar dengan memilih gejala yang dirasakan,

mendapatkan hasil berupa probabilitas penyakit yang dideritanya dan nilai kepercayaan dari

penyakit tersebut. Selain itu, juga diberikan sedikit informasi mengenai informasi dari penyakit

tersebut beserta penyebab dan penanganan awal dari penyakit tersebut yang dapat dilihat pada

Gambar 7.



7

Gambar 7. Halaman Hasil Diagnosa

Dari hasil analisa kuisioner yang dilakukan oleh tujuh orang pakar penyakit tropis

didapatkan bahwa sebanyak 71,4% pakar penyakit tropis berpendapat baik bahwa sistem ini

memudahkan dalam mendiagnosa infeksi penyakit tropis. Sebanyak 68,6% berpendapat baik

bahwa sistem ini memberikan hasil diagnosa yang sesuai dengan hasil diagnosa dokter.Sebanyak 65,7% pakar berpendapat baik untuk kesesuaian gejala yang dipakai dalam

mendiagnosa penyakit. Sebanyak 82,9% pakar berpendapat bahwa sistem berjalan dengan baik

sesuai dengan fungsinya. Sebanyak 80% pakar berpendapat bahwa sistem memberikan data dan

informasi yang bermanfaat bagi pasien, sedangkan 85% pakar penyakit tropis berpendapat

sangat baik bahwa sistem ini mudah digunakan.

Gambar 8. Grafik Peninjauan Kuesioner Oleh Pakar Penyakit Tropis

Analisa kuisioner juga dilakukan kepada responden selain pakar, yaitu pengguna

ataupun pasien yang disebar sebanyak 15 responden. Menurut 86,7% responden berpendapat

bahwa sistem ini memudahkan dalam mendiagnosa infeksi penyakit tropis khususnya DBD,

Malaria, dan Typhoid dengan sangat baik. Responden juga berpendapat bahwa kenyamanan

pemakaian aplikasi sangat baik yaitu sebanyak 85,3% setuju. Sebanyak 84% responden

berpendapat bahwa sistem berjalan sesuai dengan fungsinya dengan sangat baik. Sebanyak

89,3% responden berpendapat bahwa sistem ini memberikan data dan informasi yang

bermanfaat bagi pasien dengan sangat baik. Sebanyak 88% responden berpendapat bahwa

sistem ini mudah digunakan dengan sangat baik.

Dari hasil analisa sistem menggunakan teknik sampling untuk mengetahui seberapa besar kesesuaian hasil diagnosa sistem dengan hasil diagnosa dari pakar penyakit tropis,

sebanyak 39 dari 50 (78%) hasil diagnosa sistem dinyatakan sesuai dengan hasil analisa dokter.



8

5 Penutup

5.1 Kesimpulan

Setelah melalui tahap pengujian pada Sistem Pakar Diagnosa Infeksi Penyakit TropisBerbasis Web, maka dapat diambil beberapa kesimpulan sebagai berikut :

1. Sistem yang telah dibangun dengan menggunakan metode Bayesian Network dapatmembantu pengguna ataupun pasien dalam mendiagnosa penyakit yang diderita sesuaidengan gejala yang dirasakan oleh pengguna atau pasien.

2. Hasil pengujian manual menunjukkan hasil yang sama dengan pengujian aplikasi .3. Berdasarkan hasil analisa kuesioner, sistem ini menunjukkan hasil 68,6% sama dengan

diagnosa yang diberikan oleh dokter, sedangkan hasil analisa menggunakan tekniksampling menunjukkan hasil 78% sama dengan diagnosa yang diberikan oleh dokter.

4. Berdasarkan hasil analisa kuesioner, sistem ini memudahkan pengguna untuk mendiagnosainfeksi penyakit tropis khususnya DBD, Malaria, dan Typhoid yaitu sekitar 71,4% pakar

setuju dan 86,7% responden lainnya sangat setuju.

5.2 Saran

Beberapa saran yang dapat diberikan untuk pengembangan aplikasi ini:

1. Diharapkan dapat mengakomodasi lebih banyak jenis penyakit dalam cakupan penyakit

tropis agar system dapat mendiagnosa jenis penyakit yang lebih bervariasi.2. Untuk kedepannya, sistem ini dapat dikembangkan dengan fitur-fitur yang lebih menarik

seperti cara mengenal tanda-tanda gejala pada tubuh pasien melalui video.3. Sistem dapat dikembangkan lebih lanjut dengan berbasis mobile Android.

Daftar Pustaka

[1] Martin, J. and Oxman, S., Building Expert System a Tutorial, New Jersey : Prentice Hall,1988.

[2] Sudiono, J., Kurniadhi, B., Hendrawan, A., and Djimantoro, B., Ilmu Patologi, Jakarta:

EGC, 2003.[3] Departemen Kesehatan Republik Indonesia, Profil Kesehatan Indonesia 2010, Jakarta:

Kementrian Kesehatan RI, 2011.[4] Rich, E. & Kevin, K., Artificial Intelligence, New York : McGraw-Hill Publishing

Company, Second Edition, 1991. [5] Sutojo, T., Mulyanto, E., Suhartono, Vincent, Kecerdasan Buatan, Yogyakarta: Andi.

2011.

[6] Korb, Kevin B. & Nicholson, Ann E, Bayesian Artificial Intelligence, United States :CRC Press, Second Edition, 2011.

[7] Arlini, M., Kelebihan dan Kekurangan Teori Bayesian dalam Sistem Pengambilan Keputusan. Dalam Mayaarlini’s Weblog. Diambil 17 November 2011 darihttp://mayaarlini.wordpress.com/page/2/

[8] Widoyono, Penyakit Tropis Epidemiologi, Penularan, Pencegahan dan Pemberantasannya, Jakarta : Erlangga, 2008.

http://mayaarlini.wordpress.com/page/2/

http://mayaarlini.wordpress.com/page/2/

jurnalkuliah

Documents