Sistem Pakar Diagnosa Tingkat Depresi Mahasiswa Tingkat Akhir Menggunakan Metode Teorema Bayes

(1)

Sistem Pakar Diagnosa Tingkat Depresi Mahasiswa Tingkat Akhir Menggunakan Metode Teorema Bayes

Ayu Tita Suryani¹, Erfian Junianto², Rizal Rachman³

1Universitas BSI Bandung e-mail: ayutitasuryani@ymail.com

2 Universitas BSI Bandung e-mail: erfian.ejn@bsi.ac.id

3 Universitas BSI Bandung e-mail: rizal.rzc@bsi.ac.id

Abstrak

Depresi adalah gangguan “mood” menggambarkan emosi seseorang, serangkaian perasaan yang menggambarkan kenyamanan atau ketidaknyamanan emosi. Kadang-kadang mood diartikan sebagai emosi yang bertahan lama yang merwarnai kehidupan dan keadaan kejiwaan seseorang. Menurut studi sebelumnya melaporkan bahwa depresi pada mahasiswa yang tercatat di seluruh dunia dan prevalensi tampaknya meningkat. Tahun 2011, American College Health Association National College Health Assessment (ACHA-NCHA) melakukan survei nasional mahasiswa di 2 dan 4 tahun masa universitasnya ditemukan bahwa sebagian dari mahasiswa melaporkan merasa begitu tertekan sehingga sulit untuk berfungsi pada beberapa waktu dalam satu tahun terakhir. Data Riset Kesehatan Dasar menunjukkan pervalensi gangguan mental emosional yang ditunjukkan dengan gejala-gejala depresi dan kecemasan untuk usia 15 tahun terdapat dari sebagian jumlah penduduk Indonesia. Sebagian besar mahasiswa mengalami depresi tidak mendapatkan bantuan yang mereka butuhkan. Sebagian mahasiswa khawatir jika dihakimi ketika mereka mecari pelayan kesehatan mental dan mereka berpikir gejala yang mereka derita hanya bagian dari stres biasa. Karena kekhawatiran itu maka dibuatlah sistem pakar diagnosa tingkat depresi berbasis web. Sistem ini mendapat hasil penelitian menggunakan Instrument Burn’s Depression Checklist untuk menentukan tingkat depresi dan ketidakpastian hasil diagnosa menggunakan metode teorema bayes.

Kata Kunci: Sistem Pakar, Depresi, Teorema Bayes

Abstract

Depression is a disorder of "mood" describing a person's emotions, a series of feelings that describe emotional comfort or discomfort. Sometimes the mood is interpreted as a long-lasting emotion that colors a person's life and mental state. According to a previous study reported that depression in students recorded worldwide and prevalence seemed to increase. In 2011, the American College Health Association's National College Health Assessment (ACHA-NCHA) conducted a national survey of students in the 2 and 4 years of their university years found that some students reported feeling so depressed that it was difficult to function at some time in the past year. Basic Health Research Data shows the prevalence of emotional mental disorders which are indicated by symptoms of depression and anxiety for the age of 15, there are some of the population of Indonesia. Most students experiencing depression don't get the help they need. Some students worry if they are judged when they seek mental health servants and they think the symptoms they suffer are only part of normal stress. Because of these concerns, a web-based depression-level diagnostic expert system was created. This system got the results of the study using the Burn’s Depression Checklist instrument to determine the level of depression and uncertainty resulting from diagnosis using the bayes theorem method.

Keywords: Expert System, Depression, Bayes Theorem

(2)

1. Pendahuluan

Lebih dari 300 juta orang sekarang hidup dengan depresi, peningkatan lebih dari 18% antara tahun 2005 dan 2015 (World Health Organization, 2017). Periode pelaporan: 1 Juli 2016 hingga 30 Juni 2017, kecemasan terus menjadi perhatian paling sering di kalangan mahasiswa (48,2%), diikuti oleh stres (39,1%), depresi (34,5%), ide bunuh diri (25,2%) hal ini menyimpulkan bahwa depresi mampu menurunkan performa dalam bidang akademik (Association for University and College Counseling Center Directors, 2017)

Menurut studi sebelumnya melaporkan bahwa depresi pada mahasiswa yang tercatat di seluruh dunia dan prevalensi tampaknya meningkat.

