See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/327282612

DETEKSI GEJALA VIRUS ZIKA MENGGUNAKAN METODE CERTAINTY FACTOR

DAN NAIVE BAYES BERBASIS ANDROID

Article  in  Jurnal Teknologi · August 2018

CITATIONS READS

0 635

3 authors:

Ema Nur Hamidah Fatsyahrina Fitriastuti

Universitas Janabadra Universitas Janabadra
1 PUBLICATION   0 CITATIONS    9 PUBLICATIONS   3 CITATIONS   

SEE PROFILE SEE PROFILE

Ryan Ari Setyawan

Universitas Janabadra
7 PUBLICATIONS   0 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Aplikasi KwH (Kilo What Hour) Meter Berbasis Microntroller Atmega 32 Untuk Memonitor Beban Listrik View project

RANCANG BANGUN E-LEARNING UNIVERSITAS JANABADRA MENGGUNAKAN EFRONT View project

All content following this page was uploaded by Ema Nur Hamidah on 29 August 2018.

The user has requested enhancement of the downloaded file.

 DETEKSI GEJALA VIRUS ZIKA MENGGUNAKAN CERTAINTY FACTOR
DAN NAIVE BAYES BERBASIS ANDROID

Ema Nur Hamidah1, Ryan Ari Setyawan2, Fatsyahrina Fitriastuti 3

1,2,3
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Janabadra, Yogyakarta

Email : 1hamidah@student.janabadra.ac.id,2ryan@janabadra.ac.id,
3
fitri@janabadra.ac.id

ABSTRACT

Zika's disease or zika fever is a zika virus, the zika virus is spread by infected Aedes mosquitoes, this mosquito
becomes infected after bites the sufferer who has the virus. Zika's disease worse when exposed to pregnant women,
because women infected with this virus will automatically pass it to the baby in the womb, and can cause death if the
baby survives will experience the baby aka birth with a smaller head than it should be. To help the problems faced
by experts or medical personnel in diagnosing Zika's disease in these patients, where the activity is seen from the
symptoms suffered by the patient. By using Certainty Factor and Naive Bayes based Android is expected to assist
medical personnel or experts in calculating the diagnosis of the patient and the expert can know whether the patient
must have zika disease or vice versa.

Keywords: Virus Zika, Certainty Factor, Naive Bayes, Android.

