Implememtasi Metode Naivee Bayes Pada Sistem Pakar Diagnosa Penyakit
Arteriosklerosis
Edi Arianto
Prodi Teknik Informatika,Universitas Budi Darma, Medan, Indonesia Email : [email protected]
Abstrak
Penyakit Arteriosklerosis merupakan pengerasan pembuluh darah arteri yang membawa darah dari jantung untuk dialirkan ke seluruh tubuh. Kondisi ini tidak normal karena pembuluh darah yang sehat seharusnya bersifat lentur, fleksibel, dan elastis. Arteriosklerosis menyebabkan aliran darah yang kaya akan oksigen dan nutrisi dari jantung menuju berbagai jaringan tubuh menjadi terganggu. Sistem pakar (Expert Sistem) merupakan cabang dari kecerdasan buatan (Artificial Intelligence) yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Agar dapat mengatasi masalah tersebut merancang aplikasi sistem pakar guna mempermudah dalam mendiagnosa penyakit arteriosklerosis untuk dijadikan sebagai alternative atau asisten seorang pakar yang ahli di bidang diagnosa penyakit Arteriosklerosis. Pada penelitian ini penulis merancang sistem pakar untuk mendiagnosa penyakit Arteriosklerosis menggunakan bahasa pemrograman vb.net 2008 dan MySQL sebagai ruang penyimpanan data. Dalam perancangan Sistem Pakar Diagnosa Arteriosklerosis pada penelitian ini penulis mengimplementasikan metode Naive Bayes. Naive Bayes adalah metode yang mengasilkan klasifikasi kelas dengan membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior yang paling tinggi yang terpilih sebagai hasil klasifikasi. Metode Naive Bayes bekerja secara fitur independen yang artinya sebuah fitur dalam sebuah data tidak berkaitan dengan ada atau tidaknya fitur yang lain dalam data yang sama. Tujuan penelitian ini adalah merancang sistem pakar diagnosa Arteriosklerosis dengan menimplemntasikan metode naivee bayes guna membambantu dalam mengetahui informasi diagnosa penyakit bronkiektasis secara efektif dan efesien sebagai alternative atau asisten seorang pakar yang ahli di bidang diagnosa penyakit Arteriosklerosis karena sistem pakar yang dirancang mengadopsi kemampuan seorang pakar dibidang penyakit Arteriosklerosis.
Kata Kunci : Siste Pakar, Metode Naïve Bayes, Arteriosklerosis, VB.Net 2008.
1. PENDAHULUAN
Sistem pakar (Expert Sistem) merupakan cabang dari kecerdasan buatan (Artificial Intelligence) yang berusaha mengadopsi pengetahuan manusia ke dalam komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Sistem pakar berlaku seperti seorang pakar pada bidangnya berisi fakta-fakta dan heuristik untuk memecahkan masalah tertentu. Sistem pakar didasarkan pada sistem pengetahuan, sehingga memungkinkan komputer dapat mengambil kesimpulan dari sekumpulan kaidah yang ada.
Penyakit Arteriosklerosis merupakan pengerasan pembuluh darah arteri yang membawa darah dari jantung untuk dialirkan ke seluruh tubuh. Kondisi ini tidak normal karena pembuluh darah yang sehat seharusnya bersifat lentur, fleksibel, dan elastis. Arteriosklerosis
menyebabkan aliran darah yang kaya akan oksigen dan nutrisi dari jantung menuju berbagai jaringan tubuh menjadi terganggu [1].
Adapun masalah sering yang timbul dari kurangnya sumber informasi mengenai pemahaman gejala penyakit Arteriosklerosis menyebabkan lambatnya pencegahan untuk mengatasi gejala penyakit
Arteriosklerosis dan kurangnya dokter spesialis penyakit
Arteriosklerosis serta jam kerja dokter yang terbatas
menyebabkan biaya konsultasi ke dokter ahli menjadi mahal.
Maka agar dapat mengatasi permasalahan yang telah diuraikan ditas maka penulis merancang aplikasi sistem pakar untuk dijadikan sebagai asisten seorang pakar yang ahli di bidang diagnosa penyakit
Arteriosklerosis guna mempermudah dalam mendapatkan
informasi mengenai diagnosa penyakit arteriosklerosis yang ada pada penderita. Pada penelitian ini penulis merancang sistem pakar diagnosa penyakit
Arteriosklerosis menggunakan bahasa pemrograman Visual Basic Net 2008 dan MySQL. Dalam perancangan
Sistem Pakar Diagnosa Arteriosklerosis pada penelitian ini penulis mengimplementasikan metode Naive Bayes.
