Bayes (Narkoba)

7/25/2019 Bayes (Narkoba)

1/7

Pelita Informatika Budi Darma Volume : V Nomor: 3 Desember 2013 ISSN

23 1 9425

Sistem Pakar Untuk Mendiagnosa Pengguna Narkoba Dengan Menggunakan Metode

Bayes.Ismail Syaputra

84

SISTEM PAKAR UNTUK MENDIAGNOSA PENGGUNA NARKOBA

DENGAN MENGGUNAKAN METODE BAYES

Ismail Syaputra (1011623)

Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma MedanJl. Sisingamangaraja No. 338 Sp. Limun Medanwww.stmik-budidarma.ac.id//Email: [email protected]

ABSTRAK

Sistem pakar (expert system) secara umum adalah sistem yang berusaha mengadopsi pengetahuan

manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli.

Atau dengan kata lain sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa

pemrograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli. Diharapkan

dengan sistem ini, orang awam dapat menyelesaikan masalah tertentu baik sedikit rumit ataupun rumit

sekalipun tanpa bantuan para ahli dalam bidang tersebut. Sedangkan bagi para ahli, sistem ini dapat

digunakan sebagai asisten yang berpengalaman. Sistem ini melakukan diagnosa jenis narkoba berdasarkan dari

gejala-gejala yang diinputkan ke sistem.

Aplikasi yang dikembangkan ini bertujuan untuk menentukan jenis narkoba yang digunakan oleh

pengguna narkoba dengan hanya memperhatikan gejala-gejala yang dialami oleh pengguna narkoba. Dengan

menggunakan metode Bayes mampu menunjukkan ukuran kepastian terhadap suatu fakta dari gejala-gejala

yang ada. Keluaran sistem berupa hasil penelusuran jenis narkoba yang digunakan oleh pengguna berdasarkan

gejala-gejalanya.

Kata kunci : SistemPakar, Narkoba, Bayes

1. Pendahuluan

1.1. Latar Belakang Masalah

Narkoba adalah zat yang dapat menimbulkan

pengaruh tertentu bagi mereka yang

menggunakannya dengan cara memasukkan obat

tersebut ke dalam tubuhnya, pengaruh tersebutberupa pembiasan, hilangnya rasa sakit rangsangan,

semangat dan halusinasi. Dengan timbulnya efek

halusinasi inilah yang menyebabkan kelompokmasyarakat terutama di kalangan remaja ingin

menggunakan narkoba meskipun tidak menderita

apa-apa. Hal inilah yang mengakibatkan terjadinya

penyalahgunaan narkoba. Penyalahgunaan narkobapada remaja terjadi karena faktor pengaruh kondisi

keluarga dan lingkungan. Dalam hal ini kondisi

keluarga ditandai dengan keutuhan keluarga,kesibukan orang tua, hubungan interpersonal antar

keluarga, dapat merupakan faktor yang berperan

serta pada penyalahgunaan narkoba. Selain pada

keluarga, lingkungan seperti halnya lingkungansekolah yang tidak baik dapat menciptakan siswa

tidak terbebas dari pengaruh narkoba dan dapatmeningkatkan jumlah pengguna narkoba dikalangan remaja.

Untuk mengetahui jenis narkoba yang

digunakan berdasarkan gejala ataupun ciri-ciri dari

pengguna narkoba, maka diperlukan suatu sistem

pakar (expert system) yang berfungsi untukmenggantikan peranan pihak kepolisian dalam

menangani kenakalan remaja yang dilatarbelakangi

oleh penyalahgunaan narkoba. Sistem pakar

tersebut dapat mengetahui ciri-ciri dan jenis

narkoba yang digunakan oleh pengguna narkoba.Sistem pakar (expert system) adalah sistem yang

berusaha mengadopsi pengetahuan manusia ke

komputer, agar komputer dapat menyelesaikan

masalah seperti yang biasa dilakukan oleh para ahli.Ide dasarnya adalah kepakaran ditransfer dari

seorang pakar ke komputer, pengetahuan yang ada

disimpan dalam komputer, dan pengguna dapatberkonsultasi pada komputer itu untuk suatu

nasehat, lalu komputer dapat mengambil inferensi

atau menyimpulkannya, seperti layaknya seorang

pakar, kemudian menjelaskannya ke penggunatersebut, sistem pakar terkadang lebih baik cara

kerjanya dari pada seorang pakar manusia.

