Sains dan Komputer (SAINTIKOM)

Vol.17, No.2, Agustus 2018, pp. 234-240

ISSN: 1978-6603 E-ISSN : 2615-3475  234

Sistem Pakar Dalam Diagnosa Penyakit Emboli Paru Dengan

Metode Teorema Bayes
Darjat Saripurna
Program Studi Informasi, STMIK Triguna Dharma

Article Info ABSTRAK

Article history: Emboli paru merupakan masalah terbesar kesehatan dunia dengan angka
Received Mei 10th, 2018 kematian yang cukup tinggi mencapai 30% jika tidak diobati. Beberapa teknik
Revised June 13th, 2018 diagnostic yang dapat dilakukan untuk mendiagnosis emboli paru. Untuk itu
Accepted Aug 04th, 2018 dibuatlah sistem pakar dalam diagnosa penyakit emboli paru dengan
menggunakan metode Teorema Bayes.
Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia
Keyword: ke computer yang dirancang untuk memodelkan kemampuan menyelesaikan
Emboli Paru masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, Sistem dapat
Sistem Pakar medeteksi penyakit emboli paru, menyelesaikan masalahnya atau mencari
Teorema Bayes informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan
parah ahli dibidangnya. Sistem pakar ini juga akan dapat membantu aktivitas
para pakar sebagai asisten yang berpengalaman dan mempunyai pengetahuan
yang dibutuhkan.
Teorema Bayes merupakan salah satu cara untuk mengatasi ketidakpastian
data dengan cara menggunakan formula Bayes dan bahwa suatu hipotesis
dapat ditetapkan oleh siapapun dari data yang diketahui kebenarannya dan
pusat dari semua meteodologi subyektif, berdasarkan aturan peluang, yang
cenderung pada peluang bersyarat dalam pembuktian teori dan model empiris.

Copyright © 2018 STMIK Triguna Dharma.

All rights reserved.
First Author
Nama : Darjat Saripurna, S.Kom, M.Kom
Program Studi : Sistem Informasi STMIK Triguna Dharma
Email : darjat_btw@yahoo.com

1. PENDAHULUAN
Dewasa ini, teknologi komputer sudah semakin berkembang dalam penggunaannya. Pada awalnya komputer
digunakan sebagai alat hitung. Seiring dengan perkembangan jaman, komputer banyak digunakan di berbagai
bidang. Misalnya pada bidang otomotif, kesehatan dan sebagainya. Salah satu pemanfaatan teknologi komputer
yaitu dapat digunakan untuk sistem pakar. Sistem pakar merupakan sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan
oleh para ahli.
Sistem pakar merupakan salah satu cabang kecerdasan buatan yang mempelajari bagaimana "meniru" cara
seorang pakar berpikir dan bernalar dalam menyelesaikan suatu permasalahan, membuat keputusan maupun
mengambil kesimpulan sejumlah fakta. Kajian pokok dalam sistem pakar adalah bagaimana mentransfer
pengetahuan yang dimiliki oleh seorang pakar ke dalam komputer, dan bagaimana membuat keputusan atau
mengambil kesimpulan berdasarkan pengetahuan itu. Sampai saat ini sudah ada beberapa hasil perkembangan
system pakar dalam berbagai bidang sesuai dengan kepakaran seseorang. Dalam bidang matematika dikenal
beberapa perangkat lunak matematika yang biasa menyelesaikan masalah-masalah spesifik matematika seperti
halnya seorang matematikawan menyelesaikan masalah matematika.
Kesehatan merupakan hal yang berharga bagi manusia, karena siapa saja dapat mengalami gangguan
kesehatan, begitu pula pada anak dikarenakan sangat rentan terhadap berbagai macam penyakit. Penyakit
Emboli Paru sering menyerang orang dewasa. Apabila terjadi gangguan penyakit Emboli Paru untuk konsultasi
lebih mempercayakannya kepada pakar atau dokter ahli yang sudah mengetahui lebih banyak tentang
kesehatan.