Naive Bayes merupakan suatu metode yang dapat
dimanfaatkan untuk mengasilkan klasifikasi kelas dengan membandingkan nilai posterior dari kelas-kelas yang ada. Nilai posterior yang paling tinggi yang terpilih sebagai hasil klasifikasi. Metode Naive Bayes bekerja secara fitur
independent yang artinya sebuah fitur dalam sebuah data
tidak berkaitan dengan ada atau tidaknya fitur yang lain dalam data yang sama.
Pada penelitian sebelumnya metode Naïve Bayes telah digunakan untuk penyelesaian masalah pada penelitian Agustina Simangunsong, Journal Of Informatic Pelita
Nusantara, Volume 2, Issue 1, 2017, halaman 14-21
“Perancangan Aplikasi Sistem Pakar Menggunakan Metode Bayes Untuk Diagnosa Gejala Asma Pada Puskesmas Deli Tua”. Pada penelitian disimpulkan “Metode Naive Bayes menganalisa berdasarkan gejala penyakit asma yang di alami oleh user, sehinga dapat ditentukan kesimpulan dari gejala-gejala yang dialami oleh user atau pasien” [2].
Healtho Brilian Argario1, Dkk., Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vololume 2, Issue 8, 2018, halaman 2719-2723 “Implementasi Metode Naive Bayes Untuk Diagnosis Penyakit Kambing (Studi Kasus : UPTD. Pembibitan Ternak dan Hijauan Makanan Ternak Kec. Singosari Malang)”. Pada penelitian disimpulkan “Langkah-langkah penghitungan Naive Bayes yaitu menghitung probabilitas
prior, menghitung probabilitas likelihood, dan menghitung probabilitas posterior. Dimana nilai terbesar dari perhitungan posterior yang dijadikan untuk pengambilan keputusan” [3].
2. TEORITIS 2.1 Sistem Pakar
Sistem Pakar (Expert System) adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang dimaksud di sini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesai kan oleh orang awam. Sebagai contoh, dokter adalah seorang pakar yang mampu mendiagnosis penyakit yang diderita pasien serta dapat memberikan penetalaksanaan terhadap penyakit tersebut. Tidak semua orang dapat mengambil keputusan mengenai diagnosis dan memberikan penetalaksanaan suatu penyakit. Contoh yang lain, montir adalah seorang yang mempunyai keahlian dan pengalaman dalam menyelesaikan kerusakan mesin motor atau mobil; psikolog adalah orang yang ahli dalam memahami kepribadian seseorang, dan laian-lain[5].
2.2 Metode Naive Bayes
Naive Bayes merupakan teknik prediksi berbasis
probabilistik sederhana yang berdasar pada penerapan teorema Bayes. Klasifikasi Naive Bayes praktis diterapkan karena merupakan salah satu probabilitas sederhana yang penerapannya didasarkan pada teorema bayes dengan asumsi independensi.
Jika diketahui suatu fakta gejala suatu penyakit yang terdapat pada sapi adalah demam (G5), keluar ingus (G9) dan pincang (G16).
a. Langkah Pertama
Menghitung probabilitas prior (Probalitas Awal). Melakukan pencarian nilai probabilitas pada setiap jenis penyakit.
P(h) = Peluang dari hipotesa h(jenis penyakit) b. Langkah Kedua
Menghitung probabilitas likelihood (Probalitas Kemungkinan). Melakukan pencarian nilai probabilitas sebuah fakta gejala pada penyakit yang mempengaruhi suatu hipotesa.
P(e|h) = Peluang data fakta gejala e, bila diasumsikan bahwa hipotesa h benar
c. Langkah Ketiga
Menghitung probabilitas posterior (Prinsip dasar analisis Bayesian).
P(h|e) = Peluang bahwa hipotesa benar untuk data fakta gejala e yang diamati. (ℎ|𝑒) = 𝑃(ℎ) ∗ 𝑃(𝑒1, 𝑒2, 𝑒3|ℎ) [4].
