201
SISTEM PAKAR MENDIAGNOSA PENYAKIT KELAINAN DARAH PADA MANUSIA MENGGUNAKAN METODE BAYES
BERBASIS WEB
Eriska Sitepu1), Magdalena Simanjuntak2), Husnul Khair3)
1,2,3STMIK KAPUTAMA
Jl. Veteran No. 4A- 9A, Binjai, Sumatera Utara E-mail: eriskasitepu900@gmail.com
ABSTRACT
Expert system is a system that uses human knowledge, where the knowledge is entered into a computer, and then used to solve problems that usually require human expertise or expertise. In this case the expert system is used to diagnose blood disorders in humans. Blood disorder is a condition in which there is a disturbance in the function of the blood in the body. What is discussed is how to determine the type of blood disorder using the Bayes method, how to design an expert system in diagnosing blood disorders using the Bayes method, and designing the Bayes method in diagnosing blood disorders using the PHP programming language and inputting symptoms as variables. Bayes method is a branch of mathematical statistics to create an uncertainty model of an event that occurs by combining general knowledge with facts. The objective is to provide information to assist the general public in diagnosing anemia and obtaining accurate and precise diagnostic results.
Keywords: Bayes Method, Blood Disorders, Expert System.
ABSTRAK
Sistem Pakar adalah sistem yang menggunakan pengetahuan manusia, dimana pengetahuan tersebut dimasukkan ke dalam sebuah komputer, dan kemudian digunakan untuk menyelesaikan masalah – masalah yang biasanya membutuhkan kepakaran atau keahlian manusia. Dalam hal ini sistem pakar digunakan untuk mendiagnosa penyakit kelainan darah pada manusia. Penyakit kelainan darah merupakan suatu kondisi di mana terdapat gangguan pada fungsi darah dalam tubuh. Adapun yang dibahas adalah bagaimana menentukan jenis penyakit kelainan darah menggunakan metode bayes, bagaimana sistem pakar merancang dalam mendiagnosa penyakit kelainan darah menggunakan metode bayes, dan merancang metode bayes dalam mendiagnosa penyakit kelainan darah dengan menggunakan bahasa pemrograman PHP dan menginput gejala sebagai variabel. Metode bayes adalah salah satu cabang statistik matematika untuk membuat satu model ketidakpastian dari suatu kejadian yang terjadi dengan menggabungkan pengetahuan umum dengan fakta. Tujuan yang didapat adalah memberikan informasi untuk membantu masyarakat pada umumnya dalam mendiagnosa penyakit anemia dan mendapatkan hasil diagnosa yang tepat dan akurat.
Kata Kunci : Metode Bayes, Penyakit Kelainan Darah, Sistem Pakar.
202 1. PENDAHULUAN
Sistem pakar dalam bidang kesehatan saat ini tengah banyak dikembangkan dalam hal diagnosis penyakit, namun belum ada sistem pakar yang dapat mendiagnosis jenis penyakit darah pada manusia, sementara itu darah merupakan salah satu hal yang sangat penting bagi tubuh manusia. Darah memiliki peranan penting dalam hal transportasi zat-zat yang diperlukan tubuh dan juga memiliki fungsi dalam hal menjaga kekebalan tubuh agar tidak mudah terkena penyakit. Jumlah darah dalam tubuh manusia mencapai 6 – 8 % dari keseluruhan berat tubuh manusia.
Diagnosa penyakit kelainan darah yang tepat sangat penting bagi masyarakat yang mengidap penyakit kelainan darah untuk mendapatkan pelayanan dan perawatan medis lebih lanjut yang sesuai dengan jenis penyakit darah yang dideritanya. Diagnosis penyakit kelainan darah yang dilakukan saat ini masih secara konvensional yakni melalui konsultasi dengan dokter. Melalui sistem pakar berbasis web dapat mempermudah proses diagnosa awal penyakit kelainan darah pada manusia melalui akses website pada perangkat komputer.
