Jurnal Sains dan Informatika
p-ISSN: 2460-173X
e-ISSN: 2598-5841
Volume 4, Nomor 2, November 2018
Risky Aswi Ramadhani1), Ratih Kumalasari Niswatin2)
1)2) Program Studi Teknik Informatika,
Universitas Nusantara PGRI Kediri Mojoroto gang II, Kediri Jawa Timur
1)risky_aswi@unpkediri.ac.id
2)ratih.workmail@gmail.com
Diabetes merupakan salah satu induk dari berbagai macam penyakit seperti jantung,
gloukoma, jantung dan nefropati. Pada saat ini penderita diabetes di Indonesia mencapai 10 juta,
tapi sangat sedikit masyarakat yang menydarai akan penyakit yang dideritanya. Hal ini
disebabkan karena jumlah tenaga medis yang sedikit dan tenaga medis hanya terpusat pada
Kota-kota besar, sedangkan kota-kota kecil jumlah tenaga medisnya sangat terbatas. Untuk
menekan jumlah penderita diabetes dan meningkatkan kesadaran masyarakat akan bahaya
diabetes, perlu dibuat sebuah Sistem diagnosa diabetes dengan metode K-NN.
Tujuan dari dibangunya sistem diagnosa diabetes, mampu menekan angka penderita diabetes. Untuk
membuat racang bangun sistem diagnosa diabetes dengan metode K-NN diperlukan beberapa
tahapan utama yaitu membuat DFD Level 0, Level 1, dan ERD.
Kata kunci: Diabetes, Diagnosa, K-NN, Klasifikasi, Rancang Bangun
1. PENDAHULUAN
Diabetes merupakan induk dari berbagai penyakit, jika tidak segera ditngani penderita diabetes
dimungkinkan akan menderita penyakit penyerta Diabetes. Penyakit penyerta diabetes tersebut
adalah jantung, gloukoma, dan nefropati (Purwanti & Maghfirah, 2017). Pada saat penderita
diabetes di Indonesia mencapai 10 juta orang yang terdiri dari 1,67 juta berusia di bawah 40, 4,65
berusia 40-59 tahun, dan sisanya lebih dari 60 tahun (Wibawa, 2017).
Salah satu upaya pemerintah untuk menekan penderita diabetes adalah memberikan
penyuluhan, dan memberikan layanan kesehatan gratis. Program-program yang dijalankan oleh
pemerintah tidak merata ke seluruh plosok Indonesia, tenaga medis hanya berpusat pada kotakota besar atau pulau jawa (Sulistyawati, 2017). Perlu adanya sebuah gagasan untuk meningkatkan pelayanan medis untuk masyarakat, salah satunya di bidang Informatika.Perlu
adanya sebuah sistem diagnosa yang bisa mendiagnosa penyakit diabetes.
Sistem diagnosa digunakan untuk membantu masyarakat yang berada di daerah terpencil,
Sistem yang dibangun dapat diakses oleh masyarakat yang ingin mendiagnosa badannya sendiri.
Dengan cara memasukan beberapa gejala ke sistem. Dari hasil wawancra dengan dr. Ariek
Kusumaningtyas didiapatkan gaejala-gejala diabaetes. Berikut ini beberapa gejala yang
dimasukan ke sistem: sering bak di malam hari meskipun tidak banyak minum air, turunya berat
badan, luka sulit sembum, tubuh sering mengalami kelelahan, gusi sering berdarah, dan kaki mati
rasa. Gejala-gejala tersebut diiputkan ke sistem diagnosa.
Didalam metode K-NN terdapat dua bagian penting yaitu data training, data training adalah
data yang diambil dari data rekam medic pasien yang berobat sebelumnya (Ndaumanu, Kusrini
& Arief, 2014). Data training digunakan sebagai sumber pengetahuan pada sisitem diagnosa yang
menggunakan metode K-NN, semakin banyak data training maka hasil diagnosa semakin akurat.
