Naive Bayes

METODE NAIVE BAYES UNTUK MENDIAGNOSA PENYAKIT DIABETES Lomba Esai Ilmiah Airlangga Medical Scientific Week 2018

Asmahan Farah Adiba NIM: 011811133178

PROGRAM STUDI PENDIDIKAN DOKTER FAKULTAS KEDOKTERAN UNIVERSITAS AIRLANGGA 2018

METODE NAIVE BAYES UNTUK MENDIAGNOSA PENYAKIT DIABETES I. Pendahuluan Diabetes adalah suatu penyakit dimana tubuh tidak dapat menghasilkan insulin (hormon pengatur gula darah) atau insulin yang dihasilkan tidak dapat mencukupi atau insulin tidak bekerja dengan baik. Oleh karena itu akan menyebabkan gula darah meningkat saat diperiksa. Menurut hasil penelitian dari International Diabetes Federation (IDF) tahun 2015, ada 415 juta orang di seluruh dunia menderita diabetes dan sekitar 10 jutanya terdapat di Indonesia jumlah penderita diabetes ini diperkirakan akan terus meningkat hingga tahun 2040. Berdasarkan data Riset Dasar (Riskesdas) tahun 2013, prevalensi diabetes melitus (DM) sekitar 6,9 persen. Sebelumnya, pada Riskesdas 2007 tercatat hanya 5,7 persen. “Yang terdiagnosis baru sekitar 30 persen,” kata Dyah Erti Mustikawati, Kepala Subdirektorat Pengendalian Diabetes Melitus dan Penyakit Metabolik Kementrian Kesehatan seperti dikutip dari Harian Kompas, 10/04/2015. Tentu saja untuk mengetahui apakah kita menderita diabetes atau tidak perlu dilakukan pengecekan gula darah secara rutin. Terlebih diabetes pada awalnya tidak menimbulkan gejala apa pun. "Pasien baru dateng pas sudah loyo, banyak makan, banyak minum, banyak kencing, luka enggak sembuhsembuh. Kalau sudah ada gejala begitu baru periksa, ya sudah telat. Sudah gula itu," ujar ahli diabetes Prof. Dr. Sidarta Soegondo, SpPd-KEMD seperti dikutip dari Kompas.com, 6/04/2016. Diabetes melitus merupakan penyakit menahun yang dapat diderita seumur hidup. DM akan memberikan dampak terhadap kualitas sumber daya manusia dan peningkatan biaya kesehatan yang cukup besar. Akan tetapi, tingkat kesadaran masyarakat akan dampak buruk yang ditimbulkan oleh DM masih rendah dan banyak masyarakat yang tidak menyadari dirinya sedang berada dalam resiko diabetes mellitus. Salah satu penyebabnya adalah kurangnya pengetahuan tentang diabetes mellitus dan juga keterbatasan waktu maupun biaya untuk konsultasi ke dokter. Oleh karena itu, perlu adanya sebuah media edukasi ke pada pasien dan keluarganya yang

1

bertujuan untuk memberikan pemahaman mengenai gejala, pencegahan, dan informasi umum seputar DM. Komputer dapat bertindak sebagai konsultan yang cerdas dalam lingkungan keahlian tertentu sebagai hasil dari himpunan pengetahuan dari beberapa orang pakar. Dengana danya sistem pakar, proses konsultasi akan menjadi lebih mudah, efektif dan efisien. Metode yang digunakan dalam kasus ini adalah metode Bayes. Metode ini merupakan sebuah pendekatan untuk sebuah ketidak tentuan yang diukur dengan probabilitas. Pendekatan Bayes pada saat klasifikasi adalah mencari probabilitas tertinggi dengan masukan atribut-atribut yang diperlukan serta kemungkinan dari penyakit dan gejala-gejala yang berkaitan. Oleh karena itu, kebutuhan informasi yang cepat dan tepat dari seorang pakar kesehatan sangatlah dibutuhkan.gejala yang awalnya hanya dalam bentuk manual kemudian dikomputerisasikan menggunakan bahasa pemrograman PHP (Hypertext Preprocessor) agar memudahkan masyarakat dalam mendeteksi penyakit diabetes mellitus sejak dini. Manfaat penilitian ini antara lain : masyarakat dapat berkonsultasi langsung untuk mendiagnosa penyakit diabetes mellitus pada Klinik yang menyediakan pelayanan Metode Bayes sehingga berkurangnya penderita penyakit diabetes mellitus. II. Isi Metode Bayes merupakan pendekatan statistik untuk melakukan inferensi induksi pada persoalan klasifikasi. Metode ini menggunakan probabilitas bersyarat sebagai dasarnya. Dalam ilmustatistik, probabilitas X di dalam Y adalah probabilitas inteseksi X dan Y dari probabilitas Y, atau dengan bahasa lain P(X|Y)adalah presentase banyaknya X didalam Y. Adapun Formula Bayesan dinyatakan sebagai berikut. [1] dimana : (�|�) = Peluang B jika diketahui keadaan jenis penyakit A. (�|�) = Peluang evidence A jika diketahui hipotesis B (�) = Probabilitashipotesis B tanpa memandang evidence apapun (�) = Peluang evidence penyakit A. Secara umum, teorema Bayesian dengan E kejadian dan hipotesis H dapat dituliskan dalam bentuk persamaan berikut. Pada proses perhitungan menggunakan metode Bayes. Nilai input berasal dari gejala-gejala yang dialami oleh pengguna. Setelah pengguna memasukkan gejala-gejala yang dialami, maka proses perhitungan akan dilakukan untuk 2

menghasilkan tingka persentase mengidap diabetes mellitus tipe 2 beserta solusi atau saran yang dianjurkan. Gambar 1. Struktur halaman awal metode Naive Bays Halaman ini merupakan halaman

yang

pertama

diakses

oleh

sebelum

melakukan

Terdapat

6

pengunjung login.