Tahun 2011, American College Health Association National College Health Assessment (ACHA-NCHA) melakukan survei nasional mahasiswa di 2 dan 4 tahun masa universitasnya ditemukan bahwa sekitar 30% dari mahasiswa melaporkan merasa begitu tertekan sehingga sulit untuk berfungsi pada beberapa waktu dalam satu tahun terakhir (Thurai & Westa, 2017).

Data Riskesdas 2013 menunjukkan prevalensi gangguan mental emosional yang ditunjukkan dengan gejala-gejala depresi dan kecemasan untuk usia 15 tahun ke atas mencapai sekitar 14 juta orang atau 6% dari jumlah penduduk Indonesia (Kementrian Kesehatan Republik Indonesia, 2016). Sebelumnya telah dilakukan penyebaran instrumen Beck Depression Inventory II kepada 25 mahasiswa tingkat akhir Universitas Siliwangi Tasikmalaya sebagai objek penelitian. Dan dari hasil penyebaran instrumen tersebut diperoleh data 3 dari 25 mahasiwa tingkat akhir mengalami diagnosa depresi tingkat berat (Kurniati, Mubarok, & Reinaldi, 2017).

Depresi ditandai dengan beberapa gejala seperti merasa tidak berguna, kekecewaan yang mendalam, rasa putus asa, kemurungan, kelesuan, tidak ada gairah hidup, pikiran kematian dan keinginan bunuh diri (Kurniati et al., 2017).

Kebanyakan orang mengalami gejala pertama depresi selama kehidupan adalah pada saat menempuh jenjang pendidikan universitas yaitu sebagai seorang mahasiswa (Thurai & Westa, 2017).

Menjadi seorang mahasiswa bisa menjadi salah satu saat paling

menegangkan dalam hidup dan akan melalui periode kritis dimana mereka akan berubah dari tahap remaja ke dewasa.

Mencoba untuk menyesuaikan diri, mempertahankan nilai bagus dan juga merencanakan masa depan (Thurai &

Westa, 2017). Mahasiswa akan memasuki tahap terakhir dalam dunia perkuliahan, yaitu tugas akhir atau bisa disebut juga dengan skripsi (Roellyana & Listiyandini, 2016).

Salah satu syarat wajib untuk mendapatkan gelar sarjana yaitu menyusun skripsi, harus dilakukan dan ditempuh oleh mahasiswa tingkat akhir. Oleh sebab itu bagi mahasiswa yang mengerjakannya seringkali merasakan sebuah tekanan yang berat (Agung & Budiani, 2013). Tidak sedikit mahasiswa merasa terbebani dan mengalami beberapa kesulitan dalam mengerjakan skripsi. Kesulitan tersebut seperti kesulitan dalam hal mencari tema, sampel, judul, alat ukur yang digunakan, referensi, keterbatasan waktu penelitian, dosen pembimbing sibuk sehingga sulit ditemui, proses revisi berulang-ulang dan lain sebagainya (Roellyana & Listiyandini, 2016). Sebagian besar mahasiswa mengalami depresi tidak mendapatkan bantuan yang mereka butuhkan. Sebagian mahasiswa khawatir jika dihakimi ketika mereka mecari pelayan kesehatan mental dan mereka berpikir gejala yang mereka derita hanya bagian dari stres biasa (Thurai

& Westa, 2017).

Instrumen Burn’s Depression Checklist digunakan karena dapat mengukur tingkat keparahan depresi.

