Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Implementasi Metode Dempster-Shafer Untuk Deteksi Kesehatan Mental Pada Mahasiswa Berbasis Web Alif Jalaluddin1.
Endah Ratna Arumi1,*.
Dimas Sasongko1.
Sambodo Sriadi Pinilih2.
Uky Yudatama1.
Muhammad Resa Arif Yudianto1 Fakultas Teknik.
Program Studi Teknik Informatika.
Universitas Muhammadiyah Magelang.
Magelang.
Indonesia Fakultas Ilmu Kesehatan.
Program Studi Keperawatan.
Universitas Muhammadiyah Magelang.
Magelang.
Indonesia Email: 1alif053100@gmail.
com, 2,*arumi@unimma.
id, 3dimassansongko@unimma.
id, 4pinilih@unimma.
uky@ummgl.
id, 6resamuhammad96@unimma.
Email Penulis Korespondensi: arumi@unimma.
Submitted: 15/01/2024.
Accepted: 27/02/2024.
Published: 28/02/2024 AbstrakOeKesehatan mental merupakan kondisi jiwa seseorang untuk betadaptasi di lingkungannya agar merasa bahagia ataupun mendapatkan kenyamanan hidup, agar tidak mengalami gangguan jiwa.
Seringkali kesehatan mental diabaikan oleh kebanyakan masyarakat karena berbeda dengan kesehatan fisik yang dapat dilihat langsung dengan mata dan dapat diidentifikasi dengan mudah.
Kurangnya kesadaran akan kesehatan mental dalam kehidupan masyarakat Indonesia dan anggapan bahwa seseorang yang pergi ke psikolog merupakan seseorang yang kurang waras, seringkali individu yang sebenarnya mengalami masalah kesehatan mental enggan untuk mendapatkan pertolongan dari ahli atau menyangkal bahwa dirinya tidak memiliki masalah kesehatan mental.
Keterbatasan waktu dan biaya juga menjadi salah satu kendala seorang mahasiswa enggan untuk mendapatkan pertolongan dari ahli seperti psikolog.
Oleh karena itu, sistem pakar berbasis web dibangun dengan metode Dempster-Shafer untuk digunakan sebagai deteksi pada mahasiswa dan memungkinkan pengguna untuk mengetahui apakah pengguna tersebut memiliki kecenderungan masalah pada kesehatan mentalnya atau tidak sebelum dibutuhkan konsultasi resmi dari ahli.
Pengujian akurasi sistem perbandingan antara hasil sistem dan hasil pakar dengan menggunakan 100 koresponden dari kalangan mahasiswa di Universitas Muhammadiyah Magelang (UNIMMA) sebanyak 89% mengenal kesehatan mental dan 65% pernah mengalami gangguan mental.
Hasil dari data SRQ29 yang digunakan dan sudah disebar dikalangan mahasiswa kampus, penelitian ini telah menggunakan 20 data sampel dan menghasilkan 70% nilai kesesuaian pakar.
Dari hasil nilai kesesuaian pakar didapatkan dari perhitungan yang ada pada sistem dengan memilih gejala dan secara otomatis sistem akan menghitung akurasi dari nilai belief yang ada disetiap gejala.
Kemudian sistem akan mengambil keputusan berdasarkan dari hasil nilai perhitungan terbesar.
Kata Kunci: Sistem Pakar.
Kesehatan Mental.
Dempster-Shafer.
Berbasis Web.
SRQ29
AbstractOeMental health is a person's soul condition to budaptasi in its environment to feel happy or get the comfort of life, so as not to experience mental disorders.
Often mental health is ignored by most people because it is different from physical health that can be seen directly with the eyes and can be identified easily.
Lack of awareness of mental health in the life of the people of Indonesia and the assumption that a person who goes to psychologists is a person inseasonable, often the individual who actually undergoes mental health problems reluctant to get help from experts or deny that he does not have mental health problems.
Limitations of time and costs are also one of the constraints of a student reluctant to get help from experts like psychologists.
Therefore, a web-based expert system is built with a dempster-shafer method to use as detection on the student and allows the user to know whether the user has a tendency of the problem on its mental health or not before the official consultation is required from the expert.
Testing Accuracy Comparison System between the results of the system and experts by using 100 correspondents from students at Muhammadiyah Magelang University (UNIMMA) 89% know mental health and 65% have experienced mental disorders.
The results of the SRQ29 data used and were spread among campus students, this study has used 20 sample data and produces 70% expert suit compliance.
From the results of expert suitability obtained from the calculation of the system by selecting symptoms and automatically the system will calculate the accuracy of the existing Belief Valident in every symptom.
