SISTEM PAKAR BERBASIS WEB UNTUK MENDIAGNOSIS PENYAKIT MULUT MENGGUNAKAN METODE FUZZY
SKRIPSI
JELITA SIMANJUNTAK 071401006
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
SISTEM PAKAR BERBASIS WEB UNTUK MENDIAGNOSIS PENYAKIT MULUT MENGGUNAKAN METODE FUZZY
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer
JELITA SIMANJUNTAK 071401006
PROGRAM STUDI SARJANA ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul SISTEM PAKAR BERBASIS WEB UNTUK
MENDIAGNOSIS PENYAKIT MULUT MENGGUNAKAN METODE FUZZY
Kategori SKRIPSI
Nama JELITA SIMANJUNTAK
Nomor Induk Mahasiswa 071401006
Program Studi SARJANA (S1) ILMU KOMPUTER
Departemen ILMU KOMPUTER
Fakultas MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan,12Desember2011
Komisi Pembimbing
Pembimbing 2 Pembimbing 1
Dian Rachmawati,S.Si,M.Kom Prof.Dr.Muhammad Zarlis
NIP.198307232009122004 NIP. 195707011986011003
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
SISTEM PAKAR BERBASIS WEB UNTUK MENDIAGNOSIS PENYAKIT MULUT MENGGUNAKAN METODE FUZZY
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan,12 Desember 2011
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena kasih dan karuniaNya yang selalu menyertai penulis sehingga skripsi ini dapat diselesaikan dalam waktu yang telah ditetapkan.
Ucapan terima kasih penulis sampaikan kepada Bapak Prof. Dr. Muhammad Zarlis dan Ibu Dian Rachmawati, S.Si,M.Komselaku pembimbing pada penyelesaian skripsi ini yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk menyempurnakan kajian ini. Ucapan terima kasih juga penulis sampaikan kepada Bapak Prof. Dr. Iryanto, M.Si dan Ibu Maya Silvi Lydia, BSc. MSc selaku dosen penguji. Panduan ringkas, padat, dan profesional telah diberikan kepada penulis agar dapat menyelesaikan tugas ini. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Departemen Ilmu Komputer, Bapak Dr. Poltak Sihombing, M.Komdan, Ibu Maya Silvi Lydia, BSc. MSc,Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua dosen pada Departemen Ilmu Komputer FMIPA USU, dan pegawai di Ilmu Komputer FMIPA USU.
Terima kasih penulis sampaikan kepada Ibu Drg. Rohdoulina Sirait selaku Dokter Gigi yang sudah banyak membantu penulis.
ABSTRAK
Jumlah penderita Penyakit Mulutmeningkat dari tahun ke tahun.Hal ini disebabkanketerlambatan diagnosa penyakit tersebut.Penderita penyakit tersebut biasanya meninggal akibat komplikasi penyakit ini.Oleh karena itu perlu dilakukan tindakan guna mengantisipasi meningkatnya jumlah penderita Penyakit Mulut yang meninggal.Sistem pakara adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik dan penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Maka dari itu penulis berinisiatif untuk membuat tugas akhir yang berjudul“ Sistem Pakar
Berbasis Web untuk Mendiagnosis Penyakit Mulut Menggunakan Metode Fuzzy “. Pada penelitian ini, dibuat suatu model Sistem Pakar untuk menentukan Penyakit Mulut dengan metode Fuzzy. Metode ini cukup efisien digunakan dalam mendiagnosis penyakit tersebut . Sistem ini dapat memberikan diagnosis awal penyakit mulut tersebut berdasarkan gejala dan intensitas gejala – gejala yang terlihat dari luar .User
hanya perlu masuk ke Web untuk mengambil langkah awal pemecahan penyakit mulut tersebut tanpa harus bertanya langsung kepakar. Sistem ini dibuat berbasis web
dengan bahasa pemprograman PHP.
ABSTRACT
Patients quantity of Mouth Diseases is increased from year to year due to its late diagnoses.The patient of this diseases usually die because of its diseases' complications. Therefore, it need an action to anticipate the increasing number of patients who died by Mouth Disease. Expert system is computer-based system that uses knowledge, facts, techniques and intellectual activities in solving problems that usually only can be solved by an expert in that field. Thus, the author takes an initiative to make the final project titled "Web-Based Expert System to Diagnose Oral Diseases Using Fuzzy Methods". At this research, the author make an Expert System to determinate Mouth Disease by using Fuzzy Method. This method is efficient as it can give early diagnosis of the mouth diseases, based on its symptoms and intensity of symptoms that are visible from outside. The user only need to visit the Web system for taking the early step to solve the Mouth Diseases without asking the Expert directly. This system is created using Web with PHP Language Program.
DAFTAR ISI
Bab 1 Pendahuluan
1.1 Latar Belakang 1
Bab 2 Tinjauan Pustaka
2.1 Kecerdasan Buatan 7
2.2 Sistem Pakar 7
2.3 Keuntungan Sistem Pakar 8
2.3.1 Kelemahan Sistem Pakar 9
2.3.2 Pemakaian Sistem Pakar 9
2.3.3 Ciri- ciri Sistem Pakar 10
2.3.4 Katagori Sistem Pakar 12
2.3.5 Tiga Unsur Manusia dalam Sistem Pakar 14
2.3.6 Struktur Sistem Pakar 15
2.3.7 Basis Pengetahuan / Knowledge Base 17
2.3.8 Motor Inferensi (Inferensi Engine) 18 2.3.8.1 Runut Maju ( Forward Chaining ) 19 2.3.8.2 Runut Balik ( Backward Chaining ) 21
2.4 Logika Fuzzy 22
2.4.1 Himpunan Fuzzy 23
2.4.3 Operasi Himpunan Fuzzy 26
2.4.4 Fuzzy Set 27
2.4.5 Perhitungan Nilai Kesesuaian 27
2.4.6 Perhitungan Nilai Fuzzy Conditional Probility 28
2.5 Defenisi Penyakit Mulut 29
2.6 Faktor Predisposisi Penyakit Mulut 30
2.6.1 Infeksi 30
2.6.2 Trauma 30
2.6.3 Hormonal 31
2.6.4 Kelainan Darah 31
2.6.5 Defenisi Imun 32
2.6.6 Defenisi Tembakau 32
2.6.7 Defenisi Nutrisi 33
2.6.8 Oral Hygiene 33
2.6.9 Kebiasaan Buruk 33
2.7 Gambaran Klinis Penyakit Mulut 34
2.7.1 Lesi Vesikulobulosa 34
2.7.2 Lesih Merah / Putih 35
2.7.3 Lesi Traumatik 37
2.7.4 Kelainan pada Lidah 37
2.7.5 Lesi Ulseratif 40
Bab 3 Analisis dan Perancangan Aplikasi
3.1Analisis Sistem 41
3.1.1 Analis Permasalahan 41
3.1.2Analisis Kebutuhan Perangkat Lunak 42
3.2Perancangan Sistem 42
3.2.1 Perancangan Mesin Inferensi 43
3.2.2 Perancangan Basis Data 45
3.2.3.1 Perancangan DFD 45
3.2.3.2 Perancangan Kamus Data 51
3.2.3 Bentuk Tabel Information System 52
3.2.4 Proses Perhitungan Nilai Fuzzy 54
3.2.5 Perancangan Antarmuka 57
Bab 4 Implementasi
4.1 Implementasi 65
4.1.1 Halaman Utama 65
4.1.2 Halaman Menu Diagnosis Penyakit Mulut 66
4.1.4 Halaman Menu Tentang Mulut 69
4.1.5 Halaman MenuTentang Saya 69
4.1.6 Halaman Menu Admin 70
4.1.6.1 Halaman Menu Data Penyakit 71 4.1.6.2 Halaman Input Data Gejala 72 4.1.6.3 Halama Input Data Kriteria 73
4.1.6.4 Halaman Input Data Fuzzy 73
4.2 Pengujian 74
4.2.1 Pengujian kinerja 74
Bab 5 Kesimpulan dan Saran
5.1 Kesimpulan 78
5.2 Saran 79
DAFTAR TABEL
Halaman
2.1 Perbandingan Anatara Sistem Pakar dan Ahli 12 2.2 Operasi – operasi Dasar dalam Himpunan Fuzzy 26
2.3 Penyakit Kandidosis Oral 35
3.1 Kamus Data 51
3.2 Informasi Sistem Berdasarkan Nilai Intensitas Gejala 52
DAFTAR GAMBAR
Halaman
2.1 Struktur Sistem Pakar 16
2.2 Forward Chaining 20
2.3 Backward Chaining 22
2.4 Representasi Kurva Bahu 25
2.5 Representasi Kurva Trapesium 26
2.6 Hervpes Labialis 34
2.7 Kandidosis Pseudomembranosis pada penderita HIV 36
2.8 Keilitis Angularis 36
2.9 Cheek Bite 37
2.10 Lidah Berfisur 38
2.11 Lidah Geografik 39
2.12 Glositis trofik pada penderita Anemia 39
2.13 Stomatitis Apthosa Rekune Mayor 40
3.1 Flowchart Mesin Inferensi Forward Chaining 44
