Sie sind auf Seite 1von 11
See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/327282612

See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/327282612

Article in Jurnal Teknologi · August 2018

CITATIONS

0

3 authors:

1 PUBLICATION 0 CITATIONS SEE PROFILE
1 PUBLICATION
0 CITATIONS
SEE PROFILE
7 PUBLICATIONS 0 CITATIONS SEE PROFILE
7 PUBLICATIONS
0 CITATIONS
SEE PROFILE

Some of the authors of this publication are also working on these related projects:

READS

635

are also working on these related projects: READS 635 Fatsyahrina Fitriastuti Universitas Janabadra 9 PUBLICATIONS
9 PUBLICATIONS 3 CITATIONS SEE PROFILE
9 PUBLICATIONS
3 CITATIONS
SEE PROFILE

Aplikasi KwH (Kilo What Hour) Meter Berbasis Microntroller Atmega 32 Untuk Memonitor Beban Listrik View project View project

RANCANG BANGUN E-LEARNING UNIVERSITAS JANABADRA MENGGUNAKAN EFRONT View project View project

All content following this page was uploaded by Ema Nur Hamidah on 29 August 2018.

The user has requested enhancement of the downloaded file.

DETEKSI GEJALA VIRUS ZIKA MENGGUNAKAN CERTAINTY FACTOR DAN NAIVE BAYES BERBASIS ANDROID Ema Nur Hamidah

DETEKSI GEJALA VIRUS ZIKA MENGGUNAKAN CERTAINTY FACTOR DAN NAIVE BAYES BERBASIS ANDROID

Ema Nur Hamidah 1 , Ryan Ari Setyawan 2 , Fatsyahrina Fitriastuti 3

1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Janabadra, Yogyakarta

Email : 1 hamidah@student.janabadra.ac.id, 2 ryan@janabadra.ac.id,

ABSTRACT

Zika's disease or zika fever is a zika virus, the zika virus is spread by infected Aedes mosquitoes, this mosquito becomes infected after bites the sufferer who has the virus. Zika's disease worse when exposed to pregnant women, because women infected with this virus will automatically pass it to the baby in the womb, and can cause death if the baby survives will experience the baby aka birth with a smaller head than it should be. To help the problems faced by experts or medical personnel in diagnosing Zika's disease in these patients, where the activity is seen from the symptoms suffered by the patient. By using Certainty Factor and Naive Bayes based Android is expected to assist medical personnel or experts in calculating the diagnosis of the patient and the expert can know whether the patient must have zika disease or vice versa.

Keywords: Virus Zika, Certainty Factor, Naive Bayes, Android.

1. PENDAHULUAN

Penyebaran penyakit merupakan salah satu ancaman bagi manusia, terutama penyakit menular yang dibawa oleh berbagai macam mikroba seperti bakteri, parasit, jamur dan virus. Zika adalah salah satu jenis virus yang berasal dari genus flavivirus dengan family flavivir-dae. Virus ini menyebabkan seseorang mengalami demam dan gejala klinis lainnya mirip dengan gejala dengue tetapi tidak menyebabkan kematian. Virus ini disebarkan melalui gigitan nyamuk Aedes Aagypty yang juga dikenal sebagai vektor penyakit Demam Berdarah Dangue (DBD) dan Chikungunya. Secara kritis gejala dan tanda-tanda zika lebih ringan dan tidak menyebabkan kematian jika dibandingkan dengan DBD, tetapi ibu hamil yang terinfeksi virus zika rentan melahirkan seorang bayi dengan kondisi mikrosafalia, yaitu keadaan dimana kondisi ukuran kepala bayi lebih kecil dibandingkan ukuran kepala rata- rata bayi normal. (Yuningsih, 2016). Perkembangan teknologi pada saat ini sudah semakin pesat dan cepat khususnya teknologi informasi dan komunikasi. Teknologi saat ini telah mengakar dan menjadi bagian tak terpisahkan dari kehidupan manusia dan sudah terintegrasi dalam kehidupan sehari-hari. Pada akhirnya manusia sudah sangat tergantung pada keberadaan teknologi untuk menunjang aktifitas dalam kehidupannya. Pada saat ini dibidang kedokteran juga telah memanfaatkan teknologi untuk membantu peningkatan pelayanan terhadap masyarakat. Dalam dunia komputer, tindakan yang tepat

