1
SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT HERPES MENGGUNAKAN METODE TEOREMA BAYES
Ika Alvan Zebua1
1Jurusan Sistem Informasi, Fakultas Teknik, Universitas BSI, Jl. Sekolah Internasional, Antapani Bandung, Jawa Barat
ABSTRAK
Herpes merupakan masalah kulit yang paling sering dialami orang-orang di seluruh dunia, bahkan di Indonesia Herpes juga merupakan gangguan kesehatan kulit yang banyak terjadi.
Herpes merupakan penyakit yang meradang pada kulit dan biasanya akan muncul gelembung yang berisi air dan secara berkelompok. Penelitian ini bertujuan untuk memanfaatkan teknologi informasi dan membantu di dalam bidang kesehatan untuk merancang sebuah sistem pakar yang digunakan untuk mendiagnosa awal penyakit herpes, dimana pengguna dapat mendiagnosa sendiri berdasarkan gejala yang dialami. Diagnosa awal ini bertujuan membantu pasien untuk melakukan penanganan selanjutnya. Sistem pakar untuk diagnosa penyakit herpes ini dibangun dengan menerapkan metode Teorema Bayes, yang dimana nilai kemungkinan penyakit yang dialami pasien didapat dari perhitungan bayes sehingga hasil yang dikeluarkan memberikan nilai probabilitas yang akurat. Nilai probabilitas bayes dibagi dengan total perhitungan nilai probabilitas bayes dan dikali 100 persen maka menghasilkan nilai kemungkinan penyakit yang di derita. Hasil dari penelitian ini berupa kemungkinan penyakit yang dialami, presentase bayes, penyebab penyakit, serta solusi pengobatan berdasarkan fakta-fakta dan gejala yang diberikan oleh pengguna dalam mengisi keluhan ketika menggunakan sistem ini. Perancangan sistem ini dapat digunakan untuk dokter atau masyarakat awam dalam mengambil keputusan ketika mendiagnosa penyakit herpes.
Kata Kunci: Herpes, Sistem Pakar, Teorema Bayes ABSTRACT
Herpes is a skin problem that is most often experienced by people around the world, even in Indonesia Herpes is also a skin disorder that occurs a lot. Herpes is an inflamed disease of the skin and usually will appear bubbles filled with water and in groups. This study aims to utilize information technology and help in the health sector to design an expert system that is used to diagnose early herpes, where users can diagnose themselves based on the symptoms experienced. This initial diagnosis aims to help patients to carry out further treatment. The expert system for the diagnosis of herpes is built by applying the Bayes Theorem method, in which the value of the possibility of the disease experienced by the patient is obtained from the calculation of bayes so that the results given provide an accurate probability value. Bayes probability value is divided by the total calculation of bayes probability value and multiplied by 100 percent then produces the value of the possibility of the disease suffered. The results of this study are possible diseases, percentage of bayes, causes of disease, and treatment solutions based on the facts and symptoms given by users in filling out complaints when using this system. The design of this system can be used for doctors or ordinary people in making decisions when diagnosing herpes.
Keywords: Herpes, Expert System, Bayes Theorem A. Pendahuluan
1. Latar Belakang
Penyakit herpes merupakan penyakit kulit yang dapat menular dan masih menjadi masalah kesehatan bagi sebagian besar
masyarakat, dikarenakan penangan diagnosis yang lambat sehingga membutuhkan proses penyembuhan lama dan penyakitnya semakin melebar (Sihotang
& Panggabean, 2018). Herpes merupakan
2 penyakit radang kulit yang disebabkan oleh virus yang ditandai dengan munculnya bintik berisi cairan pada bagian kulit tertentu.
Berdasarkan penyebabnya penyakit herpes dibagi dua yaitu herpes simpleks dan herpes zoster (Ningrat & Darmada, 2017).
Dari data Dinas Kesehatan Keluarga 13 rumah sakit di Indonesia sepanjang tahun 2011 hingga 2013 mencapai 2.232 kasus.
Puncak kasus terjadi pada penderita berusia 45-64 tahun dengan jumlah 851 kasus atau 37,95 persen dari total kasus herpes zoster.
