SISTEM PAKAR DETEKSI DINI PENYAKIT HERNIATED NUCLEUS PULPOSUS (HNP) BERBASIS WEB MENGGUNAKAN TEOREMA BAYES NASKAH PUBLIKASI

SISTEM PAKAR DETEKSI DINI PENYAKIT HERNIATED NUCLEUS

PULPOSUS (HNP) BERBASIS WEB MENGGUNAKAN

TEOREMA BAYES

NASKAH PUBLIKASI

diajukan oleh

Andhika Adhitama Gama

11.11.5530

kepada

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

AMIKOM YOGYAKARTA

YOGYAKARTA

2015

NASKAH PUBLIKASI

SISTEM PAKAR DETEKSI DINI PENYAKIT HERNIATED NUCLEUS

PULPOSUS (HNP) BERBASIS WEB MENGGUNAKAN

TEOREMA BAYES

disusun oleh

Andhika Adhitama Gama

11.11.5530

Dosen Pembimbing,

Anggit Dwi Hartanto, M.Kom

NIK. 190302163

Tanggal, 6 Juli 2015

Ketua Jurusan

Teknik Informatika

Sudarmawan, M.T.

NIK. 190302035

1

SISTEM PAKAR DETEKSI DINI PENYAKIT HERNIATED NUCLEUS PULPOSUS

(HNP) BERBASIS WEB MENGGUNAKAN

TEOREMA BAYES

Andhika Adhitama Gama

1)

_{, Anggit Dwi Hartanto}

2)

_,

1,2)_{Teknik Informatika STMIK AMIKOM Yogyakarta}

Jl Ringroad Utara, Condongcatur, Depok, Sleman, Yogyakarta Indonesia 55283

Email : agandhika@gmail.com1)_{, anggit@amikom.ac.id}2)

Abstract - Herniated Nucleus Pulposus disease or commonly called HNP, often comes suddenly and unawares. Herniated Nucleus Pulposus disease attacks the spinal part of the human body, both from the neck, upper back or lowerback. There are many factors that can cause this disease for example bad diettary pattern, wrong sitting postion, nor because of accidents such as fall.

Expert system is a computer-based system that uses a knowledge base, facts and technical reasoning to solve a problem. Expert system created to make it easy for humans to solve problems related to a specific field of expertise which is usually done by an expert.

This expert system for early detection of Herniated Nucleus

Pulposus (HNP) disease designed using Adobe

Dreamweaver software with MySQL Database and Apache web server which integrated into XAMPP. This expert system used for the initial consultation to find out if someone diagnosed as having symptomps of the HNP disease on her/his spinal, according to the knowledge base and master disease in the database using the Bayes Theorem.

Keywords - Expert System, Herniated Nucleus Pulposus,

Web, Bayes Theorem 1. Pendahuluan

Herniated Nucleus Pulposus (HNP) atau biasa dikenal masyarakat sebagai “saraf terjepit”, merupakan suatu gangguan akibat merembesnya (menonjol) atau melelehnya (herniasi) lapisan bantalan permukaan ruas tulang belakang (nucleus pulposus) dari antar ruas tulang (discus invertebralis). Tonjolan atau rembesan tersebut dapat menyebabkan penekanan pada saraf tulang belakang dan saraf tepi, sehingga terjadilah penyakit HNP.

Pengetahuan masyarakat terhadap penyakit ini sangatlah kurang, apalagi terkadang gejala-gejalanya sepele seperti nyeri punggung atau kesemutan pada kaki atau tangan. Lebih dari itu, dampak yang dapat diakibatkan oleh penyakit ini termasuk berat yaitu kelumpuhan.

Banyaknya penderita penyakit ini juga dipengaruhi oleh mahalnya biaya rumah sakit, apalagi untuk menentukan positif atau tidaknya seseorang terkena penyakit HNP harus melalui pemeriksaan dokter spesialis saraf dengan pemeriksaan penunjang yaitu rontgen dan atau MRI (Magnetic Resonance Imaging).