Then the system will take decisions based on the results of the largest calculation value.
Keywords: Expert System.
Mental Health.
Dempster-Shafer.
Web-Based.
SRQ29
PENDAHULUAN
Seringkali kesehatan mental diabaikan oleh kebanyakan mahasiswa karena berbeda dengan kesehatan fisik yang dapat diliat langsung oleh mata dan dapat diidentifikasi dengan mudah.
Hal tersebut menjadikan kesehatan mental perlu diedukasikan kembali dan menindaklanjuti tindakan apa yang harus dilakukan agar mahasiswa mengetahui seberapa penting kesehatan mental.
Difase mahasiswa seperti ini, kesehatan mental menjadi salah satu kasus yang perlu diperhatikan oleh masyarakat sekitar.
Menurut penelitian sebelumnya yang mengungkapkan bahwa difase perkuliahan atau mahasiswa memiliki presentase yang tinggi dengan kasus gangguan kesehatan mental.
Permasalahan kesehatan mental yang dialami mahasiswa bisa disebabkan karena adanya pola asuh orang tua yang kurang tepat, permasalahan dengan teman, deadline tugas kampus, deadline skripsi hingga permasalahan terkait asmara.
Tidak jarang munculnya gejala stress hingga kasus bunuh diri disebabkan oleh gangguan mental yang menyerang mahasiswa.
Berdasarkan kasus beberapa bulan lalu, ada beberapa mahasiswa Malang.
Semarang dan Yogyakarta melakukan bunuh diri di kampusnya sendiri dan mall.
Salah satu faktor munculnya pikiran untuk bunuh diri adalah gangguan kesehatan mental yang sudah diderita.
Copyright A 2024 Author.
Page 416 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Pada penelitian kali ini membahas tentang sistem pakar untuk mendeteksi gangguan kesehatan mental pada mahasiswa dengan menggunakan metode Dempster-Shafer berbasis website yang pengujian akurasi sistem perbandingan antara hasil sistem dan hasil pakar dengan menggunakan 100 koresponden dari kalangan mahasiswa UNIMMA sebanyak 89% mengenal kesehatan mental dan 65% pernah mengalami gangguan mental.
Dari data yang telah didapatkan , gejala emosional mahasiswa yang mengarah pada kesehatan mental yaitu depresi, gangguan cemas .
, bipolar.
Para mahasiswa mengindikasikan gejala-gejala di atas dari faktor akademik, lingkungan sosial, keluarga, media sosial.
Post Traumatic Stress Disorder (PTSD), dan sebagainya.
Adapun penelitian sebelumnya membahas tentang sistem akar untuk mendeteksi gangguan mental dengan beberapa metode seperti penelitian sistem pakar pada usia dini dengan menggunakan metode Dempster-Shafer berbasis web dari 100 data yang diuji mendapatkan hasil akurasi 94%.
Penelitian lain menggunakan metode Algoritma Genetika dengan melakukan pengujian terhadap 20 data mendapatkan akurasi 85%.
Penelitian lain selanjutnya membahas tentang sistem pakar mendiagnosa jenis penyakit skizofrenia menggunakan metode Dampster-Shafer dengan menggunakan 12 data mendapatkan akurasi 100%.
Kemudian ada penelitian dengan menggunakan 40 kasus mendapatkan akurasi 95%.
Selanjutnya ada penelitian yang mndiagnosa penyakit psikologis gangguan control impuls dengan 40 kasus mendapatkan akurasi 85%.
Penelitian lain menggunakan metode fuzzy dengan sempel 11 pasien Skizofrenia dan 9 pasien depresi yang menghasilkan akurasi 81,82% mengalami Skizofrenia dan 88,89% mengalami depresi.
Penelitian selanjutnya menggunakan metode Certainty Factor dengan melakukan pengujian 15 orang mahasiswa dan mendapatkan akurasi 91,55%.
Kemudian ada penelitian yang menggunakan metode Forward Chaining dan Certainty Factor mendapatkan akurasi 86,67% dari 15 data yang dimiliki pakar ada 13 data yang sama dengan sistem .
Penelitian lain menggunakan metode Rule Based Reasoning dengan 10 data mendapatkan akurasi 90,7%.
Dari penelitian terdahulu belum ada sistem pakar yang mendeteksi kesehatan mental terhadap mahasiswa menggunakan metode Dempster-Shafer yang memberikan solusi dalam penanganannya gangguan kesehatan mental tersebut.
Penelitian ini menggunakan data SRQ29 (Self Review Quesioner .
dalam mendeteksi gangguan yang didapat dari pakar.
Data tersebut menggunakan 29 data gejala dalam mendeteksi gangguan dan ditambah beberapa gejala dari jurnal sebelumnya.