Salah satu cara alternatif untuk mengetahui gejala dan penyakit Herpes dengan menggunakan aplikasi sistem pakar. Sistem pakar merupakan sistem yang mengadopsi kemampuan dari pakar agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli atau pakar.
2.
Perumusan Masalah
Beberapa rumusan masalah sebagai berikut:
1. Bagaimana merancang suatu aplikasi yang dapat memberikan informasi pengetahuan tentang diagnosa penyakit herpes terhadap masyarakat.
2. Bagaimana cara merancang dan mengimplementasikan suatu aplikasi yang dapat menjadi media konsultasi dan menekan biaya serta waktu.
3. Teknik Pengumpulan Data
Teknik pengumpulan data merupakan langkah yang paling strategis dalam penelitian, karena tujuan utama dari penelitian adalah mendapatkan data (Firdaus dan Fakhry Zamzam, 2018). Maka dari itu penulis menggunakan metode pengumpulan data sebagai berikut:
1. Observasi
Penulis melakukan pengamatan langsung dengan mendatangi lokasi kediaman dokter (pakar) untuk mendapat basis pengetahuan dari dokter (pakar).
2. Wawancara
Dalam penulisan skripsi ini, untuk mendapatkan informasi data yang lengkap dan akurat maka penulis melakukan wawancara langsung dengan dokter (pakar) melalui tanya jawab dengan dokter (pakar) di bidang
kesehatan yang meliputi tentang kesehatan dan penyakit Herpes.
3. Studi Pustaka
Selain melakukan kegiatan pengumpulan data di atas, penulis juga mengambil data dari buku, jurnal, e-book, serta sumber- sumber lainnya yang berkaitan dengan materi skripsi.
4. Metode Penelitian
Metode yang digunakan dalam penyusunan skripsi ini adalah metode Analisa Deskriptif yaitu metode penelitian dengan cara mengumpulkan data-data sesuai dengan yang sebenarnya kemudian data-data tersebut disusun, diolah dan dianalisis untuk dapat memberikan gambaran mengenai masalah yang ada (Firdaus dan Fakhry Zamzam, 2018).
5.
Metode Teorema Bayes
Teorema Bayes adalah salah satu cara untuk menggambarkan hubungan probabilitas bersyarat dari satu atau lebih kejadian (Rosnelly, 2012). Probabilitas bersyarat adalah kemungkinan dari suatu kejadian, yang memiliki beberapa hubungan dengan satu atau lebih kejadian yang lain.
Teorema Bayes secara umum dinyatakan dalam bentuk sebagai berikut :
Dimana :
E : data dengan class yang belum diketahui
H : hipotesis dari data E merupakan suatu class yang spesifik
P(H|E) : probabilitas hipotesis H berdasarkan kondisi E (posteriori probability)
P(H) : probabilitas hipotesis H (prior probability)
P(E|H) : probabilitas E berdasarkan kondisi pada hipotesis H
P(E) : probabilitas dari E
P(E|H) P(H) P(H|E) =
P(E)
3 B. Hasil dan Pembahasan
1. Algoritma Sistem Pakar
Berikut akan dijelaskan mengenai algoritma sistem pakar dalam bentuk flowchart.
Gambar I.1. Algoritma Sistem Pakar
2. Tabel Pakar
Dalam menyelesaikan sistem pakar, maka dibutuhkan tabel pakar penyakit, tabel gejala dan tabel keputusan pakar seperti berikut ini :
Tabel I.1.
Daftar Penyakit DAFTAR PENYAKIT Kode
Penyakit Nama Penyakit P01 Herpes Liabialis (HHV-1) P02 Herpes Simpleks/Genital
(HHV-2)
P03 Herpes Zoster (HHV-3) P04 Mononucleosis (HHV-4) P05 Cytomegalovirus (HHV-5) P06 Roseola Infantum (HHV-6) P07 Roseola Pada Anak (HHV-7) P08 Sarkoma Kaposi (HHV-8)
Tabel I.2.
