You are on page 1of 10

semanTIK, Vol.2, No.1, Jan-Jun 2016, pp.

177-186
ISSN : 2502-8928 (Online)

 177

APLIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS
MENGGUNAKAN METODE FUZZY MULTI CRITERIA
DECISION MAKING
Indah Lestari Sumitro*1, Ika Purawanti Ningrum2, Rahmat Ramadhan3
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Halu Oleo, Kendari
e-mail: *1namaemailku9@gmail.com, 2ika.purwanti.n@gmail.com, 3rahmat.ramadhan@innovcenter.org
*1,2,3

Abstrak
Fuzzy Multi Criteria Decision Making (FMCDM) dapat dikatakan MCDM (Multi Criteria
Decision Making) dengan data fuzzy. Data fuzzy dapat terjadi pada setiap alternatif atau tingkat
kepentingan pada setiap kriteria. Setiap kriteria atau gejala-gejala dan jenis alternatif penyakit
biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan oleh pengambil
keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik. Penelitan ini dilakukan
untuk membantu pengambilan keputusan dalam menentukan jenis penyakit Diabetes Melitus (DM)
yang diderita dari beberapa altematif jenis penyakit DM sesuai dengan gejala-gejala yang ditentukan.
Sistem dibuat dengan mengambil beberapa kelompok jenis penyakit DM sebagai data yang akan
dipakai dalam perhitungan. Pengujian sistem dengan menerapkan perhitungan confusion matrix
memperoleh hasil accuracy yaitu 100%, sensitivity yaitu 100%, dan specificity yaitu ∞ (tidak
terhingga). Keluaran dari sistem ini berupa alternatif-alternatif penyakit yaitu Normal atau tidak
terdiagnosa berpenyakit DM, Pradiabetes, DM tipe 1, dan DM tipe 2.
Kata kunci— Confusion Matrix, Diabetes Melitus, Fuzzy Multi Criteria DecisionMaking.
Abstract
Fuzzy Multi Criteria Decision Making (FMCDM) can be seen as MCDM (Multi Criteria
Decision Making) with fuzzy data. Fuzzy data can be applied for every alternatives or level of
importance in every criterion. Every criteria or indications and kind of disease alternatives usually
contains unpredictable values that prediction which given by decision maker done by qualitative and
represented linguistically. This research aims to help the decision maker to determine category of
Diabetes Mellitus (DM) which suffered from each categories of DM which related to indications that
being determined. The system created by taking some categories of DM as data which will be used in
calculation. The experiment that used the confusion matrix method resulted the values of accuracy is
100%, sensitivity is 100% and specificity is ∞ (infinite). The output of this system is alternatives of
this diseased which Normal or undetected of DM, Pradiabetes, DM type 1, and DM type 2.
Keywords— Confusion Matrix, Diabetes Melitus, Fuzzy Multi Criteria DecisionMaking.
1. PENDAHULUAN

D

iabetes Melitus (DM) yang umum
dikenal sebagai kencing manis adalah
penyakit yang ditandai dengan
peningkatan kadar gula darah yang terusmenerus dan bervariasi, terutama setelah
makan. Pada umumnya dikenal 2 tipe diabetes,
yaitu diabetes tipe 1 (tergantung insulin), dan
diabetes tipe 2 (tidak tergantung insulin).
Diabetes
Melitus
merupakan penyakit

penyebab kematian yang mempunyai rank
cukup tinggi di dunia termasuk di Indonesia.
Ketua Persatuan Diabetes Indonesia (Persadia)
Pusat, Prof. Sidartawan Soegondo mengatakan
penderita diabetes di Indonesia cenderung naik
dari tahun ke tahun. Sebagian besar penderita
mengidap penyakit ini akibat faktor keturunan
dan pola hidup yang tidak sehat [1].
Dalam mendiagnosis penyakit Diabetes
Melitus ada beberapa hal yang perlu
diperhatikan yaitu peningkatan kadar gula

