SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDIAGNOSISPENYAKIT PSIKOFISIOLOGIS Sistem Pendukung Keputusan Untuk Mendiagnosis Penyakit Psikofisiologis.
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDIAGNOSIS
PENYAKIT PSIKOFISIOLOGIS
Naskah Publikasi
Program Studi Informatika
Fakultas Komunikasi dan Informatika
Oleh:
Qurniah Ulfahsari Putri Arnika
Nurgiyatna., M.Sc.,Ph.D.
PROGRAM STUDI INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
UNIVERSITAS MUHAMMADIYAH SURAKARTA
JULI 2015
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDIAGNOSIS
PENYAKIT PSIKOFISIOLOGIS
Qurniah Ulfahsari Putri Arnika, Nurgiyatna
Program Studi Informatika, Fakultas Komunikasi dan Informatika
Universitas Muhammadiyah Surakarta
Email : arnika0508@gmail.com
ABSTRACT
Psychophysiological disease is a disorder in development caused by
two things: the disruption caused by the physical and emotional state or
psychological state. The process of early detection and understanding of
psychophysiological disease is still lacking in the majority of ordinary
people, even the blind can be classified information in the field of mental
health. In this case, the need for rapid and precise information on health care
or mental health specialist is needed for early detection. Therefore, solutions
are needed as well as the dissemination of information about the disease
through web technology. Implementation of these solutions is a decision
support system for diagnosing psychophysiological diseases. In the search
process, the method used is the method of approach that uses a forward
chaining rule-based reasoning rule based reasoning. This study resulted in a
decision support system for diagnosing disease based psychophysiological
web will show that the system can help support the doctor's decision, also
can determine the likelihood that a patient suffering from a disease or
disorder according to the inputted symptoms, and can display the solution of
the disease.
Keywords : Decision Support System, Forward Chaining,
Psychophysiological.
Salah satunya adalah sebuah sistem
PENDAHULUAN
Psikofisiologis
(Gangguan
Psikosomatik) merupakan gangguan
pada perkembangan yang disebabkan
oleh dua hal yaitu gangguan yang
disebabkan oleh keadaan fisik dan
gangguan yang disebabkan oleh emosi
atau
keadaan
psikologis.
Gejala
psikofisiologis yang banyak dijumpai
berupa gejala sakit kepala, mudah
pingsan, jantung berdebar-debar, sesak
nafas, gangguan pada lambung dan
sebagainya dengan frekuensi yang
berulang-ulanng.
Hal-hal
tersebut
biasanya disebabkan sebuah beban
didalam pikiran.
Kurangnya
pengetahuan
yang mendukung solusi atas suatau
permasalahan
efektif,
yaitu
efisien
sebuah
dan
sistem
pendukung keoutusan.
Berdasarkan uraian di atas
membuat
penulis
tergerak
untuk
membuat suatu penelitian dengan
judul “Sistem Pendukung Keputusan
Untuk
Mendiagnosis
Penyakit
Psikofisiologis”.
Penulis
penelitian
dapat
ini
berharap
membantu
masyarakat luas untuk mendeteksi
penyakit psikofisiologis sejak dini
serta mengetahui solusi penanganan
dari penyakit tersebut.
TINJAUAN PUSTAKA
tentang penyakit psikofisiologis itu
Muhammad
sendiri menyebabkan
dalam
kebanyakan
secara
Syakuni
dkk.
penelitiannya
berjudul
masyarakat terkadang menyepelekan
Pemodelan
gangguan fisik yang dialami, sehingga
Keputusan Kelompok dengan Metode
terjadi keterlambatan diagnosis dan
Fuzzy
penanganan
Diagnosis
penyakit
secara
tersebut,
menyebabkan
medis
hal
ini
peningkatan
tentang
Sistem
(2012)
Weighted
Pendukung
Product
Penyakit
untuk
Pneumonia,
dapat
menguraikan bahwa penelitian fokus
jumlah
pada pengenbangan sistem pendukung
penderita dari tahun ketahun, selain itu
keputusan
juga berakibat fatal pada penderitanya.
mendiagnosis pasien pneumonia pada
Peranan teknologi informasi
orang
dewasa.
kelompok
Sistem
untuk
dirancang
saat ini diperlukan di berbagai bidang,
sebagai alat bantu tenaga medis dalam
diantaranya untuk menangani masalah
mendiagnosis dan menurunkan tingkat
diatas yaitu sebuah sistem yang dapat
keterlambatan
mengantisipasi
permasalahan
dikembangkan berbasis web dengan
psikofisiologis.
tahap perankingan weighted product.
diagnosis
penyakit
penanganan.
Sistem
Hasil pengujian menunjukkan bahwa
telah
sistem
menunjukan
dapat
mendukung
untuk
Winiarti
berjudul
Sistem
Keputusan
Untuk
penelitiannya
Pendukung
Diagnosa
(2012) dalam
Penyakit
Tulang.