dalam mengidentifikasi suatu penyakit dapat
1. PENDAHULUAN
diwujudkan melalui pembuatan sistem pakar.
Penyebaran penyakit merupakan salah satu
Sistem pakar merupakan suatu program aplikasi
ancaman bagi manusia, terutama penyakit
komputer yang berusaha menirukan proses
menular yang dibawa oleh berbagai macam
penalaran dari seorang ahli atau pakar dalam
mikroba seperti bakteri, parasit, jamur dan
memecahkan suatu permasalahan secara spesifik
virus. Zika adalah salah satu jenis virus yang
atau merupakan duplikat dari seorang pakar
berasal dari genus flavivirus dengan family
karena pengetahuannya disimpan didalam basis
flavivir-dae. Virus ini menyebabkan seseorang
pengetahuan untuk diproses sebagai pemecah
mengalami demam dan gejala klinis lainnya
masalah.
mirip dengan gejala dengue tetapi tidak
Dalam memecahkan suatu masalah tersebut
menyebabkan kematian. Virus ini disebarkan
harus menggunakan salah satu metode yang ada
melalui gigitan nyamuk Aedes Aagypty yang
dalam sistem pakar. Pada masalah ini metode
juga dikenal sebagai vektor penyakit Demam
yang digunakan adalah Certainty Factor dan
Berdarah Dangue (DBD) dan Chikungunya.
Naive Bayesin, metode ini sudah banyak dipakai
Secara kritis gejala dan tanda-tanda zika lebih
oleh beberapa orang dalam penelitiannya.
ringan dan tidak menyebabkan kematian jika
Certainty Factor merupakan perhitungan tingkat
dibandingkan dengan DBD, tetapi ibu hamil
kepastian terhadap kesimpulan yang diperoleh
yang terinfeksi virus zika rentan melahirkan
dari perhitungan berdasarkan nilai probabilitas
seorang bayi dengan kondisi mikrosafalia, yaitu
penyakit karena adanya evident atau gejala.
keadaan dimana kondisi ukuran kepala bayi
Certainty factor menggunakan suatu nilai untuk
lebih kecil dibandingkan ukuran kepala rata-
mengasumsi derajat keyakinan seorang pakar
rata bayi normal. (Yuningsih, 2016).
terhadap suatu data.
Perkembangan teknologi pada saat ini sudah
Menurut Kusrini (2008) perhitungan dengan
semakin pesat dan cepat khususnya teknologi
menggunakan metode ini, dalam sekali hitung
informasi dan komunikasi. Teknologi saat ini
hanya dapat mengolah dua jenis data saja
telah mengakar dan menjadi bagian tak
sehingga keakuratannya dapat terjaga. Sedangkan
terpisahkan dari kehidupan manusia dan sudah
Naive Bayes merupakan salah satu metode
terintegrasi dalam kehidupan sehari-hari. Pada
machine learning yang menggunakan perhitungan
akhirnya manusia sudah sangat tergantung pada
probabilitas. Konsep dasar yang digunakan oleh
keberadaan teknologi untuk menunjang aktifitas
Naive Bayes adalah teorema bayes, yaitu teorema
dalam kehidupannya.
yang digunakan untuk menghitung suatu peluang.
Pada saat ini dibidang kedokteran juga telah
Meskipun gejala-gejala tersebut mengandung
memanfaatkan teknologi untuk membantu
ketidakpastian, nilai Certainty Factor dan Naive
peningkatan pelayanan terhadap masyarakat.
Bayes dapat membantu dalam mendiagnosa
Dalam dunia komputer, tindakan yang tepat
ISSN 2527-5232 1
penyakit. Inilah alasan metode Certainty Factor
digunakan dalam penelitian ini.
Berdasarkan beberapa pemaparan diatas,
maka penulis membuat aplikasi sistem pakar
untuk deteksi gejala virus zika menggunakan
metode certainty factor dan naive bayes
berbasis android. Aplikasi ini dibuat untuk
mempermudah masyarakat dalam mengetahui
gejala-gejala virus zika yang penyebarannya
sangat cepat.
Dari latar belakang yang telah dijabarkan
sebelumnya, muncul rumusan masalah yaitu
bagaimana gejala penyakit yang disebabkan
oleh virus zika dapat diketahui oleh semua
masyarakat. Bagaimana membangun sistem
pakar yang akan menghasilkan aplikasi yang
akurat. Dan bagaimana merancang aplikasi
sistem pakar untuk mendeteksi gejala virus zika
menggunakan metode Certainty Factor dan
Naive Bayes berbasis android.
2. PENELITIAN TERKAIT
Nur Anjas Sari (2013) dalam dokumen
