ABSTRAK
Proses diagnosa penyakit kulit merupakan hal sangat penting, untuk dapat menentukan berbagai jenis penyakit kulit. Proses diagnosa didasarkan oleh identitas-identitas khusus yang dimiliki oleh suatu penyakit kulit dan dijadikan pembeda dari satu objek dengan objek yang lainnya. Dengan bantuan teknologi saat ini, proses diagnosa dapat dilakukan secara otomatis oleh sebuah sistem komputer. Terdapat sebuah sistem komputer yang dapat digunakan untuk mengatasi masalah diatas, salah satunya adalah menggunakan sebuah sistem diagnosa penyakit kulit menggunakan Naïve Bayes Classifier(NBC). NBC
mampu memprediksi suatu penyakit dilihat dari data rekam medis di masa lalu, untuk kemudian data tersebut menjadi data latih dalam proses klasifikasi. Diharapkan dengan adanya aplikasi berbasis desktop untuk mendiagnosa penyakit kulit nantinya pengguna aplikasidapat mengetahui penyakit kulit yang di alaminya. Sehingga pengguna tidak perlu pergi ke dokter hanya untuk mengetahui penyakit yang dialaminya kecuali pengguna membutuhkan penanganan medis lebih lanjut.
ABSTRACT
The process of skin disease diagnosis is very important, to be able to determine the various types of skin diseases. The process of diagnosis is based by special identities that are owned by a skin disease and used as a differentiator from one object to another object. With the help of today's technology, process diagnostics can be performed automatically by a computer system. There is a computer system that can be used to overcome the above problems,one of which is the use of a skin disease diagnosis system using a Naive Bayes classifier (NBC). NBC was able to predict someone's illness by seen from medical record data in the past, then the data as training data in the classification process. Hopefully, by the desktop-based application to diagnose skin disease user will be able to know that in its experienced skin diseases. So users do not need to go to the doctor if only to check for diseases that happened unless the user requires further medical treatment..
DAFTAR ISI
LEMBAR PENGESAHAN ... i
PERNYATAAN ORISINALISTAS LAPORAN PENELITIAN ... ii
PERNYATAAN PUBLIKASI LAPORAN PENELITIAN ... iii
PRAKATA ... iv
ABSTRAK ... v
ABSTRACT ... vi
DAFTAR ISI ... vii
DAFTAR GAMBAR ... xi
DAFTAR TABEL ... xii
DAFTAR KODE ... xiii
DAFTAR NOTASI/ LAMBANG ... xiv
DAFTAR SINGKATAN ... xv
DAFTAR ISTILAH ... xvi
BAB 1 PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Tujuan Pembahasan ... 2
1.4 Ruang Lingkup ... 2
1.5 Sumber Data ... 3
1.6 Sistematika Penyajian ... 4
BAB 2 KAJIAN TEORI ... 5
2.1 Kecerdasan Buatan ... 5
2.2 Data Mining ... 6
2.2.2 Algoritma Naïve Bayes ... 7
2.2.3 Laplace Estimator... 11
2.3 Weka ... 12
2.4 Dermatologi ... 13
BAB 3 ANALISIS DAN RANCANGAN SISTEM ... 15
3.1 Analisis ... 15
3.1.1 Analisis Sistem ... 15
3.1.2 Use Case ... 17
3.1.2.1 Rancangan Use Case Diagram ... 17
3.1.3 Activity Diagram ... 18
3.1.3.1 Info Penyakit ... 18
3.1.3.2 Info Gejala ... 18
3.1.3.3 Info Solusi ... 19
3.1.3.4 Diagnosa ... 20
3.1.4 Flow Chart ... 21
3.1.5 Entity Relationship Diagram ... 22
3.2 Rancangan Penyakit dan gejala ... 22