2.3 Arteriosklerosis
Arteriosklerosis adalah pengerasan pembuluh
darah arteri yang membawa darah dari jantung untuk dialirkan ke seluruh tubuh. Kondisi ini tidak normal karena pembuluh darah yang sehat seharusnya bersifat lentur, fleksibel, dan elastis. Arteriosklerosis
menyebabkan aliran darah yang kaya akan oksigen dan nutrisi dari jantung menuju berbagai jaringan tubuh menjadi terganggu [1].
3. ANALISA
Pada umumnya masyarakat awam sangat kurang memperhatikan kesehatan pada bagian jantung yang dapat diserang penyakit Arteriosklerosis karena masih kurangnya sumber informasi mengenai pemahaman diagnosa penyakit Arteriosklerosis dan kurangnya tenaga medis khususnya dokter spesialis jantung serta jam kerja dokter yang terbatas.
3.1 Arteriosklerosis
Penyakit Arteriosklerosis merupakan pengerasan pembuluh darah arteri yang membawa darah dari jantung untuk dialirkan ke seluruh tubuh. Arteriosklerosis menyebabkan aliran darah yang kaya akan oksigen dan nutrisi dari jantung menuju berbagai jaringan tubuh menjadi terganggu. Adapun jenis penyakit
Arteriosklerosis dapat dilihat pada tabel berikut ini :
Tabel 1 Penyakit Arteriosklerosis
KODE NAMA PENYAKIT
P1 Stroke
P2 Arteri Koroner (Jantung)
P3 Tungkai dan Kaki
P4 Gagal Ginjal
3.2 Gejala Arteriosklerosis
Arteriosklerosis timbul dikarenakan terjadinya
beberapa gejala. Adapun gejala-gejala yang ada pada penyakit Arteriosklerosis dapat dilihat pada tabel berikut ini :
Tabel 2 Gejala Arteriosklerosis
KODE NAMA GEJALA
G1 Mati rasa di tangan atau kaki G2 Sulit berbicara
G3 Penglihatan terganggu
G4 Otot wajah melemah
G5 Rasa nyeri di dada
G6 Kaki terasa nyeri ketika berjalan G7 Tekanan darah tinggi hingga gagal ginjal G8 Keringat Dingin
G9 Mual
G10 Sesak Nafas
3.3 Aturan Diagnosis Penyakit Arteriosklerosis Aturan diagnosis penyakit Arteriosklerosis adalah relasi penyakit Arteriosklerosis dengan gejala penyakit
Arteriosklerosis. Adapun Aturan diagnosis penyakit Arteriosklerosis dapat dilihat pada tabel berikut ini
Tabel 3 Gejala Arteriosklerosis
Penyakit Gejala Probabilitas
Stroke G1 0.8 G2 0.7 G3 0.7 G4 0.6 G8 0.8 Arteri Koroner G3 0.8 G5 0.8 G10 0.9
G6 0.8
Gagal Ginjal G7 0.8
G9 0.8
3.4 Rule Based
Adapun data rule based Arteriosklerosis pada penelitian ini adalah sebagai berikut :
a. R1 : IF G1 THEN A1
R2 : IF A1 AND G2 THEN A2 R3 : IF A2 AND G3 THEN A3 R4 : IF A3 AND G4 THEN A4 R5 : IF A4 AND G8 THEN Stroke b. R1 : IF G3 THEN A1
R2 : IF A1 AND G5 THEN A2
R3 : IF A2 AND G10 THEN Arteri Koroner c. R1 : IF G6 THEN A1
R2 : IF A1 AND G6 THEN Tungkai dan Kaki d. R1 : IF G7 THEN A1
R2 : IF A1 AND G9 THEN Gagal Ginjal 3.5 Penerapan Metode Naïve Bayes
Penerapan metode naïve bayes merupakan tahapan yang dilakukan untuk menyelesaikan permasalahan yang terjadi dalam proses diagnosa penyakit Arteriosklerosis. Penyelesaian masalah diagnosa penyakit Arteriosklerosis dengan Naïve Bayes pada penelitian didasarkan dengan menjawab pertanyaan pada sistem pakar diagnosa
Arteriosklerosis dengan tahapan berikut ini :
Tabel 4 Data Gejala Pasien
No Pertanyaan Jawaban
1 Apakah pasien merasakan mati rasa di tangan atau kaki?
Tidak
Ya 2 Apakah pasien merasakan sulit berbicara ?
