SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDIAGNOSIS PENYAKIT PSIKOFISIOLOGIS
Naskah Publikasi Program Studi Informatika Fakultas Komunikasi dan Informatika
Oleh:
Qurniah Ulfahsari Putri Arnika Nurgiyatna., M.Sc.,Ph.D.
PROGRAM STUDI INFORMATIKA FAKULTAS KOMUNIKASI DAN INFORMATIKA UNIVERSITAS MUHAMMADIYAH SURAKARTA JULI 2015
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENDIAGNOSIS PENYAKIT PSIKOFISIOLOGIS
Qurniah Ulfahsari Putri Arnika, Nurgiyatna Program Studi Informatika, Fakultas Komunikasi dan Informatika Universitas Muhammadiyah Surakarta Email :
[email protected]
ABSTRACT Psychophysiological disease is a disorder in development caused by two things: the disruption caused by the physical and emotional state or psychological state. The process of early detection and understanding of psychophysiological disease is still lacking in the majority of ordinary people, even the blind can be classified information in the field of mental health. In this case, the need for rapid and precise information on health care or mental health specialist is needed for early detection. Therefore, solutions are needed as well as the dissemination of information about the disease through web technology. Implementation of these solutions is a decision support system for diagnosing psychophysiological diseases. In the search process, the method used is the method of approach that uses a forward chaining rule-based reasoning rule based reasoning. This study resulted in a decision support system for diagnosing disease based psychophysiological web will show that the system can help support the doctor's decision, also can determine the likelihood that a patient suffering from a disease or disorder according to the inputted symptoms, and can display the solution of the disease.
Keywords : Decision Support System, Forward Chaining, Psychophysiological.
Salah satunya adalah sebuah sistem
PENDAHULUAN Psikofisiologis
(Gangguan
Psikosomatik) merupakan gangguan pada perkembangan yang disebabkan oleh dua hal yaitu gangguan yang disebabkan oleh keadaan fisik dan gangguan yang disebabkan oleh emosi atau
keadaan
psikologis.
Gejala
psikofisiologis yang banyak dijumpai berupa gejala sakit kepala, mudah pingsan, jantung berdebar-debar, sesak nafas, gangguan pada lambung dan sebagainya dengan frekuensi yang berulang-ulanng.
Hal-hal
tersebut
biasanya disebabkan sebuah beban didalam pikiran. Kurangnya
pengetahuan
yang mendukung solusi atas suatau permasalahan efektif,
yaitu
efisien
sebuah
dan sistem
pendukung keoutusan. Berdasarkan uraian di atas membuat
penulis
tergerak
untuk
membuat suatu penelitian dengan judul “Sistem Pendukung Keputusan Untuk
Mendiagnosis
Penyakit
Psikofisiologis”.
Penulis
penelitian
dapat
ini
berharap membantu
masyarakat luas untuk mendeteksi penyakit psikofisiologis sejak dini serta mengetahui solusi penanganan dari penyakit tersebut. TINJAUAN PUSTAKA
tentang penyakit psikofisiologis itu
Muhammad
sendiri menyebabkan
dalam
kebanyakan
secara
Syakuni
dkk.
penelitiannya
berjudul
masyarakat terkadang menyepelekan
Pemodelan
gangguan fisik yang dialami, sehingga
Keputusan Kelompok dengan Metode
terjadi keterlambatan diagnosis dan
Fuzzy
penanganan
Diagnosis
penyakit
secara
tersebut,
menyebabkan
medis hal
ini
peningkatan
tentang
Sistem
(2012)
Weighted
Pendukung
Product
Penyakit
untuk
Pneumonia,
dapat
menguraikan bahwa penelitian fokus
jumlah
pada pengenbangan sistem pendukung
penderita dari tahun ketahun, selain itu
keputusan
juga berakibat fatal pada penderitanya.
mendiagnosis pasien pneumonia pada
Peranan teknologi informasi
orang
dewasa.
kelompok
Sistem
untuk
dirancang
saat ini diperlukan di berbagai bidang,
sebagai alat bantu tenaga medis dalam
diantaranya untuk menangani masalah
mendiagnosis dan menurunkan tingkat
diatas yaitu sebuah sistem yang dapat
keterlambatan
mengantisipasi
permasalahan
dikembangkan berbasis web dengan
psikofisiologis.
tahap perankingan weighted product.
diagnosis
penyakit
penanganan.
Sistem
Hasil pengujian menunjukkan bahwa
telah
sistem
menunjukan
dapat
mendukung
untuk
mendiagnosis penyakit. Sri
Winiarti
penelitiannya Pendukung Diagnosa
(2012) dalam Sistem
Keputusan
Untuk
Tulang.