Daftar Gejala Penyakit Herpes Daftar Gejala
Kode Gejala
Nama Gejala Probabilitas G001 Rasa gatal pada
mulut
0.7
G002 Kesemutan 0.5
G003 Lepuhan kecil pada area wajah
0.7 G004 Kulit kemerahan 0.6 G005 Ruam pada kulit 0.7 G006 Lecet pada
kelamin dan anus
0.8 G007 Lepuhan terasa
gatal dan rasa perih
0.7
G008 Luka terbuka selama 1-4 hari
0.5 G009 Munculnya rasa
nyeri saat buang air kecil
0.6
G010 Sensitif terhadap cahaya matahari
0.4 G011 Timbul gejala flu
seperti demam
0.4 G012 Sakit kepala 0.3 G013 Tidak nafsu
makan
0.5 G014 Nyeri pada sendi
terutama pada leher dan punggung
0.6
G015 Demam 0.5
G016 Nyeri otot 0.7 G017 Radang
tenggorokan
0.6 G018 Pembengkakan
kelenjar tubuh
0.8 G019 Sakit tenggorokan 0.4
G020 Kelelahan 0.3
G021 Bintik merah pada kulit
0.7 G022 Kelopak mata
bengkak dan hidung meler
0.5
G023 Diare ringan 0.4 G024 Penurunan nafsu
makan
0.6 G025 Gejala flu ringan 0.3 G026 Muncul ruam
berwarna merah muda
0.7
G027 Muncul bintik atau bisul pada kulit
0.6 G028 Sesak nafas 0.5 G029 Batuk (terkadang
batuk darah) dan nyeri pada dada
0.6
4 G030 Gangguan
saluran pencernaan
0.7
G031 Turunnya berat badan
0.5
Tabel I.3.
Tabel Keputusan Pakar
Kode P01 P02 P03 P04 P05 P06 P07 P08 G001 X
G002 X X
G003 X G004 X G005 X
G006 X
G007 X
G008 X
G009 X
G010 X X
G011 X
G012 X
G013 X
G014 X
G015 X X X X X
G016 X
G017 X
G018 X X X
G019 X
G020 X
G021 X
G022 X
G023 X
G024 X
G025 X
G026 X
G027 X
G028 X
G029 X
G030 X
G031 X
2. Aturan Metode Teorema Bayes
Untuk menentukan jenis penyakit yang dialami oleh pasien, dilakukan dengan perhitungan menggunakan Teorema Bayes.
Studi kasus perhitungan bayes untuk menentukan jenis penyakit Cytomegalovirus.
Misalkan seorang pasien memilih gejala sebagai berikut :
1. Pembengkakan kelenjar tubuh (G018) prob=0.8
2. Sakit tenggorokan (G019) prob=0.4 prob=0.4
3. Kelelahan (G020) prob=0.3 prob=0.3 1. Mencari nilai semesta dengan menjumlahkan
semua hipotesa :
∑(H|E) = G018 + G019 + G020 = 0.8 + 0.4 + 0.3 = 1.5
2. Menghitung nilai kemungkinan pertama dengan rumus :
P(H1) = = = = 0.53
P(H2) = = = 0.26
P(H3) = = = 0.20
3. Menghitung nilai probabilitas hipotesa H agar muncul hipotesa baru :
∑P(H|E) = P(Hi) * P(E|Hi-n)
= (0.53*0.8) + (0.26*0.4) + (0.20*0.3) = 0.424 + 0.104 + 0.06
= 0.588
4. Mencari nilai P(Hi|E) dengan nilai hipotesa baru menggunakan rumus :
P(H1) = =
= 0.576870
P(H2) = 0.4*0.104/0.588 = 0.070748
P(H3) = 0.3*0.0.06/0.588 = 0.030612
5. Menjumlahkan seluruh nilai bayes dan dikali 100% untuk mendapatkan nilai probabilitas penyakit :
∑N bayes = [P(E|H) * P(H|E)] * 100%
= (0.8 * 0.576870) + (0.4
*0.070748) + (0.3 * 0.030612)
= (0.461496 + 0.0282992 + 0.0091836) * 100%
= 0.4989788 * 100%
= 49.89788%
Dari hasil diatas penyakit dengan nilai tertinggi berdasarkan diagnosa penyakit herpes pasien yaitu Cytomegalovirus (P05) dengan persentase 49.8%.
