Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-7 Februari 2016
ISSN : 2302-3805
3.6-13
SISTEM PAKAR DIAGNOSA PENYAKIT HYPEROPIA DAN MYOPIA PADAMANUSIA BERBASIS ANDROID MENGGUANAKAN TEOREMA BAYES
Ria Andriani1), Burhanudin Dwi Prakoso2
1), 2) Teknik Informatika STMIK AMIKOM YogyakartaJl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281
Email : [email protected] 1), [email protected] 2)
Abstrak
Mata merupakan suatu panca indra yang sangat pentingdalam kehidupan manusia untuk melihat. Jika matamengalami gangguan atau penyakit maka akanberakibat sangat fatal bagi kehidupan manusia. Jadisudah seharusnya mata merupakan anggota tubuh yangperlu dijaga dalam kehidupan sehari-hari. Denganberkembangnya teknologi informasi, banyak informasiyang dapat diakses secara cepat melalui layananinternet. Kemudahan akses terhadap informasi inilahyang salah satunya dapat digunakan untuk memberikaninformasi kepada masyarakat umum tentang penyakithyperopia dan myopia. Oleh karena itu penulis mencobamemberikan salah satu solusi yang dapat dilakukanuntuk membantu masyarakat dalam mendiagnosapenyakit mata khusunya hyperopia dan myopia denganmembuat suatu aplikasi berbasis Android yag dapatdiakses oleh seluruh masyarakat melalui mediasmartphone aplikasi yang dibuat dapat melakukandiagnosa penyakit berdasarkan gejala yang secaraumum dirasakan pasien. Pada penelitian ini penulismenerapkan teorema Bayes pada program aplikasiuntuk menghitung nilai probabilitas hasil diagnosapenyakit hyperopia dan myopia..
Kata Kunci : Sistem Pakar, Teorema Bayes, Diagnosapenyakit, hyperopia dan myopia, Android.
1. Pendahuluan
Latar BelakangPerkembangan dunia medis serta teknologi
yang sangat pesat sehingga banyak menggunakankomputer untuk membantu diagnosa maupunpencegahan dan penanganan suatu penyakit padamanusia. Salah satu permasalahan dalam dunia medisadalah adanya ketidakseimbangan antar pasien dengandokter. Selain itu sebagian besar dari masyarakat tidakterlatih secara medis sehingga apabila mengalami gejalapenyakit yang diderita belum tentu dapat memahamicara-cara penanggulangannya. Sangat disayangkanapabila gejala-gejala yang sebenarnya dapat ditanganilebih awal menjadi penyakit yang lebih serius akibatkurangnya pengetahuan. Pengetahuan sebenarnya dapatdiperoleh dari buku-buku atau situs-situs internet yangmembahas tentang kesehatan. Akan tetapi, untukmempelajari hal tersebut tidaklah mudah karena selain
membutuhkan waktu yang cukup lama untukmemahaminya, sumber-sumber tersebut juga belumtentu dapat mendiagnosis jenis penyakit seperti yangdilakukan seorang dokter.
Implementasi sistem pakar untuk aplikasi diagnosapenyakit Hyperopia dan myopia ini dilatar belakangioleh terbatasnya ketersediaan tenaga medis sehinggasangat sulit bagi masyarakat pada umum untukkonsultasi masalah gangguan yang dialami pada matasebelum melakukan pengobatan lebih lanjut. Olehkarena itu penelitian ini akan membahas model sistempakar yang dapat mencari dan memberikan solusipenyelesaian sebagai salah satu alat bantu yang dikemasdalam sistem pakar berbasis Android yang diharapkanmampu bekerja menggantikan seorang pakar.
Rumusan MasalahBagaimana merancang dan membangun sebuah sistempakar untuk mendiagnosa penyakit hyperopia danmyopia serta memberikan sebuah tips dan solusi untukpenycegahan awal, dan sebagai sebuah alternatif untukmelakukan penanganan lebih lanjut denganmenggunakan Android dan dapat melakukan updatedatabase langsung melalui perangkat mobile.Tujuana. Untuk menghasilkan sebuah aplikasi sistem pakar
diagnosa penyakit hyperopia dan myopia berbasisAndroid dengan mengguanakan teorema Bayes. sertauntuk membantu dokter mengambil keputusan dalammendiagnosa penyakit mata, sehingga dapatdigunakan oleh pengguna yang minimal mempunyaidasar tentang anatomi mata, seperti perawat dandokter spesialis mata.
b. Untuk mempermudah mendeteksi penyakit yangdialami berdasarkan gejala-gejala yang dirasakanoleh pasien atau pengguana dari sistem itu sendiriserta memberikan tips untuk pencegahan penyakithyperopia dan myopia.