Perkembangan teknologi saat ini dapat dimanfaatkan untuk mendeteksi secara dini gejala-gejala penyakit Herniated Nucleus Pulposus dengan memanfaatkan konsep kecerdasan buatan (Artificial Intelegence) yang diimplementasikan dalam sistem pakar. Dengan menggunakan sistem pakar deteksi dini penyakit Herniated Nucleus Pulposus, masyarakat dapat mengenali gejala-gejala penyakit Herniated Nucleus Pulposus dengan lebih cepat, mudah, murah, dan dapat diakses kapan pun dan dimana pun karena sistem pakar ini berbasis web.

2. Landasan Teori 2.1 Tinjauan Pustaka

Abdul Aziz (2014) dalam penelitiannya “SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT IKAN BAWAL BERBASIS WEB”. Penelitian ini menghadirkan perancangan dan pembuatan sistem pakar untuk mendiagnosis penyakit yang biasa terjadi pada ikan bawal. Sistem pakar ini menggunakan algoritma tree dan metode inferensi forward chaining. Pengguna melakukan input berupa gejala-gejala, lalu sistem akan melakukan inferensi yang menghasilkan kemungkinan penyakit beserta cara menanggulanginya.

Kelebihan dari penelitian ini adalah sistem pakar yang dibuat berbasis web sehingga dapat diakses dimanapun dan kapanpun. Sedangkan kekurangan dari penelitian ini adalah penggunaan metode forward chaining yang mengharuskan pembuat menuliskan rule pencarian runut maju seakurat mungkin, dan hasil diagnosa yang ada kurang akurat. Zulfa Afifah Sibghotallah (2014) dalam penelitiannya “SISTEM PAKAR PEMILIHAN OBAT PADA PASIEN HIPERTENSI BERBASIS WEB MENGGUNAKAN METODE CERTAINTY FACTOR”. Dalam penelitian tersebut dihadirkan perancangan dan pembuatan aplikasi sistem pakar untuk memudahkan pemilihan obat untuk penyakit hipertensi. Sistem pakar tersebut dirancang menggunakan Dreamweaver dan database berupa MySQL. Pengguna dapat menggunakan sistem pakar dengan cara mengakses url sistem pakar karena berbasis web. Pengguna menentukan gejala-gejala hipertensi yang ada pada dirinya, lalu sistem akan melakukan penalaran untuk obat hipertensi yang sesuai. Dalam sistem pakar ini peneliti menggunakan metode Certainty Factor untuk menentukan hasil konsultasi. Kelebihan penelitian ini adalah sistem pakar yang dibuat berbasis web dan menggunakan metode Certainty Factor sehingga dapat diakses dimanapun dan kapanpun serta

2

menghasilkan diagnosis yang cukup akurat. Sedangkan kekurangannya adalah pilihan gejala yang sulit diketahui oleh pengguna serta minim fitur.

2.2 Dasar Teori

2.2.1 Kecerdasan Buatan (Artificial Intelegence)

Artificial Intelegence atau kecerdasan buatan dapat didefinisikan sebagai cabang sains komputer yang mempelajari otomatisasi tingkah laku cerdas (intelligent)[1]. 2.2.2 Sistem Pakar

Sistem pakar juga dapat didefinisikan sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut[2].

2.2.3 Penyakit Herniated Nucleus Pulposus

Hernia Nucleus Pulposus (HNP) atau yang biasa dikenal masyarakat sebagai “syaraf terjepit” merupakan suatu gangguan akibat merembes (menonjol) atau melelehnya (herniasi) lapisan atau bantalan permukaan ruas tulang belakang (nucleus pulposus) dari ruang antar ruas tulang belakang (discus invertebralis)[3].

2.2.4 Teorema Bayes

Teorema Bayes ditemukan oleh Reverend Thomas Bayes pada abad ke-18. Teorema ini merupakan dasar dari statistika Bayes dan dapat diterapkan dalam banyak bidang seperti sains, rekayasa, ilmu ekonomi, teori permainan, kedokteran, hukum, dan lain sebagainya.

