Rancang Bangun Plugin Untuk Sistem Pakar
KINETIK, Vol.1, No.1, Mei 2016, Hal. 1-8
ISSN :
E-ISSN :
1
Rancang Bangun Plugin Untuk Sistem Pakar Diagnosa
Penyakit Pada Manusia Berbasis Web
Adelia Anggraeni1, Yuda Munarko,S.Kom.,M.Sc2, Lailatul Husniah,SST,MT3
JURUSAN TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH MALANG
Kampus III UMM Jl. Raya Tlogomas 246 Malang 65144
1
anggraeniadelia061294@yahoo.co.id, 2yuda.munarko@gmail.com,
3
lailatul.husniah@gmail.com
Abstrak
Plugin adalah fungsi atau fitur tambahan yang digabungkan ke sebuah sistem untuk
menambah kemampuan dan kinerja dari sistem. Contoh penggunaan plugin adalah script embed
yang terdapat di Youtube. Script embed adalah sebuah kode yang dapat menanamkan suatu
kelebihan ke dalam sistem. Contoh lainnya dari sistem yang dapat ditanamkan yaitu sistem pakar
berbasis web. Pengertian sistem pakar adalah suatu sistem komputer yang menyamai
kemampuan pengambilan keputusan dari seorang pakar. Sehingga sistem pakar dapat
digunakan oleh user untuk mempermudah menyelesaikan masalah diagnosa penyakit pada
manusia dan dapat ditanamkan ke website user. Penelitian ini menggunakan algoritma naive
bayes pada proses data untuk mengetahui jenis penyakit yang dialami oleh user. Tujuan dari
penelitian ini adalah memudahkan user untuk menanamkan plugin ke website user dan
mendiagnosa penyakit yang terjadi pada manusia. Plugin sudah dilakukan pengujian dengan
menggunakan metode blackbox, menggunakan web browser, dan ditempelkan ke web resmi
atau wordpress, hasil yang didapatkan bahwa plugin ini dapat berjalan dengan baik dan sesuai
yang diharapkan.
Kata Kunci : plugin, sistem pakar, naive bayes, web
Abstract
Plugin is the fucntion or additional features that can be combined to the system to
functionalityl and the performance to the system. Example of the use of plugin is script embeded
to include youtube. Script embedded is a code can be embed an excess in the system. Other
examples of systems that can be implanted is a web based expert system. Expert system is a
computer system that match the ability of decision making from an expert. So that an expert
system can work in all things like as an expert and can be used by the user to make it easier to
solve the problem of diagnosis of disease in humans and can be embedded into the user’s
website. This research using a naive bayes algorithm for processes the data to determine the
type of disease experienced by the user. The purpose of this research is make it easier for user
to embed the plugin to the user’s website and diagnose the diseases that happened in humans.
The plugin has been tested using the method of blackbox, using a web browser, and implanted to
the official website or wordpress, the results is plugin can work as well and expected.
Keywords : plugin, expert system, naive bayes, web
1. Pendahuluan
Plugin adalah program tambahan yang disisipkan atau didaftarkan agar dikenal oleh browser
web, sehingga menambah kemampuan standar suatu browser web. Kemampuan tambahan
yang diberikan oleh plugin adalah kemampuan untuk dapat menyajikan suatu komponen
multimedia yang tidak standar dalam suatu dokumen HTML yang disajikan dalam browser
pengakses web. Contoh penggunaan plugin adalah script embed yang terdapat di Youtube.
Script embed adalah sebuah kode yang dapat menanamkan suatu kelebihan ke dalam sistem
[2]. Contoh lainnya dari sistem yang dapat ditanamkan yaitu sistem pakar berbasis web.
Pengertian sistem pakar adalah suatu sistem komputer yang menyamai kemampuan
pengambilan keputusan dari sorang pakar. sistem
pakar dapat
digunakan untuk
2
ISSN: xxxx-xxxx; E-ISSN: xxxx-xxxx
menyelesaikan masalahnya atau sekedar mencari suatu informasi berkualitas yang
sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya [5]. Sehingga
sistem pakar dapat digunakan oleh user untuk mempermudah menyelesaikan masalah
diagnosa penyakit pada manusia dan dapat ditanamkan ke website user. Pengetahuan
membuat pakar dapat mengambil keputusan secara lebih baik dan lebih cepat daripada nonpakar dalam memecahkan problem yang kompleks [1].
Dari 5 penelitian sebelumnya mengenai sistem pakar diagnosa penyakit pada manusia
antara lain Sistem Pakar Diagnosa Penyakit Jantung Menggunakan Teknik Automatic Post
Pruning Decision Tree, Implementasi Algoritma Induksi Decision Tree Untuk Diagnosa Awal
Penyakit Asma Observasi Dilakukan di Rumah Sakit Paru Batu, Sistem Pakar Diagnosis
Penyakit Mata Menggunakan Naive Bayes Classifier, Sistem Pakar untuk Diagnosis Penyakit
Ginjal dengan Metode Forward Chaining, dan Sistem Pakar Untuk Diagnosis Dismenore
Menggunakan Metode Naive Bayes. Pada 5 penelitian tersebut hanya membuat sistem pakar
yang dapat mendiagnosa satu penyakit dan jika ahli/user ingin memiliki sistem pakar tersebut
maka para ahli/user dapat mendownload dan menginstall di komputer user [3].
