Ahmad Sayadi | 140451100008
SISTEM PAKAR DIAGNOSIS PENYAKIT REMATIK
MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER
1
Ahmad Sayadi
2Program Studi Manajemen informatika
3Universitas Trunojoyo madura
4[email protected]
ABSTRAK
Rematik merupakan penyakit yang menyerang bagian tubuh pada anggota gerak, seperti pada sendi,
otot, tulang dan jaringan sekitar sendi. Keluhan yang lain yang sering muncul adalah rasa nyeri, kaku,
bengkak sampai keterbatasan pergerakan anggota tubuh. Nyeri rematik hampir sa ma pada saat nyeri
keseleo. Namun, pada rematik disertai peradangan pada persendian dan kulit terlihat memerah yang
diakibatkan karena peradangan.
Penelitian ini membahas tentang aplikasi sistem pakar untuk mendiagnosis penyakit remtik yang
digunakan untuk penelitian terdiri dari 13 gejala dan 3 penyakit remtik. Sistem pakar yang dibangun
menggunakan metode Naïve Bayes Classifier. Terdapat dua tahapan kerja dari aplikasi ini. Pertama,
sistem memberikan jawaban berdasarkan gejala yang dialami. Kedua, sistem akan secara otomatis
menampilkan hasil diagnosis dari penyakit remtik yang diderita oleh orang melalui perhitungan Naïve
Bayes Classifier.
Kata kunci:
Naïve Bayes Classifier, Rematik, Sistem pakar
I. PENDAHULUAN
Perkembangan teknologi yang begitu pesat terutama dalam bidang komputer, tidak berlebihan apabila komputer dijadikan alasan orang untuk
memperingan beban kerja mereka. Makin
berkembangnya teknologi menyebabkan makin
banyaknya pekerjaan yang memerlukan keahlian tertentu. Dalam menciptakan tenaga ahli atau seorang pakar diperlukan waktu yang relatif cukup lama serta biaya yang tidak sedikit. Salah satu usaha alternatif untuk menanggulangi kebutuhan ini adalah dengan menciptakan suatu sistem yang berbasis pengetahuan yang dikenal dengan kecerdasan buatan.
I. Naïve Bayes
Naïve Bayes Classifier merupakan pengklasifikasi probabilitas sederhana berdasarkan pada teorema Bayes. Teorema Bayes dikombinasikan dengan “Naïve” yang berarti setiap atribut/variabel bersifat bebas (independent). Naïve Bayes Classifier dapat dilatih dengan efisien dalam pembelajaran terawasi (supervised learning). Keuntungan dari klasifikasi adalah bahwa ia hanya membutuhkan sejumlah kecil data pelatihan untuk memperkirakan parameter (sarana dan varians dari variabel) yang diperlukan untuk klasifikasi. Karena variabel independen diasumsikan, hanya variasi dari variabel untuk masing-masing kelas harus ditentukan, bukan seluruh matriks kovarians. Dalam prosesnya, Naïve Bayes Classifier mengasumsikan bahwa ada atau
tidaknya suatu fitur pada suatu kelas tidak berhubungan dengan ada atau tidaknya fitur lain di kelas yang sama.
Perhitungan Naïve Bayes Classifier yang
digunakan:
p = 1/ banyaknya jenis class / penyakit m = jumlah parameter / gejala
n = jumlah record pada data learning yang v = vj / tiap class
Persamaan diselesaikan melalui perhitungan sebagai berikut:
1. Menentukan nilai nc untuk setiap class
2. Menghitung nilai P (ai|vj) dan menghitung nilai P
3. Menghitung P(ai|vj) x P(vj) untuk tiap v
4. Menentukan hasil klasifikasi yaitu v yang memiliki hasil perkalian yang terbesar
II. Metodologi Penelitian
Metodologi Penelitian yang digunakan adalah sebagai berikut :
2.1Identifikasi
daya, data yang digunakan serta biaya untuk dapat membangun sistem.
2.2Pengumpulan Data
Data yang digunakan untuk percobaan, didapatkan dari pakar dan pasien anak penyakit rematik. Data didapatkan melalui proses knowledge acquisition diantaranya wawancara dengan pakar dan mendapatkan rekam medik pasien. Data yang digunakan adalah 13 gejala dan 3 penyakit rematik.
2.3Pemilihan Metode
Naïve Bayes Classifier dipilih karena metode ini merupakan salah satu metode probabilitas statistik sederhana dan mudah diterapkan.
2.4Rancang Bangun Sistem
Sistem dibangun dengan user friendly. Seorang pengguna akan dengan mudah mengoperasikan aplikasi yang dibuat, sehingga pengguna relatif cepat dapat mengetahui hasil diagnosis penyakit rematik..
