Skripsi Susunan
Skripsi Susunan
SKRIPSI
Oleh :
SARJANA Saja!!
Mereka pulang lalu bercerita kepada siapa saja, bahwa anak mereka sekarang
Mencoba tetap tersenyum walaupun hidup dalam kekurangan, kita tak pernah tau,
mereka berlari kesana kemari mencari pinjaman saat kita tiba-tiba telpon atau sms
Neuroblastoma adalah tumor embrional sistem saraf simpatis pada bayi dan
anak yang berasal dari sel krista neural primordial dimana secara normal dapat
mempengaruhi fungsi medulla adrenal dan ganglia simpatis. Neuroblastoma
merupakan tumor anak tersering pada anak setelah leukimia, tumor otak dan
limfoma magligna. Neuroblastoma merupakan proses keganasan terhadap anak
dengan jumlah kasus 500-525 terdiagnosa setiap tahunnya, penyakit ini kira-kira
8-10 % dari seluruh kasus keganasan di dunia. Insiden tahunan terjadi pada 10
per 1 juta kelahiran hidup, lebih sering terjadi pada anak laki-laki dibandingkan
anak perempuan. Penyakit ini dapat diketahui dari beberapa gejala seperti
benjolan pada perut leher atau dada, kesulitan bernafas, mata menonjol atau
proptosis, demam, pucat, limfadenopati (pembengkakan/pembesaran kelenjar
getah bening), splenomegali (pembesaran limpa) dan sebagainya. Banyak orang-
orang tidak mengenal dan tidak mengetahui penyakit yang mereka derita. Hal ini
karena mereka tidak memiliki pengetahuan mengenai masalah penyakit. Mereka
yang mengidap suatu penyakit umumnya menyerahkan kepercayaan sepenuhnya
kepada dokter di rumah sakit untuk menyembuhkan penyakit yang mereka derita.
Namun hal ini menjadi kendala bagi mereka yang tidak memiliki biaya untuk
berobat ke rumah sakit. Oleh karena itu peneliti mengusulkan sebuah sistem yang
dapat membantu orang-orang yang mengalami suatu penyakit untuk
memeriksakan keadaan mereka yaitu Perbandingan Metode Teorema Bayes Dan
Naive Bayes Dalam Mendiagnosa Penyakit Neuroblastoma.
Puji syukur kepada Tuhan Yang Maha Esa yang telah memberikan rahmat
dan karuniaNya kepada penulis dalam menyelesaikan penulisan skripsi ini yang
yang tulus dan tak terhingga kepada pihak-pihak yang telah memberikan bantuan,
bimbingan, saran, dukungan secara moril maupun materil dari awal hingga
1. Bapak Iwan Fitrianto Rahmad, M.Kom, selaku Dosen Pembimbing yang telah
memberikan arahan dan masukan yang berguna dalam penulisan Skripsi ini.
2. Ibu Hj. Nuriandi, B.A, selaku Pembina Yayasan Potensi Utama Medan.
3. Bapak H. Bob Subhan Riza, ST, M.Kom, selaku Ketua Yayasan Potensi
Utama Medan.
Utama.
5. Ibu Lili Tanti, M.Kom, selaku Wakil Rektor I Universitas Potensi Utama.
6. Ibu Ratih Puspasari, M.Kom, selaku Dekan Fakultas Teknik dan Ilmu
i
ii
DAFTAR ISI
iii
II.2.1. Data ...........................................................................................13
II.2.8. Database.....................................................................................30
II.2.9. Normalisasi.................................................................................31
iv
II.2.10. Visual Basic 2010 .....................................................................32
v
IV.3.1. Kelebihan Sistem ...........................................................84
DAFTAR PUSTAKA
LAMPIRAN
vi
DAFTAR TABEL
vii
DAFTAR GAMBAR
viii
Gambar III.21. Rancangan Form Gejala .......................................................... 68
ix
DAFTAR LAMPIRAN
x
BAB I
PENDAHULUAN
1
BAB I
PENDAHULUAN
Neuroblastoma adalah tumor embrional sistem saraf simpatis pada bayi dan
anak yang berasal dari sel krista neural primordial dimana secara normal dapat
merupakan kanker yang tumbuh dari sel saraf yang belum mengalami kematangan
bagian adrenal perut, adrenal sendiri merupakan sistem pada tubuh yang
hormon tertentu pada tubuh. Bukan hanya kelenjar adrenal namun neuroblastoma,
juga dapat tumbuh dan berkembang pada bagian tubuh yang memiliki hubungan
dengan sel saraf seperti dada, leher, tulang serta pada kelenjar getah bening, hati
dan sumsum tulang. Neuroblastoma merupakan tumor anak tersering pada anak
setelah leukimia, tumor otak dan limfoma magligna. Neuroblastoma lebih sering
terjadi pada anak-anak dengan jumlah kasus 500-525 terdiagnosa setiap tahunnya,
penyakit ini kira-kira 8-10 % dari seluruh kasus keganasan di dunia. Insiden
tahunan terjadi pada 10 per 1 juta kelahiran hidup, lebih sering terjadi pada anak
laki-laki dibandingkan anak perempuan. (Laksmi Andri Astuti dan dkk, 2012).
Penyakit ini dapat diketahui dari beberapa gejala paling umum dari
Neuroblastoma seperti benjolan pada perut leher atau dada, kesulitan bernafas,
1
2
dan pembesaran kelenjar getah bening, splenomegali atau pembesaran limpa dan
Neuroblastoma atau kanker sistem saraf sering kali dianggap remeh oleh
sebagian orang. Penyakit ini dianggap sebagai iritasi ringan yang akan dapat
sembuh dengan sendirinya. Dengan demikian, penyakit ini tak jarang didiamkan
dan tidak dicari solusi tepat untuk segera menanganinya. Baru setelah si penderita
mengalami kondisi yang lebih parah, mereka akan sadar dan membawa
penyakitnya ke dokter untuk diobati. Oleh karena itu dibutuhkan sebuah sistem
Sistem yang peneliti gunakan adalah Sistem Pakar. Sistem Pakar adalah
oleh seorang pakar dalam bidang tersebut. (Belutowe, 2015 : 51). Untuk
sebuah metode yang tepat untuk mendiagnosanya. Oleh karena itu peneliti
membandingkan dua metode sistem pakar untuk mengetahui metode mana yang
Dua metode tersebut adalah metode teorema bayes dan metode naive bayes.