Pada
penelitian ini, yang menjadi subyek adalah aplikasi Sistem Keputusan
Hasil
dimana
melakukan
berjudul
Penyakit
ditentukan.
penelitian user
konsultasi
yang akan
menginputkan data pribadi. Kemudian sistem akan mengolah data tersebut dan akan menghasilkan keputusan mengenai resiko yang dihadapi oleh user. Sehingga dapat segera dilakukan antisipasi dan penanganan yang tepat.
Klinis untuk diagnosa penyakit tulang
Ridha Fitriani (2012) dalam
pada manusia. Metode pengumpulan
skripsinya
data dengan metode wawancara, dan
berjudul Sistem Pendukung Keputusan
study literature. Sistem ini berupa
Diagnosa
sebuah
Sistem
Dengan Metode Forward Chaining
Pendukung Keputusan Klinis berbasis
Untuk Memberikan Informasi Gejala
web untuk diagnosa Penyakit Tulang
Dan Membantu Deteksi Dini Pada
pada manusia menggunakan metode
Penyakit Kanker, menguraikan bahwa
certainty factor. Haisip penelitian
dibutuhkan
berupa
penyakit
informasi tentang penyakit hematologi
yang
dan onkologi. Berdasarkan uji coba
coba
yang dilakukan dapat disimpulkan
perangkat
hasil
berdasarkan diinputkan
lunak
diagnosa gejala-gejala
user.
Hasil
uji
bahwa
digunakan sebagai alat bantu para
keputusan
medis
metode
Tulang
dalam
mendiagnosa
solusi
model
penyebaran
sistem
yang
pendukung
dibangun
forward
dengan chaining
menghasilkan sebuah sistem yang
Rizka Nurul Fitri dkk. (2010) dalam penelitiannya berjudul Sistem Pendukung
penelitian
Hematologi-Onkologi
menunjukkan bahwa aplikasi ini dapat
Penyakit
melaporkan
Keputusan
Penentuan
dapat mendeteksi penyakit tersebut dengan
menyebutkan
gejala
yang
dialami dan diagnosis akan muncul.
Resiko Penyakit Ginjal, menguraikan bahwa penelitian sistem pendukung keputusan penentuan resiko penyakit
A)
Metode
Inferensi
Forward
Chaining.
ginjal dilakukan dengan analisa yang
Forward chaining adalah pendekatan
akurat menggunakan rule base yang
yang dimotori
data
(data-driven).
Dalam
pendekatan
ini
pelacakan
adalah
keluhan
nyeri
yang
dimulai dari informasi masukan dan
penyebabnya bukan penyakit organik.
selanjutnya mencoba menggambarkan
Nyeri yang muncul karena rasa cemas
kesimpulan.
depan
yang berlebihan, rasa khawatir atau
mencari fakta yang sesuai dengan
gelisah akan sesuatu. Sensasi nyeri
bagian IF dari aturan IF-THEN.
seperti
B)
Pelacakan
ke
Penyakit psikofisiologis merupakan gangguan pada perkembangan yang
gangguan
oleh yang
dua
hal
yaitu
disebabkan
oleh
keadaan fisik dan gangguan yang disebabkan oleh emosi atau keadaan psikologis. Gejala psikofisiologis yang banyak dijumpai berupa gejala sakit kepala,
mudah
pingsan,
jantung
berdebar-debar, sesak nafas, gangguan pada lambung dan sebagainya dengan
tersebut
biasanya
disebabkan
sebuah beban didalam pikiran. Penyakit-penyakit berikut ini yang dikategorikan
sebagai
penyakit
psikofisiologis. 1)
Ansietas
adalah kecemasan yang berlebihan dan lebih bersifat subjektif. 2)
sekali
dicari
melibatkan tim psikiatri. 4)
Sindrom Lelah Kronik
adalah rasa lelah yang berlangsung lama dan tidak hilang dengan istirahat dan tanpa penyebab organik yang jelas. 5)
Sindrom Kolon Iritabel
adalah sakit perut disertai gangguan buang
Depresi
air
besar
tanpa
dijumpai
kelainan organik. METODE PENELITIAN
frekuensi yang berulang-ulanng. Hal – hal
sulit
penyebabnya, oleh karena itu haris
Penyakit Psikofisiologis
disebabkan
ini
Untuk mendapatkan hasil yang akurat, peneliti melakukan penelitian dengan
alur kerja
dalam
bentuk
flowchart atau diagram alir. Berikut uraiannya : a) Peneliti mengidentifikasi kebutuhan apa saja yang diperlukan dalam sistem. b) Peneliti
menganalisa
kebutuhan
fasilitas yang diperlukan dalam
adalah gangguan afektif / mood yang
sistem
ditandai dengan penekanan perasaan
berdasarkan proses identifikasi.