Oleh karena itu penelitian ini mengembangkan penelitian sebelumnya dengan menambahkan solusi dan cara penanganannya pada saat mendeteksi diri sendiri.
Website ini diperuntukkan untuk pengguna umur diatas 18 tahun seperti kalangan mahasiswa jadi solusi dan cara penanganannya sudah disesuaikan dengan umur.
Jika ada pengguna sudah mencukupi umur tetapi dalam keadaan sakit dan mengalami disabilitas tidak diperkenankan menggunakan website ini, karena pakar menganggap pengguna belum mampu mengontrol emosional dan keadaan diri sehingga bisa jadi hasil yang didapat tidak sesuai dengan apa yang pengguna alami.
Diharapkan website ini tidak digunakan bagi pengguna yang masih dibawah umur, karena penanganan gejala yang dilakukan pada mahasiswa berbeda dengan penanganan kasus kesehatan mental pada usia dini seperti anak dibawah umur atau pada lansia.
Penelitian ini menggunakan metode Dempster-Shafer karena berdasarkan tinjauan pustaka yang dilakukan dengan metode membandingkan metode Dempster-Shafer dengan metode lain, metode DempsterShafer dinilai lebih sesuai dalam mendeteksi gangguan berdasarkan gejala yang ada dan nilai belief dari pakar.
Dari hasil kesesuaian yang dapat dijadikan patokan untuk memvalidasi gangguan dan gejala yang pengguna alami ke psikeater atau ahli kejiwaan.
Tujuan dari penelitian ini adalah sebagai deteksi awal pada mahasiswa dan memungkinkan pengguna untuk mengetahui apakah pengguna tersebut memiliki kecenderungan masalah pada kesehatan mentalnya atau sebelum dibutuhkan konsultasi resmi dari ahli.
Sistem pakar ini berbasis web, informasi terkait dengan kesehatan mental serta meningkatkan kesadaran akan kemungkinan masalah pada kesehatan mental yang sebenarnya dialami pada diri individu namun tidak pernah disadari, serta sistem ini menghemat waktu dan biaya.
Hasil dari penelitian ini diharapkan sistem dapat membantu mahasiswa ataupun masyarakat untuk mendeteksi apakah seseorang memiliki kecenderungan masalah pada kesehatan mentalnya, informasi terkait bagaimana menjaga kesehatan mental, dan pengujian akurasi perbandingan antara hasil sistem dan hasil.
METODOLOGI PENELITIAN
1 Proses Penelitian Proses penelitian dilakukan mulai dari perumusan masalah hingga penarikan kesimpulan.
dapat dilihat pada gambar 1 berikut:
Copyright A 2024 Author.
Page 417 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Gambar 1.
Proses Peneitian Proses awal penelitian ini dimulai dari merumuskan masalah deteksi kesehatan mental pada mahasiswa dengan sistem pakar berbasis web.
Selanjutnya yaitu proses pengumpulan sumber bacaan diberbagai jurnal, buku, dan sumber lainnya yang berhubungan dengan penelitian ini.
Sesudah itu dilanjutkan dengan proses pengumpulan data membagikan google form kepada mahasiswa dengan 100 koresponden.
Kemudian mulai perancangan sistem seperti desain rancangan sistem, rancangan diagram, basis data sistem, perancangan antar muka, serta melakukan pengujian pada sistem.
2 Perancangan Sistem 1 Usecase Diagram Pada usecase diagram menggambarkan pengguna dan admin bisa mengakses apa saja.
Untuk pengguna hanya bisa mengakses menu home, melakukan konsultasi, dan melihat hasil dari konsultasi.
Sedangkan untuk admin bisa mengakses semua dan dapat login dengan akun yang sudah ada, kemudian admin dapat mengubah, menambah, dan menghapus data gejala, data gangguan, dan akun admin.
Admin juga dapat mengakses history, berikut usecase diagram dapat dilihat pada gambar 2 dibawah ini :
Gambar 2.
Usecase Diagram 2 Activity Diagram Activity diagram ini menggambarkan proses antara pengguna dan sistem yang digunakan, agar pengguna mengetahui dengan mudah bagaimana alur berjalannya sistem.
Dimulai dari pengguna mengklik menu konsultasi agar masuk ke halaman konsultasi, kemudian pengguna mulai melakukan konsultasi dengan menginput data seperti nama, jenis kelamin, umur, dan fakultas.
Jika sudah pengguna diminta memilih gejala yang ia alami selama dua minggu kebelakang.
Selanjutnya pengguna dapat mengklik menu tombol deteksi pada bagian bawah gejala untuk melihat hasil dari konsultasi.