3.3 Desain Antarmuka ... 24
3.3.1 Desain Halaman Home ... 24
3.3.2 Desain Halaman Info Gejala ... 24
3.3.3 Desain Halaman Info Penyakit... 25
3.3.4 Desain Halaman Info Solusi... 26
3.3.5 Desain Halaman Diagnosa ... 26
3.3.6 Desain Halaman Hasil Diagnosa ... 27
BAB 4 IMPLEMENTASI ... 28
4.2 Implementasi Database ... 28
4.3 Implementasi Kode Program ... 29
4.4 Implementasi Antarmuka ... 32
4.4.1 Halaman Home... 32
4.4.2 Halaman Info Gejala ... 33
4.4.3 Halaman Info Penyakit ... 34
4.4.4 Halaman Info Solusi ... 34
4.4.5 Halaman Diagnosa ... 35
4.4.6 Halaman Hasil Diagnosa ... 36
BAB 5 PENGUJIAN ... 38
5.1 Pengujian Metode... 38
5.2 Pengujian Sistem ... 44
5.2.1 Tujuan Pengujian ... 44
5.2.2 Bahan Pengujian... 44
5.2.3 Hasil Pengujian Sistem ... 44
5.2.4 Hasil Pengujian Pakar ... 48
5.3 Black Box Testing ... 49
5.3.1 Pengujian Data Info... 49
5.3.1.1 Pengujian Data Info Gejala ... 49
5.3.1.2 Pengujian Data Info Penyakit... 50
5.3.1.3 Pengujian Data Info Solusi ... 50
5.3.2 Pengujian Proses Diagnosa ... 51
5.3.2.1 Pengujian Diagnosa ... 51
5.3.2.2 Pengujian Hasil Diagnosa ... 52
5.3.2.3 Pengujian Solusi Diagnosa ... 52
6.1 Simpulan ... 54
6.2 Saran ... 55
DAFTAR PUSTAKA ... 56
LAMPIRAN A IMPLEMENTASI KODE PROGRAM ... A-1
LAMPIRAN B DATASET ... B-1
DAFTAR GAMBAR
Gambar 2.1 Knowledge Discovery in Database [2] ... 7
Gambar 2.2 Example Naïve Bayes Classifier [2]. ... 10
Gambar 2.3 Aplikasi Weka ... 13
Gambar 3.1 Use Case Sistem Diagnosa Penyakit Kulit ... 17
Gambar 3.2 Activity Diagram Info Penyakit ... 18
Gambar 3.3 Activity Diagram Info Gejala ... 19
Gambar 3.4 Activity Diagram Info Solusi ... 19
Gambar 3.5 Activity Diagram Diagnosa ... 20
Gambar 3.6 Flowchart Sistem Diagnosa ... 21
Gambar 3.7 ERD Sistem Diagnosa ... 22
Gambar 3.8 Desain Halaman Home... 24
Gambar 3.9 Desain Halaman Info Gejala ... 25
Gambar 3.10 Desain Halaman Data Penyakit ... 25
Gambar 3.11 Desain Halaman Info Solusi ... 26
Gambar 3.12 Desain Halaman Diagnosa ... 26
Gambar 3.13 Desain Halaman Hasil Diagnosa ... 27
Gambar 4.1 Halaman home ... 33
Gambar 4.2 Halaman Info Gejala ... 33
Gambar 4.3 Halaman Info Penyakit ... 34
Gambar 4.4 Halaman Info Solusi ... 35
Gambar 4.5 Halaman Diagnosa ... 36
Gambar 4.6 Halaman Hasil Diagnosa ... 37
Gambar 5.1 Hasil Cross Validation Fold 1 ... 39
Gambar 5.2 Hasil Cross Validation Fold 2 ... 40
Gambar 5.3 Hasil Cross Validation Fold 3 ... 40
Gambar 5.4 Hasil Cross Validation Fold 4 ... 41
Gambar 5.5 Hasil Cross Validation Fold 5 ... 42
DAFTAR TABEL
Table 3.1 Jawaban Pertanyaan ... 16
Table 3.2 Data Penyakit ... 22
Table 3.3 Data Gejala ... 23
Table 4.1 Tabel Penyakit... 28
Table 4.2 Tabel Gejala ... 28
Table 4.3 Tabel Solusi... 28
Table 4.4 Tabel Dataset... 29
Table 5.1 Kombinasi Fold Cross Validation ... 38
Table 5.2 Nilai Akurasi Pengujian ... 43
Table 5.3 Data Testing Acak ... 44
Table 5.4 Pengujian Data testing ... 45
Table 5.5 Confussion Matrix Data Testing ... 46
Table 5.6 Detail Akurasi Per Kelas ... 47
Table 5.7 Hasil Pengujian Dokter ... 48
Table 5.8 Test Case Halaman Info Gejala ... 50
Table 5.9 Test Case Halaman Info Penyakit ... 50
