TESIS
SEPTEMBER 2021
iv
v
KATA PENGANTAR
ABSTRAK
Penyakit karies pada gigi manusia adalah penyakit yang merusak lapisan gigi
secara permanen dan membentuk lubang-lubang kecil pada gigi. Minimnya
pengetahuan masyarakat Indonesia untuk mengetahui informasi dan mengidentifikasi
kerusakan gigi yang membuat banyak masyarakat tidak mengetahui akibat dan bahaya
dari penyakit tersebut. Gangguan pada karies gigi sering terjadi karena tiga faktor.
Faktor pertama adalah gigi dan air liur yang berfungsi sebagai inang bagi
mikroorganisme di rongga mulut. Bakteri dan makanan adalah faktor kedua dan
ketiga. Tujuan dari penelitian ini adalah untuk membantu masyarakat dalam
mengetahui informasi tentang penyakit karies pada gigi, sehingga dibuatlah cabang
dari kecerdasan buatan yaitu sistem pakar. Kecerdasan buatan adalah ilmu yang
memungkinkan dalam membangun sistem komputer yang menampilkan kecerdasan
dengan cara yang berbeda. Sistem Pakar merupakan salah satu program komputer atau
sistem informasi yang menggunakan beberapa pengetahuan dari seorang pakar.
Metode yang digunakan dalam penelitian ini adalah metode Naive Bayes dan Model
View Controller yang diimplementasikan pada PHP Framework Codeigniter dan
MySQL sebagai databasenya. Data yang diolah dalam penelitian ini adalah
pengetahuan tentang gejala-gelaja penyakit karies pada gigi yang diperoleh dari
seorang pakar. Hasil dari pengujian terhadap metode ini memberikan pengetahuan
yang dibutuhkan pasien dalam mencegah penyakit karies pada gigi dengan tingkat
akurasi sebesar 83,61%. Sistem pakar ini telah membantu masyarakat untuk mengenali
dan memperoleh informasi tentang kerusakan gigi. Sistem Pakar ini juga dapat
digunakan untuk mengambil langkah awal untuk mencegah gigi berlubang.
Kata Kunci: Sistem Pakar, Penyakit Karies Gigi, Naïve Bayes, Framework
Codeigniter, MySQL
ix
ABSTRACT
Caries disease in human teeth is a disease that permanently destroys the inner
walls of teeth and forms small holes in the teeth. The Indonesian people lack the
knowledge to find information and identify tooth decay, which makes many people
unaware of the consequences and dangers of this disease. Tooth decay disease is
usually caused by three factors. The first factor is teeth and saliva, which are the hosts
of microorganisms in the oral cavity. Bacteria and food are the second and third
factors. The purpose of this research is to help the public find information about tooth
decay, thus forming a branch of artificial intelligence, the expert system. Artificial
intelligence is a science that allows you to build computer systems that display
intelligence in different ways. An expert system is a computer program or information
system that uses some knowledge of an expert. The methods used in this study are the
Naive Bayes method and the model's view controller, which are implemented as a
database in the PHP Codeigniter framework and MySQL. The data processed in this
study is knowledge about the symptoms of dental caries obtained from experts. The
test results of this method provide patients with the knowledge necessary to prevent
tooth decay, with an accuracy rate of 83.61%. This expert system helps the public to
recognize and obtain information about tooth decay. The Expert System can also be
used to take the first step in preventing tooth decay.
DAFTAR ISI
I PENDAHULUAN
1.1 Latar Belakang 1
1.2 Perumusan Masalah 3
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
1.6 Sistematika Penulisan 5
II LANDASAN TEORI
2.1 Artificial Intelligence 6
2.2 Sistem Pakar 6
2.3 Metode Naive Bayes 8
xi
DAFTAR PUSTAKA 72
LAMPIRAN
xii
xiii
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
PENDAHULUAN
Penyakit karies pada gigi manusia merupakan sebuah penyakit yang merusak
lapisan gigi secara permanen dan membentuk lubang kecil pada gigi. Kurangnya
pengetahuan masyarakat Indonesia dalam mendapatkan informasi dan mengenali
penyakit karies pada gigi, menyebabkan banyak masyarakat tidak memperdulikan
akibat dan bahaya dari penyakit tersebut.
Gangguan pada karies gigi sering terjadi karena 3 (tiga) faktor yang saling
bekerja sama. Faktor pertama adalah gigi dan ludah sebagai tuan rumah bagi
mikroorganisme yang ada dalam mulut. Bakteri dan makanan sebagai faktor kedua
dan ketiga. Keadaan ini masih bisa berlanjut lagi dengan adanya faktor waktu, jika
faktor tersebut saling tumpang tindih, maka terjadilah karies gigi (Arysespajayadi dkk,
2019).
Dari berbagai faktor tersebut, terdapat sistem yang dapat menyelesaikan masalah
dan menemukan solusinya dengan alat bantu seperti aplikasi kecerdasan buatan
(Artificial Intelligence). Oleh karena itu dibuatlah sebuah Sistem Pakar untuk
mengidentifikasi penyakit karies pada gigi manusia. Artificial Intelligence merupakan
suatu ilmu tentang bagaimana membangun suatu sistem komputer yang menunjukkan
kecerdasan dalam berbagai cara (Kurnia, 2018).
2
Aplikasi Sistem Pakar metode Naive Bayes ini dibuat menggunakan Framewok
Codeigniter. Framework merupakan sebuah library yang teroganisir dalam arsitektur
yang memberikan kecepatan, akurasi, kenyamanan dan konsistensi dalam
pengembangan aplikasi (Nur dkk, 2019). Framework Codeigniter adalah sebuah
aplikasi open source yang berfondasi dari Framework PHP dengan model MVC atau
biasa disebut Models View Controller yang digunakan untuk membangun suatu
website dinamik dengan menggunakan kode PHP (Rahman & Ratna, 2018).
Dari pengujian dan perhitungan, maka didapatkan tingkat akurasi yang baik dari
hasil perhitungan sistem dengan keputusan pakar sebesar 100% dari 10 data pengujian.
Berdasarkan tingkat akurasi dari hasil identifikasi terhadap sistem, maka penelitian ini
3
sangat tepat dalam mengidentifikasi penyakit pada tanaman kelapa sawit secara tepat
(Cahaya Khairani & Nurcahyo, 2020).
Metode Naive Bayes digunakan dalam proses klasifikasi data diagnosa penyakit
kanker Rahim dimana data yang diolah merupakan pasien yang sudah diagnosa secara
langsung, pada penelitian terlihat hasil yang didapat dari perhitungan metode Naive
Bayes sebesar 88% nilai yang hampir sama dengan tingkat akurasi diagnosa
menggunakan metode Certainty Factory (CF) yaitu 87,5%, dari data tersebut pasien
Rara Intan dinyatakan terkena penyakit kanker Rahim sehingga perlu dilakukan
antisipasi dan waspada tingkat tinggi terhadap keadaan kesehatan Rahim pasien itu
sendiri, tingkat akurasi sangat mendekati nilai pasti (Yendrizal, 2021).
Dari uraian yang dibahas diatas, maka peneliti melakukan penelitian dalam
bentuk tesis dengan judul “Sistem Pakar Dengan Menggunakan Metode Naive Bayes
Dalam Mengidentifikasi Penyakit Karies Pada Gigi Manusia”.
Agar pembahasan yang dilakukan dapat lebih terarah, maka diperlukan batasan
terhadap masalah yang diteliti. Batasan masalah dalam penelitian ini meliputi:
4
Bab I : Pendahuluan
Berisi Latar Belakang, Perumusan Masalah, Batasan Masalah, Tujuan
Penelitian, Manfaat Penelitian, dan Sistematika Penelitian.
Bab II : Landasan Teori
Pada bab ini dijelaskan teori dan penerapan metode yang berhubungan
dengan masalah yang dibahas terutama tentang Sistem Pakar yang menerapkan
metode Naive Bayes.
