SKRIPSI
Oleh :
DEWI MARDALENA ZIRALUO NIM.1220000357
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS POTENSI UTAMA
MEDAN
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Terbesit ingatanku kau selalu mencoba memberikan yang terbaik untukku. Memberikan kehidupan yang layak untuk seorang anak.
Memberikan pendidikan yang terbaik untukku, memberikan kecukupan atas semua keluh kesahku.
Walau panas terik menghadang, keringat dan peluh tak terbendung lagi, kau selalu mencoba bertahan karena memikirkanku.
Ibu,
Kaulah petunjuk jalan disetiap langkah hidupku. Kaulah sinar yang selalu menerangiku dalam kegelapan
Disaat ku menangis kau coba tuk beriku kekuatan, disaat ku merasa pasrah, kau dorong aku tuk maju ke depan.
Kau lah wanita mulia dalam hidupku.
Ya Allah,
Apa saja gangguan yang telah mereka rasakan atau kesusahan yang mereka derita karena aku, atau hilangnya sesuatu hak mereka karena perbuatanku. Maka jadikanlah itu semua penyebab susutnya dosa-dosa mereka dan bertambahnya pahala kebaikan mereka dengan perkenan-Mu ya Allah, hanya Engkaulah yang
berhak membalas kejahatan dengan kebaikan yang berlipat ganda begitu juga sebaliknya.
knowledge area, so that everyone can use it to troubleshoot various issues that are specific, in this case is the determination of the motoric movement on Early Childhood growth. Now the problems found by the author in this research is that many an error occurred in the diagnose diseases pneumonia which is often done by a doctor. Because they basically almost all types of diseases have the same initial symptoms level and therefore it is often an error occurred in determining the decision and there is no calculation of the value of the disease by using case based reasoning method. This application using PHP programming language and MySQL server. The advantages of this research namely give ease to users know the health and how to take an appropriate action and the data that has been obtained that can be designed with the right not to cause a fatal error information about pneumonia disease.
Key Words : Expert System, methods of Case Based Reasoning,Disease
ke dalam suatu area pengetahuan tertentu, sehingga setiap orang dapat menggunakannya untuk memecahkan berbagai masalah yang bersifat spesifik, dalam hal ini adalah penentuan gerakan motorik pada Pertumbuhan Balita. Adapun permasalahan yang ditemukan oleh penulis dalam penelitian ini adalah Banyak terjadi kesalahan dalam mendiagnosis penyakit Pneumonia yang sering dilakukan oleh seorang dokter. Karena pada dasarnya hampir semua jenis penyakit mempunyai gejala awal yang sama sehinnga sering terjadi kesalahan dalam menentukan keputusan dan tidak ada perhitungan nilai penyakit dengan menggunakan metode case based reasoning. Aplikasi ini menggunakan bahasa pemrograman PHP dan MySQL Server. Adapun manfaat dari penelitian ini yaitu Memberikan kemudahan kepada pengguna mengetahui kondisi kesehatan dan cara mengambil suatu tindakan yang tepat dan data yang telah diperoleh agar dapat dirancang dengan tepat agar tidak menimbulkan kesalahan yang fatal mengenai informasi penyakit pneumonia.
Kata kunci : Sistem Pakar, Metode Case Based Reasoning,Penyakit Pneumonia,
i
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena dengan seizin-Nyalah penulis dapat menyelesaikan Skripsi yang berjudul “Sistem Pakar Diagnosa Pneumonia Menggunakan Metode Case Base Reasoning Berbasis Web”, serta salam yang senantiasa tercurah kepada Tuhan
Yang Maha Esa, keluarga serta sahabatnya yang telah menuntun kita umat Kristen kejalan yang benar.
Skripsi ini disusun untuk melengkapi salah satu syarat dalam menyelesaikan Program Pendidikan Strata-1 Program Studi Sistem Informasi. Pada kesempatan ini perkenankanlah penulis untuk menyampaikan rasa terima kasih yang tulus dan tak terhingga kepada pihak-pihak yang telah memberikan bantuan, bimbingan, saran, dukungan secara moril maupun materil dari awal hingga selesainya penyusunan skripsi ini. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Ibu Mas Ayoe Elhias Nst, M.Kom, selaku dosen pembimbing I dan Ketua Program Studi Sistem Informasi Universitas Potensi Utama. Yang telah setia dan sabar memberi arahan kepada penulis dalam penyusunan Skripsi ini.
2. Bapak Iwan Fitrianto Rahmad, M.Kom, selaku dosen pembimbing II yang telah setia dan memberi arahan kepada penulis dalam penyusunan Skripsi ini.
ii
4. Bapak Bob Subhan Riza, ST, M.Kom, selaku Ketua Yayasan Potensi Utama Medan.
5. Ibu Rika Rosnelly, SH, M.Kom, selaku Rektor Univesitas Potensi Utama. 6. Ibu Lili Tanti, M.Kom selaku Wakil Rektor I Universitas Potensi Utama. 7. Ibu Ratih Puspasari, M.Kom, selaku Dekan Fakultas Teknik Dan Ilmu
Komputer Universitas Potensi Utama Medan.
8. Bapak dan Ibu dosen Universitas Potensi Utama, yang telah mendidik penulis selama duduk di bangku kuliah.
9. Buat yang teristimewa penulis mengucapkan terima kasih yang begitu besar kepada kedua orang tua tercinta, Papa S. Ziraluo, SE. dan Ibunda M. Nazara, yang telah memberikan perhatian, kasih sayang, semangat serta bantuan baik doa maupun material yang sangat berharga sehingga penulis dapat menyelesaikan skripsi ini.
10. Buat saudara laki – laki yang tersayang.Bilpiter Ziraluo, Frank Halter Ziraluo dan Feliks Andreas Ziraluo adik – adik yang senantiasa memberikan doa dan semangat kepada penulis.
11. Dan buat teman – teman Jurusan Sistem Informasi E – Malam dan buat teman – teman Stambuk 2012, yang telah memberi semangat kepada penulis.
12. Buat teman – teman terkasih dari UKM IMK Universitas Potensi Utama yang telah mendoakan dan memberikan semangat kepada penulis.