dalam mengidentifikasi suatu penyakit dapat diwujudkan melalui pembuatan sistem pakar. Sistem pakar merupakan suatu program aplikasi komputer yang berusaha menirukan proses penalaran dari seorang ahli atau pakar dalam memecahkan suatu permasalahan secara spesifik atau merupakan duplikat dari seorang pakar karena pengetahuannya disimpan didalam basis pengetahuan untuk diproses sebagai pemecah masalah. Dalam memecahkan suatu masalah tersebut harus menggunakan salah satu metode yang ada dalam sistem pakar. Pada masalah ini metode yang digunakan adalah Certainty Factor dan Naive Bayesin, metode ini sudah banyak dipakai oleh beberapa orang dalam penelitiannya. Certainty Factor merupakan perhitungan tingkat kepastian terhadap kesimpulan yang diperoleh dari perhitungan berdasarkan nilai probabilitas penyakit karena adanya evident atau gejala. Certainty factor menggunakan suatu nilai untuk mengasumsi derajat keyakinan seorang pakar terhadap suatu data. Menurut Kusrini (2008) perhitungan dengan menggunakan metode ini, dalam sekali hitung hanya dapat mengolah dua jenis data saja sehingga keakuratannya dapat terjaga. Sedangkan Naive Bayes merupakan salah satu metode machine learning yang menggunakan perhitungan probabilitas. Konsep dasar yang digunakan oleh Naive Bayes adalah teorema bayes, yaitu teorema yang digunakan untuk menghitung suatu peluang. Meskipun gejala-gejala tersebut mengandung ketidakpastian, nilai Certainty Factor dan Naive Bayes dapat membantu dalam mendiagnosa

ISSN 2527-5232

1
1
penyakit. Inilah alasan metode Certainty Factor digunakan dalam penelitian ini. Berdasarkan beberapa pemaparan diatas,

penyakit. Inilah alasan metode Certainty Factor digunakan dalam penelitian ini. Berdasarkan beberapa pemaparan diatas, maka penulis membuat aplikasi sistem pakar untuk deteksi gejala virus zika menggunakan metode certainty factor dan naive bayes berbasis android. Aplikasi ini dibuat untuk mempermudah masyarakat dalam mengetahui gejala-gejala virus zika yang penyebarannya sangat cepat. Dari latar belakang yang telah dijabarkan sebelumnya, muncul rumusan masalah yaitu bagaimana gejala penyakit yang disebabkan oleh virus zika dapat diketahui oleh semua masyarakat. Bagaimana membangun sistem pakar yang akan menghasilkan aplikasi yang akurat. Dan bagaimana merancang aplikasi sistem pakar untuk mendeteksi gejala virus zika menggunakan metode Certainty Factor dan Naive Bayes berbasis android.

2. PENELITIAN TERKAIT

Nur Anjas Sari (2013) dalam dokumen karya ilmiah Pelita Informatika Budi Darma berjudul “Sistem Pakar Mendiagnosa Penyakit Demam Berdarah Menggunakan Metode Certainty Factor. Penelitian ini bertujuan untuk mengetahui merancang suatu sistem pakar yang dapat digunakan untuk melakukan diagnosa penyakit demam. Dimana sistem pakar ini akan menampilkan pilihan gejala yang akan dipilih oleh user, dimana setiap pilihan gejala akan membawa user kepada pilihan gejala selanjutnya sampai mendapatkan hasil akhir. Anggraeni, Lifa (2016) dalam dokumen karya ilmiah tugas akhir yang berjudul “Penerapan Metode Naive Bayes untuk Mendiagnosa Virus Zika”. Penelitian ini bertujuan untuk membuat dan menerapkan metode Naive Bayes untuk mendiagnosa penyakit yang disebabkan oleh virus zika agar masyarakat dapat mengetahui atau menganalisis perilaku virus zika. Dan menjadi salah satu bidang yang terkait erat dengan pemanfataan teknologi informasi kesehatan. Emanuel Safirman Bata, dkk (2012) Seminar Nasional Informatika berjudul “Sistem Pakar Berbasis Mobile Untuk Membantu Mendiagnosis Penyakit Akibat Gigitan Nyamuk”. Penelitian ini bertujuan untuk membantu masyarakat dalam mendiagnosis penyakit-penyakit akibat gigitan nyamuk sehingga masyarakat dapat menggambil langkah cepat untuk menanggulangi penyakit tersebut.Untuk menangani ketidak pastian data,

sistem yang dibuat menggunakan metode Teorema Bayes. Dignosa penyakitnya meliputi malaria, demam berdarah, chikungunya dan kaki gajah. Dari penerapan diatas dijelaskan bahwa pengembangan aplikasi ditujukan pada pembuatan aplikasi sistem pakar dengan studi kasus penyakit yang disebabkan oleh gigitan nyamuk. Dan masih menggunakan satu metode, selain itu tampilannya masih sangat sederhana yang berbasis website. Dalam penelitian ini, peneliti menggunakan dua metode yaitu certainty factor dan naive bayes. Dimana tampilan untuk user dibuat berbasis android, dengan tujuan memudahkan pengguna dalam mengakses aplikasi. Sedangkan tampilan untuk admin dibuat berbasis website.