2.5Ujicoba Sistem
Pada tahapan ini, sistem yang sudah dibangun
akan diujicobakan dengan menginputkan
gejalagejala yang dialami pasien. Selanjutnya, sistem pakar akan menampilkan penyakit rematik. yang diderita pasien. Analisis hasil didapatkan dari perbandingan antara hasil ujicoba sistem pakar dengan hasil diagnosa pakar (human expert).
III. Data dan Uji Coba
1. Macam-macam Penyakit
2. Gejala-gejala
3. Nama penyakit rematik. dan gejalanya
Perhitungan 1. Uji Coba
Contoh perhitungan dengan menggunakan
klasifikasi Naïve Bayes Classifier dapat diterapkan pada pasien ke-1 mengalami gejala nomor 2, 15, 20, 24, 31, dan 32.
6. Nyeri 7. kaku 9. Kedinginan 13. nyari sendi
Langkah-langkah perhitungan Naïve Bayes Classifier sebagai berikut:
2. Menentukan nilai nc untuk setiap class Penyakit Rematik ke 1 : Artritis Reumatoid
3. Menentukan nilai nc untuk setiap class Penyakit Rematik ke 2 : Osteoartritis (Keropos Sendi) (KS)
n = 1
p = 1/3 = 0.333333333333 m = 13
No Macam
1 Artritis Reumatoid
2 Osteoartritis (Keropos Sendi)
3 Artritis Gout atau biasa disebut Rematik
No .Gejala
1 Kedua tangan terasa kaku.
2 terasa hangat.
12 bengkak pada sendi 13 nyeri pada sendi
No Macam-macam penyakit Gejala
1 Artritis Reumatoid 1,4,7,6,11,2,
2 Osteoartritis (Keropos Sendi) 6,7,13
3 Artritis Gout atau biasa disebut Rematik
Ahmad Sayadi | 140451100008
6. nc = 0 7. nc = 1 9. nc = 0 13. nc = 1
4. Menentukan nilai nc untuk setiap class Penyakit Rematik ke 3 : Artritis Gout atau biasa disebut Rematik) (AG)
n = 1
P(AR) = 0.333333333333
Penyakit Rematik ke 2 : Osteoartritis (Keropos Sendi) (KS) P(KS) = 0.333333333333
Penyakit Rematik ke 3 : Artritis Gout atau biasa disebut Rematik) (AG)
P(6|AG) = 0 + 13 x 0.333333333333=
P(A G) = 0.333333333333
6. Menghitung P(ai|vj) x P(vj) untuk tiap v Penyakit Rematik ke 1 : Artritis Reumatoid
(Ar)
P(AG) x [P(6|AG) x P(7|AG) x P(9|AG) x P(13|AG)]
= 0.333333333333 x 0.333333333333 x
0.3095238095235 x 0.3095238095235
=0.010644999
Penyakit Rematik ke 2 : Osteoartritis (Keropos Sendi) (KS)
= P(kS) x [P(6|KS) x P(7|KS) x P(9|KS) x P(13|KS)]
= 0.333333333333 x 0.3095238095235 x 0.333333333333 x 0.3095238095235
= 0.011463845
Penyakit Rematik ke 3 : Artritis Gout atau biasa disebut Rematik) (AG)
= P(AG) x [P(6|AG) x P(7|AG) x P(9|AG) x P(13|AG)]
= 0.3095238095235 x 0.3095238095235 x 0.333333333333 x 0.3095238095235
7. Menentukan hasil klasifikasi yaitu v yang memiliki hasil perkalian yang terbesar
Karena nilai 0.011463845 paling besar, maka contoh kasus pasien diklasifikasikan sebagai penyakit
Osteoartritis (Keropos Sendi)
IV. Kesimpulan dan Saran
1. Sistem mampu mendiagnosis dengan tepat sesuai pendapat pakar sebenarnya.
2.
Sistem membutuhkan data pasien yang lebih besar untuk membandingkan dengan hasil pada penelitian ini, guna mengetahui tingkat kehandalan sistem pakar.V.
PUTAKA
1. Sri Winiarti” SISTEM PENDUKUNG
KEPUTUSAN KLINIS UNTUK DIAGNOSA
PENYAKIT TULANG”, Program Studi
Teknik Informatika, Universitas Ahmad Dahlan, Yogyakarta
2. Heru Husada” Artritis/Rematik
”http://herihusada.blogspot.com/2008_09_01_ar chive.html, 2015
3. Heru Husada” Pengertian Penyebab dan
Gejala Rematik”
http://rianujatripangestu.blogspot.com/2013/05/ penyakit-rematik.html, 2015