Instrumen BDC terdiri dari pertanyaan yang berhubungan dengan gejala depresi dibagi menjadi beberapa kategori yaitu pikiran dan perasaan, aktifitas dan hubungan personal, gejala fisik dan keinginan bunuh diri (Burns, 1999)

Penelitian sebelumnya yang dilakukan dengan sampel 25 mahasiswa berbasis desktop menggunakan metode Fuzzy Tsukamoto mendapat hasil tingkat diagnosa depresi mahasiswa tingkat akhir (Kurniati et al., 2017). Sedangkan penelitian sebelumnya yang dilakukan mendiagnosa penyakit herpes zoster menggunakan visual basic 2008 dengan metode Teorema Bayes mendapat hasil diagnosa penyakit (Sihotang, Panggabean, & Zebua, 2018).

Dengan penelitian sebelumnya penulis tertarik untuk mengambil salah satu fenomena masalah kejiwaan depresi yang

(3)

terjadi menggunakan sistem pakar di kalangan mahasiswa tingkat akhir dengan metode teorema bayes.

Dalam menggunakan aplikasi sistem pakar yang akan dibuat oleh penulis yaitu berbasis web karena aplikasi berbasis web memudahkan pengembang dan dapat berjalan melalui web browser di berbagai platform sistem operasi. Oleh karena itu aplikasi dapat dijalankan di sistem berbasis Windows, Linux atau Mac (Ma’rifati &

Kesuma, 2018). Saat ini aplikasi web lebih banyak digunakan dibandingkan aplikasi desktop karena aplikasi web merupakan sebuah aplikasi yang dapat diakses melalui internet atau intranet (Susanti, Junianto, &

Rachman, 2017). Sistem yang akan dibuat dengan penelitian ini akan menggunakan metode Teorema Bayes. Metode ini dipilih karena merupakan metode yang baik dengan menggunakan probabilitas bersyarat sebagai dasarnya yang digunakan didalam mesin pembelajaran (Harijanto & Latif, 2016; Sihotang et al., 2018).

1.1. Penelitian Terkait

Penelitian ini disusun berdasarkan beberapa penelitian sebelumnya yang dilakukan, diantaranya:

1. Penelitian pertama oleh (Kurniati et al., 2017) dari jurnal penelitian yang berjudul

“Rancang Bangun Sistem Pakar Diagnosa tingkat Depresi Pada Mahasiswa Tingkat Akhir Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Universitas Siliwangi)” berbasis dekstop. Penelitian ini di lakukan untuk mengetahui tingkat depresi mahasiswa tingkat akhir menggunakan metode Fuzzy Tsukamoto dibandingkan dengan instrumen Beck Depression Inventory sesuai apa tidak.

2. Penelitian selanjutnya dilakukan oleh (Harijanto & Latif, 2016) yang berjudul

“Sistem Pakar Diagnosa Penyakit Pada Kucing Dengan Metode Teorema Bayes Berbasis Android”. Penelitian ini di lakukan untuk mengetahui tingkat probabilitas penyakit kucing dengan gejala yang dirasakan menggunakan metode teorema bayes dan memberikan solusi dari pakar.

3. Penelitian ini dilakukan oleh (Astuti &

Kusrini, 2015) yang berjudul “Sistem Pakar Untuk Mengetahui Gangguan Depresi Mayor Dengan Menggunakan Faktor Kepastian”. Penelitian tersebut dilakukan untuk mendeteksi gangguan penyakit

depresi mayor dengan metode certainty factor dan menentukan presentase besarnya gangguan depresi yang dialami menggunakan metode fuzzy.

4. Selanjutnya penelitian ini dilakukan oleh (Nababan, 2017) yang berjudul “Sistem Pakar Mendiagnosa Kelahiran Bayi Prematur Dengan Menggunakan Metode Teorema Bayes”. Penelitian ini dilakukan untuk mendiagnosa kelahiran bayi prematur melihat gejala yang dialami calon ibu.

Dengan menggunakan metode teorema bayes mendapat kesimpulan pasien kemungkinan akan melahirkan bayi prematur.