Tidak Ya 3 Apakah pasien merasakan penglihatan
terganggu ?
Tidak
Ya 4 Apakah pasien merasakan otot wajah
melemah ?
Tidak
Ya 5 Apakah pasien merasakan rasa nyeri di dada ?
Tidak Ya 6 Apakah pasien merasakan kaki terasa nyeri
ketika berjalan ?
Tidak
Ya 7 Apakah pasien merasakan tekanan darah
tinggi hingga gagal ginjal ?
Tidak
Ya 8 Apakah pasien merasakan keringat dingin ?
Tidak Ya
9 Apakah pasien merasakan mual ? Tidak Ya
10 Apakah pasien merasakan sesak nafas ? Tidak Ya Maka sistem akan akan menampilkan gejala yang dialami pasien, yaitu :
a. Mati rasa di tangan atau kaki b. Sulit berbicara
c. Penglihatan terganggu d. Otot wajah melemah e. Keringat dingin Formula :
Dimana :
P(vj) = probabilitas penyakit vj tanpa memandang gejala apapun
P(ai|vj) = probabilitas gejala ai pada penyakit vj Proses klasifikasi: a. Stroke (P1) = P(1)*P(G1|P1)*P(G2|P1)*P(G3|P1)*P(G4|P1)*P(G8|P1) = 0.9*0.8*0.7*0.7*0.6*0.8 = 0.169344 b. Arteri Koroner (P2) = P(2)*P(G1|P2)*P(G2|P2)*P(G3|P2)*P(G4|P2)*P(G7|P2)* P(G10|P2) = 0.8*0*0*0.8*0*0 = 0
c. Tungkai dan Kaki (P3)
= P(2)*P(G1|P2)*P(G2|P2)*P(G3|P2)*P(G4|P2)*P(G7|P2)* P(G10|P2) = 0.7*0.8*0*0*0*0 = 0 d. Gagal Ginjal (P4) = P(2)*P(G1|P2)*P(G2|P2)*P(G3|P2)*P(G4|P2)*P(G7|P2)* P(G10|P2) = 0.8*0*0*0*0*0 = 0
Dari proses klasifikasi didapat penyakit
Arteriosklerosis dengan nilai naïve bayes tertinggi yaitu
“Stroke” dengan nilai “nol koma satu enam sembilan tiga empat empat”.
4. IMPLEMENTASI
Implementasi sistem merupakan prosedur yang dilakukan untuk menyelesaikan desain sistem yang telah direncanakan maupun yang ada didalam suatu dokumen desain yang disetujui, menguji sistem, menginstal dan menulis sistem yang baru.
4.1 Tampilan Sistem
Adapun tampilan sistem pakar diagnosa penyakit
arteriosklerosis pada penelitian ini sebagai berikut : a. Form Login
Form Login merupakan tampilan awal sistem pakar
diagnosa penyakit arteriosklerosis. Form Login berfungsi sebagai media penghubung antara user dengan sistem pakar diagnosa penyakit
arteriosklerosis untuk melakukan proses login agar
dapat masuk ke halaman form menu utama sistem pakar diagnosa penyakit arteriosklerosis. Adapun tampilan form login dari sistem pakar diagnosa penyakit arteriosklerosis yang dibangun pada penelitian ini dapat dilihat pada gambar berikut ini :
Gambar 1 Form Login b. Form Menu Utama
diagnosa penyakit arteriosklerosis yang tampil setelah user atau pengguna berhasil melakukan login dengan benar. Form menu berfungsi untuk menampilkan pilihan menu seperti menu file (pasien, gejala, penyakit, rule based, keluar), dan menu diagnosa. Adapun form menu utama sistem pakar diagnosa penyakit arteriosklerosis dapat dilihat pada gambar berikut ini :
Gambar 2 Form Menu Utama c. Form Pasien
Form pasien merupakan form yang tampil setelah user atau pengguna sistem pakar diagnosa penyakit arteriosklerosis memilih submenu pasien. Form
pasien berfungsi untuk melakukan pengolahan data pasien pada sistem pakar diagnosa penyakit
arteriosklerosis. Adapun Form pasien pada sistem
pakar diagnosa penyakit arteriosklerosis dapat dilihat pada gambar berikut ini :
Gambar 3 Form Pasien d. Form Gejala
Form gejala merupakan form yang tampil setelah user sistem pakar diagnosa penyakit arteriosklerosis