Bab III : Metodologi Penelitian
Bab ini membahas tentang analisa dan penggunaan secara matematis Sistem
Pakar yang menerapkan metode Naive Bayes.
Bab IV : Analisa dan Perancangan
Bab ini menjelaskan tentang kondisi objek penelitian, kondisi yang dijelaskan
meliputi penggambaran dan penguraian proses yang terjadi pada objek
penelitian hingga analisa dan desain.
Bab V : Implementasi dan Hasil
Bab ini membahas hasil implementasi Sistem Pakar yang menerapkan metode
Naive Bayes dalam mengidentifikasi penyakit karies pada gigi manusia.
Bab VI : Kesimpulan dan Saran
Bab ini membuat kesimpulan dan hasil penelitian Sistem Pakar yang
menerapkan metode Naive Bayes dalam mengidentifikasi penyakit karies pada
gigi manusia dan memberikan saran bagi peneliti berikutnya.
BAB II
LANDASAN TEORI
Definisi lain dari Artificial Intelligence adalah ilmu komputer tentang bagaimana
membangun suatu sistem komputer yang menunjukkan kecerdasan dalam berbagai
cara (Habibie & Aldo, 2019). Pada awalnya komputer berfungsi sebagai alat hitung,
komputer juga dibutuhkan dan diberdayakan untuk mengerjakan segala sesuatu yang
bisa dikerjakan oleh manusia. Kecerdasan buatan dapat digunakan dalam bidang
Robotics, Computer Vision, Artificial Neural System, Natural Language Processing,
Speech Recognition dan Expert System (Nas, 2019).
Expert system atau Sistem Pakar adalah salah satu bagian dari kecerdasan buatan
(Artificial Intelligent) yang dirancang untuk pengambilan keputusan yang diambil oleh
seorang pakar dengan menggunakan pengetahuan (Knowledge), fakta dan teknik
berfikir (Minarni & Irawan, 2019). Sistem Pakar adalah sistem terkomputerisasi yang
digunakan untuk pengambilan keputusan sebagaimana yang dipikirkan oleh para ahli
atau para pakar (Nababan dkk, 2018). Secara umum, Sistem Pakar merupakan suatu
sistem yang berusaha mengadopsi pengetahuan manusia kedalam komputer sehingga
komputer dapat menyelesaikan masalah seperti yang dilakukan oleh para pakar atau
para ahli (Aminudin dkk, 2019).
Metode Naive Bayes merupakan suatu metode klasifikasi yang berdasarkan pada
Teorema Bayes. Teorema Bayes adalah metode yang ditemukan oleh Thomas Bayes.
9
Metode Naive Bayes adalah metode yang digunakan dalam statistik untuk
mengeksplorasi peluang suatu hipotesis. Bayes Optimal Classifier mencari peluang
suatu kelas dari setiap kelompok atribut yang ada dan menentukan kelas mana yang
paling optimal (Irfansyah dkk, 2020). Naive Bayes merupakan salah satu mesin
pembelajaran (machine learning) yang menggunakan pengklasifikasian dengan
memanfaatkan probabilitas dan statistik (Burhani dkk, 2021).
Metode Naive Bayes merupakan salah satu metode sistem pakar yang
mengklasifikasikan probabilistik sederhana yang menghitung sekumpulan probabilitas
dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan
(Widodo dkk, 2021). Perhitungan proses Naive Bayes dimulai dari penentuan Naive
Bayes Classifier (nc) untuk setiap class. Dengan ketentuan jika hipotesis bernilai benar
maka bernilai 1, dan jika hipotesis bernilai salah maka bernilai 0 (Putra dkk, 2019).
Secara umum, teorema Bayes dinyatakan pada Persamaan (2.1) (Widiyawati dkk,
2018):
Dari rumus Persamaan 2.1 maka didapatkan rumus persamaan Naive Bayes,
terdapat pada Persamaan (2.2) (Widiyawati dkk, 2018).
𝑛𝑐 + 𝑔 ∗ 𝑝
𝑏(𝐺𝑃𝐾𝑖 |𝑃𝐾𝐺𝐽 ) = (2.2)
𝑛+𝑔
10
Menentukan hasil klasifikasi atau total probabilitas yaitu nilai yang memiliki
hasil perkalian terbesar. Tingkat akurasi probabilitas Sistem Pakar, dilakukan dengan
menggunakan rumus probabilitas, terdapat pada Persamaan (2.4).
𝑘
𝑃 (𝐸 ) = 𝑥100% (2.4)
𝑁
Dimana P merupakan probabilitas, E merupakan peristiwa, k merupakan jumlah
kejadian berhasil, dan N merupakan jumlah seluruh berhasil.
Menurut organisasi kesehatan dunia (WHO), karies gigi merupakan suatu proses
patologis pasca erupsi yang terlokalisasi dan disebabkan oleh faktor luar. Proses ini
dimulai dengan kerusakan jaringan email yang menjadi lunak pada akhirnya
menyebabkan terjadinya Kavita (Nugroho, 2020). Karies gigi atau gigi berlubang
adalah salah satu penyakit gigi yang disebabkan karena bakteri yang dapat merusak
bagian jaringan gigi seperti email, dentin dan sementum (Istiqhfarani dkk, 2020).
Karies gigi atau gigi berlubang merupakan suatu penyakit pada jaringan gigi
yang ditandai dengan kerusakan jaringan, dimulai dari permukaan gigi yaitu email,
dentin dan meluas ke arah pulpa (Sukarsih dkk, 2019). Karies gigi juga didefiniskan
sebagai suatu penyakit kronik yang prosesnya berlangsung lama sehingga dapat
hilangnya ion-ion mineral secara kronik dan terus menerus dari permukaan enamel
pada mahkota atau permukaan akar yang sebagian besar diserang atau distimulasi oleh
11
bakteri. Serangan karies gigi lebih banyak dialami pada gigi belakang dikarenakan gigi
belakang manusia pada umumnya menyisakan makanan pada saat makan (Tugiono
dkk, 2021).
Terdapat tiga (3) teori dari mekanisme terjadinya penyakit karies gigi, yaitu teori
protheolysis, proteolitic-chelation dan chemoparasitic atau disebut juga dengan teori
asidogenik. Teori asidogenik adalah pembentukan karies gigi disebabkan oleh asam
yang dihasilkan oleh aksi mikroorganisme terhadap karbohidrat. Reaksi tersebut
ditandai dengan dekalsifikasi komponen inorganik dilanjutkan oleh disintegrasi
substansi organik yang berasal dari gigi (Arysespajayadi dkk, 2019).
Definisi lain, CodeIgniter adalah salah satu framework pemrograman PHP yang
bersifat open source dengan model MVC (Model, View, Controller) yang terdiri dari:
1. Model merupakan kode program (berupa OOP class) yang digunakan untuk
memanipulasi relasi basis data.
2. View merupakan kode program yang digunakan sebagai template html/xml
untuk menampilkan data pada browser.
3. Controller merupakan kode program yang digunakan untuk mengontrol
aliran logika aplikasi (Fadllullah dkk, 2021).
12
Model, View, Controller (MVC) merupakan sebuah metode yang berguna untuk
membuat aplikasi dengan memisahkan data atau query (Model) dari tampilan atau user
interface (View) dan cara pemrosesannya (Controller) (Budiman & Nugraha, 2019).
CodeIgniter merupakan sebuah Web framework yang dirancang agar aplikasi menjadi
ringan, cepat, handal dan mudah digunakan. Framework CodeIgniter mempunyai
beberapa keunggulan sebagai berikut:
1. Gratis, CodeIgniter merupakan framework yang berada dibawah lisensi
open source yang dapat melakukan apapun.
2. Cepat, berdasarkan dokumentasi performa yang dimiliki terbukti lebih cepat
dibandingkan dengan framework lainya.