2.2.5 Web

World Wide Web (www), lebih dikenal dengan web, merupakan salah satu layanan yang didapat oleh pemakai komputer yang terhubung ke internet.[4]

2.2.6 Konsep Basis Data (Database)

Basis data adalah kumpulan data yang saling berelasi. Data sendiri merupakan fakta mengenai obyek, orang, dan lain-lain. Data dinyatakan dengan nilai (angka, deretan karakter, atau simbol).[5]

2.2.7 ERD (Entity Relationship Diagram)

Entity Relationship Diagram atau diagram hubungan entitas adalah suatu pemodelan data yang didasarkan pada persepsi terhadap dunia nyata yang tersusun atas kumpulan objek-objek dasar yang disebut entitas dan hubungan antar objek-objek[6] 2.2.8 DFD (Data Flow Diagram)

Data Flow Diagram atau Diagram Aliran Data (DAD) adalah teknik analisa data terstruktur yang dapat merepresentasikan proses-proses data yang ada di dalam organisasi. Pendekatan aliran data menekankan pada logika yang mendasari sistem dengan menggunakan kombinasi dari empat simbol.[7]

3. Analisis dan Perancangan 3.1 Tinjauan Umum

Membahas tentang sistem pakar, bentuk teorema Bayes yang digunakan, dan pengaplikasian teorema Bayes dalam bahasa pemrograman PHP.

3.2 Analisis Masalah

Dalam tahap ini dilakukan analisis terhadap masalah atau kendala yang terjadi. Analisis masalah biasa juga disebut dengan analisis kelemahan sistem. Untuk memudahkan dalam melakukan analisis digunakan metode PIECES, yaitu metode dalam menganalisis kelemahan sistem dari beberapa segi antara lain kinerja (Performance), informasi (Information), ekonomi (Economy), pengendalian (Control), efisiensi (Efficiency) dan pelayanan (Services).

3.3 Solusi-solusi yang dapat diterapkan

Dari masalah-masalah yang telah diuraikan sebelumnya, terdapat beberapa solusi yang dapat diterapkan antara lain : 1. Solusi Jangka Pendek

Pembuatan sistem pakar deteksi dini penyakit HNP berbasis web menggunakan teorema Bayes.

2. Solusi Jangka Menengah

Pengimplementasian sistem pakar deteksi dini penyakit HNP ke dalam website resmi suatu rumah sakit di wilayah Jogja.

3. Solusi Jangka Panjang.

Pengimplementasian sistem pakar deteksi dini penyakit HNP ke dalam website resmi seluruh rumah sakit di Indonesia.

3.4 Solusi yang dipilih

Dalam penelitian ini dipilih solusi yang paling mungkin diterapkan dengan segera yaitu pembuatan Sistem Pakar Deteksi Dini Penyakit Herniated Nucleus Pulposus (HNP) Berbasis Web Menggunakan Teorema Bayes.

3.5 Analisis Kebutuhan

Analisis kebutuhan dari sistem dimaksudkan untuk mengetahui apa saja yang dibutuhkan oleh sistem yang akan dibangun dalam rangka mengganti atau memperbaiki kelemahan-kelemahan yang ditemukan dari sistem yang lama agar kinerja keseluruhan dari sistem menjadi lebih baik.

3.6 Analisis Kelayakan

Analisis kelayakan merupakan tahap untuk menganalisis sistem yang akan dibangun apakah dapat dilaksanakan atau tidak. Tujuan dari analisis kelayakan adalah untuk mengetahui layak atau tidaknya sebuah sistem baru yang akan diterapkan sebagai pengganti, perbaikan atau pengembangan dari sistem yang lama.

3.7 Perancangan Sistem Pakar

Perancangan sistem bertujuan untuk mendapatkan gambaran, perencanaan atau cetak biru dari sistem yang dibangun.

