Sistem Pakar Untuk Menentukan Derajat Asma Dan Terapinya.

(1)

SISTEM PAKAR UNTUK MENENTUKAN DERAJAT ASMA

DAN TERAPINYA

SKRIPSI

YAHDIN FARIDHI

061401017

PROGRAM STUDI S1 ILMU KOMPUTER

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(2)

SISTEM PAKAR UNTUK MENENTUKAN DERAJAT ASMA

DAN TERAPINYA

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar

Sarjana Komputer

YAHDIN FARIDHI

0 6 1 4 0 1 0 1 7

PROGRAM STUDI S1 ILMU KOMPUTER

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : SISTEM PAKAR UNTUK MENENTUKAN

DERAJAT ASMA DAN TERAPINYA

Kategori : SKRIPSI

Nama : YAHDIN FARIDHI

Nomor Induk Mahasiswa : 061401017

Program Studi : SARJANA (S1) ILMU KOMPUTER

Departemen : ILMU KOMPUTER

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan,

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Syahriol Sitorus, S.Si, MIT Drs. Suyanto, M.Kom

NIP. 19710310 199703 1 004 NIP. 19590813 198601 1 002

Diketahui/Disetujui oleh

Departemen Ilmu Komputer FMIPA USU Ketua,

(4)

PERNYATAAN

SISTEM PAKAR UNTUK MENENTUKAN DERAJAT ASMA DAN TERAPINYA

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, 10 Januari 2011

(5)

PENGHARGAAN

Alhamdulillah, puji syukur saya sampaikan kehadirat Allah SWT, yang telah memberikan rahmat dan hidayah-Nya serta segala sesuatunya dalam hidup, sehingga saya dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer.

Ucapan terima kasih saya sampaikan kepada Bapak Drs. Suyanto, M.Kom sebagai Dosen Pembimbing I dan Bapak Syahriol Sitorus, S.Si, MIT sebagai Dosen Pembimbing II yang telah memberikan bimbingan, saran, dan masukan kepada saya untuk menyempurnakan kajian ini. Panduan ringkas, padat dan profesional telah diberikan kepada saya sehingga saya dapat menyelesaikan tugas ini. Selanjutnya kepada Dosen Penguji Bapak M. Andri Budiman, ST, M.CompSc, MEM dan Bapak Syahril Efendi, S.Si, MIT atas saran dan kritikan yang sangat berguna bagi saya. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Program Studi S1 Ilmu Komputer, Bapak Dr. Poltak Sihombing, M.Kom dan Ibu Maya Silvi Lydia, B.Sc, M.Sc, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Ilmu Komputer FMIPA USU.

Akhir kata, ribuan terima kasih saya persembahkan kepada kedua orang tua, ayahanda tercinta M. Saifuddin Zuhri, SE dan ibunda Faridah yang telah banyak memberikan dukungan dan do’a serta kesabaran dalam mendidik saya. Ucapan terima kasih juga saya sampaikan kepada dr. Nini Deritana, Sp.P yang telah banyak membantu saya dalam pengumpulan data untuk skripsi ini. Untuk kedua adik saya, Evi Khairani dan Ainun Najah yang selalu memberikan semangat kepada saya serta kepada seluruh teman-teman yang turut membantu saya dan memberikan dukungan dalam menyelesaikan skripsi ini. Semoga Allah membalas semua kebaikan kalian. Amin.

Saya menyadari bahwa skripsi ini masih jauh dari kesempurnaan, oleh karena itu saya menerima saran dan kritik yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.

(6)

ABSTRAK

(7)

IMPLEMENTING AN EXPERT SYSTEM TO IDENTIFY ASTHMA DEGREE AND ITS THERAPY

ABSTRACT

(8)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii Penghargaan iv Abstrak v Abstract vi Daftar Isi vii Daftar Tabel ix Daftar Gambar x Bab 1 Pendahuluan 1.1Latar Belakang 1

Bab 2 Tinjauan Pustaka 2.1 Kecerdasan Buatan 6

Bab 3 Analisis dan Perancangan Sistem 3.1 Analisis Sistem 28

3.1.1 Pembahasan Program 29

(9)

3.2 Perancangan Sistem 30

3.2.4.3 Rancangan Halaman Menu Petunjuk Penggunaan Sistem 66

Lampiran A: Daftar Pertanyaan Untuk Mendiagnosis Derajat Asma 100

Lampiran B: Derajat Asma dan Terapinya 101

(10)

DAFTAR TABEL

Halaman

Tabel 2.1 Perbedaan Sistem Pakar dengan seorang pakar (dokter) 7

Tabel 2.2 Bingkai Sepeda Motor 13

Tabel 2.3 Tabel Keputusan 14

Tabel 2.4 Contoh Aturan Menggunakan Penalaran Forward Chaining

(Alur Maju) 17

Tabel 2.5 Fakta Baru Pada Saat Inferensi 20

Tabel 3.1 Tabel Keputusan untuk Derajat Asma Intermitten 35

Tabel 3.2 Kumpulan Pertanyaan Intermitten 36

Tabel 3.3 Tabel Keputusan untuk Derajat Asma Persisten Ringan 37

Tabel 3.4 Kumpulan Pertanyaan Persisten Ringan 40

Tabel 3.5 Tabel Keputusan untuk Derajat Asma Persisten Sedang 41

Tabel 3.6 Kumpulan Pertanyaan Persisten Sedang 44

Tabel 3.7 Tabel Keputusan untuk Derajat Asma Persisten Berat 45

Tabel 3.8 Kumpulan Pertanyaan Persisten Berat 48

Tabel 3.9 Tabel tbl_artikel 49

Tabel 3.10 Tabel tbl_pasien 49

Tabel 3.11 Tabel tbl_pertanyaan 50

Tabel 3.12 Tabel tbl_solusi 50

Tabel 3.13 Tabel tbl_aturan 50

Tabel 3.14 Tabel tbl_memori_kerja 50

Tabel 3.15 Tabel tbl_users 50

Tabel 3.16 Kamus Data tbl_artikel 59

Tabel 3.17 Kamus Data tbl_pasien 59

Tabel 3.18 Kamus Data tbl_pertanyaan 59

Tabel 3.19 Kamus Data tbl_solusi 59

Tabel 3.20 Kamus Data tbl_aturan 60

Tabel 3.21 Kamus Data tbl_memori_kerja 60

Tabel 3.22 Kamus Data tbl_users 60

(11)

DAFTAR GAMBAR

Halaman

Gambar 2.1 Struktur Sistem Pakar 9

Gambar 2.2 Contoh Jaringan Semantik 12

Gambar 2.3 Pohon Keputusan 15

Gambar 2.4 Alur Inferensi Forward Chaining 20

Gambar 2.5 Alur Inferensi Backward Chaining 22

Gambar 3.1 Diagram Sistem Pakar Menentukan Derajat Asma dan Terapinya 30

Gambar 3.2 Flowchart Mesin Inferensi Forward Chaining 32

Gambar 3.3 Pohon Keputusan Sistem Pakar Menentukan Derajat Asma dan

Terapinya 34

Gambar 3.4 Pohon Keputusan Derajat Asma Intermitten 36

Gambar 3.5 Pohon Keputusan Derajat Asma Persisten Ringan 39

Gambar 3.6 Pohon Keputusan Derajat Asma Persisten Sedang 43

Gambar 3.7 Pohon Keputusan Derajat Asma Persisten Berat 47

Gambar 3.8 Relasi Antar Tabel 51

Gambar 3.9 Diagram Konteks 52

Gambar 3.10 DFD Level 1 54

Gambar 3.11 DFD Level 2 57

Gambar 3.12 Perancangan Struktur Program 61

Gambar 3.13 Rancangan Halaman Utama 62

Gambar 3.14 Rancangan Halaman Menu Konsultasi 63

Gambar 3.15 Rancangan Halaman Pertanyaan Konsultasi 64

Gambar 3.16 Rancangan Halaman Hasil Diagnosis Derajat Asma 65

Gambar 3.17 Rancangan Halaman Penjelasan 66

Gambar 3.18 Rancangan Halaman Menu Petunjuk Penggunaan Sistem 67

Gambar 3.19 Rancangan Halaman Menu Login 68

Gambar 3.20 Rancangan Halaman Administrator 69

Gambar 3.21 Rancangan Halaman Menu Data Pertanyaan 70

Gambar 3.22 Rancangan Halaman Menu Data Solusi 71

Gambar 3.23 Rancangan Halaman Menu Data Aturan 72

Gambar 4.1 Halaman Utama 75

Gambar 4.2 Halaman Form Data Pasien 76

Gambar 4.3 Halaman Tanya Jawab Konsultasi 77

Gambar 4.4 Halaman Hasil Konsultasi 77

Gambar 4.5 Halaman Petunjuk Penggunaan Sistem 78

Gambar 4.6 Halaman Login Sistem 79

Gambar 4.7 Halaman Home Administrator 79

Gambar 4.8 Halaman Data Pertanyaan 80

Gambar 4.9 Halaman Data Solusi 81

Gambar 4.10 Halaman Data Aturan 82

Gambar 4.11 Proses Tanya Jawab Derajat Asma Intermitten 83

Gambar 4.12 Hasil Diagnosis Derajat Asma Intermitten 84

(12)

