Deteksi Penyakit Demam Berdarah, Tifus, Dan Demam Biasa Berdasarkan

Gejala-Gejalanya
Ramdhani Bima Arista1, Osi Adha Dwi Kenanti2, Sri Wahyuni3, M.Fahmi Yusuf 4, Nur Rokhim
Satria N. 5*)

Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya

Program Studi Informatika
*)E-mail: ramdhani.bima@gmail.com1, osiadha@live.com2, uniesicutek@gmail.com3,
paamiy1@gmail.com4, nd.satria39@gmail.com5

ABSTRAK
Nave Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang
dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan
berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai teorema Bayes [1]. Pada
paper ini akan memaparkan penggunaan naive bayes dalam pengklasifikasian data yang berupa
data test dan data latih. Disini akan membuktikan keoptimalan naive bayes dalam kondisi
mendeteksi penyakit Demam Berdarah, Tifus, dan Demam biasa berdasarkan gejala-gejalanya.
Data test akan memberikan keakuratan dalam program ini.
Naive bayes is classification of method proposed by british scientists Thomas Bayes that predict
future opportunities based on experiences in the past, so it known as Teorema Bayes [1]. This
paper will describe the use of naive bayes in the data classification in the form of data training
and data test. Here it will proved optimal naive bayes detect disease in conditions of Dengue
Fever, Typhoid, and Fever based on its symptoms. Data Test will detecting provide the accuracy
in this program.

PENDAHULUAN
Latar Belakang
Pada musim hujan banyak penyakit
bermunculan. Salah satunya yang patut kita
waspadai dan paling banyak mewabah
adalah Demam berdarah(DBD).
Demam adalah suatu bagian penting
dari mekanisme pertahanan tubuh melawan
infeksi. Kebanyakan bakteri dan virus yang

menyebabkan infeksi pada manusia hidup

subur pada suhu 37 derajat C [3].
Meningkatnya suhu tubuh beberapa derajat
dapat membantu tubuh melawan infeksi.
Demam biasanya muncul pertama kali, lalu
disusul oleh sakit kepala hebat, hilang selera
makan dan lemas lesu. Simtom lain adalah
rasa sakit di dada, batuk-batuk, sakit perut,
diare, konjungtivitas, pembengkakan wajah
[4]
. Demam bukanlah suatu penyakit, tetapi
1

gejala yang dialami seseorang sebelum

terserang penyakit. Kondisi ringan maupun
menengah suatu demam, tidak terlalu
berpengaruh
bagi
tubuh,
hanya
menimbulkan efek tidak nyaman terutama
bagi anak-anak. Gejalanya sakit kepala,
nafas pendek-pendek dan batuk serta sakit
pada daerah tertentu dan terjadi peradangan.
Tujuan
Berdasarkan masalah yang ada maka tujuan
dari dilaksanakannya program ini adalah
memudahkan masyarakat awam untuk
mengetahui lebih awal penyakit apa yang
diderita dari gejala-gejala yang dialami.
DASAR TEORI
Thypus
Penyakit tifus disebabkan oleh
bakteri yang dinamakan Salmonella Typhi
[2]
. Bakteri ini berkembang cepat pada
tempat-tempat yang kotor. Penyebaran
bakteri ini dibantu oleh serangga-serangga
pembawa bakteri seperti lalat dan serangga
lainnya. Bakteri ini biasa ada pada makanan
atau minuman dan
Radang
akan masuk ketubuh
orang
yang
1
ya
mengkonsumsinya
o
tidak
dan
menyebabkan
penyakit tifus. Gejala
dari penyakit ini hampir mirip dengan gejala
demam berdarah, yang membedakan adalah
diare, dan khususnya pada malam hari suhu
akan meningkat dan akan turun pada pagi
hari. Inilah yang membedakan demam tifus
dengan demam berdarah.

