36
BAB III
ANALISA DAN DESAIN SISTEM
III.1. Analisa Sistem
Analisa sistem yang dijelaskan pada bab ini adalah sebagai bahan perbandingan dengan sistem yang akan dirancang. Adapun sistem yang sedang berjalan sebelum menggunakan sistem pakar ini masih menggunakan manualisasi.
Pasien datang ke dokter dengan keluhan gejala penyakit yang diderita oleh pasien, kemudian dokter tersebut menganalisa penyakit yang diderita oleh pasien dan melakukan beberapa tahap pemeriksaan. Setelah diketahui penyakit yang diderita oleh pasien, dokter memberikan solusi.
III.1.1. Analisa Input
Agar proses konsultasi dapat dilakukan dan menghasilkan keluaran sesuai dengan yang diharapkan maka dokter perlu mengambil data input dari pasien.
Data input yang diberikan pasien kepada dokter masih diinputkan secara manual yaitu dengan menyampaikan langsung data pasien kepada dokter. Adapun data inputan pasien yang diperlukan adalah nama, usia pasien, dan alamat.
III.1.2. Analisa Proses
Berdasarkan sistem yang sedang berjalan, tahapan-tahapan kerja atau proses diagnosa penyakit kanker mulut rahim adalah sebagai berikut :
1. Pasien yang ingin konsultasi harus terlebih dahulu mengisi data pasien.
2. Admin menerima data pasien dan menyerahkannya ke dokter.
3. Dokter meneriama data pasien dan menanyakan keluhan-keluhan yang dialami oleh pasien.
4. Setelah mengetahui keluhan yang diderita pasien, dokter melakukan diagnosa penyakit yang dialami pasien dan memberikan solusi
Adapun proses dari mendiagnosa penyakit kanker mulut rahim digambarkan dengan FOD (Flow of Document) yang ditunjukkan pada Gambar III.1.
Pasien Admin
Mulai
Data Hasil Diagnosa dan Solusi Data Hasil Diagnosa
dan Solusi
Selesai
Dokter
Mengisi Data Pasien
Data Pasien
Menanyakan Keluhan
Pasien Menerima Data Pasien
Melakukan Diagnosa Penyakit
dan Memberi Solusi
Gambar III.1. Flow Of Document (FOD)
III.1.3. Analisa Output
Output yang dihasilkan dari sistem ini adalah berupa informasi apakah seseorang terkena penyakit kanker mulut rahim atau tidak. Adapun contoh dokumen output ditunjukkan pada Gambar III.2.
Gambar III.2. Output Diagnosa Penyakit Kanker Mulut Rahim (Sumber: Rumah Sakit Siti Hajar Medan)
III.2. Evaluasi Sistem Yang Berjalan
Berdasarkan analisa terhadap input, proses dan output pada sistem pakar diagnosa penyakit kanker mulut rahim yang sedang berjalan, penulis menemukan beberapa kelemahan antara lain :
1. Waktu yang dibutuhkan untuk melakukan konsultasi relatif tidak efektif karena pada umumnya pasien yang akan melakukan konsultasi harus membuat janji dan mengantri untuk bertemu dengan pakar (dokter).
2. Biaya yang dikeluarkan relatif tidak murah.
3. Tidak ada database untuk menyimpan data pasien.
Untuk menangani kelemahan-kelemahan sistem yang ada, salah satu solusi yang ditawarkan adalah dengan merancang sistem pakar untuk mendiagnosa penyakit kanker mulut rahim menggunakan bahasa pemrograman Visual Basic 2010 dan database SQL Server 2008 R2. Metode sistem pakar yang digunakan yaitu membandingkan penggunaan metode Dempster Shafer dengan metode Certainty Factor dalam mendiagnosa penyakit kanker mulut rahim.
III.3. Representasi Pengetahuan
Representasi pengetahuan merupakan metode yang digunakan untuk mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan (knowledge base). Basis pengetahuan mengandung pengetahuan untuk pemahaman dan merupakan inti dari sistem pakar, yaitu berupa representasi pengetahuan dari pakar yang tersusun atas dua elemen dasar yaitu, fakta dan aturan, dan mesin inferensi untuk mendiagnosa penyakit kanker mulut rahim.
Basis pengetahuan di dalam sistem pakar ini akan digunakan untuk menentukan proses pencarian atau menentukan kesimpulan yang diperoleh dari hasil analisis. Hasil yang diperoleh setelah pengguna melakukan interaksi dengan sistem pakar yaitu dengan menjawab pertanyaan yang diajukan oleh sistem pakar.
Basis pengetahuan yang di gunakan didalam sistem pakar ini terdiri dari nama penyakit serta gejala-gejala yang diderita oleh pasien.
Nilai keyakinan terhadap gejala-gejala penyakit kanker mulut rahim ditunjukkan pada tabel III.1.
Tabel III.1. Tabel Nilai Keyakinan Gejala Kanker Mulut Rahim ID
Gejala
Gejala
Nilai DS/CF G0
01
Keputihan
0.8
G0 02
Peningkatan frekuensi urin
0.8
G0 03
Kesulitan dalam buang air kecil
0.7
G0 04
Nyeri selama hubungan seksual
0.6
G0 05
Gangguan pencernaan
0.7
G0 06
Kehilangan nafsu makan
0.6
G0 07
Nyeri panggul
0.6
G0 08
Kelelahan
0.6
G0 09
Pendarahan pada vagina
0.8
G0 10
Nyeri di sekitar pinggul
0.7
G0 11
Pendarahan setelah monopause
0.8
G0 12
Keputihan yang abnormal (diluar biasanya)
0.8
G0 13
Pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya
0.7
G0 14
Sakit punggung
0.8
G0 15
Nyeri tulang atau patah tulang
0.8
G0 16
Keluarnya urin atau feses dari vagina
0.8
G0 17
Nyeri pada kaki
0.7
G0 Kaki bengkak 0.7
18 G0 19
Menurunnya berat badan
0.6
Adapun jenis stadium penyakit kanker mulut rahim ditunjukkan pada tabel III.2.
Tabel III.2. Tabel Penyakit Kanker Mulut Rahim Id
Penyakit
Nama Penyakit
P001 Kanker Mulut Rahim Stadium Awal
P002 Kanker Mulut Rahim Stadium Sedang
P003 Kanker Mulut Rahim Stadium Lanjut
Tabel keputusan untuk gejala-gejala penyakit kanker mulut rahim dapat dilihat pada Tabel III.3.