Gambar 4.14 Proses Tanya Jawab Derajat Asma Persisten Ringan 87

Gambar 4.15 Hasil Diagnosis Derajat Asma Persisten Ringan 87

Gambar 4.16 Proses Tanya Jawab Derajat Asma Persisten Sedang 89

Gambar 4.17 Hasil Diagnosis Derajat Asma Persisten Sedang 89

Gambar 4.18 Proses Tanya Jawab Derajat Asma Persisten Berat 91

(13)

ABSTRAK

(14)

IMPLEMENTING AN EXPERT SYSTEM TO IDENTIFY ASTHMA DEGREE AND ITS THERAPY

ABSTRACT

(15)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Asma adalah penyakit keturunan yang tidak menular. Asma mempengaruhi lebih dari 5% penduduk dunia, dan beberapa indikator menunjukkan bahwa prevalensinya terus menerus meningkat, khususnya diantara anak-anak. Meskipun penelitian untuk menditeksi dan mencegah asma terus berkembang akhir-akhir ini, asma tetap menjadi penyebab mordibitas yang signifikan yang merugikan secara ekonomis. Di Amerika Serikat tercatat sekitar 2 juta penderita asma yang mengunjungi Unit Gawat Darurat setiap tahunnya, dan sekitar 500.000 penderita asma yang harus menjalani rawat inap, dan sebagai peringkat ketiga penyebab rawat inap. (Deritana, 2007).

Di satu sisi, dunia kedokteran dan farmasi telah mencapai kemajuan yang sangat signifikan dalam pemahaman mengenai asma sebagai penyakit. Namun ironisnya, dari sisi lain, meski berjuta-juta dollar telah dikeluarkan untuk berbagai studi dan riset mengenai asma, nyatanya jumlah penderita baru asma di seluruh dunia terus meningkat dari tahun ke tahun, tanpa bisa diketahui secara jelas apa penyebabnya. (Hadibroto et al, 2006).

(16)

Ketidak tahuan masyarakat akan pentingnya mengontrol asma mereka menyebabkan semakin tingginya tingkat keparahan penyakit asma yang dideritanya. Padahal, jika penderita bisa mengetahui penyakit asma mereka secara dini, maka penderita dapat mengendalikannya secara tepat, dan penyakit asma yang diderita akan semakin membaik dan terkontrol.

Karena melihat hal tersebut, penulis mendapatkan ide untuk membuat sistem pakar yang dapat menentukan derajat asma yang diderita secara mandiri serta terapi yang bisa dilakukan oleh penderita penyakit asma, agar dapat mengontrol asma yang dideritanya secara mandiri, karena asma adalah suatu penyakit yang bisa dikendalikan.

1.2 Rumusan Masalah

Rumusan masalah yang diangkat dalam penelitian ini ialah bagaimana cara merancang suatu sistem pakar untuk menentukan derajat asma dan terapinya.

1.3 Batasan Masalah

Agar pembahasan penelitian ini lebih terarah, maka diperlukan batasan-batasan. Batasan-batasan dalam penelitian ini adalah:

1. Sistem pakar ini hanya mendiagnosis gejala klinis yang dirasakan penderita asma, tanpa pemeriksaan penunjang seperti pemeriksaan laboratorium, tes pengukuran faal paru, dan intermediate diagnosis seperti tes darah dan tes alergi.

2. Sistem tidak membuat penjelasan efek samping dari obat yang dianjurkan.

3. Pembuatan sistem pakar ini menggunakan metode forward chaining.

(17)

5. Output yang dihasilkan adalah derajat asma dan terapi yang dapat dilakukan secara mandiri.

6. Pembuatan aplikasi sistem pakar ini dilakukan dengan menggunakan PHP dan MySQL.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah menghasilkan suatu sistem pakar yang dapat mempermudah masyarakat awam mengetahui derajat asma yang dideritanya secara dini dan terapi yang bisa dilakukannya secara mandiri.

1.5 Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah:

1. User atau pengguna khususnya masyarakat awam dapat dengan mudah

menggunakan sistem ini untuk mendiagnosis derajat asma yang dideritanya serta terapi yang dapat dilakukan secara mandiri.

2. Sebagai alat bantu bagi pengguna dalam memperoleh informasi mengenai pentingnya mengontrol penyakit asma yang diderita.

1.6 Metode Penelitian

Dalam penulisan skripsi ini, penulis melakukan beberapa tahapan untuk memperoleh data atau informasi dalam menyelesaikan permasalahan. Adapun tahapan penelitian yang dilakukan adalah :

1. Studi Literatur

(18)

2. Pengumpulan Data

Melakukan proses pencarian data yang berkaitan mengenai gejala, derajat asma, dan terapinya yang diperoleh dari wawancara kepada pakar

3. Perancangan

Pada tahap ini dilakukan perancangan desain sistem pakar untuk menentukan derajat asma dan terapinya.

4. Pengkodean

Pada tahap ini sistem yang telah dirancang kemudian diimplementasikan ke dalam bentuk coding perogram.

5. Pengujian dan Perbaikan

Setelah proses pengkodean selesai, maka pada tahap ini akan dilakukan pengujian sistem yang telah dibuat dan memperbaiki kekurangan yang terdapat dalam sistem.

6. Penyusunan Laporan

Menyusun laporan hasil analisis dan perancangan ke dalam format penulisan skripsi.

1.7 Sistematika Penulisan

Dalam penulisan tugas akhir ini, Penulis membagi sistematika penulisan menjadi lima bab, yaitu:

BAB 1 PENDAHULUAN

(19)

BAB 2 TINJAUAN PUSTAKA

Pada bab ini berisi dasar teori tentang permasalahan yang akan dibahas. Teori-teori tentang kecerdasan buatan, sistem pakar, dan kinerja forward chaing pada sistem pakar untuk menentukan derajat asma dan terapinya.

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

Berisi analisis kebutuhan perangkat lunak dan perancangan sistem pakar dengan menggunakan metode forward chaining untuk menentukan derajat asma dan terapinya.

BAB 4 IMPLEMENTASI DAN PENGGUNAAN

Bab ini menjelaskan bagaimana mengimplementasikan sistem pakar menentukan derajat asma dan terapinya serta dilanjutkan dengan menguji aplikasi yang dibangun.

BAB 5 KESIMPULAN DAN SARAN

(20)

BAB 2

TINJAUAN PUSTAKA

2.1 Kecerdasan Buatan

Menurut Hartati dan Iswanti (2008) Kecerdasan buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berprilaku cerdas seperti manusia. Ilmu komputer tersebut mengembangkan perangkat lunak dan perangkat keras untuk menirukan tindakan manusia. Aktifitas manusia yang di tirukan seperti penalaran, penglihatan, pembelajaran, pemecahan masalah, pemahaman bahasa alami dan sebagainya. Sesuai dengan definisi tersebut, maka teknologi kecerdasan buatan dipelajari dalam bidang-bidang seperti : Robotika (Robotics), Penglihatan Komputer (Computer Vision), Pengolahan Bahasa Alami (Natural Language Processing), Pengenalan Pola (Pattern Recognition), Sistem Syaraf Buatan (Artificial Neural System), Pengenalan Suara (Speech Recognition), dan Sistem Pakar (Expert System).

Kecerdasan buatan menyelesaikan permasalahan dengan mendayagunakan komputer untuk memecahkan masalah yang kompleks dengan cara mengikuti proses penalaran manusia. Salah satu teknik kecerdasan buatan yang menirukan proses penalaran manusia adalah sistem pakar.

2.2 Sistem Pakar

(21)

Sistem pakar sebagai kecerdasan buatan, menggabungkan pengetahuan dan fakta-fakta serta teknik penelusuran untuk memecahkan permasalahan yang secara normal memerlukan keahlian dari seorang pakar. Proses berpikir pada manusia dimodelkan dalam sistem pakar pada modul yang disebut Inference Machine. Tujuan utama pengembangan sistem pakar adalah mensubstitusikan pengetahuan dan pengalaman pakar di berbagai bidang seperti bidang pertanian, kelautan, bisnis, pendidikan, ilmu pengetahuan, telekomunikasi, geologi dan meteorology, kesehatan dan pengobatan, komunikasi dan transportasi. (Desiani et al, 2006).