Penyakit
Demam
Bedarah
Dengue/DBD (secara medis disebut Dengue
Hemorrbagic Fever/DHF) adalah penyakit
yang disebabkan oleh virus dengue yag
ditularkan melalui gigitan nyamuk Aedes
aegypti dan Aedes albopictus. Virus ini akan
mengganggu kinerja darah kapiler dan
sistem
pembekuan
darah,
sehingga
mengakibatkan perdarahan-perdarahan [2].
Dari
infeksi
virus
tersebut
dapat
menimbulkan berbagai gejala seperti panas
tinggi, nyeri otot, bintik merah dan lain
sebagainya. Penyakit ini banyak ditemukan
di daerah tropis, termasuk seluruh plosok
Indonesia, kecuali di tempat-tempat dengan
ketinggian lebih dari 1.000 meter di atas
permukaan air laut. Dokter dan tenaga
kesehatan lainnya, seperti bidan, sering kali
salah dalam penegakan diagnosis, karena
kecendrungan gejala awal penyakit ini
menyerupai penyakit lain, seperti flu dan
tifus (typhoid).
METODOLOGI
Pada pembuatan software ini, kami
menggunakan data set sebagai bahan data
latih dan data test. Dataset merupakan
sebuah himpunan data yang akan
ditampilkan dalam report. Dataset yang
kami gunakan berupa gejala-gelaja dari
penyakit Demam Berdarah (DBD), Tifus
dan Demam Biasa, dan dibuat dalam 3 kelas
Seperti pada tabel 5. Kelas 1 yaitu demam
berdarah, kelas 2 yaitu tifus dan kelas 3
adalah demam biasa. Dari setiap gejala
disimbolkan dengan 1 (Ya) dan 0 (Tidak).

Demam Berdarah
2

Tabel 1
Diare
1

ya

tidak
Tabel 2
Nyeri Otot

ya

tidak
Tabel 3

Demam Pagi-Malam
1

naik turun

tetat

Disini kami menggunakan metode naive

bayes untuk pengambilan keputusan. naive
bayes merupakan salah satu metode
machine learning yang menggunakan
perhitungan probabilitas. konsep dasar yang
digunakan oleh Naive Bayes adalah teorema
Bayes, yaitu melakukan klarifikasi ci, jika
diketakui
dokumen
dj.
klasifikasi
dilakukan
untuk
menentukan
kategori c C dari suatu dokumen d D
dimana C = {c1, c2, c3..ci} dan D = {d1, d2,
d3,.....,dj}. penentuan dari kategori sebuah
dokumen dilakukan dengan mencari nilai
maksimum dari p(C = ci | D = dj) pada
P={p(C = ci | D = dj) | c C dan d D}.
Nilai probabilitas p(C = ci | D = dj) dapat
dihitung dengan persamaan (Mitchell,
2005):

Tabel 4
Pola Demam Dalam Satu Minggu
1

panas-turunpanas

panas terus
menerus
Tabel 5
Class

demam
berdarah

tifus

demam biasa
Tabel 6

...(1)

dengan p(C = ci | D = dj) merupakan nilai

probabilitas dari kemunculan dokumen dj
jika diketahui dokumen tersebut berkategori
ci p(C = ci ) adalah nilai probabilitas
kemunculan dari kategori ci, dan p(D = dj)
adalah nilai probabilitas kemunculan
dokumen dj [7].
Naive Bayes menganggap sebuah
dokumen sebagai kumpulan dari kata-kata
yang menyusun dokumen tersebut, dan tidak
memperhatikan urutan kemunculan kata
pada dokumen. sehingga perhitungan
probabilitas p( D = dj| C = ci) dapat
3

dianggap sebagai hasil perkalian dari

probabilitas
kemunculan kata-kata pada dokumen dj.
perhitungan probabilitas p( D = dj| C = ci)
dapat dituliskan sebagai berikut:

hasil klarifikasi secara keseluruhan.

