jurnalkuliah
TRANSCRIPT
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
7/23/2019 JurnalKuliah
http://slidepdf.com/reader/full/jurnalkuliah 2/8
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.
7/23/2019 JurnalKuliah
http://slidepdf.com/reader/full/jurnalkuliah 3/8
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.
7/23/2019 JurnalKuliah
http://slidepdf.com/reader/full/jurnalkuliah 4/8
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:
7/23/2019 JurnalKuliah
http://slidepdf.com/reader/full/jurnalkuliah 5/8
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
7/23/2019 JurnalKuliah
http://slidepdf.com/reader/full/jurnalkuliah 6/8
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.
7/23/2019 JurnalKuliah
http://slidepdf.com/reader/full/jurnalkuliah 7/8
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.
7/23/2019 JurnalKuliah
http://slidepdf.com/reader/full/jurnalkuliah 8/8
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.