Sihotang dan dkk, 2018 : 34). Naïve Bayes merupakan pengklasifikasian dengan
metode probabilitas dan statistik yang dikemukakan oleh ilmuwan inggris Thomas
masa sebelumnya. Metode Naïve Bayes juga dinilai berpotensi baik dalam
dalam hal akurasi dan efisiensi komputasi. (Nurlelah dan Wajhillah, 2016 : 53).
permasalahan adalah :
pengobatan penyakit
2. Belum ada hasil perbandingan metode naive bayes dan metode teorema
3. Belum adanya aplikasi perbandingan metode teorema bayes dan naive bayes
neuroblastoma?
Adapun tujuan dan manfaat yang didapatkan dari penelitian ini adalah
sebagai berikut :
I.3.1. Tujuan
Dengan mengetahui rumusan masalah di atas maka tujuan dari penelitian ini
neuroblastoma.
I.3.2.Manfaat
Setelah mencapai tujuan dari penelitian ini maka akan di dapat manfaat dari
Analisis
Kebutuhan
Desain
Sistem
Penulisan
Kode
Program
Pengujian
Program
Hasil
Keterangan :
1. Analisis Kebutuhan
untuk mencapai tujuan penelitian yang akan dilakukan. Pada tahap ini dilakukan
pengumpulan data-data teori yang terkait dengan data gejala penyakit kanker
7
b. Wawancara (Interview)
Teknik ini secara langsung bertatap muka dengan Ibu Dr. Sumarnita
mekanisme sistem yang digunakan dan juga untuk meyakinkan bahwa data
c. Sampel (Sampling)
Meneliti dan memilih data-data yang tersedia dan sesuai dengan bidang
Pada metode ini penulis mengutip dari beberapa bacaan yang berkaitan
2. Desain Sistem
perangkat lunak yang dapat diperkirakan sebelum dibuat kode program. Proses ini
dan detail (algoritma) prosedural. Dokumen inilah yang akan digunakan untuk
perangkat lunak menggunakan pemodelan uml yaitu use case diagram, class
Kode program merupakan terjemahan design dalam bahasa yang bisa dikenali
4. Pengujian Program
pengujian fungsional dan pengujian ketahanan sistem. Pengujian secara black box
(interface) yaitu pengujian perangkat lunak yang tes fungsionalitas dari aplikasi
yang bertentangan dengan struktur internal atau kerja. Pengetahuan khusus dari
dirancang.
5. Hasil
Pada tahap ini program akan diterapkan untuk mendiagnosa penyakit kanker
sebagai berikut :
1. Sebagai acuan atau tolak ukur para tenaga medis dalam hal meningkatkan
pengobatan penyakit
2. Memberikan pengetahuan baru bagi siapa saja yang ingin mempelajari dan
Adapun lokasi yang menjadi tempat riset penulis yaitu pada Rumah Sakit
Pirngadi yang beralamat di Jln. Prof. HM. Yamin SH No.47, Perintis, Medan
sebagai berikut :
10
BAB I : PENDAHULUAN
sistematika penulisan.
digunakan.
skripsi ini.
perusahaan.
11
BAB II
TINJAUAN PUSTAKA
11
BAB II
TINJAUAN PUSTAKA
Adapun penelitian terkait yang akan digunakan sebagai sumber acuan yang
Untuk Diagnosa Penyakit Diare Usia Balita Pada Sistem Pakar Berbasis
Website” Hasil penelitian ini dapat membantu para tenaga medis dan juga
orang tua dalam mengetahui lebih dini penyakit diare pada anak balita tanpa
2. Hengki Tamando Sihotang dan dkk, (2018) dengan judul “Sistem Pakar
3. Aprizum Putra ZM dan dkk, (2017) dengan judul “Sistem Pakar Diagnosa
dibutuhkan.
11
12
tolak ukur para tenaga medis dalam hal meningkatkan nilai kepercayaan
II.2.1. Data
bahan keterangan tentang kejadian nyata atau fakta-fatkat yang dirumuskan dalam
sekelompok lambang tertentu yang tidak acak yang menunjukan jumlah, tindakan,
atau hal. Data dapat berupa catatan-catatan dalam kertas, buku, atau tersimpan
Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan
masih memerlukan adanya suatu pengolahan. Data bisa berwujud suatu keadaan,
yang bisa kita gunakan sebagai bahan untuk melihat lingkungan, obyek, kejadian
Data merupakan bentuk jamak dari bentuk tunggal datum atau data-item.
Data adalah kenyataan yang menggambarkan suatu kejadian dan kesatuan nyata.
Kejadian (event) adalah sesuatu yang terjadi pada saat tertentu. Di dalam dunia
bisnis, kejadian- kejadian nyata adalah perubahan dari suatu nilai yang disebut
II.2.2. Variabel
Variabel adalah sesuatu yang menjadi pusat atau fokus perhatian, yang
memberikan pengaruh dan memiliki nilai sehingga dapat berubah. Variabel dapat
14
disebut juga peubah. Variabel merupakan objek penelitian yang dapat menentukan
Tipe data adalah sebuah kelas dari objek-objek data bersama-sama dengan
program hanya berurusan dengan objek data tertentu seperti array A, variabel
integer X atau file F, sebuah bahasa pemograman perlu lebih biasa berurusan
boolean, char, dan enumerasi (terbilang) sebagai tipe data elementernya (Heri
b. Nilai-nilai yang mungkin dimiliki oleh objek data dengan tipe tersebut.
Dalam dunia pemograman, tipe data adalah sesuatu yang digunakan untuk
mempresentasikan jenis dari suatu nilai tertentu. Secara umum tipe data dapat
dibedakan menjadi tiga bagian besar, yaitu tipe data dasar, tipe data bentukan dan
tipe data enumerasi. Tipe data dasar yaitu tipe data bilangan bulat (Integer),
Dengan kata lain, Sistem Pakar adalah sistem komputer yang ditujukan
pengetahuan atau keahlian khusus yang tidak dimiliki oleh kebanyakan orang.
kebanyakan orang. Dengan kata lain, dapat memecahkan suatu masalah dengan
lebih efisien namun bukan berarti lebih murah. Pengetahuan yang dimuat ke
dalam Sistem Pakar dapat berasal dari seorang pakar atau pun pengetahuan yang
berasal dari buku, jurnal, majalah, dan dokumentasi yang dipublikasikan lainnya,
serta orang yang memiliki pengetahuan meskipun bukan ahli. Istilah Sistem Pakar
Sistem pakar sangat popular karena sangat banyak kemampuan dan manfaat
daripada manusia.
mengurangi kesalahan.
guru.
Hayadi, 2018:2).
berikut :
Sistem pakar terdiri dari beberapa konsep yang harus dimiliki. Konsep dasar
1. Keahlian
Adalah suatu pengetahuan khusus yang diperoleh dari latihan, belajar dan
2. Ahli (Expert)
agar dapat digunakan oleh orang lain yang bukan pakar. Pengetahuan
pengetahuan.
masalah.
