PENGEMBANGAN SISTEM INFORMASI DIAGNOSIS PENYAKIT TROPIS
MENGGUNAKAN ALGORITMA NAÏVE BAYESIAN
Rika Rosnellydan Agus Hardjoko
STMIK Potensi Utama Universitas Gadjah Mada
[email protected] dan [email protected] ABSTRACT
Diagnosing tropical diseases which are conducted by a doctor in determining suitable medical treatment for patients must be done carefully and accurately. Wrong diagnosis and medical treatments can cause fatal effect and endanger patient’s life. In fact, the diagnosis and medical treatment on certain diseases might need the expertise of medical specialists. The problems faced nowadays are the unbalanced deployment of medical specialists in remote areas in which in those areas the medical practitioners available are only mantri, midwife, or general practice doctor who have little experience and skills in handling certain and specific diseases. Therefore, it will cause less optimal care and treatment for patients. This paper is intended to design the information system of the tropical diseases diagnosis such as malaria, typoid fever, and dengue fever using Naïve Bayesian algorithm and Visual Basic 6.0 application in order to ease the determination of the type of disease by inputting the symptoms the user has.
Keywords: Tropical Diseases, Naïve Bayesian, Visual Basic 6.0 Application.
1.
Pendahuluan
Menurut Robert A. Leitch sistem informasi adalah suatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi, bersifat manajerial, dan kegiatan strategi dari suatu organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan. Perancangan sistem informasi merupakan pengembangan sistem baru dari sistem lama yang ada, dimana masalah-masalah yang terjadi pada sistem lama diharapkan sudah teratasi pada sistem yang baru.
Makalah ini mendeskripsikan rancangan sistem informasi yang dapat digunakan untuk mendiagnosa penyakit tropis yaitu penyakit malaria, demam typoid, dan demam berdarah dengan metode Naïve Bayesian. Penyakit malaria, demam typoid, dan demam berdarah merupakan beberapa penyakit yang harus diwaspadai dan memiliki gejala yang hampir sama. Makalah ini bertujuan untuk membangun sistem informasi diagnosis penyakit malaria, demam typoid, dan demam berdarah sehingga dapat memudahkan dalam menentukan jenis penyakit dengan cara memasukkan beberapa gejala yang dialami oleh user. Permasalahan yang akan dibahas adalah bagaimana cara merancang sistem informasi untuk diagnosis penyakit malaria, demam typoid, dan demam berdarah dengan menggunakan algoritma Naïve Bayesian dan aplikasi Visual Basic 6.0.
2.
Dasar Teori
2.1 Defenisi Perancangan Sistem
Perancangan sistem dapat diartikan sebagai berikut ini:
1. Tahap setelah analisis dari siklus pengembangan sistem 2. Pendefinisian dari kebutuhan-kebutuhan fungsional 3. Persiapan untuk rancang bangun implementasi 4. Menggambarkan bagaimana suatu sistem dibentuk
5. Penggambaran, perencanaan, dan pembuatan sketsa atau pengaturan dari beberapa elemen yang terpisah ke dalam satu kesalahan yang utuh dan berfungsi
6. Termasuk menyangkut mengkonfigurasikan dari komponen-komponen perangkat lunak dan perangkat keras dari suatu sistem
2.2 Penyakit Malaria
Malaria adalah suatu penyakit yang disebabkan oleh sporozoa dari genus Plasmodium, yang secara klinis ditandai dengan serangan paroksismal dan periodik, disertai anemia, pembesaran limpa, dan kadang-kadang dengan komplikasi pernisiosa seperti ikterik, diare, black water fever, acute tubular necrosis, dan malaria cerebral[4].
Penduduk yang terancam malaria pada umumnya adalah penduduk yang bertempat tinggal di daerah endemis malaria tinggi dan daerah endemis malaria sedang, yang diperkirakan ada sekitar 15 juta orang. Proses terjadinya penularan malaria di suatu daerah meliputi tiga faktor utama[1]:
a. adanya penderita baik dengan adanya gejala klinis ataupun tanpa gejala klinis b. adanya nyamuk atau vektor
Malaria sebagai penyakit infeksi yang disebabkan oleh plasmodium mempunyai gejala utama demam. Diduga terjadinya demam berhubungan dengan proses skizogoni (pecahnya merozoit/skizon). Gambaran karakteristik malaria ialah demam periodik, anemia dan splenomegali. Berat-ringan manifestasi malaria bergantung pada jenis plasmodium yang menyebabkan infeksi[2].