5. Selanjutnya penelitian ini dilakukan oleh (Angelina Widians, Wati, & Juriah, 2017) yang berjudul “Aplikasi Sistem Pakar Tingkat Depresi Pada Remaja Menggunakan Certainty Factor”. Penelitian ini dilakukan untuk mengidentifikasi tingkat depresi remaja berupa keterangan tingkat depresi, persentase tingkat depresi dan solusi yang dapat dilakukan menggunakan metode certainty factor. Penelitian ini juga bertujuan mengetahui faktor-faktor apa saja yang mempengaruhi gangguan depresi pada remaja.

6. Kemudian penelitian yang dilakukan oleh (Sihotang et al., 2018) yang berjudul

“Sistem Pakar Mendiagnosa Penyakit Herpes Zoster Dengan Menggunakan Metode Teorema Bayes”. Penelitian ini dilakukan untuk mendiagnosa penyakit herpes zoster menggunakan metode teorema bayes. Dalam mendiagnosa penyakit herpes zoster penulis meneliti berdasarkan gejala-gejala yang ditemukan.

7. Penelitian selanjutnya dilakukan oleh (Barus, Mesran, Suginam, & Karim, 2017) yang berjudul “Sistem Pakar Untuk Mendiagnosis Hama Pada Tanaman Jambu Biji Menggunakan Metode Bayes”.

Penelitian ini dilakukan guna mendiagnosa penyakit pada tanaman jambu biji yang diderita berdasarkan gejala-gejala yang diberikan. Dengan menggunakan metode teorema bayes penelitian ini dapat mengetahui tingkat besarnya probabilitas penyakit dengan persentase.

8. Kemudian penelitian ini dilakukan oleh (Sihotang, 2017) yang berjudul

“Perancangan Aplikasi Sistem Pakar Diagnosa Diabetes Dengan Metode Bayes”. Pada penelitian ini penulis mendapat kesimpulan penderita menderita penyakit diabetes berdasarkan perhitungan menggunakan metode bayes.

(4)

9. Selanjutnya penelitian yang dilakukan oleh (Gama, Hartono, & Sari, 2017) yang berjudul “Penerapan Teorema Bayes Pada Sistem Pakar Penyakit Herniated Nucleus Pulposus (HNP)”. Penelitian ini dilakukan dengan pengumpulan data dan rekomendasi dari pakar terkait nilai bayes.

Penelitian menggunakan metode teorema bayes bertujuan untuk menentukan nilai probabilitas hipotesis ahli dan bukti faktual yang diperoleh dari objek yang di diagnosis.

10. Penelitian terakhir dilakukan oleh (Syahputra, Dahria, & Putri, 2017) dengan judul “Sistem Pakar Untuk Mendiagnosa Penyakit Anemia Dengan Menggunakan Metode Teorema Bayes”. Penelitian ini menerapkan metode teorema bayes untuk menentukan penyakit anemia dengan gejala dan jenis penyakit yang telah ditentukan, sehingga dapat melakukan perhitungan dan mendapatkan hasil jenis penyakit dari perhitungan metode teorema bayes tersebut.

2. Metode Teorema Bayes

Menurut (Merliana & Hidayat, 2012) dalam buku yang berjudul “Perancangan Sistem Pakar” Teorema Bayes salah satu cara untuk mengatasi ketidakpastian data dengan menggunakan formula bayes, yang dinyatakan:

𝑃 ( 𝐻𝑖 𝐸⁄ ) = 𝑃 (𝐸/𝐻𝑖)∗(𝑃(𝐻𝑖)

∑^𝑛_𝑘=1𝑃 (𝐸/𝐻𝑖)∗(𝑃(𝐻𝑖) 𝑃 ( 𝐻𝑖 𝐸⁄ ) =probabilitas hipotesis Hi benar

jika diberikan evidence (fakta) E 𝑃 (𝐸|𝐻𝑖) =probabilitas munculnya

evidence (fakta) E jika diketahui hipotesis Hi benar.