3.2 Diagram Konteks Sistem 45
3.3 DFD Level 1 48
3.4 Rancangan Halaman Utama 57
3.5 Rancangan Halaman Input Intensitas Gejala 58
3.6 Rancangan Halaman Hasil Diagnosis 59
3.7 Rancangan Halaman Penyakit Mulut 59
3.8 Rancangan Halaman Tentang Mulut 60
3.9 Rancangan Halaman Tentang Saya 60
3.10 Rancangan Halaman Login Admin 61
3.11 Rancangan Halaman Menu Administrator 62
3.12 Rancangan Halaman Input Data Penyakit 62
3.13 Rancangan Halaman Input Gejala 63
3.14 Rancangan Halaman Input Kriteria 64
3.15 Rancangan Halaman Input Data Fuzzy 64
4.1 Halaman Utama 66
4.2 Halaman Pengisaian Intensitas Gejala 67
4.3 Lanjutan Halaman Pengisian Intensitas Gejala 67
4.4 Halaman Hasil Diagnosis 68
4.5 Halaman Menu Penyakit Mulut 68
4.6 Halaman Menu Tentang Penyakit Mulut 69
4.9 Halaman Login Admin 70
4.10 Halaman Menu Administrator 71
4.11 Halaman Input Data Penyakit 72
4.12 Halaman Input Data Gejala 72
4.13 Halaman Input Data Kriteria 73
4.14 Halaman Input Data Fuzzy 74
ABSTRAK
Jumlah penderita Penyakit Mulutmeningkat dari tahun ke tahun.Hal ini disebabkanketerlambatan diagnosa penyakit tersebut.Penderita penyakit tersebut biasanya meninggal akibat komplikasi penyakit ini.Oleh karena itu perlu dilakukan tindakan guna mengantisipasi meningkatnya jumlah penderita Penyakit Mulut yang meninggal.Sistem pakara adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik dan penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Maka dari itu penulis berinisiatif untuk membuat tugas akhir yang berjudul“ Sistem Pakar
Berbasis Web untuk Mendiagnosis Penyakit Mulut Menggunakan Metode Fuzzy “. Pada penelitian ini, dibuat suatu model Sistem Pakar untuk menentukan Penyakit Mulut dengan metode Fuzzy. Metode ini cukup efisien digunakan dalam mendiagnosis penyakit tersebut . Sistem ini dapat memberikan diagnosis awal penyakit mulut tersebut berdasarkan gejala dan intensitas gejala – gejala yang terlihat dari luar .User
hanya perlu masuk ke Web untuk mengambil langkah awal pemecahan penyakit mulut tersebut tanpa harus bertanya langsung kepakar. Sistem ini dibuat berbasis web
dengan bahasa pemprograman PHP.
ABSTRACT
Patients quantity of Mouth Diseases is increased from year to year due to its late diagnoses.The patient of this diseases usually die because of its diseases' complications. Therefore, it need an action to anticipate the increasing number of patients who died by Mouth Disease. Expert system is computer-based system that uses knowledge, facts, techniques and intellectual activities in solving problems that usually only can be solved by an expert in that field. Thus, the author takes an initiative to make the final project titled "Web-Based Expert System to Diagnose Oral Diseases Using Fuzzy Methods". At this research, the author make an Expert System to determinate Mouth Disease by using Fuzzy Method. This method is efficient as it can give early diagnosis of the mouth diseases, based on its symptoms and intensity of symptoms that are visible from outside. The user only need to visit the Web system for taking the early step to solve the Mouth Diseases without asking the Expert directly. This system is created using Web with PHP Language Program.
BAB 1
PENDAHULUAN
1.1Latar Belakang
Sistem pakar mulai dikembangkan oleh para pakar komputer kecerdasan buatan, para pakar di bidang tertentu, para pakar bahasa dan para psikolog yang berhubungan dengan pemecahan masalah tentang daya pikir manusia.Pengembangan perangkat dan teknik komputerisasi yang didasarkan pada kecerdasan buatan manusia, pada akhirnya memunculkan satu cabang baru dari ilmu komputer, yaitu kecerdasan buatan (Artificial Intelligence).Artificial Intelligence terbagi menjadi tiga bidang pengembangan yang secara relatif berdiri sendiri, salah satunya bergerak dalam bidang pengembangan perangkat lunak yang menggunakan pengetahuan simbolik untuk meniru perilaku seseorang atau sekelompok ahli dan jenis perangkat lunak ini dikenal dengan sistem pakar (expert system) (Marimin, 2002).
menurunnya kemampuan melakukan aktivitas sebagaimana biasabya dilakukan manusia.
Beberapa peneliti menyatakan penyakit gigi dan mulut merupakan penyakit yang paling banyak diderita masyarakat. Hasil studi morbiditas SKRT-SURKESNAS 2001 menunjukkan bahwa dari sepuluh kelompok penyakit terbanyak yang dikeluhkan masyarakat Indonesia, penyakit gigi dan mulut menduduki urutan pertama mencapai 60% dari jumlah penduduk secara keseluruhan, ini berarti lebih dari separuh jumlah penduduk Indonesia pernah menderita penyakit gigi dan mulut. Hal ini menunjukkan masih kurangnya kepedulian masyarakat terhadap kebersihan dan kesehatan rongga mulutnya. Di Jakarta yang merupakan ibukota negara Republik Indonesia, 90% manusia mengalami masalah gigi berlubang dan 80% menderita penyakit gusi, persentase tingginya angka penyakit gigi dan mulut tersebut diduga lebih parah di daerah serta pada mereka dari golongan ekonomi menegah kebawah,hal ini sejalan dengan pernyataan bahwa penyakit gigi dan mulut merupakan penyakit termahal keempat dalam pengobatan (The World Oral Health Report, 2003).
yang cepat dan vital tentang keadaan gizi pasien.Keilitis angularis merupakan manifestasi oral yang paling sering dijumpai pada penderita kurang gizi.Bila masalah ini tidak segera ditangani, maka efek yang ditimbulkannya tidak hanya di sekitar rongga mulut saja, tetapi juga berimbas kepada kesehatan secara umum dan bahkan fungsi mental.
Menurut beberapa peneliti, penelitian lesi mukosa mulut bahwa penyakit mulut dapat mengganggu fungsi rongga mulut sebagai pintu gerbang masuknya makanan untuk keperluan pertumbuhan dan juga dapat merupakan manifestasi oral dari penyakit sistemik tertentu. Shulman dalam penelitiannya pada 10.030 anak dan remaja usia 2-17 tahun, 914 orang diantaranya memiliki total 976 lesi. Daerah-daerah yang paling banyak dijumpai lesi yaitu bibir (30,7 %), dorsum lidah (14,7 %), dan mukosa bukal (13,6 %). Prevalensi terjadinya lesi mukosa mulut lebih banyak pada laki-laki (11,76 %) dibandingkan dengan perempuan (8,67 %). Lesi yang paling umum terjadi yaitu cheek bite (1,89 %), apthous stomatitis (1,64 %), recurrent herpes labialis (1,42 %), dan geographictongue (1,05 %). Pada penelitian Parlak mengenai prevalensi lesi rongga mulut dan hubungannya dengan anemia terhadap 260 orang anak usia 13-16 tahun di Turky, diperoleh hasil yaitu lesi rongga mulut yang umum terjadi adalah
angular chelitis 9 %, linea alba 5,3 %, aphthous ulceration 3,6 % dengan kesimpulan bahwa hanya angular cheilitis yang memiliki pengaruh signifikan terhadap terjadinya anemia.
membrikan informasi yang cukup bagi pengguna untuk memastikan penyakit yang diderita oleh sipenderita penyakit mulut. Aplikasi sistem pakar ini diharapkan dapat membantu meringankan pekerjaan pakar dalam mendiagnosis penyakit pasiennya, dan dapat memberikan informasi yang cukup bagi pasien sebelum melakukan konsultasi dengan pakar.
Dalam sistem penentuan penyakit Mulut, Dengan fuzzy inference system
dengan metode fuzzy akan menganalisis bagaimana proses sistem pakar yang
dibangun dengan bahasa pemrograman PHP.