3. LANDASAN TEORI

3.1. Sistem Pakar

Sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (interface rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.

3.2. Certainty Factor

Menurut David McAllister certainty factor adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti ataukah tidak pasti yang berbentuk matric yang biasanya digunakan dalam sistem pakar. Metode ini sangat cocok untuk sistem pakar yang mendiagnosis sesuatu yang belum pasti. Metode certainty factor ini hanya bisa mengolah 2 bobot dalam sekali perhitungan. Untuk bobot yang lebih dari 2 banyaknya, untuk melakukan perhitungan tidak terjadi masalah apabila bobot yang dihitung teracak, artinya tidak ada aturan untuk mengkombinasikan bobotnya, karena untuk kombinasi seperti apapun hasilnya akan tetap sama. Certainty factor menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data. Rumusnya sebagai berikut :

CF[H,E] = MB[H,E] MD[H,E]

( 2.1)

Keterangan :

CF[H,E] : Certainty factor hipotesa yang

ISSN 2527-5232

2
2
dipengaruhi oleh evidence E diketahui dengan pasti. MB[H,E] : Measure of belief terhadap hipotesa H,

dipengaruhi oleh evidence E diketahui dengan pasti. MB[H,E] : Measure of belief terhadap hipotesa H, jika diberikan evidence E (antara 0 dan 1) MD[H,E] : Measure of disbelief terhadap evidence H, jika diberikan evidence E (antara 0 dan 1) Certainty factor untuk kaidah premis tunggal rumusnya sebagai berikut:

CF[H,E] 1 = CF[H] * CF[E]

(2.2)

Certainty factor untuk kaidah dengan kesimpulan yang sama harus menggunakan rumus sebagai berikut :

CF combine CF[H,E] 1,2 = CF[H,E] 1 + CF[H,E] 2 *

[1-CF[H,E] 1 ]

(2.3)

CF combine CF[H,E] old,3 =CF[H,E] old +CF[H,E] 3

* (1-CF[H,E] old

(2.4)

3.3. Naive Bayes

Algoritma Naive Bayes merupakan sebuah metoda klasifikasi menggunakan metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes. Algoritma ini memprediksi peluang di masa

depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai Teorema Bayes. Rumus naive bayes yaitu sebagai berikut :

P(A|B)=(P(B|A)*P(A))/P(B)

Keterangan :

( 2.5)

P

(A|B) : Peluang kejadian A sebagai B

P

(B|A) : Peluang B saat A

P

(A)

: Peluang A

P

(B)

: Peluang B

3.4. Virus Zika

Virus Zika adalah virus berbahaya yang ditularkan melalui nyamuk Aedes aegepty. Sekitar 1 dari 5 orang yang terinfeksi virus zika menjadi sakit, penyakit Zika (zika disease) atau

demam zika (zika fever). Penyakit akibat virus ini pertama kali dicatat pada tahun 1947 di Afrika dan telah menyebar menjadi wabah di banyak negara yang berbeda, dengan wabah yang sedang berlangsung di Brazil dan Puerto Rico; diagnosis pertama virus zika di Amerika Serikat terjadi di Harris County (Houston), Texas, pada bulan Januari 2016. Virus Zika

yang telah menginfeksi manusia dapat menimbulkan beberapa gejala, seperti demam, nyeri sendi, konjungtivitis (mata merah) dan ruam. Gejala-gejala penyakit zika dapat menyerupai gejala penyakit dengue dan chikungunya, serta dapat berlangsung beberapa hari hingga satu minggu. Secara kritis gejala dan tanda-tanda zika lebih ringan dan tidak menyebabkan kematian jika dibandingkan dengan DBD, tetapi ibu hamil yang terinfeksi virus zika rentan melahirkan bayi dengan kondisi mikrosafalia, yaitu keadaan dimana kondisi ukuran kepala bayi lebih kecil dibandingkan ukuran kepala rata-rata bayi normal. (Yuningsih, 2016).

