Diagnosa Penyakit Hepatitis Menggunakan Metode Sorensen Coefficient

(1)

Jurnal Teknik Informatika dan Sistem Informasi ISSN 2407- 4322

Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503- 2933 1307

Diagnosa Penyakit Hepatitis Menggunakan Metode Sorensen Coefficient

Ilham Rizky Riyanto, Ucuk Darusalam, Deny Hidayatullah

Universitas Nasional, Jl. Sawo Manila, Pejaten Ps. Minggu Jakarta 12520 Informatika, Fakultas Teknologi Komunikasi dan Informatika

e-mail : rizkyilham954@gmail.com, ucuk.darusalam@gmail.com, deny@unas.ac.id,

Abstract

Dalam suatu teknologi komputer yang dapat membantu orang memecahkan masalah yang banyak diterapkan dalam dunia kedokteran adalah sistem pakar. sistem yang yang diadopsi dari wawasan manusia ke dalam komputer, sehingga memungkinkan masalah terselesaikan oleh komputer, sebagaimana yang dikembangkan oleh seorang ahli. Dalam penelitian ini, Sistem Pakar dapat mendiagnosis penyakit hepatitis. Sistem tersebut dapat mendiagnosis penyakit hepatitis, yang dibuat dengan menggunakan bahasa pemograman PHP dan database MySQL dengan menggunakan metode Sorensen Coefficient. Dengan masukan berupa gejala dan tes darah, kemudian hasilnya kemungkinan penyakit yang diderita pasien dan penjelasan penyakit serta solusi pengobatannya. Hasil dari penilitian yang dilakukan dari gejala yang dipilih oleh user, presentase terendah terdapat pada kode penyakit Hepatitis E (P5) dengan nilai 20 % kemudian penyakit Hepatitis D (P4) dengan nilai 30 % lalu penyakit Hepatitis C (P3) dengan nilai 30 % dan terakhir penyakit Hepatitis A (P1) dengan 40 %.

Sedangkan prosentasi tertinggi terdapat kode penyakit Hepatitis B (P2) dengan nilai 75 %.

Solusi permasalahan yang akan diberikan adalah solusi dengan bobot kemiripan yang paling tinggi. Jadi penyakit Hepatitis B (P2) yang direkomendasikan oleh sistem. Metode Sorensen Cooficient dapat diterapkan pada sistem pakar untuk penyakit sederhana seperti hepatitis akut yang dilakukan pada penelitian ini.

Kata kunci: Hepatitis, Sistem Pakar , Sorensen Coefficient.

Abstract

Computer technology, which can help people solve problems, is an expert system widely applied to healthcare professionals. Adopted by human acumen for computers, the system enables experts to solve problems developed by computers. In this study, an expert system was able to diagnose hepatitis. The system can diagnose hepatitis, which is made using the PHP programming language and MySQL database using the Sorensen Coefficient method. When entered in the form of symptoms and blood tests, the results are a description of the patient's disease and possible treatment. The results of the tests carried out from the symptoms selected by the user, the lowest percentage is in the code for Hepatitis E (P5) with a value of 20%, then Hepatitis D (P4) with a value of 30%, then Hepatitis C (P3) with a value of 30% and finally Hepatitis A disease (P1) with 40%. While the highest percentage is Hepatitis B disease code (P2) with a value of 75%. The solution to the problem that will be given is the solution with the highest similarity weight. So Hepatitis B (P2) is recommended by the system. This study implemented the SorensenCooficiency method, which can be applied to the expert system of simple diseases such as acute hepatitis.

Keywords: Hepatitis, Expert Systems, Sorensen Coefficient.

(2)

1308 Jatisi ISSN 2407-4322 Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933

Ilham, et., al [Diagnosa Penyakit Hepatitis Menggunakan Metode Sorensen Coefficient]

1. PENDAHULUAN

Seiring perkembangan zaman, semakin berkembangnya juga teknologi informasi. Hampir dalam segala sektor terpengaruh perkembangan teknologi. Salah satu aspek yang terpengaruh perkembangan teknologi adalah sektor kesehatan. Membuat para ahli terpacu untuk mengebangkan teknologi dalam membantu kinerja manusia. Salah satu sistem yang menyediakan jalan keluar adalah sistem pakar berbasis pengetahuan dengan kualitas pakar dan masalah yang lebih spesifik. Untuk mengatasi masalah para ahli merancang sistem yang diadopsi dari pengetahuan atau wawasan manusia ke komputer. Salah satu sistem yang diimplementasikan adalah sistem pakar, dengan menggunakan bahasa pemrograman untuk membantu mengatasi masalah. Sistem yang dapat menghasilkan perancangan sistem yang lebih konsisten dan efisien.