Received June 1st ,2012; Revised June 25th, 2012; Accepted July 10th, 2012

maka penulis membangun sebuah aplikasi dengan melakukan penelitian dan menulis tugas akhir yang berjudul “APLIKASI DIAGNOSIS PENYAKIT DIABETES MELLITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING” berbasis java. July 201x : first_page – end_page . Berawal dari kasus tersebut. Aplikasi ini diharapkan dapat menjadi alternatif solusi untuk mengatasi masalah yang sering dialami oleh penderita penyakit Diabetes Melitus berdasarkan gejala. Fuzzy Multi Criteria Decision Making (FMCDM) adalah MCDM dengan data fuzzy. Hasil dari penelitian ini menunjukkan bahwa metode yang diusulkan dalam penelitian ini layak dan efektif dalam memecahkan masalah MCDM dengan HFLNs. 1 Sistem Penunjang Keputusan Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun IJCCS Vol. METODE PENELITIAN 2. sering berkemih/buang air kecil terutama pada malam hari. Penelitian lain juga yang menggunakan metode serupa dalam penyelesaian kasusnya yaitu “Penerapan Fuzzy Multi Criteria Decision Making Untuk Mendiagnosis Penyakit Kulit Pyoderma Dengan Metode Agregasi”. pradiabetes. 2. muncul ide untuk membuat suatu aplikasi menggunakan metode fuzzy multi-criteria decision making (FMCDM). serta hal yang paling mendasar ketika seseorang menderita penyakit Diabetes Melitus yaitu adanya riwayat keluarga yang menderita penyakit yang sama. Metode ini sangat cocok dengan kasus diagnosis penyakit Diabetes Melitus karena terdapat alternatif-alternatif dari jenis penyakit Diabetes Melitus. Penelitian ini membahas tentang kriteria yang ada pada Multi Criteria Decision Making (MCDM) memiliki tingkat prioritas yang berbeda dan nilai kriteria berbentuk angka Hesitant Fuzzy Linguistik (HFLNs). Setiap kriteria atau gejala-gejala yang dialami dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik sehingga menghasilkan output berupa daftar jenis alternatif penyakit yang dialami [4]. Berdasarkan uraian tersebut.178 Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM darah yang terus meningkat apabila tidak ditangani sejak awal. No. Sistem ini dapat digunakan untuk mendiagnosis awal kemungkinan penyakit kulit [6]. Pada beberapa kasus yang telah menerapkan metode fuzzy multi-criteria decision making ini diantaranya yaitu penerapan fuzzy multi-criteria decision making untuk mendiagnosis penyakit tropis dengan metode agregasi. Data fuzzy dapat terjadi pada setiap alternatif atau tingkat kepentingan pada setiap kriteria. dan Diabetes Melitus tipe 2. Diabetes Melitus tipe 1. Pada kasus ini dihasilkan jenis penyakit dengan menggunakan metode agregasi berdasarkan gejala-gejala yang dirasakan pasien [3]. Penelitian lain juga dilakukan oleh [5] yang berjudul “Hesitant Fuzzy Linguistic Multi Criteria Decision-Making Method Based on Generalized Prioritizied Aggregation Operator”. Setiap kriteria atau gejala-gejala yang dialami dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik [2]. sehingga diperlukan suatu sistem yang dapat membantu pengambilan keputusan dalam menentukan jenis penyakit Diabetes Melitus yang diderita dari beberapa alternatif penyakit Diabetes Melitus sesuai dengan gejala-gejala fisik yang diinputkan. penerapan metode fuzzy multy-criteria decision making untuk mendiagnosis penyakit kulit pyoderma dengan metode agregasi yang digunakan untuk menyelesaikan suatu kemungkinan munculnya gejala yang sama dari gangguan yang berbeda. Penelitian lain yang juga menggunakan metode serupa yaituSistem Pendukung Keputusan Pemilihan Jenis Sakit Kepala dengan menggunakan metode FuzzyMCDM. Pada penelitian ini. Oleh karena itu diperlukan sebuah perangkat lunak yang dapat mendiagnosis penyakit Diabetes Melitus sehingga nantinya akan menghasilkan output berupa jenis penyakit DM yang diderita. x. Dalam aplikasi yang akan dibangun terdapat 4 hasil diagnosis yaitu normal/tidak terdiagnosis penyakit Diabetes Melitus.gejala yang diderita pasien. merasakan haus yang berlebihan. x.Sistem ini menghasilkan kemungkinan penyakit yang diderita pengguna yang berupa persentase penyakit.

dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat [7]. Terdapat 4 (empat) alternatif penyakit Diabetes Melitus. Alternatif 1 A1 2 3 4 A2 A3 A4 2.PD. M. implies research results (First Author) . a. 3. Agregasi bobot = = 1 1 Tabel 2 Kriteria ( ) ( ) Variabel G1 G2 = 1 ( Nama Penyakit Normal / tidak terdiagnosa berpenyakit Diabetes Melitus (DM) Pradiabetes Diabetes Melitus tipe 1 Diabetes Melitus tipe 2 ) G3 G4 Menyeleksi alternatif optimal 1 ∝( ) ( + + (1 − ) ) = 2 G5 G6 Hasil diagnosis tertinggi Selesai Gambar 1 Flowchart metode FMCDM G7 G8 G9 Kriteria Umur Indeks Masa Tubuh (IMT) Haus berlebih Lapar yang berlebih Sering berkemih terutama malam hari Berat badan menurun Penglihatan kabur Mudah infeksi pada kulit Nyeri atau baal Keterangan Data fuzzy Data fuzzy Data fuzzy Data fuzzy Data fuzzy Data nonfuzzy Data nonfuzzy Data fuzzy Data fuzzy Title of manuscript is short and clear. Dapat dilihat pada Tabel 1. 2. Tabel 1 Alternatif penyakit diabetes mellitus (Sumber : dr. Melakukan seleksi terhadap alternatif yang optimal. Metode ini memerlukan kriteria-kriteria dan bobot untuk melakukan perhitungannya sehingga akan didapat alternatif terbaik sebagai hasil output sistem [2]. Flowchart metode Fuzzy Multi Criteria Decision Making secara keseluruhan dapat dijelaskan seperti pada Gambar 1. 2 Fuzzy Multi Criteria Decision Making Pada penelitian ini penulis menggunakan metode Fuzzy Multi Criteria Decision Making (FMCDM) dalam mendiagnosis penyakit Diabetes Melitus. Evaluasi himpunan fuzzy pada setiap alternatif keputusan. Identifikasi kriteria Berdasarkan alternatif pada Tabel 1 memiliki beberapa kriteria yang dibutuhkan untuk menentukan jenis penyakit Diabetes Melitus yang diderita oleh pasien penderita penyakit Diabetes Melitus. Adapun kriterianya dijelaskan pada Tabel 2. Representasi masalah. Topan Binawan. Identifikasi tujuan dan kumpulan alternatif keputusan Mempresentasikan permasalahan dengan melakukan pengidentifikasi tujuan pencarian dalam mengetahui alternatif penyakit Diabetes Melitus.. SP. yaitu : 1. Representasi Masalah 1.Kes) Mulai Representasi Masalah Evaluasi himpunan fuzzy Mengevaluasi bobot pada setiap kriteria dan derajat kecocokan dan alternatif terhadap kriteria No.Sumitro. 2. Ningrum dan Ramadhan IJCCSISSN: 1978-1520  179 kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Pada metode Fuzzy Multi Criteria Decision Making (FMCDM) ada 3 langkah penting yang harus dikerjakan. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur.