karya ilmiah Pelita Informatika Budi Darma
berjudul “Sistem Pakar Mendiagnosa Penyakit
Demam Berdarah Menggunakan Metode
Certainty Factor”. Penelitian ini bertujuan
untuk mengetahui merancang suatu sistem
pakar yang dapat digunakan untuk melakukan
diagnosa penyakit demam. Dimana sistem
pakar ini akan menampilkan pilihan gejala yang
akan dipilih oleh user, dimana setiap pilihan
gejala akan membawa user kepada pilihan
gejala selanjutnya sampai mendapatkan hasil
akhir.
Anggraeni, Lifa (2016) dalam dokumen
karya ilmiah tugas akhir yang berjudul
“Penerapan Metode Naive Bayes untuk
Mendiagnosa Virus Zika”. Penelitian ini
bertujuan untuk membuat dan menerapkan
metode Naive Bayes untuk mendiagnosa
penyakit yang disebabkan oleh virus zika agar
masyarakat dapat mengetahui atau menganalisis
perilaku virus zika. Dan menjadi salah satu
bidang yang terkait erat dengan pemanfataan
teknologi informasi kesehatan.
Emanuel Safirman Bata, dkk (2012)
Seminar Nasional Informatika berjudul “Sistem
Pakar Berbasis Mobile Untuk Membantu
Mendiagnosis Penyakit Akibat Gigitan
Nyamuk”. Penelitian ini bertujuan untuk
membantu masyarakat dalam mendiagnosis
penyakit-penyakit akibat gigitan nyamuk
sehingga masyarakat dapat menggambil
langkah cepat untuk menanggulangi penyakit
tersebut.Untuk menangani ketidak pastian data,
ISSN 2527-5232
sistem yang dibuat menggunakan metode
Teorema Bayes. Dignosa penyakitnya meliputi
malaria, demam berdarah, chikungunya dan kaki
gajah.
Dari penerapan diatas dijelaskan bahwa
pengembangan aplikasi ditujukan pada
pembuatan aplikasi sistem pakar dengan studi
kasus penyakit yang disebabkan oleh gigitan
nyamuk. Dan masih menggunakan satu metode,
selain itu tampilannya masih sangat sederhana
yang berbasis website. Dalam penelitian ini,
peneliti menggunakan dua metode yaitu certainty
factor dan naive bayes. Dimana tampilan untuk
user dibuat berbasis android, dengan tujuan
memudahkan pengguna dalam mengakses
aplikasi. Sedangkan tampilan untuk admin dibuat
berbasis website.
3. LANDASAN TEORI
3.1. Sistem Pakar
Sistem pakar adalah sistem perangkat lunak
komputer yang menggunakan ilmu, fakta dan
teknik berpikir dalam pengambilan keputusan
untuk menyelesaikan masalah-masalah yang
biasanya hanya dapat diselesaikan oleh tenaga
ahli dalam bidang yang bersangkutan. Dalam
penyusunannya, sistem pakar mengkombinasikan
kaidah-kaidah penarikan kesimpulan (interface
rules) dengan basis pengetahuan tertentu yang
diberikan oleh satu atau lebih pakar dalam bidang
tertentu. Kombinasi dari kedua hal tersebut
disimpan dalam komputer, yang selanjutnya
digunakan dalam proses pengambilan keputusan
untuk penyelesaian masalah tertentu.
3.2. Certainty Factor
Menurut David McAllister certainty factor
adalah suatu metode untuk membuktikan apakah
suatu fakta itu pasti ataukah tidak pasti yang
berbentuk matric yang biasanya digunakan dalam
sistem pakar. Metode ini sangat cocok untuk
sistem pakar yang mendiagnosis sesuatu yang
belum pasti. Metode certainty factor ini hanya
bisa mengolah 2 bobot dalam sekali perhitungan.
Untuk bobot yang lebih dari 2 banyaknya, untuk
melakukan perhitungan tidak terjadi masalah
apabila bobot yang dihitung teracak, artinya tidak
ada aturan untuk mengkombinasikan bobotnya,
karena untuk kombinasi seperti apapun hasilnya
akan tetap sama. Certainty factor menggunakan
suatu nilai untuk mengasumsikan derajat
keyakinan seorang pakar terhadap suatu data.
Rumusnya sebagai berikut :
CF[H,E] = MB[H,E] – MD[H,E]................( 2.1)
Keterangan :
CF[H,E] : Certainty factor hipotesa yang
2
 dipengaruhi oleh evidence E
diketahui dengan pasti.
MB[H,E] : Measure of belief terhadap hipotesa
H, jika diberikan evidence E
(antara 0 dan 1)
MD[H,E] : Measure of disbelief terhadap
evidence H, jika diberikan
evidence E (antara 0 dan 1)
Certainty factor untuk kaidah premis tunggal