19
5. Peraturan (Rule)
Sistem Pakar tidak lepas dari elemen manusia yang terkait di dalamnya.
1. Pakar (expert)
4. Pemakai (user)
Paling tidak terdapat dua komponen orang atau lebih yang berpartisipasi
II.2.4.4.1.Pakar
yang diperoleh dari membaca beberapa dokumen cetak seperti text book,
memberikan tool dan saran, staf pendukung dapat memberikan saran dan
II.2.4.4.4.Pengguna
tunggal. Hal ini berbedaa jauh dengan Sistem Pakar yang memungkinkan
murah dan keputusan yang cepat bila menggunakan Sistem Pakar. Pakar dan
Komponen yang terdapat dalam struktur Sistem Pakar ini adalah knowledge
elemen dasar, yaitu fakta dan aturan. Fakta merupakan informasi tentang
informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang
telah diketahui.
Mesin inferensi merupakan otak dari sebuah Sistem Pakar dan dikenal juga
mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam
Sistem Pakar yang mencocokkan bagian kondisi dari rule yang tersimpan di
3. Working Memory
dikatakan sebagai global database dari fakta yang digunakan oleh rule-rule
yang ada.
4. Explanation Facility
chain).
6. User Interface
mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu
bentuk yang dapat dimengerti oleh pemakai. (Rika Rosnelly, 2012 : 15).
respon berupa saran (advice) dengan tingkat kualitas yang sama dengan
2. Waktu respon yang baik (adequate respon time). Sistem juga harus mampu
bekerja dalam waktu yang sama baiknya (reasonable) atau lebih cepat
II.2.5.Teorema Bayes
bayes merupakan salah satu cara yang baik untuk mengatasi ketidakpastian data
P (E)
Dimana :
dalam hal akurasi danefisiensi komputasi. (Nurlelah dan Wajhillah, 2016 : 56).
P (ai|Vj) = nc + m* p
n+m
Keterangan :
p = Jumlah tiap Vj
Keterangan :
merupakan kanker pada sistem saraf anak dan tergolong jenis kanker yang langka.
Kanker ini biasanya ditemukan pada anak-anak balita. Penyebab pasti kanker
26
sistem saraf belum diketahui, namun ada kaitannya dengan faktor lingkungan,
genetik, dan ras. Gejala neuroblastoma yang timbul bergantung letak kanker
tersebut berada. Kalau menyerang saraf tulang belakang, tubuh bagian bawah
akan terasa lemah, mati rasa, dan mengalami gangguan pergerakan. Apabila
bagian tulang yang terkena, akan mengalami nyeri tulang dan gangguang
pergerakan. Sementara jika kanker ada di bagian dada, gejalanya adalah terasa
proses keganasan terhadap anak dengan jumlah kasus 500-525 terdiagnosa setiap
tahunnya, penyakit ini kira-kira 8-10 % dari seluruh kasus keganasan di dunia.
Insiden tahunan terjadi pada 10 per 1 juta kelahiran hidup, lebih sering terjadi
berasal dari sel embrional neural dan salah satu tumor padat tersering yang
dijumpai pada anak. Rata-rata terdapat 8 kasus per tahun pada anak dibawah usia
tumor yang berasal dari sistem saraf simpatis dan mayoritas berasal dari kelenjar
medula adrenal dan ganglion simpatis. Tumor primer Neuroblastoma berasal dari
abdomen dengan keluhan pada umumnya terdapat masa dan nyeri pada abdomen.
ke kelenjar limfe regional misalnya pada tulang, hati, ataupun kulit. Berbeda
pembesaran kelenjaran limfe tersebut juga dijumpai pada kasus berupa masa
27
abdomen disertai Metastase pada kelenjar supra klavikular, para aorta, dan iliaka.
Secara histologis, sel Neuroblastoma berbentuk, bulat, kecil dan berwarna biru
yang dapat disamakan dengan sel lain baik yang berasal dari tumor primer
maupun metastase.
ditemukan lebih sering pada anak usia> 1 tahun saat terdiagnosis, terjadi melalui
invasi lokal, hematogen atau limfogen. Organ yang paling umum dituju oleh
proses metastasis ini adalah kelenjar getah bening regional atau yang jauh, tulang
dan luasnya penyakit. Proses metastasis dapat menyebabkan berbagai tanda dan
tulang, sitopeni, nodul kebiruan pada subkutan, proptosis orbital dan ekimosis
Menurut R Dina Garniasih dan dkk. (2009:41), gambaran klinis atau gejala
3. Demam
28
4. Pendarahan
6. Lemah
7. Pucat
II.2.7.2.Tingakatan Stadium
Tumor yang terlokalisasi dibagi menjadi stadium I, II, III, tergantung ciri
tumor primer dan status limfonodus regional. Penyakit yang telah mengalami
penyebaran dibagi menjadi stadium IV dan IVS (S untuk spesial), tergantung dari
adanya keterlibatan tulang kortikal yang jauh, luasnya penyakit sumsum tulang
pengobatan minimal atau hanya reseksi. Reseksi untuk tumor stadium I. Untuk
stadium II pembedahan saja mungkin sudah cukup tetapi kemoterapi juga banyak
mungkin hanya terbatas pada kemoterapi dosis rendah dan observasi ketat.
II.2.7.3.Komplikasi
dini ke berbagai organ secara limfogen melalui kelenjar limfe maupun secara
hematogen ke sumsum tulang, tulang, hati, otak, paru dan lain-lain. Metastasis
tulang umumnya ke tulang kranial atau tulang panjang ekstremitas. Hal ini sering
30
II.2.7.4.Prognosis
adalah umur dan stadium penyakit. Anak yang berusia kurang dari satu tahun
lebih baik daripada anak berumur lebih tua dengan stadium penyakit yang sama.
Angka ketahanan hidup bayi dengan penyakit berstadium rendah melebihi 90%
dan bayi dengan penyakit metastasis mempunyai angka ketahanan hidup jangka
panjang 50% atau lebih. Anak dengan penyakit stadium rendah umumnya
mempunyai prognosis yang baik, tidak tergantung umur. Makin tua umur
dengan terapi konvensional atau terapi yang agresif, angka ketahanan hidup bebas
penyakit untuk anak yang lebih tua dengan penyakit lanjut jarang melebihi 20%.
II.2.8. Database
Database adalah basis dari data, dengan kata lain database merupakan
kumpulan data, dasar yang digunakan untuk menampilkan data atau informasi,
sekumpulan data atau informasi teratur berdasarkan criteria tertentu yang saling
31
sekumpulan data yang telah diolah menjadi suatu bentuk sehingga berguna bagi
penerima dan pemakai. Dalam dunia komputer database bisa dikategorikan bisa
sangat spesial karena selalu menjadi hal utama dalam perancangan sistem suatu
II.2.9.Normalisasi
Proses pernormalan tabel ada beberapa tahap yang harus dilakukan yaitu
Sudah tidak ada repeating group yaitu pengulangan yang terjadi pada
beberapa atribut atau kolom dalam sebuah tabel, dan juga setiap atribut harus
bernilai tunggal.