iv
DAFTAR ISI
ABSTRAK
KATA PENGANTAR ... i
DAFTAR ISI ... iv
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... x
DAFTAR LAMPIRAN ... xii
BAB I PENDAHULUAN ... 1
I.1. Latar Belakang ... 1
I.2. Ruang Lingkup Permasalahan ... 2
I.2.1. Identifikasi Masalah ... 2
I.2.2. Perumusan Masalah ... 3
I.2.3. Batasan Masalah ... 3
I.3. Tujuan dan Manfaat ... 4
I.3.1. Tujuan ... 4
I.3.2. Manfaat ... 4
I.4. Metodologi Penelitian ... 4
I.5. Sistematika Penulisan ... 8
BAB II TINJAUAN PUSTAKA ... 10
II.1. Sistem Pakar ... 10
v
II.2.1. Studi Kasus Metode CBR... 18
II.3. PHP ... 21
II.4. MySQL ... 22
II.5.Entity Relationship Diagram (ERD) ... 23
II.6. Teknik Normalisasi ... 23
II.7. Unified Modeling Language (UML) ... 29
BAB III ANALISIS DAN PERANCANGAN ... 34
III.1. Analisis Masalah ... 34
III.1.1. Analisa Input ... 34
III.1.2. Analisa Proses ... 35
III.1.3. Analisa Output ... 35
III.2. Penerapan Metode / Algoritma ... 36
III.2.1. Keterangan Penyakit ... 39
III.2.2. Pohon Keputusan ... 41
III.2.3. Rule Keputusan ... 42
III.2.4. Studi Kasus CBR ... 43
III.3. Desain Sistem ... 48
III.3.1. Use Case Diagram ... 48
III.3.2. Class Diagram ... 49
III.3.3. Activity Diagram ... 50
III.3.4. Squence Diagram ... 60
vi
III.4.1. Normalisasi ... 71
III.4.1.1Normalisasi Data Penilaian ... 71
III.4.2. Desain Tabel ... 73
III.5. Desain User Interface ... 77
BAB IV HASIL DAN UJICOBA... 85
IV.1.Tampilan Hasil ... 85
IV.1.1. Tampilan Form Login ... 85
IV.1.2. TampilanFormPakar ... 86
IV.1.2.1. TampilanFormDaftar Stadium ... 86
IV.1.2.2. TampilanFormDaftar Basis Kasus ... 86
IV.1.2.3. TampilanFormDaftar Revisi ... 86
IV.1.2.4. TampilanFormDaftar Pakar ... 87
IV.1.2.5. TampilanFormDaftar Gejala ... 88
IV.1.2.6. TampilanFormDaftar Konsultasi ... 89
IV.1.3. TampilanFormUser ... 90
IV.1.2.1. TampilanFormKonsultasi ... 90
IV.1.2.2. TampilanFormEdit Profil ... 90
IV.1.2.3. TampilanFormDaftar Riwayat ... 91
IV.2. Spesifikasi Uji Coba Program... 92
IV.2.2. Hasil Uji Coba ... 92
IV.3. Kelebihan dan Kekurangan Sistem ... 93
vii
IV.3.2. Kekurangan Sistem... 93
BAB V KESIMPULAN DAN SARAN ... 94
V.1. Kesimpulan ... 94
V.2. Saran ... 95
DAFTAR PUSTAKA LAMPIRAN
viii
DAFTAR GAMBAR
Gambar I.1. Prosedur Perancangan Sistem ... 6
Gambar II.1.Tidak Normal ... 24
Gambar II.2. Normalisasi 1NF ... 25
Gambar II.3. Normalisasi 2NF ... 26
Gambar II.4. Normalisai 3NF ... 27
Gambar II.5. Normalisasi BCNF ... 27
Gambar II.6. Normalisasi 4NF ... 28
Gambar III.1. FOD Analisa Proses ... 35
Gambar III.2. Pohon Aturan Sistem Pakar ... 42
Gambar III.3. Use Case Diagram Perancangan Sistem Pakar ... 49
Gambar III.4. Class Diagram Sistem ... 50
Gambar III.5. Activity Diagram Login ... 51
Gambar III.6. Activity Diagram Daftar Stadium ... 52
Gambar III.7. Activity Diagram Daftar Basis Kasus ... 53
Gambar III.8. Activity Diagram Daftar Revisi ... 54
Gambar III.9. Activity Diagram Daftar Pakar ... 55
Gambar III.10. Activity Diagram Daftar Gejala ... 56
x
Gambar III.12. Activity Diagram Konsultasi ... 58
Gambar III.13. Activity Diagram Edit Profil ... 59
Gambar III.14. Activity Diagram Daftar Riwayat ... 60
Gambar III.15. Sequence Diagram Login ... 61
Gambar III.16. Sequence Diagram Daftar Stadium ... 62
Gambar III.17. Sequence Diagram Daftar Basis Kasus ... 63
Gambar III.18. Sequence Diagram Daftar Revisi ... 64
Gambar III.19. Sequence Diagram Daftar Pakar ... 65
Gambar III.20. Sequence Diagram Daftar Gejala ... 66
Gambar III.21. Sequence Diagram Daftar Solusi ... 67
Gambar III.22. Sequence Diagram Konsultasi ... 68
Gambar III.23. Sequence Diagram Edit Profil ... 69
Gambar III.24. Sequence Diagram Daftar Riwayat ... 70
Gambar III.25. Sequence Diagram Login ... 78
Gambar III.26. Desain Form Daftar Stadium ... 79
Gambar III.27. Desain Form Daftar Basis Kasus ... 79
Gambar III.28. Desain Form Daftar Revisi ... 80
Gambar III.29. Desain Form Daftar Pakar ... 81
Gambar III.30. Desain Form Daftar Gejala ... 81
Gambar III.31. Desain Form Daftar Solusi ... 82
Gambar III.32. Desain Form Konsultasi ... 83
Gambar III.33. Desain Form Edit Profil ... 83
xi
Gambar IV.1. Tampilan Form Login ... 85
Gambar IV.2. Tampilan Form Daftar Stadium ... 86
Gambar IV.3. Tampilan Form Daftar Basis Kasus ... 87
Gambar IV.4. Tampilan Form Daftar Revisi ... 87
Gambar IV.5. Tampilan Form Daftar Pakar ... 88
Gambar IV.6. Tampilan Form Daftar Gejala ... 89
Gambar IV.7. Tampilan Form Daftar Solusi ... 89
Gambar IV.8. Tampilan Form Konsultasi ... 90
Gambar IV.9. Tampilan Form Edit Profil ... 91
xii
DAFTAR TABEL
Tabel I.1. Kebutuhan Sistem Fungsional ... 6 Tabel I.2. Kebutuhan Sistem Nonfungsional ... 7 Tabel II.1. Simbol ERD ... 23 Tabel II.2. Simbol Use Case ... 30 Tabel II.3. Multiplicity Class Diagram ... 31 Tabel II.4. Simbol Activity Diagram ... 31 Tabel II.5. Simbol Sequence Diagram ... 32 Tabel III.1. Tabel Penyakit ... 40 Tabel III.2. Tabel Gejala ... 41 Tabel III.3. Keterangan Rule Base ... 42 Tabel III.4. Tabel Stadium ... 43 Tabel III.5. Tabel Gejala ... 44 Tabel III.6. Tabel Basis Kasus ... 44 Tabel III.7. Data Nilai Tidak Normal ... 72 Tabel III.8. Data Nilai Normal Pertama ... 72 Tabel III.9. Data Nilai Normal 2NF ... 72 Tabel III.10. Rancangan Tabel Basis Kasus ... 73 Tabel III.11. Rancangan Tabel Daftar Revisi ... 73 Tabel III.12. Rancangan Tabel Detail Basis ... 74 Tabel III.13. Rancangan Tabel Detail Konsultasi ... 74 Tabel III.14. Rancangan Tabel Gejala ... 75 Tabel III.15. Rancangan Tabel Konsultasi ... 75 Tabel III.16. Rancangan Tabel Pengguna ... 76
xiii
Tabel III.17. Rancangan Tabel Stadium ... 76 Tabel IV.1. Login ... 92 Tabel IV.2. Data Stadium ... 92 Tabel IV.3. Data Basis Kasus ... 93 Tabel IV.4. Data Revisi ... 94 Tabel IV.5. Data Pakar ... 94 Tabel IV.6. Data Gejala ... 95 Tabel IV.7. Data Solusi ... 95 Tabel IV.8. Data Konsultasi ... 96 Tabel IV.9. Data Edit Profil ... 96 Tabel IV.10. Data Perhitungan ... 97
xiv
DAFTAR LAMPIRAN
Lampiran 1 Listing Program
Lampiran 2 Surat Pengajuan Judul Skripsi Lampiran 3 Formulir Pendaftaran Judul Skripsi
Lampiran 4 Surat Pernyataan Kesediaan Pembimbing I Lampiran 5 Surat Pernyataan Kesediaan Pembimbing II Lampiran 6 Jadwal Bimbingan Skripsi Pembimbing I Lampiran 7 Jadwal Bimbingan Skripsi Pembimbing II Lampiran 8 Formulir Pendaftaran Seminar Hasil Skripsi Lampiran 9 Berita Acara Seminar Hasil Skripsi
Lampiran 10 Formulir Pendaftaran Sidang Skripsi Lampiran 11 Surat Izin Riset Dari Perusahaan
BAB I
1
BAB I
PENDAHULUAN
I.1. Latar Belakang
Sistem Pakar adalah salah satu bagian dari Kecerdasan Buatan yang mengandung pengetahuan dan pengalaman yang dimasukkan oleh banyak pakar ke dalam suatu area pengetahuan tertentu, sehingga setiap orang dapat menggunakannya untuk memecahkan berbagai masalah yang bersifat spesifik, dalam hal ini adalah penentuan gerakan motorik pada Pertumbuhan Balita.Pertumbuhan balita bisa terjadi berdasarkan beberapa factor, yaitu berdasarkan kelahirannya dan pertumbuhan gizi yang dikonsumsi. Dengan memanfaatkan metode Case-base Reasoning, dapat dihasilkan suatu aplikasi untuk mengidentifikasi pertumbuhan balita. Dengan harapan sistem ini nantinya dapat digunakan sebagai sarana atau sebagai pengetahuan dalam menjaga kestabilan pertumbuhan balita dan membantu anda untuk mendapatkan hasil yang optimal dalam menjaga pertumbuhan setiap balita. Metode Case Based Reasoning (CBR) digunakan dalam aplikasi Pertumbuhan Balita dengan menggunakan Perhitungan Nearest Neighbor, Dimana data kasus baru akan dibandingkan perhitungannya dengan data kasus lama yang ada di database, dan kemudian dihitung kriteria kemiripannya berdasarkan rumus atau ketentuan yang berlaku (Mukhammad Shaid ; 2014 : 1)
Adapun permasalahan yang ditemukan oleh penulis dalam penelitian ini adalah Banyak terjadi kesalahan dalam mendiagnosis penyakit Pneumonia yang
sering dilakukan oleh seorang dokter. Karena pada dasarnya hampir semua jenis penyakit mempunyai gejala awal yang sama sehinnga sering terjadi kesalahan dalam menentukan keputusan dan tidak ada perhitungan nilai penyakit dengan menggunakan metode case based reasoning.
