Email this article 
Sistem Pakar Untuk Mendiagnosa Gangguan Somatisasi Menggunakan Metode K-Nearest Neighbors (KNN)
Abstract
Penelitian ini bertujuan untuk mengembangkan sistem pakar yang mampu mendiagnosa gangguan somatisasi menggunakan metode K-Nearest Neighbors (KNN). Gangguan somatisasi merupakan kondisi psikologis yang sulit didiagnosis karena gejalanya yang bersifat fisik namun berasal dari masalah psikologis. Ketidakjelasan gejala ini sering kali mengarah pada pemeriksaan medis yang tidak diperlukan dan mahal, menambah beban bagi pasien dan sistem kesehatan. KNN dipilih karena kemampuannya untuk melakukan klasifikasi dengan membandingkan data uji dengan data pelatihan berdasarkan kedekatan menggunakan Euclidean Distance. Euclidean Distance digunakan untuk mengukur jarak terpendek antara dua titik dalam ruang fitur, yang dihitung dengan mengakar kuadrat dari jumlah perbedaan kuadrat antara nilai-nilai fitur dari dua titik tersebut. Hasil penelitian menunjukkan bahwa sistem pakar yang dikembangkan memiliki akurasi yang tinggi, yaitu mencapai 92,5%, yang mengindikasikan bahwa metode KNN dengan Euclidean Distance efektif dalam mendiagnosa gangguan somatisasi. Faktor-faktor seperti pemilihan nilai K yang optimal dan normalisasi data berperan penting dalam keberhasilan sistem ini. Kontribusi signifikan dari penelitian ini adalah pembuktian bahwa KNN dapat diimplementasikan secara efektif dalam sistem pakar untuk mendukung tenaga medis dalam melakukan diagnosis gangguan somatisasi dengan akurasi yang tinggi dan keandalan yang baik.
Keywords
Full Text:
PDFReferences
T. HazellLast and H. Willacy, “Somatisation and somatoform disorders,” patient.info, 2022. https://patient.info/mental-health/somatisation-and-somatoform-disorders
A. R. Biromo, “Gangguan Somatisasi - Penyebab, Gejala, dan Penanganannya,” Siloam Hospitals, 2023. https://www.siloamhospitals.com/informasi-siloam/artikel/apa-itu-gangguan-somatisasi
Widia Aina Rohmah and L. T. Merijanti, “Hubungan Stres Akademik Dengan Kecenderungan Gejala Somatisasi Pada Siswa Sma Di Era Pandemi Covid-19,” J. Penelit. Dan Karya Ilm. Lemb. Penelit. Univ. Trisakti, vol. 9, no. 1, pp. 38–48, 2024, doi: 10.25105/pdk.v9i1.16487.
Rokom, “Kemenkes Beberkan Masalah Permasalahan Kesehatan Jiwa di Indonesia,” sehatnegeriku.kemkes.go.id, 2021. https://sehatnegeriku.kemkes.go.id/baca/rilis-media/20211007/1338675/kemenkes-beberkan-masalah-permasalahan-kesehatan-jiwa-di-indonesia/
Y. Fernando, R. Napianto, and R. I. Borman, “Implementasi Algoritma Dempster-Shafer Theory Pada Sistem Pakar Diagnosa Penyakit Psikologis Gangguan Kontrol Impuls,” Insearch Inf. Syst. Res. J., vol. 2, no. 2, pp. 46–54, 2022.
R. Napianto, Y. Rahmanto, R. I. Borman, O. Lestari, and N. Nugroho, “Dhempster-Shafer Implementation in Overcoming Uncertainty in the Inference Engine for Diagnosing Oral Cavity Cancer,” CSRID (Computer Sci. Res. Its Dev. Journal), vol. 13, no. 1, pp. 45–53, 2021, doi: 10.22303/csrid.13.1.2021.46-54.
F. H. Gurning, M. Ramadhan, and R. Mahyuni, “Sistem Pakar Deteksi Perilaku Penyimpangan Seksual Menggunakan Algoritma K-Nearest Neighbor,” J. Sist. Inf. TGD, vol. 3, no. 2, pp. 231–240, 2024.
H. Sajili and Y. M. Djaksana, “Aplikasi Diagnosa Penyakit Saraf Pada Otak Menggunakan Metode Modified K-Nearest Neighbor Berbasis Android,” OKTAL J. Ilmu Komput. dan Sci., vol. 3, no. 2, pp. 438–449, 2024.
O. Br Sinuhaji, D. Nofriansyah, and I. Mariami, “Sistem Pakar Mendiagnosa Penyakit Demam Tifoid (Typhoid Fever) Menggunakan Metode K-Nearest Neighbor,” J. Sist. Inf. TGD, vol. 3, no. 2, pp. 283–292, 2024.
T. A. Munandar and A. Q. Munir, “Implementasi K-Nearest Neighbor Untuk Prototype Sistem Pakar Identifikasi Dini Penyakit Jantung,” J. Teknol. Inf., vol. XVII, no. 2, pp. 44–50, 2022, doi: 10.35842/jtir.v17i2.457.
