Dina - Oktavia,+##default - Groups.name - Manager##,+8239 99Z - Artikel 57815 1 2 20201112
Dina - Oktavia,+##default - Groups.name - Manager##,+8239 99Z - Artikel 57815 1 2 20201112
Abstrak
Infeksi menular seksual merupakan salah satu penyakit berbahaya yang penyebarannya semakin
meluas setiap tahun terkhusus di kota Malang. Salah satu kota pendidikan ini memiliki populasi
manusia yang terus bertambah setiap tahunnya sehingga dapat menjadi pemicu menularnya virus
penyakit infeksi menular seksual terutama bagi orang yang melakukan hubungan seksual. Berdasarkan
informasi Dinas kesehatan Malang, sebagian besar orang terkena penyakit menular seksual tanpa
menyadari gejala yang timbul dalam diri mereka. Dibandingkan dengan wanita, pria lebih banyak
yang mengidap infeksi menular seksual. Penyakit menular seksual pada pria seperti Sifilis, HIV,
Gonore, Herpes dan Kutil memiliki gejala yang mempunyai kemiripan pada masing-masing penyakit
sehingga sulit untuk membedakannya. Untuk mengetahui dan mengurangi kesalahan dalam
memprediksi suatu penyakit, digunakan metode Fuzzy k-Nearest Neighbor pada penelitian ini untuk
membantu mengklasifikasikan penyakit menular seksual. Proses klasifikasi memiliki tiga tahapan
yaitu proses inisialisasi fuzzy. Proses algoritme kNN dan proses fuzzy kNN. Pada pengujian penelitian
digunakan pengujian pengaruh terhadap nilai K, pengujian K-Fold Cross Validation dengan
menggunakan 60 data yang terbagi menjadi 10-fold dan didapatkan hasil akurasi tertinggi sebesar
91,67% dengan K = 5 kemudian pengujian performa antar kelas menggunakan confusion matrix untuk
menentukan nilai Precision dan Recall pada 30 data uji.
Kata kunci: infeksi menular seksual, fuzzy k-nearest neighbor, k-fold cross validation , confusion matrix
Abstract
sexually transmitted diseases is one of the dangerous diseases that spreads every year, especially in
the city of Malang. One of these educational cities has a growing human population each year so that
it can be a trigger for the spread of the sexually transmitted diseases, especially for people who have
sex. Based on information from the Malang Health Service, most people are exposed to sexually
transmitted diseases without being aware of the symptoms that arise in them. Compared with women,
more men who have a sexually transmitted infection. Sexually transmitted diseases in men such as
Syphilis, HIV, Gonorrhea, Herpes and Warts have symptoms that have similarities in each disease so
it is difficult to distinguish. To find out and reduce errors in predicting a disease, the Fuzzy k-Nearest
Neighbor method is used in this study to help classify sexually transmitted diseases. The classification
process consists of three processes are the fuzzy initialization process. The kNN algorithm process and
the kNN fuzzy algorithm process. In the research test used the influence of K value testing, K-Fold
Cross Validation test using 60 data divided into 10-fold and obtained the highest accuracy results of
91.67% with K = 5 then inter-class performance testing using confusion matrix to determine Precision
and Recall values on 30 test data.
Keywords: sexually transmitted diseases, fuzzy k-nearest neighbor, k-fold cross validation , confusion matrix
buruk yang akan terjadi kepada mereka. tersebut. Algoritme ini juga diimplementasikan
Menurut Dirjen PMPTK tahun 2011 yaitu siswa agar pada tetangga yang terdapat ambigu tidak
SMP dan SMA merupakan 50% dari 10 ribu memiliki peran penting dan tidak
penderita HIV atau AIDS. mempengaruhi klasifikasi. Sebuah instance
Berdasarkan informasi Dinas Kesehatan pada algoritme FkNN terdapat derajat
khususnya kota Malang, sebagian besar orang keanggotaan di setiap kelas. Derajat
terkena penyakit infeksi menular seksual tanpa keanggotaan sendiri berfungsi untuk
menyadari gejala yang muncul pada diri menguatkan dan memberikan kepercayaan
mereka. Rata-rata pasien yang tertular penyakit berupa nilai suatu instance yang terdapat di
infeksi menular seksual berusia 20-49 tahun suatu kelas (Y. C. M. Putri, Atastina, & Yulita,
(Dinas Kesehatan Kota Malang, 2018). 2012).