Table 5.10 Test Case Halaman Info Solusi ... 51
Table 5.11 Test Case Diagnosa ... 51
Table 5.12 Test Case Hasil Diagnosa ... 52
DAFTAR KODE
Kode 4.1 Hitung Jawaban User ... 29
Kode 4.2 Menampilkan Jawaban User... 30
Kode 4.3 Perhitungan Posterior probability ... 30
Kode 4.4 Sorting Posterior probability ... 31
Kode 4.5 Kelas Data Objek HasilDiagnosa ... 31
DAFTAR NOTASI/ LAMBANG
Jenis Notasi/Lambang Nama Arti
Use case Actor Mempresentasikan
seseorang yang berinteraksi dengan sistem
Use case Use case Menunjukkan
gambaran fungsionalitas dari
suatu sistem
Activity
diagram
Initial State Digunakan untuk memulai aktivitas
diagram
Activity
diagram
Finish State Digunakan untuk mengakhiri
Class Menunjukkan blok pembangunan
DAFTAR SINGKATAN
ERD Entity Relationship Diagram
DAFTAR ISTILAH
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Banyaknya penderita kulit menjadi ancaman yang menakutkan bagi penderitanya, terbatasnya jumlah dan analisa dokter menjadi salah satu kendala yang sering di alami saat ini. Telah banyak diketahui bahwa penyakit kulit dapat disembuhkan jika diobati sejak dini sebelum terlalu parah. Mahalnya biaya berobat dan keterbatasan dokter itu sendiri membuat penderita penyakit kulit kesulitan untuk mengetahui penyakit yang di deritanya, kemudian waktu juga menjadi hal yang harus dipertimbangkan karena terlambat penaganannya bisa semakin parah akibatnya.
Sistem pengobatan saat ini masih dilakukan secara manual menggunakan diagnosa dari dokter itu sendiri. Antrian untuk berobat yang sangat panjang membuat pasien merasa malas untuk berobat. Terdapat beberapa masalah yang ditimbulkan diantaranya adalah banyaknya penderita penyakit kulit yang sebenarnya sudah mengidap penyakit itu sejak lama tapi baru terdeteksi oleh dokter setelah berulang kali berobat ke rumah sakit, hal tersebut terjadi karena dokter berspekulasi menggunakan kemungkinan-kemungkinan penyakit kulit yang dialami penderita.
2
1.2 Rumusan Masalah
Permasalahan yang akan di bahas dalam penulisan tugas akhir ini adalah diantaranya:
1. Bagaimana merancang suatu sistem diagnosa yang dapat digunakan untuk mengetahui penyakit kulit dari gejala yang dialami penderita penyakit kulit? 2. Bagaimana membuat suatu sistem yang dapat mengetahui jenis penyakit kulit
dengan menggunakan klasifikasi naïve bayes?
3. Bagaimana sistem yang dibuat dapat bekerja dengan baik dan akurat dalam mendiagnosa penyakit kulit?
1.3 Tujuan Pembahasan
Tujuan pembahasan dari rumusan masalah yang telah disebutkan adalah diantaranya:
1. Membuat sebuah sistem diagnosa yang dapat mendiagnosa penyakit kulit dari gejala dan keluhan yang dialami penderita.
2. Membuat sebuah sistem diagnosa yang dapat menentukan jenis penyakit kulit dari keluhan dan gejala penderita dengan klasifikasi naïve bayes.
3. Menguji seberapa besar akurasi metode klasifikasi naïve bayes dalam mendiagnosa penyakit kulit .
1.4 Ruang Lingkup
Ruang lingkup kajian dalam aplikasi ini adalah:
1. Batasan fitur-fitur yang disediakan dalam aplikasi ini menggunakan bahasa pemrograman Java. Fitur-fitur aplikasi secara umum:
- Informasi data gejala .