H1
∑(H|E) 0.8 1.5
H2
∑(H|E) 0.4 1.5
0.3 1.5 H3
∑(H|E)
P(E|H)*P(H)
∑P(H)
0.8*0.424 0.588
5
Login
Mengedit data admin
Mengelola data jenis penyakit
Mengelola data gejala penyakit
tampil
tambah
tampil
tambah
edit
hapus
edit
hapus
<<include>>
<<include>>
<<include>>
<<include>>
<<include>>
<<include>> <<extend>><<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
<<extend>>
Pohon Keputusan Pakar
Gambar I.2. Pohon Pakar
C. Implementasi dan Analisa Sistem 1. Use case diagram
Gambar I.3. Use Case Diagram
2. Use Case Diagram Admin
Gambar I.4. Use Case Diagram Admin 3. Activity Diagram
Activity Diagram adalah diagram yang menggambarkan alur kegiatan atau aktivitas yang ada dalam kegiatan sistem ini.
Gambar I.5. Activity Diagram Registrasi User
6
menghasilkan tb_herpes kode_herpes
nama_herpes
deskripsi pengobatan
probabilitas
gejala
konsultasi memiliki data_user
memiliki
kode_konsultasi
id_user
kode_herpes tanggal hasil
kode_herpes kode_gejala
id_user
nama
password jenis_kelamin tgl_lahir tgl_diagnosa kode_gejala nama_gejala
M M
1
1
M 1
4. Activity Diagram Login Admin
Gambar I.6. Activity Diagram Login Admin
D. Desain
Tahapan ini akan mejelaskan tentang desain database, design software architecture dan design interface dari sistem yang sedang dibuat.
1. Database
Gambar I.7. Entity Relationship Diagram (ERD)
2. LRS (Logical Record Structure)
Gambar I.8. LRS (Logical Record Structure)
E. User Interface
Berikut merupakan tampilan antarmuka dari sistem pakar Penyakit Herpes dari tampilan antarmuka untuk pengguna sampai tampilan antarmuka untuk admin.
1. Tampilan Halaman Home (beranda) Tampilan halaman Home (beranda) merupakan halaman awal pada saat pertama kali mengakses aplikasi sistem pakar Penyakit Herpes pada pengguna/pasien. Berisikan tentang informasi penyakit, halaman melakukan konsultasi, halaman registrasi dan menu login admin.
Gambar I.11. Tampilan Halaman Home
7 2. Tampilan Halaman Konsultasi
Halaman konsultasi merupakan halaman setelah pengguna/pasien melakukan login dan melakukan konsultasi berdasarkan pemilihan gejala yang dipilih.
Gambar I.12. Halaman Konsultasi 3. Tampilan Halaman Hasil Konsultasi
Halaman hasil konsultasi merupakan halaman setelah pengguna/pasien melakukan konsultasi dan menghasilkan persentase konsultasi berdasarkan jenis penyakit Herpes.
Gambar I.13. Halaman Hasil Konsultasi
F. Testing
Sistem pakar ini melakukan pengujian dengan menggunakan white box testing. Berikut hasil pengujian sistem pakar Penyakit Herpes berdasarkan algoritma sistem pakar.
Gambar I.14. White Box Testing
Kompleksitas Siklomatis dari grafik alir dapat diperoleh sebagai berikut :
V(G) = E –N + 1 V(G) = E –N + 1
= 7 –7+ 1
= 1 Keterangan :
N = Node = 7
E = Edge = 7
R = Region = 1 P = Predikat Node = 1 Langkah alur :
Path 1 = 1 – 2 – 3 – 4 – 5 - 6 - 7 G. Kesimpulan
Dalam bab ini, penulis menarik kesimpulan dari seluruh pembahasan pada bab-bab sebelumnya yang ada di dalam penelitian ini. Penulis mempunyai harapan bahwa website sistem pakar ini dapat membantu masyarakat dalam mendiagnosa penyakit herpes.
Beberapa kesimpulan dari sistem pakar diagnosa penyakit herpes, antara lain:
1. Dengan menggunakan aplikasi sistem pakar untuk mendiagnosa gejala-gejala penyakit herpes sedini mungkin agar masyarakat
memahami dan mendapat
penanganan yang cepat dan tepat.