Tabel III.3. Tabel Keputusan Untuk Penyakit Kanker Mulut Rahim ID
Gejala
Gejala
Pen yakit
G001 Keputihan Kan
ker Mulut G002 Peningkatan frekuensi urin
G003 Kesulitan dalam buang air kecil Rahim Stadium
Awal G004 Nyeri selama hubungan seksual
G005 Gangguan pencernaan G006 Kehilangan nafsu makan G007 Nyeri panggul
G008 Kelelahan
G009 Pendarahan pada vagina
Kan ker Mulut
Rahim Stadium
Sedang G004 Nyeri selama hubungan seksual
G010 Nyeri di sekitar pinggul
G011 Pendarahan setelah monopause
G012 Keputihan yang abnormal (diluar biasanya)
G013
Pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya
G014 Sakit punggung
Kan ker Mulut
Rahim Stadium
Lanjut G015 Nyeri tulang atau patah tulang
G008 Kelelahan
G016 Keluarnya urin atau feses dari vagina G017 Nyeri pada kaki
G006 Kehilangan nafsu makan G007 Nyeri panggul
G018 Kaki bengkak
G019 Menurunnya berat badan
Adapun solusi pengobatan penyakit kanker mulut rahim ditunjukkan pada tabel III.4.
Tabel III.4. Solusi Pengobatan Penyakit Kanker Mulut Rahim
Penyakit Solusi Pengobatan
Kanker Mulut Rahim Stadium Awal
Mengkonsumsi Jus Amazon Plus, yang berkomposisi Acai Berry, Blueberry, Zaitun, Delima Merah, Manggis, dan Tomat.
Kanker Mulut Rahim Stadium Sedang
Operasi pengangkatan sebagian atau seluruh organ rahim, radioterapi, atau kombinasi keduanya.
Kanker Mulut Rahim Stadium Lanjut
Radioterapi atau kemoterapi, dan kadang operasi juga perlu dilakukan.
Metode representasi pengetahuan yang digunakan dalam sistem ini adalah representasi logika. Sehingga representasi pengetahuan untuk mendiagnosa penyakit kanker mulut rahim memiliki rule base sebagai berikut :
1. IF Keputihan (0.8)
AND Peningkatan frekuensi urin (0.8) AND Kesulitan dalam buang air kecil (0.7) AND Nyeri selama hubungan seksual (0.6)
AND Gangguan pencernaan (0.7) AND Kehilangan nafsu makan(0.6) AND Nyeri panggul(0.6)
AND Kelelahan(0.6)
THEN Kanker mulut rahim stadium awal (P001)
2. IF Pendarahan pada vagina (0.8)
AND Nyeri selama hubungan seksual (0.6) AND Nyeri di sekitar pinggul (0.7)
AND Pendarahan setelah monopause (0.8)
AND Keputihan yang abnormal (diluar biasanya) (0.8)
AND Pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya (0.7)
THEN Kanker mulut rahim stadium sedang (P002)
3. IF Sakit punggung (0.8)
AND Nyeri tulang atau patah tulang (0.8) AND Kelelahan (0.6)
AND Keluarnya urin atau feses dari vagina (0.8) AND Nyeri pada kaki (0.7)
AND Kehilangan nafsu makan (0.6) AND Nyeri panggul (0.6)
AND Kaki bengkak (0.7)
AND Menurunnya berat badan (0.6)
THEN Kanker mulut rahim stadium lanjut (P003)
Pohon keputusan digunakan sebagai alat pendukung keputusan untuk mengklasifikasikan penyakit kanker mulut rahim berdasarkan serangkaian pertanyaan mengenai gejala-gejala kanker mulut rahim yang dialami pasien.
Adapun pohon keputusan dalam mendiagnosa penyakit kanker mulut rahim ditunjukkan pada Gambar III.3.
G002
G003 T
Y
Y
Y
G003 T
G001
G004 G004 G004
G005 G005 G005 G005
T
G009
G006
G007
G008
G006
G007
G008
G006 G006 G006
G007 G007 G007 G007
G008 G008 G008 G008 G008 Y
Y
Y
Y
Y
Y
Y
T
T
T
T T
T
T T
T
T Y
Y
Y Y
Y
Y T
T T
Y T Y T Y T Y T Y T Y T
P001
Y T Y T Y T Y T Y T Y T Y T
G004
G010 T
Y
Y
Y G010 T G011 G011 G011
G012 G012 G012 G012
G013 G013 G013 G013 G013 Y
Y
Y
Y
Y
Y
T
T
T
T T
T
T T
T
T Y
Y
Y Y
Y
Y T
T T
P002
G014
G015 T T
Y
Y G015 T G008 G008 G008
G016 G016 G016 G016
G017
G006
G007
G017
G006
G007
G017 G017 G017
G006 G006 G006 G006
G007 G007 G007 G007 G007 Y
Y
Y
Y
Y
Y
Y
T
T
T
T T
T
T T
T
T Y
Y
Y Y
Y
Y T
T T
Y T Y T Y T Y T Y T Y T
Y T Y T Y T Y T Y T Y T Y T G018 G018 G018 G018 G018 G018 G018 Y T Y T Y T Y TY T Y TY T G018
G019 G019 G019 G019 G019 G019 G019 Y T Y T Y T Y T Y T Y T Y T G019 G019
Y T
P003
Y T Y T
Gambar III.3. Pohon Keputusan
III.4. Penerapan Metode
Disini akan dijelaskan penerapan dari metode yang digunakan dalam sistem pakar mendiagnosa penyakit kanker mulut rahim yang akan dibangun, yaitu metode Dempster Shafer dengan metode Certainty Factor.
III.4.1. Penerapan Metode Dempster Shafer
Secara umum teori Dempster-Shafer ditulis dalam suatu interval : [Belief,Plausibility]. Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian.
Dimana nilai bel yaitu (0 - 0.9). Plausibility (Pls) akan mengurangi tingkat kepastian dari evidence. Plausibility bernilai 0 sampai 1. Jika yakin akan X’, maka dapat dikatakan bahwa Bel(X’) = 1, sehingga rumus di atas nilai dari Pls(X) = 0.
Fungsi Belief dapat diformulasikan dan ditunjukkan pada persamaan (1) :
Dan Plausibility dinotasikan pada persamaan (2) :
Dimana :
Bel (X) = Belief (X) Pls (X) = Plausibility (X) m (X) = mass function dari (X) m (Y) = mass function dari (Y)
Teori Dempster-Shafer menyatakan adanya frame of discrement yang dinotasikan dengan simbol (θ). Frame of discrement merupakan semesta pembicaraan dari sekumpulan hipotesis.
Mass function (m) dalam teori Dempster-shafer adalah tingkat kepercayaan dari suatu evidence (gejala), sering disebut dengan evidence measure sehingga dinotasikan dengan (m). Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya.
Sehingga jika θ berisi n elemen, maka subset θ adalah 2n. Jumlah semua m dalam subset θ sama dengan 1. Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai :
m{θ} = 1,0
Apabila diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m1 dan m2 sebagai m3, yaitu ditunjukkan pada persamaan (3) :
Dimana :
m3(Z) = mass function dari evidence (Z)
m1 (X) = mass function dari evidence (X), yang diperoleh dari nilai
keyakinan suatu evidence dikalikan dengan nilai disbelief dari evidence tersebut.
m2 (Y) = mass function dari evidence (Y), yang diperoleh dari nilai
keyakinan suatu evidence dikalikan dengan nilai disbelief dari evidence tersebut.
