PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN
METODE NAIVE BAYES
SKRIPSI
MUHAMMAD IMANURRAHMAN
101402054
PROGRAM STUDI S-I TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN
METODE NAIVE BAYES
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ijazah Sarjana Teknologi Informasi
MUHAMMAD IMANURRAHMAN
101402054
PROGRAM STUDI S-I TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PENGKLASIFIKASIAN PENYAKIT GINJAL
MENGGUNAKAN METODE NAIVE BAYES
Kategori : SKRIPSI
Nama : MUHAMMAD IMANURRAHMAN
Nomor Induk Mahasiswa : 101402054
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 11 Februari 2015 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Erna Budhiarti Nababan , M.IT Dr. Suyanto, M.Kom
NIP. - NIP. 195908131986011002
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
iii
PERNYATAAN
PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN METODE NAIVE BAYES
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Februari 2015
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan segala rahmat dan karuniaNya lah penulis bisa menyelesaikan penyusunan tugas akhir ini.
Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari pihak lain. Oleh karena itu penulis mengucapkan terima kasih banyak kepada :
1. Kedua orang tua penulis, yaitu Ayahanda H. Zulwan Rahman, SE dan Ibunda Hj. Irlinda Lubis, SE yang selalu sabar dalam membesarkan dan mendidik penulis, juga kepada adik-adik penulis, yaitu Raissa Fitri, Zsizsi Akbarinda dan Almira Retna Ananda yang selalu memberikan semangat kepada penulis.
2. Kepada Bapak Dr. Suyanto, M.Kom dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku dosen pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
3. Kepada Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc dan Bapak Dani Gunawan, ST, MT selaku dosen penguji yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis
4. Ketua dan Sekretaris Program Studi Teknologi Informasi, Muhammad Anggia Muchtar S.T.MM.IT dan Muhammad Fadly Syahputra B.Sc.M.Sc.IT.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi.
6. Seluruh sahabat penulis, Syilvi Haryanti, Ayu Asyva Irfita, Rezka Dermawan Hatta, Rezky Darmawan Hatta, Yolanda Tari, serta teman-teman prodi Teknologi Informasi angkatan 2010 yang tidak dapat penulis sebutkan satu persatu penulis ucapkan terima kasih atas doa dan dukungan yang telah diberikan.
v
ABSTRAK
Sistem keputusan klinis mulai dikembangkan terutama untuk aplikasi proses diagnosis dan terapis. Penyakit ginjal merupakan salah satu penyakit yang mempunyai bermacam – macam penyakit. Metode Naive Bayes digunakan untuk mengklasifikasikan penyakit ginjal karena metode ini menghitung nilai - nilai probabilitas dari setiap gejala dari setiap penyakit. Dengan pengimplementasian metode ini dihasilkan aplikasi yang dapat mengklasifikasi penyakit pasien dan tingkat keberhasilan sistem sebesar 75 % berdasarkan data uji serta dapat memberikan suatu form rekomendasi yang dapat diajukan ke dokter.
KIDNEY DISEASE CLASSIFICATION USING
NAIVE BAYES METHOD
ABSTRACT
Clinical decision system was developed especially for diagnostic and therapeutic applications process. Kidney disease is a disease that has a wide - range of diseases. Naive Bayes method used to classify kidney disease because this method calculates the values of probability of any symptoms from all kidney disease. The implementation of this method can show the application that can classify a patient's disease and the success rate of 75% based training data and can provide a recommendation form that can be submitted to the doctor.
vii
DAFTAR ISI
Hal.
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak v
Abstract vi
Daftar Isi vii
Daftar Tabel x
Daftar Gambar xi
BAB 1 Pendahuluan 1
1.1. Latar Belakang 1
1.2. Rumusan Masalah 3
1.3. Batasan Masalah 3
1.4. Tujuan Penelitian 3
1.5. Manfaat Penelitian 3
1.6. Metodologi Penelitian 4
1.7. Sistematika Penulisan 4
BAB 2 Landasan Teori 6
2.1. Decision Support System 6
2.1.1. Karakteristik Sistem Pendukung Keputusan 6
2.1.2. Tujuan Sistem Pendukung Keputusan 7
2.1.3. Komponen Sistem Pendukung Keputusan 7 2.1.4. Manfaat Sistem Pendukung Keputusan 8
2.3. Penyakit Ginjal 10
2.3.1. Hidronefrosis 11
2.3.2. Gagal Ginjal Kronis 12
2.3.3. Gagal Ginjal Akut 13
2.3.4. Diabetes Mellitus 15
2.3.5. Pielonefritis 16
2.3.6. Penyakit Ginjal Polikistik 17
2.3.7. Kanker Ginjal 18
2.3.8. Medullary Sponge Kidney 19
2.3.9. Sindroma Nefrotik 20
2.3.10. Sindroma Nefritik Akut 21
2.3.11. Sindroma Nefritik Progresif 22
2.4. Penelitian Terdahulu 23
BAB 3 Analisis dan Perancangan Sistem 25
3.1. Analisis Sistem 25
3.2. Analisis Perhitungan Naïve Bayes Pada Proses Pengklasifikasian 25
3.3. Perancangan Sistem 34
3.3.1. Perancangan Flowchart Sistem 35 3.3.2. Perancangan pemodelan visual menggunakan UML 37 3.3.3. Perancangan Antarmuka Aplikasi 43
BAB 4 Implementasi dan Pengujian Sistem 47
4.1. Implementasi 47
4.1.1. Spesifikasi perangkat lunak 47
4.1.2. Spesifikasi perangkat keras 48
4.2. Tampilan Aplikasi 48
4.2.1. Tampilan halaman menu utama 48 4.2.2. Tampilan halaman pengklasifikasian 49
4.2.3. Tampilan halaman hasil klasifikasi 50
ix
4.2.5. Tampilan halaman panduan 51
4.2.6. Tampilan halaman penyakit ginjal 52
4.2.7. Tampilan halaman profil penulis 52
4.3. Pengujian 53
4.3.1. Pengujian aplikasi 53
4.3.2. Pengujian kinerja metode naive bayes terhadap aplikasi
pengklasifikasian 54
4.3.3. Pengujian terhadap data 59
BAB 5 Kesimpulan dan Saran 63
5.1. Kesimpulan 63
5.2. Saran 63
Daftar Pustaka 64
DAFTAR TABEL
Hal.
Tabel 2.2. Penelitian Terdahulu 24
Tabel 3.1. Use Case Spesifikasi untuk Use Case Gejala 38 Tabel 3.2. Use Case Spesifikasi untuk Use Case Petunjuk 38 Tabel 3.3. Use Case Spesifikasi untuk Use Case Penyakit Ginjal 39 Tabel 3.4. Use Case Spesifikasi untuk Use Case Profil Penulis 39
Tabel 4.1. Pengujian Aplikasi 54
Tabel 4.2. Validasi Hasil Dokter Penyakit 1 59
Tabel 4.3. Validasi Hasil Dokter Penyakit 2 60
Tabel 4.4. Validasi Hasil Dokter Penyakit 3 61
xi
DAFTAR GAMBAR
Hal.
Gambar 2.1. Komponen Decision Support System 7
Gambar 3.1. Diagram Proses 34
Gambar 3.2. Flowchart Aplikasi 35
Gambar 3.3. Flowchart Alur Pengklasifikasian 36
Gambar 3.4. Use Case Diagram 37
Gambar 3.5. Diagram Activity Halaman Klasifikasi 40
Gambar 3.6. Diagram Activity Halaman Petunjuk 41
Gambar 3.7. Diagram Activity Halaman Penyakit Ginjal 42 Gambar 3.8. Diagram Activity Halaman Profil Penulis 42
Gambar 3.9. Rancangan Antarmuka Aplikasi 43
Gambar 3.10. Rancangan Antarmuka Halaman Klasifikasi 44 Gambar 3.11. Rancangan Antarmuka Halaman Petunjuk 44 Gambar 3.12. Rancangan Antarmuka Halaman Penyakit Ginjal 45 Gambar 3.13. Rancangan Antarmuka Halaman Profil Penulis 46
Gambar 4.1. Menu Utama 49
Gambar 4.2. Pengklasifikasian 49
Gambar 4.3. Hasil Spesifikasi 50
Gambar 4.4. Form Email 51
Gambar 4.5. Panduan 51
Gambar 4.6. Informasi Penyakit Ginjal 52
Gambar 4.7. Profil Penulis 53
Gambar 4.8. Proses Pemilihan Gejala 55
Gambar 4.9. Gejala Pengguna 56
Gambar 4.10. Pengelompokan Gejala Berdasarkan Penyakit 57
Gambar 4.11. Nilai Gejala yang Pengguna Pilih 57
Gambar 4.12. Total Bayes 58
ABSTRAK
Sistem keputusan klinis mulai dikembangkan terutama untuk aplikasi proses diagnosis dan terapis. Penyakit ginjal merupakan salah satu penyakit yang mempunyai bermacam – macam penyakit. Metode Naive Bayes digunakan untuk mengklasifikasikan penyakit ginjal karena metode ini menghitung nilai - nilai probabilitas dari setiap gejala dari setiap penyakit. Dengan pengimplementasian metode ini dihasilkan aplikasi yang dapat mengklasifikasi penyakit pasien dan tingkat keberhasilan sistem sebesar 75 % berdasarkan data uji serta dapat memberikan suatu form rekomendasi yang dapat diajukan ke dokter.
vi
KIDNEY DISEASE CLASSIFICATION USING
NAIVE BAYES METHOD
ABSTRACT
Clinical decision system was developed especially for diagnostic and therapeutic applications process. Kidney disease is a disease that has a wide - range of diseases. Naive Bayes method used to classify kidney disease because this method calculates the values of probability of any symptoms from all kidney disease. The implementation of this method can show the application that can classify a patient's disease and the success rate of 75% based training data and can provide a recommendation form that can be submitted to the doctor.