Tinjauan Pustaka
Menurut Martin dan Oxman dalam Kusrini [1], “Sistempakar (Expert System) merupakan sistem berbasiskomputer yang mengunakan pengetahuan, fakta, dan
Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-7 Februari 2016
ISSN : 2302-3805
3.6-14
teknik penalaran dalam memecahkan masalah yangbiasanya hanya dapat dipecahkan oleh seorang pakardalam bidang tersebut”. Ada 2 penelitian yang sejenisyaitu :
1. Penelitian pertama dilakukan oleh Redo Putra padatahun 2013 yang berjudul “Pemanfaatan BackwardChining Pada Penelusuran Gejala Penyakit MataManusia”. Penelitian ini membahas tentangkemudahan informasi dan membantu pengguana(user) untuk menentukan jenis penyakit mata yangdialami oleh pasien.
2. Penelitian kedua dilakukan oleh Johni S Pasaribupada tahun 2015 yang berjudul “Implementasi SistemPakar Untuk Diagnosa Penyakit Mata PadaManusia”. Aplikasi ini mampu mengenali jenispenyakit pada manusia, terutama jenis penyakit mata.
2. Pembahasan
Sistem pakar merupakan suatu program komputerberbasis pengetahuan yang berusaha mengadopsipengetahuan seorang pakar ke komputer, agar komputerdapat menyelesaikan masalah seperti yang dilakukanoleh pakar. Dengan adanya sistempakar maka orangawam pun dapat menyelesaikan masalah atau untukmencari tahu informasi yang akurat mengenai masalahtersebut. Sistem ini seperti halnya seorang pakar hanyaterfokus pada suatu masalah yang spesifik.
Gambar 1. Alur Sistem Pakar
Android adalah sebuah sistem operasi untuk perangkatmobile berbasis linux yang mencakup sistem operasi,midleware dan aplikasi. Android menyediakan platformyang terbuka bagi para pengembang untuk menciptakanaplikasi mereka (Safat H, 2012).
Gambar 2. Arsitektur Android
Teorema bayes merupakan satu metode yang digunakanuntuk menghitung ketidakpastian data menjadi data yangpasti dengan membandingkan anatara data ya dan tidak.Probabilitas bayes merupakan salah satu cara untukmengatasi ketidakpastian data dengan mengguanakanformula bayes yang dinyataakn :
P(H|E) = ( | ). ( )P(E|H)*P(H)
Dimana :P(H|E) =Probabilitas hipotesis H jika diberikan
evidence EP(E|H) =Probabilitas munculnya evidance E jika
diketahui hipotesis HP(H) =Probabilitas H tanpa megandung evidance
apapunP(E) = Probabilitas evidacne E
Penyakit Pada Mata.Tabel 1. Penyakit mata
PID PenyakitP01 Rabun Jauh / HyperopiaP02 Rabun Dekat / Myopia
Sedangkan gejala penyakit Hyperopia dan Myopia dapatdilihat pada Tabel 2.
Tabel 2 gejala penyakit Hyperopia dan MyopiaGID GejalaG01 Sakit KepalaG02 Harus Mengerlingkan Mata Untuk Melihat
Dengan JelasG03 Kesulitan Dalam Membaca atau Melihat
Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-7 Februari 2016
ISSN : 2302-3805
3.6-15
Objek Yang Berada Di Jarak NormalG04 Mata Terasa Lelah Usai Fokus Melihat Objek
DekatG05 Kesulitan Untuk Fokus Dalam Melakukan
Pekerjaan Yang Membutuhkan KonsentrasiTinggi
G06 Pandangan Kabur Saat Melihat Objek YangJauh
G07 Frekuensi Mengedipkan Mata YangBerlebihan
G08 Sering Menggosok MataG09 Mudah lelahG10 Pusing saat memandang jauh
Hubungan antara penyakit dan gejalanya dapat dilihatpada Tabel 3.