Berdasarkan uraian latar belakang di atas maka diperlukan sebuah sistem yang dapat membantu masyarakat dalam menentukan diagnosis penyakit. Maka penulis mengangkat sebuah judul “Sistem Pakar Diagnosa Pneumonia Menggunakan
Metode Case Based Reasoning Berbasis Web”.
Adapun manfaat dari penelitian ini yaitu Memberikan kemudahan kepada pengguna mengetahui kondisi kesehatan dan cara mengambil suatu tindakan yang tepat dan data yang telah diperoleh agar dapat dirancang dengan tepat agar tidak menimbulkan kesalahan yang fatal mengenai informasi penyakit pneumonia.
I.2. Ruang Lingkup Permasalahan I.2.1. Identifikasi Masalah
Sehubungan dengan latar belakang, penulis mencoba untuk
mengidentifikasi masalah sebagai berikut :
1. Banyak terjadi kesalahan dalam mendiagnosis penyakit Pneumonia yang sering dilakukan oleh seorang dokter. Karena pada dasarnya hampir semua jenis penyakit mempunyai gejala awal yang sama sehinnga sering terjadi kesalahan dalam menentukan keputusan.
2. Tidak ada perhitungan nilai penyakit dengan menggunakan metode case based reasoning.
I.2.2. Perumusan Masalah
Berdasarkan identifikasi masalah yang ditemukan oleh penulis dalam melakukan penelitian ini, maka perumusan masalah dapat dirumuskan sebagai berikut :
1. Bagaimana cara merancang suatu aplikasi sistem pakar mendiagnosa penyakit Pneumonia pada pasien sehingga pengguna dapat mengambil keputusan dengan tepat dengan proses pengolahan data yang cepat ?
2. Bagaimana merancang dan membangun sistem pakar dengan perhitungan nilai penyakit dengan menggunakan metode case based reasoning ?
I.2.3. Batasan Masalah
Agar pembahasan terarah dan tidak menyimpang dari pokok permasalahan yang dibahas maka sistem ini dibatasi permasalahannya sebagai berikut :
1. Input data yang diperlukan dalam perancangan adalah data pasien, data fase
Pneumonia, data gejala Pneumonia dan kriteria Pneumonia.
2. Output data pada sistem adalah informasi penyakit Pneumonia akut,
Pneumonia sedang dan Pneumonia parah dan data pencegahan dan
pengobatan penyakit Pneumonia
3. Metode yang digunakan dalam melakukan perhitungan nilai penyakit
Pneumonia adalah metode case based reasoning,
4. Bahasa pemrograman yang digunakan untuk membuat aplikasi yaitu PHP dan Basis data yang digunakan yaitu MySQL.
I.3. Tujuan dan Manfaat I.3.1. Tujuan
Tujuan penelitian ini yaitu:
1. Merancang suatu aplikasi sistem pakar mendiagnosa penyakit Pneumonia pada pasien sehingga pengguna dapat mengambil keputusan dengan tepat dengan proses pengolahan data yang cepat.
2. Merancang dan membangun sistem pakar dengan perhitungan nilai penyakit dengan menggunakan metode case based reasoning.
I.3.2. Manfaat
Manfaat penelitian ini adalah :
1. Memberikan kemudahan kepada pengguna mengetahui kondisi kesehatan dan cara mengambil suatu tindakan yang tepat.
2. Data yang telah diperoleh agar dapat dirancang dengan tepat agar tidak menimbulkan kesalahan yang fatal mengenai informasi penyakit pneumonia.
I.4. Metodologi Penelitian
Di dalam menyelesaikan penelitian ini penulis menggunakan 2 (dua) metode studi yaitu :
1. Studi Lapangan
Merupakan metode yang dilakukan dengan mengadakan studi langsung ke lapangan untuk mengumpulkan data yaitu peninjauan langsung ke lokasi studi.
Adapun teknik pengumpulan data yang dilakukan penulis adalah : a. Pengamatan (Observation)
Merupakan salah satu metode pengumpulan data yang cukup efektif untuk mempelajari suatu sistem. Kegiatannya dengan melakukan pengamatan pada masalah diagnosa penyakit pada Pneumonia.
b. Wawancara (Interview).
Wawancara ini dilakukan dengan cara mengadakan komunikasi langsung dengan dokter yang menangani penyakit Pneumonia.
2. Studi Kepustakaan (Library Research)
Penulis melakukan studi pustaka untuk memperoleh data-data yang berhubungan dengan penulisan Skripsi dari berbagai sumber bacaan seperti buku sistem pakar, manajemen basis data, dan lain-lain.
Metedologi penelitian merupakan tata cara dan langkah-langkah yang diperlukan untuk mencapai tujuan perancangan yang dilakukan. Langkah-langkahnya adalah :
Analisis Kebutuhan
Analisis Kebutuhan
Design Sistem
Design Sistem
Penulisan Sinkode Program
Penulisan Sinkode Program
Pengujian Program
Pengujian Program
Pemeliharaan Program
Pemeliharaan Program
Gambar I.1. Prosedur Perancangan Sistem
Dalam pengembangannya metode waterfall memiliki beberapa tahapan yaitu :
requirement (analisis kebutuhan), design sistem (system design), coding & testing,
penerapan program, pemeliharaan sistem. 1. Analisis Kebutuhan
Tahap analisis ini terbagi menjadi dua, yaitu analisis kebutuhan sistem fungsional dan analisis kebutuhan sistem nonfungsional yang dapat dilihat pada Tabel I.1 dan Tabel I.2 dibawah ini:
Tabel I.1. Kebutuhan Sistem Fungsional No Kebutuhan Rincian Kebutuhan
1. Fungsi Sistem Sebagai interface penyampaian informasi
2. Data Sistem Data pasien
Data kriteria penyakit
2. Perangkat Lunak PHP
MySQL
3. Metode Metode case based reasoning
3. Pelaksana Sistem User
4. Pengolah Sistem Programmer
Tabel I.2. Kebutuhan Sistem Nonfungsional No Kebutuhan Rincian Kebutuhan
1. Sistem Operasi Minimal Windows 7
2. Prosesor Minimal Intel Corei3
3. RAM Minimal 2GB
4. Hardisk Minimal 120GB
5. Monitor/LCD Minimal Resolusi 1024x768
2. Desain Sistem
Secara umum Sistem Pakar Diagnosa Pneumonia Menggunakan Metode Case Based Reasoning Berbasis Web, yang dirancang dengan model
perancangan menggunakan UML seperti, usecase diagram, activity diagram,
class diagram dan sequence diagram.
3. Penulisan Coding Program
Coding merupakan penerjemahan design dalam bahasa yang bisa dikenali oleh komputer. Dilakukan oleh programmer yang akan meterjemahkan transaksi yang diminta oleh user. Tahapan inilah yang merupakan tahapan secara nyata dalam mengerjakan suatu sistem. Dalam artian penggunaan computer akan dimaksimalkan dalam tahapan ini. Setelah pengkodean selesai maka akan dilakukan testing terhadap sistem yang telah dibuat tadi. Tujuan testing adalah menemukan kesalahan-kesalahan terhadap system tersebut dan kemudian bisa diperbaiki.
4. Pengujian Program
Pada tahap ini dilakukan pengujian aplikasi secara menyeluruh, meliputi pengujian fungsional dan pengujian ketahanan sistem. Pengujian secara black box
(interface) yaitu pengujian perangkat lunak yang tes fungsionalitas dari aplikasi
yang bertentangan dengan struktur internal atau kerja. Pengetahuan khusus dari kode aplikasi / struktur internal dan pengetahuan pemrograman pada umumnya tidak diperlukan, pengujian tersebut untuk masing-masing blok peralatan yang dirancang.
5. Pemeliharaan Sistem
Perangkat lunak yang susah disampaikan kepada pelanggan pasti akan mengalami perubahan. Perubahan tersebut bisa karena mengalami kesalahan karena perangkat lunak harus menyesuaikan dengan lingkungan (periperal atau system operasi baru) baru, atau karena pelanggan membutuhkan perkembangan fungsional
I.5. Keaslian Penelitian
Keaslian penelitian bertujuan untuk melakukan perbandingan penelitian. Penelitian yang terkait dengan penelitian ini adalah :
Tabel I.3 Keaslian Penelitian
No Peneliti Judul
Penelitian Hasil Penelitian
1 Edi Faizal
(2012)
Case Based
Reasoning Penyakit Mata
Sekitar 83 % dari informasi yang diperoleh dari visi , sedangkan sisanya berasal dari lain indera , seperti pendengaran, penciuman , rasa dan sentuhan . Oleh karena itu , menjaga mata Anda sehat aktivitas hidup akan dilakukan agar tidak terganggu . Bahkan kita
sering lupa untuk melakukan perawatan mata, tetapi juga bagian lain dari tubuh, mata mungkin akan terpengaruh oleh gangguan atau kesehatan masalah. Masalah yang timbul adalah ketersediaan dokter dan perawatan mata biaya tidak kurang , ketika pasien ingin tahu penyakit dan memerlukan perawatan segera . Penentuan penyakit pasien dengan tertentu gejala , sering tidak cukup untuk pengetahuan yang dimiliki oleh dokter, tetapi perlu memperhatikan serupa kasus atau peristiwa yang mirip dengan pasien ini. Sebuah konsep di bidang kecerdasan buatan yang menggunakan penalaran berbasis kasus untuk analisis dan pengambilan keputusan . Keputusan ini ditentukan dengan menghitung kesamaan antara kasus baru dengan yang lama kasus yang telah terjadi .