3. Menggunakan konsep Model, View, Controller (MVC), agar kita dapat
memisahkan bagian logic dan presentation dari aplikasi yang dibuat
sehingga mempermudah programmer hanya fokus ke dalam pembangunan
logic sedangkan desainer berfokus pada template file (Setyawan, 2020).
Framework Codeigniter adalah sebuah framework PHP yang populer dan paling
banyak digunakan. Framework Codeigniter disebut juga Application Development
Framework yaitu sebuah toolkit yang digunakan oleh para pengembang aplikasi
berbasis web yang menggunakan bahasa pemrograman PHP. Tujuan Framework
Codeigniter untuk mempercepat dalam penulisan program karena CodeIgniter
menyediakan banyak libraries yang umum dan sering digunakan dengan cara
penggunaan yang sangat mudah dan simpel, sehingga programmer dapat fokus pada
pembuatan program dengan meminimalkan penulisan koding yang dibutuhkan
(Abdussalaam & Mardiansyah Ramadhan, 2019).
METODOLOGI PENELITIAN
3.1 Pendahuluan
Kerangka penelitian atau kerangka kerja memiliki tujuan agar mendapat hasil
seperti yang diharapkan dan mudah untuk menyelesaikan permasalahan serta mudah
dipahami. Langkah-langkah yang akan dibuat pada penelitian ini disusun secara
sistematis. Langkah-langkah tersebut dapat dilihat pada Gambar 3.1 berikut:
23
3. Analisa Sistem
Tahap analisa merupakan salah satu tahapan yang penting dalam penelitian ini.
Oleh karena itu, pada tahap inilah nantinya dilakukan analisa terhadap sistem yang
akan dikembangkan. Seperti menganalisa data yang dibutuhkan sistem, biaya untuk
pembangunan sistem serta langkah-langkah yang dibutuhkan untuk perancangan yang
diinginkan sampai pada analisis yang diharapkan.
4. Perancangan Sistem
Tahapan perancangan ini, peneliti melakukan perancangan sistem agar dapat
digunakan oleh pakar dan pasien sebagai media konsultasi. Sistem yang dibuat
menggunakan bahasa pemograman PHP Framework CodeIgniter dan MySQL sebagai
databasenya. Sistem ini dirancang berbasis web agar dapat diakses oleh masyarakat
luas.
5. Implementasi Sistem
Implementasi merupakan tahapan dalam pengaplikasian atau penerapan dari
Sistem Pakar yang telah dirancang dan dibuat. Implementasi bertujuan untuk
mengkonfirmasi modul-modul perancangan, sehingga pengguna dapat memberi
masukan kepada pengembangan aplikasi system pakar. Dalam membangun sebuah
sistem yang berbasis komputerisasi ada 2 komponen yang harus dipenuhi, yaitu
spesifikasi hardware dan software yang digunakan adalah sebagai berikut:
a. Perangkat Keras (Hardware)
1) Laptop MSI.
2) Processor Intel Core i7 9th Gen.
3) Memory 8GB.
4) SSD 512GB.
b. Perangkat Lunak (Software)
1) Sistem Operasi Windows 10.
2) XAMPP.
3) Visual Studio Code.
4) Google Chrome.
6. Pengujian Sistem
Pengujian hasil ini bertujuan untuk menguji apakah data yang digunakan sesuai
dengan sistem yang diharapkan. Pengujian data yang telah dilakukan dengan
melakukan perhitungan dan analisa secara manual menggunakan metode Naive Bayes.
25
Dalam tahap uji coba ini dilakukan dengan menggunakan sistem yang telah dibangun
serta melakukan perbandingan terhadap hasil yang telah didapatkan secara manual dan
dengan sistem. Hasil pengujian yang diperoleh dalam bentuk persentase (%) sebagai
tingkat akurasi.
BAB IV
Pada tahap analisa dan perancangan yang dilakukan untuk menganalisa sistem
dengan tujuan untuk memperoleh pengetahuan yang berkaitan dengan penyakit karies
pada gigi dengan metode Naive Bayes. Sistem yang akan dibangun berupa sistem
pakar yang dalam hal ini akan digunakan untuk mengidentifikasi penyakit karies pada
gigi manusia dengan menggunakan teknik inferensi Naive Bayes. Proses kerja yang
akan dilakukan dalam pembangunan sistem ini disesuaikan dengan sistem pakar yang
memakai metode Naive Bayes. Proses awal yang dilakukan adalah menetapkan data
penyakit dan gejala dari karies gigi, kemudian melakukan pembentukan rule dengan
menggunakan metode naive bayes, proses selanjutnya adalah user atau pasien
melakukan analisa dengan memilih gejala yang dialami saja dari semua gejala yang
ditampilkan, dalam proses terakhir ini barulah sistem melakukan proses perhitungan
berdasarkan gejala yang dipilih menggunakan metode Naive Bayes. Untuk
memudahkan dalam analisa dan perancangan, maka dibuat tahapan analisa dan
perancangan seperti Gambar 4.1.
ANALISA SISTEM
ANALISA DATA PERANCANGAN
NAIVE BAYES
Dari hasil uji yang sudah didapatkan dari drg. Agus Nikmala Putra yang berupa
data rekam medik pasien untuk konsultasi penyakit karies gigi. Berikut merupakan
sampel data rekam medik yang di peroleh langsung dari pakar yang akan
diimplementasikan dengan metode Naive Bayes. Dapat dilihat pada Tabel 4.2 sebagai
berikut:
28
1. Gigi terasa
berlubang.
2. Ada lubang
hitam di
Melakukan penambalan
permukaan gigi.
dengan menggunakan
22 3. Kedalaman Karies
1 Pasien 1 semen ionomer kaca
Tahun lubang kecil. Superfisialis
(GIC) atau resin
4. Gigi terasa
komposit.
ngilu.
5. Jika makan gigi
akan lebih terasa
sakit.
Melakukan pengobatan
1. Gigi berlubang.
jangka pendek setelah
2. Lubang
dua kali kunjungan
berwarna coklat.
untuk mengatasi rasa
3. Gigi sakit
38 Karies sakit. Melakukan
2 Pasien 2 apabila diketuk.
Tahun Media penambalan secara
4. Gigi agak nyeri.
permanen setelah 5
5. Jika makan gigi
sampai 7 hari (pasien
akan lebih terasa
tidak memiliki
sakit.
keluhan).
Dokter harus
melakukan analisis
yang tepat untuk
menentukan jenis
penyakitnya. Perawatan
1. Gigi ngilu
berulang biasanya
berdenyut-
empat sampai enam kali
denyut.
kunjungan. Dokter
2. Gigi terasa
menggunakan berbagai
ngilu.
instrumen untuk
3. Gigi sakit
21 Karies perawatan saluran akar
3 Pasien 3 apabila diketuk.
Tahun Profunda dan menggunakan
4. Terjadi
berbagai antiseptik
pembengkakan
untuk mendisinfeksi
pada gusi.
saluran akar yang
5. Gigi sangat
terinfeksi. Pada akhir
nyeri.
perawatan, dokter gigi
6. Gigi tanggal.
mengganti saluran akar
dan melakukan
penambalan permanen
lima sampai tujuh hari
kemudian.
29
Melakukan pengobatan
1. Gigi berlubang. jangka pendek setelah
2. Lubang dua kali kunjungan
berwarna coklat. untuk mengatasi rasa
25 3. Gigi sakit Karies sakit. Melakukan
4 Pasien 4
Tahun apabila diketuk. Media penambalan secara
4. Gigi terasa permanen setelah 5
ngilu. sampai 7 hari (pasien
1. Gigi tanggal. tidak memiliki
keluhan).
