BAB IV HASIL DAN UJI COBA

(1)

71

BAB IV

HASIL DAN UJI COBA

IV.1. Tampilan Hasil

Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, yang digunakan untuk memperjelas tentang tampilan-tampilan yang ada pada aplikasi sistem pakar. Sehingga hasil implementasinya dapat dilihat sesuai dengan hasil program yang telah dibuat. Dibawah ini akan dijelaskan tiap-tiap tampilan yang ada pada program.

IV.1.1. Tampilan Menu Awal

Tampilan menu awal merupakan tampilan menu pembuka atau menu utama pada aplikasi. Pada tampilan ini terdapat home yang berisi tentang penjelasan penyakit gigi, menu konsultasi untuk mengakses aplikasi pertanyaan konsultasi, serta menu login pakar untuk untuk mengakses aplikasi sebagai pakar. Gambar tampilan menu awal ditunjukkan pada gambar IV.1 berikut ini:

(2)

72

Gambar IV.1 Tampilan Menu awal

IV.1.2. Tampilan Menu Login Pakar

Tampilan ini merupakan tampilan login sebagai seorang pakar sebelum mengkakses menu awal pakar. Pada menu ini sebelum login pakar harus menginputkan username dan password yang valid. Gambar tampilan Loginpakar ditunjukkan pada gambar IV.2 berikut ini:

(3)

73

Gambar IV.2 Tampilan Loginpakar

IV.1.3. Tampilan Menu Daftar User

Tampilan ini merupakan tampilan akses penuh dari pakar untuk memanipulasi data penyakit, gejala, pertanyaan, solusi daftar user serta logout. Untuk menjalankannya cukup meng-klik salah satu menu yang ada. Gambar tampilan menu awal pakar ditunjukkan pada gambar IV.3 berikut ini:

(4)

74

Gambar IV.3 Tampilan Menu Daftar User

IV.1.4. Tampilan Menu Penyakit

Tampilan ini merupakan tampilan untuk memanipulasi data penyakit seperti menambah data penyakit baru, mengedit data penyakit yang ada atau menghapus data yang ada. Gambar tampilan menu penyakit ditunjukkan pada gambar IV.4 berikut ini:

(5)

75

Gambar IV.4 Tampilan Menu Penyakit

IV.1.5. Tampilan Menu Pertanyaan

Tampilan ini merupakan tampilan untuk memanipulasi data gejala seperti menambah data gejala baru, mengedit data gejala yang ada atau menghapus data yang ada. Gambar tampilan menu pertanyaan ditunjukkan pada gambar IV.5 berikut ini:

(6)

76

Gambar IV.5 Tampilan Menu Pertanyaan

IV.1.6. Tampilan Menu Konsultasi

Tampilan ini merupakan tampilan untuk mengakses aplikasi sebagai pasien. Sebelum melakukan konsultasi data pasien tidak boleh kosong. Gambar tampilan Konsultasi ditunjukkan pada gambar IV.6 berikut ini:

(7)

77

Gambar IV.6 Tampilan Menu Konsultasi

IV.1.7. Tampilan Tanyajawab

Tampilan ini merupakan tampilan untuk memulai konsultasi dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem setelah menekan tombol konsultasi, kemudian sistem akan memberikan output berupa hasil konsultasi berdasarkan jawaban dari pasien terhadap pertanyaan yang diajukan oleh aplikasi. Gambar tampilan Tanyajawab untuk menjawab pertanyaan yang diajukan sistem ditunjukkan pada gambar IV.7 berikut ini:

(8)

78

Gambar IV.7 Tampilan Tanyajawab

IV.1.8. Tampilan Hasilkonsultasi

Tampilan ini merupakan tampilan untuk menampilkan hasil dari konsultasi yang dilakukan oleh pasien. Gambar tampilan hasil ditunjukkan pada gambar IV.8 berikut ini:

(9)