1.2 Rumusan Masalah
Bagaimana merancang sistem pakar untuk mendiagnosis Penyakit Mulut dengan metode Fuzzy.
1.3Batasan Masalah
Batasan Masalah yang menjadi acuan dalam pengerjaan skripsi ini adalah:
1. Sistem pakar fuzzy ini ditujukan untuk sipenderita penyakit mulut atau yang dekat dengan sipenderita.
2. Bahasa pemrograman yang digunakan PHP, Basis data yang digunakan
MySQL dan Desain aplikasi menggunakan Macromedia Dreamweaver CS5.
1.4Tujuan Penelitian
Tujuan penelitian ini adalah membuat suatu aplikasi yang dapat dipergunakan sebagai alat bantu medis dalam penegakkan diagnosis Penyakit Mulut dengan metode Fuzzy.
1.5Manfaat Penelitian
Manfaat penelitian ini adalah :
1. Membantu para medis dan orang awam dalam hal penegakan diagnosis Penyakit Mulut.
2. Membantu pasien untuk mengetahui jenis lesi mukosa Penyakit Mulut yang diderita.
1.6Metode Penelitian
Tahapan yang dilakukan dalam penelitian ini adalah:
1. Studi Literatur
Tahapan ini dilakukan dengan mempelajari sumber-sumber atau buku-buku referensi yang berkaitan dengan skripsi ini,baik dari text book atau internet.
2. Pengumpulan Data
3. Analisis data dan Perancangan Perangkat Lunak
Pada tahapan ini dilakukan gambaran sistem baik berupa diagram alir, Data Flow
Diagram ( DFD ), antarmuka, kamus data, dan melakukan analisis dan
perancanagn sistem pakar.
4. Implementasi Aplikasi Penentuan Penyakit Mulut
Pada tahapan ini dilakukan penerapan rancangan yang dibuat dalam suatu program.
5. Pengujian Aplikasi
Pada tahapan ini dilakukan pengujian akan perangkat lunak yang telah dibuat untuk mengetahui kesalahan dan memperbaiki kesalahan yang ada.
6. Pembuatan Laporan
Membuat laporan skripsiuntuk dijadikan sebagai dokumentasi hasil penelitian untuk mengetahui kesalahan dan memperbaiki kesalahan yang ada.
I.7 Sistematika Penulisan
Sistematika penulisan skripsi ini terdiri dari lima bagian utama sebagai berikut:
BAB 1 : PENDAHULUAN
Bab ini berisi pembahasan masalah umum yang meliputi latar belakang pemilihan judul skripsi, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan.
Bab ini berisi dasar teori yang berfungsi sebagai sumber atau alat dalam memahami permasalahan yang berkaitan dengan pengertian inteligensi, sistem pakar, serta alat bantu yang mendukung pembuatan aplikasi.
BAB 3 :ANALISIS DAN PERANCANGAN APLIKASI
Bab ini terdiri dari analisis sistem dan perancangan sistem untuk penegakan diagnosis penyakit Mulut.Pada bagian analisis sistem dimuat uraian tentang analisis data sistem dan komponen sistem.
Pada bagian perancangan sistem, membahas tentang perancangan variabel indikator penentu penyakit Mulut ke dalam himpunan fuzzy dan perancangan yang akan diimplementasikan pada sistem.
BAB 4 : IMPLEMENTASI
Bab ini membahas bagaimana mengimplementasikan aplikasi yang telah dirancang ke dalam bahasa pemprograman dan menguji aplikasi yang telah dibangun.
BAB 5 :KESIMPULAN DAN SARAN
BAB 2
TINJAUAN PUSTAKA
2.1 Kecerdasan Buatan
Kecerdasan buatan dapat didefinisikan sebagai mekanisme pengetahuan yang ditekankan pada kecerdasan pembentukan dan penilaian pada alat yang menjadikan mekanisme itu, serta membuat komputer berpikir secara cerdas.Kecerdasan buatan juga dapat didefinisikan sebagai salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia.
Teknologi kecerdasan buatan dipelajari dalam bidang-bidang seperti: robotika, penglihatan komputer (computer vision), jaringan saraf tiruan (artificial neural system), pengolahan bahasa alami (natural language processing), pengenalan suara
(speech recognition) dan sistem pakar (expert system).
2.2 Sistem Pakar
dasarnya sistem pakar diterapkan untuk mendukung aktifitas pemecahan masalah. Beberapa aktifitas pemecahan yang dimaksud antara lain: pembuatan keputusan (decision making), pemanduan pengetahuan (knowledge fusing), pembuatan desain (designing), perencanaan (planning), prakiraan (forecasting), pengaturan (regulating), pengendalian (controlling), diagnosis (diagnosing), perumusan (prescribing), penjelasan (explaining), pemberian nasihat (advising) dan pelatihan (tutoring). Selain itu sistem pakar juga dapat berfungsi sebagai asisten yang pandai dari seorang pakar (Kusrini, 2006).
Pada saat ini sistem pakar telah banyak diterapkan dalam berbagai bidang seperti kedokteran, komputer, ekonomi dan lain-lain.Contoh dalam bidang kedokteran adalah Aplikasi Diagnosa Penyakit Anak melalui Sistem Pakar Menggunakan Java 2 Micro Edition. Aplikasi ini berbasiskan pengetahuan medis untuk mendiagnosa penyakit anak yang digunakan sebagai alat bantu dalam memperoleh informasi mengenai penyakit anak dan memberikan anjuran sebagai tindakan pertama yang harus dilakukan untuk menanggulangi penyakit pada anak (Erlita, 2009).
2.3 Keuntungan Sistem Pakar
Sistem pakar yang cenderung menjadi ”seorang” spesialis ini memiliki keuntungan sebagai berikut:
1. Membuat seorang awam dapat bekerja seperti layaknya seorang pakar. 2. Dapat bekerja dengan informasi yang tidak lengkap atau tidak pasti.
4. Meningkatkan kualitas.
5. Sistem pakar menyediakan nasihat yang konsisten dan dapat mengurangi tingkat kesalahan.
6. Membuat peralatan yang kompleks lebih mudah dioperasikan karena system pakar dapat melatih pekerja yang tidak berpengalaman.
7. Handal (reliable)
Sistem pakar tidak dapat lelah atau bosan.Juga konsisten dalam memberi jawaban dan selalu memberikan perhatian penuh.
8. Memiliki kemampuan untuk memecahkan masalah yang kompleks.
9. Memungkinkan pemindahan pengetahuan ke lokasi yang jauh serta memperluas jangkauan seorang pakar, dapat diperoleh dan dipakai di mana saja. Merupakan arsip yang terpercaya dari sebuah keahlian sehingga userseolah-olah berkonsultasi langsung dengan sang pakar meskipun sang pakar sudah pensiun.
2.3.1 Kelemahan Sisitem Pakar
Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan (Kusumadewi, 2003), antara lain:
1. Masalah dalam mendapatkan pengetahuan, dimana pengetahuan tidak selalu bisa didapatkan dengan mudah, karena kadang kala pakar dari masalah yang kita buat tidak ada dan kalaupun ada kadang-kadang pendekatan yang dimiliki oleh pakar berbeda-beda.
2. Boleh jadi sistem tidak memberikan keputusan.
3. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
5. Sistem pakar tidak 100% bernilai benar.
2.3.2 Pemakaian Sistem Pakar
Melalui sistem pakar, sistem melakukan ekstraksi informasi tambahan dari user
dengan memberikan sejumlah pertanyaan yang terkait dengan permasalahan selama berkonsultasi. Sistem pakar biasanya digunakan oleh:
1. Orang awam yang bukan pakar untuk meningkatkan kemampuan mereka dalam memecahkan masalah.
2. Seorang asisten yang berkemampuan seperti seorang pakar.
Sistem pakar merupakan program yang dapat menggantikan keberadaan seorang pakar. Alasan mendasar mengapa sistem pakar dikembangkan untuk menggantikan seorang pakar:
a. Dapat menyediakan kepakaran setiap waktu di berbagai lokasi.
b. Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar.
c. Seorang pakar akan pensiun atau pergi.
d. Menghadirkan/menggunakan jasa seseorang pakar memerlukan biaya yang mahal.
e. Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat (hostile environment).
2.3.3 Ciri-ciri Sisitem Pakar
1. Terbatas pada bidang yang spesifik.
2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti. 3. Dapat mengemukakan rangkaian alasan yang diberikannya dengan cara yang
dapat dipahami.
