Abstrak— Teknologi memiliki peranan yang sangat kompleks terhadap kebutuhan sehari-hari. Selain pada aspek gaya
hidup, teknologi memiliki fungsi untuk mempermudah terpenuhinya kebutuhan manusia. Kebutuhan pemeriksaan maupun
penanganan kesehatan manusia pada zaman ini hampir selalu menggunakan perkembangan teknologi. Terbatasnya kemampuan
akomodasi dan pelayanan dari paramedis untuk pemeriksaan kesehatan, mendorong setiap orang untuk mampu mengenali dan
melakukan penanganan dini terhadap suatu tanda-tanda penyakit. Berdasarkan pada kondisi tersebut maka implementasi teknologi
informasi berupa sistem pakar diharapkan dapat membantu masyarakat luas untuk mengenali dan melakukan penaganan dini
terhadap jenis penyakit tertentu seperti penyakit pada balita. Penelitian ini mengembangkan sistem pakar berbasis Android mobile
menggunakan algoritma K-NN (K-Nearest Neighbor) untuk mendiagnosis penyakit pada balita. Pengetahuan pakar yang digunakan
dalam sistem berupa kumpulan aturan diagnosis (rule) yang memuat hubungan antara gejala-gejala dengan jenis penyakit yang
spesifik. Hasil penelitian menunjukan bahwa sistem dapat mampu menerapkan algoritma K-NN untuk mendiagnosa penyakit balita
dari gejala yang muncul dengan menggunakan nilai similaritas antara gejala pada kasus dengan gejala pada penyakit balita.
Kata kunci---sistem pakar, penyakit balita, Android, Algoritma K-NN (K-Nearest Neighbor)
I. PENDAHULUAN
Kebahagiaan bagi orang tua adalah memiliki seorang anak, terutama bagi pasangan baru. Anak-anak pada masa balita
sangat rentan terjangkit suatu penyakit. Ketika balita mengalami sakit maka akan membuat kekhawatiran tersendiri bagi orang tua
terutama bagi ibu-ibu yang belum lama dikaruniai anak. Ketika balita menderita suatu penyakit maka orang tua lebih
mempercayakan kesehatan anak kepada dokter spesialis yang sudah pakar dibidangnya, tidak memperdulikan apakah penyakit
tersebut termasuk dalam tingkat rendah atau parah [1]. Namun para dokter tersebut tidak senantiasa dapat ditemui karena
terkendala jam praktek yang terbatas dan banyaknya pasien sehingga harus menunggu antrian yang lama.
Kecerdasan Buatan (Artificial Intellegence) adalah salah 1 bidang ilmu komputer yang mendayagunakan komputer
sehingga dapat berperilaku cerdas seperti manusia. Ilmu komputer tersebut mengembangkan perangkat lunak dan perangkat keras
untuk menirukan aktifitas berdasarkan kecerdasan manusia [2]. Aktifitas yang ditiru meliputi penalaran, penglihatan,
pembelajaran, pemecahan masalah, pemahaman bahasa alami dan lain sebagainya. Sesuai dengan defenisi tersebut, teknologi
kecerdasaran buatan dipelajari dalam bidang-bidang seperti robotika (robotics), penglihatan komputer (computer vision),
pengolahan bahasa alami (natural language processing), pengenalan pola (pattern recognition) dan sistem pakar (expert system).
Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan
masalah yang biasanya hanya diselesaikan oleh seorang pakar dalam bidang tertentu [3].
Penyakit yang umumnya diderita oleh balita dapat berupa berbagai jenis penyakit dengan gejala yang bermacam-macam.
Gejala-gejala tersebut harus diklasifikasikan agar diperoleh kecocokan terhadap rule (aturan diagnosis) penyakit yang spesifik,
sehingga jenis penyakit dapat diketahui. Salah satu algoritma untuk mengklasifikasikan data adalah K-Nearest Neighbor (K-NN).