32
Untuk menjadikan tabel normal tingkat ke 2 maka sudah 1NF dan setiap
dependency adalah ketika ada atribut yang secara tidak langsung tergantung
Relasi berada pada bentuk normal keempat apabila memenuhi syarat BCNF
Tabel bentuk normal kelima sering disebut PJNF (Projection Join Normal
Form), penyebutan PJNF karena untuk suatu relasi akan berbentuk normal
kelima jika tabel tersebut dapat dipecah atau diproyeksikan menjadi beberapa
tabel dan dari proyeksi-proyeksi itu dapat disusun kembali (join) menjadi
macam tipe antara lain aplikasi desktop (Windows Form, Aplikasi Web, Windows
Mobile (Poket Pc) Visual Studio 2010 memiliki lebih dari satu kompiler, SDK
33
semua itu sudah terpaket dan diperuntukkan ke dalam platform .Net Framework
4.0 atau versi yang lebih tinggi (Rolly Yesputra, 2017 : 1).
Menurut Ilham Akbar, et al. (2013), Microsoft SQL Server adalah sebuah
standar ANSI/ISO yang digunakan oleh Microsoft dan Sybase. Umumnya SQL
Server digunakan di dunia bisnis yang memiliki basis data berskala kecil sampai
Selain itu penyajiannya merupakan penyajian pada level fisik karena kita akan
langsung menyimpan data pada database dengan kondisi yang sebenarnya, yaitu
disimpan pada tabel apa, kolom nama, dan menggunakan tipe data apa saat
penyimpanan.
untuk merancang model sebuah sistem. Dengan menggunakan UML kita dapat
34
membuat model untuk semua jenis aplikasi piranti lunak, dimana aplikasi tersebut
dapat berjalan pada piranti keras, sistem operasi dan jaringan apapun serta ditulis
dalam bahasa pemrograman apapun. Tetapi karena UML juga menggunakan class
dan operation dalam konsep dasarnya, maka ia lebih cocok untuk penulisan
piranti lunak dalam bahasa-bahasa berorientasi objek seperti C++, Java, C#, atau
aplikasi prosedural dalam VB atau C (Marbun Murni dan Sinaga Bosker, 2018,
Hal : 35).
informasi yang akan dibuat. Use case mendeskripsikan sebuah interaksi antara
satu atau lebih aktor dengan sistem informasi yang akan dibuat. Dapat dikatakan
use case digunakan untuk mengetahui fungsi apa saja yang ada di dalam sistem
Simbol-simbol yang digunakan dalam use case diagram dapat dilihat pada tabel
Gambar Keterangan
Use case menggambarkan fungsionalitas yang
disediakan sistem sebagai unit-unit yang bertukar
pesan antar unit dengan aktor, biasanya dinyatakan
dengan menggunakan kata kerja di awal nama use
case.
35
sebuah sistem atau proses bisnis. Simbol-simbol yang digunakan dalam activity
Gambar Keterangan
Start point, diletakkan pada pojok kiri atas dan
merupakan awal aktifitas.
(Sumber : Gellysa Urva dan Helmi Fauzi Siregar; 2015, Hal : 94)
mendeskripsikan waktu hidup objek dan pesan yang dikirimkan dan diterima antar
objek. Simbol-simbol yang digunakan dalam sequence diagram dapat dilihat pada
Gambar Keterangan
Entity Class, merupakan bagian dari sistem yang
berisi kumpulan kelas berupa entitas-entitas yang
membentuk gambaran awal sistem dan menjadi
landasan untuk menyusun basis data.
Boundary Class, berisi kumpulan kelas yang menjadi
interface atau interaksi antara satu atau lebih aktor
dengan sistem, seperti tampilan formentry dan form
cetak.
Control class, suatu objek yang berisi logika aplikasi
yang tidak memiliki tanggung jawab kepada entitas,
contohnya adalah kalkulasi dan aturan bisnis yang
melibatkan berbagai objek.
Message, simbol mengirim pesan antar class.
37
(Sumber : Gellysa Urva dan Helmi Fauzi Siregar; 2015, Hal : 95)
Merupakan hubungan antar kelas dan penjelasan detail tiap-tiap kelas di dalam
model desain dari suatu sistem, juga memperlihatkan aturan-aturan dan tanggng
jawab entitas yang menentukan perilaku sistem. Class diagram juga menunjukkan
eksternal kepada suatu operasi atau atribut. Hubungan antar kelas mempunyai
keterangan yang disebut dengan multiplicity atau kardinaliti yang dapat dilihat
Multiplicity Penjelasan
1 Satu dan hanya satu
0..* Boleh tidak ada atau 1 atau lebih
1..* 1 atau lebih
0..1 Boleh tidak ada, maksimal 1
n..n Batasan antara. Contoh 2..4 mempunyai arti
minimal 2 maksimum 4
(Sumber : Gellysa Urva dan Helmi Fauzi Siregar; 2015, Hal : 95)
BAB III
BAB III
tumor otak dan limfoma magligna. Neuroblastoma lebih sering terjadi pada anak-
anak dengan jumlah kasus 500-525 terdiagnosa setiap tahunnya, penyakit ini kira-
kira 8-10 % dari seluruh kasus keganasan di dunia. Insiden tahunan terjadi pada
10 per 1 juta kelahiran hidup, lebih sering terjadi pada anak laki-laki
Neuroblastoma atau kanker sistem saraf sering kali dianggap remeh oleh
sebagian orang. Penyakit ini dianggap sebagai iritasi ringan yang akan dapat
sembuh dengan sendirinya. Dengan demikian, penyakit ini tak jarang didiamkan
dan tidak dicari solusi tepat untuk segera menanganinya. Baru setelah si penderita
mengalami kondisi yang lebih parah, mereka akan sadar dan membawa
penyakitnya ke dokter untuk diobati. Oleh karena itu dibutuhkan sebuah sistem
membandingkan dua metode sistem pakar untuk mengetahui metode mana yang
tepat dan memiliki hasil diagnosa yang lebih baik. Dua metode tersebut adalah
38
39
pakar pada penelitian ini adalah metode Teorema Bayes dan metode Naive Bayes.
pakar pada penelitian ini adalah metode Teorema Bayes dan metode Naive Bayes.