rumusnya sebagai berikut:
CF[H,E]1= CF[H] * CF[E].......................(2.2)
Certainty factor untuk kaidah dengan
kesimpulan yang sama harus menggunakan
rumus sebagai berikut :
CFcombineCF[H,E]1,2= CF[H,E]1 + CF[H,E]2 *
[1-CF[H,E]1] ............................................(2.3)
CFcombineCF[H,E]old,3=CF[H,E]old +CF[H,E]3
* (1-CF[H,E]old.........................................(2.4)
3.3. Naive Bayes
Algoritma Naive Bayes merupakan sebuah
metoda klasifikasi menggunakan metode
probabilitas dan statistik yang dikemukakan
oleh ilmuwan Inggris Thomas Bayes.
Algoritma ini memprediksi peluang di masa
depan berdasarkan pengalaman di masa
sebelumnya sehingga dikenal sebagai Teorema
Bayes. Rumus naive bayes yaitu sebagai
berikut :
P(A|B)=(P(B|A)*P(A))/P(B).............( 2.5)
Keterangan :
P (A|B) : Peluang kejadian A sebagai B
P (B|A) : Peluang B saat A
P (A) : Peluang A
P (B) : Peluang B
3.4. Virus Zika
Virus Zika adalah virus berbahaya yang
ditularkan melalui nyamuk Aedes aegepty.
Sekitar 1 dari 5 orang yang terinfeksi virus zika
menjadi sakit, penyakit Zika (zika disease) atau
demam zika (zika fever). Penyakit akibat virus
ini pertama kali dicatat pada tahun 1947 di
Afrika dan telah menyebar menjadi wabah di
banyak negara yang berbeda, dengan wabah
yang sedang berlangsung di Brazil dan Puerto
Rico; diagnosis pertama virus zika di Amerika
Serikat terjadi di Harris County (Houston),
Texas, pada bulan Januari 2016. Virus Zika
ISSN 2527-5232
yang telah menginfeksi manusia dapat
menimbulkan beberapa gejala, seperti demam,
nyeri sendi, konjungtivitis (mata merah) dan
ruam. Gejala-gejala penyakit zika dapat
menyerupai gejala penyakit dengue dan
chikungunya, serta dapat berlangsung beberapa
hari hingga satu minggu.
Secara kritis gejala dan tanda-tanda zika
lebih ringan dan tidak menyebabkan kematian
jika dibandingkan dengan DBD, tetapi ibu hamil
yang terinfeksi virus zika rentan melahirkan bayi
dengan kondisi mikrosafalia, yaitu keadaan
dimana kondisi ukuran kepala bayi lebih kecil
dibandingkan ukuran kepala rata-rata bayi
normal. (Yuningsih, 2016).
3.5 Android
Android merupakan sistem operasi yang
dikembangkan untuk perangkat mobile yang
berbasis linux seperti telepon pintar dan
komputer tablet. Android telah menyediakan
platform terbuka bagi para pengembang untuk
menciptakan aplikasi mereka sendiri. Android
juga menawarkan sebuah lingkungan yang
berbeda untuk pengembangannya.
Sistem operasi android memiliki beberapa
keunggualan dibandingkkan dengan sistem
operasi lainnya seperti salah satunya iOS yang
dimiliki oleh Apple, dimana iOS hanya dapat
digunakan oleh produk dari Apple sendiri.
Sedangkan android dapat digunakan oleh
berbagai macam merek smartphone.
3.6 Android Studio
Android Studio adalah Integrated
Development Environment (IDE) resmi untuk
pengembangan aplikasi Android, berdasarkan
IntelliJ IDEA. Android berubah menjadi
platform yang begitu cepat dalam melakukan
inovasi. Hal ini tidak lepas dari pengembangan
utama dibelakangnya, yaitu Google.
3.7 Sublime Text 3
Sublime text merupakan sebuah editor
berbasis Phtyon yang mempunyai banyak fitur-
fitur. Sublime text juga mendukung banyak
bahasa pemrograman diantaranya C++, C#, PHP,
HTML, Javascript, ASP dan masih banyak lagi.
Sublime text mempunyai beberapa keunggulan
yang dapat membantu pengguna dalam membuat
sebuah web development.
3.8 Database Server
Database server adalah program komputer
yang menyediakan layanan data lainnya ke
komputer atau program komputer, seperti yang
3
ditetapkan oleh model client-server. Istilah ini
juga merujuk kepada sebuah komputer yang
didedikasikan untuk menjalankan program
server database. Database sistem manajemen
database yang sering menyediakan fungsi
server, dan beberapa DBMSs (misalnya,
MySQL) secara eksklusif bergantung pada
model client-server untuk akses data.
Cara kerja database server yaitu client-