D. P. Aditama, “Sistem Pakar Untuk Mendiagnosis Kesehatan Jiwa Manusia Menggunakan Metode K-Nearest Neighbor,” Teknologipintar.org, vol. 2, no. 8, pp. 1–8, 2022.
E. Qiudandra, R. Akram, and N. Novianda, “Sistem Pakar Diagnosa Penyakit Osteoarthritis Dengan Menggunakan Metode K-Nearest Neighbor,” Methotika J. Ilm. Tek. Inform., vol. 2, no. 2, pp. 37–48, 2022.
R. I. Borman, R. Napianto, N. Nugroho, D. Pasha, Y. Rahmanto, and Y. E. P. Yudoutomo, “Implementation of PCA and KNN Algorithms in the Classification of Indonesian Medicinal Plants,” in International Conference on Computer Science, Information Technology and Electrical Engineering (ICOMITEE), 2021, pp. 46–50.
R. I. Borman and M. Wati, “Penerapan Data Maining Dalam Klasifikasi Data Anggota Kopdit Sejahtera Bandarlampung Dengan Algoritma Naïve Bayes,” J. Ilm. Fak. Ilmu Komput., vol. 9, no. 1, pp. 25–34, 2020.
H. Sulistiani, I. Darwanto, and I. Ahmad, “Penerapan Metode Case Based Reasoning dan K-Nearest Neighbor untuk Diagnosa Penyakit dan Hama pada Tanaman Karet,” J. Edukasi dan Penelit. Inform., vol. 6, no. 1, p. 23, 2020, doi: 10.26418/jp.v6i1.37256.
Y. Hamzah and M. H. Botutihe, “Metode K-Nearest Neighbor untuk Sistem Pakar Diagnosa Penyakit Thypoid,” J. Nas. Komputasi dan Teknol. Inf., vol. 6, no. 1, pp. 109–114, 2023, doi: 10.32672/jnkti.v6i1.5823.
Z. Panjaitan, E. Elfitriani, W. R. Maya, and C. D. Siahaan, “Aplikasi Sistem Pakar Untuk Mendiagnosa Lebih Dini Penyakit Kolera Pada Anak Menggunakan Metode K-Nearest Neighbor (KNN),” J. Sci. Soc. Res., vol. 5, no. 2, p. 220, 2022, doi: 10.54314/jssr.v5i2.878.
F. Tolana, I. Muzakkir, and A. Riadi, “Metode K-Nearest Neighbor (KNN) Untuk Sistem Pakar Diagnosa Penyakit Pneumonia Pada Balita,” J. Nas. Komputasi dan Teknol. Inf., vol. 6, no. 3, pp. 363–373, 2023.
A. Yudhana, S. Sunardi, and A. J. S. Hartanta, “Algoritma K-NN Dengan Euclidean Distance Untuk Prediksi Hasil Penggergajian Kayu Sengon,” Transmisi, vol. 22, no. 4, pp. 123–129, 2020, doi: 10.14710/transmisi.22.4.123-129.
I. Ahmad, Y. Rahmanto, D. Pratama, and R. I. Borman, “Development of augmented reality application for introducing tangible cultural heritages at the lampung museum using the multimedia development life cycle,” Ilk. J. Ilm., vol. 13, no. 2, pp. 187–194, 2021.
R. I. Borman, A. T. Priandika, and A. R. Edison, “Implementasi Metode Pengembangan Sistem Extreme Programming (XP) pada Aplikasi Investasi Peternakan,” JUSTIN (Jurnal Sist. dan Teknol. Informasi), vol. 8, no. 3, pp. 272–277, 2020.
Y. Rahmanto, J. Alfian, and R. I. Borman, “Penerapan Algoritma Sequential Search pada Aplikasi Kamus Bahasa Ilmiah Tumbuhan,” J. Buana Inform., vol. 12, no. 1, pp. 21–30, 2021.
H. Mayatopani, R. I. Borman, W. T. Atmojo, and A. Arisantoso, “Classification of Vehicle Types Using Backpropagation Neural Networks with Metric and Ecentricity Parameters,” J. Ris. Inform., vol. 4, no. 1, pp. 65–70, 2021, doi: 10.34288/jri.v4i1.293.
R. I. Borman, Y. Fernando, and Y. E. P. Yudoutomo, “Identification of Vehicle Types Using Learning Vector Quantization Algorithm with Morphological Features,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 339–345, 2022.
DOI: http://dx.doi.org/10.22441/fifo.2024.v16i2.010
Refbacks
- There are currently no refbacks.
Jurnal Ilmiah FIFO
 | Print ISSN: 2085-4315 |
|---|---|
| Online ISSN: 2502-8332 |
Sekretariat
Fakultas Ilmu Komputer
Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335
http://publikasi.mercubuana.ac.id/index.php/fifo
e-mail:[email protected]
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
.png)
