Rancang Bangun Sistem Pakar Deteksi Dini Depresi Pada Aplikasi Mental Health Assistance Berbasis Android Dengan Metode Certainty Factor

(1)

Rancang Bangun Sistem Pakar Deteksi Dini Depresi Pada Aplikasi Mental Health

Assistance Berbasis Android Dengan Metode Certainty Factor

Ufairoh Nabihah

Jurusan Teknik Informatika dan Komputer Politeknik Negeri Jakarta

Depok, Indonesia

[email protected]

Dewi Yanti Liliana

Jurusan Teknik Informatika dan Komputer Politeknik Negeri Jakarta

Depok, Indonesia [email protected] ABSTRAK

Depresi merupakan gangguan emosional yang dapat mempengaruhi motivasi untuk melakukan aktivitas atau berinteraksi dengan orang lain. Seseorang yang mengalami depresi pada umumnya menunjukkan berbagai gejala baik secara fisik, psikis, maupun gejala sosial. Depresi terkadang tidak disadari oleh penderita maupun orang disekitarnya dan ini dapat menyebabkan penderita depresi tidak mendapatkan penanganan yang semestinya. Berdasarkan jurnal yang dibuat oleh Sulistyorini dan Sabarisman pada tahun 2017, sekitar 80% penderita depresi tidak mendapatkan penanganan yang semestinya.

Keterbatasan baik dari jumlah psikolog yang tersedia pada setiap daerah maupun keterbatasan biaya dari pihak penderita menyebabkan diagnosa terkait gejala yang dirasakan oleh penderita menjadi terhambat.

Oleh sebab itu, diperlukan adanya sistem yang dapat melakukan deteksi dini terkait depresi. Pada penelitian ini sistem deteksi dini depresi dibangun menggunakan sistem pakar certainty factor pada android. Proses perhitungan menggunakan basis pengetahuan yang bersumber dari pakar. Berdasarkan hasil pengujian, metode certainty factor dapat berjalan dengan baik dengan tingkat akurasi 75% dari 20 data uji.

Kata kunci : Depresi, Sistem Pakar, Certainty Factor, Android

BABIPENDAHULUAN

Semua orang pasti memiliki masalah dan rintangan dalam hidupnya masing-masing. Jika seseorang saat mengalami masalah tersebut mudah putus asa dan tidak kuat, orang tersebut bisa mengalami depresi bahkan stres [1]. Depresi terkadang tidak disadari oleh penderita maupun orang-orang disekitarnya. Bahkan beberapa orang menganggap gangguan depresi adalah masalah yang berkaitan dengan keimanan seseorang sehingga tidak diperlukan pertolongan

oleh ahli yang sesuai. Hal ini pun menyebabkan sekitar 80% dari penderita depresi tidak mendapatkan penanganan yang semestinya [2].

Depresi yang ditangani secara lambat dapat menyebabkan terganggunya fisik dan mental penderitanya, bahkan hal terburuknya yaitu depresi dapat mengakibatkan kematian.

Oleh sebab itu, dibutuhkan penanganan depresi sedini mungkin [3]. Untuk mengetahui apakah seseorang mengalami depresi, diperlukan diagnosa terkait gejala yang dimiliki oleh pakar dibidang psikologi [4]. Namun saat ini terdapat keterbatasan ahli psikologi di beberapa wilayah, dan keterbatasan terkait biaya yang harus dikeluarkan untuk sekali konsultasi [3]. Untuk mengatasi hal tersebut, dibuatlah sebuah sistem yang dapat mendeteksi apakah penggunanya mengalami depresi atau tidak.

Sistem pakar adalah sistem yang mengadaptasi cara kerja dan pengetahuan yang dimiliki oleh manusia sehingga komputer dapat menyelesaikan suatu masalah layaknya manusia.

Sistem pakar ini bertujuan untuk membantu manusia menyelesaikan masalah atau mendapatkan informasi berkualitas yang hanya dapat diperoleh dari seseorang yang ahli pada bidangnya [5].

Menurut Kondang Budiyani. M.A..Psi., dosen Universitas Mercu Buana Yogyakarta, dalam mendiagnosis depresi terdapat ketidakpastian besarnya persentase gejala yang dialami oleh penderita depresi sehingga menyebabkan ketidakpastian persentase gangguan [6]. Oleh sebab itu, digunakan metode certainty factor pada sistem pakar. Certainty Factor adalah cara penggabungan nilai kepercayaan dan ketidakpercayaan dalam suatu

(2)

bilangan tunggal. Nilai certainty factor diperoleh dari data-data kualitatif yang direpresentasikan sebagai derajat keyakinan [7].