Berikut ini adalah rumus dan contoh kasus dari metode Teorema Bayes dan
Pasti 1
G4 Demam √ 0.6
G5 Pucat √ 0.5
G8 Limfadenopati (Pembengkakan/Pembesaran √ 1
Yang Bermanfaat
Mulai
tidak
Nilai Gejala
Sesuai ?
ya
P(Hj)
P(Hi|E)
Bayes
Selesai
Studi Kasus :
Seorang anak yang bernama Daniel berusia 4 tahun menggunakan sistem pakar
berikut :
G4 : Demam
G5 : Pucat
Diketahui :
k=1
= G1 + G2 + G3 + G4 + G5
= 3.90
P(H1) = H1 = 1 = 0.26
∑k=1 3,90
43
P(H3) = H3 = 1 = 0.26
∑k=1 3.90
P(H5)* P(E|H5)
= 0.83
Setelah seluruh nilai P(Hi|E) diketahui, maka jumlahkan seluruh nilai bayesnya
= 0,81
= 0.81* 100%
= 81.65 %.
P (ai|Vj) = nc + m* p …………………………………………………………(1)
n+m
Keterangan :
p = Jumlah tiap Vj
Keterangan :
Mulai
Tidak
Nilai Gejala
Sesuai ?
Ya
Menghitung P(ai|Vj)
P(ai|Vj)
Penjumlahan P(ai|Vj)
Menghitung Probalitas
Tertinggi (Vmap)
Selesai
berikut :
46
Diketahui :
Jumlah Gejala = 9
Jawab :
= (1 + (9 * 1)) / (1 + 9)
= (1 + 9) / 10
= 1
= (0.8+ (9 * 1)) / (1 + 9)
= (0.8 + 9) / 10
= 0.98
(1 + (9 * 1)) / (1 + 9)
= (1 + 9) / 10
= 1
= (0.6+ (9 * 1)) / (1 + 9)
= (0.6+ 9) / 10
= 0.96
= (0.5 + (9 * 1)) / (1 + 9)
= (0.5 + 9) / 10
= 0.95
= 0.8937
= 89.37%
Dari hasil perhitungan kedua metode yaitu metode teorema bayes dan metode
naive bayes maka di dapat perbandingan dan selisih hasil diagnosa yaitu metode
naive bayes memiliki persentase yang lebih besar dari teorema bayes dan selisih
bayes dan naive bayes dalam mendiagnosa penyakit neuroblastoma dapat di lihat
Login
<<include>>
Menu Utama
About Kanker
Neuroblastoma
Data Gejala
User
Admin Data Saran
Data Diagnosa
<<extends>>
Laporan Diagnosa
Logout
III.3.2.Class Diagram
dan naive bayes dalam mendiagnosa penyakit neuroblastoma dapat di lihat pada
Gambar III.4.
Tabel_Diagnosa
Login
-Kode_Pasien
-Username -Nama_Pasien
-Password -Umur_Pasien
-Level -Alamat_Pasien
+Login() -Gejala_Yang_Dialami
+Cancel() -Hasil_Diagnosa_Naive_Bayes
1..*
-Hasil_Diagnosa_Teorema_Bayes
-Hasil_Perbandingan
-Selisih_Nilai
-Saran_Untuk_Pasien
1..*
+Diagnosa()
+Tambah()
+Simpan()
+Hapus()
+Laporan()
Tabel_Gejala
-Kode_Gejala 1
-Nama_Gejala
-Nilai_Gejala
Tabel_Saran
+Tambah()
+Simpan() -Kode_Saran 1
+Ubah() -Saran
+Hapus() -Nilai_Diagnosa
+Bersih() +Tambah()
+Simpan()
+Ubah()
+Hapus()
+Bersih()
III.3.3.Activity Diagram
sebagai berikut :
Aktivitas login yang dirancang oleh penulis melibatkan 2 aktor yaitu admin
dan user. Adapun activity diagram login dari perancangan ini dapat dilihat pada
Validasi
Tidak
Ya
Login Valid
Menu Utama
Aktivitas diagram form gejala yang dirancang oleh penulis melibatkan aktor
yaitu admin. Adapun activity diagram form gejala dapat dilihat pada Gambar
Admin System
Aktivitas diagram form gejala yang dirancang oleh penulis melibatkan aktor
yaitu admin. Adapun activity diagram form gejala dapat dilihat pada Gambar
Mengisi Data
Tambah Data
Tidak
Konfirmasi Penghapusan
Memilih Data
Ya
Menghapus Data
Aktivitas diagram form saran yang dirancang oleh penulis melibatkan aktor
yaitu admin. Adapun activity diagram form saran dapat dilihat pada Gambar
Mengisi Data
Tambah Data
Tidak
Konfirmasi Penghapusan
Memilih Data
Ya
Menghapus Data
aktor yaitu admin dan user. Adapun activity diagram form diagnosa dapat dilihat
Mengisi Data
Tambah Data
Tidak
Konfirmasi Penghapusan
Memilih Data
Ya
Menghapus Data
Aktivitas diagram form laporan diagnosa yang dirancang oleh penulis dapat
dilihat oleh admin dan user. Adapun activity diagram form laporan diagnosa
Request Eksekusi
Pilih Form Laporan
Diagnosa
Menampilkan Form
Cetak Laporan
Laporan Diagnosa
Request
Eksekusi
Laporan Dicetak
Aktivitas logout yang dirancang oleh penulis melibatkan 2 aktor yaitu admin
dan user. Adapun activity diagram logout dari perancangan ini dapat dilihat pada
Admin/User System
Tidak
Menu Utama
Ya
Logout Berhasil
bayes dan naive bayes dalam mendiagnosa penyakit neuroblastoma dapat di lihat
sebagai berikut :
yang dilakukan oleh admin dan user, dimulai dari melakukan login untuk dapat
masuk pada system, apabila valid maka sistem akan mengaktifkan menu utama,
Adapun sequence diagram login dari perancangan ini dapat dilihat pada
Gambar III.12.
Login()
Login gagal()
Sequence diagram form gejala menggambarkan alur sistem pada menu data
gejala. Sistem akan menampilkan form gejala lalu admin akan menginputkan data
pada form gejala yaitu berdasarkan kode gejala, nama gejala dan nilai gejala. Hak
akses peserta pada menu gejala ini yaitu hanya mengedit data, menambah,
menghapus pada saat mengisi form gejala. Kemudian data tersebut disimpan dan
ditampilkan kembali.