Alur diagram dapat dilihat pada gambar 3 berikut:
Copyright A 2024 Author.
Page 418 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Gambar 3.
Activity Diagram Setelah dirancang, sistem akan dibuat sesuai dengan perancangan yang sudah dibuat.
Selanjutnya dilakukan pengujian kelayakan sistem.
Jika pengujian berhasil, maka kesimpulan akan diambil.
Dan jika pengujian tidak sesuai, maka akan dilakukan analisis kembali pada perancangan sistem.
Berdasarkan rancangan sistem diatas, berikut diagram alir .
yang menggambarkan proses berjalannya sistem.
Langkah pertama pengguna atau admin akan masuk ke halaman utama, untuk pengguna bisa langsung konsultasi dengan klik tombol AuAyo konsultasiAy.
Setelah masuk ke halaman konsultasi, pengguna diminta mengisi data diri terlebih dahulu seperti nama atau inisial, jenis kelamin, umur, dan fakultas.
Kemudian pengguna diminta memilih gejala yang ia alami selama dua minggu kebelakang.
Jika sudah pengguna klik tombol AuDeteksiAy pada bagian bawah.
Selanjutnya pengguna akan masuk ke halaman hasil dari konsultasi yang menampilkan data diri pengguna, jenis ganguan yang dialami, deskripsi jenis gangguan, solusi, hasil akurasi perhitungan, dan langkah selanjutnya.
Pengguna tidak perlu login karena halaman login hanya bisa diakses oleh admin untuk mengubah data-data pada website seperti gejala, jenis gangguan, dan mengakses history.
Sedangkan untuk admin perlu login terlebih dahulu dengan memasukkan email dan password jika sudah admin akan masuk ke halaman dashboard yang berisi data user, data gejala, data jenis gangguan, dan data history.
Kemudian admin bisa kembali logout.
Adapun gambar fowchart yang diusulkan dapat dilihat pada gambar 4 dibawah ini:
Gambar 4.
Flowchart sistem 2 Sistem Pakar Sistem pakar merupakan proses penyelesaian masalah yang dapat dilakukan oleh pakar kemudian diterapkan pada sistem komputer.
Sistem pakar menggunakan knowledge yang didapatkan dari seseorang yang mempunyai keahlian dibidang tertentu yang dijadikan sebagai sumber pengetahuan dan diterapkan pada sistem berbasis komputer.
3 Dempster-Shafer Dempster-Shafer adalah perhitungan matematika sebagai pembuktian berdasarkan keyakinan dan pemikiran yang sesuai dengan logika, yang biasa dipakai untuk mengkombinasi beberapa informasi atau bukti yang berbeda untuk menghitung kemungkinan dari suatu kejadian (Arthur P.
Dempster dan Glenn Shafe.
Berdasarkan teori Dempster-Shafer ditulis dalam suatu interval [Belief.
Plausibilit.
Copyright A 2024 Author.
Page 419 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Belief adalah nilai suatu gejala dalam mendukung suatu himpunan proposisi.
Nilai Belief didapat langsung dari pakar sesuai dengan ilmu pengetahuan pakar untuk gejala tersebut, yang dimana berada antara .
, jika bernilai 0 maka mengidentifikasi bahwa gejala tidak ada, dan jika bernilai 1 menunjukkan adanya Berikut rumus dari fungsi Belief:
Nilai plausibility (Pla.
juga berada antara nilai .
Jika benar akan XAo, sehingga bisa disebutkan bahwa nilai Bel(XA.
=1, jadi rumus ditersebut nilai dari Pls(XA.
=0.
Rumus plausibility dapat dituliskan seperti dibawah ini :
Berdasakan teori Dempster-Shafer bahwa frame of discernment yang ditulis dengan simbol dan mass function yang ditulis dengan simbol .
Sehingga menurut teori Dempster-Shafer mass function .
dapat diartikan tingkat keyakinan dari suatu gejala .
nstrument kesehatan menta.
atau biasa disebut evidence measure dan dinotasikan dengan .
Mass function .
diformulakan pada persamaan:
Oc Pada perhitungan yang dilakukan pengguna terlebih dahulu menginput nama atau inisial, jenis kelamin, umur, dan fakultas.
Kemudian pengguna diminta memilih gejala yang dialami selama dua minggu kebelakang.
Jika sudah memilih gejala yang dialami pengguna bisa mendeteksi dengan cara mengklik tombol yang ada HASIL DAN PEMBAHASAN 1 Basis Pengetahuan Basis pengetahuan berisi data yang berasal dari pakarnya langsung seperti gejala, nilai belief, jenis gangguan, dan solusi.