Dirujuk ke dokter gigi
untuk dilakukan kaping
pulpa, jika gigi blm
1. Tidak terkena
pernah ada riwayat sakit
rangsangan gigi
dan gigi masih
tetap terasa
memungkinkan untuk
sakit.
direstorasi. Dirujuk ke
2. Gigi kadang
dokter gigi untuk
sulit untuk
perawatan saluran akar
mengunyah.
jika gigi memiliki
3. Kadang sakit
Karies riwayat nyeri dan masih
40 kepala pada gigi
5 Pasien 5 Pulpitis dapat diperbaiki.
Tahun bagian sisi yang
Kronik Dirujuk ke dokter gigi
sakit.
untuk dilakukan
4. Gusi berdenyut
pencabutan gigi, jika
< 1 menit.
gigi tidak
5. Terjadi
memungkinkan lagi
pembengkakan
direstorasi. Apabila
pada gusi.
terjadi peradangan
2. Gigi sangat
jaringan periodontal,
nyeri.
maka harus dilakukan
premedikasi terlebih
dulu.
1. Antar gigi Dirujuk ke dokter gigi
bagian atas dan untuk dilakukan kaping
bawah yang pulpa, jika gigi belum
belum pernah ada riwayat sakit
bersentuhan, dan gigi masih
namun gigi Karies memungkinkan untuk
39
6 Pasien 6 tersebut terasa Pulpitis direstorasi. Dirujuk ke
Tahun
sudah Akut dokter gigi untuk
bersentuhan. perawatan saluran akar
2. Gusi berdenyut jika gigi memiliki
> 1 menit. riwayat nyeri dan masih
3. Tidak dapat dapat diperbaiki.
digunakan untuk Dirujuk ke dokter gigi
30
Melakukan pengobatan
1. Gigi berlubang. jangka pendek setelah
2. Gusi berdenyut dua kali kunjungan
> 1 menit. untuk mengatasi rasa
21 3. Gigi sakit Karies sakit. Melakukan
9 Pasien 9
Tahun apabila diketuk. Media penambalan secara
4. Gigi terasa permanen setelah 5
ngilu. sampai 7 hari (pasien
5. Gigi agak nyeri. tidak memiliki
keluhan).
Dirujuk ke dokter gigi
untuk dilakukan kaping
pulpa, jika gigi blm
pernah ada riwayat sakit
1. Tidak terkena
dan gigi masih
rangsangan gigi
memungkinkan untuk
tetap terasa
direstorasi. Dirujuk ke
sakit.
dokter gigi untuk
2. Gigi kadang
perawatan saluran akar
sulit untuk
jika gigi memiliki
mengunyah.
Karies riwayat nyeri dan masih
25 3. Kadang sakit
10 Pasien 10 Pulpitis dapat diperbaiki.
Tahun kepala pada gigi
Kronik Dirujuk ke dokter gigi
bagian sisi yang
untuk dilakukan
sakit.
pencabutan gigi, jika
4. Gusi berdenyut
gigi tidak
< 1 menit.
memungkinkan lagi
Jika makan gigi
direstorasi. Apabila
akan lebih terasa
terjadi peradangan
sakit.
jaringan periodontal,
maka harus dilakukan
premedikasi terlebih
dulu.
1. Tidak terkena
rangsangan gigi
tetap terasa
sakit.
Melakukan penambalan
2. Gigi kadang
dengan menggunakan
25 sulit untuk Karies
11 Pasien 11 semen ionomer kaca
Tahun mengunyah. Superfisialis
(GIC) atau resin
3. Gigi tidak sakit
komposit.
apabila diketuk.
4. Ada Lubang
Hitam di
permukaan Gigi.
32
5. Kedalaman
lubang kecil.
Dokter harus
melakukan analisis
yang tepat untuk
menentukan jenis
penyakitnya. Perawatan
berulang biasanya
1. Kedalaman
empat sampai enam kali
lubang kecil.
kunjungan. Dokter
2. Gigi berlubang.
menggunakan berbagai
3. Gigi terasa
instrumen untuk
ngilu.
38 Karies perawatan saluran akar
12 Pasien 12 4. Gigi sangat
Tahun Profunda dan menggunakan
nyeri.
berbagai antiseptik
5. Dapat terjadi
untuk mendisinfeksi
bengkak namun
saluran akar yang
tidak
terinfeksi. Pada akhir
berkepanjangan.
perawatan, dokter gigi
mengganti saluran akar
dan melakukan
penambalan permanen
lima sampai tujuh hari
kemudian.
Dirujuk ke dokter gigi
untuk dilakukan kaping
pulpa, jika gigi blm
pernah ada riwayat sakit
1. Tidak terkena dan gigi masih
rangsangan gigi memungkinkan untuk
tetap terasa direstorasi. Dirujuk ke
sakit. dokter gigi untuk
2. Gigi kadang perawatan saluran akar
sulit untuk Karies jika gigi memiliki
21
13 Pasien 13 mengunyah. Pulpitis riwayat nyeri dan masih
Tahun
3. Kadang sakit Kronik dapat diperbaiki.
kepala pada gigi Dirujuk ke dokter gigi
bagian sisi yang untuk dilakukan
sakit. pencabutan gigi, jika
4. Kedalaman gigi tidak
lubang kecil. memungkinkan lagi
direstorasi. Apabila
terjadi peradangan
jaringan periodontal,
maka harus dilakukan
33
premedikasi terlebih
dulu.
1. Ada Lubang Melakukan pengobatan
Hitam di jangka pendek setelah
permukaan Gigi. dua kali kunjungan
2. Kedalaman untuk mengatasi rasa
37 lubang kecil. Karies sakit. Melakukan
14 Pasien 14 penambalan secara
Tahun 3. Gigi sakit Media
apabila diketuk. permanen setelah 5
4. Gigi terasa sampai 7 hari (pasien
ngilu. tidak memiliki
5. Gigi agak nyeri. keluhan).
1. Gigi tidak sakit
apabila diketuk.
2. Ada Lubang
Melakukan penambalan
Hitam di
dengan menggunakan
21 permukaan Gigi. Karies
15 Pasien 15 semen ionomer kaca
Tahun 3. Kedalaman Superfisialis
(GIC) atau resin
lubang kecil.
komposit.
4. Gigi berlubang.
5. Lubang
berwarna coklat.
Dokter harus
melakukan analisis
yang tepat untuk
1. Gigi ngilu menentukan jenis
berdenyut- penyakitnya. Perawatan
denyut. berulang biasanya
2. Gigi terasa empat sampai enam kali
ngilu. kunjungan. Dokter
3. Gusi berdenyut menggunakan berbagai
< 1 menit. instrumen untuk
45 4. Gigi terasa Karies perawatan saluran akar
16 Pasien 16
Tahun berlubang. Profunda dan menggunakan
5. Terjadi berbagai antiseptik
pembengkakan untuk mendisinfeksi
pada gusi. saluran akar yang
6. Jika makan gigi terinfeksi. Pada akhir
akan lebih terasa perawatan, dokter gigi
sakit. mengganti saluran akar
7. Gigi tanggal. dan melakukan
penambalan permanen
lima sampai tujuh hari
kemudian.
34
1. Gigi terasa
berlubang.
2. Gigi tidak ada
Melakukan penambalan
rasa ngilu.
dengan menggunakan
40 3. Gigi tidak sakit Karies
17 Pasien 17 semen ionomer kaca
Tahun apabila diketuk. Superfisialis
(GIC) atau resin
4. Jika makan gigi
komposit.
akan lebih terasa
sakit.
5. Gigi tanggal.
1. Tidak terkena Dirujuk ke dokter gigi
rangsangan gigi untuk dilakukan kaping
tetap terasa pulpa, jika gigi blm
sakit. pernah ada riwayat sakit
2. Gigi kadang dan gigi masih
sulit untuk memungkinkan untuk
mengunyah. direstorasi. Dirujuk ke
3. Kadang sakit dokter gigi untuk
kepala pada gigi perawatan saluran akar
bagian sisi yang jika gigi memiliki
sakit. Karies riwayat nyeri dan masih
24
18 Pasien 18 4. Gusi berdenyut Pulpitis dapat diperbaiki.
Tahun
< 1 menit. Kronik Dirujuk ke dokter gigi
5. Jika makan gigi untuk dilakukan
akan lebih terasa pencabutan gigi, jika
sakit. gigi tidak
6. Dapat terjadi memungkinkan lagi
bengkak namun direstorasi. Apabila
tidak terjadi peradangan
berkepanjangan. jaringan periodontal,
maka harus dilakukan
premedikasi terlebih
dulu.