79

Gambar IV.8 Tampilan Hasil Konsultasi

IV.1.9. Tampilan Menu Basis Aturan

Tampilan ini merupakan tampilan untuk menampilkan aturan yang dilakukan oleh pakar. Gambar tampilan hasil ditunjukkan pada gambar IV.9 berikut ini:

(10)

80

Gambar IV.9 Tampilan Basis Aturan

IV.2. Uji Coba

Dalam perancangan “Sistem Informasi Mendeteksi Penyakit Gigi Menggunakan Metode Certainty Factor Berbasis Web”, penulis menggunakan program yang berbasis pada Macromedia Dreamweaver 8 khususnya PHP dan menggunakan MySQL sebagai database.

Perintah yang ada pada program yang penulis buat juga cukup mudah untuk dipahami karena user hanya perlu mengklik tombol (button) yang sudah tersedia sesuai dengan kebutuhan.

(11)

81

IV.2.1 Metode Certainty Factor

Metode certainty factor yang akan diterapkan dalam pembuatan sistem pakar ini adalah metode dengan rumus certainty factor sebagai berikut :

CF(H,e) = CF(E,e) - CF(H,E)

Di mana

CF(E,e) : certainty factor evidence E yang dipengaruhi oleh evidence e. CF(H,E) : certainty factor hipotesis dengan asumsi evidence diketahui

dengan pasti, yaitu ketika CF(E,e) = 1.

CF(H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e. Karena semua evidence pada antecedent diketahui dengan pasti maka rumusnya menjadi :

CF(H,e) * CF(H,E)

Contoh perhitungan nilai certainty factor untuk sistem ini adalah sebagai berikut: JIKA Gigi terasa linu jika terkena rangsangan

AND Gigi terasa berdenyut yang terjadi secara spontan

AND Rasa sakit yang tajam dan dapat menjalar ke kepala, telinga, dan kadang punggung

MAKA Terkena Penyakit kd KPS1 Dengan menganggap

E1 : ” Gigi terasa linu jika terkena rangsangan”

E2 : ” Gigi terasa berdenyut yang terjadi secara spontan”

E3 : “Rasa sakit yang tajam dan dapat menjalar ke kepala, telinga, dan kadang punggung”

(12)

82

Nilai certainty factor hipotesis pada saat evidence pasti adalah : CF(H,E) = CF(H,E1 ^ E2 ^ E3 ^ E4^ E5)

= 0.7

Dalam kasus ini, kondisi pasien tidak dapat ditentukan dengan pasti. Certainty factor evidence E yang dipengaruhi partial evidence e ditunjukkan dengan nilai sebagai berikut:

CF(E1 , e) = 0.7 CF(E2 , e) = 0.9 CF(E3 , e) = 0.8 CF(E4 , e) = 0 CF(E5 , e) = 0 Sehingga CF(E,e) = CF(E1 ^ E2 ^ E3 ^ E4 ^ E5, e)

= Com [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e), CF(E5,e)] = Com [0.7, 0.9, 0.8, 0,0]

= 2.4

Nilai certainty factor hipotesis adalah: CF(H,e) = CF(E,e) * CF(1-E1)

= 2,4 * (1-0.7) = 0,72

Hal ini berarti besarnya kepercayaan pakar terhadap kemungkinan menderita penyakit kd KPS1 adalah 0,72 atau bila diprosentasekan nilainya menjadi 72%.