Hepatitis merupakan kategori penyakit berbahaya yang bisa merusak liver atau organ hati. Akibat dari penyakit hepatitis yaitu peradangan pada fungsi hati yang dapat mengganggua kinerja hati. Bila fungsi hati sudah terjangkit penyakit hepatitis akan merusakan organ lainnya.

maka akan berakibat pada kesehatan seseorang. Jika sudah terjangkit maka akan terjadi penolakan pada darah yang mengalir ke pembuluh darah, yang mengakibatkan tekanan darah naik. Beberapa macam contoh virus hepatitis seperti Hepatitis A, Hepatitis B, Hepatitis C, Hepatitis D, dan Hepatitis E. Gejala umum pada penyakit hepatitis yaitu diare, sakit pada bagian perut bagian kanan, demam, lemas, lesu, dan mual. Pada beberapa kasus yang terjadi gejala yang sering ditemukan adalah sakit atau flu, mata dan kulit menguning. Dari contoh kasus yang ada, gejala hepatitis tidak selalu terdeteksi seperti pada contoh kasus yang terjadi pada anak dibawah umur. Berlandaskan latar belakang yang ada, di rancanglah suatu sistem pakar yang dapat mendiagnosis penyakit hepatitis dengan hasil spesifik.

Sistem pakar ini di rancang untuk membantu masyarakat untuk mendiagnosa penyakit hepatitis pengguna dengan dapat dengan mudah memeriksa gejala yang di alami dengan data yang sudah terinput pada web dengan menggunakan metode sorensen coefficient. Beragamnya metode pengambilan keputusannya. Seperti metode operasi logika dan metode perhitungan pengambilan keputusan seperti contoh metode sorensen cooficient. Metode ini memeliki keakuratan yang lebih dibanding metode lainnya, karena dapat mengkomparasi perhitungan per dua nilai. Dengan menerapkan dari case based reasoning yaitu kasus lama berfungsi sebagai pengalaman untuk kasus baru, memungkinkan pengguna untuk dengan mudah mengidentifikasi jenis kasus penyakit hepatitis dengan algoritma sorensen cooficient bisa memberikan hasil yang optimal.

Pada penelitian ini mengambil dari beberapa penelitian sebelumnya yang menggunakan CBR untuk mempermudah diagnosa penyakit yang di alami pada burung lovebird yang di deteksi berdasarkan gejala untuk mencari solusi dengan metode sorencen coefficient. [1].

Kemudian penulis mengambil literasi pada penelitian lainnya Membuat sistem kecerdasan buatan untuk memaksimalkan hasil ternak dan produksi ayam broiler dengan merepresentasi kasus CBR dengan metode Similaritas Sorgenfrei yang dirancang menggunakan program PHP dan MYQL [2]. Penelitian sebelumnya menggukan metode sorensen coefficient dengan merancang suatu sistem untuk mambantu mendiagnosa penyakit ternak sapi [3]. Berikutnya penelitian Dengan Metode Sorensen-Dice Coefficient dapat membuat sistem untuk komunitas saling bertukar informasi, ketertarikan dan sumber daya. Untuk memenuhi suatu sistem portal informasi membutuhkan model community of practice [4]. Penelitian sebelumnnya meneliti untuk mengatasi dan memperbaiki mesin produksi dengan menggunakan CBR dan Sorensen Coefficient berdasarkan kemiripan yang sudah ada dan mendapatkan sebuah informasi pada kerusakan mesin produksi. [5]. Berikutnya penelitian tentang “Rancangan Case Based Reasoning menggunakan Sorenson Coefficient”. Pada penelitian tersebut, penulis mempelajari mengenai metode Sorensen [6]. Kemudian pada penelitian berikutnya meneliti tentang

(3)

Jatisi ISSN 2407-4322

Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933 1309

pendeteksi masalah pada pra eklampsia kehamilan dengan memakai metode sorensen coefficient [7]. Pada penelitian sebelumnnya dengan Metode Collaborative Collective Intelligence dan Sorensen-Dice Coefficient yang diterapkan dalam aplikasi berbasis web untuk membandingkan suatu produk alternatif dan harga yang dibutuhkan oleh konsumen [8]. Kemudian Pada penelitian ini mengimplementasi dari jurnal sebelumnya dengan judul “Implementasi Case- Based-Reasoning Pada Deteksi Estrus Sapi Perah Menggunakan Sorensen Coefficient” [9].