Pada Tugas Akhir ini dirancang sebuah sistem yang dapat ditanamkan ke website user untuk
mempermudah user dalam penggunaannya dan dapat menampung beberapa penyakit pada
manusia.
2. Metode Penelitian
2.1 Algoritma Naive Bayes Classifier
Contoh perhitungan dengan menggunakan klasifikasi naive bayes classifier dapat
diterapkan pada pasien ke-1 yang mengalami penyakit asma dengan gejala sepeti berikut :
1.
2.
3.
4.
5.
batuk
dahak
darah
sesak napas
demam
Langkah-langkah perhitungan naive bayes classifier seperti berikut :
BATUK
TIDAK
YA
YA
YA
YA
YA
BATUK
Tabel 1. TABELTRAINING PENYAKIT ASMA
DAHAK
DARAH
SESAK
NYERI
DEMAM
NAPAS
DADA
YA
TIDAK
YA
YA
YA
YA
TIDAK
YA
TIDAK
TIDAK
YA
TIDAK
YA
YA
TIDAK
YA
YA
TIDAK
YA
YA
TIDAK
TIDAK
YA
TIDAK
TIDAK
TIDAK
YA
YA
YA
TIDAK
DAHAK
YA
YA
Tabel 2. TABEL TESTING
DARAH
SESAK
NYERI
NAPAS
DADA
YA
YA TIDAK
DEMAM
PENYAKIT
AB
AB
AB
BA
BA
BA
OUTPUT
YA
Tahap 1 menghitung jumlah class/label
P (Y=AB) = 3/6
P (Y=BA) = 3/6
Tahap 2 menghitung jumlah kasus yang sama dengan class yang sama
P (BATUK=YA | Y=AB) = 2/3
P (BATUK=YA | Y=BA) = 3/3
P (DAHAK=YA | Y=AB) = 3/3
P (DAHAK=YA | Y=BA) = 1/3
P (DARAH=YA | Y=AB) = 0/3
P (DARAH=YA | Y=BA) = 2/3
P (SESAK NAPAS=YA | Y=AB) = 3/3
P (SESAK NAPAS=YA | Y=BA) = 2/3
P (NYERI DADA=TIDAK | Y=AB) = 1/3
P (NYERI DADA=TIDAK | Y=BA) = 1/3
P (DEMAM=YA | Y=AB) = 1/3
P (DEMAM=YA | Y=BA) = 1/3
Tahap 3 kalikan semua hasil variabel AB & BA
KINETIK Vol. 1, No. 1, Mei 2016 : 1-8
?
KINETIK
ISSN: xxxx-xxxx
3
P ((BATUK=YA=AB) (DAHAK=YA=AB) (DARAH=YA=AB) (SESAK NAPAS=YA=AB) (NYERI
DADA=TIDAK=AB) (DEMAM=YA=AB) | AB)
= 2/3 . 3/3 . 0/3 . 3/3 . 1/3 . 1/3 . 3/6
=0
P ((BATUK=YA=BA) (DAHAK=YA=BA) (DARAH=YA=BA) (SESAK NAPAS=YA=BA) (NYERI
DADA=TIDAK=BA) (DEMAM=YA=BA) | BA)
= 3/3 . 1/3 . 2/3 . 2/3 . 1/3 . 1/3 . 3/6
= 0,00486
Tahap 4 Bandingkan hasil class AB & BA
Karena hasil (P|BA) lebih besar dari (P|AB) maka pasien ke-1 diklasifikasikan terjangkit penyakit
asma Bronkitis Akut dengan nilai 0,00486.
2.2 Diagram Komponen
Gambar 1. Diagram Komponen
Dari diagram komponen diatas terdapat empat komponen dan satu proses yang saling
berhungan yaitu:
1. Diagnose.php berfungsi untuk menampilkan form diagnose.
2. Koneksi.php berfungsi untuk menghubungkan aplikasi dengan database.
3. Database berfungsi untuk menyimpan data-data sistem seperti data training.
4. Web html berfungsi sebagai media yang akan meng akses system plug in.
5. Proses diagnose penyakit yang didalamnya terdapat interface diagnose penyakit,
memiliki atribut nama penyakit, gejala penyakit, dan memiliki method koneksi, naïve
bayes, dan view hasil.
2.3 Arsitektur Sistem
Gambar 2. Arsitektur sistem
Rancang Bangun Plugin untuk
Sistem Pakar Diagnosa Penyakit Pada Manusia,
Adelia Anggraeni;
4
ISSN: xxxx-xxxx; E-ISSN: xxxx-xxxx
Gambar 2 menjelaskan bahwa system yang akan di buat terdiri dari 2 aktor yaitu user
sebagai pengguna plugin dan admin sebagai pengelola data plugin sedangkan server sebagai
wadah penyimpanan dan proses data yang di dalamnya terdapat data trining, data test dan
metode naïve bayes. User dapat memasang plugin dengan cara menempelkan script yang telah
di sediakan oleh developer.