3.5 Android

Android merupakan sistem operasi yang dikembangkan untuk perangkat mobile yang berbasis linux seperti telepon pintar dan komputer tablet. Android telah menyediakan platform terbuka bagi para pengembang untuk menciptakan aplikasi mereka sendiri. Android juga menawarkan sebuah lingkungan yang berbeda untuk pengembangannya. Sistem operasi android memiliki beberapa keunggualan dibandingkkan dengan sistem operasi lainnya seperti salah satunya iOS yang

dimiliki oleh Apple, dimana iOS hanya dapat digunakan oleh produk dari Apple sendiri. Sedangkan android dapat digunakan oleh berbagai macam merek smartphone.

3.6 Android Studio

Android Studio adalah Integrated Development Environment (IDE) resmi untuk pengembangan aplikasi Android, berdasarkan IntelliJ IDEA. Android berubah menjadi platform yang begitu cepat dalam melakukan inovasi. Hal ini tidak lepas dari pengembangan utama dibelakangnya, yaitu Google.

3.7 Sublime Text 3

Sublime text merupakan sebuah editor berbasis Phtyon yang mempunyai banyak fitur-

fitur. Sublime text juga mendukung banyak bahasa pemrograman diantaranya C++, C#, PHP, HTML, Javascript, ASP dan masih banyak lagi. Sublime text mempunyai beberapa keunggulan yang dapat membantu pengguna dalam membuat sebuah web development.

3.8 Database Server

Database server adalah program komputer yang menyediakan layanan data lainnya ke komputer atau program komputer, seperti yang

ditetapkan oleh model client-server . Istilah ini juga merujuk kepada sebuah komputer yang didedikasikan untuk

ditetapkan oleh model client-server. Istilah ini juga merujuk kepada sebuah komputer yang didedikasikan untuk menjalankan program server database. Database sistem manajemen database yang sering menyediakan fungsi server, dan beberapa DBMSs (misalnya, MySQL) secara eksklusif bergantung pada model client-server untuk akses data. Cara kerja database server yaitu client- sever model dapat diartikan sebagai mode dari suatu sistem yang membagi proses sistem antara server yang mengelola database dan client yang menjalankan aplikasi.

4. METODE PENELITIAN

Tujuan dari penelitian ini adalah membuat suatu aplikasi sistem pakar untuk mendeteksi penyakit yang disebabkan oleh virus zika menggunakan metode Centainty Factor dan Naive Bayes. Metode penelitian yang digunakan dalam penelitian ini adalah sebagai berikut:

1) Pengamatan (Observation) Merupakan metode pengumpulan data yang cukup efektif untuk mempelajari suatu sistem. Kegiatannya dengan melaku- kan pengamatan pada masalah diagnosa virus zika. 2) Sampel Mengambil contoh - contoh data yang diperlukan mengenai data gejala dan penyakit yang disebabkan oleh virus zika. 3) Wawancara Wawancara dilakukan dengan dokter untuk mengetahui data virus zika dan gejalagejalanya serta teknik inferensi untuk memperoleh kesimpulan. 4) Perancangan Sistem Perancangan sistem ini merupakan bagian untuk merancang sistem yang akan berjalan dan sistem yang akan dibuat. Dalam penelitian ini penulis merancang sebuah aplikasi dengan menggunakan android dan website untuk membuat sebuah aplikasi sistem pakar. 5) Pembuatan Sistem Proses pembuatan sistem yaitu untuk membuat prototipe yang telah dirancang dalam bentuk nyata. Pada tahap ini akan dibuat sebuah aplikasi sistem pakar dengan menggunakan android dan website. Aplikasi android yang akan digunakan oleh user dan aplikasi website digunakan sebagai aplikasi admin. Masing-masing aplikasi mempunyai fungsi dan peranan yang berbeda sesuai dengan ketentuan yang sudah ditentukan.

6) Pengujian Sistem Pengujian sistem ini merupakan bagian untuk menguji apakah sistem berjalan dengan baik dan sessuai yang diinginkan. Setelah aplikasi sistem pakar ini dibuat dengan menggunakan software Android Studio akan dilakukan pengujian untuk mengetahui apakah aplikasi sistem pakar tersebut berjalan dengan lancar. 7) Metode Pengembangan Sistem Metode ini digunakan dalam pengembang- an aplikasi deteksi virus zika adalah metode ADDIE yang terdiri dari Analysis, Design, Development, Implementation, Evaluations. Alasan penulis memilih metode ini ADDIE karena metode ADDIE ini tepat untuk digunakan dalam membuat aplikasi yang sedang penulis kerjakan untuk penelitian tugas akhir. Berikut adalah penjelasan dari metodologi tersebut.

