BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Secara umum penyakit kulit yang diakibatkan oleh adanya infeksi jamur terdiri

(1)

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian 4.1.1 Analisis Sistem

Secara umum penyakit kulit yang diakibatkan oleh adanya infeksi jamur terdiri dari 8 jenis penyakit yang berbeda. Dari keseluruhan jenis-jenis penyakit tersebut memiliki gejala yang hampir sama. Oleh sebab itu pada perancangan sistem ini menggunakan metode Bayesian Network dikarenakan metode ini dapat mempresentasikan hubungan sebab akibat antara penyakit dan gejalanya dan menghitung probabilitas gejala suatu penyakit sehingga mempermudah pengguna dalam menentukan jenis penyakit kulit apa yang diderita.

Struktur dan proses sistem pakar diagnosa penyakit kulit akibat infeksi jamur dapat dilihat pada gambar 4.1 di bawah ini.

Gambar 4.1 Arsitektur Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur Pakar Pemakai Mesin Inferensi Antarmuka Fasilitas Penjelasan Basis Pengetahuan Fakta dan Aturan

(2)

Komponen-komponen yang terdapat pada arsitektur Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur:

1. Antarmuka Pengguna (user interface)

Pada bagian ini terjadi dialog antara program dan pemakai, dimana sistem memberikan pertanyaan-pertanyaan dan pemakai menjawab sesuai yang dialaminya. Kemudian sistem memberikan solusi atas jawaban dari pemakai yang telah diproses pada mesin inferensi.

2. Basis Pengetahuan

Data yang dibutuhkan dalam penerapan metode Bayesian Network pada Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur ini meliputi data jenis-jenis penyakit, definisi dari tiap penyakit, data gejala-gejala, pengobatannya serta aturan untuk menarik kesimpulan. Adapun basis pengetahuan tersebut dapat berasal dari pakar, jurnal dan sumber pengetahuan lain.

Dari basis pengetahuan ini, diperoleh terdapat 6 jenis penyakit kulit, 6 lokasi bagian tubuh yang diserang penyakit kulit serta 15 gejala-gejala yang berbeda. Aturan yang dibuat berdasarkan data yang diperoleh dan mengarahkan pengguna dalam penyelesaian masalah. Data jenis penyakit, lokasi bagian tubuh yang diserang penyakit kulit dan gejalanya dapat dilihat pada tabel 4.1, dan tabel 4.2 berikut :

Tabel 4.1 Jenis-jenis Penyakit Kulit Akibat Infeksi Jamur Kode Penyakit Nama Penyakit

P01 Tinea Manus

P02 Tinea Unguium

P03 Tinea Pedis

(3)

Tabel 4.1 Jenis-jenis Penyakit Kulit Akibat Infeksi Jamur (Lanjutan) Kode Penyakit Nama Penyakit

P05 Tinea Kapitis

P06 Tinea Krusis

Tabel 4.2 Gejala dari Penyakit Kulit Akibat Infeksi Jamur

Kode Gejala Gejala

B01 Kulit Berpola

B02 Gatal

B03 Terdapat pada Tangan

B04 Luka Terbuka Kecil

B05 Penebalan Kulit

B06 Terdapat pada Kuku

B07 Kuku Rapuh

B08 Kuku Suram

B09 Bercak Putih

B10 Terdapat pada Sela-sela Jari

B11 Bercak Banyak B12 Radang B13 Berbau B14 Berbintik Kemerahan B15 Nyeri B16 Bercak Hitam

B17 Terdapat pada Telapak B18 Terdapat pada Kepala

B19 Benjolan-Benjolan Kecil

B20 Terdapat pada Selangkangan

(4)

Tabel 4.3 Klasifikasi Gejala dari Penyakit Kulit Akibat Infeksi Jamur Kode

Penyakit Nama Penyakit

Kode Gejala Gejala P01 Tinea Manus B03 B04 B01 B02 Tangan

Luka Terbuka Kecil Kulit Berpola Gatal P02 Tinea Unguium B06 B09 B05 B08 B07 Kuku Bercak Putih Penebalan Kulit Kuku Suram Kuku Rapuh P03 Tinea Pedis B10 B09 B11 B01 B12 B13 Sela-sela Jari Bercak Putih Bercak Banyak Kulit Berpola Radang Berbau P04 Tinea Nigra Palmaris B17 B16 B01 B15 B02 Telapak Bercak Hitam Kulit Berpola Nyeri Gatal P05 Tinea Kapitis B18 B19 B16 B14 B02 B15 Kepala Benjolan Kecil Bercak Hitam Berbintik Kemerahan Gatal Nyeri P06 Tinea Kruris B20 B01 B05 B02 B14 B21 Selangkangan Kulit Berpola Penebalan Kulit Gatal Berbintik Kemerahan Bersisik Kasar

Selanjutnya diberikan tabel penjelasan penyakit, penyebab serta cara pengobatannya dapat dilihat pada tabel 4.4 pada halaman (Lampiran).