2.4 Desain Database
Pada tahap perancangan sistem yang dibuat, ada beberapa tabel yang saling terhubung
untuk menyediakan data yang dibutuhkan oleh sistem. Pada gambar berikut adalah relasi tabel
yang dibutuhkan oleh sistem, terdiri dari 5 tabel yaitu :
penyakit
id_penyakit
Integer
nama_penyakit
Variable characters (50)
Relationship_1
Identifier_1
kasus
id_kasus Integer
sakit
Variable characters (60)
Identifier_1
admin
Relationship_4
id_admin Integer
nama
Variable characters (60)
email
Variable characters (60)
username
Variable characters (60)
password
Variable characters (60)
Relationship_2
Identifier_1
atribut
id_atribut
Integer
nama_atribut
Variable characters (60)
Identifier_1
datapenyakit
Relationship_3
iddatapenyakit Integer
value
Float
Identifier_1
Gambar 3. Desain Database Conseptual Diagram Model
3. Hasil Penelitian dan Pembahasan
Metode pengujian yang diambil adalah metode pengujian fungsional dan pengujian
menggunakan web browser. Pengujian fungsional adalah pengujian sistem tanpa
memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk
mengetahui apakah perangkat lunak berfungsi dengan benar [4].
3.1 Pengujian Sistem
Pengujian sistem ini bertujuan untuk mendapatkan serta menguji hasil dari sistem yang telah
dibuat. Tujuan utama dari pengujian sistem adalah untuk memastikan bahwa elemen-elemen
atau komponen-komponen dari sistem telah berfungsi sesuai dengan yang diharapkan.
3.1.1
Pengujian Blackbox
Pengujian ini dilakukan untuk memeriksa aplikasi yang telah dibuat step by step apakah
sesuai dengan sebenarnya.
Tabel 3. Pengujian Fungsional User pada Plugin Sistem Pakar Diagnosa
Data
Hasil yang
Hasil
Kesimpulan
Ket.
Masukan
diharapkan
Pengamatan
Gam
bar
Halaman Menampilkan
Dapat
4.1
Awal
halaman
menampilkan
[ • ] Berhasil
Pilihan
pilihan
halaman
[ ] Tidak
Penyakit penyakit
pilihan
Berhasil
sebelum
penyakit
penyakit dipilih
Halaman Menampilkan
Dapat
[ • ] Berhasil
4.5
Form
halaman form
menampilkan
[ ] Tidak
Diagnosa diagnosa
halaman form
Berhasil
beserta gejala- diagnosa
gejala yang
beserta gejalaKINETIK Vol. 1, No. 1, Mei 2016 : 1-8
KINETIK
ISSN: xxxx-xxxx
Ceklist
Gejala
Tombol
Simpan &
Proses
Diagnosa
Halaman
Hasil
Diagnosa
telah
tersimpan di
database
User dapat
menceklist
setiap gejala
yang dialami
Dapat
memproses
gejala yang
telah di ceklist
oleh user
Menampilkan
form hasil
diagnosa
5
gejala setiap
penyakit
Dapat
menceklist
setiap gejala
dari penyakit
yang dialami
Gejala yang
telah diceklist
oleh user
berhasil
terproses
Dapat
menampilkan
form hasil
diagnosa yang
sesuai dengan
proses
diagnosa
[ • ] Berhasil
[ ] Tidak
Berhasil
4.6
4.6
[ • ] Berhasil
[ ] Tidak
Berhasil
4.7
[ • ] Berhasil
[ ] Tidak
Berhasil
Tabel 4. Pengujian Fungsional Admin pada Plugin Sistem Pakar Diagnosa
Data
Hasil yang
Hasil
Kesimpula
Ket.
Masukan
diharapkan
Pengamatan
n
Gam
bar
Form
Menampilkan
Dapat
4.11
login
form login
menampilkan
[•]
form login
Berhasil
[ ] Tidak
Berhasil
Input
masuk ke
Dapat masuk
[•]
4.11
username halaman awal
ke halaman
Berhasil
dan
admin
awal admin
[ ] Tidak
password
Berhasil
Halaman Menampilkan
Dapat
[•]
4.13
data
data penyakit
menampilkan
Berhasil
penyakit
data penyakit
[ ] Tidak
Berhasil
Input data Dapat
Data penyakit
[•]
4.16
penyakit
menyimpan
baru berhasil
Berhasil
data penyakit
ditampilkan
[ ] Tidak
baru ke dalam
Berhasil
database
Tombol
Menampilkan
Dapat
[•]
4.16
tambah
form untuk
menampilkan
Berhasil
penyakit
tambah
form untuk
[ ] Tidak
penyakit
tambah
Berhasil
penyakit
Tombol
Menampilkan
Dapat
[•]
4.17
edit
form untuk edit menampilkan
Berhasil
penyakit
penyakit
form untuk edit
[ ] Tidak
penyakit
Berhasil
Input edit Dapat
Data penyakit
[•]
4.17
penyakit
menyimpan
yang telah
Berhasil
data penyakit
diedit berhasil
[ ] Tidak
Rancang Bangun Plugin untuk
Sistem Pakar Diagnosa Penyakit Pada Manusia,
Adelia Anggraeni;
6
ISSN: xxxx-xxxx; E-ISSN: xxxx-xxxx
Tombol
hapus
penyakit
Halaman
data
gejala
Halaman
data
learning
yang diedit ke
dalam
database
Menampilkan
notifikasi untuk
hapus data
penyakit
Menampilkan
data gejala
dan
ditampilkan
Berhasil
Dapat
menghapus
data penyakit
Menampilkan
data learning
Dapat
menampilkan
data learning
[•]
Berhasil
[ ] Tidak
Berhasil
[•]
Berhasil
[ ] Tidak
Berhasil
[•]
Berhasil
[ ] Tidak
Berhasil
Dapat
menampilkan
data gejala
4.18
4.14
4.15
Berdasarkan hasil pengujian dengan menggunakan pengujian fungsional diatas, sistem
ini dapat berjalan dengan baik secara fungsional dan dapat menghasilkan output yang
diharapkan. Sehingga dapat disimpulkan bahwa sistem ini sesuai dengan tujuan pembuatan
sistem.