sever model dapat diartikan sebagai mode dari
suatu sistem yang membagi proses sistem
antara server yang mengelola database dan
client yang menjalankan aplikasi.
4. METODE PENELITIAN
Tujuan dari penelitian ini adalah membuat
suatu aplikasi sistem pakar untuk mendeteksi
penyakit yang disebabkan oleh virus zika
menggunakan metode Centainty Factor dan
Naive Bayes. Metode penelitian yang
digunakan dalam penelitian ini adalah sebagai
berikut:
1) Pengamatan (Observation)
Merupakan metode pengumpulan data
yang cukup efektif untuk mempelajari
suatu sistem. Kegiatannya dengan melaku-
kan pengamatan pada masalah diagnosa
virus zika.
2) Sampel
Mengambil contoh - contoh data yang
diperlukan mengenai data gejala dan
penyakit yang disebabkan oleh virus zika.
3) Wawancara
Wawancara dilakukan dengan dokter
untuk mengetahui data virus zika dan
gejala–gejalanya serta teknik inferensi
untuk memperoleh kesimpulan.
4) Perancangan Sistem
Perancangan sistem ini merupakan bagian
untuk merancang sistem yang akan
berjalan dan sistem yang akan dibuat.
Dalam penelitian ini penulis merancang
sebuah aplikasi dengan menggunakan
android dan website untuk membuat
sebuah aplikasi sistem pakar.
5) Pembuatan Sistem
Proses pembuatan sistem yaitu untuk
membuat prototipe yang telah dirancang
dalam bentuk nyata. Pada tahap ini akan
dibuat sebuah aplikasi sistem pakar
dengan menggunakan android dan
website. Aplikasi android yang akan
digunakan oleh user dan aplikasi website
digunakan sebagai aplikasi admin.
Masing-masing aplikasi mempunyai
fungsi dan peranan yang berbeda sesuai
dengan ketentuan yang sudah ditentukan.
ISSN 2527-5232
6) Pengujian Sistem
Pengujian sistem ini merupakan bagian
untuk menguji apakah sistem berjalan
dengan baik dan sessuai yang diinginkan.
Setelah aplikasi sistem pakar ini dibuat
dengan menggunakan software Android
Studio akan dilakukan pengujian untuk
mengetahui apakah aplikasi sistem pakar
tersebut berjalan dengan lancar.
7) Metode Pengembangan Sistem
Metode ini digunakan dalam pengembang-
an aplikasi deteksi virus zika adalah metode
ADDIE yang terdiri dari Analysis, Design,
Development, Implementation, Evaluations.
Alasan penulis memilih metode ini ADDIE
karena metode ADDIE ini tepat untuk
digunakan dalam membuat aplikasi yang
sedang penulis kerjakan untuk penelitian
tugas akhir. Berikut adalah penjelasan dari
metodologi tersebut.
Gambar 1. Pengembangan Sistem
a. Analysis
Pada tahap ini, penulis menganalisis
berbagai macam jurnal mengenai sistem
pakar metode certainty factor dan virus
zika. Setelah itu dimulai dengan
merencanakan bentuk aplikasi yang
akan dibuat sesuai dengan materi yang
diambil.
b. Design
Dalam tahap design (perancangan)
penulis membuat dan merancang
spesifikasi arsitektur program, gaya,
interface (antar muka), tampilan dan
kebutuhan serta material apa saja yang
diperlukan untuk aplikasi.
c. Development
Pada tahap ini, penulis melakukan
pengumpulan bahan yang sesuai dengan
4
 yang dikerjakan. Dalam pembuatan sebuah sistem pakar, didalam diagram pohon
aplikasi sistem pakar disini, yang keputusan tersebut akan dicari solusi hasil akhir
pertama dilakukan pembuatan dari setiap pemeriksaan. Dalam pembuatan
pembuatan aplikasi admin aplikasi deteksi Virus Zika ini, telah dibuat pohon
menggunakan website. Kemudian keputusan (decision tree) yang masing-masing
pembuatan aplikasi untuk user mempunyai solusi dari setiap pemeriksaan.
menggunakan android studio.
d. Implementation
Setelah aplikasi selesai dibuat pada
proses tahap selanjutnya adalah
melakukan pengujian aplikasi dengan
cara menjalankan aplikasi pada
perangkat android yang ada. Dalam
kasus ini perangkat yang digunakan
adalah milik sendiri.
e. Evaluation
Setelah melakukan pengujian, penulis
akan membagikan kuisioner sebagai
bahan acuan kepuasan pengguna
aplikasi yang telah dibuat.

