29
BAB III ANALISA DAN PERANCANGAN SISTEM
Dalam bab ini dijelaskan tentang perancangan perangkat lunak dari system, meliputi rancangan aturan untuk menentukan penyakit menggunakan
metode Naïve Bayes Classifier, perancangan proses, penjelasan mengenai parameter, dengan desain alir system, dan struktur tabel serta design form aplikasi
penyakit tropis.
3.1. Proses Naïve Bayes
Proses Naïve Bayes Classifier dalam system ini merupakan proses yang utama. Metode ini cukup baik untuk proses pengklasifikasian data untuk
menghasilkan suatu keputusan sebagai hasil diagnosis dengan menggunakan data training sebagai data learning. Proses yang dilakukan oleh metode ini meliputi
proses penghitungan probabilitas dari setiap inputan data yang kemudian dilanjutkan dengan membandingkan setiap hasilnya. Kemudian barulah dilakukan
pengambilan kesimpulan atau keputusan untuk menentukan diagnosis pasien.
3.1.1. Algoritma Naïve Bayes Classifier
Algoritma Naïve Bayes Classifier digunakan untuk mengetahui bagaimana proses dari metode ini berjalan sehingga menghasilkan keputusan
pada Aplikasi Diagnosis Penyakit Tropis Yang Disebabkan Oleh Bakteri Ini.
Tahap-tahap dari pengambilan keputusan dengan Naïve Bayes adalah : 1.
Memasukkan parameter atau input data yang akan diproses 2.
Mencari nilai atribut hasil terakhit yang akan menjadi hasil diagnosis kelompokkan sesuai dengan banyaknya yaitu Tubercolosis, Tipus, Kolera,
dan Disentri Basiler. 3.
Mencari nilai Probabilitas dari setiap atribut berdasarkan pengelompokan hasil akhir.
4. Melakukan pengelompokan dalam hal ini melakaukan perkalian pada
masing-masing probabilitas tiap-tiap atribut sesuai dengan jenis hasil diagnosis.
5. Dari langkah no 5 kemudian mencari nilai probabilitas terbesar sehingga
dihasilkan kesimpulan atau keputusan diagnosisnya.
3.1.2. Proses Penghitungan Probabilitas dan Penentuan Penyakit Tropis
Proses penghitungan dalam system ini menggunakan metode Naïve Bayes Classifier yang meliputi beberapa tahap seperti pengklasifikasian hasil
diagnosis, mencari probabilitas setiap atribut, serta mencari nilai terbesar untuk menghasilkan keputusan sebagai diagnosis.
Untuk menghitung probabilitas dan menghasilkan suatu keputusan dapat digunakan tabel data survey pada lampiran 1, lampiran 2, dan lampiran 3 :
Keterangan Parameter : X
1
= Batuk
X
12
= Nafsu Makan Menurun X
2
= Batuk
Dahak X
13
= Dada
Sakit X
3
= Batuk
Darah X
14
= Lidah
Kotor X
4
= Batuk 2 bulan X
15
= Nyeri di Ulu Hati X
5
= Sesak
Nafas X
16
= Diare
X
6
= Demam 37°C X
17
= Nyeri
Kepala X
7
= Berat Badan Turun X
18
= Diare Encer dan Banyak X
8
= Pusing
X
19
= Diare Encer dan Sedikit X
9
= Mual.
X
20
= Tinja bercampur Darah Lendir X
10
= Muntah
X
21
= Nyeri
Perut Hebat
X
11
= Malam Berkeringat Dingin X
22
= Tinja Tidak Berbau Busuk
Contoh Proses Naïve Bayes untuk pengambilan suatu keputusan Diagnosa Penyakit Tropis yang disebabkan oleh bakteri :
Seorang pasien mempunyai keluhan sebagai berikut : 1.
Demam Tinggi disertai sesak nafas. 2.
Batuk ± 3 minggu disertai dengan dahak. 3.
Mual, Muntah dan Merasa pusing. 4.
Nafsu makan dan berat badan turun. 5.
Nyeri di ulu hati 6.
Sakit perut hebat 7.
Diare.
Proses klasifikasi dengan Naïve Bayes Clasifier dari data lampiran 1, lampiran 2 dan lampiran 3, sebagai berikut :
… 2.1 ..