3.1.2
Pengujian Menggunakan Web Browser
Gambar 4. Pengujian Plugin di Website UMM Menggunakan Mozilla Firefox
Pada gambar diatas pengujian dilakukan di Website UMM dan mengaksesnya
menggunakan Mozilla Firefox. Plugin berjalan dengan baik ketika diakses menggunakan
Mozilla Firefox.
Gambar 5. Pengujian Plugin di Website UMM Menggunakan Internet Explorer
Pada gambar diatas pengujian dilakukan di Website UMM dan mengaksesnya
menggunakan Internet Explorer. Plugin berjalan dengan baik ketika diakses menggunakan
Internet Explorer. Tetapi plugin hanya dapat menampilkan tampilan awal, ketika user memilih
salah satu penyakit maka form diagnosa dari penyakit tersebut tidak muncul.
KINETIK Vol. 1, No. 1, Mei 2016 : 1-8
KINETIK
ISSN: xxxx-xxxx
7
Gambar 6. Pengujian Plugin di Website UMM Menggunakan Google Chrome
Pada gambar diatas pengujian dilakukan di Website UMM dan mengaksesnya
menggunakan Google Chrome. Plugin berjalan dengan baik ketika diakses menggunakan
Google Chrome.
3.1.3
Pengujian dengan Menempelkan Plugin di Web
Pengujian selanjutnya yang akan dilakukan adalah dengan menempelkan plugin di
website resmi dan website wordpress. Pengujian ini bertujuan untuk mengetahui bahwa plugin
dapat ditempelkan ke website resmi dan wordpress.
Gambar 7. Pengujian Plugin di Aplikasi Analisa Kasus Pembunuhan Berbasis Web
Gambar 8. Pengujian Plugin di Website Wordpress
4. Penutup
Rancang Bangun Plugin untuk
Sistem Pakar Diagnosa Penyakit Pada Manusia,
Adelia Anggraeni;
8
ISSN: xxxx-xxxx; E-ISSN: xxxx-xxxx
4.1 Kesimpulan
Berdasarkan pengujian pada bab sebelumnya, didapat kesimpulan dalam penelitian Plugin
untuk Sistem Pakar Diagnosa Penyakit pada Manusia ini, diantaranya adalah:
1. Plugin untuk Sistem Pakar Diagnosa Penyakit pada Manusia dapat ditanamkan
kedalam website user.
2. Plugin dapat muncul dan dapat diakses menggunakan web browser Mozilla Firefox
dan Google Chrome, tetapi jika diakses menggunakan Internet Explorer plugin tidak
berjalan dengan yang diharapkan.
3. Secara fungsional, sistem ini dapat berjalan dengan baik dan sesuai dengan tujuan
yang diharapkan.
4. Dengan memakai sistem ini pengguna dapat dengan mudah memiliki dan memakai
sistem secara online.
5. Plugin untuk sistem pakar ini dapat mendiagnosa beberapa penyakit sehingga user
dapat dengan mudah mendiagnosa penyakit lebih dari satu.
6. Plugin masih belum bisa ditempelkan ke blogspot dikarenakan masih menggunakan
HTTP.
4.2 Saran
Untuk lebih menyempurnakan dibutuhkan pengembangan untuk menjadikan sistem ini
menjadi lebih baik. Adapun beberapa saran untuk pengembangan sistem ini, diantaranya
adalah:
1.
2.
3.
Perlu ditambahkan variable penyakit dan variable gejala yang lebih variatif agar
pengguna dapat memilih beberapa penyakit untuk di diagnosa.
Perlu dilakukan analisis metode yang di gunakan dalam kasus ini metode naïve bayes
terhadap metode-metode lain agar dapat membandingkan metode mana yang lebih
baik.
Aplikasi belum menitik beratkan pada sistem keamanan sehingga memungkinkan
para peratas dapat mengubah database dan hal-hal yang tidak di inginkan.
Referensi
[1]
Kusumadewi, Sri. (2003), Artificial Intelligence “Teknik dan Aplikasinya”. Graha ilmu,
Yogyakarta.
[2]
Betha Sidik, Ir dan Husni I. Pohan, Ir.M.Eng, PEMROGRAMAN WEB DENGAN
HTML penerbit Informatika Bandung, Juni 2012 halaman 226.
[3]
Nurfarianti, Yovita. Sistem Pakar untuk Diagnosis Dismenore Menggunakan Metode
Naive Bayes, Program Studi Informatika Universitas Tanjungpura.
[4]
Hidayatul, Ritma. 2015. Aplikasi Sistem Pakar untuk Mendiagnosa Penyakit Mata
Katarak Menggunakan Metode Naive Bayes Classifier Berbasis Web, Program Studi
Teknik Informatika Fakultas Teknik Universitas Muhammdiyah Malang.
[5]
Bratko, Ivan. (1990), Prolog Programming for Artificial Intelligence, (International
Computer Science Seris) 2nd, ed, Wesley Publishing Company, Inc. Singapore.