2 Mukhammad Shaid (2014) Sistem Pakar Pertumbuhan Balita Berbasis Web Dengan Metode Case Based Reasoning
Sistem Pakar adalah salah satu bagian dari Kecerdasan Buatan yang mengandung pengetahuan dan pengalaman yang dimasukkan oleh banyak pakar ke dalam suatu area pengetahuan tertentu, sehingga setiap orang dapat menggunakannya untuk memecahkan berbagai masalah yang bersifat spesifik, dalam hal ini adalah penentuan gerakan motorik pada Pertumbuhan Balita.Pertumbuhan balita bisa terjadi berdasarkan beberapa factor, yaitu berdasarkan kelahirannya dan pertumbuhan gizi yang dikonsumsi. Dengan memanfaatkan metode Case-base Reasoning, dapat dihasilkan suatu aplikasi untuk mengidentifikasi pertumbuhan balita. Dengan harapan sistem ini nantinya dapat digunakan sebagai sarana atau sebagai pengetahuan dalam menjaga kestabilan pertumbuhan balita dan membantu anda untuk mendapatkan hasil yang optimal dalam menjaga pertumbuhan setiap balita. Metode Case Based
Reasoning (CBR) digunakan dalam aplikasi
Pertumbuhan Balita dengan menggunakan Perhitungan Nearest Neighbor, Dimana data kasus baru akan dibandingkan perhitungannya dengan data kasus lama yang ada di database, dan kemudian dihitung kriteria kemiripannya berdasarkan rumus atau ketentuan yang berlaku.
I.6. Sistematika Penulisan
Adapun sistematika penulisan yang diajukan dalam skripsi ini adalah
sebagai berikut :
BAB I : PENDAHULUAN
Pada bab ini menerangkan tentang latar belakang, ruang lingkup permasalahan, tujuan dan manfaat, metode penelitian dan sistematika penulisan.
BAB II : TINJAUAN PUSTAKA
Pada bab ini menerangkan tentang literatur mengenai sistem informasi keputusan dan metode yang berhubungan dengan topik yang dibahas atau permasalahan yang sedang dihadapi yaitu berupa pembahasan mengenai sistem pakar, UML dan normalisasi.
BAB III : ANALISIS DAN PERANCANGAN
Pada bab ini mengemukakan tentang analisa sistem yang sedang berjalan, penyelesaian masalah dengan membangun sebuah perancangan sistem yang baru, implementasi Metode Case Based
Reasoning pada Sistem Pakar Diagnosa Pneumonia
Menggunakan Berbasis Web dan desain sistem secara detail menggunakan mode Unified Modelling Language.
BAB IV : HASIL DAN UJI COBA
Pada bab ini menerangkan hasil Sistem Pakar Diagnosa Pneumonia Menggunakan Metode Case Based Reasoning Berbasis Web, pengujian blackbox dan pembahasan program yang dirancang serta kelebihan dan kekurangan sistem yang dirancang.
BAB V : KESIMPULAN DAN SARAN
Pada bab ini berisi kesimpulan penulisan dan saran dari penulis sebagai perbaikan di masa yang akan datang untuk sistem.
BAB II
12
BAB II
TINJAUAN PUSTAKA
II.1. Sistem Pakar
Sistem pakar menirukan perilaku seorang pakar dalam menangani suatu persoalan. Pada suatu kasus seorang pasien mendatangi dokter untuk memeriksa badannya yang mengalami gangguan kesehatan, maka dokter atau pakar kesehatan akan memeriksa dan melakukan diagnosa. Bila dokter cukup sibuk dan pelaksana diagnosa digantikan oleh sebuah sistem pakar, maka sistem pakar diharapkan dapat membantu memahami dan menganalisa keadaan pasien dan menemukan penyakit yang diderita pasien itu. Sistem pakar diharapkan juga untuk menghasilkan dugaan atau hasil diagnosa yang sama dengan diagnosa yang dilakukan oleh seorang ahli. Tujuan utama sistem pakar bukan untuk
menggantikan kedudukan seorang ahli maupun pakar, tetapi untuk
memasyarakatkan pengetahuan dan pengalaman pakar-pakar yang ahli di bidangnya.
Tujuan utama sistem pakar bukan untuk menggantikan kedudukan seorang ahli maupun pakar, tetapi untuk memasyarakatkan pengetahuan dan pengalaman pakar-pakar yang ahli di bidangnya. Sistem pakar disusun oleh dua bagian utama, yaitu :
1. Lingkungan pengembangan (development environment), digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar.
2. Lingkungan konsultasi (consultation environment), digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan pakar.
Sistem pakar memiliki 2 komponen utama yaitu basis pengetahuan dan mesin inferensi. Basis pengetahuan merupakan tempat penyimpanan pengetahuan dalam memori komputer, dimana pengetahuan ini diambil dari pengetahuan pakar. komponen-komponen sistem pakar adalah seperti di bawah ini :
1. Antarmuka (User Interface)
User Interface merupakan mekanisme yang digunakan oleh pengguna dan
sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya kedalam bentuk yang dapat diterima oleh sistem. 2. Basis Pengetahuan
Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan.
3. Akuisisi Pengetahuan (Knowledge Acquisition)
Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan kedalam program komputer.
4. Mesin Inferensi
Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah.
5. Workplace
Workplace merupakan area dari sekumpulan memori kerja (working memory). Workplace digunakan untuk merekam hasil-hasil antara dan kesimpulan yang
dicapai.
6. Fasilitas Penjelasan
Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar.
7. Perbaikan Pengetahuan
Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya.
Ada banyak keuntungan bila menggunakan sistem pakar, diantaranya adalah : 1. Menjadikan pengetahuan dan nasehat mudah didapat.
2. Meningkatkan output dan produktivitas. 3. Menyimpan kemampuan dan keahlian pakar.
4. Meningkatkan penyelesaian masalah, menerusi paduan pakar, penerangan, sistem pakar khas.
5. Meningkatkan reliabilitas.
6. Memberikan respons (jawaban) yang cepat. 7. Merupakan penduan yang inteligence (cerdas).
8. Dapat bekerja dengan informasi yang lengkap dan mengandung ketidakpastian.
9. Intelligence database (basis data cerdas), bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cara cerdas.
Selain keuntungan-keuntungan di atas, sistem pakar seperti sistem lainnya juga memiliki kelemahan, diantaranya adalah:
1. Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu bisa didapatkan dengan mudah, kadangkala pakar dari masalah yang kita buat tidak ada, dan kalaupun ada kadang-kadang pendekatan yang dimiliki pakar berbeda-beda.
2. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan dan pemeliharaannya.
3. Boleh jadi sistem tak dapat membuat keputusan.
4. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tetap tidak sempurna atau tidak selalu benar. Oleh karena itu perlu diuji ulang secara teliti sebelum digunakan. Dalam hal ini peran manusia tetap merupakan faktor dominan.
Sistem pakar merupakan program-program praktis yang menggunakan strategi heuristic yang dikembangkan oleh manusia untuk menyelesaikan permasalahan-permasalahan yang spesifik (khusus). Disebabkan oleh
keheuristikannya dan sifatnya yang berdasarkan pada pengetahuan, maka
umumnya sistem pakar bersifat :
1. Memiliki informasi yang handal, baik dalam menampilkan langkah-langkah antara maupun dalam menjawab pertanyaan-pertanyaan tentang proses penyelesaian.
2. Mudah dimodifikasi, yaitu dengan menambah atau menghapus suatu kemampuan dari basis pengetahuan.
3. Heuristik dalam menggunakan pengetahuan (yang sering kali tidak sempurna) untuk mendapatkan penyelesaiannya.
4. Dapat digunakan dalam berbagai jenis computer. 5. Memiliki kemampuan untuk belajar beradaptasi.
Basis pengetahuan (knowladge base) sebagian sistem pakar yang berisikan fakta-fakta yang menggambarkan wilayah masalah dan teknik-teknik refresentasi pengetahuan yang menggambarkan bagaimana fakta-fakta saling bersesuaian secara logis.
Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan (rule). Fakta merupakan informasi tentang obyek dalam area permasalahan tertentu, sedangkan aturan merupakan informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui.
Suatu perkalian inferensi yang menghubungkan suatu permasalahan dengan solusinya disebut rantai (chain). ada dua metode penalaran dengan rules, yaitu
forward chaining atau data-driven dan backward chaining atau goaldriven.
1. Forward Chaining
Suatu rantai yang dicari atau dilewati/dilintasi dari suatu permasalahan untuk memperoleh solusinya dengan penalaran dari fakta menuju konklusi yang terdapat dari fakta.
2. Backward Chaining
Suatu rantai yang dilintasi dari suatu hipotesa kembali ke fakta yang mendukung hipotesa tersebut, dan dalam hal tujuan yang dapat dipenuhi dengan pemenuhan sub tujuannya. (Jurnal Teknologi dan Informatika : Andri Saputra ; 2011 : 202-206).
II.2. Metode Case Based Reasoning (CBR)
Case Base Reasoning telah diaplikasikan dalam banyak bidang yang berbeda. Dari berbagai bidang aplikasi tersebut menunjukan berapa luasnya cakupan CBR, kebanyakan merupakan aplikasi dalam kerangka kecerdasan buatan. Bidang aplikasi tersebut antara lain, hukum, kedokteran, rekayasa, komputasi, jaringan komunikasi, desain pabrik, keuangan, penjadwalan, bahasa, sejarah, makanan/nutrisi, penemuan rute dan lingkungan.
CBR adalah suatu model penalaran yang penggabungkan pemecahan masalah, pemahaman dan pembelajaran serta memadukan keseluruhannya dengan pemrosesan memori. Tugas tersebut dilakukan dengan memanfaatkan kasus yang pernah dialami oleh sistem, yang mana kasus merupakan pengetahuan dalam konteks tertentu yang mewakili suatu pengalaman yang menjadi dasar pembelajaran untuk mencapai tujuan sistem (Edi Faizal ; 2012 : 7).
Case-based Reasoning melakukan proses mengingat penyelesaian masalah
sebelumnya. Kemudian ketika ada permasalahan baru, Case-based Reasoning melakukan perbandingan antara karakteristik permasalahan baru dengan permasalahan yang pernah diselesaikan sebelumnya, ketika permasalahan terbaru
mirip dengan permasalahan sebelumnya, CBR melakukan proses ekstraksi solusi dari permasalahan yang relevan dengan permasalahan baru yang dihadapi, apabila solusi tersebut sesuai maka solusi tersebut dipergunakan untuk memecahkan permasalahan baru. Setelah itu, dilanjutkan dengan proses adaptasi, yakni memperbaiki pengetahuan lama agar sesuai untuk menyelesaikan permasalahan baru. Setelah melalui proses adaptasi, pengetahuan baru akan disimpan sebagai salah satu case base.
NN matching dipergunakan dalam mengukur kemiripan antar case (Ahn
& Kim, 2009).Penghitungan kemiripan dilakukan dengan membandingkan kemiripan atribut ke j pada case (I), dan atribut ke j pada case (i) pada case
memory (R). Formula untuk menghitung kemiripan case input dengan case di
dalam case memory terdapat pada persamaan 1 :
Pembobotan SWING merupakan metode yang memiliki kemampuan menggabungkan rentang atribut dari masing- masing input dari bobot dimana semua atribut didasarkan pada nilai terburuk dan nilai terbaik. Penentuan nilai dilakukan melalui penilaian yang dilakukan oleh para ahli yang
diberikan dengan cara memberikan nilai maksimal pada atribut paling penting, lalu memberikan nilai dibawah nilai maksimal secara berurutan untuk atribut berikutnya. Nilai yang diberikan kepada seluruh atribut dinormalisasikan untuk menjadi nilai bobot yang memiliki rentang antara 0 hingga 1 [7]. Persamaan yang dipergunakan untuk menormalisasi nilai untuk dijadikan bobot dapat dilihat pada persamaan 2:
ri = nilai bagi atribut ke i wi=bobot ke i
Proses adaptasi case merupakan proses penyesuaian dari solusi yang terambil dimana solusi tersebut telah memiliki kemiripan paling tinggi. Penyesuaian dilakukan agar solusi yang terambil tersebut sesuai dengan permasalahan yang sedang dialami dan membuat pengetahuan sistem cerdas menjadi berkembang. Langkah yang dapat diambil dalam proses adaptasi sebagai berikut :
1. Solusi yang dihasilkan dari case yang diambil dapat dipergunakan sebagai solusi dari permasalahan yang sedang dialami baik tanpa ataupun dengan melalui modifikasi.
2. Ketika ternyata dari proses retrieval mendapatkan lebih dari satu kasus yang paling relevan, solusi bisa didapatkan dari salah satu kasus diantara kasus yang paling relevan.
Cara Kerja CBR sama dengan proses penalaran masalah pada otak manusia. Ketika suatu masalah atau case yang ditangani ternyata gagal, maka kegagalan akan disimpan kedalam case memory sehingga kesalahan yang sama tidak terulang. Dan ketika case baru yang ditangani ternyata sukses CBR menyimpannya kedalam case memory untuk memecahkan permasalahan yang sama di kemudian hari. Untuk mengetahui case yang sukses atau gagal perlu dilakukan penilaian dalam dunia nyata untuk memastikan solusi dari CBR benar-benar sukses atau gagal.
Pemeliharaan dengan mengurangi duplikasi case dan menghapus atau memperbaiki case yang salah merupakan hal yang penting untuk mencegah level error terlalu tinggi. Pemeliharaan case-based dapat memberikan pengaruh positif pada kualitas case tersimpan untuk memberikan solusi pada permasalahan yang akan datang. Karena semakin banyaknya jumlah case yang tersimpan, performa pencarian case juga semakin menurun (Irlando Moggi Prakoso; 2012 : A332-A353).
II.2.1. Studi Kasus dengan Metode Case-Based Reasoning
Penelitian yang dilakukan oleh Irlando Moggi Prakoso dengan judul
Penerapan Case Based Reasoning pada Sistem Cerdas Untuk Pendeteksian dan Penanganan Dini Penyakit Sapi (2012) menyatakan bahwan Sistem cerdas
berbasis CBR ini merupakan sebuah aplikasi berbasis web yang berfungsi untuk melakukan diagnosa penyakit sapi berdasarkan ciri-ciri yang diinputkan oleh pengguna. Pengguna dapat menginputkan ciri-ciri gejala pada form input. Ciri-ciri
yang diinputkan tersebut akan dibandingkan dengan ciri-ciri gejala yang tersimpan di dalam case memory untuk tiap-tiap atribut. Dari hasil perbandingan tersebut akan dihitung nilai kemiripan dan ditampilkan case yang memiliki kemiripan tertinggi. Algoritma CBR untuk diagnosa penyakit sapi. Langkah-langkah pada algoritma tersebut adalah sebagai berikut :
1. Pengguna menginputkan gejala penyakit pada sistem cerdas.
2. Sistem cerdas menghitung kemiripan antara case yang diinputkan dengan case
yang ada di case memory menggunakan NN matching.
3. Sistem cerdas menampilkan case paling mirip beserta hasil diagnosa berdasarkan tingkat kemiripan tertinggi.
4. Pengguna mengecek kebenaran hasil diagnosa di dunia nyata dan mengkonfirmasi kebenaran hasil diagnosa. Jika hasil benar, proses berlanjut pada langkah (5). Jika hasil diagnosa salah maka case dan hasil diagnosa tersebut akan ditandai dan dilanjutkan pada proses (7)
5. Jika hasil diagnosa benar, hasil diagnosa yang diusulkan tersebut dipasangkan dengan case yang baru diinputkan pengguna. Namun belum disimpan kedalam
case memory.
6. Sistem cerdas memeriksa apakah kombinasi case yang dinputkan, dan diagnosa yang diusulkan sudah ada di dalam case memory. Jika sudah ada, kombinasi case dan solusi tersebut tidak disimpan. Namun jika belum ada lanjut pada proses (9) & (10).
7. Case beserta hasil diagnosa yang dilaporkan salah dan telah ditandai akan
8. Setelah case dan usulan solusi diperbaiki, apabila case tersebut memiliki kemiripan identik maka langsung masuk proses (10), namun jika tidak identik maka masuk pada proses(9) dilanjutkan dengan proses (10).
9. Menyisipkan ID baru pada case yang tidak terdapat dalam case memory. 10. Melakukan proses penyimpanan case & solusi kedalam database.