= merupakan nilai kekuatan dari evidence Z yang diperoleh dari kombinasi nilai keyakinan sekumpulan evidence.
Adapun gambaran alur sistem (flowchart) dari penerapan metode dempster shafer dalam mendiagnosa penyakit kanker mulut rahim dapat dilihat pada gambar III.4.
Start
Input nilai belief dari gejala Bel (X) = ∑ m (Y)
Hitung nilai plausibility Pls (X) = 1 – Bel (X) = 1 - ∑ m (X)
Hasil diagnosa kenker mulut rahim metode dempster shafer
End
Menghitung tingkat keyakinan (m) combine
Gambar III.4. Flowchart Metode Dempster Shafer
Contoh Kasus : Contoh 1:
Berikut contoh kasus penerapan metode dempster shafer dalam mendiagnosa penyakit kanker mulut rahim stadium awal (P001). Kaidah-kaidah produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium awal adalah sebagai berikut :
IF Keputihan
AND Peningkatan frekuensi urin AND Kesulitan dalam buang air kecil AND Nyeri selama hubungan seksual AND Gangguan pencernaan
AND Kehilangan nafsu makan AND Nyeri panggul
AND Kelelahan
THEN Kanker Mulut Rahim Stadium Awal 1. Gejala-1 : Keputihan
Langkah pertama hitung nilai dari belief dan plausibility dari gejala keputihan (G1), dengan rumus (1) dan (2) :
m1 (G1) = 0.8
m1 {θ} = 1 – m1 (G1)
= 1 – 0.8 = 0.2
2. Gejala-2 : Peningkatan frekuensi urin
Apabila diketahui adanya gejala baru, yaitu peningkatan frekuensi urin (G2), dengan mengacu pada rumus (1) dan (2), maka nilai keyakinannya :
m2 (G2) = 0.8
m2 {θ} = 1 – m2 (G2)
= 1 – 0.8 = 0.2
Tabel III.5. Ilustrasi Nilai Keyakinan Terhadap 2 Gejala m2 (G2) =
0.8
m2 {θ} = 0.2
m1 (G1) = 0.8 0.64 0.16
m1 {θ} = 0.2 - 0.04
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
3. Gejala-3 : Kesulitan dalam buang air kecil
Kemudian apabila diketahui adanya gejala baru, yaitu kesulitan dalam buang air kecil (G3), dengan rumus (1) dan (2) :
m4 (G3) = 0.7
m4 {θ} = 1 – m4 (G3)
= 1 – 0.7 = 0.3
Tabel III.6. Ilustrasi Nilai Keyakinan Terhadap 3 Gejala m4 (G3) =
0.7
m4 {θ} = 0.3
m3 = 0.8 0.56 0.24
m3 {θ} = 0.04
- 0.012
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
4. Gejala-4 : Nyeri selama hubungan seksual
Kemudian apabila diketahui adanya gejala baru, yaitu nyeri selama hubungan seksual (G4), dengan rumus (1) dan (2), maka :
m6 (G4) = 0.6
m6 {θ} = 1 – m6 (G4)
= 1 – 0.6 = 0.4
Tabel III.7. Ilustrasi Nilai Keyakinan Terhadap 4 Gejala m6 (G4) =
0.6
m6 {θ} = 0.4
m5 = 0.8 0.48 0.32
m5 {θ} = 0.012
- 0.005
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
5. Gejala-5 : Gangguan pencernaan
Kemudian apabila diketahui adanya gejala baru, yaitu gangguan pencernaan (G5), dengan rumus (1) dan (2), maka :
m8 (G5) = 0.7
m8 {θ} = 1 – m8 (G5)
= 1 – 0.7 = 0.3
Tabel III.8. Ilustrasi Nilai Keyakinan Terhadap 5 Gejala m8 (G5) =
0.7
m8 {θ} = 0.3
m7 = 0.8 0.56 0.24
m7 {θ} = 0.005
- 0.0015
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
6. Gejala-6 : Kehilangan nafsu makan
Kemudian apabila diketahui adanya gejala baru, yaitu kehilangan nafsu makan (G6), dengan rumus (1) dan (2), maka :
m10 (G6) = 0.6
m10 {θ} = 1 – m10 (G6)
= 1 – 0.6 = 0.4
Tabel III.9. Ilustrasi Nilai Keyakinan Terhadap 6 Gejala m10 (G6) =
0.6
m10 {θ} = 0.4
m9 = 0.8 0.48 0.32
m9 {θ} = 0.0015
- 0.0006
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
7. Gejala-7 : Nyeri panggul
Kemudian apabila diketahui adanya gejala baru, yaitu nyeri panggul (G7), dengan rumus (1) dan (2), maka :
m12 (G7) = 0.6
m12 {θ} = 1 – m12 (G7)
= 1 – 0.6 = 0.4
Tabel III.10. Ilustrasi Nilai Keyakinan Terhadap 7 Gejala m12 (G7) =
0.6
m12 {θ} = 0.4
m11 = 0.8 0.48 0.32
m11 {θ} = 0.0006
- 0.0002
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
8. Gejala-8 : Kelelahan
Kemudian apabila diketahui adanya gejala baru, yaitu kelelahan (G8), dengan rumus (2) dan (2), maka :
m14 (G8) = 0.6
m14 {θ} = 1 – m14 (G8)
= 1 – 0.6 = 0.4
Tabel III.11. Ilustrasi Nilai Keyakinan Terhadap 8 Gejala m14 (G8) =
0.6
m14 {θ} = 0.4
m13 = 0.8 0.48 0.32
m13 {θ} = 0.0002
- 0.00008
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
Nilai Akhir = (m15 + m15 {θ}) * 100%
= (0.8 + 0.00008) * 100%
= 0.80008 * 100 %
= 80.01 %
Contoh 2:
Berikut contoh kasus penerapan metode dempster shafer dalam mendiagnosa penyakit kanker mulut rahim stadium sedang (P002). Kaidah-kaidah
produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium sedang adalah sebagai berikut :
IF Pendarahan pada vagina
AND Nyeri selama hubungan seksual AND Nyeri di sekitar pinggul
AND Pendarahan setelah monopause
AND Keputihan yang abnormal (diluar biasanya)
AND Pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya
THEN Kanker Mulut Rahim Stadium Sedang
1. Gejala-1 : Pendarahan pada vagina
Langkah pertama hitung nilai dari belief dan plausibility dari gejala pendarahan pada vagina (G1), dengan rumus (1) dan (2) :