KINETIK Vol. 1, No. 1, Mei 2016 : 1-8
ISSN :
E-ISSN :
1
Rancang Bangun Plugin Untuk Sistem Pakar Diagnosa
Penyakit Pada Manusia Berbasis Web
Adelia Anggraeni1, Yuda Munarko,S.Kom.,M.Sc2, Lailatul Husniah,SST,MT3
JURUSAN TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH MALANG
Kampus III UMM Jl. Raya Tlogomas 246 Malang 65144
1
anggraeniadelia061294@yahoo.co.id, 2yuda.munarko@gmail.com,
3
lailatul.husniah@gmail.com
Abstrak
Plugin adalah fungsi atau fitur tambahan yang digabungkan ke sebuah sistem untuk
menambah kemampuan dan kinerja dari sistem. Contoh penggunaan plugin adalah script embed
yang terdapat di Youtube. Script embed adalah sebuah kode yang dapat menanamkan suatu
kelebihan ke dalam sistem. Contoh lainnya dari sistem yang dapat ditanamkan yaitu sistem pakar
berbasis web. Pengertian sistem pakar adalah suatu sistem komputer yang menyamai
kemampuan pengambilan keputusan dari seorang pakar. Sehingga sistem pakar dapat
digunakan oleh user untuk mempermudah menyelesaikan masalah diagnosa penyakit pada
manusia dan dapat ditanamkan ke website user. Penelitian ini menggunakan algoritma naive
bayes pada proses data untuk mengetahui jenis penyakit yang dialami oleh user. Tujuan dari
penelitian ini adalah memudahkan user untuk menanamkan plugin ke website user dan
mendiagnosa penyakit yang terjadi pada manusia. Plugin sudah dilakukan pengujian dengan
menggunakan metode blackbox, menggunakan web browser, dan ditempelkan ke web resmi
atau wordpress, hasil yang didapatkan bahwa plugin ini dapat berjalan dengan baik dan sesuai
yang diharapkan.
Kata Kunci : plugin, sistem pakar, naive bayes, web
Abstract
Plugin is the fucntion or additional features that can be combined to the system to
functionalityl and the performance to the system. Example of the use of plugin is script embeded
to include youtube. Script embedded is a code can be embed an excess in the system. Other
examples of systems that can be implanted is a web based expert system. Expert system is a
computer system that match the ability of decision making from an expert. So that an expert
system can work in all things like as an expert and can be used by the user to make it easier to
solve the problem of diagnosis of disease in humans and can be embedded into the user’s
website. This research using a naive bayes algorithm for processes the data to determine the
type of disease experienced by the user. The purpose of this research is make it easier for user
to embed the plugin to the user’s website and diagnose the diseases that happened in humans.
The plugin has been tested using the method of blackbox, using a web browser, and implanted to
the official website or wordpress, the results is plugin can work as well and expected.
Keywords : plugin, expert system, naive bayes, web
1. Pendahuluan
Plugin adalah program tambahan yang disisipkan atau didaftarkan agar dikenal oleh browser
web, sehingga menambah kemampuan standar suatu browser web. Kemampuan tambahan
yang diberikan oleh plugin adalah kemampuan untuk dapat menyajikan suatu komponen
multimedia yang tidak standar dalam suatu dokumen HTML yang disajikan dalam browser
pengakses web. Contoh penggunaan plugin adalah script embed yang terdapat di Youtube.
Script embed adalah sebuah kode yang dapat menanamkan suatu kelebihan ke dalam sistem
[2]. Contoh lainnya dari sistem yang dapat ditanamkan yaitu sistem pakar berbasis web.
Pengertian sistem pakar adalah suatu sistem komputer yang menyamai kemampuan
pengambilan keputusan dari sorang pakar. sistem
pakar dapat
digunakan untuk
2
ISSN: xxxx-xxxx; E-ISSN: xxxx-xxxx
menyelesaikan masalahnya atau sekedar mencari suatu informasi berkualitas yang
sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya [5]. Sehingga
sistem pakar dapat digunakan oleh user untuk mempermudah menyelesaikan masalah
diagnosa penyakit pada manusia dan dapat ditanamkan ke website user. Pengetahuan
membuat pakar dapat mengambil keputusan secara lebih baik dan lebih cepat daripada nonpakar dalam memecahkan problem yang kompleks [1].
Dari 5 penelitian sebelumnya mengenai sistem pakar diagnosa penyakit pada manusia
antara lain Sistem Pakar Diagnosa Penyakit Jantung Menggunakan Teknik Automatic Post
Pruning Decision Tree, Implementasi Algoritma Induksi Decision Tree Untuk Diagnosa Awal
Penyakit Asma Observasi Dilakukan di Rumah Sakit Paru Batu, Sistem Pakar Diagnosis
Penyakit Mata Menggunakan Naive Bayes Classifier, Sistem Pakar untuk Diagnosis Penyakit
Ginjal dengan Metode Forward Chaining, dan Sistem Pakar Untuk Diagnosis Dismenore
Menggunakan Metode Naive Bayes. Pada 5 penelitian tersebut hanya membuat sistem pakar
yang dapat mendiagnosa satu penyakit dan jika ahli/user ingin memiliki sistem pakar tersebut
maka para ahli/user dapat mendownload dan menginstall di komputer user [3].