(5)

4.1.2 Penerapan Bayesian Network

Terdapat beberapa langkah dalam menerapkan metode Bayesian Network, Langkah-langkahnya adalah sebagai berikut:

a. Membangun struktur Bayesian Network. b. Menentukan Parameter (Prior Probability) c. Membuat Conditional Probability Table (CPT) d. Membuat Joint Probability Distribution (JPD) e. Menghitung Posterior Probability

f. Inferensi Probabilistik

Berikut penjelasan dari beberapa langkah penerapan Bayesian Network yang telah disebutkan diatas :

a. Membangun struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur.

Berdasarkan data gejala dan penyakit yang telah diperoleh, dapat digambarkan struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur adalah sebagai berikut:

(6)

Gambar 4.2 Struktur Bayesian Network Penyakit Kulit Akibat Infeksi Jamur

Gatal

Tangan Bercak Putih

Luka Terbuka Kecil Penebalan Kulit P01 P01 Kulit Berpola Penebalan Kulit Bercak Putih Sela-Sela Jari Berbintik Kemerahan Nyeri Kuku Kuku Rapuh Berbintik Kemerahan Kuku Bercak Banyak Radang Radang Berbintik Kemerahan Kuku Rapuh Kuku Suram Kuku Suram P03 P03 P02 P02 Selangkangan Bercak Hitam Telapak PX Bersisik Kasar P04 Nyeri P06 P06 Kepala PX Benjolan Kecil P05 P05 Berbau Berbau

(7)

Keterangan :

: Jawanban Ya

: Jawaban Tidak

P01 : Tinea Manus P04 : Tinea Nigra Palmaris

P02 : Tinea Unguium P05 : Tinea Kapitis

P03 : Tinea Pedis P06 : Tinea Krusis

PX : Bukan penyakit kulit akibat jamur

Setelah dibangun Struktur Bayesian Network dari diagnosa penyakit kulit akibat jamur, kemudian dibuat rule table untuk menjelasakan alur dari struktur Bayesian Network diatas. Rule table dari struktur Bayesian Network diatas dapat dilihat pada tabel 4.5 berikut:

(8)

Tabel 4.5 Rule Table Struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur Kode Gejala Gejala Penyakit Fakta P01 P02 P03 P04 P05 P06 Ya Tidak B01 Kulit Berpola X x x x B02 B05 B02 Gatal X x x x B03 B09

B03 Terdapat pada Tangan X B04 B05

B04 Luka Terbuka Kecil X P01 P01

B05 Penebalan Kulit x x B06 B09

B06 Terdapat pada Kuku x B07 B14

B07 Kuku Rapuh x B08 B08

B08 Kuku Suram x P02 P02

B09 Bercak Putih x x B10 B14

B10 Terdapat pada Sela-Sela Jari x B11 B06

B11 Bercak Banyak x B12 B12

B12 Radang x B13 B13

B13 Berbau x P03 P03

(9)

Tabel 4.5 Rule Table Struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur (Lanjutan) Kode Gejala Gejala Penyakit Fakta P01 P02 P03 P04 P05 P06 Ya Tidak B15 Nyeri x x B16 B20 B16 Bercak Hitam x x B17 B20

B17 Terdapat pada Telapak x P04 B18

B18 Terdapat pada Kepala x B19 PX

B19 Benjolan-Benjolan Kecil x P05 P05

B20 Terdapat pada Selangkangan x B21 PX

(10)

b. Menentukan Parameter.

Setelah struktur Bayesian Network terbentuk, langkah selanjutnya adalah menentukan parameter (Prior Probability) dari tiap-tiap gejala. Prior Probability merupakan derajat kepercayaan dari suatu gejala yang digunakan ketika tidak ada informasi lain yang dapat digunakan untuk melihat kemungkinan suatu event terjadi, tetapi begitu informasi baru diketahui maka probabilitas yang baru harus dilihat berdasarkan informasi yang baru diketahui tersebut. Parameter dari seluruh gejala penyakit kulit akibat infeksi jamur dapat dilihat pada tabel 4.6 pada halaman (Lampiran).

c. Membuat Conditional Probability Table (CPT).

Conditional Probability adalah probabilitas suatu event B apabila event A telah terjadi. Setiap tabel yang berisi probabilitas dari setiap kemungkinan nilai A dan B disebut Conditional Probability table (CPT).

Berikut ini diberikan contoh dalam menentukan Conditional Probability dari gejala (Gatal) :

Gatal _{Infeksi P. Kulit} Present Absent Present _0,9 _0,9

Absent 0,1 0,1

1 1

(a) Peluang seseorang terkena infeksi kulit apabila dia merasa gatal 0,9 (b) Peluang seseorang terkena infeksi kulit apabila dia tidak merasa gatal 0,1 (c) Peluang seseorang tidak terkena infeksi kulit apabila dia merasa gatal 0,9 (d) Peluang seseorang tidak terkena infeksi kulit apabila dia tidak merasa gatal 0,1

(a) (b)

(c) (d)

(11)

Conditional Probability Table (CPT) dari gejala-gejala Penyakit Kulit Akibat Infeksi Jamur dapat dilihat pada tabel 4.7 pada halaman (Lampiran).

d. Membuat Joint Probability Distribution (JPD).