Untuk membangun sistem seperti itu, maka komponen-komponen yang harus dimiliki adalah sebagai berikut :

1. Antar Muka Pengguna (User Interface). 2. Basis Pengetahuan (Knowledge Base). 3. Mekanisme Inferensi (Inference Machine). 4. Memori Kerja (Working Memory).

Sedangkan untuk menjadikan sistem pakar menjadi lebih menyerupai seorang pakar yang berinteraksi dengan pemakai, maka dilengkapi dengan fasilitas berikut:

1. Fasilitas Penjelasan (Explanation Facility).

2. Fasilitas Akuisi Pengetahuan (Knowledge Acquisition Facility).

Berikut ini merupakan tabel yang menjelaskan perbedaan antara sistem pakar dengan seorang pakar (dokter).

Tabel 2.1 Perbedaan Sistem Pakar dengan Seorang Pakar (dokter)

Sistem Pakar Dokter (Pakar)

Bisa digunakan setiap saat Pada saat hari kerja

Bisa digunakan di mana saja Hanya pada daerah tertentu

Kecepatan dan ketepatan pengambilan keputusan konstan

Kecepatan dan ketepatan pengambilan keputusan sesuai dengan keadaan yang di alami pakar

(22)

digunakan

Dapat menyimpan dan mengingat pengetahuan yang tidak terbatas

Mempunyai keterbatasan dalam mengingat pengetahuan

Tidak kenal lelah Dapat merasakan lelah

Pengguna hanya dapat berkonsultasi sebatas kemampuan sistem

Pasien dapat berkonsultasi dengan pakar sejauh mana yang ia inginkan Tidak dapat melayani pengguna dengan

ramah seperti seorang pakar

Dapat memberikan pelayanan kepada pasien dengan ramah, sehingga pasien akan senang bila ingin berkonsultasi kembali

Tidak dapat mengenal dan memahami keadaan ekonomi pengguna

Dapat mengenal dan memahami keadaan ekonomi pasien

2.2.1 Sejarah Sistem Pakar

Sistem pakar mulai dikembangkan pada tahun 1960 oleh Artificial Intelligence Corporation. Penelitian artificial intelligence ini didominasi oleh suatu keyakinan bahwa nalar yang digabung dengan komputer canggih akan menghasilkan prestasi pakar atau bahkan manusia super. General Purpose Problem-Solver (GPS) merupakan sistem pakar yang pertama kali muncul dan dikembangkan oleh Allen Newell, John Cliff Shaw, dan Herbert Alexander Simon dari Logic Theorist.

Pada pertengahan tahun 1960-an, terjadi pergantian dari program serba bisa (general purpose) ke program yang spesialis (special-purpose) dengan dikembangkannya DENDRAL oleh E. Feigenbaum dari Universitas Stanford dan kemudian diikuti oleh MYCYN.

(23)

MYCIN merupakan program interaktif yang melakukan diagnosis penyakit miningitis dan infeksi bacremia serta memberikan rekomendasi terapi antimikrobia. MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Meskipun MYCIN tidak pernah digunakan secara rutin oleh dokter, MYCIN merupakan referensi yang bagus dalam penelitian kecerdasan buatan yang lain. (Kusrini, 2006).

2.2.2 Struktur Sistem Pakar

Menurut Kusumadewi (2003) bila dilihat dari sudut pandang lingkungan (environment) dalam sistem, sistem pakar terdiri dari dua bagian, yaitu:

1. Lingkungan pengembang (development environment)

Lingkungan pengembang ditujukan bagi pembangun sistem pakar untuk membangun komponen dan memasukkan pengetahuan hasil akuisisi pengetahuan ke dalam basis pengetahuan.

2. Lingkungan konsultasi (consultation environment)

Lingkungan konsultasi diperuntukkan bagi pengguna non pakar untuk melakukan konsultasi dengan sistem yang tujuannya adalah mendapatkan nasihat pakar.

(24)

Komponen-komponen yang terdapat dalam struktur sistem pakar: 1. Antarmuka Pengguna

Sistem pakar menggantikan seorang pakar dalam suatu situasi tertentu, maka sistem harus menyediakan pendukung yang diperlukan oleh pemakai yang tidak memahami masalah teknis. Antar muka yang efektif dan ramah pengguna (user-friendly) penting sekali terutama bagi pemakai yang tidak ahli dalam bidang yang diterapkan pada sistem pakar.

2. Basis Pengetahuan

Basis pengetahuan merupakan kumpulan pengetahuan bidang tertentu pada tingkatan pakar dalam format tertentu. Pengetahuan ini diperoleh dari akumulasi pengetahuan pakar dan sumber-sumber pengetahuan lainnya. Basis pengetahuan bersifat dinamis, bisa berkembang dari waktu ke waktu.

3. Mesin Inferensi

Mesin inferensi adalah program komputer yang menyediakan metodologi untuk melakukan penalaran tentang informasi pada basis pengetahuan dan pada memori kerja, serta untuk merumuskan kesimpulan-kesimpulan. Komponen ini menyajikan arahan-arahan tentang bagaimana menggunakan pengetahuan dari sistem dengan membangun agenda yang mengelola dan mengontrol langkah-langkah yang diambil untuk menyelesaikan masalah ketika dilakukan konsultasi.

4. Memori Kerja

Merupakan bagian dari sistem pakar yang menyimpan fakta-fakta yang diperoleh saat dilakukan proses konsultasi. Fakta-fakta inilah yang nantinya akan diolah oleh mesin inferensi berdasarkan pengetahuan yang disimpan dalam basis pengetahuan untuk menentukan suatu keputusan pemecahan masalah.

5. Fasilitas Penjelasan

(25)

dapat berupa keterangan yang diberikan setelah suatu pertanyaan diajukan, yaitu penjelasan atas pertanyaan mengapa, atau penjelasan atas pertanyaan bagaimana sistem mencapai konklusi.

6. Workplace/Blackboard

Workplace merupakan memori kerja yang digunakan untuk menyimpan kondisi/keadaan yang dialami oleh pengguna termasuk keputusan sementara.

7. Fasilitas Akuisisi Pengetahuan

Pengetahuan pada sistem pakar dapat ditambahkan kapan saja pengetahuan baru diperoleh atau saat pengetahuan sudah ada sudah tidak berlaku lagi. Fasilitas ini bertujuan agar pemakai menggunakan sistem pakar yang komplit dan sesuai perkembangan.

2.2.3 Model Representasi Pengetahuan

Sistem pakar merupakan sistem yang berbasis pengetahuan, mengerjakan tugas yang biasanya dilakukan oleh seorang pakar. Representasi pengetahuan dimaksudkan untuk mengorganisasikan pengetahuan dalam bentuk dan format tertentu untuk bisa dimengerti oleh komputer (Hartati et al, 2008).

Untuk membuat sistem pakar yang efektif harus dipilih representasi pengetahuan yang tepat. Pemilihan representasi pengetahuan yang tepat akan membuat sistem pakar dapat mengakses basis pengetahuan tersebut untuk keperluan pembuatan keputusan. Beberapa model representasi pengetahuan yang penting:

1. Jaringan Semantik (Semantic Nets) 2. Bingkai (Frame)

(26)

2.2.3.1 Jaringan Semantik

Jaringan semantik adalah teknik representasi pengetahuan yang digunakan untuk informasi proporsional, sedangkan yang dimaksud dengan informasi proporsional ialah pernyataan yang mempunyai nilai benar atau salah. Sebagai contoh: sebuah bujur sangkar mempunyai empat sisi. Informasi proporsional merupakan bahasa deklaratif karena menyatakan fakta.

Representasi jaringan semantik merupakan penggambaran grafis dari pengetahuan yang memperlihatkan hubungan hirarkis dari obyek-obyek. Komponen dasar merepresestasikan pengetahuan dalam bentuk jaringan semantik adalah simpul (node) dari penghubung (link). Obyek direpresentasikan oleh simpul. Hubungan antar obyek-obyek dinyatakan oleh penghubung yang diberi label untuk menyatakan hubungan yang direpresentasikan.

Mikroprosessor

Unit Prefecth

Unit Bus

Unit Kode Unit

Kontrol MMU

ALU

(27)

2.2.3.2 Bingkai

Bingkai merupakan kumpulan slot-slot yang berisi atribut untuk mendeskripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi ataupun elemen-elemen lainnya. Bingkai digunakan untuk representasi pengetahuan deklaratif. Bingkai memuat deskripsi sebuah obyek dengan menggunakan tabulasi informasi yang berhubungan dengan obyek. Jadi bingkai mengelompokkan atribut sebuah obyek. Dengan demikian, bingkai membantu menirukan cara seseorang mengorganisasikan informasi tentang sebuah obyek menjadi kumpulan data. Representasi pengetahuan menggunakan bingkai sesuai untuk jenis pengetahuan yang memiliki subjek sempit, lebih bersifat pasti, dan jarang berubah-ubah isinya.