Pengujian sistem cerdas berbasis CBR dilakukan dengan tiga skenario pengujian yang dijabarkan sebagai berikut :
1. Pengujian menggunakan case yang terdapat di dalam case memory. 2. Pengujian menggunakan case diluar case memory.
3. Pengujian menggunakan case dengan gejala parsial dari case memory.
Ketiga skenario pengujian yang telah disebutkan bertujuan untuk mengetahui kemampuan sistem cerdas dalam memberikan hasil diagnosa yang akurat ketika sistem cerdas menghadapi situasi dimana case yang dimasukkan sudah ada di case memory, case yang dimasukkan belum ada di case memory, maupun case yang dimasukkan memiliki kesamaan secara parsial dengan case yang terdapat di case memory.
Pengujian pada ketiga skenario dilakukan menggunakan 20 case dimana 5
case memiliki hasil diagnosa sehat, 5 case memiliki hasil diagnosa Penyakti
Mulut Kuku, 5 case memiliki hasil diagnosa Mastitis, dan 5 case memiliki hasil diagnosa Septisemia Epzootica. Case uji coba tersebut dimasukkan kedalam sistem cerdas dan dicatat hasil diagnosa yang muncul. Hal ini dilakukan pada
keseluruhan case uji coba, dilanjutkan dengan perhitungan nilai precision, recall, serta accuration pada masing-masing skenario uji coba. Pengujian untuk semua skenario akan diujikan sebanyak 4 kali dengan rincian sebagai berikut :
1. Melakukan uji coba dengan hasil diagnosa sehat sebagai kelas positif.
2. Melakukan uji coba dengan hasil diagnosa penyakit mulut kuku sebagai kelas positif.
3. Melakukan uji coba dengan hasil diagnosa Mastitis sebagai kelas positif. 4. Melakukan uji coba dengan hasil diagnosa Septisemia Epzootica sebagai kelas
positif.
Setelah melakukan 4 kali pengujian pada ketiga skenario, dilanjutkan dengan menghitung nilai precision, recall, dan accuration. Nilai precision, recall,
accuration dari hasil pengujian sistem cerdas pada ketiga skenario dan
perbandingan nilai precision, recall,accuration dari ketiga skenario secara grafis (Irlando Moggi Prakoso; 2012 : A332-A353).
II.3. PHP
PHP merupakan suatu bahasa pemrograman sisi server yang dapat anda gunakan untuk membuat halaman Web dinamis. Contoh bahasa yang lain adalah
Microsoft Active Server Page (ASP) dan Java Server Page(JSP). Dalam suatu
halaman HTML anda dapat menanamkan kode PHP yang akan dieksekusi setiap kali halaman tersebut dikunjungi. Karena kekayaannya akan fitur yang mempermudah perancangan dan pemrograman Web, PHP memiliki pepularitas yang tinggi.
PHP adalah kependekan dari HyperTextPrepocessor (suatu akronim rekursif) yang dibangun oleh RasmusLerdorf pada tahun 1994. Dahulu, pada awal pengembangnnya PHP disebut sebagai kependekan dari Personal Home Page. PHP merupakan produk OpenSource sehingga anda dapat mengakses sourcecode, menggunakan dan mengubahnya tanpa harus membayar sepeser pun. Gratis (Antonius Nugraha Widhi Pratama ; 2010 : 9).
II.4. MySQL
MySQL adalah suatu sistem manajemen basis data relasional
(RDBMS-Relational Database Management System) yang mampu bekerja dengan cepat,
kokoh, dan mudah digunakan. Contoh RDBMS lain adalah Oracle, Sybase. Basis data memungkinkan anda untuk menyimpan, menelusuri, menurutkan dan mengambil data secara efesien. Server MySQL yang akan membantu melakukan fungsionaliitas tersebut. Bahasa yang digunakan oleh MySQL tentu saja adalah SQL-standar bahasa basis data relasional di seluruh dunia saat ini.
MySQL dikembangkan, dipasarkan dan disokong oleh sebuah perusahaan Swedia bernama MySQL AB. RDBMS ini berada di bawah bendera GNU GPL sehingga termasuk produk Open Source dan sekaligus memiliki lisensi komersial. Apabila menggunakan MySQL sebagai basis data dalam suatu situs Web. Anda tidak perlu membayar, akan tetapi jika ingin membuat produk RDBMS baru dengan basis MySQL dan kemudian mengualnua, anda wajib bertemu mudah dengan lisensi komersial (Antonius Nugraha Widhi Pratama ; 2010 : 10).
II.5. Entity Relationship Diagram (ERD)
Entity Relationship Diagram atau ERD merupakan salah satu alat (tool)
berbentuk grafis yang opopuler untuk desain database. Tool ini relatif lebih mudah dibandingkan dengan Normalisasi. Kebanyakan sistem analis memakai alat ini, tetapi yang jadi masalah, kalau kita cermati secara seksama, tool ini mencapai 2NF (Yuniar Supardi ; 2010 : 448).
Tabel II.1. Simbol ERD
(Sumber : Yuniar Supardi ; 2010 : 448)
II.6. Teknik Normalisasi
Salah satu topik yang cukup kompleks dalam dunia manajemen database adalah proses untuk menormalisasi tabel-tabel dalam database relasional. Dengan normalisasi kita ingin mendesain database relasional yang terdiri dari tabel-tabel berikut :
a. Berisi data yang diperlukan.
b. Memiliki sesedikit mungkin redundansi.
c. Mengakomodasi banyak nilai untuk tipe data yang diperlukan. d. Mengefisienkan update.
e. Menghindari kemungkinan kehilangan data secara tidak disengaja/tidak diketahui.
Alasan utama dari normalisasi database minimal sampai dengan bentuk normal ketiga adalah menghilangkan kemungkinan adanya “insertion anomalies”, “deletion anomalies”, dan “update anomalies”. Tipe-tipe kesalahan tersebut sangat mungkin terjadi pada database yang tidak normal. Adapun tahap normalisasi sebagai berikut :
1. Tahap tidak normal
Bentuk ini merupakan kumpulan data yang akan direkam, tidak ada keharusan mengikuti format tertentu, dapat saja tidak lengkap dan terduplikasi. Data dikumpulkan apa adanya sesuai keadaanya.
Gambar II.1. Tidak Normal Sumber : Tawar ; 2011 : 7
2. Tahap normal tahap pertama (1” Normal Form) Sebuah table disebut 1NF jika :
a. Tidak ada baris yang duplikat dalam tabel tersebut. b. Masing-masing cell bernilai tunggal
Gambar II.2. Normalisasi 1NF Sumber : Tawar ; 2011 : 8
3. Tahap normal tahap kedua (2nd normal form)
Bentuk normal kedua (2NF) terpenuhi jika pada sebuah tabel semua atribut yang tidak termasuk dalam primary key memiliki ketergantungan fungsional pada primary key secara utuh.
Gambar II.3. Normalisasi 2NF Sumber : Tawar ; 2011 : 9
4. Tahap normal tahap ketiga (3rd normal form)
Sebuah tabel dikatakan memenuhi bentuk normal ketiga (3NF), jika untuk setiap ketergantungan fungsional dengan notasi X Y Z, dimana Y mewakili semua atribut tunggal di dalam tabel yang tidak ada di dalam X, maka :
a. X haruslah superkey pada tabel tersebut.
Gambar II.4. Normalisasi 3NF Sumber : Tawar ; 2011 : 10
5. Boyce Code Normal Form (BCNF) a. Memenuhi 1st NF
b. Relasi harus bergantung fungsi pada atribut superkey
Gambar II.5. Normalisasi BCNF Sumber : Tawar ; 2011 : 12
6. Tahap Normal Tahap Keempat dan Kelima
Penerapan aturan normalisasi sampai bentuk normal ketiga sudah memadai untuk menghasilkan tabel berkualitas baik. Namun demikian, terdapat pula bentuk normal keempat (4NF) dan kelima (5NF). Bentuk Normal keempat berkaitan dengan sifat ketergantungan banyak nilai (multivalued dependency) pada suatu tabel yang merupakan pengembangan dari ketergantungan fungsional. Adapun bentuk normal tahap kelima merupakan nama lain dari
Project Join Normal Form (PJNF) (Kusrini ; 2007 : 39-43).
Gambar II.6. Normalisasi 4NF Sumber : Tawar ; 2011 : 13
II.8. Unified Modeling Language (UML)
Hasil pemodelan pada OOAD terdokumentasikan dalam bentuk Unified
Modeling Language (UML). UML adalah bahasa spesifikasi standar yang
dipergunakan untuk mendokumentasikan, menspesifikasikan dan membangun perangkat lunak.