Penelitian ini bertujuan untuk melakukan deteksi dini terkait depresi. Dan diharapkan penelitian ini dapat membantu pengguna memeriksa depresi agar dapat melakukan tindakan pencegahan supaya tidak berlanjut lebih parah.

BAB II METODE A. Metode Perancangan Sistem

Untuk menyelesaikan sistem ini, digunakan metode prototyping. Metode prototoyping adalah proses pembuatan aplikasi dimana pengguna memiliki gambaran dasar mengenai program serta dapat melakukan pengujian awal. Metode ini memberikan fasilitas agar pengembang dan pengguna dapat saling berinteraksi selama proses pembuatan sehingga dapat mempermudah pengembang dalam mengembangkan aplikasi yang dibuat [8].

Tahapan model prototyping sebagai berikut:

1. Pengumpulan kebutuhan

Pada tahap ini, pengembang mendatangi calon pengguna aplikasi untuk mendapatkan fungsi apa saja yang diinginkan oleh calon pengguna terhadap aplikasi yang akan dibangun.

Pengumpulan kebutuhan pada aplikasi deteksi dini depresi dilakukan dengan melakukan wawancara dengan pakar, Mega Tala Harimukhti, S.Psi., M.Psi., dan dengan melakukan studi literatur berupa jurnal, artikel, skripsi, situs internet dan sumber lainnya yang dapat membantu dalam pelaksanaan skripsi.

2. Membangun prototype

Pada tahapan ini pengembang berfokus pada pembuatan prototype tampilan dari aplikasi yang sesuai dengan kebutuhan pengguna

3. Evaluasi prototype

Pada tahapan ini pengguna melakukan evaluasi terkait prototype yang sudah dibuat oleh pengembang apakah sudah sesuai atau belum.

4. Mengkodekan sistem

Pada tahapan ini pengembang mengimplementasikan prototype menggunakan bahasa pemrograman kotlin dan postgresql sebagai database.

5. Menguji sistem

Pada tahapan ini dilakukan pengujian apakah aplikasinya dapat berjalan dengan baik atau tidak. Pengujian menggunakan alpha testing dan

beta testing.

6. Evaluasi sistem

Evaluasi dilakukan untuk melihat apakah aplikasi sudah sesuai dengan spesifikasi awal.

7. Penggunaan sistem

Aplikasi siap untuk digunakan jika telah lolos uji dan diterima pengguna [9].

B. Metode Certainty Factor

Sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli [10]. Sistem pakar mencoba mencari solusi dengan cara mendiagnosis sebagaimana yang dilakukan oleh seorang pakar, seperti memberikan penjelasan terhadap langkah yang diambil dan memberikan alasan atas saran atau kesimpulan yang ditemukannya [11].

Seorang pakar sering kali menganalisis informasi yang ada dengan ungkapan seperti

“mungkin”, “kemungkinan besar”, “hampir pasti”. Untuk mengakomodasi hal ini kita menggunakan Certaity Factor (CF) guna menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang terjadi [12].

Certainty factor menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data [13].

Berikut adalah kombinasi certainty factor yang digunakan untuk mengdiagnosa penyakit.

1. Certainty factor untuk kaidah dengan premis/gejala tunggal

𝐶𝐹𝑠𝑒𝑘𝑢𝑖𝑛𝑡𝑎𝑙 = 𝐶𝐹[𝐻, 𝐸] = 𝐶𝐹[𝑈𝑠𝑒𝑟] × 𝐶𝐹 [𝑃𝑎𝑘𝑎𝑟]………..(1) Keterangan:

CF[User] = nilai kepercayaan yang diberikan oleh user

CF[Pakar] = interpretasi pakar yang diubah menjadi nilai CF[Pakar] sesuai pada tabel 1.