𝑃(𝐻𝑖) =probabilitas hipotesis Hi (menurut hasil sebelumnya) tanpa memandang evidence

(fakta) apa pun n =jumlah hipotesis yang mungkin

3. Hasil dan Pembahasan

Pada tahapan ini dilakukan pembahasan dan pengumpulan data serta pengetahuan oleh sistem pakar.

3.1. Perhitungan Teorema Bayes

Gejala-gejala depresi diambil dari intrumen Burn’s Depression Checklist. BDC

adalah skala tingkat untuk depresi oleh David D Burns seorang Professor di Sekolah Kedokteran Universitas Stanford.

Survei 25 pertanyaan dan setiap pertanyaan dijawab dalam konteks “selama seminggu terakhir, termasuk hari ini”

(Burns, 1999).

Tabel 1 Gejala Depresi

Kode Gejala

G1 Merasa sedih atau down.

G2 Merasa tidak bahagia atau murung.

G3 Merasa ingin menangis ketika menghadapi suatu masalah.

G4 Merasa berkecil hati.

G5 Merasa tidak mempunyai harapan tentang masa yang akan datang G6 Merasa tidak bisa menghargai diri

sendiri.

G7 Merasa tidak puas dengan hidup.

G8 Mudah merasa bersalah.

G9 Saat mempunyai masalah mengkritik diri sendiri atau menyalahkan orang lain.

G10 Sulit membuat keputusan.

G11 Kehilangan ketertarikan mengenai permasalahan keluarga, teman, rekan kerja/kuliah.

G12 Merasa kesepian.

G13 Lebih senang menyendiri dibanding menghabiskan waktu dengan keluarga maupun teman.

G14 Kehilangan motivasi untuk maju.

G15 Kehilangan semangat untuk bekerja atau aktifitas sosial lainnya.

G16 Menghindari pekerjaan atau aktifitas sosial lainnya.

G17 Merasa kehilangan kesenangan dalam hidup.

G18 Merasa lelah.

G19 Sulit tidur atau lebih banyak tidur.

G20 Penurunan atau peningkatan nafsu makan.

G21 Kehilangan gairah dalam hubungan seksual.

G22 Menghawatirkan kesehatan yang belum pasti

G23 Mempunyai pikiran untuk bunuh diri.

G24 Mencari cara ingin mengakhiri hidup.

G25 Mempunyai rencana menyakiti diri sendiri.

Adapaun logika metode teorema bayes pada sesi konsultasi sistem,

(5)

pengguna yang melakukan konsultasi diberi pilihan jawaban masing-masing memiliki bobot sebagai berikut:

Tabel 2 Tabel Nilai Bayes

Pilihan Nilai

Tidak Pernah 0

Kadang-kadang 0.25

Sering 0.5

Sering Sekali 0.75

Selalu 1

Contoh kasus:

User menjawab test depresi dengan gejala- gejala sebagai berikut:

G1. Apakah anda merasa sedih? Kadang- kadang = 0.25 = P(E|H1)

G2. Apakah anda merasa tidak bahagia atau murung? Kadang-kadang = 0.25 = P(E|H2)

G3. Apakah anda merasa ingin menangis ketika menghadapi suatu masalah? Selalu

= 1 = P(E|H3)

G5. Apakah anda merasa tidak mempunyai harapan tentang masa depan? Sering = 0.5

= P(E|H5)

G6. Apakah anda merasa tidak bisa menghargai diri sendiri? Sering = 0.5 = P(E|H6)

G10.Apakah anda sulit membuat keputusan? Kadang-kadang = 0.25 = P(E|H10)

G13.Apakah anda lebih senang menyendiri disbanding menghabiskan waktu dengan keluarga maupun teman? Sangat Sering = 0.75 = P(E|H13)

G14.Apakah anda kehilangan motivasi untuk maju? Kadang-kadang. = 0.25 = P(E|H14)