UML merupakan metodologi dalam mengembangkan sistem berorientasi objek dan juga merupakan alat untuk mendukung pengembangan sistem. UML saat ini sangat banyak dipergunakan dalam dunia industri yang merupakan standar bahasa pemodelan umum dalam industri perangkat lunak dan pengembangan sistem (Windu Gata ; 2013 : 4-9).
Alat bantu yang digunakan dalam perancangan berorientasi objek berbasiskan UML adalah sebagai berikut :
1. Use case Diagram
Use case diagram merupakan pemodelan untuk kelakukan (behavior) sistem
informasi yang akan dibuat. Use case mendeskripsikan sebuah interaksi antara satu atau lebih aktor dengan sistem informasi yang akan dibuat. Dapat dikatakan
use case digunakan untuk mengetahui fungsi apa saja yang ada di dalam sistem
informasi dan siapa saja yang berhak menggunakan fungsi-fungsi tersebut. Simbol-simbol yang digunakan dalam use case diagram, yaitu :
Tabel II.2. Simbol Use Case
Gambar Keterangan
Use case menggambarkan fungsionalitas yang
disediakan sistem sebagai unit-unit yang bertukan pesan antar unit dengan aktor, biasanya dinyatakan dengan menggunakan kata kerja di awal nama use
case.
Aktor adalah abstraction dari orang atau sistem yang lain yang mengaktifkan fungsi dari target sistem. Untuk mengidentifikasikan aktor, harus ditentukan pembagian tenaga kerja dan tugas-tugas yang berkaitan dengan peran pada konteks target sistem. Orang atau sistem bisa muncul dalam beberapa peran. Perlu dicatat bahwa aktor berinteraksi dengan
use case, tetapi tidak memiliki control terhadap use case.
Asosiasi antara aktor dan use case, digambarkan dengan garis tanpa panah yang mengindikasikan siapa atau apa yang meminta interaksi secara langsung dan bukannya mengidikasikan aliran data. Asosiasi antara aktor dan use case yang menggunakan panah terbuka untuk mengidinkasikan bila aktor berinteraksi secara pasif dengan sistem.
Include, merupakan di dalam use case lain
(required) atau pemanggilan use case oleh use case lain, contohnya adalah pemanggilan sebuah fungsi program.
Extend, merupakan perluasan dari use case lain jika
kondisi atau syarat terpenuhi.
(Sumber : Windu Gata ; 2013 : 4)
2. Class Diagram (Diagram Kelas)
Merupakan hubungan antar kelas dan penjelasan detail tiap-tiap kelas di dalam model desain dari suatu sistem, juga memperlihatkan aturan-aturan dan tanggng jawab entitas yang menentukan perilaku sistem.
Class diagram juga menunjukkan atribut-atribut dan operasi-operasi dari
sebuah kelas dan constraint yang berhubungan dengan objek yang dikoneksikan.
Class diagram secara khas meliputi: Kelas (Class), Relasi, Associations,
Generalization dan Aggregation, Atribut (Attributes), Operasi
(Operations/Method), Visibility, tingkat akses objek eksternal kepada suatu operasi atau atribut. Hubungan antar kelas mempunyai keterangan yang disebut dengan multiplicity atau kardinaliti.
Tabel II.3. Multiplicity Class Diagram
Multiplicity Penjelasan
1 Satu dan hanya satu
0..* Boleh tidak ada atau 1 atau lebih
1..* 1 atau lebih
0..1 Boleh tidak ada, maksimal 1
n..n Batasan antara. Contoh 2..4 mempunyai arti
minimal 2 maksimum 4
(Sumber : Windu Gata ; 2013 : 9)
3. Diagram Aktivitas (Activity Diagram)
Activity Diagram menggambarkan workflow (aliran kerja) atau aktivitas dari
sebuah sistem atau proses bisnis. Simbol-simbol yang digunakan dalam activity
diagram, yaitu :
Tabel II.4. Simbol Activity Diagram
Gambar Keterangan
Start point, diletakkan pada pojok kiri atas dan
merupakan awal aktifitas.
End point, akhir aktifitas.
Activites, menggambarkan suatu proses/kegiatan
Fork (Percabangan), digunakan untuk menunjukkan
kegiatan yang dilakukan secara parallel atau untuk menggabungkan dua kegiatan pararel menjadi satu.
Join (penggabungan) atau rake, digunakan untuk
menunjukkan adanya dekomposisi.
Decision Points, menggambarkan pilihan untuk
pengambilan keputusan, true, false.
(Sumber : Windu Gata ; 2013 : 6)
4. Diagram Urutan (Sequence Diagram)
Sequence diagram menggambarkan kelakuan objek pada use case dengan
mendeskripsikan waktu hidup objek dan pesan yang dikirimkan dan diterima antar objek. Simbol-simbol yang digunakan dalam sequence diagram, yaitu :
Tabel II.5. Simbol Sequence Diagram
Gambar Keterangan
Entity Class, merupakan bagian dari sistem yang
berisi kumpulan kelas berupa entitas-entitas yang membentuk gambaran awal sistem dan menjadi landasan untuk menyusun basis data.
Boundary Class, berisi kumpulan kelas yang menjadi interface atau interaksi antara satu atau lebih aktor
dengan sistem, seperti tampilan formentry dan form cetak.
Control class, suatu objek yang berisi logika aplikasi
yang tidak memiliki tanggung jawab kepada entitas, contohnya adalah kalkulasi dan aturan bisnis yang melibatkan berbagai objek.
Message, simbol mengirim pesan antar class.
Recursive, menggambarkan pengiriman pesan yang
dikirim untuk dirinya sendiri.
Activation, activation mewakili sebuah eksekusi
operasi dari objek, panjang kotak ini berbanding lurus dengan durasi aktivitas sebuah operasi.
Lifeline, garis titik-titik yang terhubung dengan
objek, sepanjang lifeline terdapat activation.
BAB III
36
BAB III
ANALISA DAN PERANCANGAN
Pada bab ini akan dibahas mengenai perancangan sistem pakar Untuk Diagnosa Pneumonia dengan menggunakan metode Case Based Reasoning yang meliputi analisa sistem yang sedang berjalan dan desain sistem.
III.1. Analisa Masalah
Analisa masalah bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Pakar Diagnosa Pneumonia Menggunakan Metode Case Based Reasoning Berbasis Web. Adapun permasalahan sistem yang sedang berjalan adalah :
3. Banyak terjadi kesalahan dalam mendiagnosa penyakit Pneumonia yang sering dilakukan oleh seorang dokter. Karena pada dasarnya hampir semua jenis penyakit mempunyai gejala awal yang sama sehingga sering terjadi kesalahan dalam menentukan keputusan.
4. Tidak ada perhitungan nilai penyakit dengan menggunakan metode case based reasoning
Berdasarkan permasalahan sistem yang sedang berjalan, maka penulis melakukan strategi permasalahan sistem untuk memperbaiki sistem yang sedang berjalan :
3. Merancang suatu aplikasi sistem pakar mendiagnosa penyakit Pneumonia pada pasien sehingga pengguna dapat mengambil keputusan dengan tepat dengan proses pengolahan data yang cepat.
4. Merancang dan membangun sistem pakar dengan perhitungan nilai penyakit dengan menggunakan metode case based reasoning
III.1.1. Analisa Input
Pada saat sistem ini belum dirancang, secara umum masyarakat tidak pernah mengetahui bagaimana cara untuk mendiagnosa penyakit Pneumonia. Hal yang pertama kali dilakukan adalah dengan datang ke dokter atau pusat kesehatan, dan menyampaikan keluhan atas gejala yang dialami. Hal inilah yang menjadi masukan bagi dokter untuk mengobati pasien penderita penyakit Pneumonia.
III.1.2. Analisa Proses
Proses yang dilakukan pada sistem yang sedang berjalan dapat dijelaskan pada gambar III.1. di bawah ini :
Pasien Admin Dokter Mendaftar Sebagai Pengunjung Data Pasien Nomor Antrian Konsultasi Pemeriksaan Gejala Pasien Penyakit Pasien Input Data Pasien Memberi Nomor Urut Pemanggilan Antrian Pemanggilan Antrian Resep Dokter Resep Dokter Rekam Medis Diagnosa Penyakit
Gambar III.1. FOD Analisa Proses
III.1.3. Analisa Output
Analisa output yang dihasilkan dari sistem yang sedang berjalan adalah informasi-informasi mengenai penyakit Pneumonia sesuai dengan gejala yang diberikan oleh pasien.
