SISTEM PAKAR MENDIAGNOSA KANKER PROSTAT MENGGUNAKAN METODE FUZZY TSUKAMOTO

(1)

Sistem Pakar Mendiagnosa Kanker Prostat Menggunakan Metode Fuzzy Tsukamoto Oleh : Ricky Ahmad Irfandi

SISTEM PAKAR MENDIAGNOSA KANKER PROSTAT

MENGGUNAKAN METODE FUZZY TSUKAMOTO

Ricky Ahmad Irfandi(12110539)

Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.Sisingamangaraja No.338 Simpang Limun Medan

http//stmik-budidarma.ac.id//([email protected]) ABSTRAK

Sistem pakar(Expert system)secara umum adalah sistem yang berusaha mengadopsi pengetahuan manusia kedalam komputer, agar komputer dapat menyelesaikanmasalah seperti biasa yang dilakukan oleh para ahli. Atau dengan kata lain sistem pakar adalah sistem yang dirancang dan diimpelementasi kan dengan bantuan bahasa pemograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli. Kanker Prostat merupakan kanker nonleutaneus yang paling sering ditemukan pada lelaki amerika. Kanker prostat adalah penyakit yang hanya bisa disembuhkan dengan pembedahan,terapi radiasi/penyinaran dan mengkonsumsi obat-obatan.Tujuan dari penelitian ini adalah merancang dan membuat sebuah sistem pakar yang mampu mendiagnosa secara menifestasi klinik serta memberikan solusi untuk penyakit kanker prostat. Sistem ini mengunakan metode fuzzy tsukamoto dengan MicrosoftVisual Basic Net 2008.Sistem pakar ini menggunakan metode fuzzy tsukamoto sebagai metode untuk menghitung nilai rule atas gejala yang

diberikan oleh pasien. Dalam skripsi ini akan dibahas tentang menciptakan sistem pakar mendiagnosa

kanker prostat dengan metode fuzzy tsukamoto. Aplikasi dibangun dengan pemograman Visual Basic Net 2008. Kata Kunci:,Sistem Pakar, penyakit prostat, Fuzzy Tsukamoto.

1. Pendahuluan

1.1 Latar Belakang Masalah

Kanker Prostat merupakan kanker

nonleutaneus yang paling sering ditemukan pada

lelaki amerika lebih dari 200.000 kasus ditemukan tiap tahun, karena penyakit kanker prostat ini 30.000 lelaki meninggal dunia tiap tahunnya. Kematian yang diakibat kan oleh kanker prostat juga menurunkan jumlah populasi sekitar 40% sejak pertengahan 1990.

Gejala kebanyakan orang yang terdiagnosis kanker prostat pada stadium awal biasanya tidak memiliki gejala spesifik gejala yang ditimbulkan apabila kanker tersebut membesar dan menyebar ke organ lain. Jika kanker prostat membesar maka gejala yang ditimbulkan adanya gangguan buang air kecil seperti sumbatan saluran kencing atau sering buang air kecil. Kanker prostat juga dapat menyebar ke tulang yang menyebabkan nyeri tulang.

1.2 Perumusan Masalah

Berdasarkan latar belakang yang telah dikemukakan, maka perumusan masalahnya adalah :

1. Bagaimana mendiagnosa penyakit kanker prostat?

2. Bagaimana penerapan metode fuzzy tsukamoto untuk mendiagnosa penyakit Kanker Prostat ? 3. Bagaimana merancang aplikasi sistem pakar

diagnosa kanker prostat dengan pemrograman

Visual Basic Net 2008?

1.3 Batasan Masalah

Batasan Masalah dalam pengerjaan project akhir ini adalah sebagai berikut:

1. Menentukan Gejala skala resiko kanker prostat (Prostate Cancer Risk /PCR) seorang pasien. 2. Mengimplementasikan metode fuzzy rule untuk

mendiagnosa penyakit Kanker Prostat.