Pengetahuan oleh remaja bahkan orang dewasa Terdapat penelitian pada klasifikasi
di Indonesia perihal organ reproduksi yang penyakit menular seksual yaitu pada pria dan
tidak sehat dan bermasalah serta menularnya dilakukan dengan menerapkan salah satu dari
penyakit IMS masih sangat minim. Banyak dari metode klasifikasi yaitu gabungan antara Naive
mereka yang tidak acuh dan menyepelekan Bayes dan certainty factor. Perhitungan tingkat
serta ada juga yang tidak tahu dampak yang akurasi dilakukan dalam perhitungan nilai
terjadi dari adanya aktivitas seksual terutama kepastian prediksi berdasarkan hasil diagnosis
terkait dengan penularan IMS. penyakit. Terdapat tahan pertama yang dimulai
IMS adalah satu dari penyakit merugikan dari memasukkan gejala oleh pengguna dan
dan berinfeksi menyerang bagian alat melakukan perhitungan pada nilai prior,
reproduksi atau organ kelamin. Beberapa perhitungan pada nilai likelihood, dan
penyebab terjadinya IMS bisa terinfeksi lewat perhitungan pada nilai posterior untuk hasil
kuman seperti virus, jamur atau parasit yang diagnosis sementara untuk mengetahui nilai
berkembang di sekitar saluran organ reproduksi. kepastian dari penyakit berdasarkan
Infeksi juga dapat menular lewat hubungan perhitungan pada Naive Bayes dilakukan
seksual (Kumalasari & Andhyantoro, 2012). dengan metode certainty factor. Hasil akurasi
Beberapa jenis infeksi menular seksual yaitu sebesar 85% dari pengujian dengan
Herpes Genitalis, Chlamydiasis, Cervicitis menggunakan 35 data uji (Bayu, Ammal, &
Gonorhea, Syphilis, HIV dan lain sebagainya. Hidayat, 2018).
Untuk mengetahui seseorang terdiagnosa Penelitian lain dilakukan terhadap penyakit
suatu penyakit IMS dibutuhkan pengumpulan menular seksual dengan menggunakan
data berupa gejala yang dialami oleh penderita. algoritme logika fuzzy untuk menyaring
Gejala yang timbul dari sebagian penyakit IMS berbagai gejala dan memberikan hasil
tentunya mempunyai kemiripan yang sulit pengujian yang akurat. Sistem ini dibuat dengan
untuk dibedakan sehingga sering kali terdapat bantuan pakar venereologi untuk membantu
kesalahan manusia dalam membedakan gejala pengguna dalam mengetahui gejala awal dari
pada penyakit IMS serta dikarenakan minimnya penyakit menular seksual. Hasil akurasi pada
pengetahuan dapat membuat penyakit menjadi sistem ini didapat sebesar 82% (Caliwag et al.,
semakin parah serta dapat memperluas 2018).
terjadinya penularan pada pasangan yang Berdasarkan permasalahan yang diuraikan
melakukan kontak seksual terhadap si terkait penelitian sebelumnya, maka peneliti
penderita. Penanganan yang dapat dilakukan memutuskan yaitu menerapkan metode Fuzzy
untuk mengurangi kesalahan dalam k-Nearest Neighbor dalam pengklasifikasian
menentukan prediksi dibutuhkan metode yang infeksi menular seksual.
dapat sesuai serta membantu dalam
pengklasifikasian penyakit menular seksual 2. LANDASAN KEPUSTAKAAN
terutama pada pria dengan diterapkannya
metode Fuzzy k-Nearest Neighbor (FkNN). 2.1. Infeksi Menular Seksual
Kelebihan menggunakan metode gabungan Penyakit yang merupakan Infeksi Menular
Fuzzy dengan kNN tersebut dibandingkan Seksual adalah penyakit yang menyerang
dengan metode kNN yaitu jika didapatkan sifat bagian kelamin atau alat untuk reproduksi.
ambigu (tidak jelas) pada data kelas yang Beberapa penyebab terjadinya IMS berasal dari
diolah, algoritme ini mampu menganalisis sifat mikroorganisme seperti jamur dan virus yang
keambiguan dari klasifikasi ketetanggaan kelas
positif. Nilai TP adalah data positif benar yang 4.1. Pengujian Pengaruh Terhadap Nilai K
terprediksi benar sementara nilai FN adalah
Pengujian terhadap pengaruh nilai K
lawan dari TP yang berarti data positif
dilakukan untuk melihat adanya pengaruh nilai
terdeteksi sebagai data negatif.
akurasi dari nilai K yang bermacam-macam.