PENDAHULUAN
2.11. Latar Belakang
Dewasa ini perkembangan teknologi informasi yang sangat cepat telah mempengaruhi kehidupan manusia di berbagai bidang dan salah satu dari manfaat teknologi informasi tersebut adalah untuk menyebarkan informasi. Dengan memanfaatkan jaringan internet, penyebaran informasi dapat dilakukan dengan mudah bahkan dapat disampaikan ke seluruh penjuru dunia.
Penggunaan teknologi informasi dalam klinis juga semakin berkembang terutama dalam pengambilan keputusan klinis. Sistem keputusan klinis mulai dikembangkan terutama untuk aplikasi proses diagnosis dan terapis. Meskipun sistem semacam ini hanya membantu para pelaku klinis, namun ini sangat dibutuhkan bagi klinis yang masih pemula. Beberapa sistem pengambilan keputusan, sistem cerdas, data mining, dan pengolahan citra digital mengambil peranan penting dalan sistem pendukung keputusan tersebut.
2
Ada berbagai macam metode yang diterapkan pada pengklasifikasian dengan metode ketidakpastian adalah seperti metode naïve bayes, dempster shafer, certainty factor dan lain-lain. Metode Naïve Bayes merupakan suatu teori matematika tentang kesimpulan statistik membuktikan atau pengamatan yang digunakan untuk memperbarui atau menarik kesimpulan yang baru suatu probabilitas yang mungkin benar.
Perkembangan teknologi dalam bidang kesehatan tumbuh sangat pesat belakangan ini. Perkembangan pembangunan sistem pakar dalam bidang kesehatan diharapkan mampu memperbaiki kualitas hidup manusia. Contoh pengimplementasiannya adalah terhadap penyakit ginjal. Ada banyak jenis penyakit ginjal yang diderita seseorang misalnya penyakit batu ginjal. Batu ginjal disebabkan karena terkumpulnya mineral dan benda-benda organik pada organ ginjal tersebut. Beberapa hal yang dapat memperparah batu ginjal tersebut seperti berkurangnya volume cairan dan bertumpuknya mineral. Sehingga membuat terganggunya keseimbangan yang sempurna antara cairan dan larutan yang ada dalam organ ginjal tersebut. Memindahkan kepakaran yang dimiliki oleh seorang dokter ke dalam suatu aplikasi web yang disebut dengan sistem pakar diharapkan dapat membantu masyarakat untuk mengetahui kemungkinan penyakit yang diderita. Selain itu, mengaplikasikan sistem pakar ke dalam aplikasi web memungkinkan setiap individu untuk menghemat waktu, biaya dan tenaga dalam mendapatkan pelayanan kesehatan.
Penelitian yang pertama dilakukan mengacu pada penelitian terdahulu yang dilakukan oleh Rosiawati (2010) menggunakan metode pelacakan Forward Chaining dan
Backward Chaining. Kelemahan pada sistem pakar tersebut belum dilengkapi dengan metode ketidakpastian atau belum didukung oleh probabilitas hasil diagnosa yang diperoleh. Kajian terdahulu yang kedua adalah penelitian Admaja (2012) dengan menggunakan metode Certainty Factor untuk menghitung nilai ketidakpastian. Namun perlu dilakukan pengelohan data karena data lebih dari dua.
terhadap penyakit, penyebab penyakit, dan surat rekomendasi yang diajukan ke dokternya dengan cara dikirim lewat email.
2.12. Rumusan Masalah
Kurangnya sarana yang memadai dalam mendeteksi penyakit ginjal oleh karena itu dibutuhkan suatu pendekatan untuk dapat membantu pakar / dokter umum ataupun puskesmas dalam memberikan pengetahuan kepada pasien yang berkemungkinan menderita penyakit ginjal.
2.13. Batasan Masalah
Untuk mengurangi ruang lingkup terjemahan yang terlalu besar, maka batasan masalah dalam penelitian ini, yaitu:
1. Informasi hanya tentang gejala – gejala umum dan klinis yang sering dialami seseorang.
2. Tidak berdasarkan hasil tes laboratorium.
2.14. Tujuan Penelitian
Adapun yang menjadi tujuan penulis melakukan penelitian adalah untuk mengklasifikasikan penyakit ginjal menggunakan metode Naïve Bayes.
2.15. Manfaat Penelitian
Adapun manfaat dari apli ka si ini adalah:
1. Membantu para user dalam menganalisa permasalahan tentang penyakit ginjal pada khususnya.
2. Untuk membangun suatu aplikasi yang efektif dan efisien.
4
2.16. Metodologi Penelitian
Dalam penelitian ini, tahapan-tahapan yang akan dilalui adalah sebagai berikut: 1. Studi Literatur
Metode ini dilaksanakan dengan melakukan studi kepustakaan dengan menanyakan kepada narasumber / pakar yang relevan dengan penyakit serta buku-buku maupun artikel-artikel atau e-book dan juga jurnal internasional yang didapatkan melalui internet.
2. Analisis
Pada tahap ini digunakan untuk mengolah data yang ada dan kemudian melakukan analisis terhadap hasil studi literatur yang diperoleh sehingga menjadi suatu informasi.
3. Perancangan Sistem
Pada tahap ini, digunakan seluruh hasil analisa terhadap studi literatur yang dilakukan untuk merancang sistem yang akan dihasilkan. Dalam tahapan ini, dilakukan perancangan terhadap bentuk antarmuka sistem serta proses – proses kerja sistem untuk memudahkan dalam proses implementasi berikutnya.
4. Implementasi dan Pengujian Sistem
Pada tahap ini dilakukan pemasukan data serta pengolah data dan menguji metode Naïve Bayes apakah sudah sesuai dengan yang diharapkan
5. Kesimpulan dan Saran
Pada tahap ini akan diformulasi beberapa kesimpulan dari hasil pengujian sistem yang telah dibangun berikut saran-saran bagi perbaikan dan pengembangan selanjutnya.
2.17. Sistematika Penulian
Sistematika penulisan dari skripsi ini terdiridari lima bagian utama sebagai berikut :
BAB 1: PENDAHULUAN
BAB 2: LANDASAN TEORI
Bab ini berisi teori-teori yang digunakan untuk memahami permasalahan yang dibahas pada penelitian ini. Pada bab ini dijelaskan tentang kecerdasan buatan, pengklasifikasian, metode naive bayes, dan android.
BAB 3: ANALISIS DAN PERANCANGAN
Bab ini berisi analisis dan penerapan metode naive bayes pada pengklasifikasian penyakit ginjal, serta perancangan seperti pemodelan dan flowchart.
BAB 4: IMPLEMENTASI DAN PENGUJIAN
Bab ini berisi pembahasan tentang implementasi dari analisis dan perancangan yang disusun pada Bab 3 dan pengujian apakah hasil yang didapatkan sesuai dengan yang diharapkan.
BAB 5: KESIMPULAN DAN SARAN
BAB 2
LANDASAN TEORI
3.1. Decision Support System
Decision Support System (DSS) atau sistem pendukung keputusan adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, et al, 2001). DSS bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih.
2.1.1. Karakteristik Sistem Pendukung Keputusan
Dari pengertian Sistem Pendukung Keputusan diatas maka dapat ditentukan enam karakteristik dan nilai guna (Turban, et al, 2001) antara lain :
1. Mendukung proses pengambilan keputusan, menitik beratkan pada management
by perception.
2. Adanya interface manusia / mesin dimana manusia (user) tetap memegang proses pengambilan keputusan.
3. Mendukung pengambilan keputusan untuk membahas masalah terstruktur, semi terstruktur dan tak struktur.
4. Memiliki kapasitas dialog untuk memperoleh informasi sesuai dengan kebutuhan. 5. Memiliki subsistem – subsistem yang terintegrasi sedemikian rupa sehingga dapat
6. Membutuhkan struktur data komprehensif yang dapat melayani kebutuhan informasi seluruh tingkatan manajemen.
2.1.2. Tujuan Sistem Pendukung Keputusan
Adapun tujuan sistem pendukung keputusan sebagai berikut (Turban, et al, 2001) : 1. Membantu menyelesaikan masalah semi-terstruktur
2. Mendukung manajer dalam mengambil keputusan
3. Meningkatkan efektifitas bukan efisiensi pengambilan keputusan
Dalam pemrosesannya, DSS dapat menggunakan bantuan dari sistem lain seperti
Artificial Intelligence, Expert Systems, Fuzzy Logic, dll.