4. Berdasarkan pada rule atau kaidah tertentu.
5. Dirancang untuk dapat dikembangkan secara bertahap. 6. Output nya bersifat nasihat atau anjuran.
7. Output tergantung dari dialog dengan user. 8. Knowledgebase dan inference engine terpisah.
Umumnya sistem pakar diharapkan untuk memenuhi fungsi-fungsi sebagai berikut (Bratko, 1990):
1. Penyelesaian masalah, kemampuan untuk menyelesaikan masalah dengan tepat pada domain yang spesifik dengan informasi yang terbatas dan diperlukan (tidak harus lengkap).
2. Berinteraksi dengan user, sistem pakar harus dapat berinteraksi dengan user dan menjelaskan suatu sistem dan kesimpulan-kesimpulan selama dan setelah proses penyelesaian masalah.
Hal ini bukan berarti bahwa sistem pakar lebih unggul dibandingkan pakar itu sendiri.Hal ini dapat disebabkan karena pada sistem pakar ada kemungkinan salah menemukan kesimpulan yang dihasilkan meskipun data-data yang diberikan adalah
valid.Berikut ini adalah salah satu contoh kesalahan pada sistem pakar, misalnya untuk sistem pakar yang digunakan untuk mengidentifikasikan binatang.Setelah sistem pakar melakukan konsultasi dengan user/pemakai, didapatkan data berwarna putih, dapat bergerak, harus mendapatkan energi dari luar, mempunyai gigi, dan moncong.Ternyata yang diidentifikasikan oleh sistem pakar adalah sebuah mobil sedan yang berwarna putih.Hal ini menunjukkan bahwa dalah sistem pakar tersebut di atas masih ditemukan adanya kesalahan.Yang diketahui oleh sistem pakar ini adalah mengolah data-data yang telah ada sehingga menghasilkan suatu konklusi.Konklusi ini terlepas dari sesuai dari kenyataan atau tidak.Beberapa keunggulan dan kelemahan sistem pakar dibandingkan seorang ahli dapat dilihat seperti pada Tabel 2.1.
Tabel 2.1 Perbandingan antara Sistem Pakar dan Ahli (Iskandar, 1998)
2.3.4 Katagori Sistem Pakar
Berdasarkan tujuan pembuatannya, sistem pakar dikategorikan menjadi: 1. Interpretasi (Interpreting)
Dengan tujuan menganalisa data yang tidak lengkap, tidak teratur dan data yang kontradiktif yang biasanya diperoleh melalui sensor. Contoh: analisis citra.
2. Prediksi (Predicting)
Dengan tujuan untuk memberikan kesimpulan mengenai akibat atau efek yang mungkin terjadi dari sejumlah alternatif situasi yang diberikan. Contoh: financial forecasting.
Tidak mungkin terjadi Mungkin terjadi
Lebih bijaksana dengan keadaan lapangan
Tidak Ya
Biaya Relatif rendah Tinggi
Ketersediaan waktu Setiap waktu Jam kerja
Unjuk kerja Konsisten Tergantung keadaan
Tempat berada Di mana saja Lokal
Dengan tujuan untuk melakukan diagnosa yang menentukan sebab-sebab gagalnya suatu sistem dalam situasi kompleks yang didasarkan pada pengamatan terhadap gejala-gejala yang diamati. Prinsipnya adalah untuk menemukan apa masalah atau kerusakan yang terjadi. Contoh: computer troubleshooting.
4. Desain (Designing)
Dengan tujuan untuk menentukan konfigurasi yang cocok dari komponen-komponen yang ada pada sebuah sistem sehingga diperoleh kemampuan kerja yang memuaskan walaupun terdapat keterbatasan di dalamnya. Contoh: layout circuit.
5. Perencanaan (Planning)
Dengan tujuan untuk mendapatkan tahapan secara urut dari tindakan yang harus dilakukan untuk mencapai sasaran yang ditetapkan sebelumnya dari suatu kondisi awal tertentu. Contoh: lengan robot yang dapat memindahkan lima blok dengan susunan tertentu dari susunan asal yang acak.
6. Pengamatan (Monitoring)
Dengan tujuan membandingkan perilaku yang diamati dalam suatu sistem dengan perilaku yang diharapkan untuk mengenal variasi perilaku yang terdapat di dalamnya. Contoh: control instalasi nuklir.
7. Pelacakan dan Perbaikan (Debugging and Repairing)
Dengan tujuan untuk menentukan dan melakukan perbaikan pada kegagalan suatu sistem. Contoh: tahap uji coba software computer.
Dengan tujuan untuk mendeteksi dan memperbaiki kekurangan perilaku siswa dalam memahami bidang informasi tertentu. Contoh: program tutorial.
9. Kontrol (Controlling)
Dengan tujuan untuk mengatur perilaku kerja sistem dalam suatu lingkungan yang kompleks, termasuk di dalamnya adalah penafsiran, perkiraan, pengawasan dan perbaikan perilaku kerja sistem tersebut. Contoh: control terhadap proses
manufacturing lengkap. 10.Klasifikasi (Classifying)
Dengan tujuan menentukan kriteria dari sejumlah kategori yang diberikan. Contoh: menentukan bidang pekerjaan yang cocok untuk seorang calon pegawai.
2.3.5 Tiga Unsur Manusia dalam Sistem Pakar
Unsur manusia yang berpartisipasi dalam pengembangan dan pemakaian sistem pakar:
1. Domain Expert
Tugas dari para pakar ini adalah menyediakan pengetahuan bagaimana dia melaksanakan tugasnya, pengetahuan ini kemudian diserap dan diduplikasikan ke sistem pakar.
Karakteristik sistem pakar:
a. Saling berkomunikasi dengan pakar-pakar lain b. Menyelesaikan masalah secara cepat dan akurat
c. Menjabarkan apa dan bagaimana mereka melakukannya
d. Merubah sudut pandang agar dapat disesuaikan dengan persoalan e. Mampu membagikan pengetahuan
f. Mempertimbangkan apakah kesimpulan yang dihasilkan sudah benar g. Belajar dari pengalaman
Keahlian (expertise) pakar dapat diperoleh dari training, membaca atau dari praktek/pengalaman.Untuk pakar yang ingin menambah keahlian, sistem pakar bertindak sebagai kolega atau teman sejawat.
2. Knowledge Engineer
Knowledge engineer adalah pihak yangmembuat sistem pakar.Knowledge
engineer ini bertugas untuk menyerap dan mengambil pengetahuan atau
kemampuan yang dimiliki oleh para pakar serta mengimplementasikannya ke dalam sebuah software sistem pakar.Tugas ini cukup sulit karena seorang
harus pandai memperoleh informasi/pengetahuan pakar karena kadangkala seorang pakar tidak dapat menjelaskan semua keahliannya.
3. User
Pemakai adalah pihak yang mempergunakan sistem pakar.Kemampuan sistem pakar dikembangkan untuk mempermudah dan menghemat waktu dan usaha user.
2.3.6Struktur Sistem Pakar
Gambar 2.1 Struktur Sistem Pakar
Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar: 1. Antarmuka Pengguna (User Interface)
Antarmuka merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi.Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem.Selain itu antarmuka menerima dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pemakai.
2. Basis Pengetahuan
Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaianmasalah.
Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer.Dalam tahap ini knowledge engineer berusaha menyerap pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan.Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian, dan pengalaman pemakai.
4. Mesin/Motor Inferensi (Inference Engine)
Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah.Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan.
5. Workplace/Blackboard
Workplace merupakan area dari sekumpulan memori kerja (working memory), digunakan untukmerekam kejadian yang sedang berlangsung termasuk keputusan sementara.
6. Fasilitas Penjelasan
Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar, digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan.
7. Perbaikan Pengetahuan
penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya dan juga mengevaluasi apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang.
2.3.7Basis Pengetahuan (Knowledge Based)
Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah, tentu saja di dalam domain tertentu. Ada dua bentuk pendekatan basis pengetahuan yang sangat umum digunakan, yaitu:
1. Penalaran berbasis aturan (Rule-Based Reasoning)
Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk: IF-THEN. Bentuk ini digunakan apabila dimiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu dan si pakar dapat menyelesaikan masalah tersebut secara berurutan. Di samping itu, bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang jejak (langkah-langkah) pencapaian solusi.
2. Penalaran berbasis kasus (Case-Based Reasoning)
Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila
sejumlah situasi atau kasus tertentu dalam basis pengetahuan (Kusumadewi, 2003, hal: 115-116).
2.3.8 Motor Inferensi (Inference Engine)
Inferensi merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia. Ketika representasi pengetahuan pada bagian
knowledge based telah lengkap atau paling tidak telah berada pada level yang cukup akurat, maka representasi pengetahuan tersebut telah siap digunakan. Inference engine
merupakan modul yang berisi program tentang bagaimana mengendalikan proses
reasoning. Ada dua metode inferensi yang penting dalam sistem pakar, yaitu runut maju (forward chaining) dan runut balik (backward chaining) (Kusrini, 2008, hal: 8).