2. METODOLOGI PENELITIAN 2.1 Kecerdasan Buatan
Kecerdasan buatan berasal dari bahasa inggris “Artificial Intelligence” atau disingkat AI yaitu intelligence adalah kata sifat yang berarti cerdas, sedangkan artificial artinya buatan. Kecerdasan buatan yang dimaksud disini merujuk pada mesin yang mampu berfikir, menimbang tindakan yang akan diambil, dan mampu mengambil keputusan seperti yang dilakukan oleh manusia.
2.2 Pengertian Sistem Pakar
Sistem Pakar ( Expert System ) adalah sistem yang menggunakan pengetahuan manusia, dimana pengetahuan tersebut dimasukkan ke dalam sebuah komputer, dan kemudian
digunakan untuk menyelesaikan masalahmasalah yang biasanya membutuhkan kepakaran atau keahlian manusia. Pada dasarnya sistem pakar diterapkan untuk mendukung aktifitas pemecahan masalah. Beberapa aktifitas pemecahan masalah yang dimaksud seperti : Interpretasi, Prediksi, Diagnosis, Perancangan (desain), Perencanaan, Monitoring, Instruksi, dan Kontrol.
2.3 Pengertian Darah
Darah merupakan komponen esensial mahlukhidup yang berada dalam ruang vaskuler, karena perannya sebagai media komunikasi antar sel ke berbagai bagian tubuh dengan dunia luar karena fungsinya membawa oksigen dari paru-paru kejaringan dan karbondioksida dari jaringan ke paru-paru untuk dikeluarkan, membawa zat nutrien dari saluran cerna ke jaringan kemudian menghantarkan hormon dan materi-materi pembekuan darah.
2.4 Jenis – Jenis Penyakit Kelainan Darah Ada beberapa jenis penyakit kelainan darah, yaitu :
1. Anemia
Dari banyaknya penyakit kelainan darah, kita mungkin sudah tidak asing lagi dengan anemia. Penyakit ini disebabkan karena jumlah sel darah merah dalam tubuh rendah. Suplai darah kaya oksigen yang rendah ini dapat membuat penderitanya merasa lelah, lesu, dan tidak bertenaga.
Orang yang mengalami anemia juga mungkin memiliki gejala lain, seperti sesak napas, pusing, atau sakit kepala.
2. Thalasemia
Thalasemia merupakan penyakit anemia hemolitik herditer yang disebabkan oleh
203 efek pada pembentukan rantai Globin.
Penyakit kelainan darah yang ditandai dengan konidisi sel darah merah mudah rusak atau umurnya lebih pendek dari sel darah normal (120 hari) hanya bisa bertahan 23 hari.
3. Leukemia
Leukemia adalah kanker darah yang menyebabkan sel darah putih memperbanyak diri secara pesat dan tidak normal. Hal ini terjadi di sumsum tulang, sehingga salah satu penanganannya selain radioterapi dan kemoterapi adalah transplantasi sumsum tulang. Leukemia merupakan salah satu kanker darah yang paling sering ditemukan.
4. Limfoma
Limfoma adalah kanker pada sistem limfa, yaitu bagian dari sistem kekebalan tubuh. Sistem limfa terdiri dari beberapa komponen, meliputi kelenjar limfa, organ limfa, kelenjar timus, dan sumsum tulang. Limfoma dapat mempengaruhi semua komponen tersebut.
5. Hemofilia
Keadaan ini cukup jarang ditemui, ketika darah tidak membeku secara normal dan mudah berdarah karena adanya kekurangan protein yang membantu pembekuan darah.
2.5 Teorema Bayes
Probabilitas Bayes adalah salah satu cara untuk mengatasi ketidakpastian data dengan formula Bayes yang dinyatakan. Metode Bayes adalah pendekatan secara statistic untuk menghitung diantara keputusan yang berbeda beda, dengan menggunakan probabilitas dan costs yang menyertai suatu pengambilan keputusan.
Bentuk teorema Bayes untuk evidence tunggal E dan hipotesis tunggal H adalah : Dengan : P(H│E) = Probabilitas hipotesis H benar jika evidence E terjadi.
P(E│Hi) = Probabilitas munculnya evidence E, jika hipotesis H terjadi.
P(Hi) = Probabilitas hipotesis H tanpa memandang evidence apapun.