3. Mengunakan database ke dalam bahasa pemrograman Visual Basic Net 2008.

1.4 Tujuan dan Manfaat Penelitian

Berdasarkan perumusan masalah yang telah diuraikan sebelumnya maka adapun tujuan dari penelitian ini adalah:

1. Untuk mengetahui tingkat akurasi metode

fuzzy Tsukamoto dalam mengimplementasi

sistem pakar diagnosis penyakit kanker prostat. 2. Untuk mengimplementasikan sistem pakar

diagnosis penyakit Kanker Prostat menggunakan metode fuzzy Tsukamoto.

3. Untuk merancang sistem pakar kanker prostat dengan metode fuzzy tsukamoto

Berdasarkan tujuan penelitian yang telah disebutkan diatas maka penelitian ini mempunyai manfaat sebagai berikut:

1. Agar penderita dapat mengetahui tentang penyakit kanker prostat yang selama ini kurang diketahui.

2. Dapat meningkatkan kewaspadaan dan kesadaran penderita untuk antisipasi terhadap gejala-gejala penyakit kanker prostat

3. Agar penelitian ini dapat digunakan sebagai masukan untuk memahami jenis penyakit ini

(2)

dan mengaplikasikan teori-teori yang sudah ada sebelumnya.

2. Landasan Teori 2.1 Sistem Pakar

Definisi sederhana tentang sistem pakar merupakan salah satu sistem dalam komputer yang di rancang berdasarkan ilmu kepakaran sehingga dapat digunakan layaknya seseorang yang berkonsultasi dengan seorang pakar. Sistem pakar adalah suatu sistem yang dirancang didepan komputer dengan cara meniru proses-proses pemikiran yang digunakan oleh seorang pakar untuk menyelesaikan masalah– masalah tertentu yang biasanya memerlukan keahlian seorang pakar (Turban,marimin,1988:24).

Sistem pakar (Expert System) dibuat bertujuan untuk dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya bisa diselesaikan oleh para ahli. Pembuatan sistem pakar bukan untuk menggantikan ahli itu sendiri melainkan dapat digunakan sebagai asisten yang sangat berpengalaman.Sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan (Marimin, 1992).

2.1.2 Keuntungan dan Kelemahan Sistem Pakar

Secara garis besar,ada keuntungan dan kelemahan sistem pakar yang dapat diambil dengan adanya sistem pakar keuntungan dari sistem pakar (kusrin,2006):

Keuntungan :

1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.

2. Menyimpan pengetahuan dan keahlian sistem pakar.

3. Meningkatkan output dan produktivitas.

4. Menghemat waktu dalam pengambilan keputusan.

5. Meningkatkan kualitas.

Kelemahan dari sistem pakar (M. Arhami,2006) adalah:

1. Biaya yang diperlukan untuk membuat dan memelihara sangat mahal.

2. Sulit dikembangkan

3. Ketersediaan pakar dibidangnya tidak 100% bernilai benar.

4. Boleh jadi sistem tak dapat pengambilan keputusan.

2.1.3 Ciri-ciri Sistem Pakar

Ada berbagai ciri dan karakteristik yang membedakan sistem pakar dengan sistem yang lain. Ciri dan karakteristik ini menjadi pedoman utama

dalam pengembangan sistem pakar. Ciri dan karakteristik yang dimaksud adalah sebagai berikut:

1. Batasan untuk mencakup ruang lingkup tertentu. 2. Memiliki dimodifikasi,yaitu dengan menambah atau mengahapus suatu kemampuan dari baris pengetahuannya.

3. Terbatas pada domain keahlian tertentu. 4. Memiliki informasi yang handal.

5. Pengambilan keputusan berdasarkan kaidah-kaidah tertentu dan dapat merespons masukkan user (melalui kotak dialog)

6. Dapat digunakan dalam berbagai jenis komputer.

7. Memiliki kemampuan beradaptasi. 8. Terbatas pada bidang yang spesifik.

9. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti.

10. Dirancang untuk dapat dikembangkan secara bertahap.

11. Output bersifat nasihat atau anjuran 12. Output tergantung dari dialog dengan user. 13. Knowledge base dan Inference engine terpisah

(M.Arhami,2006).