Pada
penelitian ini, yang menjadi subyek
adalah aplikasi Sistem Keputusan
Hasil
dimana
melakukan
mendiagnosis penyakit.
Sri
ditentukan.
penelitian
user
konsultasi
yang
akan
menginputkan data pribadi. Kemudian
sistem akan mengolah data tersebut
dan akan menghasilkan keputusan
mengenai resiko yang dihadapi oleh
user. Sehingga dapat segera dilakukan
antisipasi dan penanganan yang tepat.
Ridha Fitriani (2012) dalam
Klinis untuk diagnosa penyakit tulang
pada manusia. Metode pengumpulan
skripsinya
data dengan metode wawancara, dan
berjudul Sistem Pendukung Keputusan
study literature. Sistem ini berupa
Diagnosa
sebuah
Sistem
Dengan Metode Forward Chaining
Pendukung Keputusan Klinis berbasis
Untuk Memberikan Informasi Gejala
web untuk diagnosa Penyakit Tulang
Dan Membantu Deteksi Dini Pada
pada manusia menggunakan metode
Penyakit Kanker, menguraikan bahwa
certainty factor. Haisip penelitian
dibutuhkan
berupa
penyakit
informasi tentang penyakit hematologi
yang
dan onkologi. Berdasarkan uji coba
coba
yang dilakukan dapat disimpulkan
perangkat
hasil
berdasarkan
diinputkan
lunak
diagnosa
gejala-gejala
user.
Hasil
uji
bahwa
digunakan sebagai alat bantu para
keputusan
medis
metode
Tulang
dalam
solusi
model
penyebaran
sistem
yang
pendukung
dibangun
forward
dengan
chaining
menghasilkan sebuah sistem yang
mendiagnosa
Rizka Nurul Fitri dkk. (2010)
dalam penelitiannya berjudul Sistem
Pendukung
penelitian
Hematologi-Onkologi
menunjukkan bahwa aplikasi ini dapat
Penyakit
melaporkan
Keputusan
Penentuan
dapat mendeteksi penyakit tersebut
dengan
menyebutkan
gejala
yang
dialami dan diagnosis akan muncul.
Resiko Penyakit Ginjal, menguraikan
bahwa penelitian sistem pendukung
keputusan penentuan resiko penyakit
A)
Metode
Inferensi
Forward
Chaining.
ginjal dilakukan dengan analisa yang
Forward chaining adalah pendekatan
akurat menggunakan rule base yang
yang dimotori
data
(data-driven).
Dalam
pendekatan
ini
pelacakan
adalah
keluhan
nyeri
yang
dimulai dari informasi masukan dan
penyebabnya bukan penyakit organik.
selanjutnya mencoba menggambarkan
Nyeri yang muncul karena rasa cemas
kesimpulan.
depan
yang berlebihan, rasa khawatir atau
mencari fakta yang sesuai dengan
gelisah akan sesuatu. Sensasi nyeri
bagian IF dari aturan IF-THEN.
seperti
B)
Pelacakan
ke
Penyakit psikofisiologis merupakan
gangguan pada perkembangan yang
gangguan
oleh
yang
dua
hal
yaitu
disebabkan
oleh
keadaan fisik dan gangguan yang
disebabkan oleh emosi atau keadaan
psikologis. Gejala psikofisiologis yang
banyak dijumpai berupa gejala sakit
kepala,
mudah
pingsan,
jantung
berdebar-debar, sesak nafas, gangguan
pada lambung dan sebagainya dengan
tersebut
biasanya
disebabkan
sebuah beban didalam pikiran.
Penyakit-penyakit berikut ini yang
dikategorikan
sebagai
penyakit
psikofisiologis.
1)
Ansietas
adalah kecemasan yang berlebihan dan
lebih bersifat subjektif.
2)
sekali
dicari
melibatkan tim psikiatri.
4)
Sindrom Lelah Kronik
adalah rasa lelah yang berlangsung
lama dan tidak hilang dengan istirahat
dan tanpa penyebab organik yang
jelas.
5)
Sindrom Kolon Iritabel
adalah sakit perut disertai gangguan
buang
Depresi
air
besar
tanpa
dijumpai
kelainan organik.
METODE PENELITIAN
frekuensi yang berulang-ulanng. Hal –
hal
sulit
penyebabnya, oleh karena itu haris
Penyakit Psikofisiologis
disebabkan
ini
Untuk mendapatkan hasil yang
akurat, peneliti melakukan penelitian
dengan
alur kerja
dalam
bentuk
flowchart atau diagram alir.
Berikut uraiannya :
a) Peneliti mengidentifikasi kebutuhan
apa saja yang diperlukan dalam
sistem.
b) Peneliti
menganalisa
kebutuhan
fasilitas yang diperlukan dalam
adalah gangguan afektif / mood yang
sistem
ditandai dengan penekanan perasaan
berdasarkan proses identifikasi.
yang amat mendalam.