Tabel 2.2 Bingkai Sepeda Motor

Slots Fillers

Nama Sepeda motor

Spesialisasi Jenis kendaraan beroda dua

Produk Honda, Yamaha, Kawasaki, Daiheiyo

Bahan bakar Bensin

2.2.3.3 Kaidah Produksi

Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arahan, atau strategi. Kaidah produksi dituliskan dalam bentuk jika-maka (if-then). Kaidah if-then menghubungkan antesenden (antecendent) dengan konsekuensi yang diakibatkannya. Berbagai struktur kaidah if-then yang menghubungkan obyek atau atribut sebagai berikut (Adedeji, 1992).

(28)

IF tindakan THEN tujuan IF aksi THEN reaksi IF sebab THEN akibat IF gejala THEN diagnosa

Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat diperoleh. Masukan mengacu pada data yang harus tersedia sebelum keluaran dapat diperoleh. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat diambil. Antesenden mengacu pada situasi yang terjadi sebelum konsekuensi dapat diamati. Data mengacu pada informasi yang harus tersedia sehingga sebuah hasil dapat diperoleh. Tindakan mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan. Aksi mengacu pada kegiatan yang menyebabkan munculnya efek dari kegiatan tersebut. Sebab mengacu pada keadaan tertentu yang menimbulkan akibat tertentu. Gejala mengacu pada keadaan yang menyebabkan adanya kerusakan atau keadaan tertentu yang mendorong adanya pemeriksaan.

Sebelum sampai pada bentuk kaidah produksi, terdapat langkah-langkah yang harus ditempuh dari pengetahuan yang didapatkan dalam domain tertentu. Langkah-langkah tersebut adalah menyajikan pengetahuan yang berhasil di dapatkan dalam bentuk tabel keputusan (decision table) kemudian dari tebel keputusan dibuat pohon keputusan (decision tree).

Tabel 2.3 Tabel Keputusan

Hipotesa 1 Hipotesa 2 Hipotesa 3 Hipotesa 4

(29)

A

Gambar 2.3 Pohon Keputusan

Keterangan :

A = evidence A, H1 = hipotesa 1, y = ya B = evidence B, H2 = hipotesa 2, t = tidak

C = evidence C, H3 = hipotesa 3, ** = tidak menghasilkan hipotesa tertentu D = evidence D, H4 = hipotesa 4,

2.2.3.4 Logika Predikat

Logika yang pertama kali dikembangkan oleh Aristoteles merupakan logika formal. Logika formal adalah logika yang berhubungan dengan bentuk (syntax) pernyataan bukan pada arti (semantic) dari pernyataannya.

(30)

Logika proporsional atau bisa juga disebut kalkulus proporsional adalah logika simbolis yang memanipulasi proposisi. Logika proporsional akan menangani kalimat deklaratif yang bernilai benar atau salah. Kalimat yang nilai benarnya dapat ditentukan disebut pernyataan (statement) atau proposisi.

Logika proporsional hanya mampu menangani pernyataan yang komplit dan tidak bisa menganalisa struktur internal sebuah pernyataan. Sehingga untuk menganalisa kasus yang lebih umum dikembangkan logika predikat yang dapat menganalisis struktur internal kalimat.

Logika predikat berdasarkan pada kebenaran dan kaidah inferensi untuk merepresentasikan simbol-simbol dan hubungannya satu dengan yang lain. Contoh logika proporsional: Bujur sangkar mempunyai empat sisi. Kalimat tersebut merupakan logika proporsional karena mengandung pernyataan yang mempunyai nilai kebenaran. Sedangkan kalimat berikut ini adalah contoh logika predikat. Semua segitiga adalah poligon. Logika predikat menganalisa struktur internal kalimat tersebut, ditunjukkan dengan penggunaan quantifier. Quantifier berupa kata ”semua”, ”beberapa”, atau ”tidak”. Quantifier ini menjadi begitu penting karena dengan quantifier inilah kata yang lain dapat diukur, sehingga kalimat yang dihasilkan lebih eksak (Hartati et al, 2008).

2.3 Mesin Inferensi

Ada 2 cara yang dapat dikerjakan dalam melakukan inferensi, yaitu: 1. Metode Forward Chaining

2. Metode Backward Chaining

2.3.1 Metode Forward Chaining

(31)

meyakinkan menuju konklusi akhir. Forward chaining biasa juga disebut sebagai penalaran forward (forward reasoning) atau pencarian yang dimotori data (data driven search). Jadi dimulai dari premis-premis atau informasi masukan (if) dahulu kemudian menuju konklusi atau derived information (then) atau dapat dimodelkan sebagai berikut :

IF (informasi masukan) THEN (konklusi)

Inferensi dimulai dengan informasi yang tersedia dan akan memperoleh konklusi. Informasi masukan dapat berupa data, bukti, temuan, atau pengamatan. Sedangkan konklusi dapat berupa tujuan, hipotesa, penjelasan, atau diagnosis. Sehingga jalannya penalaran forward chaining dapat dimulai dari data menuju tujuan, dari bukti menuju hipotesa, dan temuan menuju penjelasan, atau dari pengamatan menuju diagnosa.

Pada metode forward chaining, sistem tidak melakukan praduga apapun, namun sistem menerima semua gejala yang diberikan user, kemudian sistem akan mengecek gejala-gejala tersebut memenuhi konklusi yang mana. (Hartati et al, 2008).

(32)

Pada tabel 2.4 terlihat ada 10 aturan yang tersimpan dalam basis pengetahuan. Fakta awal yang diberikan hanya : A dan F (artinya : A dan F bernilai benar). Ingin dibuktikan apakah K bernilai benar (hipotesis K) ?

Langkah-langkah inferensi adalah sebagai berikut :

a. Dimulai dari R-1, A merupakan fakta sehingga bernilai benar, sedangkan B belum bisa diketahui kebenarannya, sehingga C-pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-1 ini. Sehingga kita menuju ke R-2.

b. Pada R-2 kita tidak mengetahui informasi apapun tentang C, sehingga kita juga tidak bisa memastikan kebenaran D. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-1 ini. Sehingga kita menuju ke R-3.

c. Pada R-3, baik A maupun E adalah fakta sehingga jelas benar. Dengan demikian F sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu F. Karena F bukan hipotesis yang hendak kita buktikan maka penelusuran kita lanjutkan ke R-4.

d. Pada R-4, A adalah fakta sehingga jelas benar. Dengan

demikian G sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu G. Karena G bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R-5.

(33)

f. Pada R-6, baik A maupun G adalah benar berdasarkan fakta dari R-4. Dengan demikian H sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu H. Karena H bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R-7.

g. Pada R-7, meskipun H benar berdasarkan R-6, namun kita tidak tahu kebenaran C sehingga, I pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-7 ini. Sehingga kita menuju ke R-8.

h. Pada R-8, meskipun A benar karena fakta, namun kita tidak tahu kebenaran I, sehingga J pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-8 ini. Sehingga kita menuju ke R-9.

i. Pada R-9, J bernilai benar karena G benar berdasarkan R-4. Karena J bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R-10.

j. Pada R-10, K bernilai benar karena J benar berdasarkan R-9. Karena H sudah merupakan hipotesis yang hendak kita buktikan, maka terbukti bahwa K adalah benar.

(34)

Tabel 2.5 Fakta Baru Pada Saat Inferensi

Aturan Fakta Baru

R-3 F

Gambar 2.4 Alur Inferensi Forward Chaining

2.3.2 Metode Backward Chaining

Metode backward chaining adalah kebalikan dari forward chaining. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih, dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan.

(35)

Seperti halnya pada tabel 2.4. terlihat ada 10 aturan yang tersimpan dalam basis pengetahuan. Fakta awal yang diberikan : A dan F (artinya A dan F bernilai benar). Ingin dibuktikan apakah A bernilai benar (hipotesis hanya K)?.

Langkah-langkah inferensi adalah sebagai berikut :

1. Pertama-tama kita cari terlebih dahulu mulai dari R-1, aturan yang mana memiliki konsekuen K. Ternyata setelah ditelusur, aturan dengan konsekuen K baru ditemukan pada R-10. Untuk membuktikan bahwa K benar maka perlu dibuktikan bahwa J benar.

2. Kita cari aturan yang memiliki konsekuen J. kita mulai dari R-1, ternyata kita baru akan menemukan aturan dengan konsekuen J pada R-8. Untuk membuktikan bahwa J benar maka perlu dibuktikan bahwa I dan A benar. Untuk membuktikan kebenaran I, kita perlu cari aturan dengan konsekuen I, ternayata ada di R-7.