G9 = Mudah nyeri. G11. Disebut data fuzzy karena pada kriteria yang telah disebutkan sebelumnya memiliki variabel linguistik yang bernilai samar/kabur. 3. G3 = Haus berlebih. G2. IMT (Indeks Masa Tubuh). G7. G4 = Mudah lapar. Dalam hal ini nilai yang diperoleh dari fuzzy segitiga bukan hasil dari perhitungan derajat keanggotaan. A2 = Pradiabetes.Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM 180 G10 Sering capek Data fuzzy G11 Mudah ngantuk Gula Darah Puasa (GDP) Gula darah 2 jam Post Prandial (GDPP) Data fuzzy G12 G13 G14 Faktor turunan Data fuzzy Data fuzzy Data nonfuzzy Berdasarkan dari 14 kriteria yang terdapat pada Tabel 2 terbagi menjadi 2 jenis data yaitu data fuzzy dan data non-fuzzy. G5 = Sering berkemih. Adapun data non-fuzzy yaitu penglihatan kabur. tetapi nilai dari data fuzzy yang direpresentasikan ke IJCCS Vol. G12 = Gula darah puasa (GDP). Gambar 2 Struktur Hirarki b. Di mana G = {G1. G10. A3 = Diabetes Melitustipe 1 dan A4 = Diabetes Melitus tipe 2. A4}. Memilih himpunan rating untuk bobotbobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. berat badan menurun. faktor turunan. Disebut data non-fuzzy karena pada kriteria yang telah disebutkan sebelumnya memiliki variabel linguistik yang bernilai benar atau salah. ada tiga sub tahapan. Evaluasi Himpunan Fuzzy Dalam tahap evaluasi himpunan fuzzy ini. G11 = Mudah ngantuk. G6 = Berat badan menurun. mudah ngantuk. Membangun struktur hirarki Dari alternatif dan kriteria dapat dibangun struktur hirarki dari permasalahan tersebut. G13. G6. G4. Himpunan rating untuk bobot derajat kepentingan setiap alternatif dengan kriterianya akan dibagi sesuai dengan kriteria yang digunakan. nyeri atau baal. G10 = Mudah lelah. Gambar 2 menunjukkan struktur hirarki. G7 = Penglihatan kabur. A2. Dari masing-masing kriteria pada Tabel 1 akan ditentukan bobot-bobotnya berdasarkan bilangan fuzzy segitiga. dan Gula Darah 2 jam Post Prandial (GDPP). sering berkemih terutama malam hari. umur. sering capek. A3. Dan A = {A1. Adapun data fuzzy yang terdapat pada Tabel 2 yaitu haus berlebih. G14}. G1 = Umur. mudah infeksi pada kulit. x. Gula Darah Puasa (GDP). lapar yang berlebih. G8. No. x. G9. G12. G13 = Gula darah 2 jam PP (Post Prandial) (GDPP) dan G14 = Faktor turunan. dan berat badan menurun. G5. G8 = Mudah infeksi. G2 = Indeks Masa Tubuh (IMT). July 201x : first_page – end_page . A1 = Normal / Tidak terdiagnosa berpenyakit DM. G3. antara lain: 1.

6 Z 0.8 0 0.2 0.6 0. Tabel 3 Bobot kepentingan kriteria penyakit diabetes melitus Kriteria Haus berlebih Lapar yang berlebih Sering berkemih terutama pada malam hari Mudah infeksi pada kulit Mudah ngantuk Nyeri atau baal Sering capek Penglihatan kabur Indeks masa tubuh (IMT) Faktor turunan Berat badan menurun Gula darah puasa (GDP) Variabel Linguistik Tidak Jarang Ya ½ Porsi 1 Porsi > 1 Porsi Normal Sering Sangat sering Tidak Jarang Ya Tidak pernah Jarang Sering Tidak pernah Jarang Sering Tidak pernah Jarang Sering Tidak Ya Kurus Sedang Gemuk Obesitas Ya Tidak Normal Drastis GDP 1 (GDP < 100) GDP 2 (GDP ≥ 100 dan GDP  181 IJCCSISSN: 1978-1520 Sumitro.7 1 0.2 0.7 1 0 0 0.5 0.8 0.6 0 0.8 0.4 Bobot Q 0.8 0 0.8 0.6 0.5 0.2 0.4 Gula darah 2 jam Post Prandial (GDPP) Umur ≤ 125) GDP 3 (GDP > 125 dan GDP ≤ 200) GDP 4 (GDP > 200) GDPP 1 (GDPP < 140) GDPP 2 (GDPP ≥ 140 dan GDPP ≤ 200) GDPP 3 (GDPP > 200 dan GDPP ≤ 300) GDPP 4 (GDPP > 300) Usia 1 (0 – 18 tahun) Usia 2 (17 – 30 tahun) Usia 3 )25 – 40 tahun) Usia 4 ( > 40 tahun) 0.6 0.2 0.8 0 0.2 0.3 0.2 0.5 0 0 0.8 1 0 0.5 0.6 0. Tabel 4 Bobot derajat kecocokan 0.4 0. dan tinggi pada data fuzzy.4 0. Untuk menentukan bobot nilai pada derajat kecocokan yaitu sama halnya dengan menentukan bobot nilai pada derajat kepentingan hanya saja yang membedakan adalah variabel linguistik yang dimiliki oleh derajat kecocokan.2 0.3 0.4 0.8 0.4 0.7 0 0/5 0 0.6 0.6 0.7 1 0 0 0.6 0. Adapun bobotbobotnya dijelaskan pada Tabel 3.2 0. tengah.5 0.5 0.7 1 1 0.7 1 1 0 0.8 0.8 0. implies research results (First Author) .6 0.2 Title of manuscript is short and clear.3 0.2 0.4 0.4 0 0.3 0.8 1 0. Ningrum dan Ramadhan Y 0 0.3 0.5 0.4 0.2 0.5 0.3 0.2 0.6 0.5 0.4 0.7 1 0.2 0.7 0.5 0. Tabel 4 Merupakan tabel bobot derajat kecocokan.6 0.4 0.5 0 0 0.6 0.3 0.5 0 0 0 0 0.4 Himpunan rating untuk derajat kecocokan yang merepresentasikan bobot kepentingan untuk setiap kriteria sebagai berikut : TB = Tidak Berperngaruh KB = Kurang Berpengaruh CB = Cukup Berpengaruh B = Berpengaruh SB = Sangat Berpengaruh Fungsi keanggotaan untuk setiap elemen direpresentasikan dengan menggunakan bilangan fuzzy segitiga.7 0.4 0.dalam bobot nilai yang diperoleh dari hasil wawancara kepada pakar.4 0.5 1 0.4 0.7 1 0 0 0.6 0 0 0 0 0.3 0. Fuzzy segitiga digunakan untuk memudahkan dalam merepresentasikan nilai titik rendah.6 Variabel Linguistik Tidak Berpengaruh Y 0 Bobot Q 0 Z 0.5 0.4 0.8 1 0.