G18.Apakah anda merasa lelah? Sering = 0.5 = P(E|H18)

G19.Apakah anda sulit tidur atau lebih banyak tidur? Kadang-kadang = 0.25 = P(E|H19)

Perhitungan menggunakan teorema bayes G1 = 0.25 P (E|H1)

Kemudian mencari nilai semesta dengan menjumlahkan dari hipotesis di atas:

∑¹⁰_𝑘=1= G1 + G2 + G3 + G5 + G6 + G10 + G13 + G14 + G18 + G19

= 0.25 + 0.25 + 1 + 0.5 + 0.5 + 0.25 + 0.75 + 0.25 + 0.5 + 0.25

= 4.5

Setelah hasil penjumlahan diatas diketahui, maka didapatkan rumus yang akan menghitung nilai semesta sebagai berikut:

P (H1) = 𝐻1

∑¹⁰_𝑘=1 = 0.25

4.5 = 0.055556 P (H2) = 𝐻2

∑¹⁰_𝑘=1

=

^0.25

4.5 = 0.055556 P (H3) = 𝐻3

∑¹⁰_𝑘=1 = 1

4.5 = 0.222222 P (H5) = 𝐻5

∑¹⁰_𝑘=1 = 0.5

4.5 = 0.111111 P (H6) = 𝐻6

∑¹⁰_𝑘=1 = 0.5

4.5 = 0.111111 P (H10) = 𝐻10

∑¹⁰_𝑘=1 = 0.25

4.5 = 0.055556 P (H13) = 𝐻13

∑¹⁰_𝑘=1 = 0.75

4.5 = 0.166667 P (H14) = 𝐻14

∑¹⁰_𝑘=1 = 0.25

4.5 = 0.055556 P (H18) = 𝐻18

∑¹⁰_𝑘=1 = 0.5

4.5 = 0.111111 P (H19) = 𝐻19

∑¹⁰_𝑘=1 = 0.25

4.5 = 0.055556

Setelah nilai P(Hi) diketahui, probabilitas hipotesis H tanpa memandang evidence apapun, maka langkah selanjutnya adalah:

∑¹⁰_𝑘=1= P (Hi) * P(E|Hi – n)

= (0.055556*0.25) + (0.055556*0.25) + (0.222222*1) + (0.111111*0.5) + (0.111111*0.5) + (0.055556*0.25) + (0.166667*0.75) + (0.055556*0.25) + (0.111111*0.5) + (0.055556*0.25)

= 0.013889 + 0.013889 + 0.222222 + 0.055556 + 0.055556 + 0.13889 + 0.125000 + 0.013889 + 0.055556 + 0.13889

(6)

= 0.583333

Langkah selanjutnya adalah mencari nilai P(H|E) atau probabilitas hipotesis Hi benar jika diberikan evidence E.

𝑃 ( 𝐻𝑖 𝐸⁄ ) = 𝑃 (𝐸/𝐻𝑖)∗(𝑃(𝐻𝑖)

∑^𝑛_𝑘=1𝑃 (𝐸/𝐻𝑖)∗(𝑃(𝐻𝑖) 𝑃 ( 𝐻1 𝐸⁄ ) = 0.25∗0.055556

0.583333 = 0.023810 𝑃 ( 𝐻2 𝐸⁄ ) = 0.25∗0.055556

0.583333 = 0.023810 𝑃 ( 𝐻3 𝐸⁄ ) = 1∗0.222222

0.583333 = 0.380952 𝑃 ( 𝐻5 𝐸⁄ ) = 0.5∗0.111111

0.583333 = 0.095238 𝑃 ( 𝐻6 𝐸⁄ ) = 0.5∗0.111111

0.583333 = 0.095238 𝑃 ( 𝐻10 𝐸⁄ ) = 0.25∗0.055556

0.583333 = 0.023810 𝑃 ( 𝐻13 𝐸⁄ ) = 0.75∗0.16667

0.583333 = 0.214286 𝑃 ( 𝐻14 𝐸⁄ ) = 0.25∗0.055556

0.583333 = 0.023810 𝑃 ( 𝐻18 𝐸⁄ ) = 0.5∗0.111111

0.583333 = 0.095238 𝑃 ( 𝐻19 𝐸⁄ ) =0.25∗0.055556

0.583333 = 0.023810 Setelah seluruh nilai P(Hi|E) diketahui, maka jumlahkan seluruh nilai bayesnya dengan rumus sebagai berikut:

