SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT
OSTEOSARKOMA (TUMOR TULANG) DENGAN MENGGUNAKAN
METODE TEOREMA BAYES DI RSUP H.
ADAM MALIK MEDAN
Elsa Krisdianti Rajagukguk *.
Iskandar Zulkarnain **.
Sobirin ** * Program Studi Sistem Informasi.
STMIK Triguna Dharma ** Program Studi Sistem Informasi.
STMIK Triguna Dharma *** Program Studi Sistem Informasi.
STMIK Triguna Dharma Article Info Article history:
Received Jun 12th, 2021 Revised Aug 20th, 2021 Accepted Aug 26th, 2021 Keyword:
Sistem Pakar.
Mendiagnosa Penyakit Syaraf Terjepit Pada Tulang Belakang Menggunakan Metode Teorema Bayes.
ABSTRACT
Osteosarkoma ialah penyakit keganasan pada tulang.
Semakin tinggi stadiumnya, prognosisnya semakin buruk.
Osteosarkoma merupakan tumor ganas primer non hematopoietic tersering pada tulang.
Osteosarkoma mempunyai tingkat insiden yang bersifat bimodal, dimana 60% terjadi pasien berusia 15-25 tahun dan sisanya terjadi pada usia diatas 40 tahun.
Osteosarkoma dapat menyebar hingga ke organ paru dan pada penyakit Osteosarkoma laki-laki lebih beresiko terkena Osteosarkoma dibandingkan Metode yang digunakan adalah Sistem Pakar (SP) yang dijadikan sebagai suatu model dan prosedur yang berkaitan dalam suatu domain tertentu, yang mana tingkat keahliannya dapat di bandingkan dengan keahlian seorang pakar dalam mendiagnosa penyakit Ostersarcoma (Tumor Tulang ).
Sistem ini dirancang menggunakan metode Teorema Bayes (TB) untuk mendiagnosa penyakit Osteosarcoma dengan menerapkan aturan yang dihubungkan dengan nilai probabilitas atau kemungkinan untuk mendapatkan suatu keputusan dan informasi yang tepat berdasarkan penyebab-penyebab yang terjadi.
Berdasarkan analisa data yang dilakukan dapat disimpukan bahwa dalam menganalisa untuk mendiagnosa penyakit Osteosarcoma mengunakan metode Teorema Bayyes, kemudian setiap Gejala diberi nilai probabilitas berdasarkan gejala yang ada, selanjutnya dilakukan proses perhitungan dengan mengg unakan metode Teorema Bayes.
Copyright A 2021 STMIK Triguna Dharma.
All rights reserved.
Nama : Larasati Pardede Program Studi : Sistem Informasi STMIK Triguna Dharma Email: larasatipardede@gmail.
PENDAHULUAN
Osteosarkoma adalah penyakit yang umum yang bisa menyerang siapa saja.
Osteosarkoma ialah penyakit keganasan pada tulang.
Semakin tinggi stadiumnya, prognosisnya semakin buruk.
Osteosarkoma merupakan tumor ganas primer non hematopoietic tersering pada tulang.
Osteosarcoma meliputi 20% dari keseluruhan tumor ganas primer tulang.
Osteosarkoma mempunyai tingkat insiden yang bersifat bimodal, dimana 60% terjadi pasien berusia 15-25 tahun dan sisanya terjadi pada usia diatas 40 tahun.
Menurut World Health Organization insiden Osteosarkoma pada populasi adalah 4-5 per juta penduduk per tahun.
Bila penduduk Indonesia saat ini .
268 juta orang, maka mencapai 1.
340 pasien baru per tahun.
Insiden meningkat menjadi 8-11 kasus per 1 juta penduduk per tahun pada usia 15-19 tahun.
Teorema Bayes merupakan metode yang menerapkan aturan yang dihubungkan dengan nilai probabilitas atau kemungkinan untuk mendapatkan suatu keputusan dan informasi yang tepat berdasarkan penyebab-penyebab yang terjadi.
Profesor Edward Feigenbaum dari universitas Stanford yang mendefinisikan sistem pakar sebgai Ausuatu program komputer cerdas yang menggunakan Knowledge (Pengetahua.
dan prosedur inferensi untuk menyelesaikan masalah yang cukup sulit sehingga membutuhkan seseorang yang ahli untuk menyelesaikannyaAy.
Sistem pakar biasanya digunakan untuk konsultasi, analisa, diagnosa, dan membantu mengambil keputusan.
Selain itu sistem pakar juga dapat berfungsi sebagai asisten yang pandai dari seorang pakar.