308 0.632 Dengan mensubtitusikan indeks kecocokan fuzzy pada Tabel 9 ke Persamaan (5) dengan mengambil derajat keoptimasan ( ) = 0 (tidak optimis).Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM 182 Kurang Berpengaruh Cukup Berpengaruh Berpengaruh Sangat Berpengaruh 0 0.8 1 0.619 0.4 0. 1 = (1) .3 0. = 1 Tabel 5 Derajat kecocokan alternatif terhadap kriteria keputusan Alternatif A1 A2 A3 A4 G2 CB CB CB CB G3 B B CB CB G4 B CB CB CB G5 B B CB CB G6 CB CB CB B G7 B B CB B G8 CB CB B B G9 CB CB B B G10 CB CB CB CB G11 B B CB B (2) . Tabel 6 Derajat kecocokan untuk kriteria umur Kriteria G1 Kondisi UMUR >= 15 & UMUR <= 24 UMUR >= 25 & UMUR <=34 UMUR >= 35 & UMUR <= 44 UMUR >= 45 Alternatif Diabetes Diabetes Pradiabetes Melitus I Melitus II Normal SB KB SB KB SB CB CB CB SB B B B SB KB KB SB c.141 0. (3) dan (4).7 1 1 3.322 0.5 (optimis). =( . maka dipilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal.278 0. Mengevaluasi bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya yang ditunjukkan oleh Tabel 5. 6. Setelah diperoleh hasil dari perhitungan pada Persamaan 5.2. Tabel 9 Indeks kecocokan fuzzy Alternatif A1 A2 A3 A4 Alternatif Diabetes Diabetes Normal Pradiabetes Melitus I Melitus II SB KB KB KB TB + 3. 2. Seleksi Alternatif Optimal Memprioritaskan alternatif keputusan berdasarkan hasil agregasi untuk proses perangkingan alternatif keputusan dengan menggunakan metode nilai total integral pada Persamaan (5).296 0.3. IJCCS Vol. 7 dan 8. (3) dan (4) pada setiap alternatif didapatkan nilai indeks kecocokan fuzzy untuk setiap alternatif yang ditunjukkan oleh Tabel 9. x. 1 = G14 B CB SB CB ) .131 0. July 201x : first_page – end_page . Mengagregasikan bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya dengan menggunakan Persamaan (2). … . HASIL DAN PEMBAHASAN Tabel 8 Derajat kecocokan untuk kriteria gula darah 2 jam PP Kriteria 1 ( 2 Indeks Kecocokam Fuzzy Y Q Z 0. No. ( ) = 0.096 0. . x. (3) (4) = 1.9 0.2 0.587 0.6 0.589 0.112 0. ( )= Tabel 7 Derajat kecocokan untuk kriteria gula darah puasa Kriteria Kondisi G12 GDP < 100 GDP >= 100 dan GDP <= 125 GDP > 125 dan GDP <= 200 GDP > 200 Normal Alternatif Diabetes Diabetes Melitus I Melitus II KB KB Pradiabetes SB KB TB B B CB TB B B SB TB B B SB G13 Kondisi GDPP < 140 GDPP >= 140 dan GDPP <= 200 GDPP > 200 dan GDPP <= 300 GDPP > 300 B B CB TB B B SB TB B B SB + (1 − ) ) (5) Berdasarkan dari hasil perhitungan menggunakan Persamaan (2).5 0.