m1 (G1) = 0.8
m1 {θ} = 1 – m1 (G1)
= 1 – 0.8 = 0.2
2. Gejala-2 : Nyeri selama hubungan seksual
Apabila diketahui adanya gejala baru, yaitu nyeri selama hubungan seksual (G2), dengan mengacu pada rumus (1) dan (2), maka nilai keyakinannya : m2 (G2) = 0.6
m2 {θ} = 1 – m2 (G2)
= 1 – 0.6 = 0.4
Tabel III.12. Ilustrasi Nilai Keyakinan Terhadap 2 Gejala m2 (G2) =
0.6
m2 {θ} = 0.4
m1 (G1) = 0.8 0.48 0.32
m1 {θ} = 0.2 - 0.08
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
3. Gejala-3 : Nyeri disekitar pinggul
Kemudian apabila diketahui adanya gejala baru, yaitu nyeri disekitar pinggul (G3), dengan rumus (1) dan (2) :
m4 (G3) = 0.7
m4 {θ} = 1 – m4 (G3)
= 1 – 0.7 = 0.3
Tabel III.13. Ilustrasi Nilai Keyakinan Terhadap 3 Gejala m4 (G3) =
0.7
m4 {θ} = 0.3
m3 = 0.8 0.56 0.24
m3 {θ} = 0.08
- 0.024
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
4. Gejala-4 : Pendarahan setelah monopause
Kemudian apabila diketahui adanya gejala baru, yaitu pendarahan setelah monopause (G4), dengan rumus (1) dan (2), maka :
m6 (G4) = 0.8
m6 {θ} = 1 – m6 (G4)
= 1 – 0.8 = 0.2
Tabel III.14. Ilustrasi Nilai Keyakinan Terhadap 4 Gejala m6 (G4) =
0.8
m6 {θ} = 0.2
m5 = 0.8 0.64 0.16
m5 {θ} = 0.024
- 0.004
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
5. Gejala-5 : Keputihan yang abnormal (diluar biasanya)
Kemudian apabila diketahui adanya gejala baru, yaitu keputihan yang abnormal (diluar biasanya) (G5), dengan rumus (1) dan (2), maka :
m8 (G5) = 0.8
m8 {θ} = 1 – m8 (G5)
= 1 – 0.8 = 0.2
Tabel III.15. Ilustrasi Nilai Keyakinan Terhadap 5 Gejala m8 (G5) =
0.8
m8 {θ} = 0.2
m7 = 0.8 0.64 0.16
m7 {θ} = 0.004
- 0.0008
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
6. Gejala-6 : Pendarahan menstruasi lebih panjang dan lebih berat dari biasanya.
Kemudian apabila diketahui adanya gejala baru, yaitu pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya (G6), dengan rumus (1) dan (2), maka :
m10 (G6) = 0.7
m10 {θ} = 1 – m10 (G6)
= 1 – 0.7 = 0.3
Tabel III.16. Ilustrasi Nilai Keyakinan Terhadap 6 Gejala m10 (G6) =
0.7
m10 {θ} = 0.3
m9 = 0.8 0.56 0.24
m9 {θ} = 0.0008
- 0.0002
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
Nilai Akhir = (m11 + m11 {θ}) * 100%
= (0.8 + 0.0002) * 100%
= 0.8002 * 100 %
= 80.02 % Contoh 3:
Berikut contoh kasus penerapan metode dempster shafer dalam mendiagnosa penyakit kanker mulut rahim stadium lanjut (P003). Kaidah-kaidah
produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium lanjut adalah sebagai berikut :
IF Sakit punggung
AND Nyeri tulang atau patah tulang AND Kelelahan
AND Keluarnya urin atau feses dari vagina AND Nyeri pada kaki
AND Kehilangan nafsu makan AND Nyeri panggul
AND Kaki bengkak
AND Menurunnya berat badan
THEN Kanker Mulut Rahim Stadium Lanjut
1. Gejala-1 : Sakit punggung
Langkah pertama hitung nilai dari belief dan plausibility dari gejala sakit punggung (G1), dengan rumus (1) dan (2) :
m1 (G1) = 0.8
m1 {θ} = 1 – m1 (G1)
= 1 – 0.8 = 0.2
2. Gejala-2 : Nyeri tulang atau patah tulang
Apabila diketahui adanya gejala baru, yaitu nyeri tulang atau patah tulang (G2), dengan mengacu pada rumus (1) dan (2), maka nilai keyakinannya :
m2 (G2) = 0.8
m2 {θ} = 1 – m2 (G2)
= 1 – 0.8 = 0.2
Tabel III.17. Ilustrasi Nilai Keyakinan Terhadap 2 Gejala m2 (G2) =
0.8
m2 {θ} = 0.2
m1 (G1) = 0.8 0.64 0.16
m1 {θ} = 0.2 - 0.04
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
3. Gejala-3 : Kelelahan
Kemudian apabila diketahui adanya gejala baru, yaitu kelelahan (G3), dengan rumus (1) dan (2) :
m4 (G3) = 0.6
m4 {θ} = 1 – m4 (G3)
= 1 – 0.6 = 0.4
Tabel III.18. Ilustrasi Nilai Keyakinan Terhadap 3 Gejala m4 (G3) =
0.6
m4 {θ} = 0.4
m3 = 0.8 0.48 0.32
m3 {θ} = 0.04
- 0.016
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
4. Gejala-4 : Keluarnya urin atau feses dari vagina
Kemudian apabila diketahui adanya gejala baru, yaitu keluarnya urin atau feses dari vagina (G4), dengan rumus (1) dan (2), maka :
m6 (G4) = 0.8
m6 {θ} = 1 – m6 (G4)
= 1 – 0.8 = 0.2
Tabel III.19. Ilustrasi Nilai Keyakinan Terhadap 4 Gejala m6 (G4) =
0.8
m6 {θ} = 0.2
m5 = 0.8 0.64 0.16
m5 {θ} = 0.016
- 0.0032
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
5. Gejala-5 : Nyeri pada kaki
Kemudian apabila diketahui adanya gejala baru, yaitu nyeri pada kaki (G5), dengan rumus (1) dan (2), maka :
m8 (G5) = 0.7
m8 {θ} = 1 – m8 (G5)
= 1 – 0.7 = 0.3
Tabel III.20. Ilustrasi Nilai Keyakinan Terhadap 5 Gejala m8 (G5) =
0.7
m8 {θ} = 0.3
m7 = 0.8 0.56 0.24
m7 {θ} = 0.0032
- 0.00096
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
6. Gejala-6 : Kehilangan nafsu makan