2.1.3. Komponen Sistem Pendukung Keputusan
Secara umum Sistem Pendukung Keputusan dibangun oleh tiga komponen besar yaitu
database Management, Model Base dan Software System / User Interface (Sprague, 1993). Komponen DSS dapat dilihat seperti Gambar 2.1 di bawah ini.
Gambar 2.1 Komponen Decision Support System (Turban, et al , 2001 )
a. Database Management
8
dalam lingkungan. Untuk keperluan DSS, diperlukan data yang relevan dengan permasalahan yang hendak dipecahkan melalui simulasi.
b. Model Base
Merupakan suatu model yang merepresentasikan permasalahan kedalam format kuantitatif (model matematika sebagai contohnya) sebagai dasar simulasi atau pengambilan keputusan, termasuk didalamnya tujuan dari permasalahan (objektif), komponen-komponen terkait, batasan-batasan yang ada (constraints), dan hal-hal terkait lainnya. Model Base memungkinkan pengambil keputusan menganalisa secara utuh dengan mengembangkan dan membandingkan solusi alternatif.
c. User Interface / Pengelolaan Dialog
Terkadang disebut sebagai subsistem dialog, merupakan penggabungan antara dua komponen sebelumnya yaitu Database Management dan Model Base yang disatukan dalam komponen ketiga (user interface), setelah sebelumnya dipresentasikan dalam bentuk model yang dimengerti computer. User Interface
menampilkan keluaran sistem bagi pemakai dan menerima masukan dari pemakai kedalam Sistem Pendukung Keputusan.
2.1.4. Manfaat Sistem Pendukung Keputusan
DSS dapat memberikan berbagai manfaat dan keuntungan (Turban, et al, 2001). Manfaat yang dapat diambil dari DSS adalah :
1. DSS memperluas kemampuan pengambil keputusan dalam memproses data / informasi bagi pemakainya.
2. DSS membantu pengambil keputusan untuk memecahkan masalah terutama barbagai masalah yang sangat kompleks dan tidak terstruktur. 3. DSS dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat
4. Walaupun suatu DSS mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun dia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya,karena mampu menyajikan berbagai alternatif pemecahan.
3.2. Naïve Bayes
Thomas Bayes menemukan pendekatan penalaran statistik yang jauh lebih maju dibandingkan dengan pola pikir matematis tradisional pada saat itu (Kusumadewi, 2003). Fokus matematika pada saat itu adalah pada tingkah laku sampel dari populasi yang diketahui. Akan tetapi, Bayes mengemukakan ide untuk menentukan properti dari populasi berdasarkan sampel tersebut.
Teori probabilitas bayes digunakan untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari pengujian. Probabilitas bayes menerangkan hubungan antara probabilitas terjadinya hipotesis Hi dengan terdapat fakta (evidence) E telah terjadi dan probabilitas terjadinya evidence B dengan syarat hipotesis Hi telah terjadi. Teorema ini didasarkan pada prinsip bahwa jika terdapat tambahan informasi atau evidence maka nilai probabilitas dapat diperbaiki, sehingga teorema ini bermanfaat untuk mengubah atau memperbaiki nilai kemungkinan yang ada menjadi lebih baik dengan didukung informasi atau evidence-evidence tambahan. Selanjutnya, teorema ini menjadi dasar dalam pengambilan keputusan modern (Sutojo, 2010). Formula Bayes dinyatakan dalam persamaan 2.1 :
)
(
)
(
)
|
(
)
|
(
E
p
H
p
x
H
E
p
E
H
p
(2.1) Dimana: p(H|E) = Probabilitas hipotesis H terjadi jika diberikan evidence / bukti E terjadi.
p(E| H) = Probabilitas sebuah evidence E jika hipotesis H terjadi.
10
evidence apapun.
p(E) = probabilitas evidence E tanpa memandang apapun.
Bentuk teorema Bayes untuk evidence tunggal E dan hipotesis ganda H1, H2, ……..Hn adalah sebagai berikut :
n K i i i kk p H
H E p H p H E p E H p 1 ) ( * ) | ( ) ( * ) | ( ) | ( (2.2) Dimana:
P(Hi|E) = Probabilitas posterior bersyarat (Conditional Probability) suatu hipotesis Hi terjadi jika diberikan evidence / bukti E terjadi.
P(E| Hi) = Probabilitas sebuah evidence E jika hipotesis Hi terjadi.
P(Hi) = Probabilitas awal (priori) hipotesis Hi terjadi tanpa memandang evidence apapun.
n = jumlah hipotesis yang terjadi.
3.3. Penyakit Ginjal
metabolisme yang tidak di keluarkan tubuh akan menjadi racun bagi tubuh kita sendiri (Gray,M. 2008).
Ada banyak penyakit ginjal yang menyerang manusia, namun dalam penelitian ini penyakit ginjal yang akan diteliti hanya beberapa penyakit saja. Berikut ini adalah penjelasan selengkapnya.
2.3.1. Hidronefrosis
Definisi:
Hidronefrosis merupakan suatu keadaan dimana terjadi pembesaran ginjal yang biasanya terjadi akibat tekanan dari aliran air kemih yang terhambat (Tauxe, et al, 1989).
Penyebab:
Hidronefrosis biasanya terjadi akibat adanya sumbatan pada saluran kemih, misalnya karena :
Kelainan struktural
Penekanan (misalnya oleh tumor atau jaringan fibrosa)
Adanya batu, tumor, atau bekuan darah pada saluran kemih
Penyempitan saluran kemih, misalnya akibat cedera, infeksi, atau terapi radiasi
Kadang hidronefrosis terjadi selama kehamilan karena rahim yang membesar menyebabkan penekanan pada ureter. Perubahan hormonal akan memperburuk keadaan ini karena mengurangi kontraksi ureter yang normalnya mengalirkan air kemih ke kandung kemih.
Gejala:
12
Namun, jika sumbatan terjadi secara perlahan, maka mungkin tidak ditemukan adanya gejala atau hanya berupa nyeri tumpul di daerah pinggang. Misalnya, akibat tumor di rongga panggul.
Pada sekitar 10% penderita, terdapat darah di dalam air kemih. Sering ditemukan infeksi saluran kemih, demam dan rasa nyeri di daerah kandung kemih atau ginjal. Jika tidak diatasi, maka pada akhirnya hidronefrosis akan menyebabkan kerusakan ginjal dan bisa terjadi gagal ginjal.
2.3.2. Gagal Ginjal Kronis
Definisi:
Gagal Ginjal Kronis adalah kemunduran fungsi ginjal secara perlahan (dalam waktu berbulan-bulan hingga bertahun-tahun) yang menyebabkan gangguan penyaringan zat sisa metabolik dari dalam darah (Sudoyo, et al, 2009).
Penyebab:
Banyak penyakit yang bisa menyebabkan kerusakan ginjal menetap. Gagal ginjal akut juga bisa menjadi kronis jika fungsi ginjal tidak pulih kembali setelah mendapatkan terapi. Oleh karena itu, segala sesuatu yang bisa menyebabkan gagal ginjal akut bisa menyebabkan gagal ginjal kronis.
Berbagai penyakit dan kondisi yang sering kali menyebabkan gagal ginjal kronis :
Diabetes melitus (kencing manis)
Tekanan darah tinggi
Penyakit atau gangguan ginjal, misalnya infeksi ginjal, penyakit ginjal polikistik
Sumbatan saluran kemih untuk waktu lama, misalnya akibat pembesaran prostat, batu ginjal, atau kanker
Kelainan autoimun, misalnya pada sistemik lupus eritematosus, dimana antibodi menyebabkan kerusakan pada ginjal
Selain itu, ada faktor-faktor yang meningkatkan risiko terjadinya gagal ginjal kronis :
Merokok
Kegemukan
Kolesterol tinggi
Riwayat keluarga dengan penyakit ginjal
Berusia 65 tahun atau lebih
Gejala:
Pada gagal ginjal kronis, gejala-gejalanya berkembang secara perlahan. Pada awalnya tidak ada gejala sama sekali, kelainan fungsi ginjal hanya dapat diketahui dari pemeriksaan laboratorium.
Seiring dengan perkembangan penyakit, maka lama-lama zat sisa metabolic yang tertimbun di darah semakin banyak. Pada stadium ini, penderita menunjukkan gejala-gejala seperti :
Letih, mudah lelah, kurang siaga
Penurunan nafsu makan, mual, muntah, rasa tidak enak di mulut
Penurunan berat badan atau malnutrisi
Mudah memar atau berdarah untuk waktu yang lebih lama
Kelemahan otot, kram, nyeri
Rasa seperti tertusuk jarum pada anggota gerak atau hilang rasa
Kejang atau penurunan kesadaran, akibat gangguan di otak
Sesak nafas
Nyeri dada dan penurunan tekanan darah
2.3.3. Gagal Ginjal Akut
Definisi:
14
menumpuk di dalam tubuh. Kondisi ini akan menyebabkan berbagai gangguan yang bisa mengancam nyawa.
