Sistem Pakar Pendeteksian Varicella Simplex Dengan Menggunakan Teorema Bayes

(1)

http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 454

Sistem Pakar Pendeteksian Varicella Simplex Dengan Menggunakan

Teorema Bayes

Puji Sari Ramadhan

Program Studi Sistem Informasi, STMIK Triguna Dharma, Medan, Indonesia

Abstrak

Varicella Simplex ialah salah satu penyakit menular yang menyerang kulit, penyakit ini disebabkan oleh infeksi virus Varicella Zoster. Pada umumnya virus yang diifeksikan tersebut dapat menyerang manusia melalui sifat sistemik yang menimbulkan infeksi menyeluruh. Penyakit ini kebanyakaan diderita oleh masyarakat yang tinggal di dareah yang lembab dan yang tingkat kekebalan tubuhnya lemah. Pada saat ini kurangnya informasi dan pengetahuan tentang Varicella Simplex mengakibatkan sulitnya mengetahui secara dini penyakit tersebut sehingga dapat menyebabkan terhambatnya penanganan dini yang dapat mengakibatkan penularan penyakit yang lebih besar. Berdasarkan fenomena yang telah dikemukakan, maka dibutuhkanlah sebuah teknologi yang mampu memberikana pengetahuan dan informasi yang benar tentang Varicella Simplex beserta gejala-gejala yang terjadi pada masyarakat yaitu dengan menerapkan teknologi Sistem Pakar yang merupakan bagian dari keilmuan

Artificial Intelegence yang nantinya akan diimplementasikan ke dalam sebuah sistem berbasis komputer dengan menggunakan penerapan Teorema Bayes, sehingga nantinya dapat digunakan dalam melakukan pendiagnosaan ataupun pendeteksian penyakit Varicella Simplex serta dapat dijadikan layanan konsultasi kesehatan yang dapat membantu para pakar kesehatan sebagai bagian dari referensi diagnosa awal.

Kata Kunci: Sistem Pakar, Teorema Bayes, Varicella Simplex.

Abstract

Varicella Simplex is one of the infectious diseases that attacks the skin, this disease is caused by infection with the Varicella Zoster virus. In general, the detected virus can attack humans through systemic properties that cause overall infection. Most of this disease is suffered by people living in areas that are humid and whose immune systems are weak. At this time the lack of information and knowledge about Varicella Simplex resulted in the difficulty of knowing the disease early so that it could cause early treatment problems that could lead to greater transmission of the disease. Based on the phenomenon that has been stated, it requires a technology that is able to provide the right knowledge and information about Varicella Simplex along with the symptoms that occur in society, namely by applying Expert System technology which is part of the Artificial Intelligence science which will be implemented into a system computer-based using the Bayes Theorem application, so that later it can be used to diagnose or detect Varicella Simplex disease and can be used as a health consultation service that can help health experts as part of the initial diagnosis reference.

Keywords: Expert System, Teorema Bayes, Varicella Simplex.

1. PENDAHULUAN

Penyakit Varicella Simplex merupakan suatu penyakit menular yang menyerang bagian kulit. Diketahui bahwa kulit merupakan bagian paling penting bagi tubuh, hal ini dikarenakan kulit sebagai bagian paling awal pertahanan tubuh yang melindungi berbagai macam gangguan dari luar. Namun kulit dapat terkena infeksi, hal ini dikarenakan banyaknya faktor, salah satunya adalah faktor lingkungan, virus dan kekebalan tubuh seseorang. Penyakit Varicella Simplex merupakan kategori penyakit yang kondisi hidupnya singkat dan tergolong sebagai penyakit yang menyebar melalui sentuhan fisik. Penyakit ini disebabkan oleh virus Varicella Zoster, virus ini awalnya masuk melalui sistem pernafasan yang kemudian bergerak ke limfe dan pada bagian inilah virus tersebut memperbanyak dirinya.

Namun pada saat ini sulitnya mendapatkan informasi dan keterbatasannya pengetahuan masyarakat tentang

Varicella Simplex sehingga dapat menyebabkan terhambatnya penanganan dini pada masyarakat yang teridentifikasi diserang penyakit Varicella Simplex dan akan mengakibatkan penularan penyakit yang lebih besar. Melihat kondisi yang terjadi maka dibutuhkanlah sebuah teknologi atau penerapan sistem yang dapat memberikan pengetahuan dan informasi yang berkaitan dengan Varicella Simplex dan gejala-gejala yang terjadi ke dalam komputer berdasarkan proses akuisisi pengetahuan pakar atau ahli yaitu dengan menerapkan Sistem Pakar.