Journal homepage: http:ojs.trigunadharma.ac.id

SAINTIKOM ISSN: 1978-6603 E-ISSN : 2615-3475  235

2. LANDASAN TEORITIS
2.1 Sistem Pakar
Sistem Pakar ( Expert System ) adalah sebuah sistem yang menggunakan pengetahuan manusia dimana
pengetahuan tersebut dimasukkan kedalam sebuah komputer dan kemudian digunukan untuk menyeelesaikan
masalah-masalah yang biasanya membutuhkan kepakaran atau keahlihan manusia” Turban,(2001:402).
Sistem pakar (expert system) mulai dikembangkan pada pertengahan tahun 1960 -an oleh Artificial Intelligence
Corporation. Sistem pakar yang muncul pertama kali adalah General-purpose Problem Solver (GPS) yang
merupakan sebuah predecessor untuk menyusun langkah-langkah yang dibutuhkan untuk mengubah situasi
awal menjadi state tujuan yang telah ditentukan sebelumnya dengan menggunakan domain masalah yang
kompleks. Sistem pakar dapat diterapkan untuk persoalan di bidang industri, pertanian, bisni, kedokteran,
militer, komunikasi dan transportasi, pariwisata, pendidikan, dan lain sebagainya. Permasalahan tersebut
bersifat cukup kompleks dan terkadang tidak memiliki algoritma yang jelas di dalam pemecahannya, sehingga
dibutuhkan kemampuan seorang atau beberapa ahli untuk mencari sistematika penyelesaiannya secara evolutif.

2.2 Teorema Bayes

Probabilitas Bayes merupakan salah satu cara untuk mengatasi ketidakpastian data dengan cara
menggunakan formula bayes yang dinyatakan dengan:
P( E | H ) * P( H )
P( H / E ) 
P( E )
Dimana:
P(H | E) = probabilitas hipotesis H benar jika diberikan evidence E
P(E | H) = probabilitas munculnya evidence E, jika diketahui hipotesis H benar.
P(H) = probabilitas hipotesis H (menurut hasil sebelumnya) tanpa memandang evidence apapun.
P(E) = probabilitas evidence E.
Secara umum teorema bayes dengan E kejadian dan hipotesis H dapat dituliskan dalam bentuk:
P( E  H )
P( Hi | E ) 
 p( E  Hi)
P( E \ Hi) P( Hi)

 P( E \ Hi) P( Hi)
P( E \ Hi) P( Hi)

P( E )
Jika setelah dilakukan pengujian terhadap hipotesis kemudian muncul lebih dari sssatu evidence. Maka
persamaannya akan menjadi:
P (e \ E , H )
P ( H \ E , e)  P ( H \ E )
P (e \ E )
Dimana:
e = evidence lama
E = evidence baru
P(H | E,e) = probabilitas hipotesis H benar jika muncul evidence baru E dari evidence lama e.
P(H | E) = probabilitas hipotesis H benar jika diberikan evidence E.
P(e | E,H) = kaitan antara e dan E jika hipotesis H benar.
P(e | E) = kaitan antara e dan E tanpa memandang hipotesis apapun.
Contoh kasus:
Berikut adalah contoh perhitungan manual penyakit Perikondritis jika diketahui 3
gejala sebagai berikut :
Jika probabilitas gejala-gejala tanpa memperhatikan penyakit yang terjadi adalah :
1. Kerusakan Pada Kartilago : 0,7
2. Cedera pada Telinga : 0,6
Jika probabilitas gejala-gejala dengan memperhatikan penyakit yang terjadi adalah :
1. Kerusakan pada kartilago : 0,5
2. Cedera pada telinga : 0,5
Perhitungan nilai bayes
P(Perikondritis | Kerusakan pada kartilago)
236  ISSN: 1978-6603 E-ISSN : 2615-3475

P(Perikond ritis | Kerusakan pada kartilago)