2.1.5 Struktur Sistem Pakar

Sistem pakar terdiri dari dua bagian utama yaitu Development Environment dan consulation Environment M. Arrhami (2001: 13). Development Environment digunakan untuk memasukan pengetahuan pakar ke dalam lingkungan sistem pakar,sedangkan Consulation Environment di gunakan oleh penggunakan yang bukan pakar guna memperoleh pengetahuan pakar. Komponen-komponen sistem pakar dalam kedua bagian tersebut dapat dilihat pada gambar berikut.

Gambar 2.1 Struktur Sistem Pakar Sumber: M.Arhami (2005: 13)

2.2.2 Pengertian Logika Fuzzy

Logika Fuzzy merupakan bentuk logika yang memiliki banyak nilai.Logika fuzzy menggunakan istilah perkiraan daripada nilai nyata. Membandingkan dengan logika Boolean atau biner yang memiliki 2 nilai 9 yaitu benar dan salah, logika fuzzy memiliki derajat kebenaran yang bernilai benar di kisaran antara 0 hingga 1. Logika fuzzy telah diperluas dalam menangani konsep kebenaran parsial, dimana nilai kebenaran dapat berkisar antara full true hingga full false.Terlebih 107

(3)

lagi, ketika variabel bahasa digunakan, derajat ini dapat diaplikasikan ke fungsi-fungsi fuzzy.

2.2.3 Himpunan Fuzzy

Menurut Kusmadewi himpunan fuzzy adalah himpunan fungsi keanggotaan menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak diantaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya bernilai benar (1) atau salah (0), namun masih ada nilai-nilai yang terletak antara benar dan salah.

Himpunan fuzzy memiliki 2 atribut, yaitu:

1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasaalami, seperti: MUDA, PAROBAYA, TUA

2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variable seperti: 40, 25, 50, dsb.

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy (Aplikasi logika

fuzzy untuk pendukung keputusan, Sri

Kusumadewi, Hari Purnomo, Edisi kedua, Graha Ilmu, 2010), yaitu:

a. Variable fuzzy

Variable fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: umur, temperature, permintaan, dsb.

b. Himpunan Fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.Contoh: fuzzy terdiri atas (Cox Earl, 1994):

Interseksi : μA∩B = min(μA[x],μB[y]).(1) Union: μA∪B = max(μA[x],μB[y]). (2) Komplemen:μA’ = 1-μA[x] (3)

3.1 Analisa Diagnosa Penyakit Kanker Prostat

Data gejala yang digunakan dalam sistem pakar penyakit kanker prostat yang dipicu miksi terputus disertai dengan darah ini berjumlah 25 gejala. Adapun data-data gejala tersebut dapat dilihat pada tabel dibawah ini:

Tabel 3.1 Gejala Kode Gejala

G-01 Miksi terputus

G-02 Hesitansi= Rasa tidak tahan kencing G-03 Harus mengejan saat kencing G-04 Berkurangnya pancaran kencing G-05 Rasa sakit pada waktu berkemih G-06 Kencing ganda dalam kurang 2 jam G-07 Menetes pada akhir miksi

G-08 Urgensi=rasa ingin kencing lagi G-09 Sering miksi

G-10 Inkotonentia=kencing yang merembes G-11 Nokturi=terbangun untuk berkemih G-12 Frekuensi sering miksi

G-13 Berdarah ketika berkemih G-14 Penurunan berat badan G-15 Penurunan nafsu makan G-16 Anemia

G-17 Nyeri tulang G-18 Patah tulang

G-19 Infeksi saluran kandung kemih G-20 Rasa tidak nyaman disekitar anus G-21 Rasa letih

G-22 Demam Tinggi G-23 nyeri saat berkemih G-24 Konstipasi

G-25 Tenesmus ani=rasa mau BAB tapi tidak ada kotorannya

Aplikasi sistem pakar logika fuzzy berikut ini merupakan diagnosa penyakit dengan menggunakan mesin inferensi fuzzy berdasarkan metode fuzzy Tsukamoto. Proses diagnosis dalam sistem pakar ini didasarkan dari hasil literature 1. Masukan atau inputan dari sistem berikut ini adalah :