5. ANALISIS DAN PERANCANGAN

SISTEM
5.1. Analisis Sistem
Analisis sistem adalah penguraian dari
suatu sistem informasi yang utuh kedalam
bagian-bagian komponennya dengan maksud
untuk mengidentifikasi dan mengevaluasi suatu Gambar 3. Pohon Keputusan
permasalahan,kesempatan-kesempatan, hambat
-an yang terjadi pada sistem, dimana aplikasi 5.4. Tabel Representasi Pengetahuan
yang dibangun yang meliputi perangkat keras Representasi pengetahuan merupakan suatu
(hardware),perangkat lunak (software), user teknik untuk merepresentasikan basis pengetahu-
dan kebutuhan yang diharapkan sehingga dapat an yang diperoleh ke dalam suatu skema atau
diusulkan perbaikan.(Jogiyanto 1995). diagram tertentu sehingga dapat diketahui relasi
atau keterhubungan antara suatu data dengan data
5.2. Use Case Diagram yang lain.
Use case menggambarkan fungsi tertentu Tabel 1. Representasi Pengetahuan
dalam suatu sistem berupa komponen atau
interaksi antara sistem dengan aktor mengenai
kegiatan yang dapat dilakukannya terhadap
aplikasi. Berikut adalah perancangan proses
pada aplikasi deteksi gejala virus zika :

Gambar 2. Use Case Diagram 5.5. Aturan (Rule)

Pengetahuan direpresentasikan dalam suatu
5.3. Pohon Keputusan
bentuk fakta (facts) dan aturan (rule). Bentuk
Decision Tree atau pohon keputusan suatu
representasi ini terdiri atas premise dan
rancangan yang digunakan untuk membangun
ISSN 2527-5232 5
kesimpulan.
Tabel 2. Aturan (Rule)
Nama Penyakit Gejala
Chikungunya Demam, Sakit Kepala, Sakit
Pesendian Lengan atau kaki,
Pembengkakan Persendian,
Sakit Pada Otot, Muncul
Bintik-Bintik Pada Kulit,
Sakit Punggung
Demam Berdarah Demam, Hidung Tersumbat,
Muntah Darah, Nyeri Ulu
Hati, Gelisah, Trombosit
Tinggi (100.000 per Mm3, Gambar 5. Halaman Menu Utama
Ujung Tangan dan Kaki
Dingin Berkeringat, Muncul 3. Halaman Panduan
Bintik-Bintik Pada Kulit, Halaman merupakan halaman aplikasi yang
Pembesaran Plasma, Adanya berisi panduan tentang cara menggunakan
Pendarahan yang Petekia, Aplikasi Deteksi Virus Zika.
Tes Ternequit Positif, Hema
-temesis atau Melena.
Mikrosefalus Demam, Mata Merah, Sakit
Pada Otot

6. IMPLEMENTASI DAN PENGUJIAN

SISTEM
6.1. Tampilan Aplikasi User
1. Halaman Splash Screen
Merupakan halaman pembuka sebelum
masuk ke menu utama Aplikasi Deteksi
Virus Zika. Gambar 6. Halaman Panduan
4. Halaman Diagnosa
Halaman ini merupakan halaman yang akan
tampil sebelum memulai pilih gejala, pada
halaman ini diagnosa penyakit harus dipilih
terlebih dahulu sebelum menekan tombol
pilih gejala.

Gambar 4. Halaman Splash Screen

2. Halaman Menu Utama
Halaman utama aplikasi merupakan
halaman utama dari Aplikasi Deteksi Virus
Zika.

Gambar 7. Halaman Diagnosa

5. Halaman Pillih Gejala
Halaman ini merupakan bagian dari halaman
diagnosa, ketika pilihan diagnosa penyakit
dipilih maka user akan diarahkan ke
halaman yang berisi daftar gejala penyakit.