Metode Bayes merupakan metode yang baikdidalam mesin pembelajaran berdasarkan data

training, dengan menggunakan probabilitas

bersyarat sebagai dasarnya. Metode Bayes jugamerupakan suatu metode untuk menghasilkan

estimasi parameter dengan menggabungkan

informasi dari sampel dan informasi lain yang telahtersedia sebelumnya. Keunggulan utama dalam

penggunaan Metode Bayes adalah penyederhanaan

dari cara klasik yang penuh dengan integral untuk

memperoleh model marginal.

1.2. Perumusan Masalah

Ada pun perumusan masalah yang akan

dibahas adalah sebagai berikut :


2/7


23 1 9425



85

1. Bagaimana mengetahui jenis narkoba yangdigunakan berdasarkan gejala dari pengguna

narkoba ?2. Bagaimana menerapkan metode bayes untuk

mendiagnosa pengguna narkoba?3. Bagaimana merancang program aplikasi sistem

pakar untuk mendiagnosa pengguna narkobadengan menerapkan metodeBayes ?

1.3 Batasan Masalah

Agar pembahasan penelitian ini tidak

menyimpang dari apa yang telah dirumuskan, makadiperlukan batasan-batasan. Batasan-batasan dalam

penelitian ini adalah :

1. Metode bayes digunakan hanya untukmendiagnosa pengguna narkoba seperti

pengguna ganja, cocain, heroin, ekstasi, shabu,

inhalen, dan alkohol.2. Tidak memberikan solusi berupa obat-obatan

dari pengguna narkoba seperti pengguna ganja,

cocain, heroin, ekstasi, shabu, inhalen, danalkohol.

3. Gejala yang dibahas adalah gejala fisik yangdialami pengguna narkoba.

4. Perancangan program aplikasi system pakarmenggunakan bahasa pemrogramanMicrosoftVisual Basic 2008.

1.4 Tujuan dan Manfaat PenelitianAdapun tujuan penelitian ini adalah :

1. Untuk mengetahui jenis narkoba yang

digunakan berdasarkan gejala dari penggunanarkoba.

2. Untuk menerapkan metode bayes dalam

mendiagnosa pengguna narkoba3. Untuk merancang program aplikasi sistempakar untuk mendiagnosa pengguna narkoba

dengan menerapkan metodeBayes ?

Adapun manfaat dari penelitian ini adalah :

1. Dapat membantu masyarakat awam untukmengenal jenis narkoba berdasarkan gejala dari

pengguna narkoba .

2. Dapat mempermudah proses identifikasi ataumempermudah pihak-pihak terkait dalam

mendiagnosa pengguna narkoba.

3. Dapat membantu masyarakat mengetahui

bahaya penggunaan narkoba.

2. Landasan Teori

2.1 Sistem

Menurut Tata Sutarbi dalam bukunya SistemInformasi Management (2005:9) sistem adalah

sekelompok unsur yang erat hubungannya satu

dengan yang lain, yang berfungsi bersamasamauntuk mencapai tujuan tertentu.

Menurut Tata Sutarbi dalam bukunya Sistem

Informasi Management (2005:11) Model umumsebuah sisten adalah input proses dan output. Hal

ini merupakan konsep sebuah sistem yang sangatsederhana sebab sebuah sistem dapat mempunyai

beberapa masukan dan keluaran. Selain itu, sebuahsistem memiliki karakteristik atau sifat- sifat

tertentu yang mencirikan bahwa hal tersebut bias

dikatakan sebagai suatu sistem.

2.2 PakarPakar atau ahli ialah seseorang yang banyak

dianggap sebagai sumber tepercaya atas teknik

maupun keahlian tertentu yang bakatnya untuk

menilai dan memutuskan sesuatu dengan benar,baik sesuai dengan aturan dan status oleh

sesamanya ataupun khayalak dalam bidang khusus

tertentu. Lebih umumnya, seorang pakar ialah

seseorang yang memiliki pengetahuan ataupunkemampuan luas dalam bidang studi tertentu. Para

pakar dimintai nasihat dalam bidang terkait mereka,

namun mereka tidak selalu setuju dalamkekhususan bidang studi. Melalui pelatihan,

pendidikan, profesi, publikasi, maupun

pengalaman, seorang pakar dipercaya memilikipengetahuan khusus dalam bidangnya di atas rata-

rata orang, di mana orang lain bisa secara resmimengandalkan pendapat pribadi.