Kemudian apabila diketahui adanya gejala baru, yaitu kehilangan nafsu makan (G6), dengan rumus (1) dan (2), maka :
m10 (G6) = 0.6
m10 {θ} = 1 – m10 (G6)
= 1 – 0.6 = 0.4
Tabel III.21. Ilustrasi Nilai Keyakinan Terhadap 6 Gejala m10 (G6) =
0.6
m10 {θ} = 0.4
m9 = 0.8 0.48 0.32
m9 {θ} = 0.00096
- 0.0004
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
7. Gejala-7 : Nyeri panggul
Kemudian apabila diketahui adanya gejala baru, yaitu nyeri panggul (G7), dengan rumus (1) dan (2), maka :
m12 (G7) = 0.6
m12 {θ} = 1 – m12 (G7)
= 1 – 0.6 = 0.4
Tabel III.22. Ilustrasi Nilai Keyakinan Terhadap 7 Gejala m12 (G7) =
0.6
m12 {θ} = 0.4
m11 = 0.8 0.48 0.32
m11 {θ} = 0.0004
- 0.0002
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
8. Gejala-8 : Kaki bengkak
Kemudian apabila diketahui adanya gejala baru, yaitu kaki bengkak (G8), dengan rumus (1) dan (2), maka :
m14 (G8) = 0.7
m14 {θ} = 1 – m14 (G8)
= 1 – 0.7 = 0.3
Tabel III.23. Ilustrasi Nilai Keyakinan Terhadap 8 Gejala m14 (G8) =
0.7
m14 {θ} = 0.3
m13 = 0.8 0.56 0.24
m13 {θ} = 0.0002
- 0.00006
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
9. Gejala-9 : Menurunya berat badan
Kemudian apabila diketahui adanya gejala baru, yaitu menurunya berat badan (G9), dengan rumus (1) dan (2), maka :
m16 (G9) = 0.6
m16 {θ} = 1 – m16 (G9)
= 1 – 0.6 = 0.4
Tabel III.24. Ilustrasi Nilai Keyakinan Terhadap 9 Gejala m16 (G9) =
0.6
m16 {θ} = 0.4
m15 = 0.8 0.48 0.32
m15 {θ} = 0.00006
- 0.00002
Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka :
Nilai Akhir = (m17 + m17 {θ}) * 100%
= (0.8 + 0.00002) * 100%
= 0.80002 * 100 %
= 80.00 %
III.4.2. Penerapan Metode Certainty Factor
Faktor kepastian (certainty factor) menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesa) berdasar bukti atau penilaian pakar. Certainty factor
menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data. Adapun langkah-langkah proses perhitungan metode certainty factor sebagai berikut :
CFcombineCF[H,E]1,2= CF [H,E]1 + CF[H,E]2 * [1-CF[H,E]1] CFcombineCF[H,E]old,3= CF[H,E]old + CF[H,E]3 * [1-CF[H,E]old]
Adapun gambaran alur sistem (flowchart) dari penerapan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim dapat dilihat pada gambar III.5
Start
Menentukan nilai CF untuk masing- masing gejala
Hasil diagnosa kanker mulut rahim metode Certainty factor
End
Mengkombinasikan nilai CF dari masing-masing kaidah CFcombineCF[H,E]1,2= CF [H,E]1 + CF[H,E]2 * [1-
CF[H,E]1]
Gambar III.5. Flowchart Metode Certainty Factor
...(4) ...(5)
Contoh Kasus : Contoh 1:
Berikut contoh kasus penerapan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim stadium awal (P001). Kaidah-kaidah produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium awal adalah sebagai berikut :
IF Keputihan
AND Peningkatan frekuensi urin AND Kesulitan dalam buang air kecil AND Nyeri selama hubungan seksual AND Gangguan pencernaan
AND Kehilangan nafsu makan AND Nyeri panggul
AND Kelelahan
THEN Kanker Mulut Rahim Stadium Awal
Langkah pertama yaitu menentukan nilai CF untuk masing-masing gejala sebagai berikut :
CF[H,E]1 (Keputihan) = 0.8
CF[H,E]2 (Peningkatan frekuensi urin) = 0.8 CF[H,E]3 (Kesulitan dalam buang air kecil) = 0.7 CF[H,E]4 (Nyeri selama hubungan seksual) = 0.6 CF[H,E]5 (Gangguan pencernaan) = 0.7 CF[H,E]6 (Kehilangan nafsu makan) = 0.6
CF[H,E]7 (Nyeri panggul) = 0.6
CF[H,E]8 (Kelelahan) = 0.6
Langkah senjutnya adalah mengkombinasikan nilai CF dari masing- masing kaidah. Berikut adalah kombinasi CF[H,E]1 dengan CF[H,E]2 :
CFcombine CF[H,E]1,2 = CF[H,E]1 + CF[H,E]2 * (1-CF[H,E]1) = 0.8 + 0.8 * (1 – 0.8)
= 0.8 + 0.16 = 0.96old
CFcombine CF[H,E]old,3 = CF[H,E]old + CF[H,E]3 * (1-CF[H,E]old) = 0.96 + 0.7 * (1 – 0.96)
= 0.96 + 0.02 = 0.98old2
CFcombine CF[H,E]old2,4= CF[H,E]old2 + CF[H,E]4 * (1-CF[H,E]old2) = 0.98 + 0.6 * (1 – 0.98)
= 0.98 + 0.01 = 0.99old3
CFcombine CF[H,E]old3,5= CF[H,E]old3 + CF[H,E]5 * (1-CF[H,E]old3) = 0.99 + 0.7 * (1 – 0.99)
= 0.99 + 0.007 = 0.997old4
CFcombine CF[H,E]old4,6= CF[H,E]old4 + CF[H,E]6 * (1-CF[H,E]old4) = 0.997 + 0.6 * (1 – 0.997)
= 0.997 + 0.0018 = 0.9988old5
CFcombine CF[H,E]old5,7= CF[H,E]old5 + CF[H,E]7 * (1-CF[H,E]old5) = 0.9988 + 0.6 * (1 – 0.9988)
= 0.9988 + 0.0007 = 0.9995old6
CFcombine CF[H,E]old6,8= CF[H,E]old6 + CF[H,E]8 * (1-CF[H,E]old6) = 0.9995 + 0.6 * (1 – 0.9995)
= 0.9995 + 0.0003 = 0.9998old7
CF[H,E]old7 * 100 % = 0.9998 * 100%
= 99.98 %
Contoh 2 :
Berikut contoh kasus penerapan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim stadium sedang (P002). Kaidah-kaidah produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium sedang adalah sebagai berikut :
IF Pendarahan pada vagina
AND Nyeri selama hubungan seksual AND Nyeri di sekitar pinggul