Tabel 3. Tabel Keputusan Antara Penyakit Dan GejalaGejala Penyakit
P01 P02G01 1 1G02 0 1G03 0 1G04 0 1G05 0 1G06 1 0G07 1 0G08 1 0G09 0 1G10 0 1
Perhitungan ManualMisalnya gejala yang dirasakan oleh pasien adalah sakitkepala (G01), mudah lelah (G09) dan pusing saatmemandang jauh (G10). Berdasarkan gejala tersebutmaka dapat dihitung, misalkan : Jumlah pasien 40 orang Penderita hyperopia adalah 8 orang, sehingga
probabilitas terkena hyperopia tanpamengandung gejala apapun, P(Hyperopia)adalah 8/40
Pasien dengan gejala sakit kepala 7 orang,sehingga probabilitas terkena hyperopia dengangejala sakit kepala P(sakit kepala | Hyperopia)=7/8
Sedangkan pasien yang terkena myopia tanpamemandang gejala apapun, P(myopia) adalah6/40
Jika diketahui gejala sakit kepala dapat jugamenyebabkan myopia maka probabilitas pasien
dengan gejala sakit kepala jika menderitamyopia, P(sakit kepala | myopia) adalah 5/6
1. P (P01|G01) = P(G01|P01) ∗ P(P01)P(G01 | P01) * P(P01) + P(G01 | P02)* P (P02)
= 0,875 * 0,2
(0,875 * 0,2) + (0,875 *0,15)= 0,175
0,30625= 0,571
2. P (P02|G01) = P(G01|P02) ∗ P(P02)P(G01 | P02) * P(P02) + P(G01 | P02)* P (P02)
= 0,833 * 0,15
(0,833* 0,15) + (0,833 *0,15)= 0,12495
0,2499= 0,510
Dalam kasus hyperopia dan myopia nilai probabilitas0,571 dan 0,510. Mengandung makna bahwaprobabilitas penyakit tersebut mencakup dari 40 orangpasien. Adanya gejala pasien yang terindikasi gejalasakit kepala (G01) dapat diketahui kemungkinanpenyakit yang diderita oleh pasien adalah hyperopia danmyopia.ImplementasiGambaran dari flowchart aplikasi diagnosa penyakithyperopia dan myopia adalah sebagai berikut :
Gambar 3. Flowchart Proses Pencarian
Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-7 Februari 2016
ISSN : 2302-3805
3.6-16
Halaman Login adalah proses untuk mengakses aplikasidengan memasukkan identitas email dan password.
Gambar 4. Halaman Login
Halaman Dashboard adalah halaman untuk memulaidiagnosa penyakit. Pada layar juga ditampilkan halamanuntuk melihat daftar gejala, daftar penyakit dan daftarsolusi untuk user.
Gambar 5. Halaman Dashboard
Perancangan SistemRuang lingkup yang akan dirancang adalah memberikansolusi dalam pengambilan keputusan denganmenggunakan sistem informasi berbasis Android.Lingkupnya adalah menghasilkan sebuah aplikasi yangmenyajikan informasi terkait atas penyakit yang dialamipasien berdasarkan gejala yang ada serta mendapatkansolusi awal untuk melakukan pengobatan lebih lanjut..Aplikasi akan menghasilkan penyajian data denganberinteraksi secara aktif berupa menjawab pertanyaanseperti gejala yang dirasakan oleh pasien. Sistem akanmenjawab secara otomatis sesuai kebutuhan user.Perancangan sistem pakar aplikasi diganosa penyakitHyperopia dan Myopia ini dapat digunakan padasmartphone berbasis Android.
3. Kesimpulan
Aplikasi sistem pakar diagnosa penyakit hyperopia danmyopia berbasis Android dapat mendeteksi penyakityang dialami oleh pasien berdasarkan gejala yangdirasakan oleh pasien itu sendiri . Informasi yang tersajidi aplikasi mulai dari nama penyakit, gejala kemudiansolusi yang berupa anjuran yang akan menjadi acuanuntuk mengambil langkah selanjutnya.
Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-7 Februari 2016
ISSN : 2302-3805
3.6-17
Model alat bantu yang dibuat adalah model sistem pakaryang menjadi alternatif sebagai alat bantu secara cepatdan mudah dengan memberikan solusi penyelesaiannya.
Daftar Pustaka[1] Kusrini, “Aplikasi Sistem Pakar, Menentukan Faktor Kepastian
Penguna Dengan Metode Kuantifikasi Pertanyan”,Yogyakarta:Andi Ofset, 2009. [2] P.M. Morse and H.Feshback, Methods of Theoretical Physic, New York: McGrawHill, 1953.
[2] Wisnu Mahendra, Achmad Ridok, Nurul Hidayat, “PenerapanTeorema Bayes untuk identifikasi penyakit pada tanaman kedelai”,Universitas Brawijaya Malang,2013.
[3] Safat H, Nazrudin, “Pemrograman Aplikasi Mobile Smartphonedan Tablet PC Berbasis Android Edisi Revisi”, Bandung :
Informatika,2012.[4]Redo Putra “Pemanfaatan Backward Chining Pada Penelusuran
Gejala Penyakit Mata Manusia”, Universitas Dian NuswantoroSemarang : 2013
[5] Johni S Pasaribu “Implementasi Sistem Pakar Untuk DiagnosaPenyakit Mata Pada Manusia” 2015
Biodata Penulis
Ria Andriani, sedang menjalani program studi sarjanasemester 5 Jurusan Teknik Informatika AMIKOMYogyakarta.
Burhanudin Dwi Prakoso, sedang menjalani programstudi sarjana semester 5 Jurusan Teknik InformatikaAMIKOM Yogyakarta.
Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-7 Februari 2016
ISSN : 2302-3805
3.6-18