P(E) = Probabilitas evidence E tanpa memandang apapun.
3. HASIL DAN PEMBAHASAN
Basis pengetahuan merupakan representasi dari hasil proses akusisi pengetahuan dimana dalam akusisi pengetahuan ini dilakukan pengumpulan data – data pengetahuan yang menjadi satu masalah dari seorang pakar dan dijadikan dokumentasi untuk diolah dan diorganisasikan menjadi pengetahuan. Kaidah produksi dituliskan dalam bentuk pernyataan digunakan adalah metode bayes, proses awal yang dilakukan dalam pembentukan kepakaran adalah pembentukan tabel kasus penyakit kelainan darah, lalu pengkonversian tabel dan kesimpulan dimasukkan ke dalam metode yaitu Bayes untuk mendapatkan hasil diagnosa dari kesimpulan yang diperoleh.
Berikut adalah daftar gejala dari setiap jenis penyakit kelainan darah. Dari data penderita penyakit kelainan darah yang di ambil di RSUP H. Adam Malik Medan dari tahun 2019 – 2020, diketahui terdapat 100 penderita kelianan darah yang diderita sebagai berikut :
Kode
Jenis Penyakit Kelainan
Darah
Jumlah Penderita
P01 Anemia 26
P02 Leukemia 35
P03 Thalasemia 24
P04 Hemofilia 15
Pada bagian ini diberikan contoh yaitu Seorang Pasien Umur : 28 tahun, Jenis Kelainan : Perempuan, mengalami gejala – gejala sebagai
P(𝐻|𝐸) = !"E#H$∗!(')
!()) ………... (1)
204 berikut :
1. Lelah = Ya 2. Lesu = Ya
3. Sesak Napas = Tidak 4. Pusing = Ya
5. Demam dan Menggigil = Ya 6. Berat Badan Turun = Ya 7. Mimisan = Ya
8. Tubuh Mudah Memar = Ya 9. Nyeri Tulang = Ya
10. Kulit Pucat = Tidak
11. Tidak Nafsu Makan = Tidak 12. Jantung Berdebar = Tidak
13. Pendarahan Pada Luka yang Sulit Berhenti = Tidak
14. Pendarahan Pada Gusi = Tidak
Agar mempermudah untuk menghitung kasusnya, dibuat tabel kode gejala seperti dibawah ini :
Lakukan pendiagnosaan penyakit yang diderita menggunakkan metode Bayes.
Rumus umum menghitung Probabilitas : P(X│Y) = +,
+(-)
Perhitungan Kasus Probabilitas : P(01) = Leukimia = !"
#$$ = 0,35 P(02) = Anemia = %&
#$$ = 0,26 P(03) = Thalasemia = %'
#$$ = 0,24 P(04) = Hemofilia = #"
#$$ = 0,15
Berdasarkan nilai probabilitas yang telah diperoleh maka nilai probabilitas pada masing – masing penyakit berdasarkan gejala yaitu seperti pada tabel di bawah ini :
205 Dari gejala yang telah diuraikan, sistem akan
melalukakn proses sesuai dengan metode teorema bayes. Setelah proses perhitungan selesai, maka akan menyimpulkan penyakit yang diderita.
1. Mendefinisikan terlebih dahulu nilai probabilitas dari tiap evidence untuk tiap hipotesis berdasarkan data sampel yang ada menggunakan rumus probabilitas bayes.