akhir. Berikut adalah penjelasan dari metodologi tersebut. Gambar 1. Pengembangan Sistem a. Analysis Pada tahap ini,

Gambar 1. Pengembangan Sistem

a. Analysis Pada tahap ini, penulis menganalisis berbagai macam jurnal mengenai sistem pakar metode certainty factor dan virus zika. Setelah itu dimulai dengan merencanakan bentuk aplikasi yang akan dibuat sesuai dengan materi yang diambil.

b. Design Dalam tahap design (perancangan) penulis membuat dan merancang spesifikasi arsitektur program, gaya, interface (antar muka), tampilan dan kebutuhan serta material apa saja yang diperlukan untuk aplikasi.

c. Development Pada tahap ini, penulis melakukan pengumpulan bahan yang sesuai dengan

ISSN 2527-5232

4
4
yang dikerjakan. Dalam pembuatan aplikasi sistem pakar disini, yang pertama dilakukan pembuatan pembuatan aplikasi admin

yang dikerjakan. Dalam pembuatan aplikasi sistem pakar disini, yang pertama dilakukan pembuatan pembuatan aplikasi admin menggunakan website. Kemudian pembuatan aplikasi untuk user menggunakan android studio.

d. Implementation Setelah aplikasi selesai dibuat pada proses tahap selanjutnya adalah melakukan pengujian aplikasi dengan cara menjalankan aplikasi pada perangkat android yang ada. Dalam kasus ini perangkat yang digunakan adalah milik sendiri.

e. Evaluation Setelah melakukan pengujian, penulis akan membagikan kuisioner sebagai bahan acuan kepuasan pengguna aplikasi yang telah dibuat.

5. ANALISIS DAN PERANCANGAN SISTEM

5.1. Analisis Sistem

Analisis sistem adalah penguraian dari suatu sistem informasi yang utuh kedalam bagian-bagian komponennya dengan maksud untuk mengidentifikasi dan mengevaluasi suatu permasalahan,kesempatan-kesempatan, hambat -an yang terjadi pada sistem, dimana aplikasi yang dibangun yang meliputi perangkat keras (hardware),perangkat lunak (software), user dan kebutuhan yang diharapkan sehingga dapat diusulkan perbaikan.(Jogiyanto 1995).

5.2. Use Case Diagram

Use case menggambarkan fungsi tertentu dalam suatu sistem berupa komponen atau interaksi antara sistem dengan aktor mengenai kegiatan yang dapat dilakukannya terhadap aplikasi. Berikut adalah perancangan proses pada aplikasi deteksi gejala virus zika :

perancangan proses pada aplikasi deteksi gejala virus zika : Gambar 2. Use Case Diagram 5.3. Pohon

Gambar 2. Use Case Diagram

5.3. Pohon Keputusan Decision Tree atau pohon keputusan suatu

rancangan yang digunakan untuk membangun

sebuah sistem pakar, didalam diagram pohon keputusan tersebut akan dicari solusi hasil akhir dari setiap pemeriksaan. Dalam pembuatan aplikasi deteksi Virus Zika ini, telah dibuat pohon keputusan (decision tree) yang masing-masing mempunyai solusi dari setiap pemeriksaan.

yang masing-masing mempunyai solusi dari setiap pemeriksaan. Gambar 3. Pohon Keputusan 5.4. Tabel Representasi

Gambar 3. Pohon Keputusan

5.4. Tabel Representasi Pengetahuan

Representasi pengetahuan merupakan suatu teknik untuk merepresentasikan basis pengetahu- an yang diperoleh ke dalam suatu skema atau diagram tertentu sehingga dapat diketahui relasi atau keterhubungan antara suatu data dengan data yang lain. Tabel 1. Representasi Pengetahuan

dengan data yang lain. Tabel 1. Representasi Pengetahuan 5.5. Aturan ( Rule) Pengetahuan direpresentasikan dalam

5.5. Aturan (Rule)

Pengetahuan direpresentasikan dalam suatu bentuk fakta (facts) dan aturan (rule). Bentuk representasi ini terdiri atas premise dan

kesimpulan. Tabel 2. Aturan ( Rule) Nama Penyakit Gejala Chikungunya Demam, Sakit Kepala, Sakit Pesendian

kesimpulan.