2.3.8.1 Runut Maju (Forward Chaining)
Runut maju berarti menggunakan himpunan aturan kondisi-aksi. Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan. Mungkin proses menambahkan data ke memori kerja. Proses diulang sampai ditemukan suatu hasil (Wilson, 1998). Metode inferensi runut maju cocok digunakan untuk menangani masalah pengendalian (controlling) dan peramalan (prognosis) (Giarattano dan Riley, 1994).
R1: IF A & B THEN C R2: IF C THEN D R3: IF A & E THEN F R4: IF A THEN G R5: IF F & G THEN D R6: IF G & E THEN H R7: IF C & H THEN I R8: IF I & A THEN J R9: IF G THEN J R10: IF J THEN K
Jika 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:
- Dimulai dari R1.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 R1 ini, sehingga kita menuju R2.
- Pada R2, kita tidak mengetahui informasi apapun tentang C, sehingga kita juga tidak bisa memastikan kebenaran D. Oleh karena itu kita tidak mendapatkan informasi apapun pada R2 ini, sehingga kita menuju R3.
- Pada R3, baik A maupun E adalah fakta sehingga jelas benar. Dengan demikian F sebagai konsekuen juga ikut benar. Sehingga kita sekarang mempunyai fakta baru yaitu F. Karena F bukan hipotesis yang hendak kita buktikan (= K), maka penelusuran dilanjutkan ke R4.
- Pada R4, 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 (= K), maka penelusuran kita lanjutkan ke R5.
kita mempunyai fakta baru yaitu D. Karena D bukan hipotesis yang hendak kita buktikan (= K), maka penelusuran dilanjutkan ke R6.
- Pada R6, baik A maupun G adalah benar berdasarkan fakta R4. Dengan demikian H sebagai konsekuen juga ikut benar. Karena H bukan konsekuen yang hendak kita buktikan (= K), maka penelusuran dilanjutka ke R7.
- Pada R7, meskipun H benar berdasarkan R6, namun kita tidak tahu kebenaran C, sehingga I-pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R7 ini.Sehingga kita menuju ke R8.
- Pada R8, 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 dari R8 ini, sehingga kita menuju R9. - Pada R9, J bernilai benar karena G benar berdasarkan R4. Karena J bukan
hipotesis yang hendak kita buktikan (= K), maka penelusuran kita lanjutkan ke R10.
- Pada R10, K bernilai benar jika J benar berdasarkan R9. Karena H sudah merupakan hipotesis yang hendak kita buktikan (= K), maka terbukti bahwa K adalah benar.
A
Gambar 2.2 Forward Chaining 2.3.8.2 Runut Balik (Backward Chaining)
Runut balik merupakan metode penalaran kebalikan dari runut maju. Dalam runut balik, penalaran dimulai dengan tujuan merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut (Giarattano dan Riley, 1994).
Dengan menggunakan kasus yang sama pada proses penalaran runut maju, maka 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:
- Pertama-tama kita cari terlebih dahulu mulai dari R1, aturan mana yang memiliki konsekuen K. Ternyata setelah ditelusuri, aturan dengan konsekuen K baru ditemukan pada R10.Untuk membuktikan bahwa K benar, maka perlu dibuktikan bahwa J benar.
benar.Untuk membuktikan kebenaran I, kita perlu cari aturan dengan konsekuen I, ternyata ada di R7.
- Untuk membuktikan I benar di R7, kita perlu buktikan bahwa C dan H benar.Untuk itu kitapun perlu mencari aturan dengan konsekuen C, dan ada di R1.
- Untuk membuktikan C benar di R1, 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 membuktikan kebenaran dari hipotesis K. Namun demikian, kita masih punya alternatif lain untuk melakukan penalaran.
- Kita lakukan backtracking. Kita ulangi lagi dengan pembuktian kebenaran C dengan mencari aturan lain dengan konsekuen C. Ternyata tidak ditemukan. - Kita lakukan backtracking lagi dengan mencari aturan dengan konsekuen I,
ternyata juga tidak ada.
- Kita lakukan backtracking lagi dengan mencari aturan dengan konsekuen J, ternyata kita temukan pada R9, sehingga kita perlu buktikan kebenaran G. - Kita mendapatkan R4 dengan konsekuen G. Kita perlu buktikan kebenaran A.
Karena A adalah fakta, maka terbukti bahwa G benar. Dengan demikian berdasarkan penalaran ini bisa dibuktikan bahwa K bernilai benar.
K J I C A
Gambar 2.3 Backward Chaining
2.4Logika Fuzzy
Konsep logika fuzzy pertama sekali diperkenalkan oleh Professor Lotfi A.Zadeh dari Universitas California, pada bulan Juni 1965.Logika fuzzy merupakan generalisasi dari logika klasik yang hanya memiliki dua nilai keanggotaan antara 0 dan 1.Dalam logika
fuzzy, nilai kebenaran suatu pernyataan berkisar dari sepenuhnya benar sampai dengan sepenuhnya salah (Pandjaitan, 2007). Dengan teori himpunanfuzzy, suatu objek dapat menjadi anggota dari banyak himpunan dengan derajat keanggotaan yang berbeda dalam masing-masing himpunan. Konsep ini berbeda dengan teori himpunan klasik (crisp).
dalam penggunaan logika fuzzy dalam bidang ini seperti perancangan aplikasi informatika medis untuk penatalaksanaan Penyakit Mulut secara terpadu.Jumlah penderita Penyakit Mulut (PM) di Indonesia menunjukkan angka yang sangat mencengangkan.Tingginyaangka ini menyebabkan perlunya tindakan antisipasi dan penatalaksanaan yang tepat bagi penyandang PM. Pada penelitian ini, dibangun sebuah model sistem yang memanfaatkan beberapa teknikdalam informatika medis untuk penatalaksanaan PM secara terpadu.Pada sistem yang dibangun, untuk mendapatkan tingkat resiko PM diperlukan suatu mekanisme inferensi dengan mempertimbangkan faktor-faktor tersebut.Pada model yang diusulkan, digunakan pendekatan basis aturan.Fuzzy inference system digunakan untuk kepentingan tersebut.Beberapa fitur diberikan dalam sistem ini,seperti: penentu tingkat resiko PM, diagnosis PM, diagnosis komplikasi PM, penentu menu harian, penentulatihan jasmani, dan penentu farmakoterapi. Pemrograman berbasis web, pemrograman desktop, pemrogramanpocket PC, dan pemrograman berbasis SMS digunakan untuk keperluan tersebut. Sistem dirancang untukdapat digunakan oleh berbagai pihak dengan perbedaan hak akses, seperti: penyandang PM, dokter, perawat, ahli gizi, administrator, masyarakat umum, dan laboran. Sistem yang dibangun dengan basisdata yang terpusat ini memungkinkan para pengguna untuk berbagi data meskipun beberapa aplikasi dibangun dengan platformyang berbeda.Melalui sistem ini, pelayanan kesehatan dapat dilakukan meskipun terhalang oleh jarak danwaktu (Kusumadewi, 2009).
2.4.1 Himpunan Fuzzy
1. satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
2. nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan (Kusumadewi et al, 2004).
Misalkan variabel umur dibagi 3 kategori yaitu : MUDA : umur < 35 tahun
PAROBAYA : 35 ≤ umur ≤ 55 tahun TUA : umur > 55 tahun
Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA ( µMUDA [34thn] =
1). Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA (µMUDA [35thn -1 hr] ) = 0.
Adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan.Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut.Seseorang dapat masuk dalam 2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dsb.Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat berdasarkan nilai keanggotaannya.
Himpunan Fuzzy memiliki 2 atribut yaitu :
1. Linguistik adalah penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami. Menurut Wang, suatu variabel linguistik adalah sebuah variabel yang memiliki nilai berupa kata-kata dalam bahasa alamiah. Setiap variabel linguistik berkaitan dengan sebuah fungsi keanggotaan (Kusumadewi et al, 2004). Seperti : MUDA, PAROBAYA, TUA 2. Numeris adalah suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel
Hal-hal yang terdapat dalam sistem fuzzyyaitu :
1. Variabel fuzzy merupakan variabel yang dibahas dalam suatu sistem fuzzy seperti umur, temperatur, dsb.
2. Himpunan fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.
4. Domain adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam himpunan fuzzy.
2.4.2 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah kurva yang mendefinisikan bagaimana masing-masing titik dalam ruang input dipetakan ke dalam nilai keanggotaan (derajat keanggotaan) antara 0 dan 1.Fungsi keanggotaan µ memetakan elemen x dari himpunan semesta X, ke sebuah bilangan µ[x],yang menentukan derajat keanggotaan dari elemen dalam himpunan fuzzy A.