2.3 Sistem Pakar

Menurut Muhammad Arhami dalam bukunya

Konsep Dasar Sistem Pakar (2005:3). Sistem pakar

adalah salah satu cabang dari AI yang membuatpenggunaan secara luas knowledge yang khusus

untuk penyelesaian masalah tingkat manusia yang

pakar. Seorang pakar adalah orang yang

mempunyai keahlian dalam bidang tertentu, yaitu

pakar yang mempunyai knowledge atau mampu

dalam bidang yang dimilikinya. Ketika sistempakar yang dikembangkan pertama kali sekitar 70-

an sistem pakar hanya berisi knowledge yang

eksklusif. Namun demikian sekarang ini istilahsistempakar sering digunakan untuk berbagai

macam sistem yang menggunakan teknologi sistem

pakar itu.

2.3.1.Konsep Dasar Sistem Pakar

Pengetahuan dari suatu sistem pakar mungkindapat direpresentasikan dalam sejumlah cara. Salah

satu metode yang paling umum untuk

merepresentasikan pengetahuan adalah dalam

bentuk tipe aturan (rule) IfThen (JikaMaka)

2.3.2 Struktur Sistem Pakar

Sistem pakar terdiri dari dua bagian pokok,

yaitu lingkungan pengembangan (developmentenvirontment) dan lingkungan konsultasi

(consultation environtment). Lingkungan

pengembangan sistem pakar digunakan untukmemasukkan pengetahuan pakar ke dalam

lingkungan sistem pakar, sedangkan lingkungan

konsultasi digunakan oleh pengguna yang bukanpakar guna memperoleh pengetahuan pakar.


3/7


23 1 9425



86

Komponen-komponen sistem pakar dalam keduabagian tersebut terlihat dalam Gambar 1.

Gambar 1 : Arsitektur sistem Pakar

2.3.3 Ciri-Ciri Sistem Pakar

Menurut T.Sutojo dalam bukunya

Kecerdasan Buatan (2011:162) Sistem pakarmerupakan program-program praktis yang

menggunakan strategi heuristik yang

dikembangkan oleh manusia untuk menyelesaikanpermasalahan-permasalahan yang spesifik (khusus),

disebabkan oleh keheuristikannya dan sifatnya yang

berdasarkan pada pengetahuan sehingga umumnyasistem pakar mempunyai ciri-ciri sebagai berikut

(E. Turban, 1995):

1. Terbatas pada domain keahlian tertentu.2. Berdasarkan pada kaidah atau rule tertentu.

3. Dapat digunakan dalam berbagai jenis

komputer.4. Mudah dimodifikasi, yaitu dengan menambah

atau menghapus suatu kemampuan dari basis

pengetahuannya.5. Sistem dapat mengaktifkan kaidah secara searah

yang sesuai, dituntun oleh dialog dengan

pemakai.

2.4 Representasi Pengetahuan

Akuisisi pengetahuan dilakukan untuk

memperoleh pengetahuan dari pakar atau sumber

lain (sumber terdokumentasi, buku, sensor, filekomputer, dan lain-lain). Dalam proses akuisisi

pengetahuan, seorang perekayasa pengetahuan

menjembatani antara pakar dengan basispengetahuan. Perekayasa pengetahuan

mendapatkan pengetahuan dari pakar, mengolahnya

bersama pakar tersebut dan menaruhnya dalambasis pengetahuan, dengan format tertentu.

2.4.1 Kaidah Produksi

Kaidah menyediakan cara formal untukmerepresentasikan rekomendasi, arahan, atau

strategi. Pada aturan produk atau kaidah produksipengetahuan disajikan dalam aturan-aturan yang

berbentuk pasangan keadaan-aksi (condition-

action): JIKA keadaan terpenuhi atau terjadi

MAKA suatu aksi akan terjadi. Sistem Pakar yangbasis pengetahuannya selalu disajikan dalam bentukaturan produk disebut sistem berbasis-aturan (rule-

based sistem).

