Aplikasi Sistem Pakar Penyakit Kanker pada Wanita Berbasis Text Mining dengan Metode Association Rule Analysis

Transkripsi

1 Aplikasi Sistem Pakar Penyakit Kanker pada Wanita Berbasis Text Mining dengan Metode Association Rule Analysis Dinda Ayu Nurmalasarie Pembimbing: Dr. Miftah Andriansyah, SSi, MMSI.

2 Latar Belakang Masalah Tubuh manusia memiliki beraneka ragam organ. Wanita memiliki organ yang berbeda dengan laki-laki Gaya hidup wanita sangat berpengaruh pada kesehatannya Gaya hidup yang kurang diperhatikan merupakan pemicu kanker Kanker adalah pertumbuhan sel-sel baru secara abnormal yang tumbuh melampaui batas normal dan yang kemudian dapat menyerang bagian sebelah tubuh dan menyebar ke organ lain.

3 (Lanjutan.) Statistik penyakit penyebab kematian menurut WHO (Organisasi Kesehatan Dunia) 2014.

4 (Lanjutan.) Cara mengantisipasi penyakit kanker yaitu mengetahui jenis-jenis penyakit kanker serta gejalanya. Kurangnya pemahaman tentang medis menyebabkan faktor kebingungan bagi masyarakat awam. Perkembangan teknologi saat ini sangat pesat memberi dampak bagi banyak pihak untuk menaikkan intensitas operasinya, contoh: perangkat komputer. Oleh karena itu, Penulis akan menjelaskan masalah identifikasi penyakit dalam sebuah aplikasi yaitu Sistem Pakar Penyakit Kanker pada Wanita Berbasis Text Mining dengan Metode Association Rule Analysis.

5 Batasan Masalah Data yang digunakan adalah data mengenai ciri-ciri penyakit kanker pada wanita. Hanya membahas jenis kanker usus besar, kanker paru-paru, kanker kulit, kanker vagina, kista, miom, kanker payudara, kanker ovarium, kanker endometrium, kanker serviks. Input berupa gejala-gejala penyakit kanker pada wanita yaitu gejala fisik dan gejala psikologis. Sistem memiliki beberapa kata sinonim untuk masing-masing gejala. Output yang dihasilkan adalah persentase keterkaitan antar gejala, salah satu penyakit kanker pada wanita dan detail dari penyakit yang dihasilkan.

6 Batasan Masalah Penggunaan Sistem Pakar dalam menentukan nama penyakit. Metode menggunakan Association Rule Analysis. Perangkat lunak dibuat dengan menggunakan bahasa pemrograman PHP. Penggunaan audio sebagai petunjuk pemakaian aplikasi serta pemberian informasi mengenai jenis nama penyakit terhadap user. Aplikasi ini dapat diakses menggunakan koneksi internet (online)

7 Tujuan Penulisan Membuat aplikasi sistem pakar penyakit kanker pada wanita berbasis text mining menggunakan metode Association Rule Analysis yang berfungsi untuk memudahkan masyarakat awam untuk mengetahui dan mengerti jenis penyakit yang diderita serta persentase keterkaitan antar gejala menurut gejala-gejala yang dialami oleh penderita.

8 Struktur Navigasi

9 Diagram UML Usecase Diagram

10 Diagram Tahapan Aplikasi Flow Chart

11 Diagram Metode Association Rule Analysis Flow Chart

12 Tampilan Aplikasi Website Halaman Utama

13 Tampilan Aplikasi Website Input Gejala

14 Tampilan Aplikasi Website Output

15 Proses Aplikasi Website 1. Proses Parsing Hasil: Saya - mengalami - keputihan - tiada - henti Penjelasan: Kalimat tersebut telah dipecah menjadi kata 2. Proses Filtering Hasil: keputihan Penjelasan: Kata yang tidak relevan atau yang tidak terdapat dalam daftar nama gejala penyakit dihilangkan sehingga menghasilkan nama gejala penyakit kanker pada wanita 3. Proses Stemming Hasil: putih Penjelasan: imbuhan yang terdapat pada nama gejala penyakit tersebut dihilangkan, imbuhan yang dihilangkan yaitu imbuhan ke- dan an 4. Proses perubahan kata kunci nama gejala penyakit menjadi nama gejala penyakit yang lengkap Hasil: Mengalami keputihan disertai darah dan berbau secara terus menerus Penjelasan: diubah untuk menjalani proses selanjutnya, tepatnya saat mencari persentase keterkaitan antar gejala dan jenis nama penyakit