- Antigen spesifik prostat (Prostate Spesific

Antigen /PSA)

- Umur pasien (Age)

- Volume prostat (Prostate Volume /PV)

3.2 Penerapan Metode Fuzzy Tsukamoto 3.2.1 Himpunan Fuzzy

Berikut ini adalah Basis pengetahuan dalam sistem pakar ini meliputi himpunan bahasa variabel, fungsi derajat keanggotaan, dan rule. 1. Himpunan Bahasa Variable

Himpunan bahasa variabel pada penyakit kanker prostat adalah sebagai berikut:

Prostate Specific Antigen (PSA) : Very Low, Low,

Middle, High, Very High

Umur : Very Young, Young, Middle Age, Old

Prostate Volume (PV) : Small, Middle, Big, Very

Big

Prostate Cancer Risk (PCR) : Very Low, Low,

Middle, High, Very High

Fungsi Derajat Keanggotaan Variabel Prostate Specific Antigen (PSA)

Fungsi derajat keanggotaan dari variabel Prostate

Specific Antigen (PSA) didefinisikan pada

persamaan (3-1), (3-2), (3-3), (3-4), dan (3-5). 𝜇verylow={ 1 4−𝑥 4 0 ; 𝑥 = 0 0 < 𝑥 ≤ 4 𝑥 ≥ 4 ...(3-1) 108

(4)

𝜇low= { 0, 𝑥 ≤ 0 4−𝑥 4 0 < 𝑥 < 4 1 𝑥 = 4 4−𝑥 4 4 < 𝑥 < 8 0, 𝑥 ≥ 8 ...(3-2) µmiddle= { 0, 𝑥 ≤ 4 4−𝑥 4 4 < 𝑥 < 8 1 𝑥 = 8 12−𝑥 4 8 < 𝑥 < 12 0, 𝑥 ≥ 12 ...(3-3) µ high= { 0, 𝑥 ≤ 8 𝑥−8 4 4 < 𝑥 < 12 1 𝑥 = 12 16−𝑥 4 8 < 𝑥 < 16 0, 𝑥 ≥ 16 ...(3-4)

2. Fungsi Derajat Keanggotaan Variabel Umur Fungsi derajat keanggotaan dari variabel Umur didefinisikan pada persamaan (3-6), (3-7), (3-8), dan (3-9)

Gambar 3.4 Fungsi Keanggotan Umur 𝜇verylow={ 1 40−𝑥 25 0 ; 2 𝑥 = 25 0 < 𝑥 ≤ 40 𝑥 ≥ 40 ...(3-6) 𝜇low= { 0, 𝑥 ≤ 25 4−𝑥 4 20 < 𝑥 < 35 1 𝑥 = 35 45−𝑥 4 8 < 𝑥 < 12 0, 𝑥 ≥ 12 ...(3-7) 𝜇middleage= { 0, 𝑥 ≤ 45 𝑥−50 4 45 < 𝑥 < 50 1 𝑥 = 50 60−𝑥 15 50 < 𝑥 < 60 0, 𝑥 ≥ 60 …..(3-8) 𝜇Old={ 1 𝑥−50 15 0 ; 5 𝑥 = 50 0 < 𝑥 ≤ 60 𝑥 ≥ 60 ...(3-9)

3. Fungsi Derajat Keanggotaan Variabel Prostate Volume (PV)

Volume (PV) didefinisikan pada persamaan (3-10),

(3-11), (3-12), dan (3-13).

Gambar 3.5 Fungsi Keanggotan PV 𝜇very low={ 1 90−𝑥 45 0 ; 45 𝑥 = 45 < 𝑥 ≤ 90 𝑥 ≥ 90 ...(3-10) µ Middle= { 0, 𝑥 ≤ 45 𝑥−45 4 45 < 𝑥 < 90 1 𝑥 = 90 135−𝑥 45 90 < 𝑥 < 135 0, 𝑥 ≥ 135 ...(3-11) µ Big= { 0, 𝑥 ≤ 45 𝑥−45 4 45 < 𝑥 < 90 1 𝑥 = 90 135−𝑥 45 90 < 𝑥 < 135 0, 𝑥 ≥ 135 ...(3-12) 𝜇very low={ 1 135−𝑥 20 0 ; 135 𝑥 ≤ 135 < 𝑥 ≤ 170 𝑥 ≥ 65 ..(3-13)

4. Fungsi Derajat Keanggotaan Variabel Prostate Cancer Risk (PCR)

Cancer Risk (PCR) didefinisikan pada persamaan

(3-14), (3-15), (3-16), (3-17), dan (3-18).