yang amat mendalam. 3)
Nyeri Psikogenik
yang
akan
dibuat,
c) Peneliti mengumpulkan data secara detail, jelas dan lengkap.
d) Peneliti mendesain sistem dengan melakukan peubahan data menjadi struktur data untuk implementasi software
yang
sesuai
dengan
konsep pemanfaatan web service e) Peneliti melakukan perancangan sistem dan membangun sistem tersebut dengan data yang telah terkumpul
sesuai
dengan
perencanaan yang terstruktur dari data
yang
telah
ada,
dengan
memanfaatkan basis data yang telah ada sebelumnya. f) Peneliti
melakukan
pengujian
Gambar 1 Diagram Alir Penelitian
sistem yang diharapkan mampu memberi
jawaban
dari
permasalahan yang telah terungkap secara teknis dan konsep awal. g) Peneliti sistem
mengimplementasikan dengan
rencana
menjabarkan
serta
kegiatan
implementasi dalam pengembangan sistem yang telah terbagi dalam
dengan
Peneliti
1.
Analisa Hasil
a)
Halaman Beranda
Halaman beranda dirancang secara sederhana. Pada halaman ini terdapat header, footer dan content yang berisi keterangan psikofisiologis
tentang secara
penyakit singkat.
Didalamnya juga terdapat form login. .
beberapa tahap yang berbeda. h)
PEMBAHASAN
menyusun
laporan
mengumpulkan
semua
dokumentasi yang terdiri dari data yang telah masuk dari awal penelitian hingga hasil akhir penelitian.
Gambar 2 Halaman Beranda
b)
Halaman Informasi
menu delete dan menu tambahkan,
Dalam halaman informasi terdapat
dimana menu tambahkan digunakan
penjelasan tentang sistem pendukung
untuk menambahkan nama penyakit
keputusan secara singkat.
baru beserta penjelasannya.
Gambar 5 Halaman Data Penyakit
Gambar 3 Halaman Informasi
c)
e)
Halaman Bantuan
Halaman Data Relasi
Halaman bantuan terdapat penjelasan
Halaman
tentang bagaimana langkah – langkah
halaman yang menghubungkan antara
menggunakan
jenis
Tampilan
sistem
halaman
tersebut.
bantuan
dapat
terlihat pada gambar 4.
Halaman Data Penyakit
Halaman data penyakit didalamnya terdapat data nama-nama penyakit beserta penjelasan tentang penyakit tersebut. Selain itu terdapat menu edit,
penyakit
relasi
beserta
merupakan
gejalanya.
Didalamnya juga terdapat menu edit, menu delete dan menu tambahkan.
Gambar 6 Halaman Data Relasi
Gambar 4 Halaman Bantuan
d)
data
f)
Halaman Pasien
Halaman pasien menampilkan menu profile dan menu diagnosa. Dimana dalam menu profile ini user dapat
melakuka edit profile yang telah dimasukkan.
Gambar 7 Halaman Pasien Gambar 9 Tampilan Form Registrasi g)
Halaman Diagnosa
Pasien
Halaman diagnosa berisi empat tipe pertanyaan dirasakan
tentang dan
gejala
user
yang
diharuskan
melakukan diagnosa, dengan memilih
2.
Pengujian Program
Dimana proses pengujian sistem ini berupa masukan gejala klinis yang
sesuai gejala yang dirasakan. dirasakan oleh pasien dan dikelola oleh dokter/paramedis. Apabila proses diagnosis berjalan dengan baik dan berhasil
dilakukan,
sistem
akan
menampilkan hasil diagnosis berupa kemungkinan
penyakit
yang
Gambar 8 Halaman Diagnosa dirasakan, serta menampilakan gejala h)
Tampilan
Form
Registrasi
Pasien
umum penyakit, saran terapi, saran obat, juga menampilkan kemungkinan
Form registrasi pasien merupakan form yang wajib diisi pasien baru untuk dapat login pada sistem dan melakukan diagnosa penyakit.
penyakit lainnya, juga menampilkan gejala yang dirasakan pasien secara keseluruhan.
a.