Berikutnya dalam penelitian sebelumnya mengimplementasikan CBR pada sistem yang menentukan status gizi pada balita dengan motede sorensen coefficient [10].

2. METODE PENELITIAN a. Sistem Pakar

Bila ditarik dari kesimpulan, sistem pakar (expert system) merupakan sebuah sistem yang di ambil dari pengetahuan manusia yang di terapkan komputer, yang dapat menyelesaikan suatu permasalahan pada kehidupan manusia. Cara kerja sistem adalah dengan cara meniru para ahli untuk menyelesaikan suatu masalah tertentu. [11] Pada pertengahan tahun 1960 komunitas Artificial Intelligence yang pertama kali meningkatkan sistem pakar. Salah satu sistem pakar yang pertama kali ditingkatkan oleh Newel dan Simon adalah GPS (General purpose Problem Solver). Dikarenkan ruang lingkup yang terlalu luas sistem pakar GPS sering mengalami kegagalan, sehingga memberikan peran penting untuk npara ahli dalam menggembangkan sistem pakar.

b. Sorensen Coefficient

Dengan menjumlahkan similaritas dua objek yang bersifat biner, menggukan motede sorensen coefficient adalah salah satu cara merumuskan metode sorensen coefficient, untuk menentukan antara dua objek x dan y pada similaritas. [11]

Ket:

X adalah kasus lama Y adalah kasus baru

M 11 melambangkan banyaknya atribut biner, x=1 dan y=1 (Hasil gejala yang sama antara kasus

baru dengan kasus lama)

M 10 melambangkan banyaknya atribut biner, x=1 dan y=0 (Hasil gejala kasus lama yang tidak

ada di gejala kasus baru)

M 01 melambangkan banyaknya atribut biner, x=0 dan y=1 (Hasil gejala kasus baru yang tidak ada di gejala kasus baru)

(4)

1310 Jatisi ISSN 2407-4322 Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933

Gambar 1. Flowchart Similaritas Sorensen Coefficient

- Test dilakukan berdasarkan kasus yang sudah di input atau di pilih oleh pengguna

- Sistem melakukan pengecekan, dengan menghitung kemiripan dengan kasus lama menggunakan algortima sorensen coeffcient

- Sehingga menghasilkan data kemiripan akhir yang telah diproses oleh algortima c. PHP

Hypertext Preprocessor atau PHP, merupakan suatu bahasa pemrograman yang digabungkan pada dokumen HTML. Pada PHP memiliki sebagian sintaks yang menyerupai bahasa C dan Java, dengan fungsi yang spesifik. Web yang bekerja secara otomatis merupakan tujuan dari penggunaan bahasa PHP. Rasmus Lerdroft adalah seorang programmer yang buat PHP pertama kali. FI (Form Interpreted) nama sebelum menjadi PHP, FI (Form Interpreted) merupakan kumpulan script untuk dimanfaatkan mengolah data form pada web. Fungsi awal dari PHP adalah untuk menghitunh jumlah pengguna pada web. Pada tahun 1995 Rasmus Lerdroft merancang suatu Personal Home Page pada Tools versi 1.0 secara gratis. Dengan kumpulan script PERL untuk mengimplementasikan pada halaman web menjadi lebih dinamis.

Hypertext Preprocessing/Form Interpreter atau PHP/FI adalah kode sumber yang di luncurkan oleh Rasmus Lerdroft umtuk umum.

d. Metode Pengumpulan Data

Pengumpulan data yang diterapkan pada metode adalah:

1. Wawancara

Cara kerja metode ini adalah dengan melakukan tanya jawab.

2. Studi pustaka

Mencari beberapa referensi yang berhubungan dengan rancangan sistem pakar diagnosis penyakit hepatitis adalah cara kerja metode ini.

(5)

Jatisi ISSN 2407-4322

Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933 1311

e. Metode Pengembangan Waterfall

Motode waterfall adalah metode yang digunakan untuk perancangan dan pengembangan perangkat lunak [4]. Berikut beberapa pengembangan waterfall dalam software:

1. Analisis Kebutuhan

Tahap pertama adalah mencari keperluan untuk software terkait penggunaan sistem.