354 0. Pada Form diagnosis user menginput data diri dan gejala pasien. maka akan diperoleh nilai total integral untuk setiap alternatif yang ditunjukkan oleh Tabel 10. sehingga penyakit Diabetes Melitustipe 2 terpilih sebagai penyakit optimal untuk diagnosis penyakit Diabetes Melitus.328 0.464 1. = Jumlah 0.443 0. Title of manuscript is short and clear.214 0. implies research results (First Author) .339 0.232 0. Apabila user memilih tombol proses maka akan muncul tampilan informasi bahwa data telah berhasil disimpan ke dalam database sistem.31 0. Tabel 10 Hasil nilai total integral Alternatif A1 A2 A3 A4 Nama penyakit Normal/tidak terdiagnosa berpenyakit DM Pradiabetes Diabetes Melitus tipe 1 Diabetes Melitus tipe 2 = Nilai Total Integral = . Ningrum dan Ramadhan ( ) = 1 (sangat optimis).433 0.477 1. 3. 183 IJCCSISSN: 1978-1520 Sumitro. Tombol proses berguna untuk memproses data yang telah di-input. Gambar 4 merupakan gambar tampilan informasi data berhasil disimpan. Setelah data diri dan gejala di-input maka user akan memilih tombol proses. Gambar 3 Tampilan form diagnosis Pada form diagnosis user akan menginput data diri pasien serta memilih gejala yang terdapat disebelah kanan pengisian data diri pasien.985 0.187 0.1 Form Diagnosis Form diagnosis merupakan tampilan antarmuka yang muncul ketika memilih menu diagnosis.018 0.063 Dari perhitungan data sampel menggunakan metode fuzzy multi criteria decision making diperoleh hasil nilai perhitungan alternatif dengan prioritas tertinggi sebagai alternatif yang optimal yaitu alternatif A4.929 0.215 0. Gambar 3 Merupakan gambar tampilan form Diagnosis pada aplikasi diagnosis penyakit Diabetes Melitus.

Gambar 6 Merupakan gambar tampilan print Hasil Diagnosis Gambar 5 Tampilan form hasil diagnosis 3. Tabel 11 Hasil klasifikasi data uji No Gambar 6 Tampilan print hasil diagnosis 1 2 3 4 5 6 7 8 IJCCS Vol. gula darah puasa. jenis kelamin. Gambar 5 merupakan gambar tampilan form Hasil Diagnosis pada aplikasi diagnosis penyakit Diabetes Melitus. nama. riwayat keluarga penderita Diabetes Melitus. dan hasil diagnosis. x. gula darah puasa. umur. Pada form hasil diagnosis sistem menampilkan data diri pasien. gula darah 2 jam PP. gejala yang diderita. July 201x : first_page – end_page Hasil Diagnosis Sistem Pakar Diabetes Melitus II Diabetes Melitus II Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes Pradiabetes . x.184 Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM Gambar 4 Tampilan informasi data berhasil 3. berat badan. Tombol print berfungsi untuk mencetak data hasil diagnosis yang terdiri dari : id pasien. hasil perhitungan metode fuzzy multi criteria decision making dan jenis penyakit Diabetes Melitus yang terdiagnosis.2 Form Hasil Diagnosis Form hasil diagnosis merupakan tampilan antar muka yang tampil ketika tombol proses pada form diagnosis dipilih. No.3 Confussion Matriks Dalam pengujian sistem dilakukan proses perhitungan akurasi untuk 20 data uji. IMT. Hasil klasifikasi dengan sistem pakar untuk 20 data uji ditunjukkan pada Tabel 11. Pada form hasil diagnosis tersedia tombol print. tinggi badan.