3)
Nyeri Psikogenik
yang
akan
dibuat,
c) Peneliti mengumpulkan data secara
detail, jelas dan lengkap.
d) Peneliti mendesain sistem dengan
melakukan peubahan data menjadi
struktur data untuk implementasi
software
yang
sesuai
dengan
konsep pemanfaatan web service
e) Peneliti melakukan perancangan
sistem dan membangun sistem
tersebut dengan data yang telah
terkumpul
sesuai
dengan
perencanaan yang terstruktur dari
data
yang
telah
ada,
dengan
memanfaatkan basis data yang telah
ada sebelumnya.
f) Peneliti
melakukan
pengujian
Gambar 1 Diagram Alir Penelitian
sistem yang diharapkan mampu
memberi
jawaban
dari
permasalahan yang telah terungkap
secara teknis dan konsep awal.
g) Peneliti
sistem
mengimplementasikan
dengan
rencana
menjabarkan
serta
kegiatan
implementasi dalam pengembangan
sistem yang telah terbagi dalam
dengan
Peneliti
1.
Analisa Hasil
a)
Halaman Beranda
Halaman beranda dirancang secara
sederhana. Pada halaman ini terdapat
header, footer dan content yang berisi
keterangan
psikofisiologis
tentang
secara
penyakit
singkat.
Didalamnya juga terdapat form login. .
beberapa tahap yang berbeda.
h)
PEMBAHASAN
menyusun
laporan
mengumpulkan
semua
dokumentasi yang terdiri dari data
yang telah masuk dari awal penelitian
hingga hasil akhir penelitian.
Gambar 2 Halaman Beranda
b)
Halaman Informasi
menu delete dan menu tambahkan,
Dalam halaman informasi terdapat
dimana menu tambahkan digunakan
penjelasan tentang sistem pendukung
untuk menambahkan nama penyakit
keputusan secara singkat.
baru beserta penjelasannya.
Gambar 5 Halaman Data Penyakit
Gambar 3 Halaman Informasi
c)
e)
Halaman Bantuan
Halaman Data Relasi
Halaman bantuan terdapat penjelasan
Halaman
tentang bagaimana langkah – langkah
halaman yang menghubungkan antara
menggunakan
jenis
Tampilan
sistem
halaman
tersebut.
bantuan
dapat
terlihat pada gambar 4.
Halaman Data Penyakit
Halaman data penyakit didalamnya
terdapat data nama-nama penyakit
beserta penjelasan tentang penyakit
tersebut. Selain itu terdapat menu edit,
penyakit
relasi
beserta
merupakan
gejalanya.
Didalamnya juga terdapat menu edit,
menu delete dan menu tambahkan.
Gambar 6 Halaman Data Relasi
Gambar 4 Halaman Bantuan
d)
data
f)
Halaman Pasien
Halaman pasien menampilkan menu
profile dan menu diagnosa. Dimana
dalam menu profile ini user dapat
melakuka edit profile yang telah
dimasukkan.
Gambar 7 Halaman Pasien
Gambar 9 Tampilan Form Registrasi
g)
Halaman Diagnosa
Pasien
Halaman diagnosa berisi empat tipe
pertanyaan
dirasakan
tentang
dan
gejala
user
yang
diharuskan
melakukan diagnosa, dengan memilih
2.
Pengujian Program
Dimana proses pengujian sistem ini
berupa masukan gejala klinis yang
sesuai gejala yang dirasakan.
dirasakan oleh pasien dan dikelola
oleh dokter/paramedis. Apabila proses
diagnosis berjalan dengan baik dan
berhasil
dilakukan,
sistem
akan
menampilkan hasil diagnosis berupa
kemungkinan
penyakit
yang
Gambar 8 Halaman Diagnosa
dirasakan, serta menampilakan gejala
h)
Tampilan
Form
Registrasi
Pasien
umum penyakit, saran terapi, saran
obat, juga menampilkan kemungkinan
Form registrasi pasien merupakan
form yang wajib diisi pasien baru
untuk dapat login pada sistem dan
melakukan diagnosa penyakit.
penyakit lainnya, juga menampilkan
gejala yang dirasakan pasien secara
keseluruhan.
a.