Adapun sequence diagram form gejala dari perancangan ini dapat dilihat
Menu()
Klik Tambah
Klik Edit
Klik Hapus
Klik Bersih
Sequence diagram form saran menggambarkan alur sistem pada menu data
saran. Sistem akan menampilkan form saran lalu admin akan menginputkan data
pada form saran yaitu berdasarkan kode saran, saran-saran, nilai diagnosa, dan
tindakan. Hak akses peserta pada menu saran ini yaitu hanya mengedit data,
60
menambah, menghapus pada saat mengisi form saran. Kemudian data tersebut
disimpan dan ditampilkan kembali. Adapun sequence diagram form saran dari
Menu()
Klik Tambah
Klik Edit
Klik Hapus
Klik Bersih
data diagnosa. Sistem akan menampilkan form diagnosa lalu admin akan
menginputkan data pada form gejala yaitu berdasarkan kode hasil, nama pasien,
umur pasien, alamat pasien, gejala yang dialami, saran untuk pasien, dan tindakan.
61
Hak akses peserta pada menu gejala ini yaitu hanya mengedit data, menambah,
menghapus pada saat mengisi form diagnosa. Kemudian data tersebut disimpan
Adapun Sequence Diagram form diagnosa dari perancangan ini dapat dilihat
Menu()
Klik Tambah
Klik Simpan
Klik Hapus
Form Diagnosa
Cetak laporan
Admin/User
Cetak Laporan
Hasil Diagnosa Kanker
Neuroblastoma
logout yang dilakukan admin dan user, dimulai dari melakukan login untuk dapat
masuk pada system, setelah itu masuk ke menu utama dan melalukan pemilihan
menu yang akan diproses, setelah mengklik tombol logout untuk keluar dari
sistem, apabila valid maka sistem akan tertutup, sedangkan jika tidak valid maka
Adapun Sequence Diagram logout dari perancangan ini dapat dilihat pada
Gambar III.18.
Login()
Pilih Menu yang diinginkan
Menu()
Klik Logout
Berhasil Keluar
Logout()
III.3.5.Desain Database
sistem informasi perbandingan metode teorema bayes dan naive bayes dalam
64
desain database.
III.3.5.1.Normalisasi
basis data dan yang masih memiliki beberapa ketidak wajaran sehingga
aplikasi perancangan perbandingan metode teorema bayes dan naive bayes dalam
III.3.5.2.Desain Tabel
neuroblastoma:
Pada Tabel III.7 merupakan desain tabel login pada aplikasi perancangan
penyakit neuroblastoma.
Pada Tabel III.8 merupakan desain tabel gejala pada aplikasi perancangan
penyakit neuroblastoma.
Pada tabel III.9 merupakan desain tabel saran pada aplikasi perancangan
penyakit neuroblastoma.
lebih memudahkan dalam entry data. Entry data yang dirancang akan lebih
penyakit neuroblastoma.
68
Form Login
Silahkan Login
Username
Password
Level
Login Cancel
GAMBAR
penyakit neuroblastoma.
69
Form About
TEXT TEXT
IMAGE IMAGE
penyakit neuroblastoma.
Form Gejala
Kode Gejala
Nama Gejala
Nilai Gejala
analisis sistem informasi perbandingan metode naive bayes dan teorema bayes
Form Saran
Kode Saran
Nama Saran
Nilai Diagnosa
sistem informasi perbandingan metode naive bayes dan teorema bayes terhadap
Form Diagnosa
Kode Hasil
Nama Pasien
Umur Pasien
Alamat Pasien
Diagnosa
analisis sistem informasi perbandingan metode naive bayes dan teorema bayes
LAPORAN
HASIL DIAGNOSA KANKER NEUROBLASTOMA
Kode Nama Umur Alamat Gejala Hasil Hasil Hasil Selisi Saran
Hasil Pasien Pasien Pasien Yang Perbandingan Perbandingan Perbandi h Untuk
Dialam Teorema Naive ngan Nilai Pasien
i Bayes Bayes
Xxx9 Xxxxx 999999 Xxxxx Xxxxx 999999 999999 999999 9999 xxxxxx
99 x x x 99
Medan, dd/dd/yy
Pakar/ Ahli
( )
BAB IV
Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat,
Informasi Perbandingan Metode Naive Bayes dan Teorema Bayes Terhadap Hasil
dapat dilihat sesuai dengan hasil program yang telah dibuat. Dibawah ini akan
1. Tampilan Login
Tampilan ini merupakan tampilan yang pertama kali muncul ketika program
Analisis Sistem Informasi Perbandingan Metode Naive Bayes dan Teorema Bayes
Uji coba terhadap sistem bertujuan untuk memastikan bahwa sistem sudah
berada pada kondisi siap pakai. Instrumen yang digunakan utuk melakukan
b. Memory 2 GB
c. Hardisk 320 GB
Uji coba terhadap sistem bertujuan untuk memastikan bahwa sistem sudah
berada pada kondisi siap pakai. Instrument yang di gunakan untuk melakukan
1 Tambah data Data Gejala yang akan Data Gejala yang [] diterima
dimasukkan ke dalam akan dimasukkan [] ditolak
database, klik tambah ke dalam database,
maka Data masuk pada klik tambah maka
server database Data masuk pada
server database
2 Ubah data Data Gejala yang akan Data Gejala yang [] diterima
dirubah di dalam akan dirubah di [] ditolak
database, klik simpan dalam database,
maka Data pada server klik simpan maka
Database akan berubah Data pada server
Database akan
berubah
3 Hapus data Data Gejala yang akan Data Gejala yang [] diterima
hapus dari dalam akan terhapus dari [] ditolak
database, klik hapus, dalam database,
maka Data pada server klik hapus, maka
Database akan terhapus Data pada server
Database terhapus
Kasus hasil uji (Data salah)
No Data masukkan Yang diharapkan Pengamatan Kesimpulan
Masukkan
1. data Ada pesan bahwa Muncul pesan [] diterima
tidak sesuai pengisian bahwa pengisian [] ditolak
dengan type data data salah data tidak lengkap
2. Hasil perbandingan telah diterapkan dan sesuai dengan aplikasi yang telah
dibuat.
persentase.
2. Aplikasi yang telah dibuat tidak dapat mendiagnosa penyakit lain selain
3. Aplikasi yang telah dibuat belum diterapkan pada perangkat mobile dan
berbasis web.
BAB V
BAB V
V.1. Kesimpulan
neuroblastoma.