1. Gigi berlubang.
2. Lubang Melakukan pengobatan
berwarna coklat. jangka pendek setelah
3. Gigi sakit dua kali kunjungan
apabila diketuk. untuk mengatasi rasa
29 4. Gigi kadang Karies sakit. Melakukan
19 Pasein 19
Tahun sulit untuk Media penambalan secara
mengunyah. permanen setelah 5
5. Kadang sakit sampai 7 hari (pasien
kepala pada gigi tidak memiliki
bagian sisi yang keluhan).
sakit.
35
Pengumpulan data dari pakar gigi memperoleh data 5 jenis penyakit karies
pada gigi. Setiap jenis penyakit karies gigi diberikan kode berupa huruf dan angka.
Dapat dilihat pada Tabel 4.3 sebagai berikut:
Tabel 4.3 Data Jenis-jenis Penyakit Karies pada Gigi dan Solusi
Kode Penyakit Jenis Penyakit Solusi
Melakukan penambalan dengan
PKG01 Karies Superfisialis menggunakan semen ionomer kaca (GIC)
atau resin komposit.
38
Tabel 4.3 Data Jenis-jenis Penyakit Karies pada Gigi dan Solusi (Lanjutan)
Kode Penyakit Jenis Penyakit Solusi
1. Melakukan pengobatan jangka pendek
setelah dua kali kunjungan untuk
mengatasi rasa sakit.
PKG02 Karies Media
2. Melakukan penambalan secara
permanen setelah 5 sampai 7 hari
(pasien tidak memiliki keluhan).
1. Dokter harus melakukan analisis yang
tepat untuk menentukan jenis
penyakitnya.
2. Perawatan berulang biasanya empat
sampai enam kali kunjungan.
3. Dokter menggunakan berbagai
instrumen untuk perawatan saluran
PKG03 Karies Profunda
akar dan menggunakan berbagai
antiseptik untuk mendisinfeksi saluran
akar yang terinfeksi.
4. Pada akhir perawatan, dokter gigi
mengganti saluran akar dan melakukan
penambalan permanen lima sampai
tujuh hari kemudian.
1. Dirujuk ke dokter gigi untuk dilakukan
kaping pulpa, jika gigi blm pernah ada
riwayat sakit dan gigi masih
memungkinkan untuk direstorasi.
2. Dirujuk ke dokter gigi untuk perawatan
saluran akar jika gigi memiliki riwayat
Karies Pulpitis
PKG04 nyeri dan masih dapat diperbaiki.
Kronik
3. Dirujuk ke dokter gigi untuk dilakukan
pencabutan gigi, jika gigi tidak
memungkinkan lagi direstorasi.
4. Apabila terjadi peradangan jaringan
periodontal, maka harus dilakukan
premedikasi terlebih dulu.
1. Dirujuk ke dokter gigi untuk dilakukan
kaping pulpa, jika gigi belum pernah
ada riwayat sakit dan gigi masih
memungkinkan untuk direstorasi.
2. Dirujuk ke dokter gigi untuk perawatan
saluran akar jika gigi memiliki riwayat
PKG05 Karies Pulpitis Akut nyeri dan masih dapat diperbaiki.
3. Dirujuk ke dokter gigi untuk dilakukan
pencabutan gigi, jika gigi tidak
memungkinkan lagi direstorasi.
4. Apabila terjadi peradangan jaringan
periodontal, maka harus dilakukan
premedikasi terlebih dulu.
(Sumber: drg. Agus Nikmala Putra)
39
Terdapat beberapa gejala yang timbul dari setiap jenis penyakit karies pada
gigi. Terdapat 24 (Dua Puluh Empat) gejala pada penyakit karies gigi dan diberikan
kode berupa huruf dan angka. Dapat dilihat pada Tabel 4.4 sebagai berikut:
Tabel 4.4 Data Gejala Penyakit Karies pada Gigi
Kode Gejala Gejala
GPK01 Gigi Terasa Berlubang.
GPK02 Gigi Tidak Ada Rasa Ngilu.
GPK03 Gigi Tidak Sakit Apabila Diketuk.
GPK04 Ada Lubang Hitam Di Permukaan Gigi.
GPK05 Kedalaman Lubang Kecil.
GPK06 Gigi Berlubang.
GPK07 Lubang Berwarna Coklat.
GPK08 Gigi Sakit Apabila Diketuk.
GPK09 Gigi Terasa Ngilu.
GPK10 Gigi Agak Nyeri.
GPK11 Gigi Ngilu Berdenyut-Denyut.
GPK12 Terjadi Pembengkakan Pada Gusi.
GPK13 Gigi Sangat Nyeri.
GPK14 Gigi Tanggal.
GPK15 Tidak Terkena Rangsangan Gigi Tetap Terasa Sakit.
GPK16 Gigi Kadang Sulit Untuk Mengunyah.
GPK17 Kadang Sakit Kepala Pada Gigi Bagian Sisi Yang Sakit.
GPK18 Gusi Berdenyut < 1 Menit.
GPK19 Jika Makan Gigi Akan Lebih Terasa Sakit.
GPK20 Dapat Terjadi Bengkak Namun Tidak Berkepanjangan.
GPK21 Antar Gigi Bagian Atas Dan Bawah Yang Belum Bersentuhan,
Namun Gigi Tersebut Terasa Sudah Bersentuhan.
GPK22 Gusi Berdenyut > 1 Menit.
GPK23 Tidak Dapat Digunakan Untuk Mengunyah Karena Gigi Akan
Terasa Sakit.
GPK24 Jika Makan Menyebabkan Sakit Yang Mengganggu.
(Sumber: drg. Agus Nikmala Putra)
antara gejala dengan penyakitnya serta terdapat solusi yang berdasarkan pengumpulan
data dari pakar gigi atau dokter gigi.
Tabel 4.5 Rule Gejala dan Penyakit
Kode Penyakit Jenis Penyakit Gejala/Rule
GPK01, GPK02, GPK03, GPK04,
PKG01 Karies Superfisialis
GPK05
GPK06, GPK07, GPK08, GPK09,
PKG02 Karies Media
GPK10
GPK08, GPK09, GPK10, GPK11,
PKG03 Karies Profunda
GPK12, GPK13, GPK14
GPK15, GPK16, GPK17, GPK18,
PKG04 Karies Pulpitis Kronik
GPK19, GPK20
PKG05 Karies Pulpitis Akut GPK21, GPK22, GPK23, GPK24
(Sumber: drg. Agus Nikmala Putra)
Uji coba perhitungan dengan menggunakan metode Naive Bayes yang berasal
dari data konsultasi sebanyak 23 pasien. Perhitungan Naive Bayes diterapkan pada
pasien ke-1 yang mengalami gejala gigi terasa berlubang (GPK01), ada lubang hitam
di permukaan gigi (GPK04), kedalaman lubang kecil (GPK05), gigi terasa ngilu
(GPK09), dan jika makan gigi akan lebih terasa sakit (GPK19). Pada tahapan ini ada
beberapa langkah dan uji coba yang akan dicari menggunakan metode Naive Bayes:
1. Menentukan nilai nc untuk setiap class dan menghitung nilai probabilitas
yang terdapat pada BAB II dengan nomor rumus 2.2.