Tabel 2. Aturan (Rule)

Nama Penyakit

Gejala

Chikungunya

Demam, Sakit Kepala, Sakit Pesendian Lengan atau kaki, Pembengkakan Persendian, Sakit Pada Otot, Muncul Bintik-Bintik Pada Kulit, Sakit Punggung

Demam Berdarah

Demam, Hidung Tersumbat, Muntah Darah, Nyeri Ulu Hati, Gelisah, Trombosit Tinggi (100.000 per Mm 3 , Ujung Tangan dan Kaki Dingin Berkeringat, Muncul Bintik-Bintik Pada Kulit, Pembesaran Plasma, Adanya Pendarahan yang Petekia, Tes Ternequit Positif, Hema -temesis atau Melena.

Mikrosefalus

Demam, Mata Merah, Sakit Pada Otot

6. IMPLEMENTASI DAN PENGUJIAN SISTEM

6.1. Tampilan Aplikasi User

1. Halaman Splash Screen Merupakan halaman pembuka sebelum masuk ke menu utama Aplikasi Deteksi Virus Zika.

sebelum masuk ke menu utama Aplikasi Deteksi Virus Zika. Gambar 4. Halaman Splash Screen 2. Halaman

Gambar 4. Halaman Splash Screen

2. Halaman Menu Utama Halaman utama aplikasi merupakan halaman utama dari Aplikasi Deteksi Virus Zika.

merupakan halaman utama dari Aplikasi Deteksi Virus Zika. Gambar 5. Halaman Menu Utama 3. Halaman Panduan

Gambar 5. Halaman Menu Utama

3. Halaman Panduan Halaman merupakan halaman aplikasi yang berisi panduan tentang cara menggunakan Aplikasi Deteksi Virus Zika.

tentang cara menggunakan Aplikasi Deteksi Virus Zika. Gambar 6. Halaman Panduan 4. Halaman Diagnosa Halaman ini

Gambar 6. Halaman Panduan

4. Halaman Diagnosa Halaman ini merupakan halaman yang akan tampil sebelum memulai pilih gejala, pada halaman ini diagnosa penyakit harus dipilih terlebih dahulu sebelum menekan tombol pilih gejala.

dipilih terlebih dahulu sebelum menekan tombol pilih gejala. Gambar 7. Halaman Diagnosa 5. Halaman Pillih Gejala

Gambar 7. Halaman Diagnosa

5. Halaman Pillih Gejala Halaman ini merupakan bagian dari halaman diagnosa, ketika pilihan diagnosa penyakit dipilih maka user akan diarahkan ke halaman yang berisi daftar gejala penyakit.

Gambar 6. Halaman Pilih Gejala 6. Halaman Hasil Analisa Virus Zika Merupakan halaman yang berisi
Gambar 6. Halaman Pilih Gejala 6. Halaman Hasil Analisa Virus Zika Merupakan halaman yang berisi

Gambar 6. Halaman Pilih Gejala

6. Halaman Hasil Analisa Virus Zika Merupakan halaman yang berisi hasil analisa penyakit yang disebabkan oleh Virus Zika.

hasil analisa penyakit yang disebabkan oleh Virus Zika. Gambar 8. Halaman Hasil Analisa Virus Zika 7.

Gambar 8. Halaman Hasil Analisa Virus Zika

7. Halaman Data Penyakit Halaman ini merupakan halaman yang berisi keterangan data penyakit yang telah di-input-kan oleh admin pada halaman backend.

yang telah di- input -kan oleh admin pada halaman backend. Gambar 9. Halaman Data Penyakit Gambar

Gambar 9. Halaman Data Penyakit

admin pada halaman backend. Gambar 9. Halaman Data Penyakit Gambar 10. Halaman Kamus Istilah 9. Halaman

Gambar 10. Halaman Kamus Istilah

9. Halaman Profil Pengembang Halaman ini merupakan halaman yang berisi keterangan mengenai biodata pengembang aplikasi dan biodata seorang pakar yang telah membantu dalam proses pengumpulan data.

pakar yang telah membantu dalam proses pengumpulan data. Gambar 11. Halaman Profil Pengembang 6.2. Tampilan Aplikasi

Gambar 11. Halaman Profil Pengembang

6.2. Tampilan Aplikasi Admin

1. Halaman Login Halaman ini digunakan oleh pengguna yang memiliki akun untuk masuk kedalam halaman administrator.

memiliki akun untuk masuk kedalam halaman administrator. Gambar 12. Halaman Login 8. Halaman Kamus Istilah Halaman

Gambar 12. Halaman Login

8. Halaman Kamus Istilah Halaman ini merupakan halaman yang berisi mengenai gejala-gejala penyakit yang sebelumnya telah di-input-kan oleh admin.