ISSN 2527-5232 6
 Gambar 6. Halaman Pilih Gejala
6. Halaman Hasil Analisa Virus Zika
Merupakan halaman yang berisi hasil
analisa penyakit yang disebabkan oleh
Virus Zika.
Gambar 8. Halaman Hasil Analisa Virus
Zika
7. Halaman Data Penyakit
Halaman ini merupakan halaman yang
berisi keterangan data penyakit yang telah
di-input-kan oleh admin pada halaman
backend.
Gambar 9. Halaman Data Penyakit
8. Halaman Kamus Istilah
Halaman ini merupakan halaman yang
berisi mengenai gejala-gejala penyakit
yang sebelumnya telah di-input-kan oleh
admin.
ISSN 2527-5232
Gambar 10. Halaman Kamus Istilah
9. Halaman Profil Pengembang
Halaman ini merupakan halaman yang berisi
keterangan mengenai biodata pengembang
aplikasi dan biodata seorang pakar yang
telah membantu dalam proses pengumpulan
data.
Gambar 11. Halaman Profil Pengembang
6.2. Tampilan Aplikasi Admin
1. Halaman Login
Halaman ini digunakan oleh pengguna
yang memiliki akun untuk masuk
kedalam halaman administrator.
Gambar 12. Halaman Login
2. Halaman Menu Utama
Halaman ini adalah halaman yang berisi
semua menu yang ada diaplikasi Deteksi
Virus Zika pada bagian administrator.
7
 1. Akurasi (Ketepatan)
Akurasi adalah kesamaan atau kedekatan
suatu hasil pengukuran dengan angka atau
data sebenarnya ( true value atau correct
result). Berikut ini hasil perhitungan manual
dapat dibandingkan dengan hasil dari program
yang telah dibuat:
Tabel 3. Perbandingan Hasil Perhitungan
Gambar 13. Halaman Menu Utama

3. Halaman Gejala
Halaman ini merupakan halaman yang
berisi daftar gejala-gejala penyakit yang
disebabkan oleh Virus Zika.
2. Pengguna
Hasil pengujian terhadap pengguna yang
dilakukan di Puskesmas Tegalrejo, Kota
Yogyakarta.
a. Sampel 1
Pada sampel 1 ini dilakukan oleh
perawat yang bernama Febriana.

Gambar 14. Halaman Gejala

4. Halaman Penyakit
Halaman ini adalah halaman yang berisi
data penyakit yang disebabkan oleh
Virus Zika.
Gambar 17. Sampel 1
Hasil analisa sistem sesuai dengan uji
coba yang dilakukan oleh pengguna
sampel 1 menunjukan sebagai berikut:

