IMPLEMENTASI METODE DEMPSTER SHAFER DAN
METODE BAYES UNTUK MENDIAGNOSA
LUMPUH OTAK (
CEREBRAL PALSY
)
PADA ANAK BERBASIS ANDROID
SKRIPSI
ROFIKA
131421013
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
IMPLEMENTASI METODE DEMPSTER SHAFER DAN
METODE BAYES UNTUK MENDIAGNOSA
LUMPUH OTAK (
CEREBRAL PALSY
)
PADA ANAK BERBASIS ANDROID
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh
ijazah Sarjana Ilmu Komputer
ROFIKA
131421013
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : IMPLEMENTASI METODE DEMPSTER SHAFER
DAN METODE BAYES UNTUK MENDIAGNOSA
LUMPUH OTAK (CEREBRAL PALSY) PADA ANAK
BERBASIS ANDROID
Kategori : SKRIPSI
Nama : ROFIKA
Nomor Induk Mahasiswa : 131421013
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Agustus 2016
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Maya Silvi Lydia, M.Sc Drs. Mahyuddin K.M Nst, M.IT, Ph.D NIP. 19740127 200212 2 001 NIP. 19671225 199802 1 001
Diketahui/disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI METODE DEMPSTER SHAFER DAN METODE
BAYES UNTUK MENDIAGNOSA LUMPUH OTAK
(CEREBRAL PALSY) PADA ANAK
BERBASIS ANDROID
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus 2016
Rofika
PENGHARGAAN
Alhamdulillah segala puji dan syukur atas nikmat dan rahmat Allah SWT sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih Penulis sampaikan kepada semua pihak yang telah membantu Penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung, teristimewa orangtua penulis yang sangat mengasihi dan menyayangi penulis dan memberi dukungan tiada henti. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Prof. Dr. Runtung Sitepu, SH. M.Hum selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Opim Salim Sitompul, M.Si selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
4. Bapak Drs. Mahyuddin K.M Nst, M.IT, Ph.D selaku Wakil Rektor III Universitas Sumatera Utara dan sebagai Dosen Pembimbing I yang telah memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam penyempurnaan skripsi ini.
5. Ibu Dr. Maya Silvi Lydia, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing II yang telah memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam penyempurnaan skripsi ini.
6. Bapak Dr. Syahril Efendi, S.Si., M.IT selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
7. Bapak Drs. Marihat Situmorang, M. Kom selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
9. Ketua Yayasan Pembinaan Anak Cacat (YPAC) Kota Medan beserta seluruh pegawai, guru dan terapis yang telah memberi kesempatan kepada penulis untuk mengadakan penelitian di tempat tersebut.
10. Seluruh dosen dan pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
11. Keluarga besar penulis, Ibunda tercinta Rohana yang senantiasa mendoakan dan mendukung serta abang dan kakak penulis.
12. Wilson, ST., MBA yang telah banyak mendukung dan memberi motivasi kepada penulis.
13. Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013, khususnya KOM-A dan yang selalu memberi semangat Winda Permata Sari, Dwi Agustin, Cut Desy Arisandi, Plorent Peronica, Nana, Citra M Utami, Ditha Pratiwi, Nelly dan Noni Soraya.
14. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan, Agustus 2016 Penulis,
ABSTRAK
Cerebral palsy merupakan kelainan yang sering terjadi pada awal mula kehidupan atau masa perkembangan anak. Kelainan ini berupa gangguan motorik dan postur tubuh karena adanya gangguan pada jaringan otak yang sedang berkembang. Perlu kecermatan, ketelitian dan fasilitas yang memadai dalam menentukan anamnesis
cerebral palsy. Fasilitas kesehatan yang memadai jarang ditemukan pada akses-akses kesehatan di pedesaan. Hal tersebut merupakan salah satu kesulitan yang dihadapi keluarga pasien cerebral palsy umumnya di pedesaan. Ilmu komputer dapat memberikan solusi dengan adanya pemanfaatan pada salah satu bidang ilmunya yaitu sistem pakar. Sistem pakar merupakan sistem cerdas yang dapat meniru cara kerja pakar dalam menangani hal-hal yang membutuhkan keahlian tertentu. Sistem ini dibangun dengan pemrograman Basic Android. Aplikasi ini diimplementasikan pada perangkat mobile Android yang memberi kemudahan dalam penggunaanya. Pengguna dapat melakukan diagnosa dengan smartphone Android kapan dan dimana saja. Metode dempster shafer dan metode bayes merupakan solusi dari ketidakpastian hipotesa untuk menentukan kesimpulan dalam sistem pakar. Penelitian ini menghasilkan output berupa nilai keyakinan besar terkena cerebral palsy berdasarkan metode dempster shafer dan level keparahan cerebral palsy yang dihasilkan metode
bayes. penentuan level cerebral palsy sangat penting untuk memberi perawatan dan terapi pada anak cerebral palsy. metode dempster shafer menghasilkan nilai persentase peluang terkena cerebral palsy dengan tingkat akurasi terhadap fakta sebesar 41%, sedangkan metode bayes menentukan level dari masing-masing cerebral palsy dengan tingkat akurasi terhadap fakta sebesar 81%.