∑^𝑛_𝑘=1Bayes = Bayes 1 + Bayes 2 + Bayes 3 +Bayes 5 + Bayes 6 + Bayes 10 + Bayes 13 + Bayes 14 + Bayes 18 + Bayes 19

=(0.25*0.023810) + (0.25*0.023810) + (1*0.380952) + (0.5*0.095238) + (0.5*0.095238) + (0.25*0.023810) + (0.75*0.214286) + (0.25*0.023810) + (0.5*0.095238) + (0.25*0.023810)

= 0.714286 * 100%

= 71.42856%

Dari kesimpulan perhitungan dengan menggunakan metode teorema bayes diatas, maka dapat dipastikan user telah mengalami penyakit depresi dengan nilai 71.42856%.

3.2. Implementasi

Pada tahapan ini penelitian akan menjalani proses implementasi agar dapat

diketahui penelitian tersebut apakah telah berjalan sesuai dengan harapan.

1. Use Case Diagram Halaman Admin

Gambar 1

Use Case Diagram Halaman Admin 2. Use Case Diagram Halaman User

Gambar 2

Use Case Diagram Halaman User

Form Login

Berikut form login untuk konsultasi depresi

Admin

Login

Mengolah menu solusi Mengolah menu tingkat depresi Mengolah menu test depresi

Mengolah data user

<<include>>

Mengolah menu home

<<include>>

Logout

<<include>>

User

Signup

Melihat solusi Mendapat hasil

test depresi Menjawab test depresi Login

<<include>>

Melihat halaman home

<<include>>

Mengubah data diri

Logout

<<include>>

(7)

Gambar 3 Form Login

Form Konsultasi

Berikut form konsultasi untuk pengunjung

Gambar 4 Form Konsultasi

Hasil Diagnosa

Berikut hasil diagnosa saat pengunjung sudah melakukan konsultasi.

Gambar 5 Hasil Diagnosa

4. Kesimpulan

Berdasarkan pembahasan dari evaluasi sistem pakar diagnosa tingkat depresi mahasiswa tingkat akhir

menggunakan metode teorema bayes berbasis web, maka dapat diambil kesimpulan sebagai berikut:

1. Telah berhasil dibuat aplikasi sistem pakar berbasis web untuk mendiagnosa tingkat depresi mahasiswa tingkat akhir agar mahasiswa mendapat kemudahan sebelum terjadi hal-hal yang negatif.

2. Aplikasi sistem pakar ini membantu mahasiswa yang memiliki rasa malu saat mendatangi psikolog secara langsung dapat mengetahui tingkat depresi yang ia alami dan mendapatkan solusi.

3. Aplikasi sistem pakar ini membantu mahasiswa yang memiliki keterbatasan waktu masih dapat mengetahui tingkat depresi sehingga resiko terburuk dapat dihindari.

Referensi

Agung, G., & Budiani, M. S. (2013).

Hubungan antara kecerdasan emosi dan self efficacy dengan tingkat stres mahasiswa yang sedang mengerjakan skripsi. Character, 01,(02).

Angelina Widians, J., Wati, M., & Juriah.

(2017). Aplikasi Sistem Pakar Tingkat Depresi Pada Remaja Menggunakan Certainty Factor. Seminar Nasional Teknologi Informasi Dan Multimedia 2017, (ISSN : 2302-3805).

Association for University and College Counseling Center Directors. (2017).