Gambar 3.6 Fungsi Keanggotan PSA 𝜇very low={ 1 5−𝑥 5 0 ; 𝑥 = 0 0 < 𝑥 ≤ 5 𝑥 ≥ 5 ...(3-14) 𝜇Low= { 0, 𝑥 ≤ 0 𝑥−5 0 0 < 𝑥 < 5 1 𝑥 = 10 20−𝑥 10 10 < 𝑥 < 20 0, 𝑥 ≥ 20 ...(3-15) 𝜇Low= { 0, 𝑥 ≤ 10 𝑥−10 20 0 < 𝑥 < 20 1 𝑥 = 30 50−𝑥 20 30 < 𝑥 < 50 0, 𝑥 ≥ 50 ...(3-16) 109

(5)

𝜇High= { 0, 𝑥 ≤ 30 𝑥−30 20 30 < 𝑥 < 50 1 𝑥 = 50 70−𝑥 20 50 < 𝑥 < 70 0, 𝑥 ≥ 70 ...(3-17) 𝜇Very high={ 1 𝑥−50 5 0 ; 𝑥 = 50 50 < 𝑥 ≤ 70 𝑥 ≥ 70 ...(3-18)

Jika diketahui seorang pasien berumur 20 tahun memiliki prostate Volume(PV) sebesar 35ml dan Prostate Spesific Antigen (PSA) sebesar 2 ng/ml,berapa persen kemungkinan pasien tersebut terkena penyakit kanker prostat?

Diketahui: PSA=2 Umur=20 PV=35

Penyelesaian masalah untuk kasus perthitungan presentase kemungkinan terkena penyakit kanker prostat menggunakan metode Tsukamoto adalah sebagai berikut:

Langkah 1:

Menentukan nilai μ variable PSA, umur dan PV, dimana cara menentukan nilai μ terdapat pada persamaan (3-1) sampai (3-5) untuk PSA, persamaan (3-6) sampai (3-9) untuk umur dan persamaan (3-10) sampai (3-13) untuk PV.

Langkah 2 : Menentukan α

Pada metode fuzzy Tsukamoto, nilai α diambil dari nilai minimum semua atribut, contoh :

[R1] Jika PSA very low , umur very young, dan PV small, maka kemungkinan terkena penyakit Kanker Prostat very low.

α = μVL and μVY and μS

= min(μVL(2) and μVY (20) and μS(35)) = min(0.5; 1; 1) = 0.5

Langkah 3 : Menentukan z

Pada langkah ini, z dihitung berdasarkan aturan (rule) yang telah dibuat dan nilai α yang didapat, contoh :

[R1] Jika PSA very low, umur very young, dan PV small, maka kemungkinan terkena penyakit Kanker Prostat very low.

0.5 x 5 = 5 - z 2.5 = 5 - z z = 5 - 2.5 z = 2.5

Langkah 4 : Defuzzyfikasi

Pada langkah ke 4 dilakukan penegasan untuk mencari nilai persentase kemungkinan terkena penyakit Kanker Prostat

R1] Jika PSA very low, umur very young, dan PV small, maka kemungkinan terkena penyakit Kanker Prostat very low.

[R17] Jika PSA low, umur very young, dan PV small, maka kemungkinan terkena penyakit Kanker Prostat very low.

Hasil PCR = ∑(𝑍∗á) á = (2.5∗0.5)+(2.5∗0.5) 0.5+0.5 = 1.25+1.25 1 = 2.5% 4.1 Algoritma

Untuk menghasilkan sebuah program aplikasi hal pertama yang harus dilakukan adalah membentuk algoritma yang akan menggambarkan bagaimana program itu bekerja.Dalam menggambarkan dibutuhkan langkah-langkah logika untuk menyelesaikan masalah serta berfungsi untuk penelusuran program untuk keperluan perbaikan atau pengembangan akan lebih mudah dan terarah.