2. Halaman Menu Utama Halaman ini adalah halaman yang berisi semua menu yang ada diaplikasi Deteksi Virus Zika pada bagian administrator.

ISSN 2527-5232

7
7
Gambar 13. Halaman Menu Utama 3. Halaman Gejala Halaman ini merupakan halaman yang berisi daftar
Gambar 13. Halaman Menu Utama 3. Halaman Gejala Halaman ini merupakan halaman yang berisi daftar

Gambar 13. Halaman Menu Utama

3. Halaman Gejala Halaman ini merupakan halaman yang berisi daftar gejala-gejala penyakit yang disebabkan oleh Virus Zika.

gejala-gejala penyakit yang disebabkan oleh Virus Zika. Gambar 14. Halaman Gejala 4. Halaman Penyakit Halaman ini

Gambar 14. Halaman Gejala

4. Halaman Penyakit Halaman ini adalah halaman yang berisi data penyakit yang disebabkan oleh Virus Zika.

yang berisi data penyakit yang disebabkan oleh Virus Zika. Gambar 15. Halaman Penyakit 5. Halaman Relasi

Gambar 15. Halaman Penyakit

5. Halaman Relasi Halaman ini adalah halaman yang berisi rule dari Virus Zika.

ini adalah halaman yang berisi rule dari Virus Zika. Gambar 16. Halaman Relasi 6.3. Pengujian Sistem

Gambar 16. Halaman Relasi

6.3. Pengujian Sistem Pengujian adalah proses yang bertujuan untuk memastikan apakah semua fungsi sistem bekerja dengan baik dan mencari kesalahan yang mungkin terjadi pada sistem.

1. Akurasi (Ketepatan) Akurasi adalah kesamaan atau kedekatan suatu hasil pengukuran dengan angka atau data sebenarnya ( true value atau correct result). Berikut ini hasil perhitungan manual dapat dibandingkan dengan hasil dari program yang telah dibuat:

Tabel 3. Perbandingan Hasil Perhitungan

yang telah dibuat: Tabel 3. Perbandingan Hasil Perhitungan 2. Pengguna Hasil pengujian terhadap pengguna yang dilakukan

2.

Pengguna Hasil pengujian terhadap pengguna yang dilakukan di Puskesmas Tegalrejo, Kota

Yogyakarta.

a. Sampel 1 Pada sampel 1 ini dilakukan oleh

perawat yang bernama Febriana.

sampel 1 ini dilakukan oleh perawat yang bernama Febriana. Gambar 17. Sampel 1 Hasil analisa sistem

Gambar 17. Sampel 1

Hasil analisa sistem sesuai dengan uji coba yang dilakukan oleh pengguna sampel 1 menunjukan sebagai berikut:

dilakukan oleh pengguna sampel 1 menunjukan sebagai berikut: Gambar 18. Hasil Analisa Sampel 1 b. Sampel

Gambar 18. Hasil Analisa Sampel 1

b. Sampel 2 Pada sampel 2 ini dilakukan oleh pasien puskesmas Tegalrejo yang bernama Olavio Da Costa.

ISSN 2527-5232

8
8
Gambar 19. Sampel 2 Hasil analisa sistem sesuai dengan ujicoba yang dilakukan oleh pengguna sampel
Gambar 19. Sampel 2 Hasil analisa sistem sesuai dengan ujicoba yang dilakukan oleh pengguna sampel

Gambar 19. Sampel 2

Hasil analisa sistem sesuai dengan ujicoba yang dilakukan oleh pengguna sampel 2 menunjukan sebagai berikut:

dilakukan oleh pengguna sampel 2 menunjukan sebagai berikut: Gambar 20. Hasil Analisa Sampel 2 c. Sampel

Gambar 20. Hasil Analisa Sampel 2

c. Sampel 3 Pada sampel 3 ini dilakukan oleh petugas Rekam Medis di puskesmas Tegalrejo yang bernama Rita Mariana.