Pada penelitian ini digunakan 120 data training.
Data testing adalah data pasien yang akan didiagnosa. Data yang dimasukan sama dengan data
yang ada di data training. Metode k-nn merupakan metode supervised learning, maka metode ini
menggunakan nilai tetangga terdekat. Untuk mengambil keputusan yang apakah pasien positif terkena diabetes atau tidak terkena diabetes. Manfaat penelitian ini bagi perintah untuk membantu
menekan jumlah penderita diabetes.
Pembangunan sistem diagnosa diabetes menngunakan Metode K-NN menggnakan
pemrograman terstruktur.
Untuk proses perancangannya menngunakan DFD Level 0, DFD Level 1, dan ERD. Sistem yang akan dibangun memiliki 3 entitas utama yaitu pasien, admin dan pakar.
Ketiga entitas tersebut memliki tugas masing-masing. Entitas pasien adalah entitas yang betugas
melakukan diagnosa ke sistem, pasien dapat memasukan gejala-gejala yang dialami, dari gejalagejala tersebut sistem dapat menentukan hasil diagnosa. Entitas admin bertugas mengawasi proses
diagnosa yang ada pada sistem. Sedangkan entitas pakar bertugas untuk melakukan approve hasil
diagnosa yang dilakukan oleh sistem dan menambahkan ke data training.
2. TINJAUAN PUSTAKA
Berikut ini adalah Tinjaun pustaka yang digunakan pada penelitian ini:
2.1 Resiko Diabetes Militus
Diabetaes Melitus (DM) merupakan penyakit kronis yang akan diderita seumur hidup,
sehingga progesifitas penyakit ini akan terus berjalan dan pada suatu saat akan menimbulkan
komplikasi. Penyakit DM biasanya berjalan lambat dengan gejala-gejala yang ringan sampai
berat, bahkan dapat menyebabkan kematian akibat baik komplikasi akut maupun kronis, berikut
ini adalah bebera komplikasi kronis Diabetes Miitus (Yuhelma, Hasneli & Nauli, 2016).
Penelitian tersebut fokus terhadap komplikasi kronik diabetes, dan analisa komplikasi kronik
diabetes diambil dari sudut pandang medis. Pada penelitian yang akan diangkat, peneliti berusaha
mencari trobosan agar, hanya dengan sistem ini masyarakat dapat mendiagnosa diabetes dengan
cara memasukan gejala-gejala yang diderita seperti sering bak di malam hari meskipun tidak
banyak minum air, turunya berat badan, luka sulit sembuh, tubuh sering mengalami kelelahan,
gusi sering berdarah, dan kaki mati rasa. Gejala-gejala tersebut disajikan dalam bentuk form.
2.2 Rancang Bangun Diagnosa Diabetes
Komputer dapat menggantikan seorang pakar, komputer yang memiliki kecerdasan buatan
dapat menangani sebuah permasalahan tertentu. Dengan memanfaatkan computer sebagai alat
diagnosa penyakit, permasalhan klasik seperti kurangnya tenaga medis di Indonesia di
mungkinkan dapat diatasi. Gejala yang awalnya hanya diketahui dan diagnosa hanya dapat
dilakukan oleh tenaga medis, pada saat ini dapat dikomputerisasikan menngunakan bahasa
pemrogramn PHP dan database MySql. Penggunaan platform web lebih diutamkanan karena
jumlah penggunan smartphone di Indonesia saat ini mencapai 100 juta (Sihotang, 2017). Dengan
memanfaatkan smartphone aplikasi dapat diakses oleh segala kalangan. Yang terpenting pada saat
mengakses user memiliki jaringan internet.
2.3 Sistem Diagnosa dengan K-NN
Pada saat ini banyak peneliti yang sudah mengembangkan sistem diagnosa diabetes salah
satunya yang berjudul Optimasi Parameter K Pada Metode K-Nearest Neighbour Untuk Klasifikasi Penyakit Diabetes Mellitus.Penelitian ini memanfaatkan algoeritma K-Nearst
Neighbour untuk mendiagnosa penyakit yang diderita oleh pasien. Penelitian ini meningkatkan
kinerja metode K-Nearest Neighbour dengan cara meningkatkan menambahkan K-Optimal.