Diagnosis 1
Pada diagnosis 1, pasien melakukan
diagnosis
beberapa
dengan
gejala
diantaranya,
memasukkan
yang
dirasakan
aktifitas
keseharian
terganggu, mudah lelah, kurang atau
tidak perhatian pada lingkungan, tidak
ada
minat
untuk
beraktivitas,
konsentrasi serta perhatian kurang,
Gambar 10 Hasil Diagnosis Depresi
perubahan nafsu makan dan pola tidur,
Setelah pasien melakukan diagnosis
sering berkata jangan – jangan, sulit
dan berhasil mengetahui kemungkinan
memulai
tidur,
muram,
penyakit, pada history diagnosa pakar
murung,
dan
yang
akan muncul history diagnosis pasien,
menikmati
dimana hasil diagnosis yang dilihat
mendalam,
perasaan
kesedihan
tidak
bisa
hidup, menderita insomnia, dan nyeri
pada
yang
Setelah
kemungkinan penyakit, gejala umum
menjawab semua pertanyaan tentang
penyakit, saran terapi untuk pasien,
semua gejala yang dirasakan, diakhir
saran
akan ada berakhirnya pertanyaan dan
penyakit
user harus menyimpan semua jawaban
dirasakan pasien. Berikut terlihat pada
pertanyaan,
gambar 11.
mendadak
muncul.
selanjutnya
system
melakukan perhitungan prosentase dan
kemungkinan penyakit yang diderita.
Pada
didapatkan
kemungkinan
diagnosis
hasil
penyakit
1
ini
diagnosis
“Depresi”
dengan prosentase 46% . Hasil dapat
dilihat pada gambar 10.
dokter
obat,
lain,
akan
serta
dan
muncul
kemungkinan
gejala
yang
menggunakan
forward
metode
chaining
menghasilkan
keakuratannya sesuai dengan yang
diharapkan
dokter
spesialis
kesehatan jiwa.
3. Berdasarkan hasil
responden
bahwa
analisis dari
dapat
sistem
pengambilan
disimpulkan
ini
membantu
keputusan
dalam
mendiagnosis
penyakit
psikofisiologis secara dini dengan
mudah,
sehingga
pasien
hasil
diagnosis
mendapatkan
beserta keterangan dan solusi terapi
penanganan dengan cepat dan tepat.
4. Sistem
Gambar 11 Hasil Diagnosis
Dokter/Paramedis (Depresi)
akan
peringatan
‘tidak
menunjukkan
ditemukan’
apabila wajah training tidak ada
dalam data set image, dan juga
kondisi cahaya yang redup.
KESIMPULAN
5. Sistem juga akan menunjukkan
Berdasarkan uraian yang telah dibahas
pada bab – bab sebelumnya sehingga
dapat diambil kesimpulan :
peringatan ‘nowajah’ apabila wajah
tidak sempurna terdeteksi oleh
sistem
(terpotong),
dan
akan
1. Tujuan penelitian telah tercapai dan
menunjukkan peringatan ‘nomata’
telah selesai dibuat aplikasi sistem
apabila kondisi pencahayaan mata
pendukung keputusan berbasis web
kiri dan mata kanan berbeda.
untuk
mendiagnosis
penyakit
psikofisiologis.
2. Hasil pengujian pada program,
output yang dihasilkan sudah sesuai
dengan yang diharapkan perancang,
serta tingkat kepercayaan yang
dihasilkan
sistem
dengan
DAFTAR PUSTAKA
Fitri, N. R. dkk., 2010. Sistem Pendukung Keputusan Penentuan Resiko Penyakit
Ginjal. Institut Teknologi Sepuluh November. Surabaya.
Fitriani, R., 2013. Sistem Pendukung Keputusan Diagnosa Hematologi-Onkologi
Dengan Metode Forward Chaining Untuk Memberikan Informasi
Gejala Dan Membantu Deteksi Dini Pada Penyakit Kanker. Universitas
Dian Nuswantoro Semarang. Semarang.
Indonesia. Departemen Kesehatan. Direktorat Jendral Pelayanan Medik, 1993.
Pedoman Penggolongan dan Diagnosis Gangguan Jiwa III.
Cetakan Pertama. Departemen Kesehatan : Jakarta
Kusumadewi, S., 2003, Artificial Intelligence (Teknik dan Aplikasinya). Graha
Ilmu : Yogyakarta.
Mansjoer, Arif., 2001. Kapita Selekta Kedokteran Edisi 3 Jilid Kedua. Media
Aesculapius Fakultas Kedokteran Universitas Indonesia. Jakarta.
Syakuni M. dkk., 2012. Pemodelan Sistem Pendukung Keputusan Kelompok
Dengan Metode Fuzzy Weighted Product Untuk Diagnosis
Penyakit Pneumonia. Universitas Gadjah Mada. Yogyakarta.
Turban, E dan Aronson. J. E., 2005. Decision Support System and Intelligent
Systems (Sistem Pendukung Keputusan dan Sistem Cerdas). Jilid 2.
Andi :Yogyakarta.
Tolle, Herman. (2009), Teknik Inferensi. Diakses dari http://www.slideshare.net/
herman_tolle/iv-teknik-inferensi. (diakses tanggal 25 Mei 2015).