2. Desain Sistem

Pembuatan program perangkat lunak Tahapan ini bertujuan untuk mendesain tampilan.

3. Implementasi Kode

Pada tahapan sebelumnya yang sudah dibuat, merupkan source kode pemrograman berdasarkan hasil.

4. Pengujian

Tahap pengujian bertujuan untuk mencari kekeliruan terhadap sistem yang diperbarui 5. Pemeliharaan

Tahap terakhir betujuan untuk pemeliharaan software secara teratur.

f. Metode CBR (Case-Based Reasoning)

AI (Artificial Intelligent) adalah metode pendeketan kecerdasan buatan dengan memecahkan masalah berdasarkan literatur dari kasus sebelumnya. Kemudian kasus disimpan sebagai basis pengetahuan agar sistem melakukan learning dan knowledge agar sistembertambah. Beberapa langkah dari metode ini yaitu: [1]

1. Retrieve atau pengumpulan kembali permasalah yang memiliki kasus yang sama.

2. Reuse adalah penggunaan pengetahuan dan informasi dari kasus tersebut untuk dapat memecahkan suatu permasalahan.

3. Revise memiliki cara kerja dengan meninjau dan memperbaiki kembali usulan.

4. Retain adalah bagian penyimpanan dari pengalaman tersebut yang bertujuan agar masalah terpecahkan pada masa yang akan datang. Dengan memilih informasi dari kasus yang akan disimpan. Untuk mepermudah menentukan masalah yang sama dengan cara menata kasus dan mengintegrasikan kasus baru pada struktur penyimpanan.

3. HASIL DAN PEMBAHASAN a. Basis Pengetahuan

Pada sistem pakar memiliki sesuatu yang penting berupa basis pengetahuan.

Wawancara menghasilkan suatu fakta dan pengetahuan dari beberapa literatur dari jurnal, buku dan lainnya yang didasari basis pengetahuan. Berikut merupakan hasil dari fakta tersebut.

Tabel 1. Data Penyakit Id Penyakit Nama Penyakit

P1 Hepatitis A

P2 Hepatitis B

P3 Hepatitis C

P4 Hepatitis D

P5 Hepatitis E

Pada tabel 1 merupakan data jenis penyakit hepatitis. Berikut beberapa macam virus hepatitis adalah Hepatitis A, Hepatitis B, Hepatitis C, Hepatitis D, dan Hepatitis E.

(6)

1312 Jatisi ISSN 2407-4322 Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933

Tabel 2. Data Gejala

Id Gejala Gejala

G1 Mudah lelah

G2 Mual

G3 Muntah

G4 Nyeri perut kanan

G5 Diare

G6 Kulit dan bagian putih mata menguning

G7 Kehilangan selera makan

G8 Urine berwarna gelap

G9 Demam

G10 Nyeri Sendi

G11 Nyeri tulang dan otot

G12 Kotoran berwarna keputihan

G13 Kulit gatal-gatal

G14 Pembengkakan hati

G15 Gagal hati akut

Pada tabel 2 merupakan data gejala yang dirasakan penderita penyakit hepatitis. Gejala diatas tidak semuanya dirasakan oleh setiap jenis penyakit hepatitis. Ada yang hanya dirasakan oleh beberapa jenis penyakit saja. Gejala yang dirasakan memang hampir sama di semua jenis penyakit hepatitis, tetapi ada yang lebih spesifik ke jenis penyakitnya.

Tabel 3. Data Pengetahuan No Penyakit Gejala

1 Hepatitis A Mudah lelah 2 Hepatitis A Muntah 3 Hepatitis A Mual

4 Hepatitis A Nyeri perut kanan 5 Hepatitis A Diare

6 Hepatitis A Kulit dan bagian putih mata menguning 7 Hepatitis A Kehilangan selera makan

8 Hepatitis A Demam

9 Hepatitis A Urine berwarna gelap 10 Hepatitis A Nyeri Sendi

11 Hepatitis B Nyeri perut kanan 12 Hepatitis B Nyeri tulang dan otot 13 Hepatitis B Kotoran berwarna keputihan 14 Hepatitis C Demam

15 Hepatitis C Kehilangan selera makan 16 Hepatitis C Urine berwarna gelap 17 Hepatitis C Nyeri perut kanan 18 Hepatitis C Nyeri Sendi