........... 2.2 Dari rumus 2.2 maka dapat dijabarkan dengan cara pada setiap kategori
ditentukan nilai dari setiap gejala yang masuk dalam data survey survey berdasarkan data pembelajaran data survey yang sudah dibuat sebelumnya.
TBC = PV
j
. PX
1
|C
1
. PX
2
|C
1
. PX
3
|C
1
. PX
4
|C
1
. PX
5
|C
1
. PX
6
|C
1
. PX
7
|C
1
. PX
8
|C
1
. PX
9
|C
1
. PX
10
|C
1
. PX
11
|C
1
. PX
12
|C
1
. PX
13
|C
1
. PX
14
|C
1
. PX
15
|C
1
. PX
16
|C
1
. PX
17
|C
1
.PX
13
|C
1
. PX
14
|C
1
. PX
15
|C
1
. PX
16
|C
1
. PX
17
|C
1
. PX
18
|C
1
. PX
19
|C
1
. PX
20
|C
1
. PX
21
|C
1
. PX
22
|C
1
= 2060 2020 2020 520 720 1620 1020 1820 1120 1420 1220 520 1220 1220 2020 1920 120 1020
920 2020 2020 120 2020 =
2.0738025E-08 Tipus =
PV
j
. PX
1
|C
1
. PX
2
|C
1
. PX
3
|C
1
. PX
4
|C
1
. PX
5
|C
1
. PX
6
|C
1
. PX
7
|C
1
. PX
8
|C
1
. PX
9
|C
1
. PX
10
|C
1
. PX
11
|C
1
. PX
12
|C
1
. PX
13
|C
1
. PX
14
|C
1
. PX
15
|C
1
. PX
16
|C
1
. PX
17
|C
1
.PX
13
|C
1
. PX
14
|C
1
. PX
15
|C
1
. PX
16
|C
1
. PX
17
|C
1
. PX
18
|C
1
. PX
19
|C
1
. PX
20
|C
1
. PX
21
|C
1
. PX
22
|C
1
= 2060 1220 520 2020 420 220 2020 1420 1520 1520 1420 1920 1220 1820 820 420 1020 420
1820 2020 2020 620 2020 =
1.4252679E-06 Kolera =
PV
j
. PX
1
|C
1
. PX
2
|C
1
. PX
3
|C
1
. PX
4
|C
1
. PX
5
|C
1
. PX
6
|C
1
. PX
7
|C
1
. PX
8
|C
1
. PX
9
|C
1
. PX
10
|C
1
. PX
11
|C
1
. PX
12
|C
1
. PX
13
|C
1
. PX
14
|C
1
. PX
15
|C
1
. PX
16
|C
1
. PX
17
|C
1
.PX
13
|C
1
. PX
14
|C
1
. PX
15
|C
1
. PX
16
|C
1
. PX
17
|C
1
. PX
18
|C
1
. PX
19
|C
1
. PX
20
|C
1
. PX
21
|C
1
. PX
22
|C
1
= 1060 310 110 1010 010 110 510 310 410 710 910 1010 610 910 1010 910 1010 610 110 910
410 1010 110 =
Disentri Basiler = PV
j
. PX
1
|C
1
. PX
2
|C
1
. PX
3
|C
1
. PX
4
|C
1
. PX
5
|C
1
. PX
6
|C
1
. PX
7
|C
1
. PX
8
|C
1
. PX
9
|C
1
. PX
10
|C
1
. PX
11
|C
1
. PX
12
|C
1
. PX
13
|C
1
. PX
14
|C
1
. PX
15
|C
1
. PX
16
|C
1
. PX
17
|C
1
.PX
13
|C
1
. PX
14
|C
1
. PX
15
|C
1
. PX
16
|C
1
. PX
17
|C
1
. PX
18
|C
1
. PX
19
|C
1
. PX
20
|C
1
. PX
21
|C
1
. PX
22
|C
1
= 1060 210 210 1010 010 110 410 310 310 910 710 1010 610 910 1010 810 1010 610
910 110 010 1010 910 =
Sehingga ditemukan penyakit yang di derita pasien adalah penyakit yang memiliki nilai terbesar yaitu Penyakit Thipus, dengan nilai perhitungan
1.4252679E-06.
3.2. Perancangan Sistem
Kategori