a. Anemia G01 = 0,26 G02 = 0,18 G04 = 0,31
b. Leukemia G01 = 0,35 G02 = 0,85 G04 = 0,34 G05 = 0,67 G06 = 0,61 G07 = 0,66 G08 = 0,58 G09 = 0,84 c. Thalasemia G01 = 0,24 G04 = 0,28 d. Hemofilia G01 = 0,15 G07 = 0,28 G08 = 0,31
2. Mencari nilai probabilitas penyakit gejala
= P(G01| P01)*P(P01)= 0,26*0,26 = 0,0676
= P(G01| P02)*P(P02)= 0,35*0,35 = 0,1225
= P(G01| P03)*P(P03)= 0,24*0,24 = 0,0576
= P(G01| P04)*P(P04)= 0,15*0,15= 0,0225
= P(G02| P01)*P(P01)= 0,18*0,26 = 0,0468
= P(G02| P02)*P(P02)= 0,85*0,35 = 0,2975
= P(G02| P03)*P(P03)= 0*0,24 = 0
= P(G02| P04)*P(P04)= 0*0,15= 0
= P(G04| P01)*P(P01)= 0,31*0,26 = 0,0806
= P(G04| P02)*P(P02)= 0,34*0,35 = 0,119
= P(G04| P03)*P(P03)= 0,28*0,24 = 0,0672
= P(G04| P04)*P(P04)= 0*0,15= 0
= P(G05| P01)*P(P01)= 0*0,26 = 0
= P(G05| P02)*P(P02)= 0,67*0,35 = 0,2345
= P(G05| P03)*P(P03)= 0*0,24 = 0
= P(G05| P04)*P(P04)= 0*0,15= 0
= P(G06| P01)*P(P01)= 0*0,26 = 0
= P(G06| P02)*P(P02)= 0,61*0,35 = 0,2135
= P(G06| P03)*P(P03)= 0*0,24 = 0
= P(G06| P04)*P(P04)= 0*0,15= 0
= P(G07| P01)*P(P01)= 0*0,26 = 0
= P(G07| P02)*P(P02)= 0,66*0,35 = 0,231
= P(G07| P03)*P(P03)= 0*0,24 = 0
= P(G07| P04)*P(P04)= 0,28*0,15= 0,042
= P(G08| P01)*P(P01)= 0*0,26 = 0
= P(G08| P02)*P(P02)= 0,58*0,35 = 0,203
206
= P(G08| P03)*P(P03)= 0*0,24 = 0
= P(G08| P04)*P(P04)= 0,31*0,15= 0,0465
= P(G09| P01)*P(P01)= 0*0,26 = 0
= P(G09| P02)*P(P02)= 0,84*0,35 = 0,294
= P(G09| P03)*P(P03)= 0*0,24 = 0
= P(G09| P04)*P(P04)= 0 *0,15= 0
3. Menjumlahkan nilai probabilitas setiap gejala
PG01 = P(G01| P01) * P(P01) + P(G01|P02) * P(P02) + P(G01|P03) * P(P03) + P(G01|P04) * P(P04)
PG01 = 0,0676 + 0,1225 + 0,0576 + 0,0225
PG01 = 0,2702
PG02 = P(G02| P01) * P(P01) + P(G02|P02) * P(P02) + P(G02|P03) * P(P03) + P(G02|P04) * P(P04)
PG02 = 0,0468 + 0,2975 + 0 + 0 PG02 = 0,3443
PG04 = P(G04| P01) * P(P01) + P(G04|P02) * P(P02) + P(G04|P03) * P(P03) + P(G04|P04) * P(P04)
PG04 = 0,0806 + 0,119 + 0,0672 + 0 PG04 = 0,2668
PG05 = P(G05| P01) * P(P01) + P(G05|P02) * P(P02) + P(G05|P03) * P(P03) + P(G05|P04) * P(P04)
PG05 = 0 + 0,2345 + 0 + 0 PG05 = 0,2345
PG06 = P(G06| P01) * P(P01) + P(G06|P02) * P(P02) + P(G06|P03) * P(P03) + P(G06|P04) * P(P04)
PG06 = 0 + 0,2135+ 0 + 0 PG06 = 0,2135
PG07 = P(G07| P01) * P(P01) + P(G07|P02) * P(P02) + P(G07|P03) * P(P03) + P(G07|P04) * P(P04)
PG07 = 0 + 0,231 + 0 + 0,042 PG07 = 0,273
PG08 = P(G08| P01) * P(P01) + P(G08|P02) * P(P02) + P(G08|P03) * P(P03) + P(G08|P04) * P(P04)
PG08= 0 + 0,203 + 0 + 0,0465 PG08 = 0,2495