19 Hepatitis C Kulit dan bagian putih mata menguning 20 Hepatitis D Kulit dan bagian putih mata menguning 21 Hepatitis D Nyeri Sendi

22 Hepatitis D Mudah lelah

23 Hepatitis D Kehilangan selera makan 24 Hepatitis D Nyeri perut kanan

(7)

Jatisi ISSN 2407-4322

Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933 1313

25 Hepatitis D Urine berwarna gelap

26 Hepatitis D Muntah 27 Hepatitis E Demam 28 Hepatitis E Mudah lelah

29 Hepatitis E Kehilangan selera makan 30 Hepatitis E Nyeri perut kanan 31 Hepatitis E Urine berwarna gelap 32 Hepatitis E Kulit gatal-gatal

33 Hepatitis E Kulit dan bagian putih mata menguning 34 Hepatitis E Pembengkakan hati

35 Hepatitis E Gagal hati akut

Tabel 3 merupakan data pengetahuan antara jenis penyakit hepatitis dan masing-masing gejalanya. Data penyakit memiliki beberapa gejala yang memiliki kesamaan di setiap jenis penyakit dan juga memiliki perbedaan. Pengetahuan ini nanti digunakan sebagai data utama yang akan dibandingkan dengan gejala yang dimiliki oleh pengguna.

Aturan penyakit-gejala dibuat untuk menterjemahkan tabel-tabel keputusan pada kemiripan untuk diagnosa penyakit hepatitis menggunakan metode Sorensen Coeffient ditunjukkan seperti pada tabel 4.

Tabel 4. Aturan Penyakit Gejala

Aturan Penyakit-Gejala

R1 IF G1 AND G2 AND G3 AND G4 AND G5 AND G6 AND G7 AND G8 AND G9 AND G10 THEN R1

R2 IF G4 AND G11 AND G12 THEN R2

R3 IF G4 AND G6 AND G7 AND G8 AND G9 AND G10 THEN R3

R4 IF G1 AND GG3 AND G4 AND G6 AND G7 AND G8 AND G10 THEN R4 R5 IF G9 AND G1 AND G4 AND G7 AND G8 AND G6 AND G13 AND G14 AND

G15 THEN R5

b. Contoh Perhitungan Manual Sorensen Coefficient Contoh Kasus:

Tabel 5. Contoh Kasus

Gejala yang dipilih Id gejala

Nyeri perut kanan G4

Diare G5

Kulit dan bagian putih mata menguning

G6 Nyeri tulang dan otot G11 Kotoran berwarna

keputihan

G12

Sistem mendiagnosa dengan mencarian kemiripan gejala yang dipilih oleh pengguna sesuai dengan gejala pada tabel penyakit. Jika terdapat kemiripan akan bernilai 1, jika tidak adanya kemiripan bernilai 0. Pada proses ini sistem melakukan penyelesaian dengan kemiripan kasus baru dan kasus lama dengan algoritma Sorensen Coeffient. Berikut proses perhitugan pada sistem:

[1] Perhitungan pada jenis penyakit Hepatitis A

(8)

1314 Jatisi ISSN 2407-4322 Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933

Tabel 6. Perhitungan P1 Kode Gejala yang

dipilih

Kode Gejala Penyakit P1

G4 G1

G5 G2

G6 G3

G11 G4

G12 G5

G6 G7 G8 G9 G10

Terdapat 3 gejala yang sama yaitu G4, G5,G6. Ada 7 kasus lama yang tidak terdapat pada kasus baru. Ada 2 kasus baru yang tidak terdapat di kasus lama. Sehingga perhitungan prosentase dari (P1) sebagai berikut:

1 = ( 3)

(2 3) + 7 + 2 = 6

15 = 0.4 = 40 % [2] Perhitungan pada jenis penyakit Hepatitis B

dipilih

G4 G4

G5 G11

G6 G12

G11 G12

Terdapat 3 gejala yang sama yaitu G4, G11,G12. Ada 0 gejala kasus lama yang tidak ada di gejala kasus baru. Ada 2 jumlah gejala kasus baru yang tidak ada di gejala kasus lama.