- Informasi data penyakit.
- Informasi data solusi
3
2. Pengguna / user aplikasi ini adalah:
- User dapat melakukan
- Diagnosa
- Informasi gejala
- Informasi penyakit
- Informasi solusi
3. Perangkat lunak yang akan digunakan:
- NetBeans IDE 8.0
- WEKA(Waikato Environment For Knowledge Analysis)
- XAMPP3.2.1
a. MySQL
b. Apache
4. Sedangkan perangkat keras yang akan digunakan dalam pembuatan sistem diagnosa ini adalah:
- Processor Intel Core i7 (64bit).
- RAM 8 GB. penelitian dalam bidang terkait dan dengan melakukan studi kepustakaan yang berhubungan dengan masalah yang dikaji dari berbagai sumber buku penunjang, dataset yang digunakan didapatkan dari machine learning repository untuk bidang dermatology , berikut informasi data yang terdapat pada dataset dermatology :
4
- Memiliki 34 atribut , dimana 33 atribut adalah gejala penyakit , dan 1 atribut adalah terdiagnosa.
- Jumlah data : 366 record
- Sumber data : (https://archive.ics.uci.edu/ml/machine-learning-databases/dermatology/)
1.6 Sistematika Penyajian
BAB I. Pendahuluan
Bab ini berisi tentang pendahuluan yang terdiri dari latar belakang, rumusan masalah, tujuan pembahasan, ruang lingkup kajian, sumber data, dan sistematika penyajian Laporan Tugas Akhir.
BAB II. Kajian Teori
Bab ini berisi tentang penjelasan teori-teori yang berkatian dengan pembuatan sistem dan mendukung pembuatan sistem yang ada. BAB III. Analisis dan Rancangan Sistem
Bab ini berisi tentang penjelasan analisis suatu keadaan, kebutuhan sistem, perancangan sistem, UML, ERD, dan gambaran arsitektur sistem.
BAB IV. Implementasi
Bab ini berisi tentang penjelasan perencanaan tahap implementasi, proses perkembangan implementasi proyek, penjelasan mengenai realisasi fungsionalitas dan User Interface Design yang sudah dibuat.
BAB V. Pengujian
Bab ini berisi tentang penjelasan rencana pengujian sistem serta testing akan diuji dan dilakukan.
BAB VI. Simpulan dan Saran
BAB 6
SIMPULAN DAN SARAN
Pada bab ini menjelaskan tentang simpulan permasalahan serta saran untuk penelitian lebih lanjut.
6.1 Simpulan
Simpulan yang didapatkan berdasarkan tujuan yang telah disampaikan pada bab 1 adalah sebegai berikut:
1. Untuk pembuatan sistem yang dapat mendiagnosa penyakit kulit, dapat digunakan dengan baik dan dapat mendiagnosa penyakit kulit dengan baik. 2. Membuat suatu sistem yang dapat mendiagnosa penyakit kulit sebenarnya cukup baik dalam pemakaian nya menggunakan metode klasifikasi naïve bayes. Tapi dalam metode klasifikasi naïve bayes terdapat asumsi independen yang sangat kuat untuk setiap atributnya sehingga jika salah satu kondisi dinyatakan 0 maka seluruh kondisi menjadi 0 yang menyebabkan sistem tidak dapat membandingkan bobot posterior dari masing-masing kelas. Untuk itu dibutuhkan Laplace Estimator untuk menghindari Zero Frequency sehingga nilai 0 dapat diasumsikan bernilai 1 untuk setiap kondisi agar sistem dapat membandingkan bobot posterior
untuk menentukan hasil klasifikasi.