3. Menerapkan beberapa uji coba yang telah dilakukan maka hasil perbandingan
metode Teorema Bayes dan metode Naive Bayes maka perbedaan hasil
database SQL Server 2008, maka dapat membuat aplikasi Sistem Pakar
85
86
V.2. Saran
perbandingan metode naive bayes dan teorema bayes terhadap hasil diagnosis
sebagaiberikut:
1. Aplikasi perbandingan metode teorema bayes dan metode naive bayes dalam
menjadi acuan atau tolak ukur para tenaga medis dalam hal meningkatkan
2. Aplikasi perbandingan metode teorema bayes dan metode naive bayes dalam
3. Aplikasi perbandingan metode teorema bayes dan metode naive bayes dalam
DAFTAR PUSTAKA
LAMPIRAN
LISTING PROGRAM
Imports System.Data.SqlClient
Module Module1
Public sqlconn As New SqlConnection
Public sqlcmd As New SqlCommand
Public sqldr As SqlDataReader
Public strsql As String
Public sqlda As New SqlDataAdapter
Sub connect()
If sqlconn.State = ConnectionState.Open Then sqlconn.Close()
sqlconn.ConnectionString = "Data Source=USER-PC;Initial
Catalog=db.neuroblastoma;Integrated Security=True"
sqlconn.Open()
End Sub
End Module
Imports System.Data.SqlClient
Public Class Form_Saran
Dim ctrl As String
Sub Clear()
view()
Kode_SaranTextBox.Clear()
Nama_SaranTextBox.Clear()
Nilai_DiagnosaTextBox.Clear()
Kode_SaranTextBox.Focus()
view()
strsql = "select * from dbo.tb_Saran"
sqlcmd.CommandText = strsql
sqlcmd.Connection = sqlconn
sqlda.SelectCommand = sqlcmd
sqldr = sqlcmd.ExecuteReader()
ListView1.Items.Clear()
While (sqldr.Read())
With ListView1.Items.Add(sqldr("Kode_Saran"))
.subitems.add(sqldr("Nama_Saran"))
.subitems.add(sqldr("Nilai_Diagnosa"))
End With
End While
sqldr.Close()
End Sub
Sub view()
strsql = "select * from dbo.tb_Saran"
sqlcmd.CommandText = strsql
sqlcmd.Connection = sqlconn
sqlda.SelectCommand = sqlcmd
sqldr = sqlcmd.ExecuteReader()
ListView1.Items.Clear()
While (sqldr.Read())
With ListView1.Items.Add(sqldr("Kode_Saran"))
.subitems.add(sqldr("Nama_Saran"))
.subitems.add(sqldr("Nilai_Diagnosa"))
End With
End While
sqldr.Close()
End Sub
Sub bersih()
Nama_SaranTextBox.Text = ""
Nilai_DiagnosaTextBox.Text = ""
Kode_SaranTextBox.Focus()
End Sub
Private Sub Tb_SaranBindingNavigatorSaveItem_Click(ByVal sender As
System.Object, ByVal e As System.EventArgs) Handles
Tb_SaranBindingNavigatorSaveItem.Click
Me.Validate()
Me.Tb_SaranBindingSource.EndEdit()
Me.TableAdapterManager.UpdateAll(Me._db_neuroblastomaDataSet)
End Sub
Private Sub Form_Saran_Load(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles MyBase.Load
Me.Tb_SaranTableAdapter.Fill(Me._db_neuroblastomaDataSet.tb_Saran)
Module1.connect()
view()
Clear()
End Sub
Imports System.Data.Sql
Imports System.Data.SqlClient
Public Class Form_Diagnosa_Penyakit
Dim ctrl As String
Sub gejala()
Dim sqlconnection1 As New System.Data.SqlClient.SqlConnection("Data
Source=USER-PC;Initial Catalog=db.neuroblastoma;Integrated Security=True")
Dim cmd As New System.Data.SqlClient.SqlCommand
Dim sqlda As New SqlDataAdapter
Dim sqldr As SqlDataReader
On Error Resume Next
cmd.CommandType = CommandType.Text
cmd.CommandText = "select * from tb_Gejala"
cmd.Connection = sqlconnection1
sqlconnection1.Open()
cmd.ExecuteNonQuery()
sqlda.SelectCommand = cmd
sqldr = cmd.ExecuteReader()
ListView1.Items.Clear()
ListView2.Items.Clear()
While (sqldr.Read())
With ListView1.Items.Add(sqldr("Nama_Gejala"))
End With
With ListView2.Items.Add(sqldr("Nilai_Gejala"))
End With
End While
sqlconnection1.Close()
End Sub
Sub saran()
Dim sqlconnection1 As New System.Data.SqlClient.SqlConnection("Data
Source=USER-PC;Initial Catalog=db.neuroblastoma;Integrated Security=True")
Dim cmd As New System.Data.SqlClient.SqlCommand
Dim sqlda As New SqlDataAdapter
Dim sqldr As SqlDataReader
On Error Resume Next
cmd.CommandType = CommandType.Text
cmd.CommandText = "select * from tb_Saran"
cmd.Connection = sqlconnection1
sqlconnection1.Open()
cmd.ExecuteNonQuery()
sqlda.SelectCommand = cmd
sqldr = cmd.ExecuteReader()
ListView4.Items.Clear()
ListView5.Items.Clear()
While (sqldr.Read())
With ListView4.Items.Add(sqldr("Nilai_Diagnosa"))
End With
With ListView5.Items.Add(sqldr("Nama_Saran"))
End With
End While
sqlconnection1.Close()
End Sub
Sub Diagnosa()
Dim sqlconnection1 As New System.Data.SqlClient.SqlConnection("Data
Source=USER-PC;Initial Catalog=db.neuroblastoma;Integrated Security=True")
Dim cmd As New System.Data.SqlClient.SqlCommand
Dim sqlda As New SqlDataAdapter
Dim sqldr As SqlDataReader
On Error Resume Next
cmd.CommandType = CommandType.Text
cmd.CommandText = "select * from tb_Diagnosa"
cmd.Connection = sqlconnection1
sqlconnection1.Open()
cmd.ExecuteNonQuery()
sqlda.SelectCommand = cmd
sqldr = cmd.ExecuteReader()
ListView12.Items.Clear()
While (sqldr.Read())
With ListView12.Items.Add(sqldr("Kode_Diagnosa"))
End With
End While
sqlconnection1.Close()
End Sub
Private Sub Tb_DiagnosaBindingNavigatorSaveItem_Click(ByVal sender As
System.Object, ByVal e As System.EventArgs) Handles