Pada Tugas Akhir ini dirancang sebuah sistem yang dapat ditanamkan ke website user untuk
mempermudah user dalam penggunaannya dan dapat menampung beberapa penyakit pada
manusia.
2. Metode Penelitian
2.1 Algoritma Naive Bayes Classifier
Contoh perhitungan dengan menggunakan klasifikasi naive bayes classifier dapat
diterapkan pada pasien ke-1 yang mengalami penyakit asma dengan gejala sepeti berikut :
1.
2.
3.
4.
5.
batuk
dahak
darah
sesak napas
demam
Langkah-langkah perhitungan naive bayes classifier seperti berikut :
BATUK
TIDAK
YA
YA
YA
YA
YA
BATUK
Tabel 1. TABELTRAINING PENYAKIT ASMA
DAHAK
DARAH
SESAK
NYERI
DEMAM
NAPAS
DADA
YA
TIDAK
YA
YA
YA
YA
TIDAK
YA
TIDAK
TIDAK
YA
TIDAK
YA
YA
TIDAK
YA
YA
TIDAK
YA
YA
TIDAK
TIDAK
YA
TIDAK
TIDAK
TIDAK
YA
YA
YA
TIDAK
DAHAK
YA
YA
Tabel 2. TABEL TESTING
DARAH
SESAK
NYERI
NAPAS
DADA
YA
YA TIDAK
DEMAM
PENYAKIT
AB
AB
AB
BA
BA
BA
OUTPUT
YA
Tahap 1 menghitung jumlah class/label
P (Y=AB) = 3/6
P (Y=BA) = 3/6
Tahap 2 menghitung jumlah kasus yang sama dengan class yang sama
P (BATUK=YA | Y=AB) = 2/3
P (BATUK=YA | Y=BA) = 3/3
P (DAHAK=YA | Y=AB) = 3/3
P (DAHAK=YA | Y=BA) = 1/3
P (DARAH=YA | Y=AB) = 0/3
P (DARAH=YA | Y=BA) = 2/3
P (SESAK NAPAS=YA | Y=AB) = 3/3
P (SESAK NAPAS=YA | Y=BA) = 2/3
P (NYERI DADA=TIDAK | Y=AB) = 1/3
P (NYERI DADA=TIDAK | Y=BA) = 1/3
P (DEMAM=YA | Y=AB) = 1/3
P (DEMAM=YA | Y=BA) = 1/3
Tahap 3 kalikan semua hasil variabel AB & BA
KINETIK Vol. 1, No. 1, Mei 2016 : 1-8
?
KINETIK
ISSN: xxxx-xxxx
3
P ((BATUK=YA=AB) (DAHAK=YA=AB) (DARAH=YA=AB) (SESAK NAPAS=YA=AB) (NYERI
DADA=TIDAK=AB) (DEMAM=YA=AB) | AB)
= 2/3 . 3/3 . 0/3 . 3/3 . 1/3 . 1/3 . 3/6
=0
P ((BATUK=YA=BA) (DAHAK=YA=BA) (DARAH=YA=BA) (SESAK NAPAS=YA=BA) (NYERI
DADA=TIDAK=BA) (DEMAM=YA=BA) | BA)
= 3/3 . 1/3 . 2/3 . 2/3 . 1/3 . 1/3 . 3/6
= 0,00486
Tahap 4 Bandingkan hasil class AB & BA
Karena hasil (P|BA) lebih besar dari (P|AB) maka pasien ke-1 diklasifikasikan terjangkit penyakit
asma Bronkitis Akut dengan nilai 0,00486.
2.2 Diagram Komponen
Gambar 1. Diagram Komponen
Dari diagram komponen diatas terdapat empat komponen dan satu proses yang saling
berhungan yaitu:
1. Diagnose.php berfungsi untuk menampilkan form diagnose.
2. Koneksi.php berfungsi untuk menghubungkan aplikasi dengan database.
3. Database berfungsi untuk menyimpan data-data sistem seperti data training.
4. Web html berfungsi sebagai media yang akan meng akses system plug in.
5. Proses diagnose penyakit yang didalamnya terdapat interface diagnose penyakit,
memiliki atribut nama penyakit, gejala penyakit, dan memiliki method koneksi, naïve
bayes, dan view hasil.
2.3 Arsitektur Sistem
Gambar 2. Arsitektur sistem
Rancang Bangun Plugin untuk
Sistem Pakar Diagnosa Penyakit Pada Manusia,
Adelia Anggraeni;
4
ISSN: xxxx-xxxx; E-ISSN: xxxx-xxxx
Gambar 2 menjelaskan bahwa system yang akan di buat terdiri dari 2 aktor yaitu user
sebagai pengguna plugin dan admin sebagai pengelola data plugin sedangkan server sebagai
wadah penyimpanan dan proses data yang di dalamnya terdapat data trining, data test dan
metode naïve bayes. User dapat memasang plugin dengan cara menempelkan script yang telah
di sediakan oleh developer.