Tujuan dari sebuah sistem pakar adalah untuk mentransfer kepakaran yang dimiliki seorang pakar ke dalam komputer, dan kemudian kepada orang lain .
Sistem pakar yang canggih dapat ditingkatkan dengan penambahan basis pengetahuan atau seperangkat aturan.
METODE PENELITIAN
Metode penelitian merupakan suastu cara atau langkah-langkah menentukan masalah, mengumpulkan data atau informasi baik melalui studi literature seperti buku-buku dan jurnal-jurnal maupun melalui studi lapangan, yang di butuhkan dari seorang pakar sebagai gambaran penelitian ke dalam rencana desain yang akan di buat dan melakukan pengolahan data hingga memberikan kesimpulan dari permasalahan yang diteliti.
Dalam teknik pengumpulan data terdapat beberapa tahap yang dilakukan diantaranya metode penelitian yang dapat dilakukan mahasiswa pada pembuatan skripsi ini, yakni antara lain adalah sebagai berikut :
Observasi (Peninjauan langsun.
Dalam hal ini peneliti melakukan pengamatan langsung ke RSPU H.
Adam Malik Medan dengan melakukan pencarian data mengenai penyakit Osteosarkoma sehingga mendapat data-data yang real terhadap apa yang diteliti dengan data gejala penyakit berdasarkan pakar langsung dari RS.
Wawancara Metode ini dilakukan dengan cara melakukan tanya jawab langsung dengan Pakar tentang Penyakit Osteosarkoma di RSPU H.
Adam Malik Medan.
Metode wawancara dilakukan untuk memperoleh informasi yang tepat, lengkap terkait kebutuhan dan kriteria yang menjadi tolak ukur dalam mendiagnosa penyakit Osteosarkoma.
Berikut ini adalah tahapan yang dilakukan dalam penelitian ini yaitu:
Analisis Masalah dan Kebutuhan Analisis Masalah dan Kebutuhan merupakan tahapan yang dilakukan dalam pembangunan sistem untuk menyelesaikan masalah tersebut baik software maupun hardware.
Desain Sistem Tahapan perancangan sistem mengalokasikan kebutuhan sistem baik perangkat keras maupun perangkat lunak dengan membentuk arsitektur sistem secara keseluruhan.
Pembangunan Sistem Pada tahap ini menjelaskan tentang bagaimana melakukan pengkodingan terhadap desain sistem yang dirancang baik dari sistem input, proses dan output menggunakan bahasa pemrograman Visual Basic dan aplikasi pelaporan Crystal Reports serta DBMS yang digunakan adalah Microsoft Access.
Uji Coba Sistem Tahap merupakan tahap terpenting dalam pembangunan Sistem Pakar.
Hal ini dikarenakan pada tahap ini akan dilakukan trial and error terhadap keseluruhan aspek baik Coding.
Implementasi dan Pemeliharaan Sistem Tahapan ini merupakan tahapan yang paling panjang.
Sistem dipasang dan digunakan secara Berikut merupakan flowchart untuk mendiagnosa penyakit Osteosarkoma:
1 Data Gejala Penyakit dan Nilai Probabilitas Tabel 3.
7 Nilai Probabilitas Jenis Penyakit Osteosarcoma
Chondro
Sarcoma
Nilai Kode Gejala (G) Gejala Penyakit G01
Bengkak, benjolan disekitar tulang
G02
Nyeri, sakit, dan terbatasnya gerakan pada tulang
G05
Cedera atau Patah tulang tanpa sebab yang jelas G07
Berusia 15-40 tahun G11
Tinngi badan cenderung tinggi G13
Sindrom kanker bawaan G01
Bengkak atau benjolan disekitar G08
Terjadi fraktur tulang
G10
Sesak nafas dan kehilangan kendali G12 Rasa sakit yang hebat terutama pada malam hari G03 Mengalami Demam.
Pucat, sakit
kepala dan cepat lelah
G06
G14
G01
Bengkak atau benjolan disekitar G02
Nyeri, sakit, dan terbatasnya gerakan pada tulang
G04
Mati rasa dan Mengubah suara atau G10
Sesak nafas dan kehilangan kendali G14
Gerakan mata tidak normal
G15
Hilangnya perasan atau gerakan di Sarcoma Ewing
Chordoma
Kelumpuhan jika terjadi di tulang
Gerakan mata tidak normal
G09
Berat badan menurun dan nafsu makan hilang .
umber :RSPU H.
Adam Malik Meda.
Nilai probabilitas didapat dari jumlah gejala-gejala penyakit pada tulang dan total jenis penyakit Osteosarkoma.