Berdasarkan hasil wawancara Bersama pakar berikut daftar gangguan yang sering dialami dikalangan mahasiswa dapat dilihat pada tabel 1 dibawah ini:
Tabel 1.
Data Gangguan Id Gangguan P001
P002
P003
P004
Nama Gangguan Depresi Gangguan Kecemasan atau Anxiety Disorder Psikotik PTSD (Post Traumatic Stress Disorde.
Pada tabel 1 merupakan data jenis gangguan kesehatan mental.
Masing-masing gangguan mempunyai id dan gejala yang sama dan ada juga yang berbeda.
Data gejala dan nilai belief dapat dlihat pada tabel 2 berikut:
Tabel 2.
Data Gejala
Gejala
G001
G002
G003
G004
G005
G006
G007
G008
G009
G010
G011
G012
G013
G014
G015
G016
G017
Gejala Merasa sakit dibeberapa bagian tubuh seperti merasakan sakit kepala.
Kehilangan nafsu makan.
Merasa tidur tidak nyaman.
Mudah takut.
Merasa cemas, tegang atau khawatir.
Tangan tremor.
Anda mengalami gangguan pencernaan.
Anda merasa sulit berpikir jernih.
Anda meras tidak Bahagia.
Sering merasakan ingin menangis.
Sulit menjalani kegiatan sehari-hari.
Merasa sulit mengambil keputusan.
Kegiatan/tugas sehari-hari tertunda.
Merasa tidak bisa berperan dikehidupan.
Kehilangan minat dibanyak hal.
Merasa tidak berharga.
Berpikir untuk bunuh diri.
Nilai Belief
P001
Jenis Gangguan P002 P003 P004 Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Copyright A 2024 Author.
Page 420 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Gejala
G018
G019
G020
G021
G022
G023
G024
G025
G026
G027
G028
G029
G030
G031
G032
Gejala Merasa capek sepanjang waktu.
Merasa tidak enak pada bagian perut/mual.
Mudah Lelah.
Merasa ada orang lain mencoba melukai dengan cara Merasa ada yang mengganjal dalam pikiran.
Mendengar suara yang tidak jelas sumbernya atau orang lain tidak mendengar.
Bermimpi tentang suatu bencana/musibah atau pada saat tertentu Anda seolah-olah mengalami kembali kejadian itu.
Menjauhi kegiatan, suatu tempat, seseorang orang atau pikiran yang mengingatkan akan suatu bencana tersebut.
Berkurangnya minat terhadap teman dan kegiatan yang biasa dilakukan.
Merasa terganggu jika berada disituasi yang mengingatkan akan hal bencana atau jika berpikir tentang bencana itu.
Kesulitan memahami atau mengkspresikan perasaan.
Gelisah.
Keringat berlebihan.
Peningkatan denyut jantung.
Mengurung diri.
Nilai Belief
P001
Jenis Gangguan P002 P003 P004 Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Oo Pada tabel 2 merupakan data gejala dan nilai belief.
Kemudian data nama gangguan akan dikelompokkan sesuai dengan data gejala yang ada.
Berikut tabel keputusan dapat dilihat pada tabel 3 dibawah ini :
Tabel 3.
Tabel Keputusan Gangguan Berdasarkan Gejala
Id Gangguan Nama Gangguan P001
Depresi
P002
Gangguan Kecemasan atau Anxiety Disorder P003
Psikotik
P004
PTSD (Post Traumatic Stress Disorde.
Id Gejala G001,G002.
G008.
G009.
G010.
G011.
G013,
G015.
G017.
G031.
G032
G002.
G003.
G004.
G005.
G006.
G007,
G008.
G012.
G014.
G016.
G018.
G019,
G020.
G029.
G030.
G031
G001.
G003.
G009.
G010.
G021.
G022.
G023
G003.
G004.
G011.
G024.
G025.
G026,
G027.
G028
Pada tabel 3 data gangguan sudah dikelompokkan sesuai dengan data gejala.
Pengguna harus memilih minimal 3 gejala agar hasil perhitungan menghasilkan nilai akurasi yang lebih akurat.
2 Analisis Metode Dempster-Shafer Pada proses mendeteksi gangguan kesehatan mental dengan perhitungan manual dengan menggunakan metode Dempster-Shafer.
Pengguna memilih 3 gejala yang dirasakan selama dua minggu kebelakang.
Merasa sulit mengambil keputusan.
Merasa tidak enak pada bagian perut/mual.
Mudah lelah.
Berkurangnya minat terhadap teman dan kegiatan yang biasa dilakukan.