Joint Probability Distribution adalah probabbilitas kemunculan bersama untuk semua kombinasi kemungkinan nilai-nilai yang terdapat pada variabel A dan B. Sama halnya dengan CPT, Joint Probability Distribution dari suatu variabel A dan B adalah sebuah tabel yang berisi probabilitas untuk setiap nilai A dan B yang dapat terjadi. Notasi P(A,B) dapat ditulis dalam bentuk persamaan :

P(A,B) = P(A|B).P(B)

Berdasarkan persamaan diatas, cara menghitung Joint Probability Distribution suatu Gejala adalah dengan mengalikan nilai Conditional Probability dengan Prior Probability.

Diberikan contoh dalam menghitung Joint Probability Distribution dari gejala (Gatal). Dari data diatas, diperoleh nilai Prior Probability (Gatal) Present adalah 0,24 sedangkan absent 0,76. Conditional Probability Table (CPT) dari gejala (Gatal) adalah : Gatal Infeksi P. Kulit Present Absent Present 0,9 0,9 Absent 0,1 0,1

Selanjutnya, untuk mendapatkan hasil dari Joint Probability Distribution dari gejala (gatal) adalah dengan mengalikan nilai Prior Present dengan nilai CPT

[Gejala Gatal]

(Prior Present) x (CPT Present) 0,24 x 0,9 = 0,216

[Gejala Gatal] (Prior Absent) x (CPT Absent)

0,76 x 0,9 = 0,684

[Gejala Gatal]

(Prior Present) x (CPT Present) 0,24 x 0,1 = 0,024

[Gejala Gatal] (Prior Absent) x (CPT Absent)

(12)

Present Penyakit Kulit dari gejala (Gatal), serta mengalikan nilai Prior Absent dengan nilai CPT Absent Penyakit Kulit dari gejala (Gatal), sehingga diperoleh Joint Probability Distribution dari gejala (gatal) adalah :

Gatal

Infeksi P. Kulit

Present Absent

Present 0,216 0,684

Absent 0,024 0,076

Nilai Joint Probability Distribution dari seluruh gejala Penyakit Kulit akibat Infeksi Jamur dapat dilihat pada tabel 4.8 dalam halaman (Lampiran).

e. Menghitung Posterior Probability.

Untuk mendapatkan nilai Posterior Probability, dapat dihitung dari hasil Joint Probability Distribution yang telah diperoleh, lalu nilai inilah yang digunakan untuk menghitung nilai probabilitas kemunculan suatu gejala. Berikut ini diberikan contoh dalam menghitung nilai Posterior Probability dari gejala (Gatal). Dalam menghitung nilai Posterior Probability dari tiap gejala diperlukan nilai dari Joint Probability Distribution. Dari data diatas diperoleh nilai Joint Probability Distribution dari (Gatal) adalah :

Gatal

Infeksi P. Kulit

Present Absent

Present 0,216 0,684

Absent 0,024 0,076

Berdasarkan Joint Probability Distribution tersebut, dapat dihitung Posterior Probability dari gejala (Gatal) adalah : = 0,24

(13)

Tabel yang berisi nilai Posterior Probability dapat dilihat pada tabel berikut :

Tabel 4.9 Posterior Probability Dari Tiap Gejala Penyakit Kulit Akibat Infeksi

Jamur.

Kode Gejala Gejala Nilai

B01 Kulit Berpola 0,4586

B02 Gatal 0,24

B03 Terdapat pada Tangan 0,95

B04 Luka Terbuka Kecil 0,89

B05 Penebalan Kulit 0,48

B06 Terdapat pada Kuku 0,95

B07 Kuku Rapuh 0,9825

B08 Kuku Suram 0,9471

B09 Bercak Putih 0,8926

B10 Terdapat pada Sela-Sela Jari 0,9638

B11 Bercak Banyak 0,9551 B12 Radang 0,93 B13 Berbau 0,932 B14 Berbintik Kemerahan 0,5 B15 Nyeri 0,4667 B16 Bercak Hitam 0,9474

B17 Terdapat pada Telapak 0,95

B18 Terdapat pada Kepala 0,95

B19 Benjolan-Benjolan Kecil 0,9084

B20 Terdapat pada Selangkangan 0,956

B21 Bersisik Kasar 0,8372

f. Inferensi Probabilistik

Data yang digunakan dalam melakukan inferensi diperoleh dari jawaban yang telah diberikan oleh pengguna atas pertanyaan mengenai gejala yang diaujakan oleh sistem. Berikut contoh graf penelusuran penyakit untuk dua jenis penyakit.

(14)

 Graf untuk penelusuran penyakit Tinea Manus (P01) memiliki 4 gejala yang digambarkan seperti berikut ini :

Gambar 4.3 Graf Penyakit Tinea Manus (P01)

 Graf untuk penelusuran penyakit Tinea Unguium (P02) memiliki 5 gejala yang digambarkan seperti berikut ini :

Gambar 4.4 Graf Penelusuran Penyakut Tinea Unguium (P02)

Setelah rule table serta nilai posterior dari tiap gejala telah diketahui, selanjutnya dihitung probabilitas gejala dari tiap-tiap penyakit dari struktur Bayesian Network yang telah dibuat. Proses penghitungan probabilitas ini dimaksudkan untuk mengetahui estimasi nilai dari gejala-gejala yang diderita si pasien sehingga kita dapat mengetahui seberapa besar probabilitas pasien tersebut