Tabel 1. Nilai certainty factor

Certainty Term Nilai CF

Pasti Tidak -1.0

Hampir Pasti Tidak -0.8 Kemungkinan Besar Tidak -0.6

Mungkin Tidak -0.4

Tidak Tahu/Tidak Yakin -0.2 sampai 0.2

Mungkin 0.4

Kemungkinan Besar 0.6

Hampir Pasti 0.8

Pasti 1.0

2. Menghitung Nilai CFcombine

(3)

𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒 = 𝐶𝐹[𝐻, 𝐸]1,2 = 𝐶𝐹[𝐻, 𝐸]1 + 𝐶𝐹 [𝐻, 𝐸]2 × [1 − 𝐶𝐹[𝐻, 𝐸]1]………..(2) 3. Menghitung Persentase

𝐶𝐹𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒 = 𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒 × 100%……..(3) BAB III HASIL DAN PEMBAHASAN A. Flowchart Aplikasi

Gambar 1. Flowchart

Proses diawali dengan pengguna melakukan login lalu dilanjutkan dengan pengguna mengisi kuesioner. Setelah pengguna selesai mengisi kuesioner, sistem melakukan perhitungan menggunakan metode certainty factor. Setelah proses perhitungan selesai dilakukan oleh sistem, sistem akan menampilkan hasil dari deteksi dini depresi. Terakhir, pengguna dapat melihat rekomendasi untuk penanganan depresi yang dialami oleh pengguna.

B. Use Case Diagram

Gambar 2. Use Case Diagram

Pada use case diagram aplikasi “Are you okay?”, terdapat satu aktor pada sistem yaitu user. User dapat melakukan beberapa aktivitas di dalam aplikasi. User harus melakukan login untuk dapat menggunakan aplikasi “Are you okay?”. Selain itu, user dapat melakukan deteksi dini depresi dengan mengisi kuesioner tentang depresi dan dapat melihat history hasil deteksi

dini depresi. Selain itu, user juga dapat melihat artikel terkait depresi dan mengedit profil.

C. Activity Diagram

Gambar 3. Activity Diagram Login

Gambar 4. Activity Diagram Mengisi Kuesioner Depresi

Gambar 5. Activity Diagram Mengedit Profil

(4)

Gambar 6. Activity Diagram History Hasil Deteksi Dini Depresi

Gambar 7. Activity Diagram Melihat Artikel Depresi

D. Basis Pengetahuan

Basis pengetahuan merupakan inti program dari sistem pakar dimana basis pengetahuan adalah representasi pengetahuan pakar dan jurnal ilmuan penelitian terkait.

Tabel 2. Tingkatan depresi Kode Tingkat Depresi D001 Tidak Depresi D002 Depresi Ringan D003 Depresi Sedang D004 Depresi Berat Tabel 3. Gejala Depresi

Kode Tingkat Depresi G001 Saya merasa sedih G002

Saya merasa bahwa tidak ada harapan di masa depan, segala sesuatu tidak perlu diperbaiki

G003 Saya merasa bahwa saya adalah orang yang gagal total

G004 Saya tidak lagi memperoleh kepuasan atas segala sesuatu seperti biasanya

G005 Saya sering merasa sangat bersalah G006 Saya merasa saya akan disalahkan G007 Saya merasa kecewa terhadap diri saya

sendiri

G008 Saya menyalahkan diri saya sendiri atas semua hal buruk yang terjadi

G009 Saya tidak punya pikiran untuk bunuh diri G010 Saya lebih banyak menangis daripada

biasanya

G011 Saya selalu merasa gelisah sehingga saya harus menyibukkan diri

G012 Saya masih tetap senang bergaul dengan orang

G013 Saya mempunyai kesulitan dalam mengambil keputusan

G014 Saya yakin bahwa saya kelihatan jelek G015 Saya harus memaksa diri saya untuk

mengerjakan sesuatu

G016 Saya tidak dapat tidur nyenyak seperti biasanya

G017 Saya lebih mudah tersinggung/marah dari biasanya

G018 Sekarang nafsu makan saya jauh lebih berkurang

G019 Saya sulit berkonsentrasi

G020 Saya menjadi lebih mudah lelah dibanding biasanya

Tabel 4. Nilai CF Pakar

Kode D001 D002 D003 D004 G001 0.4

G002 0.8

G003 0.6

G004 0.4

G005 0.8

G006 0.4 G007 0.2

G008 0.8

G009 0.8

G010 0.4

G011 0.6

G012 0.8

G013 0.4

G014 0.2

G015 0.8

G016 0.6 G017 0.6

G018 0.6

G019 0.6 G020 0.6

Berdasarkan tingkatan depresi, gejala depresi, dan nilai CF yang bersumber dari pakar, didapatkan aturan seperti pada tabel dibawah ini.