AND Pendarahan setelah monopause
AND Keputihan yang abnormal (diluar biasanya)
AND Pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya
THEN Kanker Mulut Rahim Stadium Sedang
Langkah pertama yaitu menentukan nilai CF untuk masing-masing gejala sebagai berikut :
CF[H,E]1 (Pendarahan pada vagina) = 0.8 CF[H,E]2 (Nyeri selama hubungan seksual) = 0.6 CF[H,E]3 (Nyeri di sekitar pinggul) = 0.7 CF[H,E]4 (Pendarahan setelah monopause) = 0.8 CF[H,E]5 (Keputihan yang abnormal (diluar biasanya) = 0.8
CF[H,E]6 (Pendarahan menstruasi lebih panjang & lebih berat dari biasanya) = 0.7
Langkah senjutnya adalah mengkombinasikan nilai CF dari masing- masing kaidah. Berikut adalah kombinasi CF[H,E]1 dengan CF[H,E]2 :
CFcombine CF[H,E]1,2 = CF[H,E]1 + CF[H,E]2 * (1-CF[H,E]1) = 0.8 + 0.6 * (1 – 0.8)
= 0.8 + 0.12 = 0.92old
CFcombine CF[H,E]old,3 = CF[H,E]old + CF[H,E]3 * (1-CF[H,E]old) = 0.92 + 0.7 * (1 – 0.92)
= 0.92 + 0.05 = 0.97old2
CFcombine CF[H,E]old2,4= CF[H,E]old2 + CF[H,E]4 * (1-CF[H,E]old2)
= 0.97 + 0.8 * (1 – 0.97) = 0.97 + 0.02
= 0.99old3
CFcombine CF[H,E]old3,5= CF[H,E]old3 + CF[H,E]5 * (1-CF[H,E]old3) = 0.99 + 0.8 * (1 – 0.99)
= 0.99 + 0.008 = 0.998old4
CFcombine CF[H,E]old4,6= CF[H,E]old4 + CF[H,E]6 * (1-CF[H,E]old4) = 0.998 + 0.7 * (1 – 0.998)
= 0.998 + 0.001 = 0.999old5 CF[H,E]old5 * 100 % = 0.999 * 100%
= 99.90 %
Contoh 3:
Berikut contoh kasus penerapan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim stadium lanjut (P003). Kaidah-kaidah produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium lanjut adalah sebagai berikut :
IF Sakit punggung
AND Nyeri tulang atau patah tulang AND Kelelahan
AND Keluarnya urin atau feses dari vagina
AND Nyeri pada kaki
AND Kehilangan nafsu makan AND Nyeri panggul
AND Kaki bengkak
AND Menurunnya berat badan
THEN Kanker Mulut Rahim Stadium Lanjut
Langkah pertama yaitu menentukan nilai CF untuk masing-masing gejala sebagai berikut :
CF[H,E]1 (Sakit punggug) = 0.8
CF[H,E]2 (Nyeri tulang atau patah tulang) = 0.8
CF[H,E]3 (Kelelahan) = 0.6
CF[H,E]4 (Keluarnya urin atau feses dari vagina) = 0.8 CF[H,E]5 (Nyeri pada kaki) = 0.7 CF[H,E]6 (Kehilangan nafsu makan) = 0.6
CF[H,E]7 (Nyeri panggul) = 0.6
CF[H,E]8 (Kaki bengkak) = 0.7
CF[H,E]9 (Menurunya berat badan) = 0.6
Langkah senjutnya adalah mengkombinasikan nilai CF dari masing- masing kaidah. Berikut adalah kombinasi CF[H,E]1 dengan CF[H,E]2 :
CFcombine CF[H,E]1,2 = CF[H,E]1 + CF[H,E]2 * (1-CF[H,E]1) = 0.8 + 0.8 * (1 – 0.8)
= 0.8 + 0.16 = 0.96old
CFcombine CF[H,E]old,3 = CF[H,E]old + CF[H,E]3 * (1-CF[H,E]old) = 0.96 + 0.6 * (1 – 0.96)
= 0.96 + 0.02 = 0.98old2
CFcombine CF[H,E]old2,4= CF[H,E]old2 + CF[H,E]4 * (1-CF[H,E]old2) = 0.98 + 0.8 * (1 – 0.98)
= 0.98 + 0.01 = 0.99old3
CFcombine CF[H,E]old3,5= CF[H,E]old3 + CF[H,E]5 * (1-CF[H,E]old3) = 0.99 + 0.7 * (1 – 0.99)
= 0.99 + 0.007 = 0.997old4
CFcombine CF[H,E]old4,6= CF[H,E]old4 + CF[H,E]6 * (1-CF[H,E]old4) = 0.997 + 0.6 * (1 – 0.997)
= 0.997 + 0.0018 = 0.9988old5
CFcombine CF[H,E]old5,7= CF[H,E]old5 + CF[H,E]7 * (1-CF[H,E]old5) = 0.9988 + 0.6 * (1 – 0.9988)
= 0.9988 + 0.0007 = 0.9995old6
CFcombine CF[H,E]old6,8= CF[H,E]old6 + CF[H,E]8 * (1-CF[H,E]old6) = 0.9995 + 0.7 * (1 – 0.9995)
= 0.9995 + 0.0003 = 0.9998old7
CFcombine CF[H,E]old7,9= CF[H,E]old7 + CF[H,E]9 * (1-CF[H,E]old7) = 0.9998 + 0.6 * (1 – 0.9998)
= 0.9998 + 0.0001 = 0.9999old8
CF[H,E]old8 * 100 % = 0.9999 * 100%
= 99.99 %
Tabel III.25. Hasil Perbandingan
Kode Penyakit
Dempster Shafer
Certainty Factor
P001 80.01 % 99.98 %
P002 80.02 % 99.90 %
P003 80.00 % 99.99 %
Dari hasil penerapan metode dempster shafer dan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim dapat dilihat bahwa persentase tingkat keyakinan seseorang menderita penyakit kanker mulut rahim dengan menggunakan metode certainty factor lebih besar daripada persentase tingkat keyakinan dengan metode dempster shafer.
III.5. Desain Sistem
Perancangan desain sistem yang akan dibangun menggunakan pemodelan Unified Modelling System (UML). Diagram-diagram yang digunakan yaitu use case diagram, class diagram, activity diagram dan Sequence diagram.
III.5.1. Use Case Diagram
Use case diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. Yang ditekankan adalah “apa” yang diperbuat sistem, dan bukan
“bagaimana”. Sebuah use case merepresentasikan sebuah interaksi antara aktor dengan sistem. Use case merupakan sebuah pekerjaan tertentu, misalnya login ke sistem, mengelola data pasien, dan sebagainya. Seorang/sebuah aktor adalah sebuah entitas manusia atau mesin yang berinteraksi dengan sistem untuk melakukan pekerjaan-pekerjaan tertentu. Bentuk use case diagram yang penulis rancang dapat dilihat pada gambar III.6.