Penyebab:
Berkurangnya aliran darah ke ginjal perdarahan, dehidrasi atau, cedera fisik yg menyebabkan tersumbatnya pembuluh darah
Daya pompa jantung menurun (gagal jantung)
Tekanan darah yg sangat rendah (syok)
Kegagalan hati (sindroma hepatorenalis)
Obat-obat yang menurunkan aliran darah ke ginjal
Sumbatan aliran kemih sumbatan kandung kemih, misalnya akibat pembesaran prostat, penyempitan uretra, atau kanker kandung kemih
Tumor yg menekan saluran kemih
Batu di ureter atau kandung kemih
Sumbatan di ginjal, misalnya akibat kristal atau batu
Kerusakan ginjal karena penurunan suplai darah ke ginjal yang cukup lama hingga menyebabkan kerusakan ginjal
Reaksi alergi, misalnya alergi terhadap antibiotik tertentu
Zat toksik, misalnya obat-obatan, zat pewarna yang digunakan untuk pemeriksaan pencitraan, atau racun
Gangguan yg mempengaruhi unit penyaringan ginjal (nefron), misalnya
glomerulonefritis akut
Infeksi berat yang luas di tubuh
Gejala:
Gejala-gejala yang bisa ditemukan pada gagal ginjal akut yaitu berupa :
Tertahannya cairan, yang mengakibatkan berat badan bertambah, pembengkakan, dan sesak nafas
Gejala-gejala akibat penumpukan produk sisa metabolisme di dalam tubuh, seperti kelelahan, kemampuan untuk berkonsentrasi menurun, hilang nafsu makan, mual, dan gatal-gatal.
Kejang
Nyeri dada
2.3.4. Diabetes Mellitus
Definisi:
Diabetes Mellitus adalah suatu penyakit dimana kadar glukosa (gula sederhana) di dalam darah tinggi karena tubuh tidak dapat melepaskan atau menggunakan insulin secara adekuat (Sudoyo, et al, 2009). Insulin adalah hormon yang dilepaskan oleh pankreas. Insulin merupakan zat utama yang bertanggung jawab dalam mempertahankan kadargula darah.
Penyebab:
Diabetes terjadi jika tubuh tidak menghasilkan insulin yang cukup untuk mempertahankan kadar gula darah yang normal atau jika sel tidak memberikan respon yang tepat terhadap insulin.
Penderita diabetes mellitus tipe I (diabetes yang tergantung kepada insulin) menghasilkan sedikit insulin atau sama sekali tidak menghasilkan insulin. Sebagian besar diabetes mellitus tipe I terjadi sebelum usia 30 tahun. Para ilmuwan percaya bahwa faktor lingkungan (seperti infeksi virus atau faktor gizi pada masa kanak-kanak atau dewasa awal) menyebabkan sistem kekebalan menghancurkan sel penghasil insulin di pankreas. Terjadinya hal ini dipengaruhi oleh adanya faktor genetik.
16
Penyebab diabetes lainnya adalah:
Obat-obatan yang mempengaruhi pembentukan atau efek dari insulin, antara lain kortikosteroid dan furosemid
Kehamilan (diabetes gestasional). Hormon - hormon yang dihasilkan saat kehamilan bisa membuat sel - sel tubuh menjadi resisten terhadap insulin.
Gejala:
Gejala yang bisa ditemukan antara lain :
Peningkatan frekuensi berkemih
Haus yang berlebihan
Penurunan berat badan, sehingga penderita seringkali merasa sangat lapar dan menjadi lebih banyak makan
Rentan terkena infeksi
Gejala lain, seperti pandangan kabur, mual, pusing, dan berkurangnya ketahanan saat olahraga
2.3.5. Pielonefritis
Definisi:
Pielonefritis adalah infeksi bakteri pada salah satu atau kedua ginjal (Tauxe, et al, 1989).
Penyebab:
Infeksi biasanya berasal dari daerah kelamin yang naik ke kandung kemih, misalnya oleh bakteri Escherichia coli. Infeksi juga bisa dibawa keginjal dari bagian tubuh lainnya melalui aliran darah. Berbagai keadaan yang bisa meningkatkan risiko terjadinya infeksi ginjal adalah kehamilan, kencing manis (diabetes), atau keadaan lain yang menyebabkan turunnya sistem kekebalan tubuh untuk melawan infeksi.
Gejala:
Gejala biasanya timbul secara tiba-tiba, antara lain berupa :
Mual, muntah
Nyeri punggung bagian bawah
Sering berkemih
Desakan untuk berkemih
Rasa panas atau nyeri saat berkemih
Adanya nanah atau darah pada air kemih
2.3.6. Penyakit Ginjal Polikistik
Definisi:
Penyakit ginjal polikistik merupakan suatu kelainan herediter yang menyebabkan terbentuknya kantong-kantong berisi cairan (kista) pada kedua ginjal (Gray, et al, 2008). Ginjal bertambah besar, tetapi memiliki lebih sedikit jaringan yang dapat berfungsi. Penyakit ginjal polikistik tidak terbatas pada ginjal, meskipun biasanya ginjal merupakan organ yang mengalami gangguan paling berat. Penyakit ini juga bisa menyebabkan terbentuknya kista pada hati dan bagian tubuh lainnya.
Penyebab:
Penyakit ginjal polikistik disebabkan oleh adanya kelainan genetik, sehingga penyakit ini diturunkan dalam keluarga (herediter). Pada kasus yang jarang, penyakit ini juga bisa terjadi akibat adanya mutasi genetik.
Kelainan genetik ini menyebabkan terbentuknya kista - kista pada kedua ginjal. Kista semakin membesar seiring dengan bertambahnya usia, disertai dengan penurunan aliran darah ke ginjal dan terbentuknya jaringan parut pada ginjal. Selain itu, bisa terbentuk batu ginjal dan pada akhirnya bisa terjadi gagal ginjal.
Kelainan genetik ini juga bisa menyebabkan terbentuknya kista di bagian tubuh lainnya, misalnya hati dan pankreas.
Gejala:
18
pada ginjal yang semakin membesar. Bayi baru lahir dengan penyakit yang berat bisa meninggal segera setelah dilahirkan, karena gagal ginjal bisa terjadi sejak masih dalam kandungan. Selain itu, bisa terjadi gangguan pada organ lain, seperti hati. Sekitar usia 5-10 tahun, penderita cenderung mengalami peningkatan tekanan darah pada pembuluh darah yang menghubungkan usus dengan hati (sistem portal). Dan pada akhirnya, bisa terjadi gagal ginjal dan gagal hati.
Penyakit ginjal polikistik bentuk dominan yang lebih sering terjadi menyebabkan pembentukan kista pada ginjal secara perlahan. Penyakit biasanya baru mulai menimbulkan gejala saat awal atau pertengahan masa dewasa. Terkadang gejala-gejala yang ada sangat ringan, sehingga penderita hidup tanpa mengetahui bahwa dirinya memiliki penyakit tersebut.
Gejala yang muncul bisa berupa :
Rasa tidak nyaman atau nyeri pada perut atau sisi tubuh
Adanya darah di dalam air kemih
Sering berkemih
Rasa nyeri kram yang hebat (kolik) akibat adanya batu ginjal
Gejala-gejala lain akibat penurunan fungsi ginjal yang perlahan - lahan terjadi, misalnya kelelahan dan rasa mual.
Infeksi saluran kemih berulang
Tekanan darah tinggi, yang terjadi pada sedikitnya setengah penderita.
2.3.7. Kanker Ginjal
Definisi:
Seperti organ tubuh lainnya, ginjal kadang bisa mengalami kanker. Pada orang dewasa, jenis kanker ginjal yang paling sering ditemukan adalah karsinoma sel ginjal (Gray, et al, 2008). Hampir semua kanker ginjal adalah karsinoma selginjal (renal cell carcinoma). Jenis kanker ginjal lainnya adalah tumor Wilms' yang terjadi pada anak - anak.
Dalam keadaan normal, sel - sel di dalam saluran kemih tumbuh dan membelah secara wajar. Tetapi kadang sel-sel mulai membelah diluar kendali dan menghasilkan sel-sel baru meskipun tubuh tidak memerlukannya.