Winiarti, S., 2012. Sistem Pendukung Keputusan Untuk Diagnosa Penyakit
Tulang. Universitas Ahmad Dahlan. Yogyakarta.
PENYAKIT PSIKOFISIOLOGIS
Naskah Publikasi
Program Studi Informatika
Fakultas Komunikasi dan Informatika
Oleh:
Qurniah Ulfahsari Putri Arnika
Nurgiyatna., M.Sc.,Ph.D.
PROGRAM STUDI INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
UNIVERSITAS MUHAMMADIYAH SURAKARTA
JULI 2015
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDIAGNOSIS
PENYAKIT PSIKOFISIOLOGIS
Qurniah Ulfahsari Putri Arnika, Nurgiyatna
Program Studi Informatika, Fakultas Komunikasi dan Informatika
Universitas Muhammadiyah Surakarta
Email : arnika0508@gmail.com
ABSTRACT
Psychophysiological disease is a disorder in development caused by
two things: the disruption caused by the physical and emotional state or
psychological state. The process of early detection and understanding of
psychophysiological disease is still lacking in the majority of ordinary
people, even the blind can be classified information in the field of mental
health. In this case, the need for rapid and precise information on health care
or mental health specialist is needed for early detection. Therefore, solutions
are needed as well as the dissemination of information about the disease
through web technology. Implementation of these solutions is a decision
support system for diagnosing psychophysiological diseases. In the search
process, the method used is the method of approach that uses a forward
chaining rule-based reasoning rule based reasoning. This study resulted in a
decision support system for diagnosing disease based psychophysiological
web will show that the system can help support the doctor's decision, also
can determine the likelihood that a patient suffering from a disease or
disorder according to the inputted symptoms, and can display the solution of
the disease.
Keywords : Decision Support System, Forward Chaining,
Psychophysiological.
Salah satunya adalah sebuah sistem
PENDAHULUAN
Psikofisiologis
(Gangguan
Psikosomatik) merupakan gangguan
pada perkembangan yang disebabkan
oleh dua hal yaitu gangguan yang
disebabkan oleh keadaan fisik dan
gangguan yang disebabkan oleh emosi
atau
keadaan
psikologis.
Gejala
psikofisiologis yang banyak dijumpai
berupa gejala sakit kepala, mudah
pingsan, jantung berdebar-debar, sesak
nafas, gangguan pada lambung dan
sebagainya dengan frekuensi yang
berulang-ulanng.
Hal-hal
tersebut
biasanya disebabkan sebuah beban
didalam pikiran.
Kurangnya
pengetahuan
yang mendukung solusi atas suatau
permasalahan
efektif,
yaitu
efisien
sebuah
dan
sistem
pendukung keoutusan.
Berdasarkan uraian di atas
membuat
penulis
tergerak
untuk
membuat suatu penelitian dengan
judul “Sistem Pendukung Keputusan
Untuk
Mendiagnosis
Penyakit
Psikofisiologis”.
Penulis
penelitian
dapat
ini
berharap
membantu
masyarakat luas untuk mendeteksi
penyakit psikofisiologis sejak dini
serta mengetahui solusi penanganan
dari penyakit tersebut.
TINJAUAN PUSTAKA
tentang penyakit psikofisiologis itu
Muhammad
sendiri menyebabkan
dalam
kebanyakan
secara
Syakuni
dkk.
penelitiannya
berjudul
masyarakat terkadang menyepelekan
Pemodelan
gangguan fisik yang dialami, sehingga
Keputusan Kelompok dengan Metode
terjadi keterlambatan diagnosis dan
Fuzzy
penanganan
Diagnosis
penyakit
secara
tersebut,
menyebabkan
medis
hal
ini
peningkatan
tentang
Sistem
(2012)
Weighted
Pendukung
Product
Penyakit
untuk
Pneumonia,
dapat
menguraikan bahwa penelitian fokus
jumlah
pada pengenbangan sistem pendukung
penderita dari tahun ketahun, selain itu
keputusan
juga berakibat fatal pada penderitanya.
mendiagnosis pasien pneumonia pada
Peranan teknologi informasi
orang
dewasa.
kelompok
Sistem
untuk
dirancang
saat ini diperlukan di berbagai bidang,
sebagai alat bantu tenaga medis dalam
diantaranya untuk menangani masalah
mendiagnosis dan menurunkan tingkat
diatas yaitu sebuah sistem yang dapat
keterlambatan
mengantisipasi
permasalahan
dikembangkan berbasis web dengan
psikofisiologis.
tahap perankingan weighted product.
diagnosis
penyakit
penanganan.
Sistem
Hasil pengujian menunjukkan bahwa
telah
sistem
menunjukan
dapat
mendukung
untuk
Winiarti
berjudul
Sistem
Keputusan
Untuk
penelitiannya
Pendukung
Diagnosa
(2012) dalam
Penyakit
Tulang.