3. Untuk membuktikan bahwa I benar di R-7, kita perlu buktikan bahwa C dan H benar. Untuk itu kita pun perlu mencari aturan dengan konsekuen C dan ada di R-1.

4. Untuk membuktikan C benar di R-1, kita perlu buktikan bahwa A dan B benar. A jelas benar karena A merupakan fakta. Sedangkan B kita tidak bisa membuktikan kebenarannya, karena selain bukan fakta, di dalam basis pengetahuan juga tidak ada aturan dengan konsekuen B. Dengan demikian maka dari penalaran ini kita tidak bisa buktikan kebenaran dari hipotesis K. Namun demikian, kita masih punya alternatif lain untuk melakukan penalaran.

5. Kita lakukan backtracking. Kita ulangi lagi dengan pembuktian kebenaran C dengan mencari aturan lain dengan konsekuen C. Ternyata tidak ditemukan.

6. Kita lakukan backtraining lagi dengan mencari aturan dengan

(36)

7. Kita lakukan backtraining lagi dengan mencari aturan dengan konsekuen J, ternyata kita temukan pada R-9. sehingga kita perlu buktikan kebenaran G.

8. Kita mendapatkan di R-4 dengan konsekuen G. Kita perlu untuk membuktikan kebenaran A. Karena A adalah fakta, maka terbukti bahwa G benar. Dengan demikian berdasarkan penalaran ini bisa dibuktikan bahwa K bernilai benar.

Alur inferensi dapat dilihat pada gambar 2.5. berikut ini :

Gambar 2.5. Alur Inferensi Backward Chaining

(37)

2.4 Asma

Menurut Prasetyo (2010) Asma, bengek atau mengi adalah beberapa nama yang biasa kita pakai kepada pasien yang menderita penyakit asma. Asma bukan penyakit menular, tetapi faktor keturunan (genetic) sangat punya peranan besar di sini.

Asma sendiri berasal dari kata asthma. Kata ini berasal dari bahasa Yunani yang memiliki arti sulit bernafas. Penyakit asma dikenal karena adanya gejala sesak nafas, batuk, dan mengi yang disebabkan oleh penyempitan saluran nafas. Atau dengan kata lain asma merupakan peradangan atau pembengkakan saluran nafas yang reversibel sehingga menyebabkan diproduksinya cairan kental yang berlebih. (Prasetyo, 2010).

Saluran pernafasan penderita asma sangat sensitif dan memberikan respon yang sangat berlebihan jika mengalami rangsangan atau ganguan. Saluran pernafasan tersebut bereaksi dengan cara menyempit dan menghalangi udara yang masuk. Penyempitan atau hambatan ini bisa mengakibatkan salah satu atau gabungan dari berbagai gejala mulai dari batuk, sesak, nafas pendek, tersengal-sengal, hingga nafas yang berbunyi ”ngik-ngik” (Hadibroto et al, 2006).

Beberapa ahli membagi asma dalam 2 golongan besar, seperti yang dianut banyak dokter ahli pulmonologi (penyakit paru-paru) dari Inggris, yakni:

1. Asma Ekstrinsik 2. Asma Intrinsik

2.4.1 Asma Ekstrinsik

(38)

Pada orang-orang tertentu, seperti pada penderita asma, sistem imunitas bekerja lepas kendali dan menimbulkan reaksi alergi. Reaksi ini disebabkan oleh alergen. Alergen bisa tampil dalam bentuk: mulai dari serbuk bunga/tanaman/pohon, debu luar/dalam rumah, jamur, hingga zat/bahan makanan. Ketika alergen memasuki tubuh pengidap alergi, sistem imunitasnya memproduksi antibodi khusus yang disebut IgE. Antibodi ini mencari dan menempelkan dirinya pada sel-sel batang. Peristiwa ini terjadi dalam jumlah besar di paru-paru dan saluran pernafasan lalu membangkitkan suatu reaksi. Batang-batang sel melepaskan zat kimia yang disebut mediator. Salah satu unsur mediator ini adalah histamin.

Akibat pelepasan histamin terhadap paru-paru adalah reaksi penegangan/pengerutan saluran pernafasan dan meningkatnya produksi lendir yang dikeluarkan jaringan lapisan sebelah dalam saluran tersebut.

2.4.2 Asma Intrinsik

Asma intrinsik tidak responsif terhadap pemicu yang berasal dari alergen. Asma jenis ini disebabkan oleh stres, infeksi, dan kondisi lingkungan seperti cuaca, kelembaban dan suhu udara, polusi udara, dan juga oleh aktivitas olahraga yang berlebihan.

Asma intrinsik biasanya berhubungan dengan menurunnya kondisi ketahanan tubuh, terutama pada mereka yang memiliki riwayat kesehatan paru-paru yang kurang baik, misalnya karena bronkitis dan radang paru-paru (pneumonia). Penderita diabetes mellitus golongan lansia juga mudah terkena asma intrinsik.

(39)

2.4.3 Pencetus Asma

Menurut The Lung Association of Canada, ada dua faktor yang menjadi pencetus asma, yaitu:

1. Pemicu (trigger) yang mengakibatkan mengencang atau menyempitnya saluran pernafasan (bronkokonstriksi).

Pemicu tidak menyebabkan peradangan. Banyak kalangan kedokteran yang menganggap pemicu dan bronkokonstriksi adalah gangguan pernafasan akut, yang belum berarti asma, tapi bisa menjurus menjadi asma jenis intrinsik. Gejala-gejala bronkokonstriksi yang diakibatkan oleh pemicu cenderung timbul seketika, berlangsung dalam waktu pendek dan relatif mudah diatasi dalam waktu singkat. Namun saluran pernafasan akan bereaksi lebih cepat terhadap pemicu, apabila sudah ada, atau sudah terjadi peradangan. Umumnya pemicu yang mengakibatkan bronkokonstriksi termasuk stimulus sehari-hari seperti: perubahan cuaca dan suhu udara, polusi udara, asap rokok, infeksi saluran pernafasan, gangguan emosi, dan olahraga yang berlebihan.

2. Penyebab (inducer) yang mengakibatkan peradangan (inflammation) pada saluran pernafasan.

(40)

Klasifikasi asma berdasarkan tingkat keparahan penyakit (derajat asma) yaitu: 1. Intermiten

Intermitten ialah derajat asma yang paling ringan. Pada tingkatan derajat asma ini, serangannya biasanya berlangsung secara singkat. Dan gejala ini juga bisa muncul di malam hari dengan intensitas sangat rendah yaitu ≤ 2x sebulan . 2. Persisten Ringan

Persisten ringan ialah derajat asma yang tergolong ringan. Pada tingkatan derajat asma ini, gejala pada sehari-hari berlangsung lebih dari 1 kali seminggu, tetapi kurang dari atau sama dengan 1 kali sehari dan serangannya biasanya dapat mengganggu aktifitas tidur di malam hari.

3. Persisten Sedang

Persisten sedang ialah derajat asma yang tergolong lumayan berat. Pada tingkatan derajat asma ini, gejala yang muncul biasanya di atas 1 x seminggu dan hampir setiap hari. Serangannya biasanya dapat mengganggu aktifitas tidur di malam hari.

4. Persisten Berat

Persisten berat ialah derajat asma yang paling tinggi tingkat keparahannya. Pada tingkatan derajat asma ini, gejala yang muncul biasanya hampir setiap hari, terus menerus, dan sering kambuh. Membutuhkan bronkodilator setiap hari dan serangannya biasanya dapat mengganggu aktifitas tidur di malam hari.

2.5 PHP dan MySQL

PHP merupakan singkatan dari Personal Home Page. PHP merupakan bahasa berbentuk skrip yang ditempatkan dalam server dan diproses di server, kemudian hasilnya dikirimkan ke klien, tempat pemakai menggunakan browser. (Kadir, 2008).

(41)

(42)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Sistem

Analisis berguna untuk mengetahui kebutuhan perangkat lunak yang akan dibangun. Dalam tahap ini dilakukan pengumpulan data serta pengetahuan yang diperlukan untuk membangun sistem pakar, sehingga pada akhirnya hasil dari analisis yang diperoleh berupa sebuah sistem yang strukturnya dapat didefinisikan dengan baik dan jelas. Untuk menghasilkan sistem pakar yang handal, diperlukan basis pengetahuan dan basis aturan yang baik serta pembuatan mekanisme inferensi yang baik juga. Mekanisme inferensi adalah bagian dari sistem pakar yang melakukan penalaran dengan menggunakan isi daftar aturan berdasarkan urutan dan pola tertentu. Selama proses konsultasi antar sistem dan pemakai, mekanisme inferensi menguji aturan satu demi satu sampai kondisi aturan itu benar.