a. Penyakit ke-1: Penyakit Karies Superfisialis
𝑛=1
1
𝑝= = 0,2
5
𝑔 = 24
𝐺𝑃𝐾01. 𝑛𝑐 = 1
𝐺𝑃𝐾04. 𝑛𝑐 = 1
𝐺𝑃𝐾05. 𝑛𝑐 = 1
𝐺𝑃𝐾09. 𝑛𝑐 = 0
𝐺𝑃𝐾19. 𝑛𝑐 = 0
41
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏1 (𝐺𝑃𝐾01|PKG01) = = = 0,232
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏1 (𝐺𝑃𝐾04|PKG01) = = = 0,232
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏1 (𝐺𝑃𝐾05|PKG01) = = = 0,232
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏1 (𝐺𝑃𝐾09|PKG01) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏1 (𝐺𝑃𝐾19|PKG01) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏(PKG01) = = = 0,232
𝑛+𝑔 1 + 24
b. Penyakit ke-2: Penyakit Karies Media
𝑛=1
1
𝑝= = 0,2
5
𝑔 = 24
𝐺𝑃𝐾01. 𝑛𝑐 = 0
𝐺𝑃𝐾04. 𝑛𝑐 = 0
𝐺𝑃𝐾05. 𝑛𝑐 = 0
𝐺𝑃𝐾09. 𝑛𝑐 = 1
𝐺𝑃𝐾19. 𝑛𝑐 = 0
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏2 (𝐺𝑃𝐾01|PKG02) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏2 (𝐺𝑃𝐾04|PKG02) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏2 (𝐺𝑃𝐾05|PKG02) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏2 (𝐺𝑃𝐾09|PKG02) = = = 0,232
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏2 (𝐺𝑃𝐾19|PKG02) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏(PKG01) = = = 0,232
𝑛+𝑔 1 + 24
c. Penyakit ke-3: Penyakit Karies Profunda
𝑛=1
42
1
𝑝= = 0,2
5
𝑔 = 24
𝐺𝑃𝐾01. 𝑛𝑐 = 0
𝐺𝑃𝐾04. 𝑛𝑐 = 0
𝐺𝑃𝐾05. 𝑛𝑐 = 0
𝐺𝑃𝐾09. 𝑛𝑐 = 1
𝐺𝑃𝐾19. 𝑛𝑐 = 0
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏3 (𝐺𝑃𝐾01|PKG03) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏3 (𝐺𝑃𝐾04|PKG03) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏3 (𝐺𝑃𝐾05|PKG03) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏3 (𝐺𝑃𝐾09|PKG03) = = = 0,232
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏3 (𝐺𝑃𝐾19|PKG03) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏(PKG03) = = = 0,232
𝑛+𝑔 1 + 24
d. Penyakit ke-4: Penyakit Karies Pulpitis Kronik
𝑛=1
1
𝑝= = 0,2
5
𝑔 = 24
𝐺𝑃𝐾01. 𝑛𝑐 = 0
𝐺𝑃𝐾04. 𝑛𝑐 = 0
𝐺𝑃𝐾05. 𝑛𝑐 = 0
𝐺𝑃𝐾09. 𝑛𝑐 = 0
𝐺𝑃𝐾19. 𝑛𝑐 = 1
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏4 (𝐺𝑃𝐾01|PKG04) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏4 (𝐺𝑃𝐾04|PKG04) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏4 (𝐺𝑃𝐾05|PKG04) = = = 0,192
𝑛+𝑔 1 + 24
43
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏4 (𝐺𝑃𝐾09|PKG04) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏4 (𝐺𝑃𝐾19|PKG04) = = = 0,232
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏(PKG04) = = = 0,232
𝑛+𝑔 1 + 24
e. Penyakit ke-5: Penyakit Karies Pulpitis Akut
𝑛=1
1
𝑝= = 0,2
5
𝑔 = 24
𝐺𝑃𝐾01. 𝑛𝑐 = 0
𝐺𝑃𝐾04. 𝑛𝑐 = 0
𝐺𝑃𝐾05. 𝑛𝑐 = 0
𝐺𝑃𝐾09. 𝑛𝑐 = 0
𝐺𝑃𝐾19. 𝑛𝑐 = 0
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏5 (𝐺𝑃𝐾01|PKG05) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏5 (𝐺𝑃𝐾04|PKG05) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏5 (𝐺𝑃𝐾05|PKG05) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏5 (𝐺𝑃𝐾09|PKG05) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 0 + 24 ∗ 0,2
𝑏5 (𝐺𝑃𝐾19|PKG05) = = = 0,192
𝑛+𝑔 1 + 24
𝑛𝑐 + 𝑔 ∗ 𝑝 1 + 24 ∗ 0,2
𝑏(PKG05) = = = 0,232
𝑛+𝑔 1 + 24
2. Menghitung nilai probabilitas total untuk setiap penyakit karies yang
terdapat pada BAB II dengan nomor rumus 2.3.
a. Penyakit ke-1: Penyakit Karies Superfisialis
= 𝑏(𝑃𝐾𝐺 ) × [𝑏1 (𝐺𝑃𝐾01|PKG01) × 𝑏1 (𝐺𝑃𝐾04|PKG01)
× 𝑏1 (𝐺𝑃𝐾05|PKG01) × 𝑏1 (𝐺𝑃𝐾09|PKG01)
× 𝑏1 (𝐺𝑃𝐾19|PKG01)]
= 0,232 × [0,232 × 0,232 × 0,232 × 0,192 × 0,192]
= 0,0106795854987264
44
Keluaran (output) pada umumnya merupakan hasil dari proses yang dapat
disajikan dalam bentuk laporan. Desain output berguna untuk menetapkan output-
output apa yang diperlukan dan bagaimana bentuk output yang diinginkan. Desain
Output dalam perancangan sistem ini sebagai berikut:
1. Desain Laporan Hasil Konsultasi User
Desain laporan hasil konsultasi ini pasien dapat melihat hasil konsultasi
yang telah dilakukannya dengan sistem. Hasil konsultasi ini ditampilkan
setelah proses konsultasi yang telah dilakukan oleh pasien. Analisa desain
46
Desain input merupakan suatu alat pemasukan data yang dibutuhkan dalam
proses memasukkan data yang disajikan dalam bentuk form. Desain input juga menjadi
47
antar muka terhadap pengguna seperti admin dan pasien. Adapun rancangan desain
input pada sistem pakar dengan menggunakan metode Naive Bayes dalam
mengidentifikasi penyakit karies pada gigi manusia dapat digambarkan seperti berikut.
1. Desain Halaman Login Admin
Halaman Login Admin merupakan halaman dimana admin bisa
masuk ke dalam sistem agar dapat mengakses sistem. Saat login admin
harus mengisi username dan password yang hanya diketahui oleh admin
sendiri. Dengan bentuk rancangan seperti Gambar 4.5
Desain file (database) sangat diperlukan untuk menentukan isi data yang
dibutuhkan sistem. File-file tersebut terdiri dari beberapa record, record terdiri dari
beberapa field, setiap record nantinya akan menampung data-data untuk mendapatkan
suatu informasi. Bentuk dari desain file (database) dapat dilihat sebagai berikut.
50
1. File Admin
Merupakan struktur file tempat merekam data-data admin. File admin
digunakan pada saat proses login sebagai admin. Dengan bentuk struktur
seperti pada tabel 4.7.
Tabel 4.7 Desain File Admin
Nama database : nb_karies
Nama tabel : pk_admin
Field key : id_admin
Name Fields Type Length Description
id_admin int 11 Id Admin
username varchar 15 Username
password varchar 255 Password
nm_admin varchar 1 Nama Admin
level tinyint 4 Level
email varchar 70 Email
Total 455 Bytes
2. File Pasien
Merupakan struktur file tempat merekam data-data pasien. File pasien
digunakan pada saat proses login sebagai pasien. Dengan bentuk struktur
seperti pada tabel 4.8.
Tabel 4.8 Desain File Pasien
Nama database : nb_karies
Nama tabel : pk_pasien
Field key : id_pasien
Name Fields Type Length Description
id_pasien int 11 Id Pasien
username varchar 10 Username
password varchar 255 Password
nm_pasien varchar 1 Nama Pasien
alamat text - Alamat
jekel enum - Jenis Kelamin
nohp varchar 15 No Handphone
umur varchar 10 Umur Pasien
status tinyint 4 Status
Total 405 Bytes
51
3. File Karies
Merupakan struktur file tempat merekam data-data penyakit karies. Data
tersebut yang nantinya akan membantu pasien melihat penyakit yang di
derita. Dengan bentuk struktur seperti pada tabel 4.9.
