PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN METODE NAIVE BAYES SKRIPSI MUHAMMAD IMANURRAHMAN

(1)

PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN METODE NAIVE BAYES

SKRIPSI

MUHAMMAD IMANURRAHMAN 101402054

PROGRAM STUDI S-I TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN

2015

(2)

PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN METODE NAIVE BAYES

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ijazah Sarjana Teknologi Informasi

MUHAMMAD IMANURRAHMAN 101402054

PROGRAM STUDI S-I TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN

2015

(3)

PERSETUJUAN

Judul : PENGKLASIFIKASIAN PENYAKIT GINJAL

MENGGUNAKAN METODE NAIVE BAYES

Kategori : SKRIPSI

Nama : MUHAMMAD IMANURRAHMAN

Nomor Induk Mahasiswa : 101402054

Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI

Departemen : TEKNOLOGI INFORMASI

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, 11 Februari 2015

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dr. Erna Budhiarti Nababan , M.IT Dr. Suyanto, M.Kom

NIP. - NIP. 195908131986011002

Diketahui/Disetujui oleh

Program Studi S1 Teknologi Informasi Ketua,

Muhammad Anggia Muchtar S.T.MM.I.T NIP 19800110 200801 1 010

(4)

PERNYATAAN

PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN METODE NAIVE BAYES

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Februari 2015

Muhammad Imanurrahman 101402054

(5)

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan segala rahmat dan karuniaNya lah penulis bisa menyelesaikan penyusunan tugas akhir ini.

Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari pihak lain. Oleh karena itu penulis mengucapkan terima kasih banyak kepada :

1. Kedua orang tua penulis, yaitu Ayahanda H. Zulwan Rahman, SE dan Ibunda Hj.

Irlinda Lubis, SE yang selalu sabar dalam membesarkan dan mendidik penulis, juga kepada adik-adik penulis, yaitu Raissa Fitri, Zsizsi Akbarinda dan Almira Retna Ananda yang selalu memberikan semangat kepada penulis.

2. Kepada Bapak Dr. Suyanto, M.Kom dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku dosen pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.

3. Kepada Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc dan Bapak Dani Gunawan, ST, MT selaku dosen penguji yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis

4. Ketua dan Sekretaris Program Studi Teknologi Informasi, Muhammad Anggia Muchtar S.T.MM.IT dan Muhammad Fadly Syahputra B.Sc.M.Sc.IT.

5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi.

6. Seluruh sahabat penulis, Syilvi Haryanti, Ayu Asyva Irfita, Rezka Dermawan Hatta, Rezky Darmawan Hatta, Yolanda Tari, serta teman-teman prodi Teknologi Informasi angkatan 2010 yang tidak dapat penulis sebutkan satu persatu penulis ucapkan terima kasih atas doa dan dukungan yang telah diberikan.

Penulis menyadari bahwa masih terdapat banyak kekurangan dalam penyusunan tugas akhir ini. Karena itu penulis sangat mengharapkan adanya masukan - masukan yang membangun semua pihak untuk kesempurnaan tugas akhir ini. Akhir kata semoga tugas akhir ini dapat bermanfaat bagi semua pihak yang memerlukannya.

(6)

ABSTRAK

Sistem keputusan klinis mulai dikembangkan terutama untuk aplikasi proses diagnosis dan terapis. Penyakit ginjal merupakan salah satu penyakit yang mempunyai bermacam – macam penyakit. Metode Naive Bayes digunakan untuk mengklasifikasikan penyakit ginjal karena metode ini menghitung nilai - nilai probabilitas dari setiap gejala dari setiap penyakit. Dengan pengimplementasian metode ini dihasilkan aplikasi yang dapat mengklasifikasi penyakit pasien dan tingkat keberhasilan sistem sebesar 75 % berdasarkan data uji serta dapat memberikan suatu form rekomendasi yang dapat diajukan ke dokter.

Kata kunci : Klasifikasi penyakit, penyakit ginjal, naive bayes

(7)

KIDNEY DISEASE CLASSIFICATION USING NAIVE BAYES METHOD

ABSTRACT

Clinical decision system was developed especially for diagnostic and therapeutic applications process. Kidney disease is a disease that has a wide - range of diseases.

Naive Bayes method used to classify kidney disease because this method calculates the values of probability of any symptoms from all kidney disease. The implementation of this method can show the application that can classify a patient's disease and the success rate of 75% based training data and can provide a recommendation form that can be submitted to the doctor.

Keywords : disease classification, kidney disease, naïve bayes

(8)

DAFTAR ISI

Hal.