Membandingkan Metode Dempster Shafer Dengan Metode Certainty Factor Dalam Sistem Pakar Mendiagnosa Penyakit Kanker Mulut Rahim (Studi
Kasus : Rumah Sakit Siti Hajar Medan)
Pengguna
Melakukan Diagnosa/
Konsultasi
Hasil Diagnosa
Cetak Laporan Hasil Diagnosa
Admin Mengelola
Data Pasien
Mengelola Data Penyakit
Melakukan Setting Rule
Mengelola Data Gejala
Logout
Pakar Login
<<extend>>
<<include>>
<<include>>
<<include>>
<<include>>
Mengubah Password
Gambar III.6. Use Case Diagram Sistem Pakar Mendiagnosa Penyakit Kanker Mulut Rahim
III.5.2. Class Diagram
Class diagram digunakan untuk menggambarkan perbedaan yang mendasar antara class-class, hubungan antar-class, di mana sub-sistem class tersebut. Pada class diagram terdapat nama class, attributes, operations, serta association (hubungan antar-class). Bentuk class diagram dari sistem yang akan dibangun dapat dilihat pada gambar III.7.
tblLogin -username -password -level +masuk +bersih
tblGejala -id
-namaGejala -pertanyaan -cf +simpan +edit +hapus
tblPenyakit -id
-namaPenyakit -keterangan -pengobatan +simpan +edit +hapus
tblRule -idRule -idPenyakit -idGejala -ya -tidak +simpan +edit +hapus
tblNilai -idGejala2 -pleusibility +cetak
1
1
*
*
*
*
*
*
tblPasien -id
-namaPasien -usia -tanggal -idPenyakit2 +simpan +bersih
Gambar III.7. Class Diagram Sistem Pakar Mendiagnosa Penyakit Kanker Mulut Rahim
III.5.3. Activity Diagram
Activity diagram menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram juga dapat
menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi.
Bentuk activity diagram yang penulis rancang sebagai berikut : 1. Activity Diagram Login
Activity diagram login menggambarkan aktivitas untuk masuk kedalam menu admin/pakar. Bentuk activity diagram login yang penulis rancang dapat dilihat pada gambar III.8.
Login Admin/Pakar
Sistem Admin/Pakar
Pilih Menu Masuk
Cek Validasi Pilih Level Login,
Input Username dan Password
Form Utama Admin/Pakar Benar
Salah Tampil Form Login
Klik Button Login
Gambar III.8. Activity Diagram Login
2. Activity Diagram Data Pasien
Activity diagram data pasien menggambarkan aktivitas untuk pengolahan data pasien yang dilakukan oleh admin. Bentuk activity diagram data pasien yang penulis rancang dapat dilihat pada gambar III.9.
Data Pasien
Sistem Admin
Pilih Menu Pasien Tampil Form Data Pasien
Tampil Data Pasien Hapus
Klik Kanan Data Pasien Yang akan Dihapus, Pilih Delete
Ya
Hapus Data Pasien Tidak
Gambar III.9. Activity Diagram Data Pasien
3. Activity Diagram Data Penyakit
Activity diagram data penyakit menggambarkan aktivitas untuk pengolahan data penyakit yang dilakukan oleh admin/pakar. Bentuk activity diagram data penyakit yang penulis rancang dapat dilihat pada gambar III.10.
Data Penyakit
Sistem Admin/Pakar
Pilih Menu Penyakit
Input Data Penyakit
Simpan Data Penyakit Simpan Ya
Klik Button Save
Tidak Tampil Form Penyakit
Tampil Data Penyakit Edit
Ubah Data Penyakit Ya
Klik Button Update Simpan Perubahan
Data Penyakit
Hapus
Tidak
Double Klik Data yang akan Dihapus, Klik Button Delete
Ya
Hapus Data Penyakit Tidak
Gambar III.10. Activity Diagram Data Penyakit
4. Activity Diagram Data Gejala
Activity diagram data gejala menggambarkan aktivitas untuk pengolahan data gejala kanker mulut rahim yang dilakukan oleh admin/pakar. Bentuk activity diagram data gejala yang penulis rancang dapat dilihat pada gambar III.11.
Data Gejala
Sistem Admin/Pakar
Pilih Menu Gejala
Input Data Gejala
Simpan Data Gejala Simpan Ya
Klik Button Save
Tidak Tampil Form Gejala
Tampil Data Gejala Edit
Ubah Data Gejala Ya
Klik Button Update Simpan Perubahan
Data Gejala
Hapus
Tidak
Double Klik Data Gejala, Lalu Klik Button Delete
Ya
Hapus Data Gejala Tidak
Gambar III.11. Activity Diagram Data Gejala
5. Activity Diagram Setting Rule
Activity diagram setting rule menggambarkan aktivitas untuk pengolahan data basis pengetahuan penyakit kanker mulut rahim yang dilakukan oleh admin/pakar. Bentuk activity diagram setting rule yang penulis rancang dapat dilihat pada gambar III.12.
Setting Rule
Sistem Admin/Pakar
Pilih Menu Setting Rule
Pilih Nama Penyakit, Gejala, Jawaban Ya dan Tidak
Simpan Data Rule Simpan Ya
Klik Button Save
Tidak Tampil Form Rule
Tampil Data Rule Edit
Ubah Data Rule Ya
Klik Button Update Simpan Perubahan
Data Rule
Hapus
Tidak
Double klik data rule yang akan Dihapus, Klik Button Delete
Ya
Hapus Data Rule Tidak
Gambar III.12. Activity Diagram Setting Rule
6. Activity Diagram Ubah Password
Activity diagram ubah password menggambarkan aktivitas untuk merubah password yang digunakan untuk login yang dilakukan oleh admin/pakar.
Bentuk activity diagram ubah password yang penulis rancang dapat dilihat pada gambar III.13.
Ubah Password
Sistem Admin/Pakar
Pilih Menu Ubah Password
Masukkan Password Baru
Simpan Password Baru Ya Ubah
Konfirmasi Password Baru
Tidak Tampil Form Ubah Password
Klik Button Update
Gambar III.13. Activity Diagram Ubah Password
7. Activity Diagram Log Out
Activity diagram log out menggambarkan aktivitas untuk keluar dari menu admin/pakar. Bentuk activity diagram log out yang penulis rancang dapat dilihat pada gambar III.14.
Log Out
Sistem Admin/Pakar
Pilih Menu Keluar Dis able Form Admin/Pakar
Tampil Form Utama User
Gambar III.14. Activity Diagram Log Out
8. Activity Diagram Konsultasi
Activity diagram konsultasi menggambarkan aktivitas untuk melakukan proses diagnosa/konsultasi penyakit kanker mulut rahim yang dilakukan oleh pengguna. Adapun bentuk activity diagram konsultasi yang penulis rancang dapat dilihat pada gambar III.15.