Tabel 4.9 Desain File Karies
Nama database : nb_karies
Nama tabel : pk_karies
Field key : kd_karies
Name Fields Type Length Description
kd_karies varchar 10 Kode Penyakit Karies
nm_karies varchar 1 Nama Penyakit Karies
keterangan text - Keterangan Penyakit Karies
solusi text - Solusi Penyakit Karies
Total 110 Bytes
4. File Gejala
Merupakan struktur file tempat merekam data-data gejala penyakit karies.
Data tersebut yang nantinya akan menampilkan data-data gejala yang
dirasakan pasien yang nantinya pasien akan memilih gejala yang dirasakan.
Dengan bentuk struktur seperti pada tabel 4.10.
Tabel 4.10 Desain File Gejala
Nama database : nb_karies
Nama tabel : pk_gejala
Field key : kd_gejala
Name Fields Type Length Description
kd_gejala varchar 10 Kode Gejala
gejala varchar 255 Gejala Penyakit Karies
Total 265 Bytes
5. File Rule
Merupakan struktur file tempat merekam data-data rule penyakit karies.
Data tersebut yang nantinya akan digunakan dalam memproses data
penyakti dan gejala sehingga mendapatkan hasil konsultasi. Dengan bentuk
struktur seperti pada tabel 4.11.
52
Jadi ketiga komponen di atas memiliki komponen abstrak dari susunan sistem
komputer, dan hardware akan hidup dan memiliki fungsi jika digunakan bersama-sama
dengan software sedangkan brainware adalah orang yang akan mengoperasikan
program, tanpa brainware komputer tidak akan bisa beroperasi. Dan supaya
implementasi berjalan dengan baik dan sesuai dengan yang diharapkan, maka suatu
rencana implementasi perlu dibuat terlebih dahulu. Rencana implementasi ini
dimaksudkan untuk mengatur biaya serta waktu yang dibutuhkan selama tahap
implementasi.
proses dimulainya sampai program ini selesai dieksekusi. Berikut ini tahap-tahap
pengujian program Sistem Pakar menggunakan metode Naive Bayes dalam
mengidentifikasi penyakit karies pada gigi manusia.
1. Halaman Menu Utama
Menu utama merupakan tampilan menu utama pada saat membuka
aplikasi. Pada halaman menu utama ini akan ditampilkan menu-menu yang
bisa diakses oleh semua user. Tampilan menu utama dapat dilihat pada
Gambar 5.1 berikut.
3. Halaman Daftar
Halaman daftar pasien akan menampilkan form daftar user, dimana
pasien terlebih dahulu mendaftarkan diri sebagai user untuk konsultasi. Di
dalam form daftar user, pasien harus mengisi data-data lengkap sehingga
pasien bisa terdaftar dan memiliki username dan password untuk
melakukan login. Tampilan halaman daftar dapat dilihat pada Gambar 5.3
berikut.
5. Halaman Konsultasi
Halaman menu konsultasi menampilkan proses konsultasi pasien
dengan Sistem Pakar. Pada halaman ini pasien dapat memilih gejala dengan
cara menceklist gejala-gejala yang dirasakan. Tampilan halaman konsultasi
dapat dilihat pada Gambar 5.5 berikut.
Pengujian terhadap beberapa data pasien yang terdapat pada Gambar 5.17 yang
dilakukan untuk melihat seberapa besar tingkat akurasi hasil Sistem Pakar dengan hasil
yang diberikan oleh pakar. Dalam pengujian ini dilakukan kepada 23 pasien dengan
menggunakan aplikasi Sistem Pakar. Hasil pengujian didapatkan tingkat persentase
dari penyakit karies pada gigi manusia yang bersumber dari informasi drg. Agus
Nikmala Putra berupa data konsultasi pasien.
Pada Tabel 5.1 merupakan tabel hasil pengujian data hasil diagnosa pasien dari
pakar yang telah diimplementasikan kedalam program Sistem Pakar. Dalam
menghitung tingkat akurasi Sistem Pakar, maka digunakan rumus tingkat akurasi yang
terdapat pada BAB II dengan nomor rumus 2.4 yang merupakan rumus tingkat akurasi
probabilitas. Dari hasil pengujian akurasi di Tabel 5.1 yang menggunakan 23 data
konsultasi pasien, dari 23 data konsultasi terdapat 4 validasi yang tidak cocok antara
diagnosa sistem dengan diagnosa pakar, maka menghasilkan nilai akurasi sebesar.
𝑘
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = × 100%
𝑁
19
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 𝑥100% = 83.61%
23
69
Dari hasil probabilitas diatas maka nilai akurasi sistem didapatkan hasil akurasi
antara perhitungan pakar dengan sistem. Berdasarkan hasil tersebut, maka disimpulkan
bahwa akurasi Sistem Pakar yang berdasarkan pada 23 data konsultasi pasien yang
diuji adalah 83.61%. Berdasarkan tingkat akurasi dari hasil implementasi terhadap
sistem, maka penelitian sangat tepat dalam mengidentifikasi penyakit karies pada gigi
manusia secara awal.
BAB VI
6.1 Kesimpulan
6.2 Saran
Aldo, D., & Ardi. (2019). Sistem Pakar Diagnosa Penyakit Limfoma dengan Metode
Certainty Factor. SATIN - Sains Dan Teknologi Informasi, 5(1), 60–69. DOI:
https://doi.org/10.33372/stn.v5i1.459
Aminudin, N., Taufiq, T., & Amaliah, I. B. (2019). Aplikasi Web Mobile Sistem
Pakar Diagnosa Penyakit Ayam Ras Petelur. Jurnal TAM (Technology
Acceptance Model), 10(1), 33–40.
Budiman, D. A., & Nugraha, D. M. (2019). Aplikasi Raport Online Berbasis Web
menggunakan framework CodeIgniter (Studi Kasus di SMK Angkasa 1
Margahayu). Jurnal Computech & Bisnis, 13(2), 112–121.
Burhani, H. R., Fitri, I., & Andrianingsih, A. (2021). Perbandingan Naïve bayes
dan Certainty factor pada Sistem Pakar Untuk Mendiagnosa Dini Penyakit
Glaukoma. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 5(3),
291–299. DOI: https://doi.org/https://doi.org/10.35870/jti k.v5i3.183
Efendi, R., Fauziah, F., & Gunaryati, A. (2021). Diagnosa Penyakit Tanaman Cabai
menggunakan Metode Forward Chaining dan Naïve Bayes. Jurnal JTIK (Jurnal
Teknologi Informasi Dan Komunikasi), 5(2), 164. DOI:
https://doi.org/10.35870/jtik.v5i2.208
Ervinaeni, Y., Hidayat, A. S., & Riana, E. (2019). Sistem Pakar Diagnosa Gangguan
Hiperaktif Pada Anak Dengan Metode Naive Bayes Berbasis Web. Jurnal Media
73
Fadllullah, A., Rudy, R., & Sultan, M. (2021). Rancang Bangun Simdalev Berbasis
Framework CodeIgniter-Harviacode untuk Manajemen Pengendalian dan
Evaluasi Pembangunan Daerah Kabupaten Tana Tidung. Jurnal Teknik
Komputer AMIK BSI, 7(1), 1–10. DOI:
https://doi.org/https://doi.org/10.31294/jtk.v7i1.8953
Habibie, D. R., & Aldo, D. (2019). Sistem Pakar Untuk Identifikasi Jenis Jerawat
Dengan Metode Certainity Factor. JOINTECS (Journal of Information
Technology and Computer Science), 4(3), 79–86. DOI:
https://doi.org/10.31328/jointecs.v4i3.1055
Ilham Insani, M., Alamsyah, A., & Putra, A. T. (2018). Implementation of Expert
System for Diabetes Diseases using Naïve Bayes and Certainty Factor Methods.