P01 B03 B04 B01 B02 P02 B06 B09 B05 B08 B07

(15)

mengidap satu penyakit. Proses penghitungan probabilitas gejala dari tiap-tiap penyakit bias dilihat pada tabel berikut :

1. Proses perhitungan probabilitas gejala dari penyakit Tinea Manus (P01)

Tabel 4.10 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Manus

(P01) Kode Gejala Gejala Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak B01 B02 B03 B04 Kulit Berpola Gatal Tangan

Luka Terbuka Kecil

0,4586 0,6986 1,6486 2,5386 x x x x 0,4586 0,6986 1,6486 x x x x 1,6486 Jumlah x 100% x 100% 63.47% 54.95%

2. Proses perhitungan probabilitas gejala dari penyakit Tinea Unguium (P02)

Tabel 4.11 Proses Perhitungan Probabilitas gejala dari penyakit Tinea

Unguium (P02) Kode Gejala Gejala Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak B05 B09 B06 B07 B08 Penebalan Kulit Bercak Putih Kuku Kuku Rapuh Kuku Suram 0,48 x 1,43 2,4125 3,3596 x 0,48 x x x x 0,8926 1,8426 2,8251 3,7722 0 x x x x Jumlah x 100% x 100% 83.99% 94.31%

(16)

3. Proses perhitungan probabilitas gejala dari penyakit Tinea Pedis (P03)

Tabel 4.12 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Pedis

(P03) Kode Gejala Gejala Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak B01 B02 B09 B10 B11 B12 B13 Kulit Berpola Gatal Bercak Putih Sela-sela Jari Bercak Banyak Radang Berbau 0,4586 x 1,3512 2,315 3,2701 4,2001 5,1321 x 0,4586 x x x x x 0,4586 0,6986 1,5912 2,555 3,5101 4,4401 5,3721 x x x x x x x Jumlah x 100% x 100% 85.54% 76.74%

4. Proses perhitungan probabilitas gejala dari penyakit Tinea Nigra Palmaris (P04)

Tabel 4.13 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Nigra

Palmaris (P04) Kode Gejala Gejala Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak B01 B02 B14 B15 B16 B17 Kulit Berpola Gatal Berbintik Kemerahan Nyeri Bercak Hitam Telapak 0,4586 0,6986 x 1,1653 2,1127 3,0627 x x 0,6986 x x x 0,4586 0,6986 1,1986 1,6653 2,6127 3,5627 x x x x x x Jumlah x 100% x 100% 61.25% 59.38%

(17)

5. Proses perhitungan probabilitas gejala dari penyakit Tinea Kapitis (P05)

Tabel 4.14 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Kapitis

(P05) Kode Gejala Gejala Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak B01 B02 B14 B15 B16 B18 B19 Kulit Berpola Gatal Berbintik Kemerahan Nyeri Bercak Hitam Kepala Benjolan Kecil x x 0,5 0,9667 1,9141 2,8641 3,7725 0 0 x x x x x 0,4586 0,6966 1,1986 1,6653 2,6127 3,5627 4,4711 x x x x x x x Jumlah x 100% x 100% 75.45% 63.87%

6. Proses perhitungan probabilitas gejala dari penyakit Tinea Kruris (P06)

Tabel 4.15 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Kruris

(P06) Kode Gejala Gejala Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak B01 B02 B05 B14 B20 B21 Kulit Berpola Gatal Penebalan Kulit Berbintik Kemerahan Selangkangan Bersisik Kasar 0,4586 0,6986 1,1786 1,6786 2,6346 3,4718 x x x x x x x x x 0,5 1,456 2,2932 0 0 0 x x x Jumlah x 100% x 100% 75.45% 76.44%

(18)

4.1.3 Desain Sistem

Pada tahap ini penyusun merancang desain proses, diagram alir data (DAD), entity relationship diagram (ERD), dan tampilan interface dari sistem pakar diagnosa penyakit penyakit kulit akibat jamur.

1. Desain Proses

Gambar 4.5 Diagram Konteks Sistem Pakar Diagnosa Penyakit Kulit Akibat

Infeksi Jamur

Input Data Pasien

Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi

Jamur

Administrator _Pasien

Dokter

-Data Pasien -Data Diagnosa

Laporan Hasil Diagnosis

-Data Jenis Penyakit -Data Penjelasan Penyakit -Data Gejala

-Data Penyebab Penyakit -Data Cara Pengobatan

Input Jawaban Ya atau Tidak

(19)

2. DAD Level 0

Gambar 4.6 DAD Level 0 -Data Pasien

Administrator

Dokter

F4 Data Penyebab Penyakit F2 Data Penjelasan Penyakit F1 Data Jenis Penyakit

F3 Data Gejala

F5 Data Cara Pengobatan F6 Data Pasien 1.0 Input Data 3.0 Proses

Diagnosis Hasil Diagnosis F7 Hasil Diagnosis

Hasil Diagnosis

4.0 Laporan

F6 Data Pasien

-Laporan Data Pasien -Laporan Hasil Diagnosis Pasien

-Input Data Pasien -Input Jawaban Ya atau Tidak Data Pasien Data Pasien 2.0 Basis Pengetahuan