Sehingga perhitungan prosentase dari (P2) sebagai berikut:

2 = ( 3)

(2 3) + 0 + 2 = 6

8 = 0.75 = 75 % [3] Perhitungan pada jenis penyakit Hepatitis C

dipilih

G4 G4

G5 G6

G6 G7

G11 G8

G12 G9

(9)

Jatisi ISSN 2407-4322

Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933 1315

G10

Terdapat 2 gejala yang sama yaitu G4, G6. Ada 4 gejala kasus lama yang tidak ada di gejala kasus baru. Ada 3 gejala kasus baru yang tidak ada di gejala kasus lama. Sehingga perhitungan prosentase dari (P3) sebagai berikut:

3 = ( 2)

(2 2) + 4 + 3 = 4

11 = 0.36 = 36 % [4] Perhitungan pada jenis penyakit Hepatitis D

dipilih

G4 G1

G5 G3

G6 G4

G11 G6

G12 G7

G8 G10

4 = ( 2)

(2 2) + 5 + 3 = 4

12 = 0.3 = 30 % [5] Perhitungan pada jenis penyakit Hepatitis E

dipilih

G4 G1

G5 G4

G6 G6

G11 G7

G12 G8

G9 G13 G14 G15

1 = ( 2)

(2 2) + 7 + 3 = 4

14 = 0.2 = 20 %

(10)

1316 Jatisi ISSN 2407-4322 Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933

Dan hasil perhitungan keseluruhan selengkapnya dapat dilihat pada Tabel 11 Tabel 11. Hasil Perhitungan

Jenis Penyakit Nilai Prosentase

P1 40 %

P2 75 %

P3 36 %

P4 30 %

P5 20 %

Dari gejala yang dipilih oleh user, prosentase terendah terdapat pada kode penyakit P5 dengan nilai 20 % kemudian penyakit P4 dengan nilai 30 % lalu penyakit P3 dengan nilai 30 % dan terakhir penyakit P1 dengan 40 %. Sedangkan prosentasi tertinggi terdapat kode penyakit P2 (Hepatitis B) dengan nilai 75 %. Solusi permasalahan yang akan diberikan adalah solusi dengan bobot kemiripan yang paling tinggi. Jadi penyakit Hepatitis B (P2) yang direkomendasikan oleh sistem.

c. Halaman Aplikasi

a. Halaman Utama Pengguna

Gambar 2. Halaman Utama Pelanggan

Halaman utama pelanggan tampilan awal ketika pengguna membuka aplikasi sistem pendukung keputusan penyakit hepatitis. Halaman ini berisikan empat menu yaitu home, informasi, daftar dan login. Masing-masing menu bisa digunakan oleh pengguna.

(11)

Jatisi ISSN 2407-4322

Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933 1317

b. Halaman Daftar

Gambar 3. Halaman Daftar

Tampilan menu daftar pada halaman ini berisikan form daftar untuk pengguna yang akan melakukan diagnosa penyakit. Pada form ini diisi nama, email dan password.

c. Halaman Login Pengguna

Gambar 4. Halaman Masuk Pengguna

Halaman masuk pengguna tampilan login untuk pengguna. Setelah melakukan daftar maka pengguna masuk ke dalam aplikasi ini dengan masuk dengan email dan

(12)

1318 Jatisi ISSN 2407-4322 Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933

password yang telah terdaftar. Jika sesuai dengan akun daftar maka pengguna bisa masuk dan melakukan diagnosa.

d. Halaman Hasil Diagnosa

Gambar 5. Halaman Hasil Diagnosa

Halaman hasil dianosa merupakan tampilan hasil diagnosa pengguna. Pada halaman ini pengguna bisa melihat kembali secara detail diagnosa yang telah dilakukan. Hasil diagnosa sendiri berisikan data id, tanggal dilakukan diagnosa, gejala yang dipilih serta nilai akurasi penyakit yang ditentukan oleh sistem.

d. Hasil Pengujian

Tabel 12. Pengujian

No Test Case Hasil yang

diharapkan Hasil Pengujian Sistem Kesimpulan 1 Muntah

Nyeri perut Kanan

Hepatitis D Sesuai

2 Pembengkakan hati

Gagal hati akut

Hepatitis E Sesuai

(13)

Jatisi ISSN 2407-4322

Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933 1319

3 Mual

Muntah Demam Nyeri Sendi Nyeri tulang

dan otot

Hepatitis A Sesuai

4 Urine

berwarna gelap Demam

Hepatitis C Sesuai

5 Demam

Nyeri tulang dan otot

Pembengkakan hati

Gagal hati akut

Hepatitis E Sesuai

6 Mudah lelah Nyeri perut

kanan Kehilangan

selera makan Urine

berwarna gelap

Hepatitis D Sesuai

Metode Sorensen coefficient diuji dengan menyeimbangkan hasil data kasus baru yang diproses oleh sistem dan data para ahli.Dari hasil pengujian pada 6 kasus diatas, hasil yang ditampilkan oleh sistem sesuai dengan analisa pakar. Sehingga sistem ini bisa digunakan sebagai acuan diagnosa penyakit hepatitis.