Scientific Journal of Informatics, 5(2), 185–193. DOI:
https://doi.org/10.15294/sji.v5i2.16143
Irfansyah, G., Darusallam, U., & Benrahman, B. (2020). Early Diagnosis Expert
System Hepatitis Using Naive Bayes Method. Jurnal Mantik, 3(4), 182–187.
Kurniawan, A., Sumijan, & Jufriadif Na’am. (2019). Sistem Pakar Identifikasi
Modalitas Belajar Siswa Menggunakan Metode Forward Chaining. Jurnal
RESTI (Rekayasa Sistem Dan Teknologi Informasi), 3(3), 518–523. DOI:
https://doi.org/10.29207/resti.v3i3.1166
Laylatul Husna, N., & Bimantoro, F. (2020). Sistem Pakar Diagnosa Awal Penyakit
Mata dengan Metode Bayesian Network. Journal of Computer Science and
Informatics Engineering (J-Cosine), 4(2), 139–148. DOI:
https://doi.org/10.29303/jcosine.v4i2.287
Minarni, M., & Irawan, P. (2019). Implementasi Metode Naive Bayes Untuk
Diagnosa Penyakit Lambung. Jurnal TeknoIf, 7(2), 115. DOI:
https://doi.org/10.21063/jtif.2019.v7.2.115-123
74
Muhajir, A., & Chotijah, U. (2020). Aplikasi Berbasis Web Browser Untuk
Mendiagnosa Kerusakan Laptop Dengan Metode Naive Baye. JIPI (Jurnal
Ilmiah Penelitian Dan Pembelajaran Informatika), 5(2), 112. DOI:
https://doi.org/10.29100/jipi.v5i2.1790
Nababan, M., Laia, Y., Sitanggang, D., Sihombing, O., Indra, E., Siregar, S.,
Purba, W., & Mancur, R. (2018). The diagnose of oil palm disease using Naive
Bayes Method based on Expert System Technology. Journal of Physics:
Conference Series, 1007(1). DOI: https://doi.org/10.1088/1742-
6596/1007/1/012015
Nasir, J., & Jahro, J. (2018). Sistem Pakar Konseling Dan Psikoterapi Masalah
Kepribadian Dramatik Menggunakan Metode Forward Chaining Berbasis Web.
Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, 3(1), 37–48. DOI:
https://doi.org/10.36341/rabit.v3i1.225
Nugroho, C. (2020). Gambaran Karies Dengan Kebiasaan Minum Susu Botol Pada
Anak Balita. Jurnal Ilmiah Keperawatan Gigi (JIKG), 1(1), 34–41. DOI:
https://doi.org/https://doi.org/10.37160/jikg.v1i1.504
Nur, R. M., Na’am, J., Nurcahyo, G. W., & Arlis, S. (2019). Peningkatan Keamanan
Website Menggunakan Metode XML dengan Framework Codeigniter.
Indonesian Journal of Computer Science, 8(2), 156–163. DOI:
https://doi.org/10.33022/ijcs.v8i2.188
Nurdin, Suhendri, M., Afrilia, Y., & Rizal. (2021). Klasifikasi Karya Ilmiah ( Tugas
Akhir ) Mahasiswa Menggunakan Metode Naive Bayes Classifier ( Nbc ).
SISTEMASI: Jurnal Sistem Informasi, 10(2), 268–279. DOI:
https://doi.org/https://doi.org/10.32520/stmsi.v10i2.1193
Perbawawati, A. A., Sugiharti, E., & Muslim, M. A. (2019). Bayes Theorem and
Forward Chaining Method On Expert System for Determine
Hypercholesterolemia Drugs. Scientific Journal of Informatics, 6(1), 116–124.
DOI: https://doi.org/10.15294/sji.v6i1.14149
Purnamawati, A., Nugroho, W., Putri, D., & Hidayat, W. (2020). Deteksi Penyakit
Daun Pada Tanaman Padi Menggunakan Algoritma Decision Tree , Random
Forest , Naïve Bayes , Svm Dan Knn. Info Tekjar : Jurnal Nasional Informatika
Dan Teknologi Jaringan, 5(1), 212–215. DOI:
https://doi.org/https://doi.org/10.30743/infotekjar.v5i1.2934
Putra, D. W. T., Utami, A. O., Minarni, M., & Swara, G. Y. (2019). Accuracy Level
of Diagnosis of ENT Diseases in Expert System. Jurnal KomtekInfo, 6(2), 127–
134. DOI: https://doi.org/10.35134/komtekinfo.v6i2.829
Rudy Ariyanto, Dwi Puspitasari, & Yusniar Alfani. (2020). Penerapan Entropy
Based Discretization Pada Metode Naive Bayes Dalam Klasifikasi Penyakit
Diabetes Mellitus. Jurnal Informatika Polinema, 6(4), 17–22. DOI:
https://doi.org/10.33795/jip.v6i4.301
Sidauruk, A., & Abdullah, A. (2020). Sistem Pakar Penentuan Makanan Pendamping
Air Susu Ibu Menggunakan Metode Min Max Dan Naïve Bayes. Sistemasi :
Jurnal Sistem Informasi, 9(1), 191–200. DOI:
https://doi.org/10.32520/stmsi.v9i1.587
Silahudin, D., Henderi, & Holidin, A. (2020). Model expert system for diagnosis of
COVID-19 using naïve bayes classifier. IOP Conference Series: Materials
Science and Engineering, 1007(1). DOI: https://doi.org/10.1088/1757-
899X/1007/1/012067
Sukarsih, S., Silfia, A., & Muliadi, M. (2019). Perilaku dan Keterampilan Menyikat
Gigi terhadap Timbulnya Karies Gigi pada Anak di Kota Jambi. Jurnal
Kesehatan Gigi, 6(2), 80–86. DOI: https://doi.org/10.31983/jkg.v6i2.5479
Susanti, S., & Manahan, O. (2020). Disease Diagnosis Expert System At Chili Plants
Using Bayes Method. Journal Of Computer Networks, Architecture and High
Performance Computing, 2(2), 292–296. DOI:
https://doi.org/10.47709/cnapc.v2i2.432
76
Tugiono, T., Hafizah, H., Azlan, A., & Milala, J. S. (2021). Sistem Pakar Untuk
Pendiagnosaan Karies Gigi Menggunakan Teorema Bayes. Jurnal Teknologi
Sistem Informasi Dan Sistem Komputer TGD, 4(1), 103–111.
Wahyuni, W. C., & Sitio, A. S. (2020). Pest Detection Expert System And Method
Using Bayes Rice Diseases. Journal Of Computer Networks, Architecture and
High Performance Computing, 2(2), 313–319. DOI:
https://doi.org/10.47709/cnapc.v2i2.411
Widiyawati, C., Imron, M., Informatika, T., & Kucing, P. (2018). Sistem Pakar
Diagnosa Penyakit Pada Kucing Menggunakan Metode Naive Bayes Classifier.
Jurnal Teknologi Informasi Techno.Com, 17(2), 134–144. DOI:
https://doi.org/10.33633/tc.v17i2.1625
Widodo, Y. B., Anggraeini, S. A., & Sutabri, T. (2021). Perancangan Sistem Pakar
Diagnosis Penyakit Diabetes Berbasis Web Menggunakan Algoritma Naive
Bayes. Jurnal Teknologi Informatika Dan Komputer MH. Thamrin, 7(1), 112–
123. DOI: https://doi.org/https://doi.org/10.37012/jtik.v7i1.507
Yanto, M., Khairiazaz, Y., & Kunci, K. (2020). Komparasi Metode Naive Bayes
dan Certainty Factor untuk Mendiagnosa Penyakit Anemia Pendahuluan Metode
Penelitian. Jurnal Ilmiah KOMPUTASI, 19, 1–8.