PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN METODE NAIVE BAYES
SKRIPSI MUHAMMAD IMANURRAHMAN 101402054
PROGRAM STUDI S-I TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN METODE NAIVE BAYES SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh Ijazah Sarjana Teknologi Informasi
MUHAMMAD IMANURRAHMAN 101402054
PROGRAM STUDI S-I TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
ii
PERSETUJUAN
Judul
: PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN METODE NAIVE BAYES
Kategori
: SKRIPSI
Nama
: MUHAMMAD IMANURRAHMAN
Nomor Induk Mahasiswa
: 101402054
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, 11 Februari 2015
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Erna Budhiarti Nababan , M.IT
Dr. Suyanto, M.Kom
NIP. -
NIP. 195908131986011002
Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua,
Muhammad Anggia Muchtar S.T.MM.I.T NIP 19800110 200801 1 010
iii
PERNYATAAN
PENGKLASIFIKASIAN PENYAKIT GINJAL MENGGUNAKAN METODE NAIVE BAYES
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Februari 2015
Muhammad Imanurrahman 101402054
iv
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pengasih dan Maha Penyayang, dengan segala rahmat dan karuniaNya lah penulis bisa menyelesaikan penyusunan tugas akhir ini.
Proses penyusunan skripsi ini tidak lepas dari dukungan dan bantuan dari pihak lain. Oleh karena itu penulis mengucapkan terima kasih banyak kepada :
1. Kedua orang tua penulis, yaitu Ayahanda H. Zulwan Rahman, SE dan Ibunda Hj. Irlinda Lubis, SE yang selalu sabar dalam membesarkan dan mendidik penulis, juga kepada adik-adik penulis, yaitu Raissa Fitri, Zsizsi Akbarinda dan Almira Retna Ananda yang selalu memberikan semangat kepada penulis. 2. Kepada Bapak Dr. Suyanto, M.Kom dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku dosen pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis. 3. Kepada Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc dan Bapak Dani Gunawan, ST, MT selaku dosen penguji yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis 4. Ketua dan Sekretaris Program Studi Teknologi Informasi, Muhammad Anggia Muchtar S.T.MM.IT dan Muhammad Fadly Syahputra B.Sc.M.Sc.IT. 5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi. 6. Seluruh sahabat penulis, Syilvi Haryanti, Ayu Asyva Irfita, Rezka Dermawan Hatta, Rezky Darmawan Hatta, Yolanda Tari, serta teman-teman prodi Teknologi Informasi angkatan 2010 yang tidak dapat penulis sebutkan satu persatu penulis ucapkan terima kasih atas doa dan dukungan yang telah diberikan. Penulis menyadari bahwa masih terdapat banyak kekurangan dalam penyusunan tugas akhir ini. Karena itu penulis sangat mengharapkan adanya masukan - masukan yang membangun semua pihak untuk kesempurnaan tugas akhir ini. Akhir kata semoga tugas akhir ini dapat bermanfaat bagi semua pihak yang memerlukannya.
v
ABSTRAK
Sistem keputusan klinis mulai dikembangkan terutama untuk aplikasi proses diagnosis dan terapis. Penyakit ginjal merupakan salah satu penyakit yang mempunyai bermacam – macam penyakit. Metode Naive Bayes digunakan untuk mengklasifikasikan penyakit ginjal karena metode ini menghitung nilai - nilai probabilitas dari setiap gejala dari setiap penyakit. Dengan pengimplementasian metode ini dihasilkan aplikasi yang dapat mengklasifikasi penyakit pasien dan tingkat keberhasilan sistem sebesar 75 % berdasarkan data uji serta dapat memberikan suatu form rekomendasi yang dapat diajukan ke dokter.