Penyebab mengapa sel - sel ginjal menjadi bersifat ganas tidak diketahui. Tetapi penelitian telah menemukan ada faktor - faktor tertentu yang tampaknya meningkatkan resiko terjadinya kanker ginjal. Kanker ini paling sering terjadi pada usia 50-70 tahun. Pria memiliki resiko 2 kali lebih besar dibandingkan wanita. Selain itu faktor resiko lainnya :
Merokok
Kegemukan
Tekanan darah tinggi ( hipertensi )
Paparan terhadap bahan kimia toksik, seperti asbes, kadmium, penyamakan kulit, dan produk minyak tanah
Dialisa
Radiasi
Penyakit Von Hippel-Lindau
Gejala:
Adanya darah dalam air kemih
Nyeri di antara pinggang dan tulang rusuk bagian belakang
Demam
Penurunan berat badan
Adanya pembesaran atau benjolan di daerah perut
Jumlah sel darah merah yang tinggi atau turun (anemia)
Peningkatan kadar kalsium dalam darah, sehingga bisa timbul kelemahan, kelelahan, respon melambat, dan konstipasi
2.3.8. Medullary Sponge Kidney
20
Medullary sponge kidney merupakan suatu penyakit yang jarang terjadi, dimana tubulus ginjal yang mengandung air kemih melebar dan terbentuk kista-kista kecil pada ginjal bagian dalam (medula), sehingga jaringan ginjal tampak seperti spons (Gray, et al, 2008).
Penyebab:
Penyebab pasti terjadinya medullary sponge kidney belum diketahui. Gangguan ini biasanya disebabkan oleh kelainan non-genetik yang terjadi saat masa perkembangan janin. Pada kasus yang lebih jarang, kelainan ini bisa diturunkan dalam keluarga (herediter).
Gejala:
Penyakit medullary sponge kidney seringkali tidak menimbulkan gejala, tetapi orang-orang dengan gangguan ini rentan untuk mengalami batu ginjal. Tanda awal penyakit biasanya berupa batu ginjal atau infeksi saluran kemih, dimana keduanya bisa menimbulkan gejala - gejala yang mirip, seperti :
Rasa panas atau nyeri saat berkemih
Nyeri di pinggang, perut bagian bawah, atau selangkangan
Air kemih yang tampak keruh, berwarna gelap, atau mengandung darah
Air kemih berbau busuk
Demam dan menggigil
Muntah
2.3.9. Sindroma Nefrotik
Definisi:
Sindroma Nefrotik adalah sekumpulan gejala - gejala yang terjadi akibat gangguan pada ginjal yang menyebabkan adanya protein dalam air kemih, menurunnya kadar albumin dalam darah, penimbunan garam dan air yang berlebihan, dan meningkatnya kadar lemak dalam darah (Tauxe, et al, 1989).
Penyebab:
Sindroma nefrotik biasanya disebabkan oleh adanya kerusakan yang terjadi pada kelompokan pembuluh darah kecil pada ginjal, yang berfungsi untuk menyaring darah. Penyebab sindroma nefrotik yang paling sering pada anak-anak adalah minimal change disease, yang menyebabkan gangguan fungsi ginjal pada anak. Penyebab terjadinya gangguan ini belum bisa ditentukan. Selain itu, penyakit yang paling sering menyebabkan terjadinya sindroma nefrotik adalah diabetes mellitus, SLE (Systemic lupus erythematosus), dan infeksi virus tertentu (terutama hepatitis B, hepatitis C, atauHIV). Kegemukan (obesitas) juga meningkatkan risiko untuk terjadinya sindroma nefrotik. Penyakit lain yang juga mungkin menimbulkan sindroma nefrotik antara lain kanker (misalnya limfoma atau leukemia), infeksi protozoa (misalnyamalaria), pre-eklampsia, dan beberapa jenis glomerulonefritis.
Selain itu, sindroma nefrotik juga bisa disebabkan oleh pemakaian obat-obat tertentu (misalnya NSAID, preparat emas, atau heroin) yangdisuntikkan ke pembuluh darah, atau alergi (misalnya terhadap gigitanserangga, serbuk sari, atau poison ivy). Beberapa jenis sindroma nefrotik juga bersifat diturunkan.
Gejala:
Tanda dan gejala sindroma nefrotik yang bisa ditemukan berupa :
Hilang nafsu makan
Rasa tidak enak badan
Gejala retensi cairan, misalnya berat badan bertambah, sesak nafas,dan pembengkakan, terutama di sekitar mata, pergelangan kaki dan kaki.
Nyeri perut
Air kemih berbusa
2.3.10. Sindroma Nefritik Akut
22
Sindrom Nefritik Akut adalah suatu peradangan pada glomeruli yang menyebabkan adanya darah dan protein dalam air kemih dalam tingkatyang bervariasi (Gray, et al, 2008).
Penyebab:
Sindroma nefritik akut biasanya disebabkan oleh respon kekebalan tubuhyang dipicu oleh infeksi atau penyakit lainnya. Sindroma nefritik akut bisa timbul setelah adanya infeksi streptokokus, dimana glomeruli mengalami kerusakan akibat penimbunan antigen bakteri streptokokus yang mati dan antibodi yang menetralisirnya.
Glomerulonefritis pasca streptokokus paling sering terjadi pada anak-anak yang berusia diatas 3 tahun dan orang dewasa muda. Sekitar 50% kasus terjadi pada usia diatas 50 tahun.
Beberapa penyebab yang sering terjadi pada orang dewasa antara lain :
Abses pada organ perut
Hepatitis B atau C
Vaskulitis atau endokarditis bakterialis
Lupus nephritis
Penyakit akibat virus, seperti mononukleosis atau mumps
Gejala:
Sekitar 50% penderita tidak menunjukkan gejala. Jika ada, gejala yang pertama kali muncul biasanya berupa :
Adanya darah dalam air kemih
Berkurangnya volume air kemih
Retensi cairan yang menyebabkan terjadinya pembengkakan, misalnya pada wajah, engan, tungkai, tangan, kaki, perut, atau bagian tubuh lainnya.
Gejala-gejala lain yang bisa terjadi antara lain penglihatan kabur, batuk, penurunan kesadaran, nyeri sendi dan otot, rasa tidak enak badan,sakit kepala, dan sesak nafas.
Definisi:
Sindroma Nefritik Progresif adalah suatu penyakit yang berkembang dengan sangat cepat dan jarang terjadi, dimana sebagian besar glomeruli mengalami kerusakan parsial sehingga terjadi gagal ginjal yang berat disertai adanya protein dan darah dalam air kemih (Gray, et al, 2008).
Penyebab:
Sekitar sepertiga kasus disebabkan oleh adanya reaksi kekebalan tubuh (antibodi) terhadap glomeruli, beberapa kasus disebabkan oleh endapan antibodi dan antigen yang terbentuk di bagian tubuh lainnya dan terbawa ke dalam ginjal, dan sisanya tidak diketahui penyebabnya.
Pembentukan antibodi terhadap glomeruli tidak diketahui penyebabnya. Pembentukan antibodi ini mungkin berhubungan dengan infeksi virus atau penyakit autoimun (misalnya lupus eritematosus sistemik).
Hidrokarbon (misalnya etilen glikol, karbon tetraklorid, kloroform dantoluen) juga bisa menyebabkan kerusakan pada glomeruli, tetapi tidak menyebabkan reaksi kekebalan atau pembentukan antibodi.
Gejala:
Gejala-gejala penyakit biasanya tidak jelas, misalnya berupa kelelahan, lemas, demam, mual, muntah, hilang nafsu makan, nyeri sendi, dan nyeri pada perut. Beberapa penderita bisa mengalami adanya darah dalam air kemih.
Sekitar 50% penderita mengalami pembengkakan jaringan dan riwayat penyakit seperti influenza dalam waktu 4 minggu sebelum onset gagal ginjal, biasanya diikuti oleh produksi air kemih yang sangat sedikit.
3.4. Penelitian Terdahulu
24
Chaining. Kelemahan pada sistem pakar tersebut belum dilengkapi dengan metode ketidakpastian atau belum didukung oleh probabilitas hasil diagnosa yang diperoleh.
Penelitian selanjutnya adalah penelitian Admaja (2012) dengan menggunakan metode Certainty Factor untuk menghitung nilai ketidakpastian. Dengan menggunakan metode certainty factor sistem mampu mendeteksi penyakit dengan baik dan hasilnya sama dengan masukan gejala fisik.
Selanjutnya ada Hardika (2013) menggunakan naive bayes classifier untuk identifikasi hama dan penyakit tebu. Proses identifikasi hama dan penyakit tebu dilakukan dengan memasukkan fakta gejala dari serangan hama/penyakit tebu. Fakta gejala tersebut akan dilakukan perhitungan dengan metode Multinominal Naïve Bayes untuk mendapatkan nilai Probabilitas akhir pada setiap jenis hama / penyakit tebu. Jenis hama/penyakit tebu dengan nilai probabilitas tertinggi akan di ambil sebagai hasil Identifikasi sistem.
[image:38.612.101.548.451.709.2]Yuliadji, et al (2012) menerapkan metode naive bayes dalam aplikasi sistem pakar. Pada penelitian tersebut mencari nilai probabilitas dengan cara memprioritaskan gejala pertama yang dipilih user sehingga membuat kurang efektifnya proses kerja naive bayes.