2.4 Desain Database
Pada tahap perancangan sistem yang dibuat, ada beberapa tabel yang saling terhubung
untuk menyediakan data yang dibutuhkan oleh sistem. Pada gambar berikut adalah relasi tabel
yang dibutuhkan oleh sistem, terdiri dari 5 tabel yaitu :
penyakit
id_penyakit
Integer
nama_penyakit
Variable characters (50)
Relationship_1
Identifier_1
kasus
id_kasus Integer
sakit
Variable characters (60)
Identifier_1
admin
Relationship_4
id_admin Integer
nama
Variable characters (60)
Variable characters (60)
username
Variable characters (60)
password
Variable characters (60)
Relationship_2
Identifier_1
atribut
id_atribut
Integer
nama_atribut
Variable characters (60)
Identifier_1
datapenyakit
Relationship_3
iddatapenyakit Integer
value
Float
Identifier_1
Gambar 3. Desain Database Conseptual Diagram Model
3. Hasil Penelitian dan Pembahasan
Metode pengujian yang diambil adalah metode pengujian fungsional dan pengujian
menggunakan web browser. Pengujian fungsional adalah pengujian sistem tanpa
memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk
mengetahui apakah perangkat lunak berfungsi dengan benar [4].
3.1 Pengujian Sistem
Pengujian sistem ini bertujuan untuk mendapatkan serta menguji hasil dari sistem yang telah
dibuat. Tujuan utama dari pengujian sistem adalah untuk memastikan bahwa elemen-elemen
atau komponen-komponen dari sistem telah berfungsi sesuai dengan yang diharapkan.
3.1.1
Pengujian Blackbox
Pengujian ini dilakukan untuk memeriksa aplikasi yang telah dibuat step by step apakah
sesuai dengan sebenarnya.
Tabel 3. Pengujian Fungsional User pada Plugin Sistem Pakar Diagnosa
Data
Hasil yang
Hasil
Kesimpulan
Ket.
Masukan
diharapkan
Pengamatan
Gam
bar
Halaman Menampilkan
Dapat
4.1
Awal
halaman
menampilkan
[ • ] Berhasil
Pilihan
pilihan
halaman
[ ] Tidak
Penyakit penyakit
pilihan
Berhasil
sebelum
penyakit
penyakit dipilih
Halaman Menampilkan
Dapat
[ • ] Berhasil
4.5
Form
halaman form
menampilkan
[ ] Tidak
Diagnosa diagnosa
halaman form
Berhasil
beserta gejala- diagnosa
gejala yang
beserta gejalaKINETIK Vol. 1, No. 1, Mei 2016 : 1-8
KINETIK
ISSN: xxxx-xxxx
Ceklist
Gejala
Tombol
Simpan &
Proses
Diagnosa
Halaman
Hasil
Diagnosa
telah
tersimpan di
database
User dapat
menceklist
setiap gejala
yang dialami
Dapat
memproses
gejala yang
telah di ceklist
oleh user
Menampilkan
form hasil
diagnosa
5
gejala setiap
penyakit
Dapat
menceklist
setiap gejala
dari penyakit
yang dialami
Gejala yang
telah diceklist
oleh user
berhasil
terproses
Dapat
menampilkan
form hasil
diagnosa yang
sesuai dengan
proses
diagnosa
[ • ] Berhasil
[ ] Tidak
Berhasil
4.6
4.6
[ • ] Berhasil
[ ] Tidak
Berhasil
4.7
[ • ] Berhasil
[ ] Tidak
Berhasil
Tabel 4. Pengujian Fungsional Admin pada Plugin Sistem Pakar Diagnosa
Data
Hasil yang
Hasil
Kesimpula
Ket.
Masukan
diharapkan
Pengamatan
n
Gam
bar
Form
Menampilkan
Dapat
4.11
login
form login
menampilkan
[•]
form login
Berhasil
[ ] Tidak
Berhasil
Input
masuk ke
Dapat masuk
[•]
4.11
username halaman awal
ke halaman
Berhasil
dan
admin
awal admin
[ ] Tidak
password
Berhasil
Halaman Menampilkan
Dapat
[•]
4.13
data
data penyakit
menampilkan
Berhasil
penyakit
data penyakit
[ ] Tidak
Berhasil
Input data Dapat
Data penyakit
[•]
4.16
penyakit
menyimpan
baru berhasil
Berhasil
data penyakit
ditampilkan
[ ] Tidak
baru ke dalam
Berhasil
database
Tombol
Menampilkan
Dapat
[•]
4.16
tambah
form untuk
menampilkan
Berhasil
penyakit
tambah
form untuk
[ ] Tidak
penyakit
tambah
Berhasil
penyakit
Tombol
Menampilkan
Dapat
[•]
4.17
edit
form untuk edit menampilkan
Berhasil
penyakit
penyakit
form untuk edit
[ ] Tidak
penyakit
Berhasil
Input edit Dapat
Data penyakit
[•]
4.17
penyakit
menyimpan
yang telah
Berhasil
data penyakit
diedit berhasil
[ ] Tidak
Rancang Bangun Plugin untuk
Sistem Pakar Diagnosa Penyakit Pada Manusia,
Adelia Anggraeni;
6
ISSN: xxxx-xxxx; E-ISSN: xxxx-xxxx
Tombol
hapus
penyakit
Halaman
data
gejala
Halaman
data
learning
yang diedit ke
dalam
database
Menampilkan
notifikasi untuk
hapus data
penyakit
Menampilkan
data gejala
dan
ditampilkan
Berhasil
Dapat
menghapus
data penyakit
Menampilkan
data learning
Dapat
menampilkan
data learning
[•]
Berhasil
[ ] Tidak
Berhasil
[•]
Berhasil
[ ] Tidak
Berhasil
[•]
Berhasil
[ ] Tidak
Berhasil
Dapat
menampilkan
data gejala
4.18
4.14
4.15
Berdasarkan hasil pengujian dengan menggunakan pengujian fungsional diatas, sistem
ini dapat berjalan dengan baik secara fungsional dan dapat menghasilkan output yang
diharapkan. Sehingga dapat disimpulkan bahwa sistem ini sesuai dengan tujuan pembuatan
sistem.