3

Dalam tahap perancangan ini terdapat beberapa komponen penting yang harus dirancang antara lain :

3.7.1 Rancangan Proses

Rancangan proses atau perancangan model dilakukan untuk membuat suatu gambaran yang dapat menjelaskan alur proses yang terjadi dalam sistem yang dibuat. Pada perancangan proses umumnya terbagi menjadi dua macam yaitu physical dan logical. Physical digunakan untuk menggambarkan alir sistem sedangkan logical menggambarkan secara logika fungsi-fungsi sistem akan bekerja. Dalam penelitian ini digunakan Flowchart untuk physical dan DFD untuk logical.

Gambar 1. DFD Level 0 3.7.2 Rancangan Basis Data

Untuk menggambarkan atau memodelkan struktur basis data untuk sistem pakar yang akan dibuat, digunakan perancangan ERD (Entity Relationship Diagram), perancangan Relasi Antar Tabel, dan perancangan Struktur Tabel.

3.7.3 Rancangan Antarmuka (Interface)

Tujuan dari rancangan antarmuka (interface) adalah memberikan gambaran, konsep, atau rancangan antarmuka yang efektif dan sesuai dengan pengguna sistem pakar. Efektif berarti siap digunakan dan sesuai berarti sesuai dengan kebutuhan pengguna sebagai admin maupun pengguna.

Gambar 2. Rancangan Menu Diagnosis

Gambar 3. Rancangan Hasil Diagnosis

4. Implementasi dan Pembahasan 4.1 Pembuatan Database dan Tabel

Langkah pertama adalah menjalankan aplikasi XAMPP. Selanjutnya buka browser dan akses alamat http://localhost/phpmyadmin dan buat basis data dengan nama “dbpakar” yang dilanjutkan membuat tabel-tabel yang dibutuhkan.

4.2 Input Nilai Probabilitas Bayes

Nilai probabilitas penyakit yang telah didapatkan dari pakar terkait (dokter spesialis saraf) diinputkan ke dalam tabel penyakit yang terdapat pada database agar dapat digunakan oleh sistem pakar.

4.3 Implementasi Program

Implementasi program adalah suatu tahap dalam pembuatan sistem sehingga sistem dapat digunakan sesuai dengan rancangan yang telah dibuat. Sistem dirancang menggunakan metode procedural coding menggunakan bahasa pemrograman PHP.

Gambar 4. Menu Diagnosis

Gambar 5. Hasil Diagnosis

4.4 Koneksi Form Dan Database Sistem

Agar basis data yang telah dibuat dapat diakses dan digunakan oleh sistem, maka perlu adanya koneksi antara database dengan sistem. Dalam sistem ini konfigurasi koneksi sistem ke database terdapat dalam file koneksi.php. 4.5 Instalasi Sistem

Instalasi sistem dilakukan agar sistem dapat diakses kapanpun dan dimanapun melalui jaringan internet dengan menggunakan web browser. Instalasi ini dilakukan pada web hosting dan domain.

4

4.6 Pengujian Sistem

Pengujian sistem dilakukan untuk mengetahui apakah sistem yang telah dibuat dapat berjalan dengan baik dan sesuai dengan fungsinya atau tidak. Dalam penelitian ini digunakan metode blackbox testing dan whitebox testing.

4.6.1 Whitebox Testing

Whitebox testing merupakan cara pengujian dengan melihat ke dalam modul untuk meneliti kode-kode program yang ada dan menganalisis apakah ada kesalahan atau tidak. Baris program dicek satu persatu apakah terdapat error yang mengakibatkan gangguan pada sistem atau mengakibatkan sistem tidak dapat berjalan. Error tersebut dapat berupa logical error maupun kesalahan penulisan kode program. Whitebox testing menggunakan software Adobe Dreamweaver CS6 yang mempunyai fitur pengecekan error code secara otomatis, dan hasilnya tidak terdapat error logical maupun penulisan kode program.

4.6.2 Blackbox Testing

Blackbox testing adalah pengujian yang dilakukan dengan cara mengamati hasil eksekusi melalui data uji dan memeriksa fungsional dari perangkat lunak. Blackbox testing pada sistem ini dilakukan dengan mengakses sistem dan mencoba satu-persatu fitur dari sistem, apakah berjalan sesuai atau tidak.