Tabel 2.2 Penelitian Terdahulu
No Peneliti (Tahun) Teknik Yang
Digunakan Keterangan
1 Indrias Rosiawati (2010)
Forward Chaining dan
Backward Chaining
Belum adanya metode ketidakpastian
2 Rama Tri Admaja (2012)
Certainty Factor Mampu mendeteksi penyakit dengan baik dan hasilnya sama 3 Angga Hardika (2013) Multinominal Naive
Bayes
Mengitung nilai probabilitas berdasarkan kondisi prior 4 Ivan Eroka Yuliadji,
et al (2012)
Naive Bayes Menjadikan gejala yang
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
Bab ini secara garis besar membahas analisis metode naive bayes pada sistem dan tahap-tahap yang akan dilakukan dalam perancangan sistem yang akan dibangun.
4.1. Analisis Sistem
Analisis berguna untuk mengetahui kebutuhan perangkat lunak yang akan dibangun. Dalam tahap ini dilakukan pengumpulan data serta pengetahuan yang diperlukan untuk membangun sistem, sehingga pada akhirnya hasil dari analisis yang diperoleh berupa sebuah sistem yang strukturnya dapat didefinisikan dengan baik dan jelas
Penyakit ginjal merupakan salah satu penyakit berbahaya di dunia. Banyak gejala yang ditimbulkan oleh penderita penyakit ginjal, antara lain nyeri di daerah pinggang, adanya nanah atau darah dalam air kemih, hilang nafsu makan, nyeri di daerah punggung dan yang lainnya. Sebuah sistem cerdas mampu menuangkan suatu ilmu yang didapat dari dokter spesialis menjadi sebuah aplikasi yang mampu mendeteksi penyakit secara dini. Dengan dibuatnya sistem ini dapat mengefisienkan waktu dalam memperoleh hasil pemeriksaan.
Data diambil dari klinik spesialis ginjal Rasyida yang berada di medan yang didapat dari seorang profesor spesialis penyakit ginjal bernama Prof Harun Rasyid Lubis, SpPD-KGH. Data berupa nilai - nilai probabilitas dari 38 gejala dan banyaknya penyakit adalah 11 penyakit. Data dapat dilihat pada halaman lampiran.
4.2. Analisis Perhitungan Naïve Bayes Pada Proses Pengklasifikasian
26
melakukan proses diagnosa. Hal ini dilakukan karena masalah ketidakpastian melibatkan hipotesis yang berbeda-beda dari pengambil keputusan. Oleh karena itu bobot prior sangat bergantung dari kepakaran dan pengalaman si pengambil keputusan itu sendiri. Selanjutnya yang akan dilakukan oleh sistem adalah mengirimkan output ke user berupa hasil perhitungan probabilitas dari prior yang di masukan oleh user dan probabilitas dari prior yang direkam oleh sistem dari pakar. Dikarenakan banyaknya penyakit maka bentuk teorema Bayes yang digunakan seperti pada persamaan 2.2.
Setelah perhitungan probabilitas selesai akan dicari nilai persen probabilitas tertinggi dari beberapa penyakit dengan rumus sebagai berikut :
) | ( . ... ) | ( | ) | ( ) |
(H.. E p H1 E p H2 E p H E
p i n n
(3.1)% 100 ) | ( ) | ( ) | ( % .. x E H p E H p E H p n i i i
(3.2)
Dimana :
-
∑
p(Hi….n|E ) = total probabilitas dari seluruh penyakit - %p(Hi|E) = nilai persen dari suatu penyakitSebagai kasus, user memilih 4 gejala: Adanya nanah atau darah pada air kemih (G02), nyeri pada perut (G23), nyeri sendi (G37), dan lemas (G38). Berikut adalah cara perhitungan masing - masing serangan bila dihitung secara manual dengan Theorema Bayes :
1. Sindroma nefritik progresif
Probabilitas gejala tanpa memandang evidence / penyakit (P11) adalah : - Adanya nanah atau darah pada air kemih (G02) : 0,9
Probabilitas gejala dengan memandang evidence / penyakit adalah : - Adanya nanah atau darah pada air kemih (G02|P11) : 0,7
- Nyeri pada perut (G23|P11) : 0,2 - Nyeri sendi (G37|P11) : 0,4 - Lemas (G38|P11) : 0,4
Perhitungan Nilai Bayes :
1. P(P11|G02) = P(G02|P11) * P(P11) P(G02|P01)*P(P01)+ P(G02|P02)*P(P02)+ P(G02|P03)*P(P0
3)+P(G02|P04)*P(P04)+ P(G02|P05)*P(P05)+ P(G02|P06)*P( 06)+ P(G02|P07)*P(P07)+ P(G02|P08)*P(P08)+ P(G02|P09)* P(P09)+ P(G02|P10)*P(P10)+ P(G02|P11)*P(P11)
P(P11|G02) = 0,7 * 0,9 (0,8*0,9)+(0*0,9)+(0*0,9)+(0*0,9)+(0,8*0,9)+(0,9*0,9)+ (0,9*0,9)+(0,7*0,9)+(0*0,9)+(0,9*0,9)+(0,7*0,9)
P(P11|G02) = 0,63 (0,72)+(0)+(0)+(0)+(0,72)+(0,81)+(0,81)+(0,63)+(0)+(0,81)+ 0,63)
P(P11|G02) = 0,63 = 0,123 5,13
2. P(P11|G23) = P(G23|P11) * P(P11) P(G23|P01)*P(P01)+ P(G23|P02)*P(P02)+ P(G23|P03)*P(P0
28
P(P11|G23) = 0,2 * 0,7 (0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0,3*0,7)+(0*0,7)+ (0*0,7)+(0,4*0,7)+(0*0,7)+(0,2*0,7)
P(P11|G23) = 0,14 (0)+(0)+(0)+(0)+(0)+(0,21)+(0)+(0)+(0,28)+(0)+(0,14)
P(P11|G23) = 0,14 = 0,222 0,63
3. P(P11|G37) = P(G37|P11) * P(P11) P(G37|P01)*P(P01)+ P(G37|P02)*P(P02)+ P(G37|P03)*P(P0
3)+P(G37|P04)*P(P04)+ P(G37|P05)*P(P05)+ P(G37|P06)*P( 06)+ P(G37|P07)*P(P07)+ P(G37|P08)*P(P08)+ P(G37|P09)* P(P09)+ P(G37|P10)*P(P10)+ P(G37|P11)*P(P11)
P(P11|G37) = 0,4 * 0,7 (0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+ (0*0,7)+(0*0,7)+(0,3*0,7)+(0,4*0,7)
P(P11|G37) = 0,28 (0)+(0)+(0)+(0)+(0)+(0)+(0)+(0)+(0)+(0,21)+(0,28)
P(P11|G37) = 0,28 = 0,571 0,49
4. P(P11|G38) = P(G38|P11) * P(P11) P(G38|P01)*P(P01)+ P(G38|P02)*P(P02)+ P(G38|P03)*P(P0
P(P11|G38) = 0,4 * 0,7 (0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+ (0*0,7)+(0*0,7)+(0*0,7)+(0,4*0,7)
P(P11|G38) = 0,28 (0)+(0)+(0)+(0)+(0)+(0)+(0)+(0)+(0)+(0)+(0,28)
P(P11|G38) = 0,28 = 1 0,28
2. Sindroma nefritik akut
Probabilitas gejala tanpa memandang evidence / penyakit (P10) adalah : - Adanya nanah atau darah pada air kemi (G02) : 0,9
- Nyeri sendi (G37) : 0,7
Probabilitas gejala dengan memandang evidence / penyakit adalah : - Adanya nanah atau darah pada air kemi (G02|P10) : 0,9
- Nyeri sendi (G37|P10) : 0,3
Perhitungan Nilai Bayes :
1. P(P10|G02) = P(G02|P10) * P(P10) P(G02|P01)*P(P01)+ P(G02|P02)*P(P02)+ P(G02|P03)*P(P0
3)+P(G02|P04)*P(P04)+ P(G02|P05)*P(P05)+ P(G02|P06)*P( 06)+ P(G02|P07)*P(P07)+ P(G02|P08)*P(P08)+ P(G02|P09)* P(P09)+ P(G02|P10)*P(P10)+ P(G02|P11)*P(P11)
30
P(P10|G02) = 0,81 (0,72)+(0)+(0)+(0)+(0,72)+(0,81)+(0,81)+(0,63)+(0)+(0,81)+ 0,63)
P(P10|G02) = 0,81 = 0,158 5,13
2. P(P10|G37) = P(G37|P10) * P(P10) P(G37|P01)*P(P01)+ P(G37|P02)*P(P02)+ P(G37|P03)*P(P0
3)+P(G37|P04)*P(P04)+ P(G37|P05)*P(P05)+ P(G37|P06)*P( 06)+ P(G37|P07)*P(P07)+ P(G37|P08)*P(P08)+ P(G37|P09)* P(P09)+ P(G37|P10)*P(P10)+ P(G37|P11)*P(P11)
P(P10|G37) = 0,3 * 0,7 (0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+ (0*0,7)+(0*0,7)+(0,3*0,7)+(0,4*0,7)