Chandrosarcoma.
Sarcoma Ewing dan Chordoma.
aA O y.
yaA) = ycE.
aA) P01 = Osteosarkoma P01 = 15 = 0.
P02 = Chandrosarcoma P02 = 15 = 0.
P03 = Sarcoma Ewing P03 = 15 = 0.
P04 = Chordoma P04 = 15 = 0.
Contoh kasus :
Seorang pasien mengalami gejala penyakit Osteosaroa, kemudian pasien yang melakukan konsultasi kepada perawat Rumah Sakit Umum dari 15 pilihan gejala yang diberikan kepada pasien dapat dijawab sebagai berikut:
Tabel 3.
8 Tabel Study Kasus Kode Gejala
Gejala Penyakit Jawaban G01
Bengkak atau benjolan disekitar tulang
G02
Nyeri, sakit, dan terbatasnya gerakan pada tulang
G03
Mengalami demam, pucat, sakit kepala dan cepat lelah
Tidak G04
Mati rasa dan mengubah suara atau ucapan Tidak G05
Cedera atau patah tulang tanpa sebab yang jelas G06
Berat badan menurun dan nafsu makan hilang
G07
Berusia 15-40 tahun G08 Terjadi fraktur tulang Tidak G09 Kelumpuhan jika terjadi di tulang belakang Tidak G10 Sesak nafas dan kehilangan kendali Tidak G11 Tinngi badan cenderung tinggi Rasa sakit yang hebat terutama pada malam hari Tidak G13 Sindrom kanker bawaan G14 Gerakan mata tidak normal Tidak G15 Hilangnya perasan atau gerakan di wajah Tidak 1 Penyelesaian Masalah Dengan Metode Teorema Bayes Berikut ini adalah langkah-langkah penyelesaiannya yaitu sebagai berikut :
Mendefinisikan nilai probabilitas Mendefinisikan nilai probabilitas dari tiap evidence untuk tiap hipotesis berdasarkan data sampel yang ada menggunakan rumus probabilitas bayes.
P01 = Osteosarkoma G01 = P(E|H.
= 0.
G02 = P(E|H.
= 0.
G05 = P(E|H.
= 0.
G07 = P(E|H.
= 0.
G11 = P(E|H.
= 0.
G13 = P(E|H.
= 0.
P02 = Chandrosarcoma G01 = P(E|H.
= 0.
P03 = Sarcoma Ewing G02 = P(E|H.
= 0.
G06 = P(E|H.
= 0.
P04 = Chorcoma G01 = P(E|H.
= 0
G02 = P(E|H.
= 0.
Menjumlahkan Nilai Probabilitas Setelah mendefinisikan nilai probabilitas, selanjutnya akan dijumlahkan Berdasarkan data sampel baru yang bersumber dari tabel gejala penyakit Osteosarkoma.
Chandrosarcoma.
Sarcoma Ewing dan Chordoma.
Oc k = 1 = ya1 U yaycu P01 = Osteosarkoma G01 = P(E|H.
= 0.
G02 = P(E|H.
= 0.
G05 = P(E|H.
= 0.
G07 = P(E|H.
= 0.
G11 = P(E|H.
= 0.
G13 = P(E|H.
= 0.
Oc k = 6 = 0.
58 = 3.
P02 = Chandrosarcoma G01 = P(E|H.
= 0.
Oc k = 1 = 0.
6 = 0.
P03 = Sarcoma Ewing G02 = P(E|H.
= 0.
G06 = P(E|H.
= 0.
Oc k = 4 = 0.
5 = 1.
P04 = Chorcoma G01 = P(E|H.
= 0
G02 = P(E|H.
= 0.
Oc k = 2 = 0 0.
5 = 0.
Mencari Nilai Probabilitas Hipotesa H Tan pa Memandang Evidence Mencari probabilitas hipotesa H tanpa memandang evidence dengan cara membagikan nilai probabilitas evidence awal dengan hasil penjumlahan probabilitas berdasarkan data sampel baru.
ycE .
yaycn ) P(Hi ) = Ocycuyco = ycu P01 = Osteosarkoma ya01 = ycE.
a01 ) = = 0.
ya02 = ycE.
a02 ) = = 0.
ya05 = ycE.
a05 ) = = 0.
ya07 = ycE.
a07 ) = = 0.
ya11 = ycE.
a11 ) = = 0.
ya13 = ycE.
a13 ) = = 0.
P02 = Chandrosarcoma ya01 = ycE.
a01 ) = P03 = Sarcoma Ewing ya02 = ycE.
a02 ) = = 0.
ya06 = ycE.
a06 ) = = 0.