Director Surveys Public. Retrieved

April 22, 2018, from

https://www.aucccd.org/director- surveys-public

Astuti, A., & Kusrini. (2015). Sistem Pakar Untuk Mengetahui Gangguan Depresi Mayor Dengan Menggunakan Faktor Kepastian. Konferensi Nasional Sistem & Informatika 2015.

Barus, V. M., Mesran, Suginam, & Karim, A. (2017). Sistem Pakar Untuk Mendiagnosis Hama Pada Tanaman Jambu Biji Menggunakan Metode Bayes, 2(1), 78–81.

Burns, D. (1999). Feeling Good The New Mood Therapy (Revised An). Los Angeles.

Gama, A. A., Hartono, A. D., & Sari, B. W.

(2017). Penerapan Teoroma Bayes Pada Sistem Pakar Penyakit Herniated Nucleus Pulposus (HNP).

Jurnal Ilmiah, 18(No.2), 31–36.

Harijanto, B., & Latif, R. A. (2016). Sistem Pakar Diagnosa Penyakit Pada

(8)

Kucing Dengan Metode Teorema Bayes Berbasis Android. Teknologi Informasi, 2(4), ISSN: 2407=070X.

Kurniati, N. I., Mubarok, H., & Reinaldi, A.

(2017). Rancang Bangun Sistem Pakar Diagnosa tingkat Depresi Pada Mahasiswa Tingkat Akhir Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Universitas Siliwangi). Jurnal Online Informatika,

2(1), ISSN 2527-9165.

https://doi.org/10.15575/join.v2i1.87 Ma’rifati, I. S., & Kesuma, C. (2018).

Pengembangan Sistem Pakar Mendeteksi Penyakit Pencernaan, 6(1), 41–48.

Merliana, N., & Hidayat, R. (2012).

Perancangan Sistem Pakar. Jakarta.

Nababan, F. J. (2017). Sistem pakar mendiagnosa kelahiran bayi prematur dengan menggunakan metode teorema bayes. Pelita Informatika, 16, 428–432.

Roellyana, S., & Listiyandini, R. A. (2016).

Peranan Optimisme terhadap Resiliensi pada Mahasiswa Tingkat Akhir yang Mengerjakan Skripsi.

Prosiding Konferensi Nasional Peneliti Muda Psikologi Indonesia 2016, 1(1), 29–37.

Sihotang, H. T. (2017). Perancangan Aplikasi Sistem Pakar Diagnosa Diabetes Dengan Metode Bayes.

Jurnal Mantik Penusa, 1(1), 36–41.

Retrieved from http://e- jurnal.pelitanusantara.ac.id/index.php/

mantik/article/view/280

Sihotang, H. T., Panggabean, E., & Zebua, H. (2018). Sistem Pakar Mendiagnosa Penyakit Herpes Zoster Dengan Menggunakan Metode Teorema Bayes. Journal Of Informatic Pelita Nusantara, 3(1), 33–40. Retrieved

from http://e-

jurnal.pelitanusantara.ac.id/index.php/

JIPN/article/view/284/181

Susanti, S., Junianto, E., & Rachman, R.

(2017). Implementasi Framework Laravel Pada Aplikasi Pengolah Nilai Akademik Berbasis Web. Jurnal Informatika, 4(1), 108–117.

Syahputra, T., Dahria, M., & Putri, P. D.

(2017). Sistem Pakar Untuk Mendiagnosa Penyakit Anemia Dengan Menggunakan Metode Teorema Bayes.

Thurai, S. R. T., & Westa, W. (2017).

Tingkat depresi dalam kalangan

mahasiswa kedokteran semester VII Universitas Udayana dan keterlibatan mereka dalam kegiatan fisik. Intisari Sains Medis, 8(2), 147–150.

https://doi.org/10.1556/ism.v8i2.131 World Health Organization. (2017). WHO |

Depression. Retrieved April 22, 2018, from

http://www.who.int/mental_health/man agement/depression/en/

(9)