Penelitian ini menyatakan semakin banyak nilai K pada K-Nearest Neighbour maka hasil diagnosa akan semakin bias (Indrayanti, Sugianti & Al Karomi, 2017).
Penelitian yang akan dibahas menngunakan nilai K=1 sehinnga hasil yang di dapat lebih akurat. Penelitian ini mengunakan 120 data training.
3.METODE PENELITIAN
Metodologi penelitian adalah langkah-langkah yangakan digunakan untuk melakukan penelitian pada sistem yang mampu mendiagnosis komplikasi kronis dan penyakit yang menyertai Diabetes.
Berikut ini adalah Skema metodologi penelitian yang akan digunakan.
Gambar 1. Skema metodologi penelitian
Berikut ini adalah penjelasan tentang skema metodologi penelitian,
(1) Identifikasi masalah
Indentifikasi masalah dilakukan untuk memperoleh permasalahan yang berkaitan dengan penderita diabetes. Indentifikasi masalah digunakan untuk mengetahui permasalhan yang harus diselesaikan dan cara memecahkan masalah.
(2) Analisis kebutuhan penderita diabetes
Mayarakat Indonesia yang menderita diabetes berasal dari kalangan atas sampai ke kalangan bawah, sangat dimungkinkan masyarakat dari kalangan bawah tidak mampu berobat karena ekonomi yang kurang mampu. Agar angka diabetes pada masyarakat kalangan bawah dapat ditekan. Perlu dibuat sebuah aplikasi yang memasyarakat, berikut ini adalah syarat aplikasi
yang memasyarakat.
- Dapat dibuka setiap saat
- Dapat diakses dari berbagai macam gadget
- Mudah dioperasikan oleh masyarakat yang awam terhadap teknologi.
(3) Analisis kebutuhan sistem
Sistem diagnosa ini memliki tiga entitas yaitu admin, pakar, dan user. Admin memiliki tugas mengawasi dan melukan pembenahan data jika terjadi kekeliruan pada sistem. Pakar bertugas mengawasi kevalidan hasil diagnosa. Sedangkan user memiliki kewenangan untuk berkonsultasi secara langsung ke sistem.
(4) Perancangan sistem
Perancangan sistem dilakukan dengan menngunakan tools Sybase power disainer, perancangan system yang dibuat mulai dari ERD, DFD Level 0, DFD Level 1, sampai dengan DFD Level 2.
(5) Tampilan sistem
Sistem dibuat dengan bahasa pemrograman PHP, Jquery dan database MySQL.
(6) Kesimpulan
Penarikan kesimpulan adalah pembahasan dimana peneliti membahas secara singkat terhadap penelitian yang telah dilakukan, sehingga pembaca artikel ini dapat mudah memahami isi dari penelitian ini.
4. PEMBAHASAN
Berikut ini adalah pembahasan tentang penelitian Rancang Bangun Sistem Diagnosa Diabetes Menggunakan Metode K-NN.
4.1 Metode KNN
K-NN merupakan metode supervised learning, dimana hasil dari intance yang baru diklasifikasiknan berdasarkan mayoritas dari kategori K- tetangga Metode K-NN menggunakan tetangga kasifikasi sebagai nilai prediksi berikut ini adalah persamaan metode K-NN.
𝐴=√Σ(𝑥2𝑖−𝑥𝐼𝑖)2𝑝𝑖=𝑛 (1)
𝑥𝑖 = sample data
𝑥2 = data uji
𝑖 = variabel data
𝑑 = jarak
𝑝 = dimensi data
4.1.1 Data training
Sampel data atau data training adalah data yang diambil dari hasil diagnosa secara manual, data ini merupakan sumber pengetahuan metode K-NN Penelitian ini akan menggunakan nilai K=3. Berikut ini adalah data training yang digunakan, data training yang digunakan berjumlah 24 data, data tersebut berasal dari data yang menderita diabetes dan tidak menderita diabetes.