Tabel 5. Aturan Certainty Factor

Rules Then

IF G001 = TRUE AND G004 = TRUE AND G007 = TRUE AND G009 = TRUE AND G012 = TRUE

D001

D002

D003

(5)

D004

E. Perhitungan Certainty Factor

Selanjutnya adalah pengguna menentukan jawaban dari setiap pernyataan. Pengguna memilih satu jawaban dari lima jawaban yang paling menggambarkan perasaannya yaitu sangat sesuai (0,8), sesuai (0,6), netral (0,4), tidak sesuai (0,2), dan sangat tidak sesuai (0).

Setelah mendapatkan jawaban pengguna (CF user), jawaban pengguna akan dikalikan dengan CF pakar (rule) yang telah ditentukan sebelumnya menggunakan persamaan 1. Hasil perkalian tersebut akan menghasilkan CF sekuintal yang dapat dilihat pada tabel dibawah ini.

Tabel 6. CF Sekuintal Tingkat

Depresi

Kode CF Pakar

CF User CF Sekuintal

Tidak Depresi

G001 0.4 0 0 CF1

G004 0.4 0 0 CF2

G007 0.2 0.6 0.12 CF3

G009 0.8 0 0 CF4

G012 0.8 0.8 0.64 CF5

Depresi Ringan

G006 0.4 0.8 0.32 CF1

G016 0.6 0 0 CF2

G017 0.6 0 0 CF3

G019 0.6 0 0 CF4

G020 0.6 0.4 0.24 CF5

Depresi Sedang

G005 0.8 0.4 0.32 CF1 G010 0.4 0.4 0.16 CF2

G013 0.4 0 0 CF3

G015 0.8 0.6 0.48 CF4

G018 0.6 0 0 CF5

Depresi Berat

G002 0.8 0 0 CF1

G003 0.6 0.2 0.12 CF2 G008 0.8 0.8 0.64 CF3 G011 0.6 0.8 0.48 CF4

G014 0.2 0 0 CF5

Setelah melakukan perhitungan CF sekuintal, maka selanjutnya dapat dilakukan perhitungan CF combine dengan menghitung nilai CF sekuintal yang telah didapat untuk masing- masing rule dengan menggunakan persamaan 2.

a. CF combine untuk tidak depresi

CF(A) = CF combine (CF1,CF2) = CF1 + CF2 * [1 - CF1]

= 0 + 0 * [1 – 0]

= 0

CF(B) = CF combine (CF(A),CF3) = CF(A) + CF3 * [1 – CF(A)]

= 0 + 0.12 * [1 – 0]

= 0.12

CF(C) = CF combine (CF(B),CF4) = CF(B) +

CF4* [1-CF(B)]

= 0.12 + 0 * [1 – 0.12]

= 0.12

CF(D) = CF combine (CF(C),CF5) = CF(C) + CF5 * [1-CF(C)]

= 0.12 + 0.64 * [1 – 0.12]

= 0.6832

b. CF combine untuk depresi ringan

= 0.32 + 0 * [1 – 0.32]

= 0.32

= 0.32 + 0 * [1 – 0.32]

= 0.32

CF(C) = CF combine (CF(B),CF4) = CF(B) + CF4* [1-CF(B)]

= 0.32 + 0 * [1 – 0.32]

= 0.32

CF(D) = CF combine (CF(C),CF5) = CF(C) + CF5 * [1-CF(C)]

= 0.32 + 0.24 * [1 – 0.32]

= 0.4832

c. CF combine untuk depresi sedang

= 0.32 + 0.16 * [1 – 0.32]

= 0.4288

= 0.4288 + 0 * [1 – 0.4288]

= 0.4288

CF(C) = CF combine (CF(B),CF4) = CF(B) + CF4 * [1-CF(B)]

= 0.4288 + 0.48 * [1 – 0.4288]

= 0.702976

CF(D) = CF combine (CF(C),CF5) = CF(C) + CF5* [1-CF(C)]

= 0.702976 + 0 * [1 – 0.702976]

= 0.702976

d. CF combine untuk depresi berat

= 0 + 0.12 * [1 – 0]

= 0.12

= 0.12 + 0.64 * [1 – 0.12]

= 0.6832

CF(C) = CF combine (CF(B),CF4) = CF(B) + CF4

* [1-CF(B)]

= 0.6832 + 0.48 * [1 – 0.6832]

= 0.835264

CF(D) = CF combine (CF(C),CF5) = CF(C) + CF5* [1-CF(C)]

= 0.835264 + 0 * [1 – 0.835264]

(6)

= 0.835264

Berdasarkan hasil perhitungan metode certainty factor pada masing-masing tingkatan depresi diperoleh nilai maksimum yang didapatkan yaitu pada depresi berat dengan 0,835264. Maka dapat disimpulkan pengguna mengalami depresi berat dengan persentase keyakinan 83.5264%.