Pada
penelitian ini, yang menjadi subyek
adalah aplikasi Sistem Keputusan
Hasil
dimana
melakukan
mendiagnosis penyakit.
Sri
ditentukan.
penelitian
user
konsultasi
yang
akan
menginputkan data pribadi. Kemudian
sistem akan mengolah data tersebut
dan akan menghasilkan keputusan
mengenai resiko yang dihadapi oleh
user. Sehingga dapat segera dilakukan
antisipasi dan penanganan yang tepat.
Ridha Fitriani (2012) dalam
Klinis untuk diagnosa penyakit tulang
pada manusia. Metode pengumpulan
skripsinya
data dengan metode wawancara, dan
berjudul Sistem Pendukung Keputusan
study literature. Sistem ini berupa
Diagnosa
sebuah
Sistem
Dengan Metode Forward Chaining
Pendukung Keputusan Klinis berbasis
Untuk Memberikan Informasi Gejala
web untuk diagnosa Penyakit Tulang
Dan Membantu Deteksi Dini Pada
pada manusia menggunakan metode
Penyakit Kanker, menguraikan bahwa
certainty factor. Haisip penelitian
dibutuhkan
berupa
penyakit
informasi tentang penyakit hematologi
yang
dan onkologi. Berdasarkan uji coba
coba
yang dilakukan dapat disimpulkan
perangkat
hasil
berdasarkan
diinputkan
lunak
diagnosa
gejala-gejala
user.
Hasil
uji
bahwa
digunakan sebagai alat bantu para
keputusan
medis
metode
Tulang
dalam
solusi
model
penyebaran
sistem
yang
pendukung
dibangun
forward
dengan
chaining
menghasilkan sebuah sistem yang
mendiagnosa
Rizka Nurul Fitri dkk. (2010)
dalam penelitiannya berjudul Sistem
Pendukung
penelitian
Hematologi-Onkologi
menunjukkan bahwa aplikasi ini dapat
Penyakit
melaporkan
Keputusan
Penentuan
dapat mendeteksi penyakit tersebut
dengan
menyebutkan
gejala
yang
dialami dan diagnosis akan muncul.
Resiko Penyakit Ginjal, menguraikan
bahwa penelitian sistem pendukung
keputusan penentuan resiko penyakit
A)
Metode
Inferensi
Forward
Chaining.
ginjal dilakukan dengan analisa yang
Forward chaining adalah pendekatan
akurat menggunakan rule base yang
yang dimotori
data
(data-driven).
Dalam
pendekatan
ini
pelacakan
adalah
keluhan
nyeri
yang
dimulai dari informasi masukan dan
penyebabnya bukan penyakit organik.
selanjutnya mencoba menggambarkan
Nyeri yang muncul karena rasa cemas
kesimpulan.
depan
yang berlebihan, rasa khawatir atau
mencari fakta yang sesuai dengan
gelisah akan sesuatu. Sensasi nyeri
bagian IF dari aturan IF-THEN.
seperti
B)
Pelacakan
ke
Penyakit psikofisiologis merupakan
gangguan pada perkembangan yang
gangguan
oleh
yang
dua
hal
yaitu
disebabkan
oleh
keadaan fisik dan gangguan yang
disebabkan oleh emosi atau keadaan
psikologis. Gejala psikofisiologis yang
banyak dijumpai berupa gejala sakit
kepala,
mudah
pingsan,
jantung
berdebar-debar, sesak nafas, gangguan
pada lambung dan sebagainya dengan
tersebut
biasanya
disebabkan
sebuah beban didalam pikiran.
Penyakit-penyakit berikut ini yang
dikategorikan
sebagai
penyakit
psikofisiologis.
1)
Ansietas
adalah kecemasan yang berlebihan dan
lebih bersifat subjektif.
2)
sekali
dicari
melibatkan tim psikiatri.
4)
Sindrom Lelah Kronik
adalah rasa lelah yang berlangsung
lama dan tidak hilang dengan istirahat
dan tanpa penyebab organik yang
jelas.
5)
Sindrom Kolon Iritabel
adalah sakit perut disertai gangguan
buang
Depresi
air
besar
tanpa
dijumpai
kelainan organik.
METODE PENELITIAN
frekuensi yang berulang-ulanng. Hal –
hal
sulit
penyebabnya, oleh karena itu haris
Penyakit Psikofisiologis
disebabkan
ini
Untuk mendapatkan hasil yang
akurat, peneliti melakukan penelitian
dengan
alur kerja
dalam
bentuk
flowchart atau diagram alir.
Berikut uraiannya :
a) Peneliti mengidentifikasi kebutuhan
apa saja yang diperlukan dalam
sistem.
b) Peneliti
menganalisa
kebutuhan
fasilitas yang diperlukan dalam
adalah gangguan afektif / mood yang
sistem
ditandai dengan penekanan perasaan
berdasarkan proses identifikasi.
yang amat mendalam.