Merasa terganggu jika berada disituasi yang mengingatkan akan hal bencana atau jika berpikir tentang bencana itu.
Kesulitan memahami atau mengekspresikan perasaan.
Gejala 1 Merasa sulit mengambil keputusan, dengan :
= 0.
t[] = 1-0.
4 = 0.
gangguan P002.
Gejala 2 Merasa tidak enak pada bagian perut/mual, dengan :
= 0.
t[] = 1-0.
8 = 0.
Copyright A 2024 Author.
Page 421 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
gangguan P002.
Gejala 2 Gejala { } 0.
{P.
{ } 0.
{P.
{P.
{P.
{P.
{ } 0.
{P.
= .
08 / .
) = 0.
= .
12 / .
) = 0.
Gejala 3 Merasa lelah, dengan :
= 0.
t[] = 1-0.
8 = 0.
gangguan P002.
Gejala 3 Perhitungan {P.
{ } 0.
{ } 0.
{P.
{ } 0.
{P.
{P.
{P.
{P.
= .
176 / .
) = 0.
= .
0 /.
) = 0.
Gejala 4 Berkurangnya minat terhadap teman dan kegiatan yang biasa dilakukan, dengan :
= 0.
t[] = 1-0.
8 = 0.
gangguan P004.
Gejala 4 Perhitungan {P.
{ } 0.
{P.
{} 0.
{P.
{P.
= .
0192 / .
) = 0.
{P.
= .
1952 / .
) = 0.
= .
0048 / .
) = 0.
{ } 0.
{P.
{ } 0.
Gejala 5 Merasa terganggu jika berada disituasi yang mengingatkan akan hal bencana atau jika berpikir tentang bencana itu, dengan :
= 0.
t[] = 1-0.
9 = 0.
gangguan P004.
Perhitungan 3 {P.
{P.
{ } 0.
Gejala 5 {P.
{ } 0.
{P.
0788321168 {P.
{} 0.
{P.
{ P.
{ } 0.
{P.
= .
0087591241 / .
) = 0.
{P.
= .
0890510949 / .
) = 0.
= .
002189781 / .
) = 0.
Gejala 6 Kesulitan memahami atau mengekspresikan perasaan, dengan:
= 0.
t[] = 1-0.
7 = 0.
Copyright A 2024 Author.
Page 422 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
gangguan P004.
Perhitungan 4 {P.
{P.
{ } 0.
Gejala 6 {P.
{ } 0.
{P.
3783088236 {P.
{} 0.
{P.
{ P.
{ } 0.
{P.
= .
162132353 / .
) = 0.
{P.
= .
1345588235 / .
) = 0.
= .
0033088235 / .
) = 0.
Dengan gangguan P004 yaitu PTSD (Post Traumatic Stress Disorde.
Berdasarkan perhitungan diatas menghasilkan tingkat kesesuaian pakar 0.
7990, kemudian akan diubah kedalam bentuk persen dengan cara 0.
7990 x 100% akan menghasilkan 79.
Hasil ini didapat dari perhitungan ini menggunakan metode Dempster-Shafer.
3 Halaman Utama Pada tampilan halaman utama terdapat beberapa informasi mengenai website deteksi kesehatan mental, gangguan kesehatan mental, gejala, cara penanganan, deteksi, dan lain sebagainya.
Tampilan halaman utama dapat dilihat pada gambar 5.
Gambar 5.
Halaman Utama 4 Halaman Login Pada halaman login hanya bisa digunakan oleh admin saja, sedangkan pengguna tidak bisa menggunakan halaman login ini.
Halaman ini digunakan untuk admin jika ingin menambah atau mengubah jenis gangguan, gejala, nilai belief, dan menambahkan akun admin jika diperlukan.
Tampilan halaman login dapat dilihat pada gambar 6 dibawah ini :
Gambar 6.
Halaman login 5 Halaman Dashboard Jika berhasil login, admin akan masuk ke halaman dashboard yang berisi data user, evidence, hypothesis, dan Admin juga dapat menambah, mengurangi, dan mengubah data.
Seperti data gejala, data gangguan, nilai belief, dan akun admin.
Lebih jelasnya lihat gambar 7.
Copyright A 2024 Author.
Page 423 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Gambar 7.
Halaman Dashboard 6 Halaman User Dihalaman ini berisi data-data user seperti nama, email, dan dihalaman ini admin dapat menambahkan atau menghapus akun user jika diperlukan.
Dapat dilihat seperti gambar 8 dibawah ini :
Gambar 8.
Halaman User 7 Halaman Evidence Halaman evidence berisi data-data gejala dengan jumlah 32 gejala, gejala tersebut didapat dari beberapa sumber seperti pakarnya langsung dan beberapa jurnal artikel.