F. Implementasi

Implementasi rancangan menggunakan bahasa pemrograman kotlin untuk tampilan dan metode certainty factor untuk melakukan deteksi dini depresi.

1. Halaman login

Gambar 8. Halaman Login

Pada halaman login terdapat penjelasan singkat mengenai aplikasi dan untuk melakukan login dan tombol “Login dengan Google” dimana pengguna dapat memilih alamat email yang akan digunakan untuk masuk ke dalam aplikasi.

2. Halaman form data diri

Halaman form data diri akan muncul apabila user belum terdaftar pada aplikasi. Halaman form data diri terdiri dari tiga halaman, yaitu halaman untuk mengisi nama, halaman jenis kelamin, halaman tanggal lahir, dan halaman status pekerjaan.

Gambar 9. Halaman Form Data Diri 3. Halaman beranda

Gambar 10. Halaman Beranda

Pada bagian atas terdapat nama pengguna dimana jika nama pengguna diklik, pengguna akan diarahkan menuju halaman profil. Selain itu, pada halaman beranda terdapat hasil deteksi dini yang terakhir kali dilakukan oleh pengguna beserta dengan tombol yang mengarahkan pengguna pada halaman penanganan depresi sesuai dengan tingkat depresinya. Selanjutnya terdapat tombol deteksi depresi dan artikel depresi.

4. Halaman deteksi dini depresi

Gambar 11. Halaman Deteksi Dini Depresi

Pada halaman deteksi dini depresi, tersedia pernyataan dan tombol jawaban yang harus dipilih oleh pengguna. Jika pengguna sudah memilih jawaban, pengguna dapat menekan tombol lanjut untuk menjawab pernyataan lainnya pada kuesioner. Setelah semua pernyataan selesai dijawab, aplikasi akan mengolah data yang sudah diisikan oleh pengguna menggunakan metode certainty factor. Selanjutnya, sistem menampilkan halaman hasil deteksi. Pada halaman hasil deteksi terdapat tingkatan depresi, tingkat keyakinan yang merupakan hasil perhitungan persentase serta terdapat tombol yang akan mengarahkan pengguna pada halaman penanganan depresi yang berisi artikel terkait hal-hal yang dapat dilakukan untuk menangani depresi.

5. Halaman artikel depresi

Halaman artikel depresi berisi list artikel terkait depresi dan kesehatan mental yang dapat dibaca oleh penggunanya seperti yang ditunjukkan pada gambar di bawah ini.

Gambar 12. Halaman Artikel Depresi 6. Halaman profil

Pada halaman profil terdapat data diri pengguna, list berisi history hasil deteksi dini depresi yang

(7)

telah dilakukan oleh pengguna, dan pada bagian kanan atas terdapat tombol logout.

Gambar 13. Halaman Profil

Selain itu, pada bagian atas halaman profil terdapat tombol bergambar pensil yang bertujuan untuk mengarahkan pengguna ke halaman edit profil dimana pada halaman edit profil, pengguna dapat mengubah data yang dianggap tidak sesuai.

Gambar 14. Halaman Edit Profil G. Testing

Pengujian bertujuan untuk memastikan apakah sistem yang dibuat sudah berjalan dengan baik atau tidak. Pengujian terbagi menjadi dua yaitu, pengujian terhadap metode certainty factor dan pengujian aplikasi menggunakan alpha testing dan beta testing.

1. Pengujian metode certainty factor

Pengujian metode certainty factor dilakukan dengan membandingkan hasil deteksi dini depresi pada aplikasi dengan deteksi yang dilakukan oleh pakar. Pengujian dilakukan dari data uji sebanyak 20 data deteksi dini depresi pada aplikasi are you okay.