III.2. Penerapan Metode / Algoritma
Case Base Reasoning telah diaplikasikan dalam banyak bidang yang berbeda. Dari berbagai bidang aplikasi tersebut menunjukkan berapa luasnya
cakupan CBR, kebanyakan merupakan aplikasi dalam kerangka kecerdasan buatan. Bidang aplikasi tersebut antara lain, hukum, kedokteran, rekayasa, komputerrisasi, jaringan komunikasi, desain pabrik, keuangan, penjadwalan, bahasa, sejarah, makanan/nutrisi, penemuan rute dan lingkungan.
CBR adalah suatu model penalaran yang penggabungkan pemecahan masalah, pemahaman dan pembelajaran serta memadukan keseluruhannya dengan pemrosesan memori. Tugas tersebut dilakukan dengan memanfaatkan kasus yang pernah dialami oleh sistem, yang mana kasus merupakan pengetahuan dalam konteks tertentu yang mewakili suatu pengalaman yang menjadi dasar pembelajaran untuk mencapai tujuan sistem (Edi Faizal ; 2012 : 7).
Case Based Reasoning melakukan proses mengingat penyelesaian masalah
sebelumnya. Kemudian ketika ada permasalahan baru, Case-based Reasoning melakukan perbandingan antara karakteristik permasalahan baru dengan permasalahan yang pernah diselesaikan sebelumnya, ketika permasalahan terbaru mirip dengan permasalahan sebelumnya, CBR melakukan proses ekstraksi solusi dari permasalahan yang relevan dengan permasalahan baru yang dihadapi, apabila solusi tersebut sesuai maka solusi tersebut dipergunakan untuk memecahkan permasalahan baru. Setelah itu, dilanjutkan dengan proses adaptasi, yakni memperbaiki pengetahuan lama agar sesuai untuk menyelesaikan permasalahan baru. Setelah melalui proses adaptasi, pengetahuan baru akan disimpan sebagai salah satu case base.
NN matching dipergunakan dalam mengukur kemiripan antar case (Ahn
kemiripan atribut ke j pada case(I), dan atribut ke j pada case (i) pada case
memory (R). Formula untuk menghitung kemiripan case input dengan case di
dalam case memory terdapat pada persamaan 1:
...(1)
J = atribut ke j
n = atribut ke n
Wj = bobot atribut ke j
= nilai dari atribut j pada case inputan I
= atribut j pada case i yang tersimpan dalam case memory (R) = hasil perbandingan dengan hasil € [0,1]
Pembobotan SWING merupakan metode yang memiliki kemampuan menggabungkan rentang atribut dari masing- masing input dari bobot di mana semua atribut di dasarkan pada nilai terburuk dan nilai terbaik. Penentuan nilai di lakukan melalui penilaian yang dilakukan oleh para ahli yang diberikan dengan cara memberikan nilai maksimal pada atribut paling penting, lalu memberikan nilai dibawah nilai maksimal secara berurutan untuk atribut berikutnya. Nilai yang di berikan kepada seluruh atribut di normalisasikan untuk menjadi nilai bobot yang memiliki rentang antara 0 hingga 1 [7]. Persamaan yang di pergunakan untuk menormalisasi nilai untuk di jadikan bobot dapat di lihat pada persamaan 2:
ri=nilai bagi atribut ke i wi=bobot kei
Proses adaptasi case merupakan proses penyesuaian dari solusi yang terambil dimana solusi tersebut telah memiliki kemiripan paling tinggi. Penyesuaian dilakukan agar solusi yang terambil tersebut sesuai dengan permasalahan yang sedang dialami dan membuat pengetahuan system cerdas menjadi berkembang. Langkah yang dapat diambil dalam proses adaptasi sebagai berikut :
3. Solusi yang dihasilkan dari case yang di ambil dapat di pergunakan sebagai solusi dari permasalahan yang sedang di alami baik ataupun dengan melalui modifikasi.
4. Ketika ternyata dari proses retrieval mendapatkan lebih dari satu kasus yang paling relevan, solusi bisa di dapatkan dari salah satu kasus di antara kasus yang paling relevan.
Cara Kerja CBR sama dengan proses penalaran masalah pada otak manusia. Ketika suatu masalah atau case yang ditangani ternyata gagal, maka kegagalan akan disimpan kedalam case memory sehingga kesalahan yang sama tidak terulang. Dan ketika case baru yang ditangani ternyata sukses CBR menyimpannya kedalam case memory untuk memecahkan permasalahan yang sama di kemudian hari. Untuk mengetahui case yang sukses atau gagal perlu dilakukan penilaian dalam dunia nyata untuk memastikan solusi dari CBR benar-benar sukses atau gagal.
Pemeliharaan dengan mengurangi duplikasi case dan menghapus atau memperbaiki case yang salah merupakan hal yang penting untuk mencegah level error terlalu tinggi. Pemeliharaan case-based dapat memberikan pengaruh positif
pada kualitas case tersimpan untuk memberikan solusi pada permasalahan yang akan datang. Karena semakin banyaknya jumlah case yang tersimpan, performa pencarian case juga semakin menurun(Irlando Moggi Prakoso; 2012 : A332-A353).
III.2.1. Keterangan Penyakit
Tabel III.1. Tabel Penyakit
id_stadium nama keterangan penanganan
S-01 Stadium I 4-12 jam pertama atau stadium
kongesti.
Disebut hiperemia, mengacu pada respon peradangan permulaan yang berlangsung pada daerah baru yang terinfeksi.
Pemberian oksigen lembab 2-4 L/menit à sampai sesak nafas hilang atau PaO2 pada analisis gas darah ≥ 60 torr.
S-02 Stadium II Disebut hepatisasi merah, terjadi
sewaktu alveolus terisi oleh sel darah merah, eksudat dan fibrin yang
dihasilkan oleh penjamu ( host ) sebagai bagian dari reaksi peradangan. Lobus yang terkena menjadi padat oleh karena adanya penumpukan leukosit, eritrosit dan cairan, sehingga warna paru menjadi merah dan pada perabaan seperti hepar, pada stadium ini udara alveoli tidak ada atau sangat minimal sehingga anak akan bertambah sesak, stadium ini berlangsung sangat singkat, yaitu selama 48 jam.
Pemasangan infus untuk rehidrasi dan koreksi elektrolit, Asidosis diatasi dengan pemberian
bikarbonat intravena.
S-03 Stadium III Disebut hepatisasi kelabu, yang terjadi sewaktu sel-sel darah putih
mengkolonisasi daerah paru yang terinfeksi. Pada saat ini endapan fibrin terakumulasi di seluruh daerah yang cedera dan terjadi fagositosis sisa-sisa
Mukolitik, ekspektoran dan obat penurun panas sebaiknya tidak diberikan pada 72 jam pertama karena akan mengaburkan interpretasi reaksi
sel. Pada stadium ini eritrosit di alveoli mulai diresorbsi, lobus masih tetap padat karena berisi fibrin dan leukosit, warna merah menjadi pucat kelabu dan kapiler darah tidak lagi mengalami kongesti.
antibiotik awal.
S-04 Stadium IV Disebut juga stadium resolusi, yang
terjadi sewaktu respon imun dan peradangan mereda, sisa-sisa sel fibrin dan eksudat lisis dan diabsorsi oleh makrofag sehingga jaringan kembali ke strukturnya semula.
Pemberian antibiotika berdasarkan
mikroorganisme penyebab dan manifestasi klinis. Pneumonia ringan à amoksisilin 10-25 mg/kgBB/dosis (di wilayah dengan angka resistensi penisillin tinggi dosis dapat dinaikkan menjadi 80-90
mg/kgBB/hari).
Tabel III.2. Tabel Gejala ID
Gejala Gejala Jenis Bobot
G01 Sakit Kepala Berkepanjangan Gejala
Penting 1
G02 Mual Gejala Biasa 0.5
G03 Muntah Gejala Biasa 0.5
G04 Kehilangan Nafsu Makan Gejala
Penting 1
G05 Nyeri Sendi Gejala Biasa 0.5
G06 Sakit Saat Menarik Nafas Gejala
Penting 1
G07 Detak Jantung Terasa Cepat Gejala
Penting 1
G08 Demam Gejala Biasa 0.5
G09 Menggigil Gejala Biasa 0.5
G10 Sesak Nafas Gejala
Penting 1
III.2.2. Flowchart Metode Case Based Reasoning
Flowchart adalah penggambaran secara grafik dari langkah-langkah dan
urut-urutan prosedur dari suatu program. Flowchart menolong analis dan programmer untuk memecahkan masalah kedalam segmen-segmen yang lebih kecil dan menolong dalam menganalisis alternatif-alternatif lain dalam pengoperasian. Berikut adalah flowchart untuk Sistem Pendukung Keputusan:
Mulai
Menginputkan stadium penyakit
Menginputkan Gejala penyakit
Menentukan basis kasus
Nilai Penyakit
Selesai