Dari decision table yang telah tereduksi,setiap barisnya dapat dikonversikan menjadi

IF_THEN Rule. Setiap baris pada decision table

yang telah tereduksi akan membentuk satu set rule

final. Struktur dan penulisan rule adalah sebagaiberikut :

1. RULE label : Tabel yang berisi nama rule

tersebut.2.IF : sebagai penanda awal kondisi.

3. THEN : sebagai penanda awal kesimpulan pada

sebuah rule.4. ELSE : sebagai penanda awal alternatif

kesimpulan pada sebuah rule, bersifat opsional,jadi boleh tidak ada.

Operator yang dapat digunakan pada IF-

THEN rule adalah :a.AND : semua kondisi yang dihubungkan oleh

operator ini harus bernilai benar, agar

kondisi keseluruhan rule tersebutbernilai benar. Bila ada satu kondisi

yang bernilai salah, keseluruhan rule

tersebut bernilai salah.

b. OR : Bila semua kondisi yang dihubungkan

oleh operator ini bernilai salah, maka

kondisi keseluruhanrule

tersebutbernilai salah, bila ada salah satu

kondisi atau lebih yang bernilai benar,

keseluruhan rule tersebutbernilai benar.

2.4.2 TeoremaBayesProbabilitasBayesmerupakan salah satu cara

untuk mengatasi ketidakpastian data dengan

menggunakan formula Bayes yang dinyatakandalam rumus sebagai berikut:

......(2-1)

Keterangan :P(H | E) : probabilitas hipotesis H jika diberikan

evidenceE

P(E | H) : probabilitas munculnya evidence apapunP(E) : probabilitas evidence E

Dalam bidang kedokteran teorema Bayes sudah

dikenal tapi teorema ini lebih banyak diterapkandalam logika kedokteran modern (Cutler:

1991).Teorema ini lebih banyak diterapkan pada

hal-hal yang berkenaan dengan probabilitas serta

)(

)().|()|(

EP

HPHEPEHP =


4/7


23 1 9425



87

kemungkinan dari penyakit dan gejala-gejala yangberkaitan

3. Analisa Masalah

3.1 Analisa Sistem Pakar Untuk Diagnosa

Pengguna Narkoba

Pengguna narkoba dapat dideteksi dari jenisgejala atau ciri-ciri yang ditimbulkan akibat jenisnarkoba yang dikonsumsi, hal tersebut biasanya

selalu berhubungan dengan perubahan baik fisik

maupun perilaku yang ditimbulkan oleh pengguna

narkoba. Jenis narkoba yang dikonsumsi olehpengguna narkoba seperti ganja, cocain, heroin,

ekstasi, shabu, inhalen, dan alkohol. Untuk

mengetahui seseorang pengguna narkoba, makadibutuhkan suatu program sistem pakar, dimana

sistem tersebut dapat mengenali jenis narkoba yang

digunakan berdasarkan gejala-gejala yangditimbulkan oleh pengguna narkoba.

3.2 Analisa dan Logika MetodeMetode Bayesmerupakan metode yang baik

di dalam mesin pembelajaran berdasarkan datatraining , dengan menggunakan probabilitas

bersyarat sebagai dasarnya. Metode Bayes

merupakan satu metode yang digunakan untukmenghitung ketidakpastian data menjadi data yang

pasti dengan membandingkan antara ya dan tidak.