(20)

3. ERD (Entity Relationalship Diagram)

Gambar 4.7 Hubungan Antar Tabel ERD (Enitity Relationalship Diagram)

1 1 Gejala prior_present question prior_absent id_question jika_tidak cpt_c jpd_d cpt_b posterior jpd_c cpt_a cpt_d jpd_a jpd_b fakta_ya jika_ya fakta_tidak Pasien jam_konsiltasi nama_pasien no_konsutasi umur tgl_konsultasi alamat nilai_probabilitas jenis_kelamin solusi menderita_penyakit Penyakit id_penyakit nm_penyakit detail_penyakit penyebab_penyakit Menghasilkan id_solusi solusi Solusi id_penyakit nm_penyakit Menghasilkan Memiliki Memiliki 1 1 1 1 1 N Diagnosis Menghasilkan 1 1

(21)

Adapun keterangan dari gambar hubungan antar tabel ERD diatas yaitu :

a. Hubungan antar tabel penyakit dengan tabel gejala adalah one to many. Dikarenakan 1 penyakit memiliki banyak gejala.

b. Hubungan antar tabel penyakit dengan tabel solusi adalah one to one. Dikarenakan 1 penyakit hanya memiliki 1 pengobatan.

c. Hubungan antar tabel penyakit dengan tabel hasil penyakit adalah one to one. Dikarenakan 1 penyakit menghasilkan 1 hasil diagnosa.

d. Hubungan antar tabel pasien dengan tabel hasil diagnosa adalah one to one. Dikarenakan 1 pasien menghasilkan 1 hasil diagnosa.

e. Hubungan antar tabel pasien dengan tabel penyakit adalah one to one. Dikarenakan 1 pasien hanya menghasilkan 1 penyakit.

f. Hubungan antar tabel pasien dengan tabel solusi adalah one to one. Dikarenakan 1 pasien hanya menghasilkan 1 pengobatan.

4. Rancangan Database

Dalam perancangan database pada sistem pakar ini file-file yang digunakan adalah sebagai berikut :

Tabel 4.16 Penyakit

Field Type Index Size Keterangan

id_penyakit nm_penyakit detail_penyakit penyebab_penyakit Text Text Memo Memo Primary Key - - - 3 10 - - ID Penyakit Jenis Penyakit Penjelasan Penyakit Penyebab Penyakit

(22)

Tabel 4.17 Gejala

id_question question fakta_ya fakta_tidak jika_ya jika_tidak prior_present prior_absent cpt_a cpt_b cpt_c cpt_d jpd_a jpd_b jpd_c jpd_d posterior Text Text Text Text Text Text Text Text Number Number Number Number Number Number Number Number Number Primary Key - - - - - - - - - - - - - - - - 3 - - - 3 3 4 4 4 4 4 4 4 4 4 4 5 ID Pertanyaan/Gejala Pertanyaan/Gejala Fakta Ya Fakta Tidak Jika jawaban Ya Jika jawaban Tidak Nilai Prior Present Nilai Prior Absent Nilai CPT a Nilai CPT b Nilai CPT c Nilai CPT d Nilai JPD a Nilai JPD b Nilai JPD c Nilai JPD d Nilai Posterior Tabel 4.18 Solusi

id_solusi solusi id_penyakit Text Memo Text Primary Key - Foreign Key 3 - 3 ID Pengobatan Cara Pengobatan ID Penyakit Tabel 4.19 Pasien

no_konsultasi jam_konsultasi tgl_konsultasi nama_pasien umur Text Text Text Text Text Primary Key - - - - 5 6 - - 2 No. Konsultasi Jam Konsultasi Hari/Tgl Konsultasi Nama Pasien Umur

(23)

Tabel 4.19 Pasien (Lanjutan)

jenis_kelamin alamat menderita_penyakit nilai_probabilitas id_solusi Text Text Text Text Text - - - - Foreign Key - - 10 4 5 Jenis Kelamin Alamat Pasien

Penyakit yang Diderita Nilai Probabilitas ID Pengobatan

Tabel 4.20 Pengguna

id_user username pass level Text Text Text Text Primary Key - - - 4 10 8 - ID User Username Password Level User

5. Rancangan Tampilan Interface

Setelah penerapan metode Bayesian Network pada Sistem Pakar Diagnosa Penyakit Kulit Akibat Jamur terbentuk, kemudian dibuatkan rancangan awal tampilan program yaitu seperti berikut ini :

a. Rancangan Interface Program. 1.) Form Login

Gambar 4.8 Interface Form Login

SISTEM PAKAR

Diagnosa Penyakit Kulit Akibat Infeksi Jamur

Sistem Login

Level : User ID : Password :

(24)

2.) Form Halaman Utama

Gambar 4.9 Interface Form Halaman Utama

3.) Form Edit Pengetahuan

Untuk Form Edit Pengetahuan terdapat 5 frame didalamnya yang meliputi :

1.1. Frame User

ID User Username Password Level

Gambar 4.10 Interface Form Edit Pengetahuan (Frame User)