2.3 Penyakit Demam Berdarah Dengue (DBD)
Penyakit Demam Berdarah Dengue (DBD) adalah suatu penyakit menular yang disebabkan oleh virus dengue terutama menyerang anak-anak dengan ciri-ciri demam tinggi mendadak disertai manifestasi perdarahan dan bertendensi menimbulkan syok dan kematian. Infeksi virus dengue dapat memperlihatkan spectrum klinis bervariasi dari derajat paling ringan sampai berat. Infeksi dengue yang paling ringan adalah demam tanpa penyebab yang jelas (undifferentiated febrile illness), diikuti dengan demam dengue (DD), demam berdarah dengue (DBD) dan sindrom syok dengue (SSD)[5].
2.4 Penyakit Demam Typoid (Typhoid Fever)
Demam typoid masih merupakan penyakit infeksi tropik sistemik, bersifat endemis, dan masih merupakan problema kesehatan masyarakat pada negara-negara sedang berkembang di dunia, termasuk Indonesia. Data secara epidemiologi setiap tahun diperoleh dari beberapa negara yang mencatat hasil laporannya dari diagnosis klinik atau isolat laboratorium, karena data yang benar-benar dapat menggambarkan insiden penyakit ini di masyarakat sukar didapatkan. Hal ini disebabkan karena gambaran klinik penyakit demam typoid menyerupai penyakit infeksi lainnya dan juga konfirmasi laboratorik tidak selalu dapat dikerjakan pada semua daerah[3].
2.5 Algoritma Naïve Bayesian
Dasar dari algoritma Naive Bayesian yang dipakai dalam pemrograman adalah rumus Bayes[6][7]:
P (Hk|E) = (P(E| Hk) * P(Hk) (1)
(P(Ej| Hk) ∩ P((Ei| Hk) (2) (P(Ei| Hk)
(P(Ei| Hk) = ∑ P(Ei |Hk)
Hasil: max (P (Hk|E)
Dimana :
P(HkIE) : probabilitas hipotesis penyakit jika diberikan evidence
P(EIHk) : probabilitas munculnya evidence jika diketahui Hipotesis penyakit
P(EjIHk) : probabilitas munculnya evidence gejala yang di-input-kan user jika diketahui hipotesis penyakit
P(Ei| Hk) : probabilitas munculnya evidence semua gejala yang berhubungan dengan penyakit jika diketahui hipotesis penyakit
P(Hk) : probabilitas hipotesis penyakit tanpa memandang evidence apapun
3.
Perancangan
3.1 Deskripsi Data
Gejala-gejala yang menimbulkan penyakit malaria, demam berdarah, dan demam typoid dapat dilihat pada Tabel 1. Tabel 1. Gejala-gejala dari Penyakit Malaria, Demam Berdarah, dan Demam Typoid
Nama
Penyakit Nama Gejala
Nilai dari Dokter (nilai diisi antara
0 dan 1) Malaria 1 Demam Model 1 (Menggigil, demam > 38oC secara periodik dan berkeringat) 0.8
2 Tinggal di daerah endemis 0.8
3 Muka Pucat 0.8
4 Splenomegali 0.7
5 Hepatomegali 0.7
6 Anemia 0.7
7 Kencing Berwarna Hitam 0.6
8 Komplikasi ke ginjal dan paru-paru 0.5
9 Dijumpai parasit malaria di dalam darah tepi 1
10 Mual dan muntah 0.5
n i = 1
Nama
Penyakit Nama Gejala
Nilai dari Dokter (nilai diisi antara
0 dan 1) Demam
Berdarah (DHF)
1 Demam Model 2 (demam > 38,5oC timbul secara tiba-tiba, bersifat bifasik, demam maksimum 7 hari)
0.7
2 Mimisan 0.7
3 Pendarahan Gusi 0.6
4 Bercak merah di badan 0.7
5 Muntah darah 0.5
6 Buang air besar warna hitam 0.5
7 Shock 0.5
8 Anti DHF-IgG: Positive
Anti DHF-IgM: Positive (diperiksa hari ke 5 setelah demam)
0.9
9 Splenomegali 0.6
10 Hepatomegali 0.6