Dari data gejala yang ada, akan muncul dihalaman konsultasi ketika pengguna hendak melakukan deteksi diri.
Dihalaman ini juga admin bisa mengubah, menambah, serta menghapus data gejala.
Halaman evidence dapat dilihat seperti pada gambar 9 berikut :
Gambar 9.
Halaman Evidence 8 Halaman Hypothesees Dihalaman ini terdapat jenis gangguan seperti cemas, depresi, psikotik, dan PTSD (Post Traumatic Stress Disorde.
Dihalaman ini juga dijelaskan deskripsi dari gangguan tersebut dan solusi bagaimana cara penanganan gangguan yang dialami.
Data ini juga akan muncul dihalaman hasil konsultasi, sehingga pengguna dapat mengetahui jenis gangguan apa dan solusi seperti apa yang harus dilakukan.
Dihalaman ini admin dapat Copyright A 2024 Author.
Page 424 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
mengubah, menambah, dan menghapus data seperti nama gangguan, deskripsi gangguan, dan solusi dari gangguan tersebut.
Tampilan halaman dapat dilihat pada gambar 10 seperti dibawah ini :
Gambar 10.
Halaman Hypothesees 9 Halaman History Pada halaman ini berisi data-data pengguna setelah menggunakan website ini untuk mendeteksi apakah mereka mengalami gangguan kesehatan mental atau tidak.
Data-data tersebut seperti inisia nama, jenis kelamin, umur, fakultas, hipothesees, hasil akurasi, dan tanggal pengguna meneteksi.
Halaman tersebut dapat dilihat pada gambar 11 dbawah ini :
Gambar 11.
Halaman History 10 Halaman Role DS Halaman ini berisi data nama gangguan, gejala, dan nilai belief.
Nilai belief didapat langsung dari pakar berdasarkan pengetahuan yang dimilinya.
Admin dapat mengubah nilai belief pada halaman ini jika diperlukan.
Untuk halaman tersebut bisa dilihat pada gambar 12 dibawah ini :
Gambar 12.
Halaman Role DS 11 Halaman Konsultasi Dihalaman Konsultasi ini pengguna diminta mengisi data-data terlebih dahulu, seperti nama inisial, jenis kelamin, umur, dan fakultas.
Kemudian pengguna diminta memilih gejala yang ia alami selama dua minggu kebelakang, sebab dalam jangka waktu kurang dari dua minggu belum bisa meyakinkan bahwa dirinya benarbenar merasakan gejala tersebut.
Untuk halaman ini dapat dilihat pada gambar 13 dibawah ini :
Copyright A 2024 Author.
Page 425 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Gambar 13.
Halaman Konsultasi 12 Halaman Hasil Konsultasi Pada halaman ini akan menampilkan hasil deteksi seperti data pribadi pengguna yang sudah diinput sebelumnya, jenis gangguan yang dialami pengguna, deskripsi jenis gangguan, solusi, dan menapilkan hasil akurasi.
Sepert pada gambar 14 dibawah ini :
Gambar 14.
Halaman Hasil Uji 13 Pengujian Sistem Gambar 15.
History Hasil Uji Berdasarkan gambar 15 hasil pengujian diatas, telah dilakukan 20 pengujian data terhadap mahasiswa yang sudah pernah konsultasi ke psikeater atau ahli kejiwaan yang ada dikampus telah mendapatkan kesesuaian pakar sebagai berikut Tabel 4.
Tabel kesesuaian pakar
Nama NAA
Jenis Kelamin
Perempuan Laki-laki Perempuan Laki-laki Perempuan Perempuan Perempuan Umur
Fakultas FKIP
Hukum
FKIP
Hukum
FKIP
Hukum
FKIP
Jenis Gangguan Kecemasan Kecemasan Kecemasan PTSD Kecemasan Kecemasan PTSD Kesesuaian Pakar Kesesuaian Tidak Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Copyright A 2024 Author.
Page 426 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Nama LNS
SRW
MAS
RAP
MIM
MFR
AES
KKR
PPS
Jenis Kelamin
Perempuan Laki-laki Laki-laki Perempuan Laki-laki Perempuan Perempuan Laki-laki Laki-laki Perempuan Perempuan Perempuan Perempuan Umur
Fakultas FKIP
FEB
Hukum
FKIP
FKIP
FIKES
FAI
Teknik
Teknik
FKIP
Teknik
FAI
FAI
Jenis Gangguan PTSD
Kecemasan Kecemasan Kecemasan Psikotik
Kecemasan Kecemasan Kecemasan PTSD
Kecemasan Kecemasan PTSD
PTSD
Kesesuaian Pakar Kesesuaian Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Tidak Tidak Sesuai Tidak Sesuai Sesuai Sesuai Berdasarkan 20 data pengujian antara sistem dan pakar yang telah dilakukan diatas, maka hasil yang .