2. Dengan memggunakan aplikasi ini masyarakat mendapatkan layanan kesehatan tanpa harus bertemu langsung dengan pakar, bahkan masyarakat tidak perlu harus mengeluarkan banyak waktu dan biaya.
I
H. Saran-saran
Saran yang dapat diberikan berdasarkan hasil yang telah dicapai
8 maupun untuk pengembangan sistem ini pada masa yang akan datang, yaitu:
1. Selalu dilakukan pembaharuan data, sehingga informasi yang disampaikan selalu sesuai dengan perkembangannya.
2. Diharapkan pada masa mendatang adanya sistem pakar penyakit herpes yang berbasis android ios ataupun os mobile lainnya.
3. Seiring dengan ilmu kesehatan yang terus berkembang dari waktu ke waktu, tentu saja perlu diperbaharui isi materi penyakit dari sistem pakar ini termasuk isi dari artikel atau informasi dengan materi-materi terkini.
DAFTAR PUSTAKA
Agustina, D., Mustafidah, H., & Purbowati, M. R. (2016). Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur ( Expert System to Diagnose of Skin Disease Due to Fungal Infections ), IV(November), 67–77.
Andareto, O. (2015). Penyakit Menular Di Sekitar Anda. (R. D. Aryanti, Ed.) (Pertama). Jakarta: Pustaka Ilmu Semesta. Retrieved from
https://books.google.co.id/books?id=FR 7nCgAAQBAJ&pg=PT27&dq=penyaki t+herpes&hl=en&sa=X&ved=0ahUKE wjK8d702OjbAhWJMt4KHcNUCawQ 6AEIKTAA#v=onepage&q=penyakit herpes&f=false
Elloudi S, Baybay H, Rabhi R, M. F. (2017).
Varicella and Herpes Zoster in an HIV- Positive Adult. International Journal of HIV/AIDS and Research, 4(1), 138–139.
https://doi.org/10.19070/2379-1586- 1700028
Erika Kurnia. (2015). Penderita Herpes Zoster di Indonesia Terus Meningkat.
Retrieved from
https://lifestyle.okezone.com Firdaus dan Fakhry Zamzam. (2018).
Aplikasi Metodologi Penelitian.
Yogyakarta: CV Budi Utama. Retrieved from https://books.google.co.id
Haryadi, B. H. (2016). Penerapan Sistem Pakar (Pertama). Yogyakarta: Group Penerbitan CV Budi Utama. Retrieved from
https://books.google.co.id/books?id=qH u7CwAAQBAJ&printsec=frontcover&d q=sistem+pakar&hl=en&sa=X&ved=0a hUKEwjgodu-3ejbAhXbV30KHT0BA- YQ6AEILDAA#v=onepage&q=sistem pakar&f=false
Hendrawan, I. W., & Sakti, P. T. (2017).
Venereologi G2P1A0H0 32-33 Minggu dengan Herpes Genitalis, 6(1), 50–54.
Irawan, F. (2018). Pengertian PHP dan Mysql. Pengertian PHP Dan MYSQL.
Retrieved from
https://www.academia.edu/4603746/Pen gertian_PHP_My_SQL?ends_sutd_reg_
path=true
Janner Simarmata. (2010). Rekayasa Perangkat Lunak. (N. Wk, Ed.). Andi Offset. Retrieved from
https://books.google.co.id/books=penge rtia+waterfall+metode
Janseens, J. (2015). Test Case menggunakan White Box Testing. (Mike Loukides, Ed.). New York USA: O’Reilly Media.
Retrieved from
https://books.google.co.id/books?id=Es WeBAAAQBAJ&printsec=frontcover&
dq=pengertian+white+box+testing&hl=
en&sa=X&ved=0ahUKEwjF4eSX- 7vbAhXMTX0KHauyDKEQ6AEITTA G#v=onepage&q&f=false
Lestari, R., & Putra, A. E. (2017).
Identifikasi virus herpes simpleks pada anak dengan ensefalitis: sebuah studi pendahuluan. Majalah Kedokteran Andalas, 40(2), 90.
https://doi.org/10.22338/mka.v40.i2.p90 -99.2017
Lutfi Mairizal Putra. (2017). Peneliti
Temukan Pelaku Utama Penyebar Virus
Herpes.
9