PG09 = P(G09| P01) * P(P01) + P(G09|P02) * P(P02) + P(G09|P03) * P(P03) + P(G09|P04) * P(P04)
PG09= 0 + 0,294 + 0 + 0 PG09 = 0,294
4. Menghitung probabilitas penyakit a. Anemia
P01= P(G01|P01) / P(P01) + P(G02|P01) / P(P01) + P(G04|P01) / P(P01)
P01 = (0,0676 / 0,2702) + (0,0468 / 0,3443) + (0,0806 / 0,2668)
P01 = 0,2502 + 0,1359 + 0,3021 P01 = 0,6882
b. Leukimia
P02= P(G01|P02) / P(P02) + P(G02|P02) / P(P02) + P(G04|P02) / P(P02) + P(G05|P02) / P(P02) + P(G06|P02) / P(P02) + P(G07|P02) / P(P02) + P(G08|P02) / P(P02) + P(G09|P02) / P(P02)
P02 = (0,1225 / 0,2702) + (0,2975 / 0,3443 ) + (0,119 / 0,2668) + (0,2345 / 0,2345) + (0,2135 / 0,2135) + (0,231 / 0,273) + (0,203 / 0,2495) + (0,294 / 0,294)
P02 = 0,4534 + 0,8641 + 0,4460 + 1 + 1 + 0,8462 + 0,8136 + 1
P02 = 6,4233 c. Thalasemia
P03= P(G01|P03) / P(P03) + P(G04|P03) / P(P03)
P03 = (0,0576 / 0,2702) + (0,0672 / 0,2668)
P03 = 0, 2132 + 0,2519 P03 = 0,4651
d. Hemofilia
P04= P(G01|P04) / P(P04) + P(G07|P04) / P(P04) + P(G08|P04) / P(P04)
P04 = (0,0225 / 0,2702) + (0,042 / 0,273) + (0,0465 / 0,2495)
P04 = 0,0833+ 0,1538 + 0,1864 P04 = 0,4234
207 5. Mencari nilai kesimpulan dari Teorema
Bayes dengan cara menjumlahkan nilai probabilitas penyakit.
= 0,6882 + 6,4233 + 0,4651+ 0,4234
= 8
6. Menghitung persentase penyakit a. Anemia
P01 = 0,6882 / 8 P01 = 0,0860
P01 = 0,0860* 100%
P01 = 8,6%
b. Leukemia P02 = 6,4233 / 8 P02 = 0,8029
P02 = 0,8029 * 100%
P02 = 80,29%
c. Thalasemia P03 = 0,4651/ 8 P03 = 0,0581
P03 = 0,0581 * 100%
P03 = 5,81%
d. Hemofilia P04 = 0,4234/ 8 P04 = 0,0529
P04 = 0,0529 * 100%
P04 = 5,29%
Nilai kepercayaan P02 lebih besar dari pada P01, P03, dan P04. Maka diperoleh hasil kesimpulan bahwa pasien menderita penyakit Leukemia dengan presentase 0,8029 (80,29%).
Untuk mendiagnosa penyakit perlu diketahui terlebih dahulu gejala – gejala yang ditimbulkan. Implementasi merupakan kelanjutan dari perancangan sistem, tahap ini merupakan tahap membangun sistem yang telah dirancangan. Langkah – langkah dalam tahap implementasi ini adalah urutan kegiatan awal samppai akhir yang harus dilakukan dalam mewujudkan sistem yang telah dirancang.
Berikut ini merupakan tampilan hasil
perancangan sistem pakar untuk mendiagnosa penyakit kelainan darah, yaitu sebagai berikut :
1. Tampilan Halaman Login
2. Tampilan Halaman Menu Awal Sistem
3. Tampilan Halaman Menu Utama Admin dan User
4. Tampilan Halaman Daftar Pengguna Baru
! = P01 + P02 + P03 + P04
!
"!