A = {(x,µ[x] )|x X}
Ada beberapa fungsi yang bisa digunakan yaitu sebagai berikut:
a. Representasi Bahu
Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun. Himpunan
fuzzy ‘bahu’, bukan segitiga digunakan untuk mengakhiri variabel suatu daerah
fuzzy.Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.Gambar 2.1 menunjukkan variabel temperatur dengan kurva berbentuk bahu.
1 derajat
keanggotaan
µ[x]
Gambar 2.4 Representasi Kurva Bahu b. Representasi Kurva Trapesium
Kurva Trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.
Fungsi keanggotaan :
y
1 derajat
keanggotaan
µ[x]
0 x a b c d
domain
Gambar 2.5 Representasi kurva trapezium
2.4.3 Operasi Himpunan Fuzzy
Menurut Wang, adatiga operasi dasar dalam himpunan Fuzzy ,yaitucomplement, irisan (intersection) dan gabungan (union) (Arhami, 2005).
Tabel 2.2Operasi- operasi dasar dalam himpunan Fuzzy.
Operasi Fungsi Keanggotaan
Complement µA’[x]= 1- µA[x]
Intersection (A B)[x] = min (µA[x], µB[x])
2.4.4Fuzzy Set
Konsep logika fuzzy pertama kali diperkenalkan oleh Professor Lotfi A. Zadeh dari Universitas California, pada bulan Juni 1965.Logika fuzzy merupakan generalisasi dari logika klasik yang hanya memiliki dua nilai keanggotaan, yaitu 0 dan 1.Dalam logika
fuzzy nilai kebenaran suatu penyataan berkisar dari sepenuhnya benar sampai sepenuhnya salah. Dengan teori fuzzy set, suatu objek dapat menjadi anggota dari banyak himpunan dengan derajat keanggotaan yang berbeda dalam masing-masing himpunan. Konsep ini berbeda dengan teori himpunan klasik (crisp).Teori himpunan klasik tergantung pada logika dua-nilai (two-valued logic) untuk menentukan apakah sebuah objek merupakan suatu anggota himpunan atau bukan (Klir dan Yuan, 1995).
Knowledge-based fuzzy set adalah suatu logika fuzzy untuk menyatakan suatu ketidakpastian dalam menentukan keanggotaan suatu elemen terhadap suatu set
dengan memberikan derajat keanggotaan (membership degree) antara 0 sampai dengan 1 yang diberikan beberapa orang (knowledge). Definisi knowledge-based fuzzy set adalah sebagai berikut:
Misal U = {u1, ..., un} sebagai set of element dan K = {k1, ..., kn} sebagai set of knowledge, kemudian suatu fuzzy set A, k1(A) didefinisikan sebagai sebuah fuzzy set
berdasarkan knowledge k1 terhadap universal set U dengan suatu mapping dari U ke
dalam interval yang tertutup [0,1].
2.4.5 Perhitungan Nilai Kesesuaian
Misalnya jika U adalah suatu knowledge-based gejala suatu set dari penyakit yang dinyatakan sebagai sebuah fuzzy set terhadap gejala A dan B adalah gejala yang
di-inputkanoleh user yang dinyatakan sebagai suatu fuzzy set terhadap A, dimana A={a1,
a2, a3, ..., an} sedangkan U={µuj(a1)/(a1), µuj(a2)/(a2), µuj(a3)/(a3), µuj(a4)/(a4)} dan
B={µB(a1)/(a1), µB(a2)/(a2), µB(a3)/(a3), µB(a4)/(a4)}. Untuk mencari nilai kesesuaian
antara fuzzy set U dengan B maka dicari seberapa besar selisih antara µuj(a1) yang
merupakan nilai fuzzy set gejala a1 menurut knowledge-based dengan µB(a1) yang
merupakan nilai fuzzy set gejala a1 yang diinputkan oleh user dibagi dengan nilai
µuj(a1). Jadi rumus untuk mencari nilai kesesuaian fuzzy set adalah sebagai berikut:
d
Keterangan rumus 2.1 dan 2.2:
A= Universal set dari gejala pada knowledge-based
B = Fuzzy set gejala milik user
ai = gejala yang ke-i dari set A
i = 1,2,3, ..., n dimana n = banyaknya gejala yang diinputkanoleh user
j = 1,2,3, ..., m dimana m = banyaknya gejala yang ada pada knowledge-based
C = Konstanta yang bernilai diantara 0<C 1.
µUj(ai) = Nilai keanggotaan atribut ke-i pada fuzzy set A dari penyakit ke-j pada knowledge-based.
µB(ai) = Nilai keanggotaan atribut ke-i pada fuzzy set A yang diinputkanoleh user.
Max(0,1- ) = Hasil fungsi yang bernilai antara 0 sampai dengan 1.
2.4.6 Perhitungan Nilai Fuzzy Conditional Probability
Setelah perhitungan nilai kesesuaian gejala antara gejala yang berasal dari user
dengan gejala yang ada pada knowledge-based, maka selanjutnya adalah penjumlahan nilai kesesuaian untuk setiap penyakit, selanjutnya mencari nilai fuzzy conditional probability untuk setiap penyakit dengan cara membandingkan jumlah nilai kesesuaian setiap penyakit dengan banyaknya gejala yang dimiliki oleh penyakit tersebut di knowledge-based. Jadi rumus untuk mencari nilai fuzzy conditional probability adalah sebagai berikut:
= Hasil penjumlahan nilai kesesuaian gejala pada penyakit yang ke-j
i=1,2,3, ..., k dimana k adalah banyaknya gejala yang diinputkan user
= Banyaknya gejala yang diderita oleh suatu penyakit , dimana a adalah gejala sedangkan adalah penyakit yang ke-n. Gejala pada adalah gejala yang tidak bernilai 0.
2.5 DefinisiPenyakit Mulut
Ilmu penyakit mulut dapat didefinisikan sebagai suatu bidang dalam kedokteran gigi yang berpusat pada diagnosa dan terapi dari penyakit mukosa mulut (stomatologi), termasuk didalamnya diagnosa dan terapi dari keluhan mulut lainnya yang mungkin merefleksikan penyakit mulut setempat atau manifestasi penyakit sistemik di rongga mulut, atau fase-fase dari praktek dokter gigi yang khususnya memusatkan perawatan gigi pada pasien yang memiliki resiko secara fisiologis.
2.6Faktor Predisposisi Penyakit Mulut
Seperti yang telah dijelaskan diatas, penyakit yang dijumpai di rongga mulut dapat disebabkan oleh berbagai faktor. Di bawah ini akan dijelaskan beberapa faktor predisposisiterjadinya lesi di rongga mulut.
2.6.1 Infeksi
Berbagai jenis flora normal terdapat di dalam rongga mulut yang membentuk mikroflora oral komensial. Mikroflora ini biasanya mengandung bakteri, mikroplasma, jamur, dan protozoa, yang keseluruhannya dapat menimbulkan infeksi oportunistik simtomatik tergantung pada faktor-faktor lokal atau daya pertahanan tubuh pejamu yang lemah.Beberapa penyakit mulut yang dapat terjadi akibat infeksi yaitu Keilitis angularis yang disebabkan oleh Stafilokokus aureus dan Candida albicans, kandidiasis akibat infeksi jamur yang didominasi golongan Candida albicans, serta herpes labialis dan gingivostomatitis herpetika primer yang terjadi akibat infeksi virus herpes simpleks tipe1 dan 2, apabila terjadi kontak mukokutan langsung dari sekresi-sekresi yang terinfeksi virus ini maka penularan infeksi dapat terjadi.
2.6.2 Trauma
Trauma kimiawi pada mukosa mulut biasanya dikarenakan tablet aspirin atau krim sakit gigi yang diletakkan pada gigi-gigi yang sakit.
2.6.3 Hormonal
Perubahan hormon seks khususnya pada masa remaja dapat menimbulkan perubahan-perubahan mukosa mulut. Pada fase luteal siklus menstruasi wanita, ketika konsentrasi hormon progesteron mencapai nilai tertinggi, maka akan mengakibatkan manifestasi oral seperti stomatitis aphtosa rekuren, herpes labialis, dan infeksi
Candida.Peningkatan mikroorganisme tetentu seperti Provotella intermedia dan spesies Capnocytophagajuga dapat ditemukan pada masa pubertas. Meningkatnya kolonisasi bakteri ini menyebabkan gingivitis dan tingginya tendensi perdarahan gingiva.