P04 = Chorcoma ya01 = ycE.
a01 ) = ya02 = ycE.
a02 ) = Mencari Nilai Probabilitas Hipotesis Memandang Evidence Mencari probabilitas hipotesis memandang evidence dengan cara mengalikan probabilitas evidenve awal dengan nilai probabilitas hipotesis tanpa memandang evidence dan menjumlahkan hasil perkalian bagi masing-masing Ocycuyco=ycu = ycE.
aycn ) O ycE.
yaycn ) A ycE.
aycn ) O ycE.
yaycn ) a.
P01 = Osteosarkoma ycu = .
58O 0.
58O 0.
58O 0.
71O 0.
Oc yco=ycu .
71O 0.
19 ) .
58O 0.
= .
= 0.
P02 = Chandrosarcoma ycu = .
6O .
Oc yco=ycu = 0.
P03 = Sarcoma Ewing ycu = .
67O 0.
5O 0.
Oc yco=ycu = .
= 0.
P04 = Chorcoma ycu Oc = .
O .
5 O .
yco=ycu = .
= 0.
Mencari Nilai Hipotesa H Benar Jika Diberi Evidence Nilai P (H.
atau probabilitas H, dengan cara mengalikan hasil nilai probabilitas hipotesa tanpa memandang evidence dengan nilai probabilitas awal lalu dibagi dengan hasil probabilitas hipotesa dengan memandang evidence.
aycn ) O ycE.
yaycn ) ycE.
aycn ) = Ocycuyco = ycu P01 = Osteosarkoma 58 O 0.
P(H01 |E) =
= 0.
58 O 0.
P(H02 |E) =
= 0.
58 O 0.
P(H05 |E) =
= 0.
71 O 0.
P(H07 |E) =
= 0.
71 O 0.
P(H11 |E) =
= 0.
58 O 0.
P(H13 |E) =
= 0.
P02 = Chandrosarcoma\ 6 O 1
P(H01 |E) =
P03 = Sarcoma Ewing 67 O 0.
P(H02 |E) =
= 0.
5 O 0.
P(H06 |E) =
= 0.
P04 = Charcoma
P(H01 |E) =
5 O 1
P(H02 |E) =
Mencari Nilai Kesimpulan Mencari nilai kesimpulan dari metode Teorema Bayes dengan cara yaitu mengalikan nilai probabilitas evidence awal atau P(E|H.
dengan nilai hipotesa H benar jika diberikan evidence E atau P(H.
E) dan menjumlahkan perkalian.
ycu Oc yco=1 yaAycaycyceyc = .
ya1 ) O ycE.
a1 ) A .
ya1 ) O ycE.
a1 ) P01 = Osteosarkoma ycu Oc yaAycaycyceyc = .
58O 0.
58O 0.
58O 0.
71O 0.
yco=1 .
71O 0.
58O 0.
= .
= 0.
66 O 100%
= 66%
P02 = Chandrosarcoma ycu Oc yaAycaycyceyc = .
6O .
yco=1 = 0.
6 O 100%
= 60%
P03 = Sarcoma Ewing ycu Oc yaAycaycyceyc = .
67O 0.
5O 0.
yco=1 = .
= 0.
61 O 100%
= 61%
P04 = Chorcoma ycu Oc yaAycaycyceyc = .
O .
5O .
yco=1 = .
= 0.
5 O 100%
= 50%
Table 3.
9 Data Nilai Hasil Kesimpulan Kode Penyakit Jenis Penyakit Nilai Hasil
P01
Osteoarcoma
P02
Chandrosarcoma
P03
Sarcoma Ewing
P04
Chordoma Dari hasil perhitungan data diatas dapat diketahui penyakit Osteosarcoma dari gejala G01.
G02.
G05.
G07.
G11.
G13 dengan memperhatika penyakit yang terjadi memiliki nilai keyakinan yang lebih tinggi dari penyakit Chandrosarcoma.
Sarcoma Ewing, dan Chordoma.
Dimana total nilai penyakit Osteosarcoma yaitu 0.
66 atau 66% sedangakan Chandrosarcoma yaitu 0.
60 atau 60%.
Sarcoma Ewing yaitu 0.
61 atau 61% dan Chordoma yaitu 0.
50 atau 50% menggunakan metode Teorema Bayes.
ANALISA DAN HASIL .
1 Tampilan Form Login Sebelum mengakses aplikasi, admin terlebih dahalu harus login dengan cara menginput username dan password dengan benar.