16 Proses Aplikasi Website Penjelasan Persentase keterkaitan antar gejala didapat dari: a) Langkah 1 Hasil proses sebelumnya: Mengalami keputihan disertai darah dan berbau secara terus menerus Proses: Berapa jumlah jenis penyakit yang mengandung nama gejala penyakit Mengalami keputihan disertai darah dan berbau secara terus menerus? Hasil: Jumlah jenis penyakit yang mengandung nama gejala Mengalami keputihan disertai darah dan berbau secara terus menerus yaitu 1 buah jenis penyakit

17 Proses Aplikasi Website b) Langkah 2 Proses penggabungan: [Mengalami keputihan disertai darah dan berbau secara terus menerus-lemah] => 1 [Mengalami keputihan disertai darah dan berbau secara terus menerus-pembengkakan pada tungkai kaki] => 1 [Mengalami keputihan disertai darah dan berbau secara terus menerus-pendarahan saat berhubungan seksual] => 1 Proses perhitungan: Misal -> Berapa jumlah jenis penyakit yang mengandung nama gejala mengalami keputihan disertai darah dan berbau secara terus menerus dan lemah?

18 Proses Aplikasi Website Hasil: Jumlah jenis penyakit yang mengandung nama gejala Mengalami keputihan disertai darah dan berbau secara terus menerus dan Lemah yaitu 1 buah jenis penyakit c) Langkah 3 Proses perhitungan: Confidence = = 1 / 1 = 1, 1 x 100% = 100% Hasil: Persentase terbesar dari pembagian jumlah jenis penyakit yaitu terletak pada nama gejala Mengalami keputihan disertai darah dan berbau secara terus menerus - Lemah. Maka dapat dikatakan 100% yang mengalami Mengalami keputihan disertai darah dan berbau secara terus menerus juga mengalami lemah

19 Tampilan Aplikasi Website Kuliner Detail Penyakit

20 Tampilan Aplikasi Website Kuliner Detail Penyakit

21 Tampilan Aplikasi Website Kuliner Input Gejala Salah

22 Tampilan Aplikasi Website Kuliner Output Penyakit

23 Uji Coba Keakuratan

24 Uji Coba Keakuratan

25 Uji Coba Keakuratan

26 Hasil Kuesioner User Umum

27 Hasil Kuesioner Pakar

28 Lanjutan. Keterangan Kriteria: Kriteria 1 = Kelayakan program Kriteria 2 = Keakuratan dan kesimpulan yang dihasilkan program Kriteria 3 = Kemudahan penggunaan program Kriteria 4 = Desain tampilan program Keterangan Skala Penilaian: Nilai 1 = Sangat Kurang Nilai 2 = Kurang Nilai 3 = Cukup Nilai 4 = Baik Nilai 5 = Sangat Baik

29 Lanjutan. Penilaian secara Keseluruhan terhadap Kelayakan Program:

30 Kesimpulan 1. Uji coba keakuratan yang dilakukan oleh beberapa user dapat dikatakan akurat, karena dari 10 uji coba hanya 1 uji coba yang tidak menemukan kesimpulan nama penyakit. 2. Hasil kuesioner keakuratan aplikasi: Penilaian oleh user umum: Dari 32 user yang melakukan penilaian, 22 user diantaranya mengatakan aplikasi ini akurat dalam memberikan informasi mengenai nama penyakit. Penilaian oleh pakar: Dari 4 pakar yang melakukan penilaian, nilai rata-rata keakuratan berdasarkan kriteria adalah 3 dengan keterangan skala penilaian Cukup dan persentase penilaian secara keseluruhan berdasarkan kelayakan program yaitu 60%.

31 Kesimpulan 3. Jika dilihat berdasarkan hasil kuesioner secara keseluruhan aplikasi bedasarkan penilaian user umum dan pakar, Aplikasi Penyakit Kanker pada Wanita berbasis Text Mining ini berjalan dengan baik. Sistem dapat menangani data input yang tidak valid dan menampilkan output sesuai dengan apa yang direncanakan serta melaksanakan mekanisme perhitungan dan mekanisme logika sesuai dengan apa yang direncanakan.

32 Saran 1. Diharapkan aplikasi dapat dikembangkan pada perangkat mobile khususnya android, ios, windows phone. 2. Diharapkan agar nantinya aplikasi dapat terhubung dengan web instansi kesehatan resmi yang ada di Indonesia. 3. Perlu dilakukan survei yang lebih mendalam dan penyempurnaan dari rule-rule yang sudah ada, sehingga aplikasi ini bisa benar-benar menyerupai hasil pemikiran seorang ahli penyakit kanker pada wanita.