2.6.4 Kelainan Darah
Telah lama diketahui bahwa gejala-gejala oral merupakan indikasi awal terjadinya kelainan hematologis maupun defisiensi nutrisi. Lesi-lesi oral yang sering dijumpai pada keadaan ini adalah keilitis angularis, glositisdan ulserasi oral.
a) Anemia
Anemia defisiensi zat besi diperkirakan 8% terjadi pada wanita usia subur, sedangkan anemia pernisiosa lebih sering terjadi pada lansia dengan kelainan pencernaan khususnya penyerapan vitamin B12. Manifestasi intraoral dari anemia
papila-papila filiformis yang rata. Atrofi yang berlanjut dari papila-papila berakibat permukaan lidah tampak licin, kering dan mengkilat (disebut bald tongue). Pada tahap akhir lidah tampak seperti daging merah dan terdapat apthae oral. Manifestasi oral yang lain dari anemia mencakup keilitis angularis, ulserasi apthosa dan erosi mukosa.
b) Leukemia
Pada penderita leukemia, terjadi infiltrasi sel leukosit ke dalam lapisan retikular mukosa mulut dan kelenjar limfe serta menurunya mekanisme pertahanan tubuh dan kadar trombosit di dalam darah, keadaan ini menyebabkan terjadinya manifestasi oral dari penyakit leukemia di rongga mulut. Manifestasi oral yang dapat terlihat pada penderita leukemia yaitu gingivitis, dimana gingiva mengalami pembengkakan di daerah margin gingiva. Selain itu, penurunan mekanisme pertahanan tubuh pada penderita leukemia menyebabkan infeksi rentan terjadi terutama infeksi dari jamur Candida albicans.
2.6.5 Defenisi Imun
Infeksi virus yang terjadi pada penderita HIV yaitu virus Epstein-Barr yang menyebabkanhairy leukoplakiadan virus HSV I yang menyebabkan penyakit herpes simpleks. Infeksi HSV I terlihat pada bibir sebagai herpes labialis dan herpes intraoral yang bersifat kambuhan, lebih sering menetap sehingga terlihat lebih parah dibandingkan herpes simpleks pada orang yang tidak mengidap penyakit AIDS.
2.6.6 Defenisi Tembakau
Tembakau adalah faktor resiko utama terjadinya kanker rongga mulut dan faring.Indonesia menempati urutan ketiga jumlah perokok terbanyak yang mencapai 146.860.000 jiwa. Umumnya perokok pemula mulai merokok di usia remaja awal atau SMP.Oleh karena itu, edukasi bahaya rokok terhadap kesehatan perlu diberikan sedini mungkin.Secara histologi, karakteristik dari kanker rongga mulut akibat tembakau adalah adanya hiperkeratinisasi dan vakuolisasi epitel, akantosis, dan proliferasi sel-sel inflamatori. Penyakit mulut yang sering terjadi akibat penggunaan tembakau terutama melalui kebiasaan merokok yaitu stomatitis nikotina dan keratosis rokok. Kelainan ini umumnya mengenai orang dewasa dan jarang pada usia muda.
2.6.7 Defenisi Nutrisi
Kekurangan gizi yang merupakan salah satu penyebab penyakit di rongga mulut, sering dialami masyarakat terutama di negara sedang berkembang. Oleh karena itu tingkat ekonomi keluarga dan juga tingkat pendidikan orang tua memiliki pengaruh bagi mutu kesehatan keluarga.Manifestasi oral yang sering ditemukan pada penderita kurang gizi antara lain keilitis angularis,glositis, dan stomatitis aphtosa rekuren. Kekurangan gizi yang menimbulkan manifestasi oral tersebut dapat dikarenakan kekurangan vitamin B2, riboflavin, vitamin B6, piridoksin, zat besi, asam folat dan biotin.
2.6.8Oral Hygiene
Oral Hygiene (kebersihan rongga mulut) merupakan faktor resiko terjadinya penyakit mulut. Dari hasil penelitian tahun 2008 di Iranian, dilaporkan bahwa adanya hubungan antara kebersihan rongga mulut yang buruk dengan lesi pada lidah.Selain itu, kebersihan rongga mulut yang buruk juga dapat meningkatkan peluang terjadinya infeksi jamur di rongga mulut.
2.6.9 Kebiasaan Buruk
2.7Gambaran Klinis Penyakit Mulut
2.7.1 Lesi Vesikulobulosa
Herpes Labialis
Gambar 2.6. Herpes labialis
2.7.2 Lesi Merah / Putih
Kandidiasis Oral
Merupakan infeksi jamur pada mukosa mulut maupun lidah yang biasanya disebabkan oleh Candida albicans. Infeksi ini meningkat pada penderita HIV, terlihat adanya plak putih pada mukosa mulut dan lidah, berwarna merah, diikuti sensasi terbakar ataupun rasa sakit di daerah setempat. Pada lidah terjadi perubahan pengecapan sehingga menyebabkan penurunan nafsu makan.
Tabel 2.3. PENYAKIT KANDIDOSIS ORAL
Penyakit lahir dan 10% pada lansia yang lemah. Paling banyak ditemukan pada penderita HIV
kemoterapi steroid spektrum luas, Kandidiasis Atrofik
Kronis
15-16% pada pemakai gigitiruan lengkap dan
Gambar 2.7. Kandidosis Pseudomembranosis pada penderita HIV
Keilitis angularis merupakan inflamasi pada salah satu atau kedua sudut mulut. Penyakit ini disebabkan oleh Streptokokus aureus dan Candida albicans. Secara klinis keilitis angularis tampak merah dan pecah-pecah, dengan tepi lesi yang kurang merah dari pada daerah tengahnya, keropeng dan nodula-nodula granulomatosa kecoklatan dapat menyertainya. Keilitis angularis dapat mengenai penderita penyakit imunologis (penurunan daya tahan tubuh), defisiensi nutrisi, dan penyakit haemopoetik (kelainan darah).
Gambar 2.8. Keilitis angularis
2.7.3 Lesi Traumatik
Cheek Bite
ini tidak berpotensi mengarah kepada keganasan. Terjadinya lesi ini sering dihubungkan dengan kecemasan, sindroma premenstruasi, dan parafungsional mandibula.
Gambar 2.9. Cheek Bite
2.7.4 Kelainan pada Lidah
Kesehatan lidah mampu mencerminkan kesehatan seseorang secara umum. Hal ini sesuai dengan pernyataan beberapa peneliti yang mengatakan bahwa lidah merupakan indikator kesehatan seseorang secara umum, karena ditemukan adanya hubungan antara lesi pada lidah dengan penyakit sistemik seperti lidah geografik pada penderita stres emosional, alergi, dan defisiensi nutrisi, serta lidah atrofik (glossitis atrofic) pada penderita defisiensi zat besi dan riboflavin.
Lidah berfisur adalah variasi dari anatomi lidah normal yang bersifat jinak, terdiri atas satu fisura garis tengah, fisura ganda atau fisura multipel pada permukaan dorsal dari dua pertiga anterior lidah. Pola dan panjang fisur bermacam-macam dan penyebabnya tidak diketahui dengan pasti, tetapi ada pendapat mengatakan bertambah banyak seiring bertambahnya usia. Lidah berfisur mengenai 1-5% penduduk, umumnya terjadi pada sindrom Down dan sindrom Melkerson-Rosenthal. Fisur tersebut dapat terkena radang sekunder dan menyebabkan halitosis sebagai akibat dari penumpukan makanan.
Gambar 2.10. Lidah Berfisur
Lidah Geografik
filiformis, berwarna merah muda sampai merah, dapat tunggal atau multipel, dibatasi ataupun tidak dibatasi oleh pinggiran putih yang timbul. Dapat juga disertai peradangan merah di tepi lesinya dan disertai perasaan sakit. Lesi terus menerus berubah pola dan berpindah dari suatu daerah ke daerah lain.
Gambar 2.11. Lidah Geografik
Glositis atrofik
Gambar 2.12. Glositis trofik pada Penderita Anemia
2.7.5 Lesi Ulseratif
Stomatitis Apthosa Rekuren
Para ahli berpendapat bahwa lesi ini timbul bukan hanya sebagai penyakit tunggal, melainkan manifestasi klinis dari penyakit lain.Keluhan awal sebelum terjadinya lesi yaitu rasa terbakar dan diikuti nyeri setempat di sekitar mukosa mulut selama 2-48 jam sebelum munculnya ulser. Selama masa prodormal ini, terjadi suatu daerah kemerahan setempat dan dalam beberapa jam terbentuk papula putih yang secara berangsur-angsur menjadi ulser dan membesar dalam waktu 48-72 jam. Lesi yang terbentuk umumnya dangkal, bulat, simetris dan tidak ada koyakan jaringan. Besar lesi bisa mencapai 2-5 mm, kadang-kadang ulkus tampak dalam kelompok-kelompok, tetapi biasanya kurang dari 5 terjadi sekaligus. Lesi dapat sembuh secara spontan dalam waktu 10-14 hari.