Tb_DiagnosaBindingNavigatorSaveItem.Click
Me.Validate()
Me.Tb_DiagnosaBindingSource.EndEdit()
Me.TableAdapterManager.UpdateAll(Me._db_neuroblastomaDataSet)
End Sub
Me.Tb_DiagnosaTableAdapter.Fill(Me._db_neuroblastomaDataSet.tb_Diagnosa)
Catch ex As Exception
End Try
gejala()
saran()
Diagnosa()
Module1.connect()
View()
strsql = "select * from dbo.tb_diagnosa"
sqlcmd.CommandText = strsql
sqlcmd.Connection = sqlconn
sqlda.SelectCommand = sqlcmd
sqldr = sqlcmd.ExecuteReader()
ListView13.Items.Clear()
While (sqldr.Read())
With ListView13.Items.Add(sqldr("Kode_Diagnosa"))
.subitems.add(sqldr("Nama_Pasien"))
.subitems.add(sqldr("Umur_Pasien"))
.subitems.add(sqldr("Alamat_Pasien"))
.subitems.add(sqldr("Gejala_Yang_Dialami"))
.subitems.add(sqldr("Hasil_Diagnosa_Teorema_Bayes"))
.subitems.add(sqldr("Hasil_Diagnosa_Naive_Bayes"))
.subitems.add(sqldr("Hasil_Perbandingan"))
.subitems.add(sqldr("Selisih_Nilai"))
.subitems.add(sqldr("Saran_Untuk_Pasien"))
End With
End While
sqldr.Close()
End Sub
Sub view()
strsql = "select * from dbo.tb_Diagnosa"
sqlcmd.CommandText = strsql
sqlcmd.Connection = sqlconn
sqlda.SelectCommand = sqlcmd
sqldr = sqlcmd.ExecuteReader()
ListView13.Items.Clear()
While (sqldr.Read())
With ListView13.Items.Add(sqldr("Kode_Diagnosa"))
.subitems.add(sqldr("Nama_Pasien"))
.subitems.add(sqldr("Umur_Pasien"))
.subitems.add(sqldr("Alamat_Pasien"))
.subitems.add(sqldr("Gejala_Yang_Dialami"))
.subitems.add(sqldr("Hasil_Diagnosa_Teorema_Bayes"))
.subitems.add(sqldr("Hasil_Diagnosa_Naive_Bayes"))
.subitems.add(sqldr("Hasil_Perbandingan"))
.subitems.add(sqldr("Selisih_Nilai"))
.subitems.add(sqldr("Saran_Untuk_Pasien"))
End With
End While
sqldr.Close()
End Sub
Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As
System.EventArgs) Handles Button1.Click
On Error Resume Next
'Rumus Naive Bayes
ListView3.Items.Clear()
Hasil_Diagnosa_Teorema_BayesTextBox.Clear()
Hasil_Diagnosa_Naive_BayesTextBox.Clear()
Gejala_Yang_DialamiTextBox.Clear()
Selisih_NilaiTextBox.Clear()
Saran_Untuk_PasienTextBox.Clear()
Dim b, c, pe, naive As Single
Dim n, p, m, x As Integer
Dim h As String
naive = 1
n=1
p=1/n
m = ListView1.Items.Count
For a As Integer = 0 To ListView1.Items.Count - 1
Dim t As String
t = MsgBox("Apakah Anda Mengalami Masalah : " &
ListView1.Items(a).Text & " ?", vbYesNo, "Gejala")
If (t = vbYes) Then
ListView3.Items.Add(ListView2.Items(a).Text)
Gejala_Yang_DialamiTextBox.Text =
Gejala_Yang_DialamiTextBox.Text & ListView1.Items(a).Text & ", "
b = Val(ListView2.Items(a).Text)
c=c+b
x=1
pe = (b + (m * n)) / (n + m)
'MsgBox(pe)
naive = naive * pe
'MsgBox(hsl)
Else
x=0
End If
Next
naive = naive * 100
Dim k As String
k = ""
If naive >= 71 Then
k = "Kronis"
End If
If naive <= 70 And naive >= 51 Then
k = "Akut"
End If
If naive < 50 Then
k = "Dalam Gejala"
End If
h = naive & "%"
Hasil_Diagnosa_Naive_BayesTextBox.Text = h & " (" & k & ")"
'Rumus Teorema Bayes
Dim s, PH, PHE, phi, pk, sig, bayes As Single
For xx As Integer = 0 To ListView3.Items.Count - 1
s = ListView3.Items(xx).Text
PH = s / c
phi = s / c * s
sig = sig + phi
PHE = (phi * s) / sig
pk = PHE * s
bayes = bayes + pk
''MsgBox(PHE * s)
Next
If bayes = 1 Then
bayes = 100
End If
Dim k1 As String
k1 = ""
If bayes >= 71 Then
k1 = "Kronis"
End If
If bayes <= 70 And bayes >= 51 Then
k1 = "Akut"
End If
If bayes < 50 Then
k1 = "Dalam Gejala"
End If
bayes = bayes & ""
Hasil_Diagnosa_Teorema_BayesTextBox.Text = bayes & " (" & k1 & ")"
'Hasil Perbandingan Metode
Dim aaa, bbb, ccc, hasl As Double
aaa = Val(bayes)
bbb = Val(naive)
If aaa = bbb Then
naive = aaa
Hasil_PerbandinganTextBox.Text = "Teorema Bayes Memiliki Persentase
Yang Sama Dengan Naive Bayes"
GoTo oke
End If
If aaa > bbb Then
ccc = aaa - bbb
naive = aaa
Hasil_PerbandinganTextBox.Text = "Teorema Bayes Memiliki Persentase
Yang Lebih Besar Dari Naive Bayes"
End If
If bbb > aaa Then
ccc = bbb - aaa
naive = bbb
Hasil_PerbandinganTextBox.Text = "Naive Bayes Memiliki Persentase
Yang Lebih Besar Dari Teorema Bayes"
End If
oke:
Selisih_NilaiTextBox.Text = ccc
For aq As Integer = 0 To ListView4.Items.Count - 1
If hasl <= ListView4.Items(aq).Text Then
Saran_Untuk_PasienTextBox.Text = ListView5.Items(aq).Text
End If
If aaa Or bbb >= 71 Then
Saran_Untuk_PasienTextBox.Text = "Terapi Kesembuhan"
ElseIf aaa Or bbb <= 70 And aaa Or bbb >= 51 Then
Saran_Untuk_PasienTextBox.Text = "Mengubah Pola Makan,
Konsumsi Herbal Yang Bermanfaat"
ElseIf aaa Or bbb < 50 Then
Saran_Untuk_PasienTextBox.Text = "Merubah Gaya Hidup"
End If
Next
If Gejala_Yang_DialamiTextBox.Text = "" Then
Hasil_Diagnosa_Naive_BayesTextBox.Text = ""
Hasil_Diagnosa_Teorema_BayesTextBox.Text = ""
End If
If Hasil_Diagnosa_Naive_BayesTextBox.Text = "" Or
Hasil_Diagnosa_Teorema_BayesTextBox.Text = "" Then
Saran_Untuk_PasienTextBox.Clear()
Hasil_PerbandinganTextBox.Clear()
Selisih_NilaiTextBox.Clear()
End If
If Gejala_Yang_DialamiTextBox.Text = "" Then
Saran_Untuk_PasienTextBox.Clear()
End If
End Sub