Kata-kata Kunci: Sistem Pakar, Dempster Shafer, Bayes, Diagnosa, Cerebral Palsy,
IMPLEMENTATION OF DEMPSTER SHAFER METHOD AND BAYES METHOD FOR DIAGNOSE CEREBRAL PALSY
IN CHILDREN WITH ANDROID
ABSTRACT
Cerebral palsy is a disorder that often occurs at the beginning of life or the future development of the child. This disorder such as motor disorders and posture because there of a disturbance in the brain tissue that is growing. It needs austerity, accuracy and adequate facilities in determining the anamnesis of cerebral palsy. Health facility rarely found in access in rural health. It is one of the difficulties faced by families cerebral palsy patients are generally in the countryside. Computer science can provide solutions to their utilization in a field of science that is expert systems. Expert systems are intelligent systems that can mimic the workings of an expert in dealing with matters that require specific expertise. The system is built with the Basic programming Android. This application is implemented on Android mobile devices that provide ease of use. Users can perform diagnostics with Android smartphone anytime and anywhere. Dempster Shafer and Bayes method is a solution of the uncertainty hypothesis to determine the conclusions in expert systems. This study produce output value of developing cerebral palsy faith based Dempster Shafer method and the level of severity of cerebral palsy resulting Bayes methods. Determining the level of cerebral palsy is very important to provide care and treatment of cerebral palsy children. Dempster Shafer method produces a percentage chance of cerebral palsy with the accuracy of the facts by 41%, while the Bayes method determines the level of each cerebral palsy with the accuracy of the facts by 81%.
Keywords: Expert System, Dempster Shafer Method, Bayes Method, Diagnosis,
DAFTAR ISI
2.1.7. Kelebihan dan Kekurangan Sistem Pakar 15
3.1.2.1. Kebutuhan fungsional 28 3.3. Perancangan Unified Modeling Language (UML) 34 3.3.1. Use Case Diagram 35 3.3.2. Statechart Diagram 36 3.3.3. Sequence Diagram 38 3.3.4. Activity Diagram 39 3.4. Analisis Data 42
3.4.1. Pengumpulan Data 42 3.4.2. Analisis Proses Metode Dempster Shafer 45 3.4.3. Analisis Proses Metode Bayes 46 3.5. Perancangan Antar Muka (Interface) 48
3.5.1. Rancangan Halaman Utama 48 3.5.2. Rancangan Halaman Konsultasi 49 3.5.3. Rancangan Halaman Terapi 51 3.5.4. Rancangan Halaman Info 52 3.5.5. Rancangan Halaman Tentang 53
DAFTAR TABEL
Halaman
Tabel 3.1. Keterangan Use Case Sistem Pakar Diagnosa Cerbral Palsy 36
Tabel 3.2. Daftar Gejala 43
Tabel 3.3. Data Penyakit 44
Tabel 3.4. Data Sampel Kasus 44
Tabel 3.5. Kombinasi m1 dan m2 45
Tabel 3.6. Kombinasi m21dan m3 46
Tabel 3.7. Keterangan Rancangan Halaman Utama 48 Tabel 3.8. Keterangan Rancangan Halaman Register 49 Tabel 3.9. Keterangan Rancangan Halaman Pertanyaan 50 Tabel 3.10. Keterangan Rancangan Halaman Register 51 Tabel 3.11. Keterangan Rancangan Halaman Terapi 52 Tabel 3.12. Keterangan Rancangan Halaman Info 53 Tabel 3.13. Keterangan Rancangan Halaman Tentang 54
Tabel 4.1. Kombinasi m1 dan m2 60
Tabel 4.2. Kombinasi m21 dan m3 61
Tabel 4.3. Kombinasi m31 dan m4 61
Tabel 4.4. Kombinasi m41 dan m5 62
Tabel 4.5. Data Sampel Kasus Cerebral Palsy 64 Tabel 4.6. Klasifikasi Gejala terhadap Level 65
DAFTAR GAMBAR
Gambar 3.13. Rancangan Halaman Register 49
Gambar 3.14. Rancangan Halaman Pertanyaan 50
Gambar 3.15. Rancangan Halaman Hasil Diagnosa 51
Gambar 3.16. Rancangan Halaman Terapi 52
Gambar 3.17. Rancangan Halaman Info 53