(2)

Pada jurnal lainnya[10] dikemukakan bahwa implementasi Sistem Pakar sudah dapat digunakan dalam pendeteksian tuberkolosis. Disamping itu terdapat juga pada[11] Sistem Pakar digunakan dalam menganalisis kanker payudara, selain itu didalam[12] digunakannya Sistem Pakar dalam mendiagnosis patah tulang. Dalam[13] dijelaskan bahwa diagnosis untuk penyakit balita juga dapat dilakukan oleh Sistem Pakar.

Tidak hanya dalam dunia medis, terdapat juga penerapan Sistem Pakar dalam melakukan pengidentifikasikan jambu biji[14], selain itu juga terdapat penelitian yang menyebutkan bahwa Sistem Pakar dapat diimplementasikan dalam bidang pertanian[15]. Pada jurnal lainnya[16] Sistem Pakar dikemukakan dapat melakukan pendiagnosaan terhadap penyakit nenas. Selain itu Sistem Pakar mampu diterapkan dalam penelusuran bidang perangkat salah satunya adalah diagnosa kerusakan notebook[17], selain itu juga dalam[18] Sistem Pakar digunakan untuk melakukan pendeteksian dalam sistem elektrik. Pada[19] Sistem Pakar digunakan untuk melakukan penelusuran kerusakan perangkat CISCO. Penggunaan Sistem Pakar juga dapat digunakan dalam pendiagnosaan tanaman, hal ini tercantum dalam[20] digunakan untuk mendiagnosis tanaman kakao, selain itu juga terdapat[21] digunakan untuk mendeteksi penyakit ayam.

Dalam pembangunan Sistem Pakar pendeteksian Varicella Simplex ini, nantinya dapat dipergunakan sebagai layanan konsultasi untuk melakukan pendeteksian Varicella Simplex sehingga dapat diketahui secara dini penyakit tersebut dan dapat dilakukan penanganan cepat terhadap masyarakat yang terdiagnosa penyakit Varicella Simplex. Selain itu dengan Sistem Pakar ini diharapkan dapat menjadi bagian referensi diagnosa awal yang nantinya dapat membantu petugas kesehatan dalam mengambil kesimpulan.

2. TEORITIS

Dalam penelitian ini diperlukan sumber-sumber teoritis yang mendukung untuk penguatan analisis dan dasar pengetahuan yang tentunya berkaitan dengan keilmuan Sistem Pakar, Forward Chaining, basis pengetahuan

Varicella Simplex serta penerapan dan cara kerja Teorema Bayes. 2.1 Kecerdasan Buatan

Artificial Intelegence atau kecerdasan buatan ialah konsep pengetahuan dibidang teknologi informasi dan komputer yang pertama kali digunakan oleh George Boole. Kecerdasaan buatan merupakan bagian dari computer science yang dapat digunakan dalam menyelesaikan permasalahan yang kompleks dan dapat menghasilkan kesimpulan yang terbaik dalam kehidupan manusia sehari-hari[22]. Selain itu kecerdasan buatan memiliki beberapa bagian konsep pengetahuan diantaranya jaringan syaraf tiruan, robotika, sistem pakar dan lainnya.

2.2 Sistem Pakar

Merupakan sebuah program yang mampu menganalisis suatu permasalahan dan akan menghasilkan kesimpulan atau pemecahan masalah, hal tersebut dapat dilakukan dikarenakan adannya proses pemindahan pengetahuan ahli kedalam aplikasi, dalam pendapat lainya dijelaskan bahwa Sistem Pakar merupakan bagian dari kelompok kecerdasan buatan yang terdiri dari elemen-elemen yang berhubungan untuk menghasilkan kesimpulan[23]. Selain itu dalam penjelasan lainnya[24] bahwa Sistem Pakar ialah sebuah konsep pengetahuan yang diturunkan ke dalam aplikasi yang dapat dipergunakan untuk menyelesaikan masalah.