Sehingga persamaan Db(wk = wkj, c)
dituliskan sebagai (Mitchelle, 2005):

... (5)

dengan |V| merupakan jumlah kemungkinan

nilai dari wkj.
... (2)

dengan
adalah hasil
perkalian dari probabilitas kemunculan
semua kata pada dokumen dj.
Proses klasifikasi dilakukan dengan
membuat model probabilistik dari dokumen
training, yaitu dengan menghitung nilai
p(wk|c). untuk wkj diskrit dengan wkj V = (v1,
v2, v3, , vm} maka p(wk|c) dicari untuk
seluruh kemungkinan nilai wkj dan
didapatkan dengan melakukan perhitungan
(Mitchelle, 2005):

Pemberian kategori dari sebuah dokumen

dilakukan dengan memilih nilai c yang
memiliki nilai p(C = ci | D = dj) maksimum
dan dinyatakan dengan:
... (6)

Kategori c* merupakan kategori yang

memiliki nilai p(C = ci | D = dj) maksimum.
Nilai p(D = dj) tidak mempengaruhi
perbandingan karena untuk setiap kategori
nilainya akan sama. Berikut pada gambar 1
adalah gambaran proses klasifikasi dengan
algoritma Naive Bayes:

... (3)

dan

... (4)

dengan Db(wk = wkj, c) adalah fungsi yang

mengembalikan jumlah dokumen b pada
kategori c yang memiliki nilai kata wk = wkj
Db(c) adalah fungsi mengembalikan jumlah
dokumen b yang memiliki kategori c dan |D|
adalah jumlah seluruh training dokumen.
Persamaan Db(wk = wkj, c) sering kali
dikombinasikan
dengan
Laplacian
Smoothing untuk mencegah persamaan
mendapat nilai 0, yang dapat mengganggu

Gambar 1. Tahapan Proses

Klasifikasi Dokumen Dengan
Algoritma Naive Bayes
4

HASIL DAN PEMBAHASAN

Program ini dijalankan dengan mengisi form
yang berisi gejala yang dialami oleh
penderita,
kemudian
program
akan

menghasilkan keluaran berupa diagnosa

penyakit yang dialami. Diagnosa yang
dikeluarkan oleh program ini merupakan
hasil dari dataset yang telah di input.

Dibawah ini merupakan hasil dari program:

Gambar 2
Gambar 1
Terdapat sebuah form yang dapat diisi
berdasarkan gejala-gelaja yang dialami oleh
penderita penyakit. Jika sudah selesai
memasukan gejala yang dialami maka dapat
meng-klik tombol check. Setelah itu akan
muncul message penderita penyakit
terserang penyakit Demam Berdarah, Tifus
atau Demam Biasa.

Presentasi ketepatan diagnosa berdasarkan

data uji yang ada:
Benar : 13/30 * 100% = 43 %
Salah : 27/30 * 100% = 57%

DAFTAR PUSTAKA
5

[1]Dita Martha Pratiwi, 2011, Algoritma

Naive
Bayes
Classification,
URL:
http://http://ditut113070242.wordpress.com/
2011/03/22/algoritma-naive-bayesclassification/, 15/12(2012)
[2]Prasetyono DS, Daftar Tanda dan Gejala
Ragam Penyakit, Jogjakarta: FlashBooks,
2012
[3] Kelly H, Bennett N, Murray S and
OGrady KA, Pengenalan, Pencegahan dan
Penyembuhan
Penyakit-penyakit
yang
Disebebkan oleh Bakteri dan Virus,
Jogjakarta: PALMALL, 2009
[4]Bau III, David, Lloyd N. Trefethen, 1997.
Numerical Linear Algebra. Philadelphia:

Society for Industrial and Applied

Mathematics.
[5] Burton, K., Burton, A. Java, and I.
Soboroff. The ICWSM 2009 Spinn3r
Dataset. In Proceedings of the Third Annual
International Conference on Weblogs and
Social Media (ICWSM 2009), San Jose, CA.
May 2009.
[6]
Hazimah,
Wan.
2005.
Text
Categorization
Using
Nave
Bayes
Algorithm. Tesis Tidak Terpublikasi.
Malaysia: Universiti Utara Malaysia.
[7] Nir Friedman,Dan Geiger,and Moises
Goldszmidt.Bayesian network classifiers.
Machine Learning, 29:131-163,1997.