dan Specificity yaitu ∞ (tak terhingga). 2011. implies research results (First Author) . diantaranya sebagai berikut : 1. Specificity. [3] Rika R. 2014. Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Title of manuscript is short and clear. Dalam penelitian selanjutnya diharapkan algoritma Fuzzy Multi Criteria Decision Making dapat dibandingkan dengan metode atau algoritma lain pada penelitian yang sama 2. Dalam penelitian selanjutnya diharapakan menggunakan data yang lebih banyak sehingga menghasilkan data yang lebih bervariasi. Ningrum dan Ramadhan 9 10 11 12 13 14 15 16 17 18 19 20 Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Diabetes Melitus II Berdasarkan data pada Tabel 11 maka dibentuk tabel confussion matriks yang ditunjukkan oleh Tabel 12. Skripsi. dan Retantyo W. Sensitivity yaitu 100%. ada beberapa saran untuk pengembangan sistem lebih lanjut. DAFTAR PUSTAKA Specificity = = + × 100% × 100% = ∞ [1] PERKENI. Pengelolan dan Pencegahan Diabetes Mellitus Tipe 2 di Indonesia. dan Accuracy menggunakan perhitungan confusion matrix dengan detail perhitungan sebagai berikut : Sensitivity = × 100% + 20 = × 100% = 100% 20 + 0 Berdasarkan hasil penelitian. 2011. Dari hasil pengujian menggunakan perhitungan confusion matriks aplikasi diagnosis penyakit Diabetes Melitus dapat dipertimbangkan untuk membantu pakar dalam [2] Siregar. Tabel 12 Klasifikasi data uji Actual mengambil keputusan untuk mendiagnosis penyakit Diabetes Melitus.Yogyakarta.R.. 4.. Specifity = ∞ . KESIMPULAN Setelah melakukan implementasi dan pengujian aplikasi diagnosis penyakit Diabetes Melitus dapat ditarik kesimpulan yaitu peneliti dapat menerapkan metode Fuzzy Multi Criteria Decision Makingdalam pembuatan aplikasi diagnosa penyakit Diabetes Melitus yang dapat memberikan solusi dalam mendiagnosis penyakit Diabetes Melitus serta pada pengujian sistem menggunakan confusion matrix diperoleh hasil untuk Accuracy yaitu 100%.Perkumpulan Endkrinologi Indonesia. K. Diagnosa Penyakit Hepatitis Menggunakan Fuzzy Multi Criteria Decision Making. Medan. Seminar Nasional Informatika UPN ”Veteran”. Accuracy: + × 100% + + + 20 + 0 = × 100% = 100% 20 + 0 + 0 + 0 = Berdasarkan perhitungan akurasi yang telah dilakukan diperoleh hasil untuk Sensitivity = 100%.IJCCSISSN: 1978-1520 Sumitro. SARAN Pakar Sistem Pakar 20 0 Sistem 0 0 Predicted  185 Berdasarkan Tabel 12 didapatkan nilai Sensitivity. 5. Penerapan Fuzzy Multi Criteria Decision Making (FMCDM) Untuk Diagnosis Penyakit Tropis. Accuracy = 100%.

[5] Wu. Hesitant Fuzzy Linguistic Multi Criteria Decision-Making Method Based on Generalized Prioritizied Aggregation Operator. 2014.. Wang. dan Setiawan S. Zang. M.186 Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy MCDM [4] Cahyo. Joy E.H.. J. 2013. Penerapan Fuzzy Multi Criteria Decision Making Untuk Mendiagnosa Penyakit Kulit Pyoderma Dengan Metode Agregasi.. Ting-Peng L.W. 2014. x.. China. danChen.. Negnevitsky.Y. E. School of Business Central South University Changsha 410083. X. x.. July 201x : first_page – end_page . Sistem Pendukung Keputusan Pemilihan Jenis Sakit Kepala dengan Menggunakan Metode Fuzzy MCDM. Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Baru.. Decision Support Systems and Intelligence System.Wang. 2008..Q. No. The Scientific World Journal Vol. H. J. J. S. Skripsi. IJCCS Vol. A. Pekanbaru. Skripsi. Penerbit : Andi Offset... [7] Turban.T. Jurusan Teknik Informatika Universitas Islam Indonesia. Yogyakarta. 2005. [6] Zainir V. Yogyakarta.