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem diperlukan untuk mengetahui permasalahan dan kebutuhan yang diperlukan dalam pembangunan sistem. Analisis terdiri dari 2 (dua) bagian yaitu analisis permasalahan yang ada dan analisis kebutuhan akan perangkat lunak yang nantinya akan dibuat.
3.1.1 Analisis Permasalahan
Analisis sistem diperlukan untuk mengetahui permasalahan dan kebutuhan yang diperlukan dalam pembangunan sistem.Sistem pakar yang dibangun merupakan sistem yang merepresentasikan kemampuan atau keahlian seorang pakar atau orang yang berpengalaman di bidang tertentu untuk membantu pengguna dalam mengatasi masalah.
sipenderita dalam mendiagnosis penyakit mulut. Dan sipenderita juga bias mengakses informasi tanpa terbatas ruang dan waktu. Perancangan sebuah aplikasi harus dibuat secara matang, supaya tampilanya mudah dipahami dan hasilnya bermanfaat dan memuaskan bagi para pemakai.
3.1.2 Analisis Kebutuhan
Sebagai langkah awal dari proses analisis kebutuhan ini, akan diuraikan kembali tujuan dari tugas akhir sesuai dengan bab sebelumnya, adalah merancang sistem pakar yang dapat membantu para pakar dalam mendiagnosis penyakit mulut dengan metode
Fuzzy.
Sesuai dengan tujuan tugas akhir di atas, maka kriteria yang nantinya menjadi spesifikasi perangkat lunak yang dibangun adalah sebagai berikut:
a. Perangkat lunak yang dapat menerapkan metode inferensi forward chaining
untuk memperoleh gejala yang diderita oleh user.
b. Perangkat lunak yang dapat menerapkan metode fuzzydalam penentuan kemungkinan penyakit mulut oleh user.
Untuk memenuhi kriteria tersebut, maka dilakukan langkah-langkah seperti yang akan dijelaskan pada subbab-subbab selanjutnya.
3.2 Perancangan Sistem
3.2.1 Perancangan Mesin Inferensi
Pada perancangan sistem pakar untuk mendiagnosis suatu penyakit dilakukan dengan menggunakan mesin inferensi. Mesin inferensi forward chaining digunakan dalam sistem ini untuk mendiagnosis suatu penyakit setelah menerima gejala-gejala yang diinputoleh user. Setelah proses inputdata gejala selesai, maka sistem akan memberikan beberapa pertanyaan berkaitan dengan frekuensi dan intensitas gejala yang dirasakan oleh user tersebut. Dalam menjawab setiap pertanyaan, sistem telah menyediakan pilihan jawaban yang akan digunakan oleh user, dimana setiap jawaban merupakan representasi dari nilai fuzzy yang telah ditentukan pada sistem.
Setiap jawaban yang diberikan oleh user akan dicari nilai kesesuaian/ kesamaannya dengan nilai gejala suatu penyakit tertentu yang ada dalam knowledge – based, sehingga diperoleh nilai kesesuaian berdasarkan frekuensi dan intensitas untuk masing – masing data gejala yang telah diinputpada penyakit tertentu.
Setelah mendapatkan nilai kesesuaiannya, kemudian dilakukan pengelompokan nilai kesesuaian untuk setiap penyakit lalu menjumlahkannya. Setelah mendapatkan jumlah nilai kesesuaian untuk setiap penyakit, selanjutnya mencari nilai
probability untuk setiap penyakit dengan cara membandingkan jumlah nilai
kesesuaian setiap penyakit dengan banyaknya gejala yang dimiliki oleh penyakit tersebut di knowledge-based.
Setelah mendapatkan nilai probability untuk setiap penyakit, kemudian dilakukan pengurutan secara menurun (descending) untuk kemungkinan penyakit yang diderita oleh user. Sehingga secara keseluruhan proses dari forward chaining
nilai probability untuk setiap penyakit. Untuk lebih jelasnya dapat dilihat pada
START
3.2.2 Perancangan Basis Data
Dalam perancangan basis data ini terdiri dari perancangan DFD, perancangan kamus data, dan perancangan antarmuka.
3.2.3.1 Perancangan DFD
Diagram Aliran Data/Data Flow Diagram (DFD) adalah alat yang biasa dipakai untuk mendokumentasi proses dalam sistem atau sebuah teknis grafis yang menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat data bergerak dari input menjadi output. Gambar 3.1 menggambarkan diagram aliran data dari sistem yang akan dibuat.
Gamabar 3.2 Diagram Konteks Sistem
Penjelasan proses diagram konteks DFD sistem pakaruntuk diagnosa penyakit mulut dengan metode fuzzy adalah sebagai berikut:
a. Proses
Nama proses : Sistem Pakar untuk diagnosis penyakit mulut dengan metode fuzzy Keterangan : Proses diagnosa penyakit mulut berdasarkan gejala-gejala pada mulut.
b. Arus Data
Masukan : - Username dan password - Data gejala
- Data penyakit
- Data fuzzy
- Data kriteria
- Data intensitas gejala
Keluaran : - data username dan password - data tentang mulut
- data penyakit
- tentang saya
- hasil diagnosis
c. Entitas Luar
Nama Entitas : Admin
Keterangan : merupakan bagian yang menambah data pada sistem Masukan : - data username dan password
- tentang mulut
Keluaran : - data username dan password - data gejala
- data penyakit
- data kriteria
- data fuzzy
Nama Entitas : User
Keterangan : Pengguna yang menggunakan sistem untuk mendeteksi penyakit yang dideritanya.
Masukan : - data penyakit - tentang mulut
- hasil diagnosis
- tentang saya
Keluaran : - Intensitas Gejala
Data Username & passwordData Username & password
Tabel data admin
Data Username Data fuzzy data fuzzy
data fuzzy tabel data fuzzy
data gejala data gejala
data gejala tabel data gejala
data kriteria
data kriteria
data kriteria tabel data kriteria
data penyakit
Penjelasan proses diagram level nol sistem pakar fuzzy untuk diagnosa penyakit Mulut adalah sebagai berikut:
a. Proses 1P
Nama Proses : otentifikasi user
Masukan : Data username dan password Keluaran :Data username dan password
Masukan : data fuzzy Keluaran : data fuzzy
Keterangan : menambah data gejala fuzzy
c. Proses 3P
Nama Proses : Proses data gejala Masukan : Data gejala Keluaran : Data gejala
Keterangan : menambah data gejala penyakit mulut
d. Proses 4P
Proses : proses data kriteria Masukan : data kriteria
Keluaran : data kriteria
Keterangan : menambah kriteria nilai intensitas gejala
e. Proses 5P
Proses : proses data penyakit Masukan : data penyakit
Keluaran : data penyakit
Keterangan : menambah data penyakit mulut
f. Proses 6P
Proses : proses diagnosis Masukan : data gejala Keluaran : data gejala
- data gejala Keluaran : prioritas penyakit
Keterangan : menampilkan nama penyakit
3.2.3.2 Perancangan Kamus Data
Kamus data dipersiapkan untuk menjelaskan datayang dipakai untuk fase implementasi.
Tabel 3.1 Tabel Kamus Data
No Field Tipe data Panjang Keterangan
1 kode_penyakit Char 2
Kode untuk penyakit dimana huruf pertama merupakan nama penyakit diikuti nomor urutnya.
2 nama_penyakit Char 30 Nama Penyakit Mulut
3 kode_gejala Varchar 2
Kode untuk gejala dimana huruf pertama dan kedua berasal dari nama gejala diikuti nomor urutnya
4 nama_gejala Varchar 50 Nama gejala penyakit yang terlihat
5 kode_kriteria Varchar 8 Kode yang berisi no kriteria dari intensitas penyakit
6 nama_kriteria Varchar 50
7 nilai_kriteria Varchar 10
Berisi nilai diantara 0 – 1 yaitu 0; 0,3, 0,6 dan 1
8 Keterangan Varchar 20 Nilai intensitas gejala terhadap penyakit
9 Nama Varchar 10
Nama Admin untuk login ke halaman admin
10 Password Varchar 8 Password admin untuk login ke halaman admin
3.2.3 Bentuk Tabel Information System
Tabel 3.2 Tabel Informasi Sistem Berdasarkan Nilai Intensitas Gejala