11 Mual dan Muntah 0.5
Demam Typoid (Tifus)
1 Demam Model 3 (demam > 38oC lebih dari 1 minggu, demam timbul secara perlahan dan naik secara bertangga)
0.7
2 Mual dan muntah 0.6
3 Gastrointestinal (mencret dan susah buang air besar) 0.6
4 Lidah Kotor, Pinggir Lidah lebih merah dan Tremor (bergetar) 0.7
5 Relatif Bradikardia (Denyut Nadi Bertambah) 0.7
6 Hepatomegali 0.5
7 Tes Widal: + 0.8
Sumber: Range Penilaian Quesioner Dari Beberapa Dokter 3.2 Penyusunan Basis Pengetahuan
Basis pengetahuan ini berisikan faktor-faktor yang dibutuhkan oleh sistem. Sedangkan untuk menganalisa faktor-faktor yang dimasukkan pengguna sampai ditemukan suatu kesimpulan, basis pengetahuan yang diperlukan sistem terdiri dari gejala penyakit dan jenis penyakit. Data yang menjadi input sistem adalah data gejala yang didapat dari pemeriksaan yang dilakukan oleh paramedis. Data tersebut digunakan oleh sistem untuk menentukan jenis penyakit yang diderita pasien. Pembentukan aturan gejala penyakit ditunjukkan pada Tabel 2.
Tabel 2. Aturan Gejala Penyakit
No Aturan
1 If Demam1 and endemis and muntah or pucat then sus. Malaria 2 If Demam1 and endemis and muntah or splenomegali then sus. Malaria 3 If Demam1 and endemis and muntah or hepatomegali then sus. Malaria 4 If sus. Malaria and parasit malaria then Malaria
5 If Demam2 and bercak merah and muntah or mimisan then sus. Demam berdarah 6 If Demam2 and bercak merah and muntah or gusi berdarah then sus. Demam berdarah 7 If Demam2 and bercak merah and muntah or splenomegali then sus. Demam berdarah 8 If Demam2 and bercak merah and muntah or splenomegali then sus. Demam berdarah 9 If Demam2 and bercak merah and muntah or hepatomegali then sus. Demam berdarah
10 If sus. Demam berdarah and Anti DHF-IgG positive and Anti DHF-IgM positive then Demam berdarah 11 If Demam3 and muntah and hepatomegali and mencret or susah buang air besar then sus Demam
Typoid
12 If Demam3 and muntah and hepatomegali and mencret or lidah kotor then sus Demam Typoid 13 If sus. Demam Typoid and tes widal positive then Demam Typoid
14 If Menggigil and demam > 38oC secara periodik and berkeringat then Demam1 15 Dan aturan lainnya
3.3 Perancangan Proses
Pada perancangan sistem ini akan dibuat diagram arus data yang meliputi diagram konteks atau sering disebut juga Diagram Arus Data (DAD) Level 0 dan Diagram Arus Data Level 1, Diagram Arus Data Level 2, dan Diagram Arus Data Level 3.
3.3.1 DAD level 1
Diagram Arus Data (DAD) Level 1 perancangan sistem informasi diagnosis penyakit malaria, demam typoid, dan demam berdarah adalah seperti pada Gambar 1.
Gambar 1. DAD Level 1 3.3.2 Entity Relationship Diagram (ERD) untuk Penyimpanan Knowledge
Data-data pengetahuan disimpan dalam sebuah database. ERD perancangan sistem informasi diagnosis penyakit malaria, demam typoid, dan demam berdarah adalah seperti pada Gambar 2.
Gambar 2. Entity Relationship Diagram (ERD) 3.3.3 Struktur Tabel
Struktur tabel dari perancangan sistem informasi diagnosis penyakit malaria, demam typoid, dan demam berdarah adalah seperti pada Tabel 3.
