Implementasi Metode Naive Bayes pada Sistem Diagnosis Penyakit Mata (Studi Kasus Poli Mata Rumah Sakit Islam Jemursari Surabaya)

Implementation of Naive Bayes Method on Eye Disease Diagnosis System (Ophthalmology Poly Case Study at Jemursari Islamic Hospital Surabaya)

Abstract

Abstrak Lamanya waktu tunggu dalam pemeriksaan dokter mata di rumah sakit dapat meningkatkan risiko terpapar infeksi virus lain. Maka dari itu diperlukannya sebuah sistem diagnosis yang cepat, akurat dan efektif untuk mengurangi lamanya waktu tunggu. Oleh karena itu, penelitian ini bertujuan untuk membuat sistem diagnosis penyakit mata berbasis web dengan menggunakan metode klasifikasi Naïve Bayes. Sistem dikembangkan dengan mengambil dataset berupa data rekam medik pasien sebanyak 6074 data. Atribut pada dataset yang akan digunakan dalam sistem ini meliputi umur, jenis kelamin, keluhan, dan diagnosis. Sistem ini dibangun dengan metode Naïve Bayes sebagai algoritma data mining yang menggunakan bahasa pemrograman Python sebagai tools pengolahan data. HTML, CSS, JS, dan PHP sebagai bahasa pemrograman pembangun website yang digunakan sebagai tempat visualisasi dan inputan data oleh user yang didukung MySQL sebagai database penyimpanan data. Hasil yang didapatkan dari sistem diagnosis penyakit mata berbasis web dengan perbandingan metode Gaussian Naïve Bayes dan Bernoulli Naïve Bayes ini mampu mendapatkan akurasi sebesar 93.42 % dan 90.79%, sehingga menjadi sistem pendukung keputusan yang dapat membantu dokter dalam mengambil keputusan diagnosis penyakit mata pasien. Dengan adanya sistem ini, dapat mempermudah proses diagnosis penyakit mata serta dapat membantu dokter dalam mengambil keputusan yang tepat dalam waktu singkat. Kata kunci: Klasifikasi Penyakit Mata, Sistem Diagnosis Penyakit Mata, Naïve Bayes   Abstract [Implementation of Naive Bayes Method on Eye Disease Diagnosis System (Ophthalmology Poly Case Study at Jemursari Islamic Hospital Surabaya)] The waiting time during an eye doctor's examination at the hospital can increase the risk of exposure to other virus infections. Therefore, a fast, accurate, and effective diagnostic system is needed to reduce waiting time. This study aims to develop a web-based eye disease diagnosis system using the Naïve Bayes classification method. The system was developed using a dataset consisting of 6074 patient medical records. The attributes of the dataset used in this system include age, gender, complaints, and diagnosis. The system was built using the Naïve Bayes method as a data-mining algorithm using the Python programming language for data processing. HTML, CSS, JS, and PHP are website builder programming languages used for visualization and data input by users, supported by MySQL as the data storage database. The results obtained from the web-based eye disease diagnosis system with a comparison of Gaussian Naïve Bayes and Bernoulli Naïve Bayes methods achieved accuracies of 93.42% and 90.79%, respectively, making it a decision support system that can assist doctors in making diagnoses of patients' eye diseases. With this system, the process of diagnosing eye diseases can be simplified and doctors can be assisted in making the right decisions in a short time. Keywords: Classification of Eye Diseases, System for Diagnosing Eye Diseases, Naïve Bayes.