Diagnosis 1
Pada diagnosis 1, pasien melakukan diagnosis beberapa
dengan gejala
diantaranya,
memasukkan yang
dirasakan
aktifitas
keseharian
terganggu, mudah lelah, kurang atau tidak perhatian pada lingkungan, tidak ada
minat
untuk
beraktivitas,
konsentrasi serta perhatian kurang,
Gambar 10 Hasil Diagnosis Depresi
perubahan nafsu makan dan pola tidur,
Setelah pasien melakukan diagnosis
sering berkata jangan – jangan, sulit
dan berhasil mengetahui kemungkinan
memulai
tidur,
muram,
penyakit, pada history diagnosa pakar
murung,
dan
yang
akan muncul history diagnosis pasien,
menikmati
dimana hasil diagnosis yang dilihat
mendalam,
perasaan kesedihan
tidak
bisa
hidup, menderita insomnia, dan nyeri
pada
yang
Setelah
kemungkinan penyakit, gejala umum
menjawab semua pertanyaan tentang
penyakit, saran terapi untuk pasien,
semua gejala yang dirasakan, diakhir
saran
akan ada berakhirnya pertanyaan dan
penyakit
user harus menyimpan semua jawaban
dirasakan pasien. Berikut terlihat pada
pertanyaan,
gambar 11.
mendadak
muncul.
selanjutnya
system
melakukan perhitungan prosentase dan kemungkinan penyakit yang diderita. Pada didapatkan kemungkinan
diagnosis hasil penyakit
1
ini
diagnosis “Depresi”
dengan prosentase 46% . Hasil dapat dilihat pada gambar 10.
dokter
obat, lain,
akan
serta dan
muncul
kemungkinan gejala
yang
menggunakan
metode
chaining
forward
menghasilkan
keakuratannya sesuai dengan yang diharapkan
dokter
spesialis
kesehatan jiwa. 3. Berdasarkan hasil responden bahwa
analisis dari
dapat
sistem
pengambilan
disimpulkan
ini
membantu
keputusan
dalam
mendiagnosis
penyakit
psikofisiologis secara dini dengan mudah,
sehingga
pasien
hasil
diagnosis
mendapatkan
beserta keterangan dan solusi terapi penanganan dengan cepat dan tepat. 4. Sistem Gambar 11 Hasil Diagnosis Dokter/Paramedis (Depresi)
akan
peringatan
‘tidak
menunjukkan ditemukan’
apabila wajah training tidak ada dalam data set image, dan juga kondisi cahaya yang redup.
KESIMPULAN
5. Sistem juga akan menunjukkan Berdasarkan uraian yang telah dibahas pada bab – bab sebelumnya sehingga dapat diambil kesimpulan :
peringatan ‘nowajah’ apabila wajah tidak sempurna terdeteksi oleh sistem
(terpotong),
dan
akan
1. Tujuan penelitian telah tercapai dan
menunjukkan peringatan ‘nomata’
telah selesai dibuat aplikasi sistem
apabila kondisi pencahayaan mata
pendukung keputusan berbasis web
kiri dan mata kanan berbeda.
untuk
mendiagnosis
penyakit
psikofisiologis. 2. Hasil pengujian pada program, output yang dihasilkan sudah sesuai dengan yang diharapkan perancang, serta tingkat kepercayaan yang dihasilkan
sistem
dengan
DAFTAR PUSTAKA
Fitri, N. R. dkk., 2010. Sistem Pendukung Keputusan Penentuan Resiko Penyakit Ginjal. Institut Teknologi Sepuluh November. Surabaya. Fitriani, R., 2013. Sistem Pendukung Keputusan Diagnosa Hematologi-Onkologi Dengan Metode Forward Chaining Untuk Memberikan Informasi Gejala Dan Membantu Deteksi Dini Pada Penyakit Kanker. Universitas Dian Nuswantoro Semarang. Semarang. Indonesia. Departemen Kesehatan. Direktorat Jendral Pelayanan Medik, 1993. Pedoman Penggolongan dan Diagnosis Gangguan Jiwa III. Cetakan Pertama. Departemen Kesehatan : Jakarta Kusumadewi, S., 2003, Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu : Yogyakarta. Mansjoer, Arif., 2001. Kapita Selekta Kedokteran Edisi 3 Jilid Kedua. Media Aesculapius Fakultas Kedokteran Universitas Indonesia. Jakarta. Syakuni M. dkk., 2012. Pemodelan Sistem Pendukung Keputusan Kelompok Dengan Metode Fuzzy Weighted Product Untuk Diagnosis Penyakit Pneumonia. Universitas Gadjah Mada. Yogyakarta. Turban, E dan Aronson. J. E., 2005. Decision Support System and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas). Jilid 2. Andi :Yogyakarta.
Tolle, Herman. (2009), Teknik Inferensi. Diakses dari http://www.slideshare.net/ herman_tolle/iv-teknik-inferensi. (diakses tanggal 25 Mei 2015). Winiarti, S., 2012. Sistem Pendukung Keputusan Untuk Diagnosa Penyakit Tulang. Universitas Ahmad Dahlan. Yogyakarta.