Dalam pembuatan sistem pakar ini, penulis menggunakan mekanisme inferensi penalaran maju (fordward chaining) untuk menguji aturan. Dalam penalaran maju, aturan-aturan diuji satu demi satu dalam urutan tertentu. Saat tiap urutan diuji, sistem pakar akan mengevaluasi apakah kondisinya benar atau salah. Jika kondisinya benar, maka aturan itu disimpan kemudian aturan berikutnya diuji. Sebaiknya kondisinya salah, aturan itu tidak disimpan dan aturan berikutnya diuji. Proses ini akan berulang (iterative) sampai seluruh basis aturan teruji dengan berbagai kondisi.

(43)

3.1.1 Pembahasan Program

Sistem pakar merupakan program dengan basis pengetahuan yang dinamis. Dengan kata lain, pengetahuan yang terdapat dalam sistem pakar ini harus dapat ditambah atau di-edit kapanpun kita butuhkan, mengingat semakin cepatnya perkembangan ilmu pengetahuan sekarang ini, sehingga basis pengetahuan yang dimiliki oleh sistem pakar ini juga terus berkembang.

Mesin inferensi untuk program sistem pakar untuk menentukan derajat asma dan terapinya ini merupakan gabungan dari algoritma pencarian dan struktur If - Then. Metode yang digunakan adalah metode forward chaining dimana program mengambil kesimpulan dari jawaban "Ya" atau "Tidak" atas pertanyaan yang digunakan dari program.

3.1.2 Cara Kerja Sistem Pakar yang Dibangun

Sistem pakar yang dibangun memiliki cara kerja untuk menghasilkan suatu keluaran atau output tentang derajat asma dari pasien serta solusi yang direkomendasikan berdasarkan basis pengetahuan yang telah dibuat. Adapun cara sistem pakar dapat melakukan diagnosa penyakit adalah sebagai berikut:

1. Dalam melakukan diagnosis derajat asma, sistem yang dibuat akan menampilkan dialog berupa pertanyaan mengenai gejala yang dialami pengguna (user).

2. Pengguna (user) diminta untuk menjawab semua pertanyaan yang diajukan oleh sistem.

(44)

3.2 Perancangan Sistem

Pada subbab ini akan diuraikan tentang perancangan sistem yang terdiri dari perancangan mesin inferensi, perancangan basis data, perancangan struktur program, dan perancangan antarmuka.

Berikut ini adalah gambar perancangan diagram sistem pakar yang akan dibangun.

tbl_aturan

tbl_pertanyaan tbl_solusi

Antar muka sistem

user admin

Mesin Inferensi

Memori kerja Basis Pengetahuan

Fasilitas Akuisisi Pengetahuan

Gambar 3.1 Diagram Sistem Pakar Menentukan Derajat Asma dan Terapinya

(45)

pakar di atas, dapat dilihat bahwa terdapat unsur kepakaran dalam sistem pakar yang akan dibangun dan fasilitas akuisisi pengetahuan untuk meng-update pengetahuan apabila terdapat pengetahuan baru yang harus ditambahkan.

3.2.1. Perancangan Mesin Inferensi

Pada perancangan sistem pakar untuk menentukan derajat asma dilakukan dengan menggunakan mesin inferensi. Mesin inferensi forward chaining digunakan dalam sistem ini untuk mendiagnosis derajat asma setelah user menjawab pertanyaan yang berhubungan dengan gejala asma yang dialami user. User harus menjawab semua pertanyaan yang diberikan oleh sistem.

(46)

Start

id_pertanyaan = 1

Input jawaban

simbol = p simbol = simbol_hasil

id_pertanyaan = id_hasil

id_solusi = id_hasil Cek tbl_aturan

Cek tbl_pertanyaan

Cek tbl_solusi

Tampilkan Solusi

End Ya

Tidak

(47)

3.2.1.1Perancangan Pohon Keputusan

(48)

1

(49)

Data yang didapat dirancangan sedemikian rupa berdasarkan urutan proses yang ada dan solusi yang bersesuian, kemudian dirancang menjadi basis pengetahuan. Untuk id pertanyaan dapat dilihat pada lampiran daftar pertanyaan.

3.2.1.1.1 Tahap Perancangan Intermitten

Dari pohon keputusan di atas, dapat dibuat tabel keputusan sebagai berikut.

Tabel 3.1 Tabel Keputusan untuk Derajat Asma Intermitten

Id

Contoh rule untuk menentukan derajat asma intermitten sebagai berikut. IF pasien mengalami batuk

AND mengalami flu yang diderita, dan berlanjut menjadi sesak, atau berlangsung lebih dari 10 hari

AND batuk atau mengi timbul sesudah aktifitas AND mengalami gangguan batuk pada malam hari AND gejala pada malam hari kurang dari 2 kali sebulan THEN Intermitten

(50)

1

Gambar 3.4 Pohon Keputusan Derajat Asma Intermitten

Pohon keputusan di atas dapat dijelaskan sebagai berikut:

Tabel 3.2 Kumpulan Pertanyaan Intermitten Id

Pertanyaan

Pertanyaan Jawaban

1 Apakah Anda mengalami batuk? Ya

2 Apakah Anda mengalami serangan batuk disertai

mengi yang berulang? Tidak

3 Apakah ada mengalami flu yang diderita, dan berlanjut menjadi sesak, atau berlangsung lebih dari 10 hari? Ya

4 Apakah batuk atau mengi timbul sesudah aktifitas? Ya

(51)

hari?

Tabel 3.2 Kumpulan Pertanyaan Intermitten (Lanjutan)

Id Pertanyaan

7 Apakah gejala pada malam hari kurang dari 2 kali

sebulan? Ya

Solusi 2 :

Derajat Asma : Intermitten

Terapi : Intermitten ialah derajat asma yang paling ringan. Pada tingkatan derajat asma ini, serangannya biasanya berlangsung secara

singkat. Dan gejala ini juga bisa muncul di malam hari dengan intensitas sangat rendah yaitu ≤ 2x sebulan.

Pasien tidak perlu pengobatan harian, jadi hanya di kala terjadi serangan saja. Dan terapinya berupa obat pelega pernafasan. Seperti :

ß2

Contohnya : Berotec, Ventoline. -agnosis Inhalasi

Aturan pakai : Jika mengalami sesak saja

3.2.1.1.2 Tahap Perancangan Persisten Ringan

Dari pohon keputusan sistem pakar menentukan derajat asma dan terapinya di atas, dapat dibuat tabel keputusan sebagai berikut.

Tabel 3.3 Tabel Keputusan untuk Derajat Asma Persisten Ringan

(52)

5 √ √ √ √

Tabel 3.3 Tabel Keputusan untuk Derajat Asma Persisten Ringan (Lanjutan)

Id Pertanyaan

Derajat Asma Persisten Ringan

6 √ √ √ √

7

8 √ √ √ √

9 √ √ √ √ √ √ √ √

Contoh rule untuk menentukan derajat asma Persisten Ringan sebagai berikut. IF pasien mengalami batuk

AND mengalami serangan batuk disertai mengi yang berulang AND batuk atau mengi timbul sesudah aktifitas

AND batuk atau mengi atau rasa berat di dada timbul sesudah pajanan terhadap alergen atau polutan

AND gejala pada malam hari lebih dari 2 kali sebulan

AND gejala pada sehari-hari kurang dari atau sama dengan 1 kali per minggu THEN Persisten Ringan

(53)

1

2

4

5

6

7

9

10

13

8

17

3

Keterangan

:

Pertanyaan

Solusi

Jawaban Ya

Jawaban Tidak

(54)

Tabel 3.4 Kumpulan Pertanyaan Persisten Ringan

Id Pertanyaan

mengi yang berulang? Ya

5 Apakah Anda mengalami gangguan batuk pada malam

hari? Tidak

6 Apakah batuk atau mengi atau rasa berat di dada timbul

sesudah pajanan terhadap alergen atau polutan? Ya

7 Apakah gejala pada malam hari kurang dari 2 kali

sebulan? Tidak

9 Apakah gejala pada malam hari lebih dari 2 kali

sebulan? Ya

10 Apakah gejala pada malam hari berlangsung lebih dari

1 kali seminggu? Tidak

13

Apakah gejala pada sehari-hari berlangsung lebih dari 1 kali seminggu, tetapi kurang dari atau sama dengan 1 kali sehari?

Tidak

8 Apakah gejala pada sehari-hari kurang dari atau sama

dengan 1 kali per minggu? Ya

17 Apakah gejala pada sehari-hari mengganggu aktifitas

tidur? Tidak

Solusi 3 :

Derajat Asma : Persisten Ringan

Terapi : Persisten Ringan ialah derajat asma yang tergolong ringan. Pada tingkatan derajat asma ini , gejala yang muncul biasanya di atas 1x seminggu. dan serangannya biasanya dapat mengganggu aktifitas tidur di malam hari.