Bentuk Teorema Bayes untuk evidence tunggal Edan hipotesis tunggal H

(2-1)

Keterangan :

P(H | E) : probabilitas hipotesis H jika diberikanevidenceE terjadi

P(E | H) : probabilitas munculnya evidence E, Jika

hipotesis H terjadiP(H) : probabilitas hipotesis H tanpa

memandang evidence apa pun

P(E) : probabilitas evidence E tanpamemandang apa pun

Bentuk Teorema Bayes untuk evidence tunggal Edan hipotesis ganda H1, H2, Hn adalah

P(H1|E)

Keterangan :P(Hi | E) : probabilitas hipotesis Hi benar jika

diberikan evidence E

P(E | Hi) : probabilitas munculnya evidenc E jikadiketahui hipotesis H1 terjadi

P(Hi) : probabiltas hipotesis Hi, tanpa

memandang evidence apapunn : jumlah hipotesis yang terjadi

Dari gejala tersebut maka ditentukan nilai bayes

yang akan menentukkan probabilitas Jenis narkobayang digunakan oleh pengguna dapat dilihat pada

tabel dibawah ini

Tabel 1: Menentukan Nilai Probabilitas

Tingkat Nilai Probabilitas

Pasti 1

Cukup Pasti 0.8

Hampir Pasti 0.6

Mungkin 0.4

Tidak Pasti 0.2

Tidak Tahu 0

Andi melakukan diagnosa dengan menjawab

pertanyaan sesuai dengan gejala berikut :

G1 = 0.6 = P(E|H1)

G2 = 0.4 = P(E|H2)G3 = 0.4 = P(E|H3)

G4 = 0.4 = P(E|H4)G5 = 0.6 = P(E|H5)

G6 = 0.2 = P(E|H6)G7 = 0.2 = P(E|H7)

G8 = 0.2 = P(E|H8)Untuk mencari semesta dapat dijumlahkan dari

Hipotesa yang di atas :

8k=1 = G1 + G2 + G3 + G4 + G5 + G6 + G7 + G8

= 0.6 + 0.4 + 0.8 + 0.6 + 0.8 + 0.4 + 0.4 +

0.2

= 4.2

Setelah didapat penjumlahan di atas,

didapatlah rumus untuk menghitung semesta adalahsebagai berikut :

0.14285

0.95238

0.19047

0.14285

0.19047

0.95238

0.95238

0.04761

Setelah mendapatkan nilai P(Hi) probabilitas

hipotesis H tanpa memandang evidence apa pun,

Maka langkah selanjutnya adalah sebagai berikut:

)(

)().|()|(

EP

HPHEPEHP =

)(*)|(

)(*)|(

1HkPHkEP

HiPHiEPn

K=

=


5/7


23 1 9425



88

= P(H1) * P(E|H1) + P(H2) * P(E|H2) + P(H3)

* P(E|H3) + P(H4) * P(E|H4) + P(H5) *P(E|H

5) + P(H

6) * P(E|H

6) + P(H

7) *

P(E|H7) + P(H8) * P(E|H8)

= (0.14285 * 0.6) + (0.95238* 0.4) +(0.19047* 0.4) + (0.14285 * 0.4) +

(0.19047* 0.6) + (0.95238 * 0.2) +

(0.95238 * 0.2) + (0.04761 * 0.2)

= 0.08571 + 0.38095 + 0.07618 + 0.05714 +

0.11428 + 0.19047 + 0.19066 + 0.00952

= 1.10491Setelah mendapatkan nilai nya, Maka

langkah selanjutnya mencari nilai P(Hi | E) atauprobabilitas hipotesis Hi benar jika diberikan

evidence E

P(H1|E)

P(H2|E)

P(H3|E)

P(H4|E)

P(H5|E) 0.10343

P(H6|E) 0.17239

P(H7|E) 0.17239

P(H8|E) 0.00952

Setelah mendapatkan seluruh nilai P(Hi | E),

maka jumlahkan seluruh nilai bayes nya dengan

rumus sebagai berikut :

= (0.6 * 0.07757) + (0.4 * 0.34476) + (0.8*0.06895) + (0.6 * 0.05171)

(0.8 * 0.10343) + (0.4 * 0.17239) + (0.4

*0.17239) + (0.2 * 0.00952)

= 0.46542 + 0.13790 + 0.05516 +0.03102 + 0.01074 + 0.06895 +

0.06895 + 0.01379= 0.85193 * 100 %

= 85,193 %

3.3. Perancangan

a. TampilanFormMenuPada tampilan form menu adalah bentuk

atau gambaran perancangan halaman depan yang

berisi beberapa menu diantaranya adalah menu

diagnosa, dan menu Admin, dapat dilihat padagambar di bawah ini :