208 5. Tampilan Halaman Gejala
6. Tampilan Halaman Penyakit
7. Tampilan Halaman Aturan
8. Tampilan Halaman Konsultasi
9. Tampilan Halaman Histori
10. Tampilan Halaman Hasil Diagnosa
4. KESIMPULAN
Dengan adanya hasil aplikasi sistem pakar untuk diagnosa pada pasien ini maka dapat diambil beberapa kesimpulan antara lain sebagai berikut :
1. Aplikasi sistem pakar ini dapat membantu pekerjaan dokter dalam memeriksa pasien di rumah sakit khususnya tentang penyakit kelainan darah melalui gejala – gejala yang dirasakan pasien, jadi dengan adanya aplikasi sistem pakar ini walaupun dokter tidak ada di rumah sakit, pasien tetap bisa mengetahui dirinya mengidap penyakit kelainan darah atau tidak.
2. Aplikasi sistem pakar ini dapat membantu masyarakat atau orang awam yang ingin
209 mengetahui dirinya terdiagnosa penyakit
kelainan darah.
3. Dengan menggunakan metode bayes dapat memberikan kemudahan dalam menentukan penyakit apa yang diderita pasien melalui gejala – gejala yang diderita pasien, sistem pakar ini memudahkan pasien dalam melakukan proses diagnosa.
4. Hasil jumlah perhitungan yang di program dengan di Bab III sama.
5. Saran
Selain kemampuan aplikasi yang dibahas di atas sebagai aplikasi yang baru dikembangkan, aplikasi ini sangat membantu pemeliharaan kesehatan untuk pasien penyakit kelainan darah. Dan aplikasi ini merasa masih banyak terdapat kekurangan.
Untuk pengembangan aplikasi ini di kemudian hari ada beberapa hal yang perlu di perhatikan sebagai berikut :
1. Perancangan sistem pakar untuk diagnosa penyakit kelainan darah dengan metode bayes yang dibangun, perlu beberapa penyempurnaan baik dari segi ampilan maupun isinya.
2. Aplikasi ini dapat dikembangkan dengan metode – metode lain sebagai bahan perbandingan.
3.
Pengembangan metode Bayes dapat dilakukan dengan cara melakukan pembobotan pada gejala penyakit.4. Sistem pakar untuk diagnosa penyakit kelainan darah dapat dikembangkan lagi menjadi aplikasi yang lebih luas.
DAFTAR PUSTAKA
[1] Iqbal, M., Buaton, R. and Verdi, Y. (2017) 15 Metode Konsep Sistem Aplikasi Cerdas.
Medan.
[2] Bakta IM. Pendekatan terhadap pasien anemia. Buku Ajar Ilmu Penyakit Dalam.
Edisi V. Jakarta pusat : Interna Publishing;2011. H. 1109- 15.
[3] Hana Maulinda, Ria Arafiyah, Mulyono, Rancang Bangun Sistem Pakar Diagnosa Penyakit Gigi Dan Mulut Menggunakan Metode Forward Chainingdan Naïve Bayes berbasis Web, J-Koma - Jurnal Ilmu Komputer Dan Aplikasi, Vol 1 No 1, hal: 2017.
[4] HARDIKA, P ANGGA, dkk. 2014. Aplikasi Sistem Pakar untuk Identifikasi Hama dan Penyakit Tanaman Tebu dengan Metode Naïve Bayes Berbasis Web. Universitas Brawijaya, Malang.
[5] Nugroho, A. (2011), Perancangan dan Implementasi Sistem Basis Data, Yogyakarta : Penerbit Andi
[6] Nugroho, Bunafit. (2008). Membuat Aplikasi Sistem Pakar. Gava Media : Yogyakarta [7] Ramadhan, M. (2011). Sistem Pakar Dalam
Mengidentifikasi Penyakit Kanker Pada Anak Sejak Dini dan Cara Penanggulangannya.
Jurnal SAINTIKOM, 10(2), 125–135.
[8] Sistem Pakar Diagnosa Penyakit Gigi dan Mulut Menggunakan Metode Naïve Bayes – Weighted Product, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, hal.
6952-6958, Vol 2 No 12, 2018.
[9] Suhartono, Mulyanto, Sutojo, (2010), “ Kecerdasan Buatan”, Andi Yogyakarta. edisi 1. ISBN: 978-979-29-2761-0.
[10] Winantu, Asih dan Saputro, Wahyu T. 2010.
Pemrograman Web dengan HTML, XHTML, CSS, Javascript. Yogyakarta: Explore