SISTEM PAKAR

Halaman Utama Edit Pengetahuan Batal Gambar Keluar Proses Diagnosis

Edit Data User SISTEM PAKAR

Edit Pengetahuan Simpan Bersih Password : Keluar User ID : Username : Level :

(25)

1.2. Frame Pasien No. Konsul Jam Konsul Tgl Konsul Nama Pasien Umur Jenis Kelamin Alamat Menderita Penyakit Nilai Probabilitas Solusi

Gambar 4.11 Interface Form Edit Pengetahuan (Frame Pasien)

1.3. Frame Penyakit

ID

Penyakit Nama Penyakit Penjelasan Penyakit Penyebab Penyakit

Gambar 4.12 Interface Form Edit Pengetahuan (Frame Penyakit)

Edit Data Pasien SISTEM PAKAR

Edit Pengetahuan

Hapus Bersih Umur :

Ubah Jam / Tanggal Konsultasi :

Nama Pasien : No. Konsutasi :

Alamat : Penyakit yang diderita : Dengan nilai Probabilitas :

Jenis Kelamin :

Keluar

Penyebab : Edit Penyakit

SISTEM PAKAR

Edit Pengetahuan Hapus Ubah Simpan Nama Penyakit : Penjelasan Penyakit : ID Penyakit : Bersih Keluar

(26)

1.4. Frame Gejala 1.5. ID Question Question Fakta Ya Fakta Tidak Jika Ya Jika Tidak Prior Present Prior Absent CPT a CPT b CPT c CPT d JPD a JPD b JPD c JPD d Posterior

Gambar 4.13 Interface Form Edit Pengetahuan (Frame Gejala)

1.5. Frame Solusi

ID Solusi Solusi ID Penyakit Nama Penyakit

Gambar 4.14 Interface Form Edit Pengetahuan (Frame Solusi)

1.6. Frame Laporan dan Hasil Diagnosis Pasien

Untuk frame Laporan dan Hasil Diagnosis Pasien ini masih terdapat pada from Edit Pengetahuan. Untuk memilih data mana yang hendak kita cetak yaitu dengan memilih salah satu pilihan laporan yang ada pada Combo Box „Cetak Berdasarkan‟, seperti yang terlihat pada gambar 4.15 dibawah ini :

Edit Gejala SISTEM PAKAR

Edit Pengetahuan Hapus Ubah Simpan Question : ID Question : Bersih Keluar Fakta Ya : Fakta Tidak : JIka Ya : Jika Tidak :

Prior Present : Prior Absent :

Conditional Probability Table Join Probability Distribution

Posterior Probability :

Nilai Bayesian Network

Edit Solusi

SISTEM PAKAR

Edit Pengetahuan

Hapus Ubah

Simpan Solusi :

ID Solusi : Bersih Keluar

(27)

No. Konsul Jam Konsul Tgl Konsul Nama Pasien Umur Jenis Kelamin Alamat Menderita Penyakit Nilai Probabilitas Solusi

Gambar 4.15 Interface Form Edit Pengetahuan (Frame Cetak Laporan

dan Hasil Diagnosis Pasien)

b. Rancangan Interface Laporan Konsultasi dan Hasil Diagnosis Pasien. 1.) Laporan Data Konsultasi Pasien

Gambar 4.16 Interface Laporan Data Konsultasi Pasien

Cetak Laporan dan Hasil Diagnosis Pasien SISTEM PAKAR

Edit Pengetahuan Bersih No. Konsultasi : Cari Berdasarkan : Cari Cetak Nama Pasien :

BLUD RSU PROF. DR. H ALOEI SABOE POLIKLINIK SPESIALIS PENYAKIT KULIT DAN KELAMIN

Jln. Aloei Saboe Kel. Wongkaditi Kec. Kota Utara Kota Gorontalo

Laporan Data Konsultasi Pasien

NO. No. Konsultasi Waktu Konsultasi Hari & Tgl Konsultasi Nama Pasien Umur Jenis Kelamin Alamat Menderita Penyakit Solusi Dr. Wahyuni Sp.KK, M.Kes Spesialis Kulit dan Kelamin

(28)

2.) Laporan Hasil Diagnosa Pasien

Gambar 4.17 Interface Hasil Diagnosa Pasien

BLUD RSU PROF. DR. H ALOEI SABOE POLIKLINIK SPESIALIS PENYAKIT KULIT DAN KELAMIN

Jln. Aloei Saboe Kel. Wongkaditi Kec. Kota Utara Kota Gorontalo

Laporan Hasil Diagnosa Pasien

No. Konsultasi :

Hari / Tanggal Konsultasi :

DATA LENGKAP PASIEN

NAMA LENGKAP :

UMUR :

JENIS KELAMIN :

ALAMAT :

HASIL DIAGNOSIS SERTA CARA PENGOBATAN Didiagnosa menderita penyakit :

Dengan nilai probabilitas sebesar : Berikut adalah cara pengobatannya :

Dr. Wahyuni Sp.KK, M.Kes Spesialis Kulit dan Kelamin

(29)

4.2 Pembahasan

4.2.1 Implementasi Sistem

Penerapan metode Bayesian Network dalam membangun sistem pakar diagnosa penyakit kulit akibat jamur pada manusia ini diaplikasikan kedalam suatu bahasa pemograman dengan menggunakan bahasa pemograman Visual Basic 6.0. Berdasarkan rancangan sistem yang telah dibuat, maka berikut adalah hasil implementasinya :

1. Form Login

Gambar 4.18 Tampilan Sistem Login

Form login ini bertujuan sebagai pengamanan program. Dalam sistem login ini terdapat 3 level pengguna yaitu Pasien, Pakar dan Administrator. Untuk dapat mengakses program ini dibutuhkan user ID dan password yang diisi dengan benar kemudian dilanjutkan dengan menekan tombol masuk maka akan masuk pada form

(30)

halaman utama, kecuali level pasien dapat langsung masuk pada form halaman utama tanpa memasukkan user ID dan password.