Tabel 1. Data training
No
|
Bak
|
TBB
|
LK
|
LL
|
GB
|
HL
|
Total
|
Keputusan
Dokter
|
|
1
|
V
|
V
|
V
|
V
|
-
|
-
|
4
|
+
|
|
2
|
V
|
V
|
V
|
V
|
V
|
V
|
6
|
+
|
|
3
|
-
|
-
|
-
|
V
|
-
|
-
|
1
|
-
|
|
4
|
-
|
-
|
-
|
V
|
V
|
-
|
2
|
-
|
|
5
|
-
|
-
|
-
|
-
|
V
|
V
|
2
|
-
|
|
Keterangan:
|
|||||||||
BAK
|
=
Sering BAK malam hari
|
LL
|
=
Gampang lelah
|
||||||
TBB
|
= Berat
badan turun drastis
|
GB
|
= Gusi
berdarah
|
||||||
LK
|
= Luka
sulit sembuh
|
HL
|
= Haus
dan lapar
|
||||||
4.1.2 Data testing
Data testing adalah data yang akan di uji cobakan, pada penelitian ini yang disebut dengan data testing adalah data pasien yang akan didiagnosa dengan sistem. Data testing yang digunakan berjumlah 7. Berikut ini adalah hasil diagnosa dari data teting yang dimasukan.
Tabel 2. Data testing
No
|
Bak
|
TBB
|
LK
|
LL
|
GB
|
HL
|
Total
|
Hasil
Diagnosa
|
1
|
-
|
-
|
-
|
V
|
-
|
-
|
1
|
-
|
2
|
-
|
-
|
-
|
V
|
-
|
V
|
2
|
-
|
3
|
V
|
V
|
V
|
V
|
-
|
V
|
5
|
+
|
|
4
|
V
|
-
|
V
|
V
|
V
|
-
|
4
|
+
|
5
|
-
|
-
|
-
|
-
|
-
|
-
|
2
|
-
|
6
|
V
|
V
|
-
|
V
|
-
|
-
|
3
|
+
|
7
|
-
|
-
|
V
|
-
|
-
|
1
|
-
|
4.1.3 Grafik
Berikut ini adalah virtualisasi metode K-NN pada grafik. Pada grafik ini, Pasien yang digunakan untuk data testing mengalami gejala Bak, TBB, LK, LL, dan HL. Dari dasil perhitungan dengan K-NN didapatkan pasien dinyatakn positive menderita diabetes, untuk lebih jelasnya bisa dilihat pada gambar di bawah ini
Gambar 2. Grafik K-NN rancang bangun sistem diagnosa diabetes menggunakan metode K-NN
4.1.4 Uji akurasiUntuk menguji apakah metode K-NN optimal jika digunakan untuk mendiagnosa diabetes, digunakan persamaan di bawah ini
𝐴𝑘𝑢𝑟𝑎𝑠𝑖=𝐽𝑢𝑚𝑙𝑎ℎ 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖 𝑏𝑒𝑛𝑎𝑟/𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑑𝑎𝑡𝑎 𝑢𝑗𝑖×100 %
𝐴𝑘𝑢𝑟𝑎𝑠𝑖=67×100%
𝐴𝑘𝑢𝑟𝑎𝑠𝑖=85.71%
4.2 DFD Level 0
Berikut ini adalah DFD Level 0 Rancang bangun Sistem Diagnosa Diabetes. Pada DFD Level 0 ini terdapat 3 entitas yang memiliki proses sesuai dengan kebutuhan masing-masing. Ketiga entitas tersebut adalah admin, pakar, dan user.