2.3 Forward Chaining

Merupakan bagian dari mesin penelusuran yang konsep kerjanya dengan melakukan penelusuran maju yang akan menelusuri rule-rule untuk menghasilkan suatu kesimpulan. Selain itu dalam[4] dikemukakan bahwa runut maju memiliki istilah himpunan rule kondisi-aksi yang dipergunakan untuk menentukan bagian rule mana saja yang akan ditelusuri dan akan diulang sebanyak aturan-aturan yang ada sehingga nantinya dapat ditemukan suatu hasil.

2.4 Teorema Bayes

Dalam penelitian sebelumnya[25] disebutkan bahwa Teorema Bayes merupakan sebuah konsep aturan yang dapat menghasilkan nilai kemungkinan serta memberikan informasi tambahan tentang nilai yang telah dihasilkan. Berikut ini merupakan fungsi persamaan dari Teorema Bayes yang terdapat pada[26] :

...(1)

2.4 Varicella Simplex

Suatu penyakit yang menular dan menyerang bagian kulit, penyakit ini disebabkan oleh virus Varicella Zoster, virus ini awalnya masuk melalui sistem pernafasan yang kemudian bergerak ke limfe dan pada bagian inilah virus

(3)

tersebut memperbanyak dirinya dan menyebar ke seluruh bagian tubuh melalui aliran peredaran darah. Dalam penelitian sebelumnya[27] dikemukakan bahwa penyakit ini penularannya melalui kontak fisik atau bersentuhan langsung dengan orang yang mengalami penyakit Varicella Simplex. Penyakit ini dapat dicegah melalui imunisasi dini untuk memberikan penguatan sistem kekebalan tubuh agar dapat terhidar dari virus Varicella Zoster.

3. ANALISA DAN PEMBAHASAN

Penelitian ini menggunakan penerapan metode penelitian Reserch and Development yang berfungsi dalam menghasilkan suatu sistem baru berbentuk software aplikasi, yang nantinya diimplementasikan dalam melakukan pendeteksian Varicella Simplex berdasarkan gejala-gejala klinis yang terjadi pada orang yang teridentifikasi

Varicella Simplex dengan Teorema Bayes. Selain itu penelitian ini mempunyai kerangka kerja yaitu Basis Pengetahuan, pembentukan aturan, melakukan proses penelusuran menggunakan konsp Forward Chaining, kemudian akan dilakukan perhitungan dengan Teorema Bayes yang nanti pada akhirnya diharapkan akan menghasilkan nilai kemungkinan atau persentase Varicella Simplex yang kemungkinan diderita oleh masyarakat.

3.1 Basis Pengetahuan

Dalam proses pembangunan Sistem Pakar yang nantinya dapat digunakan dalam melakukan pendeteksian

Varicella Simplex berdasarkan gejala klinis yang diidap oleh masyarakat yang teridentifikasi Varicella Simplex, diperlukan penurunan pengetahuan dan informasi yang diakuisisi kedalam sebuah aplikasi yang tercantum dalam basis pengetahuan. Berikut ini adalah hasil dari pegumpulan basis pengetahuan tentang Varicella Simplex dan gejela-gejala yang terjadi.

Tabel 1. Data Kepakaran

No Kode

Gejala Daftar Gejala

Nilai Bobot

1 G001 Demam Tinggi 0,4

2 G002 Flu 0,4

3 G003 Cepat merasa lelah 0,6

4 G004 Lesu 0,2

5 G005 Ruam disekujur tubuh 0,6

6 G006 Nyeri Sendi 0,2

7 G007 Sakit Kepala 0,2

8 G008 Pengelupasan kulit 0,4

3.2 Pembentukan Aturan

Setelah memperoleh data dan informasi yang berkaitan dengan Varicella Simplex yang meliputi gejala-gejala beserta nilai kemungkinan setiap gejala, maka proses selanjutnya adalah membentuk rule-rule yang nantinya dapat dijadikan dasar dalam proses penelusuran. Berdasarkan basis pengetahuan yang ada, maka dapat diketahui rule pada kasus ini hanya memiliki satu aturan saja, hal ini dikarenakan kasus ini hanya menghasilkan satu hipotesa. Berikut merupakan hasil pembentukan atura yang dibentuk:

Rule 1 : IF Demam Tinggi =Yes AND Flu =Yes AND Cepat merasa lelah =Yes AND Lesu =Yes AND Ruam disekujur tubuh =Yes AND Nyeri Sendi=Yes AND Sakit Kepala =Yes AND Pengelupasan kulit =Yes

THEN Penyakit = Varicella Simplex.