Dari perhitungan persentase berdasarkan kesesuaian antara sistem dan pakar dengan 20 data pengujian mendapatkan 70% nilai kesesuaian antara sistem dan pakar.
Dengan perhitungan 14 data pengujian yang sesuai dibagi 20 data pengujian, kemudian dikali 100%.
Maka akan menghasilkan persentase kesesuaian, sehingga website deteksi dini gangguan kesehatan mental dengan metode Dempster-Shafer memiliki nilai kesesuaian sebesar 70%, dan dapat disimpulkan bahwa sistem sudah dapat berjalan dengan baik.
Hasil kesesuaian pakar yang didapatkan dari perhitungan yang ada pada sistem dengan memilih gejala dan secara otomatis sistem akan menghitung akurasi dari nilai belief yang ada disetiap gejala.
Kemudian sistem akan mengambil keputusan berdasarkan dari hasil nilai perhitungan terbesar.
Diharapkan pengguna tetap mengikuti solusi yang sudah tertera di hasil deteksi pada website ini, agar gangguan yang dialami tidak berkelanjutan atau dapat mengontrol.
Namun sistem ini tidak selalu benar, karena sebelum mendeteksi diri pengguna harus dipastikan dalam keadaan sehat dan tidak merasa tertekan.
Jika pengguna dalam keadaan tersebut hasil yang didapat dianggap kurang tepat.
Hasil dari sistem ini dapat dijadikan acuan ketika pengguna hendak konsultasi langsung ke psikeater atau ahli kejiwaan.
Kemudian hasil dari sistem ini akan ditinjau kembali dengan melihat dari sisi assessment untuk menegakkan diagnose medis atau keperawatan, beberapa aspek yang dapat mempengaruhi dalam proses mendeteksi jenis gangguan, contohnya seperti biologis, fisiologis, dan sosial.
Sehingga pengguna perlu datang ke psikeater atau ahli kejiwaan untuk memastikan apa yang dialami selama ini merupakan gangguan kejiwaan atau bukan.
KESIMPULAN
Pengembangan sistem pakar mendeteksi gangguan mental ini menggunakan metode Dempster-Shafer untuk memudahkan mahasiswa dalam mendeteksi dan mengatasi gangguan mental yang sudah dialami sebelum konsultasi ke dokter spesialis dengan tingkat keyakinan yang telah didapat.
Berdasarkan 20 data pengujian mendapatkan 70% nilai kesesuaian antara sistem dan pakar.
Dengan perhitungan 14 data pengujian yang sesuai dibagi 20 data pengujian, kemudian dikali 100%.
Maka akan menghasilkan persentase kesesuaian, sehingga website deteksi dini gangguan kesehatan mental dengan metode Dempster-Shafer memiliki nilai kesesuaian sebesar 70%, dan dapat disimpulkan bahwa sistem sudah dapat berjalan dengan baik.
Hasil akurasi didapatkan dari perhitungan yang ada pada sistem dengan memilih gejala dan secara otomatis sistem akan menghitung akurasi dari nilai belief yang ada disetiap gejala.
Kemudian sistem akan mengambil keputusan berdasarkan dari hasil nilai perhitungan terbesar.
Diharapkan pengguna tetap mengikuti solusi yang sudah tertera di hasil deteksi pada website ini, karena website ini telah bekerjasama dengan pakar yang sudah ahli dalam penanganan gangguan kesehatan mental.
Dengan demikian metode Dempster-Shafer ini dapat digunakan untuk mendeteksi gangguan mental, karena hasil yang didapatkan dari perhitungan ini memiliki nilai akurasi yang baik.
Adapun saran untuk pengembangan dari penelitian ini agar webite ini lebih sempurna adalah dapat ditambahkan fitur untuk mengkonfirmasi apakah pengguna sedang sakit atau tidak, kemudian apakah pengguna merupakan disabilitas, jika sedang sakit atau penderita disabilitas pengguna dianggap kurang mampu mengontrol emosional untuk mendeteksi diri sendiri.
Dan sudah mencukupi umur 18 tahun keatas atau belum.
Karena website ini diperuntukkan pengguna diatas 18 tahun keatas, sehingga solusi dan cara penanganan yang diberikan sistem sesuai dengan pengguna yang sudah cukup umur.
Copyright A 2024 Author.
Page 427 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
February 2024.
Page 416-429 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
REFERENCES