Untuk terapinya terdiri dari dua jenis

• Controller : Pengobatan Harian

(55)

• Atau teofilin oral : Retaphyl SR, aturan pakai : 1 x sehari. Atau Quibron SR, aturan pakai : 1 x sehari

• Atau antileukotrien : Leukoklast, aturan pakai : 1 x

Aturan Pakai : Jika mengalami sesak saja

3.2.1.1.3 Tahap Perancangan Persisten Sedang

Tabel 3.5 Tabel Keputusan untuk Derajat Asma Persisten Sedang

(56)

17 √ √ √ √

Contoh rule untuk menentukan derajat asma Persisten Sedang sebagai berikut. IF pasien mengalami batuk

AND mengalami serangan batuk disertai mengi yang berulang AND batuk atau mengi timbul sesudah aktifitas

AND mengalami gangguan batuk pada malam hari AND gejala pada malam hari lebih dari 2 kali sebulan

AND gejala pada sehari-hari kurang dari atau sama dengan 1 kali per minggu AND gejala pada sehari-hari mengganggu aktifitas tidur

THEN Persisten Sedang

(57)

1

2

4

5

7

9

10

13

8

17

4

Keterangan

:

Pertanyaan

Solusi

Jawaban Ya

Jawaban Tidak

(58)

Tabel 3.6 Kumpulan Pertanyaan Persisten Sedang

Id Pertanyaan

mengi yang berulang? Ya

hari? Ya

7 Apakah gejala pada malam hari kurang kurang dari 2

kali sebulan? Tidak

sebulan? Ya

1 kali seminggu? Tidak

13

Apakah gejala pada sehari-hari berlangsung lebih dari 1 kali seminggu, tetapi kurang dari atau sama dengan 1 kali sehari?

Tidak

8 Apakah gejala pada sehari-hari kurang dari atau sama

dengan 1 kali per minggu? Ya

17 Apakah gejala pada sehari-hari mengganggu aktifitas

tidur? Ya

Solusi 4 :

Derajat Asma : Persisten Sedang

Terapi : Persisten Ringan ialah derajat asma yang tergolong ringan. Pada tingkatan derajat asma ini , gejala yang muncul biasanya di atas 1x seminggu. dan serangannya biasanya dapat mengganggu aktifitas tidur di malam hari.

Untuk terapinya terdiri dari dua jenis

» Steroid Inhalasi dan Bronkodilator aksi lambat.

• Steroid Inhalasi : Inflamide. Aturan pakai : 1 x tiap malam. Atau Pulmicort. Aturan pakai : 1 x tiap malam • Bronkodilator aksi lambat : Solmoterol, aturan pakai : 3 x

(59)

3.2.1.1.4 Tahap Perancangan Persisten Berat

Tabel 3.7 Tabel Keputusan untuk Derajat Asma Persisten Berat

(60)

16 √ √ √ √

Contoh rule untuk menentukan derajat asma Persisten Berat sebagai berikut. IF pasien mengalami batuk

AND mengalami flu yang diderita, dan berlanjut menjadi sesak, atau berlangsung lebih dari 10 hari

AND batuk atau mengi timbul sesudah aktifitas

AND batuk atau mengi atau rasa berat di dada timbul sesudah pajanan terhadap alergen atau polutan

AND gejala pada malam hari lebih dari 2 kali sebulan

AND gejala pada malam hari berlangsung lebih dari 1 kali seminggu AND gejala pada malam hari sering kambuh

AND gejala pada sehari-hari membuat aktifitas fisik terganggu AND Anda membutuhkan bronkodilator setiap hari

THEN Persisten Berat

(61)

1

5

3

4

5

6

7

9

10

11

16

15

2

: : : :

Pertanyaan Solusi Jawaban Ya Jawaban Tidak

(62)

Tabel 3.8 Kumpulan Pertanyaan Persisten Berat

Id Pertanyaan

mengi yang berulang? Tidak

3 Apakah ada mengalami flu yang diderita, dan berlanjut menjadi sesak, atau berlangsung lebih dari 10 hari? Ya

hari? Tidak

6 Apakah batuk atau mengi atau rasa berat di dada timbul

sesudah pajanan terhadap alergen atau polutan? Ya

7 Apakah gejala pada malam hari kurang kurang dari 2

kali sebulan? Tidak

sebulan? Ya

1 kali seminggu? Ya

11 Apakah gejala pada malam hari sering kambuh? Ya

16 Apakah gejala pada sehari-hari membuat aktifitas fisik

terganggu? Ya

15 Apakah Anda membutuhkan bronkodilator setiap hari? Ya

Solusi 5 :

Derajat Asma : Persisten Berat

Terapi : Persisten Berat ialah derajat asma yang paling tinggi tingkat keparahannya. Pada tingkatan derajat asma ini , gejala yang muncul biasanya hampir setiap hari, terus menerus, dan sering kambuh. Membutuhkan bronkodilator setiap hari. Dan

serangannya biasanya dapat mengganggu aktifitas tidur di malam hari.

• Steroid Inhalasi : Inflamide. Aturan pakai : 3 x sehari. Atau Pulmicort. Aturan pakai : 3 x sehari

• Bronkodilator aksi lambat : Solmoterol, aturan pakai : 3 x

(63)

• Steroid Oral : Methylprednisolone, aturan pakai : 1 x sehari. Atau Dexamethasone aturan pakai : 1 x sehari

3.2.2 Perancangan Basis Data

Dalam perancangan basis data ini terdiri dari perancangan struktur tabel, relasi antar tabel, perancangan DFD dan perancangan kamus data.

3.2.2.1 Struktur Tabel

Tabel 3.9 Tabel tbl_artikel

Nama Field Tipe data Keterangan

int(5)

id_artikel Auto Increment

Judul varchar(100)

Isi text

Tabel 3.10 Tabel tbl_pasien

int(5)

id_pasien Auto Increment

Nama varchar(100)

Jk varchar(30)

Umur int(3)

(64)

Tabel 3.11 Tabel tbl_pertanyaan

int(5)

id_pertanyaan Auto Increment

Simbol varchar(2)

pertanyaan varchar(200)

Tabel 3.12 Tabel tbl_solusi

int(5)

id_solusi Auto Increment

Simbol varchar(2)

Hasil varchar(200)

Terapi varchar(200)

Tabel 3.13 Tabel tbl_aturan

int(5)

id_aturan Auto Increment

id_pertanyaan varchar(5)

id_jawaban varchar(5)

simbol_hasil varchar(2)

id_hasil varchar(5)

Tabel 3.14 Tabel tbl_memori_kerja

id_pasien varchar(5)

id_pertanyaan varchar(5)

Jawaban varchar(2)

Tabel 3.15 Tabel tbl_users

(65)

username varchar(150)

password varchar(150)

3.2.2.2 Relasi Antar Tabel

Relasi antar tabel pada sistem pakar menentukan derajat asma dan terapinya dapat dilihat pada gambar di bawah ini.

tbl_artikel

Gambar 3.8 Relasi Antar Tabel

(66)

maka dilakukan pengecekan ke dalam tbl_hasil dan kemudian akan ditampilkan ke pasien.

3.2.2.3 Perancangan DFD

Perancangan DFD dalam aplikasi sistem pakar ini untuk menjelaskan aliran data, mulai proses input data oleh knowledge engineer, sampai output yang dihasilkan sistem yang dapat dilihat user. Perancangan sistem ini dimulai dari diagram konteks, DFD level 1, hingga DFD level 2.

Diagram konteks untuk aplikasi sistem pakar menentukan derajat asma ini, dapat dilihat pada Gambar 3.3 di bawah ini.

0 Sistem Pakar Menentukan Derajat Asma

dan Terapinya

Pasien

Admin input data pasien

pertanyaan konsultasi

Gambar 3.9 Diagram Konteks

Penjelasan proses diagram konteks sistem pakar untuk menentukan derajat asma adalah sebagai berikut:

a. Proses

Nama Proses : Sistem Pakar untuk Menentukan Derajat Asma dan Terapinya

Keterangan : Proses diagnosa penyakit pasien berdasarkan pertanyaan berupa gejala yang diderita oleh pasien.