P(P10|G37) = 0,21 (0)+(0)+(0)+(0)+(0)+(0)+(0)+(0)+(0)+(0,21)+(0,28) P(P10|G37) = 0,21 = 0,428
0,49
3. Penyakit ginjal polikistik
Probabilitas gejala tanpa memandang evidence / penyakit (P06) adalah : - Adanya nanah atau darah pada air kemi (G02) : 0,9
- Nyeri pada perut (G23) : 0,7
Probabilitas gejala dengan memandang evidence / penyakit adalah : - Adanya nanah atau darah pada air kemi (G02|P06) : 0,9
Perhitungan Nilai Bayes :
1. P(P06|G02) = P(G02|P06) * P(P06) P(G02|P01)*P(P01)+ P(G02|P02)*P(P02)+ P(G02|P03)*P(P0
3)+P(G02|P04)*P(P04)+ P(G02|P05)*P(P05)+ P(G02|P06)*P( 06)+ P(G02|P07)*P(P07)+ P(G02|P08)*P(P08)+ P(G02|P09)* P(P09)+ P(G02|P10)*P(P10)+ P(G02|P11)*P(P11)
P(P06|G02) = 0,9 * 0,9 (0,8*0,9)+(0*0,9)+(0*0,9)+(0*0,9)+(0,8*0,9)+(0,9*0,9)+
(0,9*0,9)+(0,7*0,9)+(0*0,9)+(0,9*0,9)+(0,7*0,9)
P(P06|G02) = 0,81 (0,72)+(0)+(0)+(0)+(0,72)+(0,81)+(0,81)+(0,63)+(0)+(0,81)+ 0,63)
P(P06|G02) = 0,81 = 0,158 5,13
2. P(P06|G23) = P(G23|P06) * P(P06) P(G23|P01)*P(P01)+ P(G23|P02)*P(P02)+ P(G23|P03)*P(P0
3)+P(G23|P04)*P(P04)+ P(G23|P05)*P(P05)+ P(G23|P06)*P( 06)+ P(G23|P07)*P(P07)+ P(G23|P08)*P(P08)+ P(G23|P09)* P(P09)+ P(G23|P10)*P(P10)+ P(G23|P11)*P(P11)
P(P06|G23) = 0,3 * 0,7 (0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0*0,7)+(0,3*0,7)+(0*0,7)+ (0*0,7)+(0,4*0,7)+(0*0,7)+(0,2*0,7)
32
P(P06|G23) = 0,21 = 0,333 0,63
Setelah seluruh penyakit telah mendapatkan nilai Bayesmya maka akan dicari nilai persen berdasarkan gejala dari penyakit dengan persamaan 3.1 dan 3.2.
Gejala (G02) = P(P11|G02) + P(P10|G02) + P(P06|G02) = 0,123 + 0,158 + 0,158
= 0,439
P(P11|G02) = 0,123 x 100% = 28 % 0,439
P(P10|G02) = 0,158 x 100% = 36 % 0,439
P(P06|G02) = 0,158 x 100% = 36 % 0,439
Gejala (G23) = P(P11|G23) + P(P06|G23) = 0,222 + 0,333
= 0,555
P(P11|G23) = 0,222 x 100% = 40 % 0,555
P(P06|G23) = 0,333 x 100% = 60 % 0,555
Gejala (G37) = P(P11|G37) + P(P06|G37) = 0,571 + 0,428
P(P11|G37) = 0,571 x 100% = 57 % 0,555
P(P10|G37) = 0,428 x 100% = 42 % 0,555
Gejala (G38) = P(P11|G38) = 0,28
P(P11|G38) = 0,28 x 100% = 100 % 0,28
Agar mendapatkan hasil berdasarkan penyakit maka dicari rata - rata nilai persentase setiap gejala yang ada di penyakit tersebut :
Sindroma Nefritik Progresif (P11)
%(P11|G02) + % P(P11|G23) + % P(P11|G37) + %(P11|G38) = 28% + 40% + 57% + 100% = 225% / 4 = 56%
Sindroma nefritik akut
%(P11|G02) + % P(P10|G37) = 36% + 42% = 78% / 2 = 39%
Penyakit ginjal polikistik %(P11|G02) + % P(P06|G37) = 36% + 60% = 96% / 2 = 48%
34
poliksitik dengan persentase 48%. Maka dari itu kemungkinan penyakit yang diderita user adalah penyakit sindroma nefritik progresif dengan nilai persentase 56%.
4.3. Perancangan Sistem
Berikut adalah tampilan dari diagram proses pengklasifikasian dari aplikasi ini :
Gambar 3.1 Diagram Proses
3.3.1. Perancangan Flowchart Sistem
Gambar 3.2 Flowchart Aplikasi
Pada saat aplikasi dijalankan , ditampilkan halaman menu utama yang terdiri dari, menu klasifikasi, menu penyakit ginjal, menu profil penulis, dan menu keluar. Menu klasifikasi merupakan halaman dimana proses kalsifikasi dimulai. Di dalam menu klasifikasi terdapat input gejala yaitu pengguna memasukkan gejala yang dideritanya lalu sistem akan mengklasifikasikan penyakit yang diderita oleh user. Lalu menu penyakit ginjal berisi informasi - informasi penyakit ginjal. Menu tentang berisi profil penulis.
36
Gambar 3.3 Flowchart Alur Pengklasifikasian
Penjelasan flowchart sistem : 1. Input pilih gejala.
Pada tahap ini sistem akan memberikan beberapa pertanyaan kepada user berupa gejala-gejala umum dan spesifik yang mungkin dialami pasien. User diminta untuk menjawab pertanyaan tersebut dengan mencentang gejala.
2. Cek atau hitung jumlah gejala.
Petunjuk
Penyakit Ginjal
Tentang
lebih dari 4, maka akan bernilai “Yes” dan sistem akan terus melanjutkan ke pertanyaan selanjutnya.
3. Hitung nilai klasifikasi dengan Naïve Bayes
Pada tahap ini sistem akan menghitung hasil dari gejala- gejala yang diinput oleh user algoritma Naïve Bayes. Kemudian akan menghasilkan output penyakit apa yang diderita oleh pasien serta nilai persentasenya.
4. Cetak hasil.
Pada tahap ini sistem akan mencetak hasil dari klasifikasi yang dilakukan oleh
user.
3.3.2. Perancangan pemodelan visual menggunakan UML
a. Diagram use case
[image:51.612.110.445.353.607.2]Memilih Gejala
Gambar 3.4 Use Case Diagram
Diagram use case yang digunakan dalam sistem ini hanya memiliki satu aktor yaitu, user.
38
[image:52.612.156.504.141.404.2]Dokumentasi naratif dari use case memilih gejaladapat dilihat pada Tabel 3.1 berikut.
Tabel 3.1 Use Case Spesifikasi untuk Use Case Gejala
Dokumentasi naratif dari use case petunjukdapat dilihat pada Tabel 3.2 berikut.
[image:52.612.154.502.470.733.2]Dokumentasi naratif dari use case penyakit ginjal dapat dilihat pada Tabel 3.3 berikut.
Tabel 3.3 Use Case Spesifikasi untuk Use Case Penyakit Ginjal
[image:53.612.153.498.472.734.2]Dokumentasi naratif dari use case profil penulis dapat dilihat pada Tabel 3.4 berikut.
40
b. Diagram activity
Diagram activity merupakan tahap dimana urutan-urutan aktivitas yang terjadi pada sistem dapat digambarkan. Diagram activity membantu memahami proses rancangan sistem secara keseluruhan.
Diagram activity yang peneliti buat menampilkan aktivitas dalam sistem. Aktivitas dimulai pada halaman menu utama yang menampilkan menu klasifikasi untuk memulai pengklasifikasian, menu petunjuk, menu penyakit ginjal, menu profil penulis, dan menu keluar.
[image:54.612.102.544.362.637.2]Pengguna akan beroperasi dengan sistem melalui halaman klasifikasi. Pada halaman petunjuk akan menampilkan petunjuk cara penggunaan aplikasi. Pada halaman penyakit ginjal akan ditampilkan beberapa jenis penyakit - penyakit ginjal yang ada pada aplikasi. Pada halaman profil penulis akan menampilkan data peneliti.
Gambar 3.5 Diagram Activity Halaman Klasifikasi
menampilkan input dialog gejala – gejala yang dipilih oleh pengguna. Jika gejalanya sudah dipilih semua sistem akan menampilkan hasil klasifikasi penyakit ginjal. Adapun diagram activity untuk memulai klasifikasi yang dirancang penulis dapat dilihat pada Gambar 3.5.