Apabila admin salah dalam memasukan username dan password maka admin tidak dapat mengakses kegiatan di dalam aplikasi.
Berikut ini merupakan tampilan dari form login.
Gambar 5.
1 Form Login Jurnal CyberTech Vol.
No.
September 201x, pp.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
2 Tampilan Form Menu Utama Form menu utama merupakan halaman utama pada aplikasi Sistem Pakar mendiagnosa penyakit Osteosarcoma menggunakan metode Teorema Bayes.
Pada menu utama terdapat menu Ae menu yang menunjukan proses Ae proses yang dibangun.
Berikut adalah tampilan menu utama program untuk mendiagnosa penyakit Osteosarcoma menggunakan metode Teorema Bayes :
Gambar 5.
2 Form Menu Utama 3 Tampilan Form Menu Gejala Form Menu Gejala merupakan form yang berguna untuk mengelolah data gejala-gejala yang ada pada sistem baik itu nama gejala maupun nilai probabilitas dari masing-masing gejala.
Berikut ini adalah gambar form gejala :
Gambar 5.
3 Form Gejala 4 Tampilan Halaman Basis Aturan Form basis aturan adalah form yang digunakan sebagai media pengelolahan relasi antara penyakit dan gejala yang merupakan pengetahuan dari seorang pakar.
Adapun tampilan menu rule adalah sebagai Gambar 5.
4 Form Bais Aturan Journal homepage: https://ojs.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
5 Tampilan Form Data Penyakit Berikut ini merupakan tampilan dari form data penyakit yang berfungsi untuk menginput data-data Gambar 5.
5 Form Data Penyakit 6 Tampilan Form Diagnosa Form diagnosa merupakan form yang akan digunakan oleh user untuk mengecek atau mendiagnosa penyakit yang diderita pasien berdasarkan gejala.
Berikut ini adalah tamplan dari form diagnosa :
Gambar 5.
6 Form Diagnosa 7 Tampilan Halaman Laporan Dalam pengujian hasil implementasi sistem pakar menggunakan metode Teorema Bayes untuk mendiagnosa penyakit Osteosarcoma dapat memberikan hasil akurat dalam pengujian data sampel dari bahan Gambar dibawah ini merupakan pengujian sistem yang telah diuji coba.
Gambar 5.
7 Form Laporan Jurnal Cyber Tech Vol.
No.
September 201x : xx Ae xx
Jurnal Cyber Tech
P-ISSN : 9800-3456 E-ISSN : 2675-9802
KESIMPULAN
Dalam proses perancangan serta menganalisis sistem pakar untuk mendiagnosa penyakit Ostteosarcoma dengan metode Teorema Bayes.
Adapun kesimpulannya adalah sebagai berikut:
Berdasarkan hasil analisa metode Teorema Bayes dapat diterapkan dalam pemecahan masalah untuk mendiagnosa penyakit tulang yaitu Osteosarcoma.
Chandrosarcoma, sarcoma Ewing dan Chordoma.
Dimana pengumpulan data berupa observasi dan wawancara secara langsung untuk menganalisis objek dan nilai probabilitas.
Aplikasi ini dapat mendiagnosa penyakit tullang dengan akurat.
Untuk merancang aplikasi sistem pakar dilakukan dengan pemodelan UML terlebih dahulu seperti Use Case Diagram.
Activity Diagram dan Class Diagram kemudian melakukan pengkodean pemrograman berbasis desktop Melakukan pengujian seperti mencari gejala-gejala yang terjadi pada pasien dengan aplikasi yang dirancang dan melakukan proses diagnosa penyakit tulang, sehingga dapat diterapkan di rumah sakit untuk membantu perawat dalam mendiagnosa penyakit tulang yaitu Osteosarcoma.
Chandrosarcoma, sarcoma Ewing dan Chordoma.
UCAPAN TERIMA KASIH
Puji syukur atas kehadirat Tuhan Yang Maha Esa yang telah melimpahkan rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan jurnal ilmiah ini dengan baik.
Dalam kesempatan ini penulis ingin mengucapkan terima kasih kepada kedua orangtua tercinta yang telah memberikan doa, dorongan, dan dukungan secara moral maupun finansial sehingga dapat menyelesaikan penelitian ini dengan baik.
Penulis juga mengucapkan terimakasih kepada Bapak Iskandar Zulkarnain.
ST.
Kom selaku dosen pembimbing I dan Bapak Drs.
Sobirin.
SH.
Si selaku deosen pembimbing II yang telah banyak membantu dalam penyusunan jurnal ilmiah dengan memberikan arahan dan bimbingan.
REFERENSI