3.3 Penelusuran Forward Chaining

Berdasarkan pembentukan aturan yang telah dilakukan, maka selanjutnya dapat dilakukan proses penelusuran dalam mengidentifikasi masyarakat yang kemungkinan menderita Varicella Simplex berdasarkan gejela-gejala yang dialami dan diderita oleh masyarakat tersebut. Berikut ini contoh kasus, bahwa terdapat seseorang yang mengalami gejala-gejala sebagai berikut :

Tabel 2. Data Kasus

No Gejala Dialami Diagnosa

1 _{Sakit Kepala(G07)}Flu (G02), Cepat merasa Lelah(G03), ???

Penyelesaian :

(4)

Flu (G02) = 0.4

Cepat merasa lelah(G03) = 0.6 Sakit kepala(G07) = 0.2

Total Bobot Gejala = 0.4 + 0.6 + 0.2 = 1,2

Langkah Ke-2 : Menghitung Nilai Probabilitas Gejala terhadap Penyakit : (P|H1) = 0.4 / 1.2 = 0.33

(P|H2) = 0.6 / 1.2 = 0.5 (P|H3) = 0.2 / 1.2 = 0.167

P(E|Hk) x P(Hk) = (0.4*0.33) + (0.6*0.5) + (0.2*0.167) = 0.467

Langkah Ke-3 : Menghitung Nilai Bayes Akhir

P(H1|E) = (0.4 * 0.33) / 0.467 = 0.29 P(H2|E) = (0.6 * 0.5) / 0.467 = 0.64 P(H3|E) = (0.2 * 0.167) / 0.467 = 0.07

∑Bayes = ((0.4 * 0.29) + (0.6 * 0.64) + (0.2 * 0.07)) = 0.51

Berdasarkan proses perhitungan dan penerapan metode yang dilakukan, maka masyarakat tersebut memiliki kemungkinan terdiagnosis Varicella Simplex dengan nilai bayes 0,51 atau dengan persentase probabilitas 51%.

4. IMPLEMENTASI

Pada Sistem Pakar yang digunakan untuk pendeteksian Varicella Simplex dengan menerapkan konsep Teorema Bayes terdapat layanan-layanan sistem yang diperuntukkan masyarakat, sehingga nantinya masyarakat dapat mengakases secara mudah dan cepat dalam melakukan pendeteksian secara dini. Berikut ini langkah-langkah pengujian sistem yang telah dihasilkan :

1. Akses Halaman Utama

Untuk mendapat layanan konsultasi pada sistem yang telah dibangun ini, maka terlebiih dahulu harus mengakses halaman utama, halaman ini memiliki berbagai macam menu diantaranya : menu data pasien, data diagnosa, data penyakit, serta laporan. Berikut ini tampilan dari halaman utama :

Gambar 1. Halaman Utama

2. Mengisi Data Pasien

Sebelum melakukan pendeteksian atau penelusuran gejala-gejala yang diderita, maka harus diawali dengan mengisi data-data yang berkaitan dengan pasien yang meliputi nama, alamat, umur serta kode pasien yang telah otomatis muncul. Berikut ini tampilan dari halaman data pasien :

(5)

3. Melakukan Pendeteksian

Pada proses ini dibutuhkan sebuah halaman layanan konsultasi yang nantinya dapat digunakan untuk melakukan pendereksian terhadap penyakit Varicella Simplex berdasarkan gejala-gejala yang dialami. Pada halaman ini memiliki data-data ang berkaitan dengan layanan konsultasi meliputi nama beserta kode pasien, gejala-gejala yang dialami dan hasil diagnosa disertai dengan nilai kemungkinan. Berikut ini tampilan dari halaman layanan konsultasi :

Gambar 3. Halaman Layanan Konsultasi

Penggunaan layanan konsultasi ini dimulai dengan memilih no pasien dan nama pasien yang akan didiagnosa, kemudian memilih gejala-gejala yang dialami atau diderita oleh pasien, setelah gejala-gejala dipilih selanjutnya menekan tombol diagnosa, maka nantinya sistem akan menampilkan hasil diagnosa penyakit berdasarkan gejala-gejala yang ada beserta nilai dari perhitungan Teorema Bayes.