4. KESIMPULAN

Maka pada penelitian ini dapat disimpulkan bahwa metode sorensen coefficient digunakan untuk mendiagnosa penyakit hepatitis menggunakan kemiripan gejala yang di terapkan pada sistem pakar diagnosa penyakit hepatitis berbasis web. Dapat di tarik kesimpulan,

(14)

1320 Jatisi ISSN 2407-4322 Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933

pengujian menghasilkan hitungan secara manual dan aplikasi dengan hasil tingkat keyakinan 75

%. Diharapkan masyarakat terbantu dengan sistem pakar yang mendeteksi gejala awal penyakit hepatitis.

5. SARAN

Saran untuk penelitian ini adalah lebih meningkatkan tingkat persentase keyakinan dan akurasi pada hasil diagnosa penyakit hepatitis pada sistem pakar. Untuk menambahkan kasus baru pada data agar mampu mediagnosa gejala lebih banyak dan akurat.

DAFTAR PUSTAKA

[1] Naimustari, Masrukhan 2016, “Case Based Reasoning Untuk Diagnosa Penyakit Burung Lovebird Menggunakan Metode Sorensen Coefficient”, Undergraduate Thesis, Universitas Stikubank (Unisbank) Semarang.

[2] Pratama, Dicky 2019, “Case Based Reasoning Penyakit Ayam Broiler Menggunakan Algoritma Similaritas Sorgenfrei”, Undergraduate Thesis, Universitas Stikubank.

[3] Agus Sugihandono dkk 2019,” Case Base Reasoning Sebagai Alat Bantu Diagnosis Penyakit Ternak Sapi Menggunakan Sorenson Coeficient” (Studi Kasus: Di Kabupaten Pati)”, Vol. XIV Nomor 2 Juni 2019 – Jurnal Teknologi Informasi ISSN: 1907-2430.

[4] Setyowijoyo , A. 2016,” Rancang Bangun Portal Informasi Galeri Karya Mahasiswa Dengan Model Community of Practice dan Metode Sorensen-Dice”.Kc.Umn.Ac.Id.

[5] Prakasa, A., Chrisnanto, Y. H. & Komarudin, A., 2016. “Penentuan Penanganan Kerusakan Mesin Produksi Resleting di PT. Hero Top Zip Menggunakan Case Based Reasoning dan Sorensen Coefficient”, Prakasa dkk, Volume 20, pp. 114-119.

[6] Nugraheni, M., 2012. Rancangan Case-Based Reasoning Menggunakan Sorenson Coefficient, Jurnal Informatika, Januari, 6(1), pp. 612-616.

[7] Agustina 2015,” Case Based Reasoning Untuk Deteksi Gangguan Pra Eklampsia Kehamilan Dengan Menggunakan Metode Sorensen Coefficient”, eprints.umm.ac.id.

[8] Irawan, A 2016, “Rancang Bangun Sistem Pencarian Alternatif Produk Dengan Metode Collaborative Collective Intelligence Dan Sørensen–Dice Coefficient Berbasis Web (Studi Kasus Minimarket Dua Putri)”.

[9] Wijaya, dkk 2020,” Implementasi Case-Based-Reasoning pada Deteksi Estrus Sapi Perah Menggunakan Sorensen Coefficient”, JURNAL ELTEK Vol. 18, No. 2, Oktober 2020, hal. 30~37 p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740 DOI:

https://doi.org/10.33795/eltek.v18i2.252.

(15)

Jatisi ISSN 2407-4322

Vol. 8, No. 3, September 2021, Hal. 1307-1321 E- ISSN 2503-2933 1321

[10] Widiatuning 2017, “Sistem Penentuan Status Gizi Balita Menggunakan Penalaran

Berbasis Kasus dengan Metode Sorenson Coefficient (Studi Kasus: Kota Pontianak)”.

Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 5, No. 2.

[11] Arhami, Mohammad. 2012, Konsep Dasar Sistem Pakar, Andi, Yogyakarta.