Gambar 2 : TampilanForm Menu

b. TampilanFormLogin

Pada tampilan form login, apabila Adminingin login ke dalam sistem Admin klik menu

Admin. Isi username dengan Admin dan

password dengan Admin. Klik tombol OK jikaingin masuk, dan tombol Cancel jika ingin

keluar. Tampilan login dapat dilihat pada gambar dibawah ini :

Gambar 3 : TampilanForm Login

c. TampilanFormInput Data Pasien

Pada tampilanform input data Pasien adalahuntuk menginput data-data pasien, dapat dilihat

pada gambar di bawah ini :

Gambar 4 : TampilanForm Input Data Pasien

d. TampilanFormGejala NarkobaPada tampilan form gejala narkoba adalah

untuk menginput gejala narkoba, dapat dilihat pada

gambar di bawah ini :


6/7


23 1 9425



89

Gambar 5 : TampilanForm Gejala Narkoba

e. TampilanFormJenis NarkobaPada tampilan form jenis narkoba adalah

hasil dari penginputan jenis-jenis narkoba, dapat

dilihat pada gambar di bawah ini :

Gambar 6 :TampilanForm Jenis Narkoba

f. TampilanFormDiagnosa Pengguna Narkoba

Pada tampilan form diagnosa pengguna

narkoba adalah untuk menampilkan hasil diagnosa

pada masing-masing jenis narkoba ketika prosesdiagnosa dilakukan. Padaform ini ditampilkan hasil

perhitungan Bayes, dapat dilihat pada gambar di

bawah ini

Gambar 7 : TampilanForm Diagnosa Pengguna

Narkoba

5. Kesimpulan dan Saran

5.1 KesimpulanBerdasarkan hasil pembahasan yang telah

dilakukan sebelumnya, maka dapat disimpulkan

bahwa :1. Sistem pakar ini menggunakan metode bayes

yang proses pencarian solusinya berdasarkan

nilai probabilitas hipotesa dan probabilitasevidence. Pada aplikasi ini, setiap gejala akan

merujuk pada satu kesimpulan yakni berupahasil diagnosa.

2. Sistem pakar ini menghasilkan berupa hasildiagnosa yang disertai dengan nilai-nilai pada

perhitungan masing-masing narkoba tersebut

serta penelusuran diagnosa dari gejala- gejala

narkoba yang diderita.3. Penulis dapat merancang aplikasi sistem pakar

untuk mendiagnosa gejala narkoba yang

ditimbulkan dengan menggunakan metodebayes.

5.2

SaranAdapun saran-saran yang dikemukaan

adalah sebagai berikut :

1. Penambahan solusi berupa obat-obatan yangdibutuhkan apabila gejala telah ddiagnosa.

2. Penambahan metode lain untuk mengatasikesulitan kepastian data dalam diagnosa,dikarenakan metode bayes hanya menentukan

probabilitas dari suatu gejala narkoba yang

ditimbulkan .3. Tampilan sistem pakar yang dibangun masih

tampak sederhana, sehingga dapat

dikembangkan lebih baik dan lebih menarik

lagi seperti diracang kedalam sebuah web

ataupun mobile.

DAFTAR PUSTAKA

1. Arhami, Muhammad, Konsep Dasar SistemPakar, Penerbit Andi, Yogyakarta, 2005.

2. Kusrini, Sistem Pakar Teori dan Aplikasi,Penerbit Andi Offset, Yogyakarta, 2006.

3. Sutojo,T., Kecerdasan Buatan, PenerbitAndi, Yogyakarta, 2011.


7/7


23 1 9425



90

4. Sri Kusumadewi, Artificial Intelligence(Teknik dan Aplikasinya), Penerbit Graha

Ilmu, 2003.5. Hendrayudi, Dasar-dasar Pemrograman

Microsoft Visual Basic, Penerbit PT.SaranaTutorial Nurani Sejahtera, 2011.

6. Badan Narkotika Nasional RepublikIndonesia, Mengenal PenyalahgunaanNarkoba, 2012.

7. Badan Narkotika Nasional RepublikIndonesia, Pencegahan Penyalahgunaan

Narkoba, 2012.

Bayes (Narkoba)

Documents

Transcript of Bayes (Narkoba)