4. KESIMPULAN

Berdasarkan hasil pembahasan yang telah dikemukakan tentang penerapan Teorema Bayes dalam melakukan pendeteksian Varicella Simplex yang dibentuk kedalam sebuah aplikasi atau sistem cerdas, maka dapat dihasilkan beberapa kesimpulan, berikut ini kesimpulan yang diperoleh :

1. Sistem Pakar yang dihasilkan pada kasus ini merupakan hasil dari analisa pengetahuan dan keilmuan pakar yang memberikan informasi dan data tentang Varicella Simplex yang diakusisi ke dalam bentuk aturan-aturan yang nantinya dapat ditelusuri dan diidentifikasi seseorang kemungkinan menderita penyakit Varicella Simplex yang diimplementasikan kedalam sistem terkomputerisasi atau aplikasi cerdas.

2. Pembangunan Sistem Pakar didahului dengan mengumpulkan beberapa informasi dan pengetahuan ahli yang berkaitan tentang pendeteksian gejala-gejala klinis yang terdapat pada manifestasi penyakit Varicella Simplex

yang selanjutnya dibentuk kedalam basis atau kumpulan pengetahuan, kemudian dilakukan proses penelusuran

Forward Chaining terhadap aturan-aturan, setelah melakukan penelusuran maka akan dilakukan proses perhitungan dan penerapan dengan Teorema bayes yang memilki tujuan untuk menghasilkan tingkat kemungkinan atau probabilitas gejala-gejala yang teridentifikasi menderita penyakit Varicella Simplex. 3. Sistem Pakar yang dirancang dengan menerapkan Teorema Bayes dalam proses pedeteksian Varicella Simplex

yang telah dilakukan sesuai dengan langkah-langkah maupun algoritma metode Teorema Bayes, sehingga sistem dapat diterapkan sebagai layanan konsultasi dan sebagai referensi petugas kesehatan dalam mengambil hasil diagnosa awal dalam melakukan pendeteksian terhadap Varicella Simplex.

REFERENCES

[1] P. S. Ramadhan, U. Fatimah, and S. Pane, “Sistem E-Healthcare Untuk Mendiagnosa Penyakit Inflamasi Dermatitis Imun Anak Dengan Menggunakan Metode Certainty Factor,” pp. 251–256, 2018.

[2] S. Nurajizah and M. Saputra, “Sistem Pakar Berbasis Android Untuk Diagnosa Penyakit Kulit Kucing Dengan Metode Forward Chaining,” J. Pilar Nusa Mandiri, vol. 14, no. 1, pp. 7–14, 2018.

[3] B. Sinaga, P. M. Hasugian, and A. M. Manurung, “Sistem Pakar Mendiagnosa Kerusakansmartphone,” vol. 3, no. 1, 2018.

[4] Tuslaela and D. Permadi, “Sistem Pakar Diagnosa Penyakit Gigi Dan Mulut Berbasis Web dengan Metode Forward Chaining,” J. PROSISKO, vol. 5, no. 1, pp. 17–26, 2018.

[5] S. A. Putri and E. P. Saputra, “Perancangan Aplikasi Sistem Pakar Diagnosa Awal Kanker Reproduksi Wanita Dengan Metode Certainty Factor,” vol. 2, no. 3, pp. 63–68, 2018.

(6)

[8] Yeni Lestari Nasution, M. Mesran, S. Suginam, and F. Fadlina, “Sistem Pakar Untuk Mendiagnosis Penyakit Tumor Otak Menggunakan Metode Certainty Factor (CF),” J. INFOTEK, vol. 2, no. 1, pp. 0–4, 2017.

[9] Ashari, “Penerapan Sistem Pakar Untuk Mendiagnosa Penyakit Pecernaan Dengan Pengobatan Alami,” no. November, pp. 1–9, 2016. [10] M. S. Hossain, F. Ahmed, Fatema-Tuj-Johora, and K. Andersson, “A Belief Rule Based Expert System to Assess Tuberculosis under

Uncertainty,” J. Med. Syst., vol. 41, no. 3, 2017.