P (Kerusakan pada kartilago | Perikondri tis) * P(Perikond ritis)
 .
P(Kerusakan pada kartilago | Perikondri tis)  P(Cedera padateling a |
Perikondri tis P(Perikond ritis | Kerusakan pada kartilago)
(0,5) * (0,7)
 .
(0,5) (0,5)
0,35
 .
1
 0,35.
P(Perikondritis | Cedera pada telinga)
P (Cedera pada telinga | Perikondritis) * P(Perikondritis)
 .
P(Kerusakan pada kartilago | Perikondritis)  P(Cedera pada telinga | Perikondritis
P(Perikondritis | Cedera pada telinga)
(0,5) * (0,6)

(0,5) (0,5)
0,3

1
 0,3
Perhitungan total bayes
Toral bayes = bayes1 + bayes2 + bayes3 + bayes4 + bayes5
= 0,35+0,3
= 0,65
Jadi,total bayes penyakit Perikondritis adalah 0,65

3. ANALISIS DAN HASIL

Analisis data merupakan proses awal yang harus dilaksanakan untuk menentukan permasalahan yang sedang
dihadapi. Tahap ini adalah sangat penting, karena proses analisis data yang kurang akurat akan menyebabkan
hasil dari suatu sistem tidak sesuai dengan yang diharapkan. Jadi proses ini harus benar-benar sesuai dengan
perencanaan agar mengasilkan suatu sistem yang baik
Emboli paru adalah penyumbatan arteri paru-paru oleh suatu embolus yang terjadi secara tiba-tiba. Suatu
emboli bisa merupakan gumpalan darah (trombus), tetapi bisa juga berupa lemak, cairan ketuban, sumsum
tulang, pecahan tumor atau gelembung udara, yang akan mengikuti aliran darah sampai akhirnya menyumbat
pembuluh darah. Biasanya arteri yang tidak tersumbat dapat memberikan darah dalam jumlah yang memadai
ke jaringan paru-paru yang terkena sehingga kematian jaringan bisa dihindari. Tetapi bila yang tersumbat
adalah pembuluh yang sangat besar atau orang tersebut memiliki kelainan paru-paru sebelumnya, maka jumlah
darah mungkin tidak mencukupi untuk mencegah kematian paru-paru.
Analisa data yang akan dilakukan adalah penyakit Penyakit Emboli Paru yang harus diwaspadai antara lain
:
1. Emboli Paru Massif
2. Emboli Pasu Sedang
3. Emboli Paru Kecil
4. Infark Paru
5. Emboli Paru Parodaksial
6. Emboli Nontrombus
Untuk mengetahui apakah anak dikatakan memiliki salah satu jenis penyakit diatas, terlebih dahulu
kita mengetahui apa yang sering menjadi gejala-gejala atau yang sering dialami penderita penyakit tersebut,
gejala-gejala itu akan dijadikan sebagai salah satu gejala pendukung untuk penentuan penyakit. Adapun gejala-
gejala umum dari setiap gejala-gejala antara lain :
SAINTIKOM ISSN: 1978-6603 E-ISSN : 2615-3475  237

Tabel 1. Gejala Penyakit Emboli Paru

Kode
Nama Gejala
Gejala
GK01 Nyeri dada mendadak yang diperburuk oleh tarikan napas
GK02 Sesak napas dan tanda – tanda kekurangan oksigen
GK03 Batuk
GK04 Batuk Darah
GK05 Demam
GK06 Peningkatan frekuensi napas dan jantung
GK07 Bengkak pada kedua tungkai
GK08 Berkeringat
GK09 Kejang
GK10 Pingsan
GK11 Nyeri perut
GK12 Penurunan kesadaran
GK13 Nyeri pinggang

