Identifikasi Penyakit Balita Berdasarkan Gejala yang dialami dengan menggunakan Bayesian Network

Koswara Koswara, Yana Adharani, Sitti Nurbaya Ambo

Abstract


Anak-anak dibawah usia lima tahun (balita) rentan terhadap serangan berbagai jenis penyakit. Setiap penyakit pada umumnya didahului oleh gejala-gejala tertentu. Pentingnya kemampuan untuk mengidentifikasi penyakit berdasarkan gejala yang dialami dapat membantu menyelamatkan anak dari resiko penyakit yang lebih berat atau kematian. Kendati demikian, kurangnya pengetahuan orang tua terhadap berbagai jenis penyakit, kurangnya tenaga medis dan akses yang jauh ke tempat pelayanan kesehatan merupakan beberapa faktor yang menyebabkan anak sakit tidak segera mendapatkan penanganan dini. Dalam penelitian ini dibuat aplikasi yang dapat mengidentifikasi penyakit demam berdarah, campak, cacar air, batuk pilek, dan demam tifoid berdasarkan gejala yang dialami dengan menggunakan metode Bayesian Network. Terdapat dua aktor yang dapat menggunakan aplikasi, yaitu pengguna umum yang dapat melakukan pengecekan penyakit berdasarkan gejalanya dan admin yang dapat mengelola data penyakit, data gejala, dan saran pemberian pertolongan pertama. Aplikasi untuk pengguna umum berbasis android dan untuk admin berbasis web. Hasil penelitian menunjukkan penggunaan metode Bayesian Network untuk mengidentifikasi penyakit demam berdarah, campak, cacar air, batuk pilek, dan demam tifoid masih memiliki tingkat akurasi yang rendah, yaitu rata-rata dibawah 60%. Disamping itu pada Bayesian Network, penilaian hasil identifikasi sangat ditentukan oleh besarnya nilai prior probability dan conditional probability, sehingga semakin banyak gejala yang dialami balita tidak selalu berkorelasi positif dengan kenaikan nilai hasil identifikasi.

Full Text:

PDF

References


Biro Komunikasi dan Pelayanan Masyarakat,Kementerian Kesehatan RI.

(2018, Januari 18). Direktur Gizi Kemenkes: Campak Erat Kaitannya dengan Kurang Gizi . Diambil kembali dari Kementrian Kesehatan Republik Indonesia: http://www.depkes.go.id/article/v iew/18011900003/direktur-gizi kemenkes-campak-erat-kaitannya-dengan-kurang-gizi.html

Devi, F. P., Usadha, I., Wibowo, I., & Mukhlash, I. (2017). Penilaian Risiko Pipa Bawah Laut Oleh Faktor Kapal Menggunakan Pendekatan Bayesian

Network. Journal of Mathemat ics and Its Application , 61 71.

Horný, M. (2014). Bayesian Networks. Boston: Boston University, School of Public Health. .

Kurnia, R., Aini, F., & Ikhwana , E. (2014). Deteksi Dini Penyakit Paru secara Mobile Berbasis Bayesian Network. The 6th National C onference on Information Technology and Electrical Engineering (hal.133 138). Yogyakarta: UGM

Pusat Data dan Informasi Kementrian Kesehatan RI. (2015). Situasi Kesehatan Anak Balita di Indonesia Jakarta: Kementrian Kesehatan RI.

Tinaliah. (2015). Aplikasi Sistem Pakar Untuk Diagnosa Penyakit Hewan Ternak Sapi Dengan Bayesian Network. Jurnal Sisfotenika Vol. 5, No. 1, 13 – 24.


Refbacks

  • There are currently no refbacks.


==============================================================================================================

Prosiding SEMNASTEK Fakultas Teknik
Universitas Muhammadiyah Jakarta
Jl. Cempaka Putih Tengah 27
Jakarta Pusat 10510
T. 021.4256024, 4244016 / F. 021.4256023

ISSN : 2407 – 1846
e-ISSN : 2460 – 8416

==============================================================================================================

Powered by Puskom-UMJ