[11] A. Joshi and M. Ashish, “Analysis Of K-Nearest Neighbor Technique For Breast Cancer Disease Classification,” Int. J. Recent Sci. Res., vol. 8, no. 8, pp. 1005–19008, 2017.

[12] F. Masya, H. Prastiawan, and S. Mubaroq, “Application Design to Diagnosis of Bone Fracture ( Traditional ) using Forward Chaining Methods,” Int. Res. J. Comput. Sci., vol. 3, no. 09, pp. 23–30, 2016.

[13] B. F. Yanto, I. Werdiningsih, and E. Purwanti, “Aplikasi Sistem Pakar Diagnosa Penyakit Pada Anak Bawah Lima Tahun Menggunakan Metode Forward Chaining,” J. Inf. Syst. Eng. Bus. Intell., vol. 3, no. 1, pp. 61–67, 2017.

[14] S. Pakar, U. Mendiagnosis, and H. Pada, “Jambu Biji Menggunakan Metode Bayes,” vol. 2, no. 1, pp. 78–81, 2017.

[15] J. Divya and K. Sreekumar, “A Survey on Expert System in Agriculture,” Int. J. Comput. Sci. Inf. Technol., vol. 5, no. 6, pp. 7861–

7864, 2014.

[16] D. Gede and H. Divayana, “Application of Pineapple Diseases Expert System with FC-FL Method at Badung Regency Agriculture Department,” vol. 4, no. 8, pp. 293–298, 2014.

[17] A. Jamal and Sukadi, “Rancang Bangun Sistem Pakar Diagnosa Kerusakan Notebook Pada Widodo Computer Ngadirojo kabupaten Pacitan,” J. Speed – Sentra Penelit. Eng. dan Edukasi –, vol. 7, no. 3, pp. 52–58, 2015.

[18] T. Wang, G. Zhang, J. Zhao, Z. He, Z. Wang, and M. J. Jiménez-Pérez, “Fault Diagnosis of Electric Power Systems Based on Fuzzy Reasoning Spiking Neural P Systems,” IEEE Trans. Power Syst., vol. 30, no. 3, pp. 1182–1194, 2015.

[19] A. Widjaja and A. B. Susilo, “EXPERT SYSTEM TO IDENTIFY DAMAGE CISCO AS5300 DEVICE WITH THE METHOD OF FORWARD CHAINING-BASED CLIENT-,” vol. 9, pp. 787–805, 2017.

[20] J. Sistemasi et al., “Siti, Sistem Pakar Diagnosa Penyakit Pada Tanaman Kakao Menggunakan Metode Forward Chaining (Studi Kasus

Dinas Perkebunan Indragiri Hilir) 1,” vol. 4, pp. 1–8, 2015.

[21] Mohamad Hadi, M. Misdram, and R. F. A, “Perancangan Sistem Pakar Diagnosa Penyakit Ayam Dengan Metode Forward Chaining,”

JImp, vol. 2, no. no bagian volume, pp. 111–139, 2016.

[22] A. Al-Ajlan, “The Comparison between Forward and Backward Chaining,” Int. J. Mach. Learn. Comput., vol. 5, no. 2, pp. 106–113,

2015.

[23] P. S. Ramadhan, U. Fatimah, and S. Pane, “Analisis Perbandingan Metode ( Certainty Factor , Dempster Shafer dan Teorema Bayes ) untuk Mendiagnosa Penyakit Inflamasi Dermatitis Imun pada Anak,” Saintikom, vol. 17, no. 2, pp. 151–157, 2018.

[24] Minarn, I. Warman, and W. Handayani, “Case-Based Reasoning (Cbr) Pada Sistem Pakar Identifikasi Hama Dan Penyakit Tanaman Singkong Dalam Usaha Meningkatkan Produktivitas Tanaman Pangan,” J. TEKNOIF, vol. 5, no. 1, pp. 41–47, 2017.

[25] F. M. Hadini, “Detection System Milkfish Formalin Android-Based Method Based on Image Eye Using Naive Bayes Classifier,” vol. 9, no. 1, pp. 2–5, 2017.

[26] P. S. Ramadhan, “SISTEM PAKAR PENDIAGNOSAAN DERMATITIS IMUN MENGGUNAKAN TEOREMA BAYES,”

InfoTekJar(Jurnanl Nas. Inform. dan Teknol. Jaringan), vol. 3, no. 73, pp. 43–48, 2018.