Gambar 3. DFD level 0 rancang bangun sistem diagnosa diabetes menggunakan metode K-NN
4.3 DFD Level 1
Gambar 4. DFD level 1 rancang bangun sistem diagnosa diabetes menggunakan metode K-NN
4.4 ERD
Entity
Relation Data merupakan rnacangan database yang
digunakan untuk membangun sistem
diagnosa, berikut ini adalah ERD sistem diagnosa diabetes.
Gambar 5. ERD rancang bangun sistem diagnosa diabetes menggunakan metode K-NN
5. KESIMPULAN
Sistem diagnosa diabetes dengan metode K-NN mampu membantu pemerintah untuk
menekan jumlah penderita diabetes. Penelitian ini menggunakan 24 data training (data pasien
yang sudah didiagnosa terlebih dahulu secara manual). Data testing yang digunakan berjumlah 7
orang, nilai K yang digunakan 3. Hasil uji akurasi tingkat akurasi metode K-NN mencapai
85.71%. Dari hasil tersebut dapat disimpulkan bahwa metode K-NN sengat optimal jika
digunakan untuk membuat sistem diagnosa diabetes, dengan metode ini jumlah penderita diabetes
dapat ditekan.
DAFTAR PUSTAKA
Indrayanti, I., Sugianti, D., & Al Karomi, A. (2017). Optimasi Parameter K pada Algoritma K-nearest Neighbour untuk Klasifikasi Penyakit Diabetes Mellitus. Prosiding SNATIF, 823-829.
Ndaumanu, R. I., Kusrini, & Arief, M. R. (2014). Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa dengan Metode K-Nearest Neighbor. Jurnal Teknik Informatika Dan Sistem Informasi (Jatisi), 1(1), 1–15.
Purwanti, L. E., & Maghfirah, S. (2017). Faktor Risiko Komplikasi Kronis (Kaki Diabetik) Dalam Diabetes Mellitus Tipe 2. The Indonesian Journal of Health Science, 7(1).
Sihotang, H. T. (2017). Perancangan Aplikasi Sistem Pakar Diagnosa Diabetes Dengan Metode Bayes. Jurnal Mantik Penusa, 1(1).
Sulistyawati, R. L. (2017, May 3). 128 Daerah Terpencil Kekurangan Tenaga Medis. Retrieved from https://www.republika.co.id/berita/nasional/umum/17/05/03/opcsi2368-128-daerah- terpencil-kekurangan-tenaga-medis.
Wibawa, S. W. (2017, November 11). Miris, Indonesia Peringkat 7 Pasien Diabetes Terbanyak di Dunia. Retrieved from https://sains.kompas.com/read/2017/11/11/170400823/miris-indonesia-peringkat-7-pasien-diabetes-terbanyak-di-dunia.
Yuhelma, Hasneli, Y., & Nauli, F. A. (2015). Identifikasi dan Analisis Komplikasi Makrovaskuler dan Mikrovaskuler pada Pasien Diabetes Mellitus. Jurnal Online Mahasiswa Program Studi Ilmu Keperawatan Universitas Riau, 2(1), 569–579.
RESUME
>Metode yang digunakan: Metode K-NN (K-Nearest Neightbor)
>Manfaat hasil karya:
1. Masyarakat bisa dengan mudah mencari tahu apakah mereka terdiagnosa penyakit Diabetes atau tidak tanpa adanya pakar (Dokter)
2.Aplikasi dapat digunakan bahkan oleh masyarakat awam
3.bisa dibuka diberbagai macam gadget sehingga masyarakat lebih mudah menggunakannya
4. Menghemat biaya yang di keluarkan masyarakat untuk pemeriksaan
5. Dapat membantu pemerintah dalam menekan jumlah penderita diabetes karna dengan metode K-NN diagnosa nya sangat optimal
>Kekurangan
1. Biaya pembuatan lebih mahal dibandingan dengan cara biasa
2. Jika terlalu mengandalkan metode ini maka daya kerja pakar (Dokter) bisa menjadi berkurang
3, Metode ini belum 100% akurat dan masih butuh pengembangan lebih lanjut