4.7 Pemeliharaan Sistem

Pemeliharaan sistem dilakukan oleh administrator secara teratur. Pemeliharaan sistem dimaksudkan agar sistem yang telah dibangun tetap berjalan dengan optimal dan tanpa gangguan atau kesalahan yang berasal dai sistem sendiri, maupun secara teknis pengelolaan sistem.

4.8 Pemeliharaan Data

Data merupakan bagian penting dari sistem, dalam sistem pakar deteksi dini penyakit HNP ini data disimpan dalam sebuah database MySQL. Kemungkinan kerusakan dan kehilangan data sewaktu-waktu dapat saja terjadi, karena dipengaruhi berbagai faktor seperti kesalahan teknis admin, maupun dari pihak penyedia jasa hosting. Maka dari itu diperlukan pemeliharaan data untuk dapat mencegah atau meminimalisir resiko terjadinya kehilangan atau kerusakan data.

5. Penutup 5.1 Kesimpulan

Berdasarkan pembahasan yang telah diuraikan dalam bab-bab sebelumnya, sekaligus untuk menjawab rumusan masalah yang terdapat pada bab I, maka dapat diambil beberapa kesimpulan antara lain :

1. Pembuatan sistem pakar diawali dengan pengumpulan data gejala dan rekomendasi dari pakar terkait beserta dengan nilai probabilitas bayes untuk penyakit dan gejala.

2. Setelah data-data yang diperlukan lalu membuat perancangan sistem pakar yang meliputi perancangan proses, basis data, dan perancangan interface.

3. Sistem pakar deteksi penyakit HNP berbasis web menggunakan teorema Bayes ini dibuat menggunakan Adobe Dreamweaver CS6 dan database MySQL menggunakan phpMyAdmin.

4. Sistem pakar ini dapat digunakan untuk mendeteksi secara dini penyakit HNP.

5.2 Saran

Saran yang dapat dilakukan untuk mengoptimalkan maupun mengembangkan sistem antara lain :

1. Proses instalasi sistem dapat terintegrasi dengan klinik atau rumah sakit agar menjadi sistem lebih valid karena rumah sakit memiliki pakar (dokter spesialis saraf). 2. Interface dari program dapat dibuat lebih menarik dengan

teknik pemilihan warna maupun pengaturan tata letak menu yang lebih baik sehingga membuat pengguna lebih tertarik untuk menggunakan.

3. Sistem pakar deteksi dini penyakit HNP dapat dikembangkan menjadi aplikasi mobile yang terintegrasi dengan website sistem pakar deteksi dini penyakit HNP. Daftar Pustaka

[1] Suyanto. 2014, Artificial Intellegence. Informatika : Bandung.

[2] Kusrini. 2006, Sistem Pakar Teori Dan Aplikasi. Penerbit ANDI : Yogyakarta.

[3] Green Dharmo Hospital Magazine diakses dari

www.pdpersi.co.id (diakses tanggal 4 Maret 2015 pukul 12.00).

[4] Sidi, Betha dan Pohan Husni I. 2010, Pemrograman Web

Dengan HTML. Informatika : Bandung.

[5] Kusrini. 2007, Strategi Perancangan dan Pengelolaan Basis

Data. Penerbit ANDI : Yogyakarta.

[6] Simarmata, Janner dan Paryudi, Irman. 2006, Basis Data.

Penerbit ANDI : Yogyakarta.

[7] Kendall, Kenneth dan Kendall, Julie. 2006, Analisis dan Perancangan Sistem. Indeks : Jakarta.

Biodata Penulis

Andhika Adhitama Gama, memperoleh gelar Sarjana Komputer (S.Kom), Jurusan Teknik Informatika STMIK AMIKOM Yogyakarta, lulus tahun 2015.

Anggit Dwi Hartanto, saat ini menjadi dosen di STMIK AMIKOM Yogyakarta