Gambar 1 Tampilan Menu Utama

Gambar 2 Tampilan Menu File

238  ISSN: 1978-6603 E-ISSN : 2615-3475

Gambar 3 Tampilan Form Gejala

Gambar 4 Tampilan Form basis Aturan

SAINTIKOM ISSN: 1978-6603 E-ISSN : 2615-3475  239

Gambar 5 Tampilan Form Input Konsultasi

Gambar 6 Tampilan Form Hasil Konsultasi

4. KESIMPULAN
Setelah merancang dan mengaplikasikan perangkat lunak, maka dapat diambil kesimpulan bahwa teknik
inferensi mudah digunakan dalam perancangan sistem pakar untuk mendapatkan suatu kesimpulan tetapi,
memiliki kelemahan dalam pencarian kesimpulan tersebut, yaitu sangat lambat dalam pencariannya, apalagi
bila sistem memiliki basis pengetahuan yang cukup besar dan ini akan sangat banyak memakan waktu dan
menghambat proses konsultasi.Data mining dengan algoritma K-Means dapat diterapkan pada SMA Tamora
untuk menganalisis permasalahan yang ada yang berkenaan dengan pengelompokkan data nilai siswa untuk
penentuan jurusan.
1. Peranan konsep Teorema Bayes bertujuan untuk memformulasikan data sebagai implementasi sumber
penyakit Emboli Paru.
2. Untuk dapat menciptakan sistem pakar yang dapat mengetahui jenis Emboli Paru dengan metode
Teorema Bayes.
3. Menghasilkan suatu sistem untuk melakukan diagnosa Emboli Paru, dimana sistem tersebut mampu
membuat keputusan sebaik yang dilakukan pakar.

DAFTAR PUSTAKA
[1] A. W. Ganda Anggara, Gede Pramayu, “Membangun sistem pakar menggunakan teorema bayes untuk
mendiagnosa penyakit paru-paru,” Semin. Nas. Teknol. Inf. dan Multimed. 2016, pp. 79–84, 2016.
240  ISSN: 1978-6603 E-ISSN : 2615-3475

[2] H. T. Sihotang, E. Panggabean, and H. Zebua, “Sistem Pakar Mendiagnosa Penyakit Herpes Zoster Dengan
Menggunakan Metode Teorema Bayes,” J. Inform. Pelita Nusant., vol. 3, no. 1, pp. 33–40, 2018.
[3] T. Syahputra, M. Dahria, and P. D. Putri, “SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT
ANEMIA DENGAN MENGGUNAKAN METODE TEOREMA BAYES,” J. SAINTIKOM, vol. 16,
pp. 284–294, 2017.
[4] L. Novida, “Sistem Pakar Diagnosa Kanker Serviks Menggunakan Metode Bayes,” Pelita Inform. Budi
Darma, no. 3, pp. 90–95, 2014.
[5] A. Rido and R. Wardhani, “SISTEM PAKAR MENDIAGNOSA PENYAKIT PADA UNGGAS DENGAN
METODE TEOREMA BAYES BERBASIS WEB,” JOUTICLA, vol. 3, no. 2, 2017.
[6] A. P. 2) Acihmah Sidauruk 1), “SISTEM PAKAR DIAGNOSA PENYAKIT TANAMAN KELAPA
SAWIT MENGGUNAKAN TEOREMA BAYES,” J. Ilm. DASI Vol. 18 No. 1, vol. Vol. 18, pp. 51–
56, 2017.
[7] S. Rahayu, “Sistem pakar untuk mendiagnosa penyakit gagal ginjal dengan menggunakan metode bayes,”
Pelita Inform. Budi Darma, vol. IV, no. 3, pp. 129–134, 2013.
[8] Awalludin, “Sistem Pakar Mendeteksi Kerusakan Sepeda Motor Dengan Metode Teorema Bayes Berbasis
Web,” 2014.
[9] H. T. Sihotang, “Perancangan Aplikasi Sistem Pakar Diagnosa Diabetes Dengan Metode Bayes,” J. Mantik
Penusa, vol. 1, no. 1, pp. 36–41, 2017.

BIOGRAFI PENULIS

Darjat Saripurna, S.Kom, M.Kom pria kelahiran Bogor 19 Juni 1969 merupakan Dosen
Tetap STMIK Triguna Dharma yang aktif mengampu mata kuliah pada bidang Sistem
Jaringan Komputer dan Pemrograman, beliau tamat S1 Universitas Gunadharma
bidang ilmu komputer dan tamat S2 Univesitas Putra Indonesia YPTK Padang