Tabel 7. Hasil Pengujian Metode Certainty Factor

No. Sistem Pakar Kesimpulan

1 Tidak Depresi Tidak Depresi Sesuai 2 Depresi Ringan Depresi Ringan Sesuai 3 Tidak Depresi Tidak Depresi Sesuai 4 Tidak Depresi Tidak Depresi Sesuai 5 Depresi Berat Depresi Berat Sesuai 6 Tidak Depresi Tidak Depresi Sesuai 7 Tidak Depresi Tidak Depresi Sesuai 8 Depresi Berat Depresi Berat Sesuai 9 Tidak Depresi Tidak Depresi Sesuai 10 Depresi Sedang Depresi Ringan Tidak Sesuai 11 Depresi Sedang Depresi Ringan Tidak Sesuai 12 Depresi Sedang Depresi Ringan Tidak Sesuai

13 Depresi Sedang Depresi Sedang Sesuai 14 Tidak Depresi Tidak Depresi Sesuai 15 Tidak Depresi Tidak Depresi Sesuai 16 Depresi Sedang Depresi Sedang Sesuai 17 Depresi Sedang Depresi Ringan Tidak Sesuai 18 Tidak Depresi Tidak Depresi Sesuai 19 Tidak Depresi Tidak Depresi Sesuai 20 Depresi Sedang Depresi Ringan Tidak Sesuai Dari pengujian yang dilakukan oleh 20 pengguna, terdapat 15 hasil deteksi dini depresi pada sistem pakar sesuai dengan deteksi dari pakar. Sedangkan 5 hasil deteksi dini depresi pada sistem pakar tidak sesuai dengan deteksi dari pakar. Untuk mengetahui tingkat akurasi dari metode certainty factor dilakukan perhitungan sebagai berikut.

𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒 𝑘𝑒𝑏𝑒𝑟ℎ𝑎𝑠𝑖𝑙𝑎𝑛 = 15

20× 100% = 75%

2. Pengujian Alpha Testing

Alpha testing adalah pengujian yang dilakukan oleh pengembang. Pada penelitian ini, pengujian dilakukan menggunakan metode blackbox testing. Pada alpha testing, terdapat 17 skenario pengujian. Berikut perhitungan persentase keberhasilan pada alpha testing

𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒 𝑘𝑒𝑏𝑒𝑟ℎ𝑎𝑠𝑖𝑙𝑎𝑛

= 𝑗𝑢𝑚𝑙𝑎ℎ 𝑖𝑡𝑒𝑚 𝑢𝑗𝑖 𝑣𝑎𝑙𝑖𝑑 × 100 % 𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑖𝑡𝑒𝑚 𝑢𝑗𝑖 𝑃𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒 𝑘𝑒𝑏𝑒𝑟ℎ𝑎𝑠𝑖𝑙𝑎𝑛 =17

17× 100% = 100%

3. Pengujian Beta Testing

Beta testing dilakukan dengan menggunakan system usability scale (SUS) kepada 20 pengguna. Berikut adalah rumus yang digunakan untuk menghitung skor system usability scale.

a. Skor setiap pertanyaan bernomor ganjil yang didapat dari skor pengguna akan dikurangi 1.

b. Skor akhir didapat dari nilai 5 dikurangi skor pertanyaan bernomor genap yang didapat dari pengguna.

c. Nilai Skor SUS didapat dari hasil penjumlahan skor setiap pertanyaan yang kemudian dikali 2,5.

Berdasarkan hasil perhitungan SUS score yang dilakukan pada 20 pengguna, skor yang didapatkan adalah 69,625. Hasil ini menunjukkan aplikasi termasuk dalam kategori good dengan grade D dan masuk kedalam kategori marginal high.

BAB IV SIMPULAN DAN SARAN Rancang bangun aplikasi sistem pakar deteksi dini depresi berbasis android menggunakan

(8)

metode certainty factor berhasil dikembangkan berdasarkan pengetahuan yang bersumber dari pakar. Berdasarkan pengujian yang telah dilakukan didapatkan kesimpulan seperti berikut:

1. Hasil pengujian metode certainty factor dengan membandingkan 20 hasil deteksi dini depresi pada aplikasi dengan deteksi dini depresi oleh pakar dan didapatkan persentase 75%. Maka dapat disimpulkan bahwa sistem pakar untuk deteksi dini depresi berfungsi dengan baik.