Kata kunci : Klasifikasi penyakit, penyakit ginjal, naive bayes
vi
KIDNEY DISEASE CLASSIFICATION USING NAIVE BAYES METHOD
ABSTRACT
Clinical decision system was developed especially for diagnostic and therapeutic applications process. Kidney disease is a disease that has a wide - range of diseases. Naive Bayes method used to classify kidney disease because this method calculates the values of probability of any symptoms from all kidney disease. The implementation of this method can show the application that can classify a patient's disease and the success rate of 75% based training data and can provide a recommendation form that can be submitted to the doctor. Keywords : disease classification, kidney disease, naïve bayes
vii
DAFTAR ISI
Hal. Persetujuan
ii
Pernyataan
iii
Penghargaan
iv
Abstrak
v
Abstract
vi
Daftar Isi
vii
Daftar Tabel
x
Daftar Gambar
xi
BAB 1 Pendahuluan
1
1.1. Latar Belakang
1
1.2. Rumusan Masalah
3
1.3. Batasan Masalah
3
1.4. Tujuan Penelitian
3
1.5. Manfaat Penelitian
3
1.6. Metodologi Penelitian
4
1.7. Sistematika Penulisan
4
BAB 2 Landasan Teori 2.1. Decision Support System
6 6
2.1.1. Karakteristik Sistem Pendukung Keputusan
6
2.1.2. Tujuan Sistem Pendukung Keputusan
7
2.1.3. Komponen Sistem Pendukung Keputusan
7
2.1.4. Manfaat Sistem Pendukung Keputusan
8
2.2. Naive Bayes
9
viii
2.3. Penyakit Ginjal
10
2.3.1. Hidronefrosis
11
2.3.2. Gagal Ginjal Kronis
12
2.3.3. Gagal Ginjal Akut
13
2.3.4. Diabetes Mellitus
15
2.3.5. Pielonefritis
16
2.3.6. Penyakit Ginjal Polikistik
17
2.3.7. Kanker Ginjal
18
2.3.8. Medullary Sponge Kidney
19
2.3.9. Sindroma Nefrotik
20
2.3.10. Sindroma Nefritik Akut
21
2.3.11. Sindroma Nefritik Progresif
22
2.4. Penelitian Terdahulu
BAB 3 Analisis dan Perancangan Sistem
23
25
3.1. Analisis Sistem
25
3.2. Analisis Perhitungan Naïve Bayes Pada Proses Pengklasifikasian
25
3.3. Perancangan Sistem
34
3.3.1. Perancangan Flowchart Sistem
35
3.3.2. Perancangan pemodelan visual menggunakan UML
37
3.3.3. Perancangan Antarmuka Aplikasi
43
BAB 4 Implementasi dan Pengujian Sistem 4.1. Implementasi
47 47
4.1.1. Spesifikasi perangkat lunak
47
4.1.2. Spesifikasi perangkat keras
48
4.2. Tampilan Aplikasi
48
4.2.1. Tampilan halaman menu utama
48
4.2.2. Tampilan halaman pengklasifikasian
49
4.2.3. Tampilan halaman hasil klasifikasi
50
4.2.4. Tampilan halaman form email
50
ix
4.2.5. Tampilan halaman panduan
51
4.2.6. Tampilan halaman penyakit ginjal
52
4.2.7. Tampilan halaman profil penulis
52
4.3. Pengujian 4.3.1. Pengujian aplikasi
53 53
4.3.2. Pengujian kinerja metode naive bayes terhadap aplikasi pengklasifikasian
54
4.3.3. Pengujian terhadap data
59
BAB 5 Kesimpulan dan Saran
63
5.1. Kesimpulan
63
5.2. Saran
63
Daftar Pustaka Lampiran A : Data Gejala dan Nilai Probabilitas Lampiran B : Surat Keterangan Penelitian
64
x
DAFTAR TABEL
Hal. Tabel 2.2. Penelitian Terdahulu
24
Tabel 3.1. Use Case Spesifikasi untuk Use Case Gejala
38
Tabel 3.2. Use Case Spesifikasi untuk Use Case Petunjuk
38
Tabel 3.3. Use Case Spesifikasi untuk Use Case Penyakit Ginjal
39
Tabel 3.4. Use Case Spesifikasi untuk Use Case Profil Penulis
39
Tabel 4.1. Pengujian Aplikasi
54
Tabel 4.2. Validasi Hasil Dokter Penyakit 1
59
Tabel 4.3. Validasi Hasil Dokter Penyakit 2
60
Tabel 4.4. Validasi Hasil Dokter Penyakit 3
61
Tabel 4.5. Validasi Hasil Dokter Penyakit 4
62
xi
DAFTAR GAMBAR
Hal. Gambar 2.1. Komponen Decision Support System
7
Gambar 3.1. Diagram Proses
34
Gambar 3.2. Flowchart Aplikasi
35
Gambar 3.3. Flowchart Alur Pengklasifikasian
36
Gambar 3.4. Use Case Diagram
37
Gambar 3.5. Diagram Activity Halaman Klasifikasi
40
Gambar 3.6. Diagram Activity Halaman Petunjuk
41
Gambar 3.7. Diagram Activity Halaman Penyakit Ginjal
42
Gambar 3.8. Diagram Activity Halaman Profil Penulis
42
Gambar 3.9. Rancangan Antarmuka Aplikasi
43
Gambar 3.10. Rancangan Antarmuka Halaman Klasifikasi
44
Gambar 3.11. Rancangan Antarmuka Halaman Petunjuk
44
Gambar 3.12. Rancangan Antarmuka Halaman Penyakit Ginjal
45
Gambar 3.13. Rancangan Antarmuka Halaman Profil Penulis
46
Gambar 4.1. Menu Utama
49
Gambar 4.2. Pengklasifikasian
49
Gambar 4.3. Hasil Spesifikasi
50
Gambar 4.4. Form Email
51
Gambar 4.5. Panduan
51
Gambar 4.6. Informasi Penyakit Ginjal
52
Gambar 4.7. Profil Penulis
53
Gambar 4.8. Proses Pemilihan Gejala
55
Gambar 4.9. Gejala Pengguna
56
Gambar 4.10. Pengelompokan Gejala Berdasarkan Penyakit
57
Gambar 4.11. Nilai Gejala yang Pengguna Pilih
57
Gambar 4.12. Total Bayes
58
Gambar 4.13. Hasil Klasifikasi
58