3)
Nyeri Psikogenik
yang
akan
dibuat,
c) Peneliti mengumpulkan data secara
detail, jelas dan lengkap.
d) Peneliti mendesain sistem dengan
melakukan peubahan data menjadi
struktur data untuk implementasi
software
yang
sesuai
dengan
konsep pemanfaatan web service
e) Peneliti melakukan perancangan
sistem dan membangun sistem
tersebut dengan data yang telah
terkumpul
sesuai
dengan
perencanaan yang terstruktur dari
data
yang
telah
ada,
dengan
memanfaatkan basis data yang telah
ada sebelumnya.
f) Peneliti
melakukan
pengujian
Gambar 1 Diagram Alir Penelitian
sistem yang diharapkan mampu
memberi
jawaban
dari
permasalahan yang telah terungkap
secara teknis dan konsep awal.
g) Peneliti
sistem
mengimplementasikan
dengan
rencana
menjabarkan
serta
kegiatan
implementasi dalam pengembangan
sistem yang telah terbagi dalam
dengan
Peneliti
1.
Analisa Hasil
a)
Halaman Beranda
Halaman beranda dirancang secara
sederhana. Pada halaman ini terdapat
header, footer dan content yang berisi
keterangan
psikofisiologis
tentang
secara
penyakit
singkat.
Didalamnya juga terdapat form login. .
beberapa tahap yang berbeda.
h)
PEMBAHASAN
menyusun
laporan
mengumpulkan
semua
dokumentasi yang terdiri dari data
yang telah masuk dari awal penelitian
hingga hasil akhir penelitian.
Gambar 2 Halaman Beranda
b)
Halaman Informasi
menu delete dan menu tambahkan,
Dalam halaman informasi terdapat
dimana menu tambahkan digunakan
penjelasan tentang sistem pendukung
untuk menambahkan nama penyakit
keputusan secara singkat.
baru beserta penjelasannya.
Gambar 5 Halaman Data Penyakit
Gambar 3 Halaman Informasi
c)
e)
Halaman Bantuan
Halaman Data Relasi
Halaman bantuan terdapat penjelasan
Halaman
tentang bagaimana langkah – langkah
halaman yang menghubungkan antara
menggunakan
jenis
Tampilan
sistem
halaman
tersebut.
bantuan
dapat
terlihat pada gambar 4.
Halaman Data Penyakit
Halaman data penyakit didalamnya
terdapat data nama-nama penyakit
beserta penjelasan tentang penyakit
tersebut. Selain itu terdapat menu edit,
penyakit
relasi
beserta
merupakan
gejalanya.
Didalamnya juga terdapat menu edit,
menu delete dan menu tambahkan.
Gambar 6 Halaman Data Relasi
Gambar 4 Halaman Bantuan
d)
data
f)
Halaman Pasien
Halaman pasien menampilkan menu
profile dan menu diagnosa. Dimana
dalam menu profile ini user dapat
melakuka edit profile yang telah
dimasukkan.
Gambar 7 Halaman Pasien
Gambar 9 Tampilan Form Registrasi
g)
Halaman Diagnosa
Pasien
Halaman diagnosa berisi empat tipe
pertanyaan
dirasakan
tentang
dan
gejala
user
yang
diharuskan
melakukan diagnosa, dengan memilih
2.
Pengujian Program
Dimana proses pengujian sistem ini
berupa masukan gejala klinis yang
sesuai gejala yang dirasakan.
dirasakan oleh pasien dan dikelola
oleh dokter/paramedis. Apabila proses
diagnosis berjalan dengan baik dan
berhasil
dilakukan,
sistem
akan
menampilkan hasil diagnosis berupa
kemungkinan
penyakit
yang
Gambar 8 Halaman Diagnosa
dirasakan, serta menampilakan gejala
h)
Tampilan
Form
Registrasi
Pasien
umum penyakit, saran terapi, saran
obat, juga menampilkan kemungkinan
Form registrasi pasien merupakan
form yang wajib diisi pasien baru
untuk dapat login pada sistem dan
melakukan diagnosa penyakit.
penyakit lainnya, juga menampilkan
gejala yang dirasakan pasien secara
keseluruhan.
a.