Gambar 15. Halaman Penyakit

5. Halaman Relasi
Halaman ini adalah halaman yang berisi
rule dari Virus Zika.

Gambar 18. Hasil Analisa Sampel 1

b. Sampel 2
Gambar 16. Halaman Relasi Pada sampel 2 ini dilakukan oleh
pasien puskesmas Tegalrejo yang
6.3. Pengujian Sistem bernama Olavio Da Costa.
Pengujian adalah proses yang bertujuan
untuk memastikan apakah semua fungsi sistem
bekerja dengan baik dan mencari kesalahan
yang mungkin terjadi pada sistem.
ISSN 2527-5232 8
 Gambar 19. Sampel 2
Hasil analisa sistem sesuai dengan
ujicoba yang dilakukan oleh
pengguna sampel 2 menunjukan
sebagai berikut:
7. KESIMPULAN
Gambar 20. Hasil Analisa Sampel 2
c. Sampel 3
Pada sampel 3 ini dilakukan oleh
petugas Rekam Medis di puskesmas
Tegalrejo yang bernama Rita
Mariana.
Gambar 21. Sampel 3
Hasil analisa sistem sesuai dengan
uji coba yang dilakukan oleh
pengguna sampel 3 menunjukan
sebagai berikut:
8. Saran
Deteksi Gejala Virus Zika ini perlu
ditambahkan form untuk data user dengan
ISSN 2527-5232
Gambar 22. Hasil Analisa Sampel 3
1) Dengan adanya aplikasi sistem pakar ini
dapat memberikan pengetahuan
mengenai suatu penyakit yang
disebabkan oleh virus zika kepada
masyarakat.
2) Dengan adanya basis pengetahuan yang
datanya di dapat dari seorang dokter,
dapat menghasilkan aplikasi sistem
pakar yang akurat.
3) Dengan cara pembuatan flowchart, DFD,
UML dan desain sistem, sehingga dapat
merancang aplikasi sistem pakar deteksi
gejala virus zika menggunakan metode
Certainty Factor dan Naive Bayes
berbasis android.
4) Aplikasi ini dapat membantu dinas
kesehatan untuk memonitoring
perkembangan penyakit yang berasal
dari gigitan nyamuk.
5) Hasil uji coba program mengenai
penyakit chikungunya nilai CF 52.00%
dan Bayes 1.439%.
6) Hasil uji coba program mengenai
penyakit demam berdarah nilai CF 40%
dan Bayes 1.220%.
7) Hasil uji coba program mengenai
penyakit mikrosefalus nilai CF 90.40%
dan Bayes 1.690%.
8) Hasil uji coba program mengenai
penyakit demam nilai CF 40.00% dan
Bayes 0.
9) Hasil uji coba program mengenai
penyakit mimisan nilai CF 80.00% dan
Bayes 0.
Untuk pengembangan selanjutnya Aplikasi
9
 tujuan untuk menyimpan data user yang rograman-java-kelebihan-dan-kekurangan/.
menggunakan aplikasi tersebut. Diakses Pada 04 Desember 2017.
Yuningsih, R. 2016 ‘Mewaspadai Ancaman Virus
Daftar Pustaka Zika Di Indonesia’, VIII(3), pp. 9–12.
Available at: www.pengkajian. dpr.go.id.
Aji Tatag, 2016. "Metode Certainty Factor".
https://coretsiniaja.blogspot.co.id/
2016/01/metode-certainty-factor.html.
Diakses Pada 04 Desember 2017
dr. Tjin Willy, 2016. "Pengertian Virus Zika."
http://www.alodokter.com/virus-zika.
Diakses Pada 04 Desember 2017.
Andre, 2014. "Pengertian dan Fungsi PHP dalam
Pemrograman Web".
http://www.duniailkom.com/pengertian-
dan-fungsi-php-dalam-pemograman-web/.
Diakses Pada 04 Desember 2017.
Andre, 2013. "Pengertian CSS".
http://www.duniailkom.com/tutorial-
belajar-css-pengertian-css-apa-yang-
dimaksud-dengan-css/. Diakses Pada 04
Desember 2017.
Andre, 2014. "Pengertian dan Fungsi Java Script
dalam Pemrograman Web
".http://www.duniailkom.com/tutorial-
belajar-javascript-pengertian-dan-fungsi-
javascript-dalam-pemograman-web/.
Diakses Pada 04 Desember 2017
Emanuel, dkk. 2012. Sistem pakar berbasis
mobile untuk membantu mendiagnosis
penyakit akibat gigitan nyamuk. Jurnal
Seminar Nasional Informatika. 4 (3). ISSN
:1979-2328.
Galih, 2016. "Pengertian XML dan Fungsinya".
http://www.global-komputer.
com/blog/artikel-20-pengertian-xml-dan-
fungsinya.html. Diakses Pada 04 Desember
2017.
Hastomo, 2013. "Pengertian Database Server
MySQL". http://hastomo.net/php
/pengertian-dan-kelebihan-database-
mysql/.Diakses Pada 04 Desember 2017.
Kusrini, 2008. Aplikasi Sistem Pakar.
Yogyakarta: Andi Offset
Lifa, 2016. Penerapan Metode Naïve Bayes
untuk Mendiagnosa Penyakit Yang
Disebabkan Virus Zika. Universitas Potensi
Utama. Vol. IV, No 4:49-50. ISSN : 1411-
6286
Sari, N. A. 2013. Sistem Pakar Mendiagnosa
Penyakit Demam Berdarah Menggunakan
Metode Certainty Factor. Pelita Informatika
Budi Darma.Vol IV, pp. No: 100–103.
ISSN : 2301-9425.
Vicky, 2012. "Pengertian Java". http://belajar-
komputer-mu.com/pengertian-pem

ISSN 2527-5232 10

View publication stats