[image:55.612.105.542.280.511.2]Pada halaman petunjuk, diagram activity dimulai dengan pengguna mengklik tombol petunjuk yang ada pada halaman menu utama. Selanjutnya, sistem akan menampilkan halaman petunjuk yang berisi petunjuk tentang cara penggunaan aplikasi. Diagram activity petunjuk dapat dilihat pada Gambar 3.6 berikut.
Gambar 3.6 Diagram Activity Halaman Petunjuk
42
Gambar 3.7 Diagram Activity Halaman Penyakit Ginjal
Pada halaman profil penulis, diagram activity dimulai dengan pengguna mengklik tombol
about yang ada pada halaman menu utama. Selanjutnya, sistem akan menampilkan halaman tentang yang berisi tentang informasi pengembang aplikasi. Diagram activity
profil penulis dapat dilihat pada Gambar 3.8 berikut.
[image:56.612.106.541.455.698.2]3.3.3. Perancangan Antarmuka Aplikasi
a. Halaman Menu Utama
Tampilan pada halaman ini terdapat menu-menu yang dapat dipilih oleh pengguna seperti menu klasifikasi, petunjuk, penyakit ginjal, about, dan keluar.
[image:57.612.237.387.222.420.2]Tampilan halaman menu utama pada aplikasi pengklasifikasian penyakit ginjal dapat dilihat pada Gambar 3.9 berikut.
Gambar 3.9 Rancangan Antarmuka Aplikasi
Keterangan : 1. Judul aplikasi.
2. Tombol KLASIFIKASI : untuk memulai proses klasifikasi.
3. Tombol PETUNJUK : untuk menampilkan petunjuk penggunaan aplikasi. 4. Tombol PENYAKIT GINJAL : untuk menampilkan keterangan dari penyakit – penyakit ginjal.
5. Tombol ABOUT : untuk keterangan dari pengembang aplikasi. 5. Tombol KELUAR : untuk keluar dari aplikasi
b. Halaman Menu Klasifikasi
44
Gambar 3.10 Rancangan Antarmuka Halaman Klasifikasi
Keterangan :
1. Judul halaman klasifikasi.
2. Kotak yang berisi gejala – gejala dari pasien dipilih dengan cara dicentang 3. Tombol PROSES : untuk melanjutkan ke halaman hasil klasifikasi.
c. Halaman Menu Petunjuk
Tampilan halaman petunjuk pada aplikasi pengklasifikasian penyakit ginjal dapat dilihat pada Gambar 3.11 berikut.
[image:58.612.244.394.491.690.2]Keterangan :
1. Judul halaman petunjuk.
2. Berisi tentang cara memakai aplikasi.
d. Halaman Menu Penyakit Ginjal
[image:59.612.263.414.242.444.2]Tampilan halaman penyakit ginjla pada aplikasi pengklasifikasian penyakit ginjal dapat dilihat pada Gambar 3.12 berikut.
Gambar 3.12 Rancangan Antarmuka Halaman Penyakit Ginjal
Keterangan :
1. Judul halaman penyakit ginjal.
2. Berisi tentang penyakit – penyakit ginjal. 3. Pilih info penyakit ginjal yang ingin dilihat.
e. Halaman Menu Profil Penulis
46
Gambar 3.13 Rancangan Antarmuka Halaman Profil Penulis
Keterangan :
1. Judul halaman tentang.
BAB 4
IMPLEMENTASI DAN PENGUJIAN SISTEM
Pada bab ini akan dibahas tentang proses pengimplementasian metode naive bayes pada aplikasi, sesuai perancangan aplikasi yang telah dilakukan di Bab 3 serta melakukan pengujian aplikasi yang telah dibangun.
5.1. Implementasi
Tahap implementasi merupakan tahap yang dilakukan setelah analisisAnalisis berguna untuk mengetahui kebutuhan perangkat lunak yang akan dibangun. Dalam tahap ini dilakukan pengumpulan data serta pengetahuan yang diperlukan untuk membangun sistem, sehingga pada akhirnya hasil dari analisis yang diperoleh berupa sebuah sistem yang strukturnya dapat didefinisikan dengan baik dan jelas
4.1.1. Spesifikasi perangkat lunak
Aplikasi Pengklasifikasian Penyakit Ginjal dibangun pada sistem operasi Windows 7 32-bit. Aplikasi ini dibuat dengan menggunakan bahasa pemrograman PHP.
48
4.1.2. Spesifikasi perangkat keras
Adapun spesifikasi perangkat keras yang digunakan dalam implementasi aplikasi pengklasifikasian ini adalah sebagai berikut :
1. Processor Intel Core 2 Duo T6600 (2.20 GHz) 2. Memory (RAM) 2 GB.
3. Hard Disk 500 GB
4. Monitor 14.0” Acer CineCrystal LED LCD
5.2. Tampilan Aplikasi
Tampilan aplikasi meliputi tampilan menu-menu utama aplikasi dan submenu-submenu yang ada di dalamnya. Tampilan ini dibuat sesuai dengan rancangan tampilan yang telah dibuat pada tahap sebelumnya. Berikut ini adalah tampilan dari aplikasi pengklasifikasian penyakit ginjal.
4.2.1. Tampilan halaman menu utama
Gambar 4.1 Menu Utama
4.2.2. Tampilan halaman pengklasifikasian
Halaman menu pengklasifikasian menampilkan bermacam – macam gejala yang kemungkinan bisa dipilih pengguna. Pengguna memilih gejla dengan cara mencentang gejala yang dideritanya. Setelah pengguna selesai memilih gejalanya kemudian dia menekan tombol proses. Tampilan halaman pengklasifikasian dapat dilihat pada Gambar 4.2.
[image:63.612.199.469.469.700.2]50
4.2.3. Tampilan halaman hasil klasifikasi
[image:64.612.225.410.208.459.2]Pada halaman hasil klasifikasi berisi tentang penyakit apa yang diderita dengan nilai probabilitasnya dan nilai persennya. Pada tampilan ini juga ada tombol "kirim ke email" yang berguna untuk apakah user mau mengirim surat rekomendasinya ke dia atau tidak. Tampilan halaman hasil klasifikasi utama dapat dilihat pada Gambar 4.3.
Gambar 4.3 Hasil Klasifikasi
4.2.4. Tampilan halaman form email
Gambar 4.4 Form Email
4.2.5. Tampilan halaman panduan
Pada halaman panduan terdapat menu - menu petunjuk cara penggunaan aplikasi. Tampilan halaman panduan dapat dilihat pada Gambar 4.5.
[image:65.612.175.450.444.677.2]52
4.2.6. Tampilan halaman penyakit ginjal
[image:66.612.176.438.170.402.2]Pada halaman penyakit ginjal terdapat informasi - informasi penyakit ginjal yang diderita oleh seseorang. Tampilan halaman penyakit ginjal dapat dilihat pada Gambar 4.6.
Gambar 4.6 Informasi Penyakit Ginjal
4.2.7. Tampilan halaman tprofil penulis
Gambar 4.7 Profil Penulis
5.3. Pengujian
Pengujian aplikasi dilakukan untuk mengetahui apakah aplikasi sudah berjalan dengan baik atau tidak, sesuai dengan yang diharapkan penulis dan pengguna. Apabila ditemukan kesalahan pada saat pengujian, makan penulis akan memperbaiki aplikasi lagi.
4.3.1. Pengujian Aplikasi
54
Tabel 4.1. Pengujian Aplikasi
No Nama Scene Menu Aksi Hasil yang
diharapkan
Hasil Uji 1 Menu Utama Pengklasifikasian Pilih Menuju ke halaman
menu
pengklasifikasian
Sesuai
Panduan Pilih Menuju ke halaman menu panduan
Sesuai
Penyakit Ginjal Pilih Menuju ke halaman menu penyakit ginjal
Sesuai
About Pilih Menuju ke halaman
menu about
Sesuai
2 Pengklasifikasian Pemilihan Gejala Centang Gejala terpilih Sesuai Tombol proses Pilih Menuju ke halaman
hasil klasifikasi
Sesuai
3 Hasil Klasifikasi Tombol Cetak Form / Kirim email
Pilih Menuju ke pengiriman email
Sesuai
4 Penyakit Ginjal Tombol tambah Pilih Menuju ke penyakit selanjutnya
Sesuai
4.3.2. Pengujian kinerja metode naive bayes terhadap aplikasi pengklasifikasian
Gambar 4.8. Proses Pemilihan Gejala
56
Gambar 4.9. Gejala Pengguna
.
Gambar 4.10. Pengelompokan Gejala Berdasarkan Penyakit
Kemudian aplikasi akan menampilkan nilai - nilai probabilitas gejala baik nilai memandang evidence ( penyakit ) maupun nilai tanpa memandang evidence. Nilai gejala G2 pada penyakit Hidronefrosis dengan memandang evidence adalah 0,8 dan tanpa memandang evidence adalah 0,9 seperti pada Gambar 4.11. Nilai probabilitas yang ada tertera pada halaman lampiran.
[image:71.612.135.480.449.656.2]58
Kemudian aplikasi akan menghitung penyakit mempunyai minimal 2 gejala yang