3.1.2
Pengujian Menggunakan Web Browser
Gambar 4. Pengujian Plugin di Website UMM Menggunakan Mozilla Firefox
Pada gambar diatas pengujian dilakukan di Website UMM dan mengaksesnya
menggunakan Mozilla Firefox. Plugin berjalan dengan baik ketika diakses menggunakan
Mozilla Firefox.
Gambar 5. Pengujian Plugin di Website UMM Menggunakan Internet Explorer
Pada gambar diatas pengujian dilakukan di Website UMM dan mengaksesnya
menggunakan Internet Explorer. Plugin berjalan dengan baik ketika diakses menggunakan
Internet Explorer. Tetapi plugin hanya dapat menampilkan tampilan awal, ketika user memilih
salah satu penyakit maka form diagnosa dari penyakit tersebut tidak muncul.
KINETIK Vol. 1, No. 1, Mei 2016 : 1-8
KINETIK
ISSN: xxxx-xxxx
7
Gambar 6. Pengujian Plugin di Website UMM Menggunakan Google Chrome
Pada gambar diatas pengujian dilakukan di Website UMM dan mengaksesnya
menggunakan Google Chrome. Plugin berjalan dengan baik ketika diakses menggunakan
Google Chrome.
3.1.3
Pengujian dengan Menempelkan Plugin di Web
Pengujian selanjutnya yang akan dilakukan adalah dengan menempelkan plugin di
website resmi dan website wordpress. Pengujian ini bertujuan untuk mengetahui bahwa plugin
dapat ditempelkan ke website resmi dan wordpress.
Gambar 7. Pengujian Plugin di Aplikasi Analisa Kasus Pembunuhan Berbasis Web
Gambar 8. Pengujian Plugin di Website Wordpress
4. Penutup
Rancang Bangun Plugin untuk
Sistem Pakar Diagnosa Penyakit Pada Manusia,
Adelia Anggraeni;
8
ISSN: xxxx-xxxx; E-ISSN: xxxx-xxxx
4.1 Kesimpulan
Berdasarkan pengujian pada bab sebelumnya, didapat kesimpulan dalam penelitian Plugin
untuk Sistem Pakar Diagnosa Penyakit pada Manusia ini, diantaranya adalah:
1. Plugin untuk Sistem Pakar Diagnosa Penyakit pada Manusia dapat ditanamkan
kedalam website user.
2. Plugin dapat muncul dan dapat diakses menggunakan web browser Mozilla Firefox
dan Google Chrome, tetapi jika diakses menggunakan Internet Explorer plugin tidak
berjalan dengan yang diharapkan.
3. Secara fungsional, sistem ini dapat berjalan dengan baik dan sesuai dengan tujuan
yang diharapkan.
4. Dengan memakai sistem ini pengguna dapat dengan mudah memiliki dan memakai
sistem secara online.
5. Plugin untuk sistem pakar ini dapat mendiagnosa beberapa penyakit sehingga user
dapat dengan mudah mendiagnosa penyakit lebih dari satu.
6. Plugin masih belum bisa ditempelkan ke blogspot dikarenakan masih menggunakan
HTTP.
4.2 Saran
Untuk lebih menyempurnakan dibutuhkan pengembangan untuk menjadikan sistem ini
menjadi lebih baik. Adapun beberapa saran untuk pengembangan sistem ini, diantaranya
adalah:
1.
2.
3.
Perlu ditambahkan variable penyakit dan variable gejala yang lebih variatif agar
pengguna dapat memilih beberapa penyakit untuk di diagnosa.
Perlu dilakukan analisis metode yang di gunakan dalam kasus ini metode naïve bayes
terhadap metode-metode lain agar dapat membandingkan metode mana yang lebih
baik.
Aplikasi belum menitik beratkan pada sistem keamanan sehingga memungkinkan
para peratas dapat mengubah database dan hal-hal yang tidak di inginkan.
Referensi
[1]
Kusumadewi, Sri. (2003), Artificial Intelligence “Teknik dan Aplikasinya”. Graha ilmu,
Yogyakarta.
[2]
Betha Sidik, Ir dan Husni I. Pohan, Ir.M.Eng, PEMROGRAMAN WEB DENGAN
HTML penerbit Informatika Bandung, Juni 2012 halaman 226.
[3]
Nurfarianti, Yovita. Sistem Pakar untuk Diagnosis Dismenore Menggunakan Metode
Naive Bayes, Program Studi Informatika Universitas Tanjungpura.
[4]
Hidayatul, Ritma. 2015. Aplikasi Sistem Pakar untuk Mendiagnosa Penyakit Mata
Katarak Menggunakan Metode Naive Bayes Classifier Berbasis Web, Program Studi
Teknik Informatika Fakultas Teknik Universitas Muhammdiyah Malang.
[5]
Bratko, Ivan. (1990), Prolog Programming for Artificial Intelligence, (International
Computer Science Seris) 2nd, ed, Wesley Publishing Company, Inc. Singapore.
KINETIK Vol. 1, No. 1, Mei 2016 : 1-8