(67)

Masukan : - Data username dan password - Input data pertanyaan konsultasi - Input data solusi

- Input data aturan - Input artikel - Input data pasien - Input jawaban

Keluaran : - Data username dan password - Data pertanyaan konsultasi - Data solusi

- Data aturan - Data artikel

- Pertanyaan konsultasi - Hasil diagnosis

c. Entitas Luar

Nama Entitas : - Admin

Keterangan : Merupakan bagian yang mengontrol dan memperbaiki sistem Masukan : - Data username dan password

- Data pertanyaan konsultasi - Data solusi

- Data artikel - Data aturan

Keluaran : - Data username dan password - Input data pertanyaan konsultasi - Input data solusi

- Input data artikel - Input data aturan Nama Entitas : Pasien

Keterangan : Pengguna yang menggunakan sistem untuk mendeteksi penyakit yang dideritanya

(68)

Keluaran : - Input data pasien - Input jawaban

Proses yang ada pada diagram konteks dapat dipecah lagi menjadi proses-proses yang lebih kecil dan lengkap dalam DFD level 1. Diagram untuk DFD level 1 dapat dilihat pada Gambar 3.4 di bawah ini.

1.0 Login Admin

ADMIN

tbl_user

data user data user

(69)

Penjelasan proses DFD level 1 sistem pakar untuk menentukan derajat asma adalah sebagai berikut:

a. Proses 1.0

Nama Proses : Login Admin

Masukan : - Data username dan password - Laporan data user

Keluaran : - Data username dan password - Halaman admin

Keterangan : Proses untuk mengecek kebenaran username dan password administrator yang masuk

b. Proses 2.0

Nama Proses : Kelola Data Pertanyaan Masukan : - Input data pertanyaan

- Data pertanyaan Keluaran : - Data pertanyaan

Keterangan : Proses untuk mengolah data pertanyaan, seperti insert, edit, dan delete data pertanyaan

c. Proses 3.0

Nama Proses : Kelola Data Solusi Masukan : - Input data solusi

- Data solusi Keluaran : - Data solusi

Keterangan : Proses untuk mengolah data solusi, seperti insert, edit, dan delete data solusi

d. Proses 4.0

Nama Proses : Kelola Data Aturan Masukan : - Input data aturan

(70)

Keterangan : Proses untuk mengolah data aturan, seperti insert, edit, dan delete data aturan

e. Proses 5.0

Nama Proses : Kelola Data Artikel Masukan : - Input data artikel

- Data artikel Keluaran : - Data artikel

Keterangan : Proses untuk mengolah data artikel, seperti insert, edit, dan delete data artikel

f. Proses 6.0

Nama Proses : View Artikel

Masukan : - Input judu l artikel - Isi artikel

Keluaran : - Judul artikel - Isi artikel

Keterangan : Proses untuk melihat isi artikel yang terdapat di dalam sistem, yang dapat dilihat oleh pasien

g. Proses 7.0

Nama Proses : Diagnosis

(71)

- Alasan - Penjelasan

Keterangan : Proses untuk mengolah hasil diagnosis menentukan derajat asma dari beberapa pertanyaan yang telah dijawab oleh pasien.

Proses yang ada pada DFD level 1 dapat dipecah lagi menjadi proses-proses yang lebih jelas ke dalam DFD level 2. Diagram untuk DFD level 2 dapat dilihat pada Gambar 3.5 di bawah ini.

PASIEN _{Proses diagnosis}7.1 dengan metode

Penjelasan proses DFD level 2 sistem pakar untuk menentukan derajat asma adalah sebagai berikut:

a. Proses 7.1

Nama Proses : Proses diagnosis dengan metode forward chaining Masukan : - Input data pasien

(72)

- Input jawaban

Keterangan : Proses untuk mendiagnosis derajat asma dengan menggunakan metode fordward chaining

b. Proses 7.2

Nama Proses : Kelola memori kerja Masukan : - Data pasien

- Data kosong - Jawaban - Alasan - Penjelasan Keluaran : - Kosongkan data

- Data kosong - Jawaban - Alasan - Penjelasan

(73)

3.2.2.4 Perancangan Kamus Data

Kamus data dipersiapkan untuk memudahkan proses analisis dan desain sistem.

Tabel 3.16 Kamus Data tbl_artikel

No Field Type Keterangan

1 id_artikel int(5) Id artikel

2 judul varchar(100) Judu l artikel

3 isi text Isi dari artikel

mengenai asma

Tabel 3.17 Kamus Data tbl_pasien

Tabel 3.18 Kamus Data tbl_pertanyaan

1 id_pertanyaan int(5) Id pertanyaan

2 simbol varchar(2) Simbol

3 pertanyaan varchar(200) Pertanyaan

Tabel 3.19 Kamus Data tbl_solusi

1 id_solusi int(5) Id solusi

2 simbol varchar(2) Simbol

3 hasil varchar(200) Hasil diagnosis /

Derajat asma

(74)

Tabel 3.20 Kamus Data tbl_aturan

1 id_aturan int(5) Id aturan

2 id_pertanyaan varchar(5) Id pertanyaan

3 id_jawaban varchar(5) Hasil diagnosis

4 simbol_hasil varchar(2) Simbol hasil

5 id_hasil varchar(5) Id hasil

Tabel 3.21 Kamus Data tbl_memori_kerja

1 id_pasien varchar(5) Id pasien

2 id_pertanyaan varchar(5) Id pertanyaan

3 jawaban varchar(2) Jawaban

Tabel 3.22 Kamus Data tbl_users

1 userid int(5) Id user

2 username varchar(150) Username

(75)

3.2.3 Perancangan Struktur Program

Berikut ini adalah rancangan struktur program sistem pakar yang akan dibangun.

Sistem Pakar untuk Menentukan Derajat Asma dan Terapinya

Login

Admin Diagnosis View Artikel

Input

Gambar 3.12 Perancangan Struktur Program

3.2.4 Perancangan Antarmuka

Perancangan antarmuka (interface) merupakan tampilan program aplikasi yang akan digunakan oleh pemakai (user) untuk dapat berkomunikasi dengan komputer. Adapun yang menjadi rancangan antarmuka dalam perancangan ini adalah rancangan menu utama program.

(76)

bagian mana yang terlebih dahulu nantinya yang akan diakses setelah program tersebut selesai.

3.2.4.1 Rancangan Halaman Utama

Halaman ini merupakan halaman yang pertama kali muncul saat program dijalankan. Halaman utama ini terdiri dari menu Home, menu Konsultasi, menu Sekilas Tentang Asma, menu About, menu Login, dan menu Petunjuk Penggunaan Sistem. Isi dari menu Home merupakan tampilan dari halaman utama. Rancangan halaman utama dapat dilihat pada gambar 3.13 di bawah ini.

HEADER

Home Konsultasi Sekilas Tentang Asma About Login

Menu Utama

Konsultasi

Sekilas Tentang Asma

Admin

Login

Help

Petunjuk Penggunaan Sistem

ISI

FOOTER

Gambar 3.13 Rancangan Halaman Utama

3.2.4.2 Rancangan Halaman Menu Konsultasi

(77)

jawaban dari pertanyaan yang diajukan sistem. Rancangan halaman menu Konsultasi dapat dilihat pada gambar 3.14 di bawah ini.

HEADER

Home Konsultasi Sekilas Tentang Asma About Login

Menu Utama

Silahkan isi data diri Anda

Nama :

Gambar 3.14 Rancangan Halaman Menu Konsultasi

(78)

HEADER

Menu Utama

Konsultasi

Admin

Login

Help

FOOTER

Menu Konsultasi

No Pertanyaan

1 Apakah Anda mengalami batuk?

Jawaban Ya Tidak

Jawab

Gambar 3.15 Rancangan Halaman Pertanyaan Konsultasi

(79)

HEADER

Menu Utama

Konsultasi

Admin

Login

Help

FOOTER

Hasil Diagnosis

Derajat

Asma [Derajat Asma]

Terapi [Terapi yang dianjurkan dokter]

Mengapa

Gambar 3.16 Rancangan Halaman Hasil Diagnosis Derajat Asma

(80)

HEADER

Menu Utama

Konsultasi

Admin

Login

Help

FOOTER

Karena :

Pertanyaan 1 : [Jawaban Anda]

Pertanyaan ... : [Jawaban Anda]

Maka diperoleh kesimpulan Derajat

Asma [Derajat Asma]

Terapi [Terapi yang dianjurkan dokter]

Gambar 3.17 Rancangan Halaman Penjelasan

3.2.4.3 Rancangan Halaman Menu Petunjuk Penggunaan Sistem

(81)

HEADER

Home Konsultasi Sekilas Tentang Asma About Login

Menu Utama

Konsultasi

Admin

Login

Help

Petunjuk Penggunaan Sistem

Isi Petunjuk Penggunaan Sistem

FOOTER

Gambar 3.18 Rancangan Halaman menu Petunjuk Penggunaan Sistem

3.2.4.4 Rancangan Halaman Menu Login

(82)

HEADER

Home Konsultasi Sekilas Tentang Asma About Login

Menu Utama

Konsultasi

Admin

Login

Help

FOOTER

Silahkan isi Username dan Password Anda

Username :

Password :

Login

Gambar 3.19 Rancangan Halaman menu Login

3.2.4.5 Rancangan Halaman Administrator