2. Alpha testing menggunakan blackbox testing mendapatkan hasil persentase 100% dan beta testing menggunakan system usability scale dengan skor 69,625. Dari hasil pengujian tersebut dapat disimpulkan fungsionalitas aplikasi berjalan dengan baik SARAN

Saran untuk pengembangan sistem selanjutnya adalah mencoba menggunakan metode sistem pakar yang berbeda atau melakukan kombinasi metode agar mendapatkan tingkat akurasi yang lebih tinggi. Selain itu, mengembangkan sistem pakar yang lebih dinamis dengan pernyataan yang dapat ditambahkan atau dihapus serta pengelompokan gejala dan tingkat depresi oleh pakar yang lebih dinamis serta menambahkan fitur komunikasi antara pengguna dan pakar agar depresi dapat ditangani dengan baik.

DAFTAR PUSTAKA

[1] A. Dirgayunita, "Depresi:Ciri, Penyebab dan Penanganannya," Journal An-nafs: Kajian dan Penelitian Psikologi, vol. 1, no. 1, pp. 1-14, 2016.

[2] W. Sulistyorini and M. Sabarisman, "Depresi:

Suatu Tinjauan Psikologis," Sosio Informa , vol. 3, no. 2, pp. 153-164, 2017.

[3] A. P. Nurabsharina and R. Kosasih, "Aplikasi Sistem Pakar Diagnosis Tingkat Depresi Pada Remaja Berbasis Android," Ilmiah Informatika Komputer, vol. 25, no. 1, pp. 76-85, 2020.

[4] N. K. Ariasih and I. G. A. A. D. Indradewi,

"Expert System to Diagnose Diseases of Mental Health with Forward Chaining and Certainty Factor," Wahana Matematika dan Sains: Jurnal Matematika, Sains, dan Pembelajarannya, vol. 14, no. 1, pp. 28-41, 2020.

[5] N. Jarti and R. Trisno, "Sistem Pakar

Diagnosa Penyakit Alergi Pada Anak Berbasis Web Dengan Metode Forward Chaining Di

Kota Batam," Edik Informatika, vol. 3, no. 2, pp. 197-205, 2017.

[6] A. Astuti and Kusrini, "Sistem Pakar Untuk Mengetahui Gangguan Depresi Mayor Dengan Menggunakan Faktor Kepastian," Denpasar, 2015.

[7] U. D. Rosiani, T. H. Permatasari and Y.

Yunhasnawa, "Sistem Pakar Emosi Wanita Jawa Menggunakan Metode Certainty Factor,"

Jurnal Informatika Polinema, vol. 4, no. 3, pp.

206-211, 2018.

[8] W. W. Widiyanto, "Analisa Metodologi Pengembangan Sistem Dengan Perbandingan Model Perangkat Lunak Sistem Informasi Kepegawaian Menggunakan Waterfall Development Model, Model Prototype, Dan Model Rapid Application Development (RAD)," Jurnal INFORMA Politeknik Indonusa Surakarta, vol. 4, no. 1, pp. 34-40, 2018.

[9] R. D. Septiana and F. Septian, "Model Prototype Aplikasi Monitoring Tugas Akhir (MonTA) Mahasiswa pada STTI NIIT,"

Jurnal Informatika Universitas Pamulang, vol.

4, no. 2, pp. 49-56, 2019.

[10] I. S. Permana and Y. Sumaryana, "Sistem Pakar Untuk Mendiagnosa Penyakit Kulit Dengan Metode Forward Chaining,"

JUMANTAKA , vol. 1, no. 1, pp. 361-370, 2018.

[11] Taufiq and S. Natarsyah, "Implementasi Cartainty Factor Dalam Sistem Pakar Untuk Melakukan Diagnosa Dan Terapi Penyakit Gangguan Jiwa," JUTISI, vol. 5, no. 3, pp.

1205-1214, 2016.

[12] A. G. Siregar, "Sistem Pakar Menentukan Tingkat Depresi Pekerja Yang di PHK Menggunakan Metode Certainly Factor,"

Jurnal Riset Komputer (JURIKOM), vol. 6, no. 1, pp. 61-69, 2019.

[13] Y. W. N. Fitriya, N. Hidayat and Marji,

"Implementasi Metode Weighted Product – Certainty Factor untuk Diagnosa Penyakit Malaria," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 5, pp. 2158-2163, 2018.