Tabel 3. Tabel Gejala
Field Type Panjang Keterangan
Idgejala AutoNumber Long Integer Sebagai primary key dari tabel gejala
Namagejala Text 50
Ket Text 255
Posgejala Number Integer
Pakar 1 manipulasi master gejala 2 manipulasi master penyakit manipulasi rule konsultasi login 3 4 5 gejala penyakit, nilai bayes penyakit
rule, nilai gejala rule username, pasword konfirmasi logi n Gejala Penyakit Rule Detailrule User gejala user suspect penyakit data Gejala data Gejala data Penyakit data Rule data Detailrule Gejala Penyakit memiliki Namagejala Posgejala Idgejala Ket Namapenyakit Idpenyakit Ket m 1 Rule memiliki 1 m Nilai Idgejala Idrule Idpenyaki totnilai Detailrule Idgejala Idrule Nilai m memiliki 1 memiliki 1 m
Tabel 4. Tabel Penyakit
Field Type Panjang Keterangan
Idpenyakit AutoNumber Long Integer Sebagai primary key dari tabel penyakit
Field Type Panjang Keterangan
Namapenyakit Text 50
Ket Text 50
Nilai Number Single
Tabel 5. Tabel Rule
Field Type Panjang Keterangan
Idrule AutoNumber Long Integer Sebagai primary key dari tabel rule
Idgejala Number Long Integer
Idpenyakit Number Long Integer
Totnilai Number Single
Tabel 6. Tabel Detailrule
Field Type Panjang Keterangan
Idrule Number Long Integer
Idgejala Number Long Integer
Nilai Number Single
4.
Pengujian Kebenaran
Pengujian kebenaran sistem ini dilakukan dengan perhitungan untuk mengetahui hasil akhir. Untuk hasil akhir harus mengetahui nilai dari beberapa gejala yang dirasakan oleh pasien dan nilai dari kemungkinan penyakit yang dialami pasien. Nilai dari beberapa gejala dan nilai dari kemungkinan penyakit yang dialami pasien didapat dari dokter. Adapun kemungkinan mengalami penyakit malaria dengan nilai = 0.2, kemungkinan mengalami penyakit demam berdarah dengan nilai = 0.1 dan kemungkinan mengalami penyakit demam typoid dengan nilai = 0.3.
Implementasi Diagnosis Penyakit Malaria, Demam Typoid, dan Demam Berdarah dengan Metode Algoritma Naïve Bayesian
Implementasi Diagnosis Penyakit Malaria, Demam Typoid, dan Demam Berdarah dengan metode algoritma Naïve Bayesian dilakukan menggunakan bahasa pemgrograman Visual Basic 6.0. Implementasi dilakukan pada satu tampilan
user interface seperti yang ditunjukkan pada Gambar 3-6.
Gambar 4. Form Master Penyakit
Gambar 5. Form Master Rule
Gambar 6. Form Konsultasi User
5.
Kesimpulan
Berdasarkan penjelasan pada makalah ini, algoritma Naïve Bayesian mampu menghasilkan suatu jenis penyakit berdasarkan gejala-gejala yang dialami pasien. Dari algoritma Naïve Bayesian seperti di atas maka dicari nilai maksimum dari ketiga jenis penyakit. Selanjutnya sistem secara otomatis menampilkan jenis penyakit yang mempunyai nilai probabilitas terbesar. Secara sederhana dapat dikatakan algoritma Naïve Bayesian mampu mendiagnosa penyakit malaria atau demam berdarah atau demam typoid. Implementasi sistem dengan metode algoritma Naïve Bayesian mampu mendiagnosa penyakit tropis yaitu malaria atau demam berdarah atau demam typoid.
Daftar Pustaka
[1] Friaraiyatini, dkk. (2006). Pengaruh Lingkungan dan Perilaku Masyarakat Terhadap Kejadian Malaria di Kab.
Barito Selatan Propinsi Kalimantan Tengah, Jurnal Kesehatan Lingkungan Vol. 2 No. 2.
[2] Harijanto P.N, dkk. (2008). Malaria dari Molekuler ke Klinis, Buku Kedokteran.
[3] Muliawan Sylvia W & Surjawidjaja Julius E. (1999). Tinjauan Peranan Uji Widal sebagai Alat Diagnostik
Penyakit Demam Typoid di Rumah Sakit, Cermin Dunia Kedokteran, No.124, 14.
[4] Munthe, Celestinus Eigya (2001). Malaria Selebral, Cermin dunia Kedokteran No. 131, 5.
[5] Muslim Azhari (2004). Faktor Lingkungan yang Berpengaruh Terhadap Kejadian Infeksi Virus Dengue, Jurnal Kesehatan Lingkungan Indonesia, Vol.3 No.1 , 8.
[6] Nir Friedman, Dan Geiger, and Moises Goldszmidt. (1997). Bayesian Network Classifiers, Machine Learning, 29, 131-163.