Tabel 2. Tabel Confusion Matrix Pada pengujian terhadap pengaruh nilai K, akan
digunakan masing-masing nilai K = 1 sampai K
Aktual Aktual = 20.
Positif (1) Negatif (0)
Prediksi
TP FP
Positif (1)
Prediksi
FN TN
Negatif (0)
mempengaruhi hasil akurasi pada pengujian K- di mana kelas yang bukan sebenarnya namun
Fold. Hasil terbaik didapatkan pada K = 5 diprediksi benar sehingga mempengaruhi hasil
iterasi fold ke-5. Precision. Pada Recall, terdapat beberapa kelas
yang memiliki nilai False Negative namun
4.3. Pengujian Performa Antar Kelas tidak kurang dari hasil True Positive. Apabila
Berikut total hasil dari klasifikasi kelas pada setiap kelas yang memiliki nilai False
aktual dan prediksi ditunjukkan pada Tabel 2. negative lebih tinggi daripada nilai False
Positive, maka akan mempengaruhi Recall dan
Tabel 3. Tabel Jumlah Kelas dari Klasifikasi Data hasil klasifikasi dari algoritme yang digunakan
Uji mendapatkan hasil yang membahayakan
Kelas misalnya kesalahan dalam memprediksi pasien
Aktual yang sebenarnya terdiagnosa penyakit namun
Herpes Gonore Kutil Sifilis HIV ketika diprediksi tidak benar.
Kelas
Prediksi
5. KESIMPULAN
Herpes 6 2 0 1 0
Kesimpulan yang didapat dari penelitian
Gonore 0 3 0 0 0 penerapan metode fuzzy k-Nearest Neighbor
Kutil 0 2 6 0 0 pada penyakit menular seksual pria sebagai
berikut.
Sifilis 1 0 0 4 0
HIV 0 0 0 0 5
1. Algoritme Fuzzy K-Nearest Neighbor bisa
diterapkan untuk klasifikasi penyakit
Total 7 7 6 5 5 menular seksual pada pria. algoritme
FkNN memiliki tiga tahapan yaitu
hasil perhitungan untuk kelas data penyakit inisialisasi fuzzy untuk menentukan nilai
Herpes mempunyai nilai Precision yaitu 0,66 fuzzy pada data latih, proses kNN dalam
dan Recall sebesar 0,86, hasil perhitungan menentukan K tetangga terdekat dan
untuk kelas data penyakit Gonore mempunyai proses FkNN untuk hasil akhir dari
nilai Precision yaitu 1 dan Recall bernilai 0,42. klasifikasi yaitu menentukan nilai
Penyakit Kutil mempunyai nilai Precision yaitu keanggotaan terbesar yang dijadikan
0,75 dan nilai Recall yaitu 1, dan hasil sebagai penentu kelas data uji.
perhitungan untuk kelas data penyakit Sifilis 2. Pada pengujian dari penelitian
memiliki nilai Precision 0,8 dan untuk nilai menggunakan metode Fuzzy K-Nearest
Recall sebesar 0,8 sedangkan penyakit HIV Neighbor untuk klasifikasi penyakit
menghasilkan nilai Precision dan Recall yang menular seksual pada pria, didapatkan
sama yaitu 1. hasil akurasi berdasarkan 3 pengujian
yaitu pengujian terhadap pengaruh nilai K
menggunakan 90% sebagai data latih dan
10% data uji yaitu 54 data latih dan 6 data
uji. Didapatkan hasil akurasi tertinggi
dengan K = 11 yaitu 100. Pengujian K-
Fold Cross Validation dengan K-Fold =
10 menggunakan komposisi data yang
bervariasi sebanyak 10 fold dan iterasi
sebanyak 10 kali. Didapatkan hasil rata-
rata akurasi dengan menentukan tetangga
terdekat K = 1 sampai K = 10 dan hasil
tertinggi berada pada K = 5 yaitu 91,67.
Pengujian performa antar kelas dengan
menentukan Precision dan Recall oleh
Gambar 3. Grafik Pengujian Performa Antar Kelas confusion matrix yaitu menghasilkan nilai
Pada pengujian performa antar kelas Precision pada setiap kelas penyakit yaitu
menggunakan confusion matrix berdasarkan Herpes sebesar 0,66, Gonore sebesar 1,
pada penggunaan algoritme FkNN, beberapa Kutil sebesar 0,75, Sifilis sebesar 0,8 dan
hasil prediksi kelas terdapat data False Positive
Fakultas Ilmu Komputer, Universitas Brawijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4102