2. Form Halaman Utama

Gambar 4.19 Tampilan Form Utama

Dalam form halaman utama terdapat 2 tombol utama, yakni tombol Edit Pengetahuan dan tombol Proses Diagnosis. Setiap level pengguna memiliki hak akses berbeda-beda, berikut adalah perbedaan hak akses setiap level pengguna: a. Pasien

Level Pasien hanya dapat mengakses tombol Proses Diagnosis (untuk mengetahui penyakit apa yang diderita) serta Hasil Diagnosis (untuk dapat mengetahui hasil dari diagnosis serta nilai probabilitas dari penyakit yang diderita kemudian cara pengobatannya) yang akan muncul ketika pengguna melakukan proses diagnosis.

(31)

b. Pakar

Level Pakar dapat mengakses menu meliputi Proses Diagnosis dan Hasil Diagnosis serta Edit Pengetahuan (Edit User, Cetak Hasil Diagnosis Pasien, Edit Penyakit, Edit Gejala, Edit Solusi). Level Pakar tidak masuk pada menu Edit Pasien tentunya dikarenakan menu Edit pasien adalah Hak Akses Level Administrator.

c. Administrator

Level Administrator tidak dapat mengakses menu meliputi Proses Diagnosis dan Hasil Diagnosis serta Edit Pengetahuan (Edit User, Edit Data Pasien, Cetak Data Pasien, Cetak Hasil Diagnosis Pasien).

3. Form Edit Pengetahuan

(32)

Dalam form Edit Pengetahuan terdapat 3 menu utama yang terdiri dari menu File, menu Data dan menu Tentang yang memiliki submenu masing-masing: a. Menu File

Dalam menu File terdapat submenu Halaman login (akses untuk ke form Sistem Login), halaman utama (akses untuk ke form Halaman Utama) dan keluar (akses untuk menutup program).

b. Menu Data

Dalam menu Data terdapat 3 submenu yakni Data User (Edit User), Data Pasien (Edit Data Pasien, Cetak Data dan Hasil Diagnosis), dan Data Pengetahuan (Edit Penyakit, Edit Gejala, Edit Solusi).

1.) Submenu Data User (Frame Edit User)

Gambar 4.21 Tampilan Frame Edit User pada Form Edit Pengetahuan

Submenu Edit user diperlukan untuk menginput ataupun mengubah data level pengguna. Dalam frame ini, data yang dimasukkan berupa data username dan password yang nantinya akan digunakan untuk hak akses program.

(33)

2.) Submenu Data Pasien (Frame Edit Data Pasien)

Gambar 4.22 Tampilan Frame Edit Data Pasien pada Form Edit

Pengetahuan

Frame Edit Data Pasien ini berfungsi untuk mengubah data yang keliru atau ada kesalahan data yang diinput yang dimasukkan oleh pasien dari form Proses Diagnosis. Data yang dapat diubah meliputi Nama Pasien, Umur, Jenis Kelamin, dan Alamat.

3.) Submenu Data Pasien (Frame Cetak Data dan Hasil Diagnosis)

Gambar 4.23 Tampilan Frame Cetak Data dan Hasil Diagnosis pada Form

(34)

Frame Cetak Data dan Hasil Diagnosis ini terdapat combo box “Cetak Berdasarkan”. Dalam combo box ini terdapat 2 pilihan perintah yaitu “Laporan Data Pasien” dan “Hasil Diagnosis Pasien”, Jika combo box kita pilih pada “Laporan Data Pasien” maka perintah ini berfungsi untuk mencetak semua data pasien yang telah menggunakan program ini yang dibuat dalam satu laporan. Jika kita pilih combo box “Hasil Diagnosis Pasien” maka kita dapat mencetak hasil diagnosis dari pasien yang telah melakukan proses diagnosis sebelumnya.

4.) Laporan Data Pasien

(35)

5.) Laporan Hasil Diagnosis Pasien

Gambar 4.25 Tampilan Laporan Hasil Diagnosis Pasien

6.) Submenu Edit Pengetahuan (Frame Edit Penyakit)

Gambar 4.26 Tampilan Frame Edit Penyakit pada Form Edit Pengetahuan

Pada frame Edit Penyakit ini difungsikan untuk menginput ataupun mengubah data penyakit, penjelasan penyakit serta penyebab penyakit.