Algoritma K-Nearest Neighbor (K-NN) berfungsi mengklasifikasikan sekumpulan data berdasarkan kedekatan terhadap
sekumpulan data yang telah terklasifikasikan sebelumya [4]. Oleh karena itu, Algoritma K-NN dapat digunakan pada sistem
pakar yang dirancang untuk mengklasifikasikan kumpulan gejala yang dimasukkan pengguna kemudian mencocokkan kedalam
rule penyakit yang spesifik. Dengan demikian, sistem pakar akan memudahkan orang tua dalam mendiagnosis penyakit pada
balita sehingga orang tua dapat melakukan penanganan lebih dini.
Penelitian ini mengembangkan sistem pakar berbasis Android mobile menggunakan Algoritma K-NN (K-Nearest
Neighbor) untuk mendiagnosis penyakit pada balita. Pengetahuan pakar yang digunakan dalam sistem berupa kumpulan aturan
diagnosis (rule) yang memuat hubungan antara gejala-gejala dengan jenis penyakit yang spesifik. Hasil penelitian menunjukan
bahwa sistem dapat mampu menerapkan Algoritma K-NN untuk mendiagnosa penyakit balita dari gejala yang muncul dengan
menggunakan nilai similaritas antara gejala pada kasus dengan gejala pada penyakit balita.
Berikut ini adalah beberapa penyakit yang sering diderita pada balita dari hasil data rekam medis yang diperoleh di RS
Swasta di Yogyakarta, diantaranya adalah sebagai berikut:
1. Diare
Diare adalah buang besar (defeksi) dengann tinja berbentuk cair atau setengah cair (setengah padat), kandungan air tinja
lebih banyak dari biasanya lebih dari 200 g atau 200 ml/24 jam. Definisi lain memakai kriteria f frekuensi, yaitu buang besar
encer lebih dari 3 kali hari. Buang air besar encer tersebut dapat/tanpa disertasi lender dan darah. [9][10]
2. Pneumonia
Pneumonia adalah sebagai infeksi akut parenkim paru oleh satu atau penginfeksi pathogen, tetapi termasuk kondisi
bronchiolitis yang terdefinisi dengan baik, penyebab utama yang hamper selalu aguen virus.[11]
Halaman pilihan gejala merupakan halaman yang dirancang untuk menampilkan pemilihan gejala yang dialami oleh user
untuk mengetahui hasil diagnosa dari sistem terkait dengan penyakit pada balita. Gambar rancangan halaman pemilihan gejala
terlihat pada Gambar 4.
Halaman hasil diagnose merupakan halaman yang menunjukkan penyakit hasil diagnosa oleh sistem. Halaman ini juga akan
menampilkan solusi pengobatan yang dianjurkan oleh sistem. Gambar 5 menunjukkan tampilan dari rancangan halaman hasil
diagnosa.
Pengujian system ini dilakukan untuk mengetahui apakah system pada aplikasi ini telah berjalan sesuai dengan yang
diharapkan atau belum Pengujian sistem ini dilakukan dengan membandingkan perhitunangan bobot kesamaan antara sistem
dengan perhitungan manual. Algoritma K-NN digunakan untuk mencari dan mendapatkan jarak antara item dengan kebutuhan
pengguna dalam clutser, kemudian pengklasifikasiannya dapat dikumpulkan ke dalam kategori tetangga.
Perhitungan kesesuaian antara kriteria penyakit dengan kasus diagnosa penyakit digunakan rumus kesamaan
(3)
Keterangan:
P : Problem
C : case
S : similarity
W : weight (bobot yang diberikan).
Perhitungan secara manual similaritas untuk sebuah kasus diagnosa penyakit misalnya seorang pasien mengalami gejala:
sesak, batuk, sesak dengan mengi, demam, dan pilek. Pasien dengan gejala ini kemudian akan dihitung similaritasnya dengan
gejala-gejelan dari suatu penyakit balita. Jika suatu gejala dari penyakit muncul dalam gejala kasus maka diberlakukan 1 * nilai
bobot tetapi jika tidak muncul dalam kasus maka diberlakukan nilai 0* nilai bobot. Tabel 3 adalah perbandingan gejala penyakit
diare dan gejala kasus.