Medis di puskesmas Tegalrejo yang bernama Rita Mariana. Gambar 21. Sampel 3 Hasil analisa sistem sesuai

Gambar 21. Sampel 3

Hasil analisa sistem sesuai dengan uji coba yang dilakukan oleh pengguna sampel 3 menunjukan sebagai berikut:

dilakukan oleh pengguna sampel 3 menunjukan sebagai berikut: Gambar 22. Hasil Analisa Sampel 3 7. KESIMPULAN

Gambar 22. Hasil Analisa Sampel 3

7. KESIMPULAN

Dengan adanya aplikasi sistem pakar ini

dapat memberikan pengetahuan mengenai suatu penyakit yang disebabkan oleh virus zika kepada masyarakat. 2) Dengan adanya basis pengetahuan yang

datanya di dapat dari seorang dokter, dapat menghasilkan aplikasi sistem pakar yang akurat. Dengan cara pembuatan flowchart, DFD, UML dan desain sistem, sehingga dapat merancang aplikasi sistem pakar deteksi gejala virus zika menggunakan metode Certainty Factor dan Naive Bayes

berbasis android. 4) Aplikasi ini dapat membantu dinas kesehatan untuk memonitoring perkembangan penyakit yang berasal dari gigitan nyamuk. 5) Hasil uji coba program mengenai penyakit chikungunya nilai CF 52.00% dan Bayes 1.439%. 6) Hasil uji coba program mengenai penyakit demam berdarah nilai CF 40% dan Bayes 1.220%. 7) Hasil uji coba program mengenai penyakit mikrosefalus nilai CF 90.40% dan Bayes 1.690%. 8) Hasil uji coba program mengenai penyakit demam nilai CF 40.00% dan Bayes 0. 9) Hasil uji coba program mengenai penyakit mimisan nilai CF 80.00% dan Bayes 0.

3)

1)

8. Saran Untuk pengembangan selanjutnya Aplikasi Deteksi Gejala Virus Zika ini perlu ditambahkan form untuk data user dengan

tujuan untuk menyimpan data user yang menggunakan aplikasi tersebut. Daftar Pustaka Aji Tatag, 2016. "Metode

tujuan untuk menyimpan data user yang menggunakan aplikasi tersebut.

Daftar Pustaka

Aji Tatag, 2016. "Metode Certainty Factor". https://coretsiniaja.blogspot.co.id/

2016/01/metode-certainty-factor.html.

Diakses Pada 04 Desember 2017 dr. Tjin Willy, 2016. "Pengertian Virus Zika." http://www.alodokter.com/virus-zika. Diakses Pada 04 Desember 2017. Andre, 2014. "Pengertian dan Fungsi PHP dalam

Web".

Pemrograman

http://www.duniailkom.com/pengertian-

dan-fungsi-php-dalam-pemograman-web/. Diakses Pada 04 Desember 2017. Andre, 2013. "Pengertian CSS".

http://www.duniailkom.com/tutorial-

belajar-css-pengertian-css-apa-yang-

dimaksud-dengan-css/. Diakses Pada 04

Desember 2017. Andre, 2014. "Pengertian dan Fungsi Java Script dalam Pemrograman Web

".http://www.duniailkom.com/tutorial-

belajar-javascript-pengertian-dan-fungsi-

javascript-dalam-pemograman-web/. Diakses Pada 04 Desember 2017 Emanuel, dkk. 2012. Sistem pakar berbasis mobile untuk membantu mendiagnosis penyakit akibat gigitan nyamuk. Jurnal Seminar Nasional Informatika. 4 (3). ISSN

:1979-2328.

Galih, 2016. "Pengertian XML dan Fungsinya". http://www.global-komputer.

com/blog/artikel-20-pengertian-xml-dan-

fungsinya.html. Diakses Pada 04 Desember

2017.

Hastomo, 2013. "Pengertian Database Server MySQL". http://hastomo.net/php

/pengertian-dan-kelebihan-database-

mysql/.Diakses Pada 04 Desember 2017. Kusrini, 2008. Aplikasi Sistem Pakar. Yogyakarta: Andi Offset Lifa, 2016. Penerapan Metode Naïve Bayes

untuk Mendiagnosa Penyakit Yang Disebabkan Virus Zika. Universitas Potensi Utama. Vol. IV, No 4:49-50. ISSN : 1411-

6286

Sari, N. A. 2013. Sistem Pakar Mendiagnosa Penyakit Demam Berdarah Menggunakan Metode Certainty Factor. Pelita Informatika Budi Darma.Vol IV, pp. No: 100103. ISSN : 2301-9425. Vicky, 2012. "Pengertian Java". http://belajar-

komputer-mu.com/pengertian-pem

rograman-java-kelebihan-dan-kekurangan/. Diakses Pada 04 Desember 2017. Yuningsih, R. 2016 ‘Mewaspadai Ancaman Virus Zika Di Indonesia’, VIII(3), pp. 9–12. Available at: www.pengkajian. dpr.go.id.