Adapun urutan langkah-langkah dalam sistem pakar ini dengan metode fuzzy tsukamoto adalah sebagai berikut:

4.1.1 AlgoritmaGejalapenyakit Input: - G1,G2,G3,G4,G5,G6,G7,G8,G9,G10 OUTPUT Penyakit Proses: IF G1 And G2 =True And G3 =True And G4 =True And G5 =True And G6 =True And G6 =True And G7 =True And G8 =True And G9 =True And G10=True Then Prostat 4.2 Implementasi Sistem 4.2.1Kebutuhan sistem Hardware

Dalam kebutuhan sistem agar dapat berjalan seperti yang diingikan karena sistem komputerisasi tidak dapat dipisahkan antara hardware dan

software. Demikian juga dengan sistem ini

dirancang dengan spesifikasi hardware minimal sebagai berikut:

a. Hardisk 120 GB b. RAM 1 GB

4.2.2 Kebutuhan software

Sistem ini agar dapat berjalan tidak lepas dari

software yang jelas mendukung Hardware diatas

perangkat lunak seperti sistem operasi dan program aplikasi sebagai berikut:

a. Sistem Operasi Windows XP Profesional atau windows 7

b. Microsft Visual Basic Net 2008

(6)

4.3 Desain Implementasi Program

Desain implementasi sistem merupakan gambaran program ketika dirancang didalam bahasa pemograman visual basic net 2008

4.3.1 Form Login

Halaman login adalah halaman dimana admin menginputkan username dan password untuk dapat masuk kedalaman halaman utama admin. Seperti terdapat pada gambar 4.1

Gambar 4.1 Form Login

5.1. Kesimpulan

Setelah merancang dan mengaplikasikan perangkat lunak aplikasi sistem pakar, maka disini penulis dapat menarik kesimpulan:

1. metode fuzzy tsukamoto dapat membantu sistem dalam mendiagnosa seseorang terkena kanker prostat

2. User dapat mengetahui presentase terkena kanker prostat berdasarkan antigen spesifik prostat (Prostate Spesific Antigen /PSA), umur pasien (Age), dan volume prostat (Prostate

Volume /PV). 5.2. Saran

Aplikasi sistem pakar dalam mendiagnosa penyakit kanker prostat ini masih perlu dikembangkan lagi misalnya:

1. Penambahan solusi berupa pencegahan yang dilakukan bila mana penyakit telah didiagnosa.

2. Penambahan jenis penyakit dan gejala dalam database sistem sehingga hasil yang didapatkan bisa lebih baikdan optimal. 3. Dikarenakan pertanyaan diajukan satu persatu

dalam mendiagnosa penyakit kanker prostat ini maka tingkat kejenuhan masih tinggi, maka penulis mengharapkan bila skripsi ini dilanjutkan maka harus dipertimbangkan masalah tersebut.

DAFTAR PUSTAKA

1. SriKusumadewi.”ArtificialIntelligence”: Graha Ilmu.Yogyakarta,2003

2. Arhami,M.2005. Konsep Dasar Sistem Pakar. Yogyakarta: ANDI.

3. Marimin,1992. Teori Dan Aplikasi Sistem Pakar Dalam Teknologi Manajerial

4. http//Kusumadewi , Sri 2003. Sistem Inferensi

fuzzy

5. Ketut Damayuda, Pemograman Aplikasi Database Dengan Microsoft Visual Basic.Net 2008).

6. Jurnal:Nurul Hidayat, M.MunawarYusro 2007. Desain Sistem Pakar Untuk Mendiagnosa Kanker Prostat. Fakultas Sains Dan Teknik Universitas Jendral Soerdirman.

7. Pengertian

UML.http://fadhlyashary.blogspot.com

pengertian-uml-unifield-modeling.html. Diakses pada tanggal 22-05-2016