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak v

Abstract vi

Daftar Isi vii

Daftar Tabel x

Daftar Gambar xi

BAB 1 Pendahuluan 1

1.1. Latar Belakang 1

1.2. Rumusan Masalah 3

1.3. Batasan Masalah 3

1.4. Tujuan Penelitian 3

1.5. Manfaat Penelitian 3

1.6. Metodologi Penelitian 4

1.7. Sistematika Penulisan 4

BAB 2 Landasan Teori 6

2.1. Decision Support System 6

2.1.1. Karakteristik Sistem Pendukung Keputusan 6

2.1.2. Tujuan Sistem Pendukung Keputusan 7

2.1.3. Komponen Sistem Pendukung Keputusan 7 2.1.4. Manfaat Sistem Pendukung Keputusan 8

2.2. Naive Bayes 9

(9)

2.3. Penyakit Ginjal 10

2.3.1. Hidronefrosis 11

2.3.2. Gagal Ginjal Kronis 12

2.3.3. Gagal Ginjal Akut 13

2.3.4. Diabetes Mellitus 15

2.3.5. Pielonefritis 16

2.3.6. Penyakit Ginjal Polikistik 17

2.3.7. Kanker Ginjal 18

2.3.8. Medullary Sponge Kidney 19

2.3.9. Sindroma Nefrotik 20

2.3.10. Sindroma Nefritik Akut 21

2.3.11. Sindroma Nefritik Progresif 22

2.4. Penelitian Terdahulu 23

BAB 3 Analisis dan Perancangan Sistem 25

3.1. Analisis Sistem 25

3.2. Analisis Perhitungan Naïve Bayes Pada Proses Pengklasifikasian 25

3.3. Perancangan Sistem 34

3.3.1. Perancangan Flowchart Sistem 35 3.3.2. Perancangan pemodelan visual menggunakan UML 37 3.3.3. Perancangan Antarmuka Aplikasi 43

BAB 4 Implementasi dan Pengujian Sistem 47

4.1. Implementasi 47

4.1.1. Spesifikasi perangkat lunak 47

4.1.2. Spesifikasi perangkat keras 48

4.2. Tampilan Aplikasi 48

4.2.1. Tampilan halaman menu utama 48 4.2.2. Tampilan halaman pengklasifikasian 49

4.2.3. Tampilan halaman hasil klasifikasi 50

4.2.4. Tampilan halaman form email 50

(10)

4.2.5. Tampilan halaman panduan 51

4.2.6. Tampilan halaman penyakit ginjal 52

4.2.7. Tampilan halaman profil penulis 52

4.3. Pengujian 53

4.3.1. Pengujian aplikasi 53

4.3.2. Pengujian kinerja metode naive bayes terhadap aplikasi

pengklasifikasian 54

4.3.3. Pengujian terhadap data 59

BAB 5 Kesimpulan dan Saran 63

5.1. Kesimpulan 63

5.2. Saran 63

Daftar Pustaka 64

Lampiran A : Data Gejala dan Nilai Probabilitas Lampiran B : Surat Keterangan Penelitian

(11)

DAFTAR TABEL

Hal.

Tabel 2.2. Penelitian Terdahulu 24

Tabel 3.1. Use Case Spesifikasi untuk Use Case Gejala 38 Tabel 3.2. Use Case Spesifikasi untuk Use Case Petunjuk 38 Tabel 3.3. Use Case Spesifikasi untuk Use Case Penyakit Ginjal 39 Tabel 3.4. Use Case Spesifikasi untuk Use Case Profil Penulis 39

Tabel 4.1. Pengujian Aplikasi 54

Tabel 4.2. Validasi Hasil Dokter Penyakit 1 59

(12)

DAFTAR GAMBAR

Hal.

Gambar 2.1. Komponen Decision Support System 7

Gambar 3.1. Diagram Proses 34

Gambar 3.2. Flowchart Aplikasi 35

Gambar 3.3. Flowchart Alur Pengklasifikasian 36

Gambar 3.4. Use Case Diagram 37

Gambar 3.5. Diagram Activity Halaman Klasifikasi 40

Gambar 3.6. Diagram Activity Halaman Petunjuk 41

Gambar 3.7. Diagram Activity Halaman Penyakit Ginjal 42 Gambar 3.8. Diagram Activity Halaman Profil Penulis 42

Gambar 3.9. Rancangan Antarmuka Aplikasi 43

Gambar 3.10. Rancangan Antarmuka Halaman Klasifikasi 44 Gambar 3.11. Rancangan Antarmuka Halaman Petunjuk 44 Gambar 3.12. Rancangan Antarmuka Halaman Penyakit Ginjal 45 Gambar 3.13. Rancangan Antarmuka Halaman Profil Penulis 46

Gambar 4.1. Menu Utama 49

Gambar 4.2. Pengklasifikasian 49

Gambar 4.3. Hasil Spesifikasi 50

Gambar 4.4. Form Email 51

Gambar 4.5. Panduan 51

Gambar 4.6. Informasi Penyakit Ginjal 52

Gambar 4.7. Profil Penulis 53

Gambar 4.8. Proses Pemilihan Gejala 55

Gambar 4.9. Gejala Pengguna 56

Gambar 4.10. Pengelompokan Gejala Berdasarkan Penyakit 57

Gambar 4.11. Nilai Gejala yang Pengguna Pilih 57

Gambar 4.12. Total Bayes 58

Gambar 4.13. Hasil Klasifikasi 58