Tabel 3. Perbandingan gejala penyakit diare dengan gejala kasus
Dari Tabel 4 dapat dihitung bahwa nilai similaritas kasus dengan penyakit pneumonia adalah:
Similaritas= 1*3+1*3+1*1+0*5+0*1+0*1+0*3+0*5/3+3+1+5+1+1+3+5
=3+3+1/21=7/21=33,3%
IV. KESIMPULAN DAN SARAN
Kesimpulan yang didapat dari penelitian perancangan sistem pakar yang digunakan untuk diagnosis penyakit balita menerapkan
Algoritma K-NN dalam penarikan kesimpulan sistem pakar sebagai salah satu metode dalam kecerdasan buatan (Artificial
Intellegent). Penarikan kesimpulan diperoleh dengan melakukan perhitungan nilai similaritas antara kasus baru (yang diiput user)
dengan basis kasus (case based) yang telah disimpan menggunakan Algoritma K-Nearest Neighbor (K-NN), nilai similaritas yang
terbesar menujukkan kedekatan antara kasus baru (yang diiputkan user) dengan kasus yang ada pada basis kasus. Hasil perhitungan
menunjukan Algoritma K-Nearest Neighbor (K-NN) dapat digunakan untuk melakukan diagnosis pada penyakit balita.
REFERENSI
[1] E. Dewi, S. Mulyani, and I. N. Restianie, ―Aplikasi Sistem Pakar Untuk Mendiagnosa Penyakit Anak (Balita) Dengan
Menggunakan metode Forward Chaining,‖ 2012, vol. 1, no. 1, pp. 6–7.
[2] T. Harihayati and L. Kurnia, ―Sistem Pakar Mendiagnosa Penyakit Umum Yang Sering Diderita Balita Berbasis Web Di
Dinas Kesehatan Kota Bandung,‖ Komput. dan Inform., vol. 1, no. 1, pp. 65–69, 2012.
[3] Kusrini, Sistem Pakar Teori Dan Aplikasi. Yogyakarta: Andi, 2006.
[4] M. Zainuddin, K. Hidjah, and I. W. Tunjung, ―Penerapan Case Based Reasoning (CBR) Untuk Mendiagnosis Penyakit Stroke
Menggunakan Algoritma K-Nearest Neighbor,‖ in Citesee, 2016, pp. 21–26.
[5] A. Ramdhani, R. R. Isnanto, and I. P. Windasari, ―Pengembangan Sistem Pakar Untuk Diagnosis Penyakit Hepatitis Berbasis
Web Menggunakan Metode Certainty Factor,‖ J. Teknol. dan Sist. Komput., vol. 3, no. 1, pp. 58–64, 2015.
[6] C. R. Pasalli, V. C. Poekoel, and X. Najoan, ―Sistem Pakar Diagnosa Penyakit Anak Menggunakan Metode Forward Chaining
Berbasis Mobile,‖ E-Journal Tek. Inform., vol. 7, no. 1, 2016.
[7] C. F. Chang, Y. L. Wu, and S. S. Hou, Preparation and characterization of superparamagnetic nanocomposites of
aluminosilicate/silica/magnetite, vol. 336, no. 1–3. 2009.
[8] F. Gorunescu, Data Mining: Concepts, Models and Techniques. 2011.
[9] K. Hodges and R. Gill, ―Infectious diarrhea Cellular and molecular mechanisms,‖ vol. 1, no. 1, pp. 4–21, 2010.
[10] R. L. Guerrant et al., ―Practice Guidelines for the Management of Infectious Diarrhea,‖ Clin. Infect. Dis., vol. 32, p.
33150, 2001.
[11] G. Mackenzie, ―The definition and classification of pneumonia,‖ Pneumonia, vol. 8, no. 1, p. 14, 2016.