menu

pada

halaman ini yaitu Beranda, Informasi dengan submenu Informasi Umum, Komposisi Makanan

dan

Latihan

Jasmani, Registrasi, Login, Bantuan dan Kontak, Pada form konsultasi terdapat 11 pertanyaan berbentuk slide yang

akan

pasien,

dijawab

Jawaban

berdasarkan

oleh

tersebut

gejala

yang

diderita oleh pasien. Pada pertanyaan-pertanyaan tersebut, pasien diminta untuk menjawab “ya” untuk gejala yang dirasakan dan “tidak” untuk

gejala

dirasakan.

yang Jika

tidak sudah

menjawab suatu pertanyaan maka dapat melanjutkan ke pertanyaan berikutnya.

3

Sumber: Dokumentasi Penulis Setelah menginputkan jawaban maka sistem melakukan proses, yaitu proses penarikan kesimpulan berdasarkan masukan oleh pasien berupa persentase mengidap DM tipe 2 dan rekomendasi lanjutan berupa saran/solusi berdasarkan persentase yang didapatkan. Sistem pakar deteksi diabetes mellitus adalah sebuah sistem yang mengadopsi kemampuan seorang pakar (dokter) dalam mendeteksi secara dini penyakit diabetes mellitus tipe 2. Jadi untuk membangun sebuah sistem yang cukup dinamis dengan mengolah gejala-gejala yang ada tersebut menjadi sebuah pengetahuan yang menjadi dasar sebagai diagnosa perangkat lunak, maka dibutuhkan beberapa tahapan yang dimulai dari akuisisi pengetahuan hingga representasi pengetahuan. Gambar 2. Halaman form Metode Naive Bayes

Sumber: Dokumentasi Penulis Pada form ini, jika pengguna telah menjawab pada pertanyaan terakhir, maka akan ditekan tombol ”OK” dan sistem akan melakukan perhitungan berdasarkan jawaban yang telah diberikan. Hasil konsultasi yang diberikan berupa analisis tingkat persentase, angka persentase dan solusi yang dianjurkan berdasarkan persentase konsultasi yang diperoleh. Setelah melakukan konsultasi, data-data hasil konsultasi pengguna akan disimpan oleh sistem. Pengguna dapat membuka kembali data-data tersebut melalui menu histori konsultasi. Kemudian dilanjutkan dengan 4

pengujian dilakukan pada sistem menggunakan metode blackbox yang akan memeriksa apakah sistem dapat berjalan dengan benar sesuai dengan yang diharapkan. Data pengujian dipilih berdasarkan spesifikasi masalah tanpa memperhatikan detail internal dari sistem. Gambar 3. Keterangan presentase dari hasil konsultasi

Sumber: Dokumentasi penulis Pengujian blackbox yang akan digunakan berupa pengujian sample testing dan robustness testing. Pengujian yang telah dilakukan menyimpulkan hasil telah sesuai dengan apa yang diharapkan. III. Penutup Kesimpulan yang didapatkan dari penelitian ini terdiri dari beberapa hal, yaitu: 1. Dengan sistem ini, pengguna dapat melakukan konsultasi dengan memilih gejala-gejala yang dialami. 2. Sistem ini dapat mendeteksi tingkat persentase pengguna mengidap penyakit diabetes mellitus tipe 2 dengan metode Bayesian. 3. Sistem ini dapat menampilkan solusi yang dianjurkan bagi pengguna berupa rekomendasi konsultasi ke dokter, komposisi makanan dan/atau latihan jasmani. 4. Berdasarkan pengujian yang telah dilakukan, tingkat keakuratan yang dihasilkan adalah sebesar 96,66%.

5

DAFTAR PUSTAKA Agustina. 2014. Sistem Pakar Mendiagnosa Penyakit Kista Ovarium Dengan Menggunakan Metode Bayes. Pelita Informatika Budi Darma. Vol. 3 (II). Hlm. 123-130. American Diabetes Association. 2010. Diagnosis and Classification of Diabetes Mellitus. Diabetes Care Vol.33: 562. Arhami, Muhammad. 2005. Konsep Dasar Sistem Pakar. Bandung: Informatika. Masykur, Fauzan. 2012. Implementasi Sistem Pakar Diagnosis Penyakit Diabetes Mellitus Menggunakan Metode Fuzzy Logic Berbasis Web. Tesis. Semarang: Universitas Diponegoro. Mukhlis, M. K. (2012). Diagnosa Kemungkinan Pasien Terkena Stroke Dengan Metode Naïve Bayes dan Metode Jaringan Syaraf Tiruan Berbasis Web. Politeknik

Elektronika

Negeri

Surabaya,

1–7.

https://doi.org/10.1007/s13398-014-0173- 7.2. (diakses 23 September 2018). Saputro, B. C., Delima, R., & Purwadi, J. 2007. Sistem Diagnosa Penyakit Diabetes Mellitus Menggunakan Metode Certainty Factor. Fakultas Teknologi Informasi Universitas Kristen Duta Wacana.

6

7