Konsultasi
Sistem Pengguna
Buka Aplikasi
Tampil Form Input Data Pasien
Cetak Laporan Klik Button Print
Ya
Tampil Laporan Hasil Diagnosa
Tidak Tampil Form Utama
Pilih Menu Diagnosa/
Konsultasi
Pilih Jawaban untuk Pertanyaan yang Muncul
Klik Button Next Tampil Hasil Diagnosa Konsultasi
Ya Tidak
Input Data Pasien
Klik Button Save
Tampil Form Diagnosa Tampil Data Pasien
Klik Button Lanjut ke Proses Diagnosa
Gambar III.15. Activity Diagram Konsultasi
III.5.4. Sequence Diagram
Sequence diagram menggambarkan perilaku pada sebuah skenario, diagram ini menunjukkan sejumlah contoh objek dan message (pesan) yang diletakkan diantara objek-objek ini di dalam use case. Bentuk sequence diagram yang penulis rancang sebagai berikut :
1. Sequence Diagram Login
Sequence diagram login menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam melakukan login. Bentuk sequence diagram login yang penulis rancang dapat dilihat pada Gambar III.16.
Validasi Login
Username dan Password Salah
Koneksi Database ()
tblLogin Menu Login Menu Utama
Username dan Password Benar Admin/Pakar
Pilih Level Login, Input Username dan Pass word
Proses
Gambar III.16. Sequence Diagram Login
2. Sequence Diagram Data Pasien
Sequence diagram data pasien menggambarkan interaksi admin dengan aplikasi dan database dalam mengelola data pasien. Bentuk sequence diagram data pasien yang penulis rancang dapat dilihat pada Gambar III.17.
Pilih Menu Pasien Hapus Data Pasien
Menampilkan Data Pasien
Form Data Pasien Proses tblPasien
Koneksi Database () Admin
Gambar III.17. Sequence Diagram Data Pasien
3. Sequence Diagram Data Penyakit
Sequence diagram data penyakit menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam mengelola data penyakit kanker mulut rahim. Bentuk sequence diagram data penyakit yang penulis rancang dapat dilihat pada Gambar III.18.
Input Data Penyakit Simpan Data Penyakit
Hapus Data Penyakit
Menampilkan Data Penyakit
Edit Data Penyakit
Form Data Penyakit Proses tblPenyakit
Koneksi Database ()
Koneksi Database ()
Koneksi Database () Admin/Pakar
Ubah Data Penyakit
Double Klik Data Penyakit Menampilkan Data
Penyakit Menampilkan Data
Penyakit
Gambar III.18. Sequence Diagram Data Penyakit
4. Sequence Diagram Data Gejala
Sequence diagram data gejala menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam mengelola data gejala penyakit kanker mulut rahim. Bentuk sequence diagram data gejala yang penulis rancang dapat dilihat pada Gambar III.19.
Input Data Gejala Simpan Data Gejala
Hapus Data Gejala
Menampilkan Data Gejala
Edit Data Gejala
Form Data Gejala Proses tblGejala
Koneksi Database ()
Koneksi Database ()
Koneksi Database () Admin/Pakar
Ubah Data Gejala
Double Klik Data Gejala Menampilkan Data
Gejala Menampilkan Data
Gejala
Gambar III.19. Sequence Diagram Data Gejala
5. Sequence Diagram Setting Rule
Sequence diagram setting rule menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam mengelola rule pengetahuan penyakit kanker mulut rahim. Bentuk sequence diagram setting rule yang penulis rancang dapat dilihat pada Gambar III.20.
Pilih Data untuk Rule
Penyakit Simpan Data Rule
Hapus Data Rule
Menampilkan Data Rule
Edit Data Rule
Form Setting Rule/Relasi Proses tblPenyakit Koneksi
Database ()
Koneksi Database () Admin/Pakar
Ubah Data Rule
Double Klik Data Rule Menampilkan Data
Rule Menampilkan Data
Rule
Koneksi Database ()
Koneksi Database ()
Koneksi Database ()
Koneksi Database ()
Koneksi Database ()
tblGejala tblRule
Gambar III.20. Sequence Diagram Setting Rule
6. Sequence Diagram Ubah Password
Sequence diagram ubah password menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam merubah password yang digunakan untuk login. Bentuk sequence diagram ubah password yang penulis rancang dapat dilihat pada Gambar III.21.
Input Password Baru Simpan Password Baru
Form Ubah Password Proses tblLogin
Koneksi Database () Admin/Pakar
Gambar III.21. Sequence Diagram Ubah Password
7. Sequence Diagram Konsultasi
Sequence diagram konsultasi menggambarkan interaksi pengguna dengan aplikasi dan database dalam melakukan konsultasi untuk mendiagnosa penyakit kanker mulut rahim. Bentuk sequence diagram konsultasi yang penulis rancang dapat dilihat pada Gambar III.22.
Pengguna
Pilih Jawaban
Hasil Diagnosa
Form Diagnosa Penyakit Proses tblRule tblNilai
Koneksi Database ()
Koneksi Database ()
Koneksi Database ()
Klik Button Cetak
Laporan Hasil Diagnosa
Koneksi Database () Lanjut Pertanyaan
tblPasien
Input Data Pasien
Tampil Pertanyaan
Koneksi Database () Simpan Data Pasien
Cetak Laporan
Koneksi Database ()
Koneksi Database ()
Gambar III.22. Sequence Diagram Konsultasi
III.6. Desain User Interface
Tahap ini adalah tahap perancangan tampilan sistem yang akan dibangun, yaitu tahap desain output dan desain input dari sitem pakar mendiagnosa penyakit kanker mulut rahim yang dibangun.
III.6.1. Desain Output
Perancangan output merupakan suatu proses perancangan hasil dari pengolahan data yang kemudian dapat menghasilkan informasi sesuai dengan kebutuhan. Perancangan output dari sistem yang diusulkan adalah :
1. Tampilan Form Data Pasien
Rancangan tampilan form data pasien merupakan tampilan admin untuk melihat data-data pasien yang telah melakukan konsultasi. Tampilan form data pasien dapat dilihat pada gambar III.23.
Data Pasien
ID Pasien
XXXXXXXXXX XXXXXXXXXX
XXXXXXXXXX
XXXXXXXXXX
XXXXXXXXXX
XXXXXXXXXX XXXX
XXXX
XXXX
XXXX
XXXX XXXX
Nama Pasien Usia Nama Penyakit
XXXXXXXXXX XXXXXXXXXX
XXXXXXXXXX
XXXXXXXXXX
XXXXXXXXXX
XXXXXXXXXX XX
XX
XX
XX
XX
XX Data Pasien
* Keterangan : Klik kanan pada data Pasien yang hendak dihapus.
Gambar III.23. Desain Tampilan Form Data Pasien
2. Tampilan Form Diagnosa Penyakit
Rancangan tampilan form diagnosa penyakit merupakan tampilan pengguna untuk melakukan konsultasi dengan menjawab pertanyaan yang diajukan oleh sistem. Tampilan form diagnosa penyakit dapat dilihat pada gambar III.24.