memilih submenu gejala. Form gejala berfungsi melakukan pengolahan data gejala pada sistem pakar diagnosa penyakit arteriosklerosis. Adapun Form gejala pada sistem pakar diagnosa penyakit
arteriosklerosis dapat dilihat pada gambar berikut ini
Gambar 4 Form Gejala e. Form Penyakit
Form penyakit merupakan form yang tampil setelah user sistem pakar diagnosa penyakit arteriosklerosis
memilih submenu penyakit. Form penyakit berfungsi melakukan pengolahan data penyakit pada sistem pakar diagnosa penyakit arteriosklerosis. Adapun
form penyakit pada sistem pakar diagnosa penyakit arteriosklerosis dapat dilihat pada gambar berikut ini :
Gambar 5 Form Penyakit f. Form Rule Based
Form rule based merupakan form yang tampil setelah user sistem pakar diagnosa penyakit arteriosklerosis
memilih submenu rule based. Form rule based berfungsi melakukan pengolahan data rule based pada sistem pakar diagnosa penyakit arteriosklerosis. Adapun Form rule based pada sistem pakar diagnosa penyakit arteriosklerosis dapat dilihat pada gambar berikut ini :
Gambar 6 Form Rule Based g. Form Diagnosa
Form diagnosa merupakan form yang tampil setelah user sistem pakar diagnosa penyakit arteriosklerosis
memilih menu Diagnosa. Form diagnosa berfungsi melakukan pengolahan data diagnosa pada sistem pakar diagnosa penyakit arteriosklerosis. Adapun
Form diagnosa pada sistem pakar diagnosa penyakit arteriosklerosis dapat dilihat pada gambar berikut ini
Gambar 7 Form Rule Based
5. KESIMPULAN
Berdasarkan hasil penelitian yang telah dilakukan oleh penulis dapat diuraikan beberapa saran sebagai berikut ini :
a. Proses menentukan gejala penyakit arteriosklerosis dilakukan berdasarkan data yang didapat dari pakar (dokter) yang ahli di bidang diagnosa penyakit
arteriosklerosis.
b. Pengimplementasian metode naïve bayes pada sistem pakar diagnosa penyakit arteriosklerosis yang dibangun pada penelitian ini dapat menghasilkan data diagnosa dengan cepat dan akurat.
c. Sistem pakar diagnosa penyakit arteriosklerosis pada penelitian ini dirancang menggunakan bahasa pemrograman visual basic net 2008 dan database
MySQL.
DAFTAR PUSTAKA
[1]https://www.alodokter.com/arteriosklerosis, (2018.Mei.3).
[2] Dkk. Agustina Simangunsong, "Perancangan Aplikasi Sistem Pakar Menggunakan Metode Bayes Untuk
Diagnosa Gejala Asma Pada Puskesmas Deli Tua," vol. Vol. 2, 2017.
[3] Dkk. Healtho Brilian Argario, "Implementasi Metode Naive Bayes Untuk Diagnosis Penyakit Kambing (Studi Kasus : UPTD. Pembibitan Ternak dan Hijauan Makanan Ternak Kec. Singosari Malang)," vol. Vol. 2, 2018.
[4] Indriana Candra Dewi, Sistem pakar diagnosa penyakit sapi potong dengan metode naive bayes, Journal of Environmental Engineering & Sustainable Technology, 2015.
[5] Dkk., Kecerdasaan Buatan, Andi, Yogyakarta, 2011 T. Sutojo,.
[6]https://pengertiandefinisi.com/pengertian-penyakit-menurut-para-ahli/
[7] Menggunakan UML, Informatika, Bandung, 2011 Herlawati Widodo Pudjo Prabowo,.
[8] Rekayasa Perangkat Lunak Berbasis Objek dengan Metode USDP, Andi, Yogyakarta, 2010. Adi Nugroho,.
[9] Analisis & Desain Sistem Informasi, Andi, Yogyakarta, 2005. Jogiyanto Hartono,.
[10] Membangun Aplikasi Toko dengan Visual Basic 2008, Andi, Yogyakarta, 2009. Wahana Komputer,. [11] Dasar Perancangan dan Implementasi, Andi,