3. Nilai akurasi metode naïve bayes secara keseluruhan cukup baik yaitu 97,541%. Dan pengujian metode berhasil dilakukan dengan model 6-fold Cross Validation. Hasil pengujian sistem menunjukkan bahwa dari 30
recordrandom selection dari dataset yang digunakan dalam sistem diagnosa sebanyak 366 record tingkat akurasinya adalah 96,666% dengan 29 record
benar dan 1 record salah. Hasil pengujian medis menunjukkan 27 record
55
6.2 Saran
DIAGNOSA PENYAKIT KULIT DENGAN
METODE
NAÏVE BAYES CLASSIFIER
BERBASIS
DESKTOP APPLICATION
TUGAS AKHIR
Diajukan untuk Memenuhi Persyaratan Akademik dalam
Menyelesaikan Pendidikan pada Program Studi
S1 Teknik Informatika Universitas Kristen Maranatha
Oleh
Irfan Rizki Pambudi
1272039
PROGRAM STUDI S1 TEKNIK INFORMATIKA
FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS KRISTEN MARANATHA
BANDUNG
PRAKATA
Puji dan syukur saya panjatkan ke hadirat Tuhan Yang Maha Esa, karena atas berkat dan penyertaanNya, saya masih diberikan kesempatan untuk dapat menyelesaikan karya ilmiah ini. Tugas Akhir ini bertujuan untuk memenuhi persyaratan akademik dalam menyelesaikan pendidikan pada program studi S1 Teknik Informatika Universitas Kristen Maranatha.
Pada kesempatan ini, saya juga ingin mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Bapak Tjatur Kandaga, S.Si, M.T sebagai dosen pembimbing dalam penyusunan Tugas Akhir yang banyak memberikan bimbingan serta masukan yang sangat berarti, sehingga akhirnya saya dapat menyelesaikan Tugas Akhir ini dengan baik.
2. Bapak Hapnes Toba, M. Sc. selaku Dekan Fakultas Teknologi Informasi. 3. Bapak Robby Tan, S.T., M.Kom. selaku Ketua Jurusan Teknik Informatika. 4. Ibu Meliana Christianti, S. Kom., M.T.selaku Koordinator Tugas Akhir. 5. Kepada orang tua yang sangat mengasihi penulis dan terus mendukung di dalam
doa, nasihat, dan semangat selama mengerjakan Tugas Akhir ini.
6. Kepada teman-teman seangkatan untuk setiap dukungan yang diberi agar dapat menyelesaikan Tugas Akhir ini.
7. Saya menyadari penyelesain Tugas Akhir ini masih jauh dari sempurna, maka dari itu saya sangat terbuka menerima segala kritik dan saran saudara yang bertujuan untuk membuat Tugas Akhir ini menjadi lebih baik. Saya berharap semoga apa yang dihasilkan ini bisa bermanfaat bagi semua pihak, dan semoga seluruh bantuan yang telah disumbangkan kepada penulis dapat diterima Tuhan Yang Maha Esa dan dibalas dengan kasih setia dan rahmatNya yang melimpah.
DAFTAR PUSTAKA
[1] P. N. Stuart Russel, Artificial Intelligence A Modern Approach, Berkeley: Prentice Hall, 2003.
[2] P. n. Tan, M. Steinbach dan V. Kumar, Introduction To Data Mining, University Of Michigan: Pearson, 2005.
[3] Hermawati dan A. Fajar, Data Mining, Yogyakarta: Andi, 2013.
[4] J. Han, M. Kamber dan J. Pei, Data Mining : Concept and Techniques, Waltham: Morgan Kaufmann, 2012.
[5] S. S dan S. S. N, Introduction To Data Mining and its Application, Berlin;New York: Springer, 2006.
[6] B. Lantz, Machine Learning With R Second Edition, Brimingham: Pact Publishing, 2013.
[7] T. U. O. Waikato, “Weka Data Mining Software in Java,” Machine Learning Group The University of waikato, 1993. [Online]. Available: http://www.cs.waikato.ac.nz/ml/weka/. [Diakses 24 11 2016].
[8] I. H. Witten, E. Frank dan M. A.Hall, Data Mining Practical Machine Learning Tools And Techniques, Burlington USA: Morgan Kaufmann Publisher, 2011.
[9] P. J. V. Dr Nicole, Dermatologi : A handbook for medical students & junior doctors, Manchester M6 8HD: British Association of Dermatologists, 2014. [10] A. Rook, W. DS, E. FJB, C. RH dan B. JL, Textbook of Dermatology,