Diagnosis 1
Pada diagnosis 1, pasien melakukan
diagnosis
beberapa
dengan
gejala
diantaranya,
memasukkan
yang
dirasakan
aktifitas
keseharian
terganggu, mudah lelah, kurang atau
tidak perhatian pada lingkungan, tidak
ada
minat
untuk
beraktivitas,
konsentrasi serta perhatian kurang,
Gambar 10 Hasil Diagnosis Depresi
perubahan nafsu makan dan pola tidur,
Setelah pasien melakukan diagnosis
sering berkata jangan – jangan, sulit
dan berhasil mengetahui kemungkinan
memulai
tidur,
muram,
penyakit, pada history diagnosa pakar
murung,
dan
yang
akan muncul history diagnosis pasien,
menikmati
dimana hasil diagnosis yang dilihat
mendalam,
perasaan
kesedihan
tidak
bisa
hidup, menderita insomnia, dan nyeri
pada
yang
Setelah
kemungkinan penyakit, gejala umum
menjawab semua pertanyaan tentang
penyakit, saran terapi untuk pasien,
semua gejala yang dirasakan, diakhir
saran
akan ada berakhirnya pertanyaan dan
penyakit
user harus menyimpan semua jawaban
dirasakan pasien. Berikut terlihat pada
pertanyaan,
gambar 11.
mendadak
muncul.
selanjutnya
system
melakukan perhitungan prosentase dan
kemungkinan penyakit yang diderita.
Pada
didapatkan
kemungkinan
diagnosis
hasil
penyakit
1
ini
diagnosis
“Depresi”
dengan prosentase 46% . Hasil dapat
dilihat pada gambar 10.
dokter
obat,
lain,
akan
serta
dan
muncul
kemungkinan
gejala
yang
menggunakan
forward
metode
chaining
menghasilkan
keakuratannya sesuai dengan yang
diharapkan
dokter
spesialis
kesehatan jiwa.
3. Berdasarkan hasil
responden
bahwa
analisis dari
dapat
sistem
pengambilan
disimpulkan
ini
membantu
keputusan
dalam
mendiagnosis
penyakit
psikofisiologis secara dini dengan
mudah,
sehingga
pasien
hasil
diagnosis
mendapatkan
beserta keterangan dan solusi terapi
penanganan dengan cepat dan tepat.
4. Sistem
Gambar 11 Hasil Diagnosis
Dokter/Paramedis (Depresi)
akan
peringatan
‘tidak
menunjukkan
ditemukan’
apabila wajah training tidak ada
dalam data set image, dan juga
kondisi cahaya yang redup.
KESIMPULAN
5. Sistem juga akan menunjukkan
Berdasarkan uraian yang telah dibahas
pada bab – bab sebelumnya sehingga
dapat diambil kesimpulan :
peringatan ‘nowajah’ apabila wajah
tidak sempurna terdeteksi oleh
sistem
(terpotong),
dan
akan
1. Tujuan penelitian telah tercapai dan
menunjukkan peringatan ‘nomata’
telah selesai dibuat aplikasi sistem
apabila kondisi pencahayaan mata
pendukung keputusan berbasis web
kiri dan mata kanan berbeda.
untuk
mendiagnosis
penyakit
psikofisiologis.
2. Hasil pengujian pada program,
output yang dihasilkan sudah sesuai
dengan yang diharapkan perancang,
serta tingkat kepercayaan yang
dihasilkan
sistem
dengan
DAFTAR PUSTAKA
Fitri, N. R. dkk., 2010. Sistem Pendukung Keputusan Penentuan Resiko Penyakit
Ginjal. Institut Teknologi Sepuluh November. Surabaya.
Fitriani, R., 2013. Sistem Pendukung Keputusan Diagnosa Hematologi-Onkologi
Dengan Metode Forward Chaining Untuk Memberikan Informasi
Gejala Dan Membantu Deteksi Dini Pada Penyakit Kanker. Universitas
Dian Nuswantoro Semarang. Semarang.
Indonesia. Departemen Kesehatan. Direktorat Jendral Pelayanan Medik, 1993.
Pedoman Penggolongan dan Diagnosis Gangguan Jiwa III.
Cetakan Pertama. Departemen Kesehatan : Jakarta
Kusumadewi, S., 2003, Artificial Intelligence (Teknik dan Aplikasinya). Graha
Ilmu : Yogyakarta.
Mansjoer, Arif., 2001. Kapita Selekta Kedokteran Edisi 3 Jilid Kedua. Media
Aesculapius Fakultas Kedokteran Universitas Indonesia. Jakarta.
Syakuni M. dkk., 2012. Pemodelan Sistem Pendukung Keputusan Kelompok
Dengan Metode Fuzzy Weighted Product Untuk Diagnosis
Penyakit Pneumonia. Universitas Gadjah Mada. Yogyakarta.
Turban, E dan Aronson. J. E., 2005. Decision Support System and Intelligent
Systems (Sistem Pendukung Keputusan dan Sistem Cerdas). Jilid 2.
Andi :Yogyakarta.
Tolle, Herman. (2009), Teknik Inferensi. Diakses dari http://www.slideshare.net/
herman_tolle/iv-teknik-inferensi. (diakses tanggal 25 Mei 2015).
Winiarti, S., 2012. Sistem Pendukung Keputusan Untuk Diagnosa Penyakit
Tulang. Universitas Ahmad Dahlan. Yogyakarta.