(36)

7.) Submenu Edit Pengetahuan (Frame Edit Gejala)

Gambar 4.27 Tampilan Frame Edit Gejala pada Form Edit Pengetahuan

Frame Edit Gejala ini digunakan untuk menginput ataupun mengubah data gejala, aturan dari tiap-tiap gejala serta nilai probabilitas dari gejala tersebut. Pada frame gejala ini terdapat tombol petunjuk yang dapat mengarahkan kepada form petunjuk yakni sebagai berikut:

(37)

8.) Submenu Edit Pengetahuan (Frame Edit Solusi)

Gambar 4.29 Tampilan Frame Edit Solusi pada Form Edit Pengetahuan

Frame Edit solusi ini dapat digunakan untuk menginput ataupun mengubah data tentang cara pengobatan dari tiap penyakit.

4. Form Proses Diagnosis (Frame Proses Diagnosis)

(38)

Form Proses Diagnosis ini digunakan untuk melakukan proses diagnosa penyakit kulit akibat infeksi jamur terhadap pasien. Pada form ini porses yang dilakukan adalah dengan menerima jawaban Ya atau Tidak yang diinput dari pasien dan kemudian dari proses ini akan diperoleh penyakit apa yang ia derita dengan perhitungan probabilitas dari gejala-gejala yang diinput. Selanjutnya setelah melakukan proses diagnosis maka akan muncul frame Hasil Diagnosis. 5. Form Proses Diagnosis (Frame Hasil Diagnosa)

Gambar 4.31 Tampilan Hasil Diagnosa pada Form Proses Diagnosis

Dari frame Hasil Diagnosa diatas terdapat tombol Lihat Detail, jika menekan tombol Lihat Detail maka akan muncul form Hasil Diagnosa dari proses diagnosis yang telah dilakukan tadi.

(39)

6. Form Hasil Diagnosis

Gambar 4.32 Tampilan Form Hasis Diagnosis

Form Hasil Diagnosa ini digunakan untuk menampilkan hasil diagnosa dari proses diagnosa yang telah dilakukan tadi. Pada form ini ditampilkan data berupa penyakit yang diderita dengan probibabilitasnya, keterangan atau penjelasan dari penyakit, gejala yang dirasakan, penyebab penyakit serta cara pengobatannya.

(40)

4.2.2 Pengujian Sistem

Setelah implementasi sistem selesai dibuat, kemudian sistem akan diuji apakah sistem yang telah dibuat ini sudah layak untuk digunakan atau belum. Pada tahap ini, pengujian dilakukan dengan mengunakan metode pengujian black-box.

Pada pengujian black-box yang di ambil adalah form login, frame edit gejala pada form edit pengetahuan dan form diagnosis. Hasil dari pengujian sistem dapat dilihat pada tabel-tabel berikut:

1. Pengujian Login

Tabel 4.21 Pengujian Form Login

Data Masukan Proses Pengamatan Kesimpulan

Level, Username dan password terisi dengan benar Akan Menampilkan Halaman Utama program Menampilkan Halaman Utama Sesuai Level, Username dan password salah Akan menampilkan pesan “Username Tidak Tersedia” Menampilkan Pesan Sesuai

2. Pengujian Edit Pengetahuan

Tabel 4.22 Pengujian Frame Edit Gejala pada Form Edit Pengetahuan

Input data gejala dengan benar dan lengkap

Data tersimpan di tabel gejala

Tombol Simpan berfungsi dengan benar

Sesuai

Tombol Petunjuk Menampilkan form petunjuk

Menampilkan form petunjuk

Sesuai

Tombol Ubah Data diperbaharui Tombol Edit

berfungsi dengan benar

Sesuai

Tombol Hapus Data dihapus Data berhasil

dihapus

(41)

Tabel 4.22 Pengujian Frame Edit Penyakit pada Form Edit Pengetahuan

(Lanjutan)

Tombol Bersih Semua Text Box

kosong

Text Box kosong Sesuai

Tombol Keluar Keluar dari form Edit Pengetahuan dan kembali ke form Halaman Utama Tombol Keluar berfungsi dengan baik Sesuai

3. Pengujian Proses Diagnosa

Tabel 4.23 Pengujian Form Proses Diagnosa

Tombol Proses Mulai melakukan

proses diagnosa jika input data pasien diisi dengan baik dan benar

Proses diagnosa dimulai

Sesuai

Input data pasien salah

Menampilkan pesan “Data yang anda masukan belum lengkap!”

Menampilkan pesan

Sesuai

Tombol Bersih Semua tex box kosong tex box kosong Sesuai

Tombol Batal Keluar dari form

Proses Diagnosa kembali ke form Halaman Utama Tombol Batal Berfungsi dengan baik Sesuai

Tombol Ya Melakukan proses

pelemparan ke pertanyaan berikutnya apabila pengguna menjawab ya Proses pelembaran jawaban berjalan dengan baik Sesuai

Tombol Tidak Melakukan proses

pelemparan ke pertanyaan berikutnya apabila pengguna menjawab ya Proses pelembaran jawaban berjalan dengan baik Sesuai

(42)

Dengan melihat hasil pengujian yang telah dilakukan diatas, menunjukan bahwa sistem yang dibangun sudah memenuhi persyaratan secara fungsional, artinya sistem ini sudah dapat digunakan karena dapat menghasikan keluaran yang sesuai dengan yang diharapkan.