(13)

83

IV.2.2 Hasil Uji Coba

Setelah melakukan beberapa percobaan terhadap sistem yang digunakan maka dapat disimpulkan hasil yang didapatkan, yaitu:

1. Sistem memiliki tampilan yang relatif stabil. 2. Sistem telah menghasilkan informasi yang valid.

3. Antarmuka yang sederhana dapat mempermudah pengguna dalam mempelajari sistem ini.

IV.2.3. Kasus dan Hasil Pengujian IV.2.3.1 Pengujian Login

Tabel IV.1. Login Pakar Kasus dan Hasil Uji (Data Valid)

Data Masuk Skenario Uji Yang diharapkan Hasil Pengujian Kesimpulan

Login Pakar Input

username dan password sesuai ketentuan Masuk dapat ke form utama pakar sesuai dengan hak akses pakar Dapat masuk ke form utama sesuai yang diharapkan [√]diterima [ ]ditolak

Kasus dan Hasil Uji (Data Invalid) Login Pakar Input

username dan password tidak sesuai ketentuan Tidak dapat masuk ke form utama muncul pesan”username dan assword anda salah) Tidak dapat masuk ke halaman utama [√]diterima [ ]ditolak

(14)

84

IV.2.3.2. Pengujian Konsultasi

Tabel IV.2 Pengujian Konsultasi Kasus dan Hasil Uji (Data Valid)

Input Data Konsultasi Input data pasien dan data gejala Data dapat disimpan dan menampilkan hasil diagnosa dapat disimpan dan menampilkan hasil diagnosa sesuai yang diharapkan [√]diterima [ ]ditolak

Kasus dan Hasil Uji (Data Invalid) Input Data Konsultasi Input data pasien dan data gejala Sistem akan menolak untuk menampilkan hasil diagnosa Tidak dapat menampilkan sesuai yang diharapkan [√]diterima [ ]ditolak

IV.2.3.3. Pengujian Daftar User

Tabel IV.3 Pengujian Daftar User Kasus dan Hasil Uji (Data Valid)

Tampilkan Daftar User Hapus data pasien yang sudah tersimpan otomatis Data dapat tampil dan data yang dihapus akan terhapus sesuai dengan yang diharapkan Data dapat tampil terhapus sesuai dengan yang diharapkan [√]diterima [ ]ditolak

Kasus dan Hasil Uji (Data Invalid) Tampilkan Daftar User Hapus data pasien yang sudah tersimpan otomatis Tidak dapat menampilkan daftar user yang akan dihapus

Tidak dapat menampilkan daftar user yang akan dihapus

[√]diterima

(15)

85

IV.2.3.4. Pengujian Penyakit

Tabel IV.4 Pengujian Penyakit Kasus dan Hasil Uji (Data Valid)

Input Penyakit Input data penyakit sesuai ketentuan Dapat terinput ke form penyakit Dapat terinput ke form penyakit sesuai dengan yang diharapkan [√]diterima [ ]ditolak

Kasus dan Hasil Uji (Data Salah) Input Penyakit Input data penyakit tidak sesuai ketentuan Data yang diinput tidak dapat tersimpan Data yang diinput tidak dapat tersimpan [√]diterima [ ]ditolak

IV.2.3.5. Pengujian Gejala

Tabel IV.5 Pengujian Gejala Kasus dan Hasil Uji (Data Normal)

Input Gejala Input data

gejala sesuai ketentuan Dapat terinput ke form gejala Dapat terinput ke form gejala sesuai dengan yang diharapkan [√]diterima [ ]ditolak

Kasus dan Hasil Uji (Data Salah) Input Gejala Input data

gejala tidak sesuai ketentuan Data yang diinput tidak dapat tersimpan Data yang diinput tidak dapat tersimpan [√]diterima [ ] ditolak

(16)

86

IV.2.3.6. Pengujian Basis Aturan

Tabel IV.6 Pengujian Basis Aturan Kasus dan Hasil Uji (Data Valid)

Input Basis Aturan Input data sesuai ketentuan Dapat terinput ke form basis aturan

Dapat terinput ke form basis aturan sesuai dengan yang diharapkan [√]diterima [ ] ditolak

Kasus dan Hasil Uji (Data Salah) Input Basis Aturan Input data tidak sesuai ketentuan Data yang diinput tidak dapat tersimpan Data yang diinput tidak dapat tersimpan [√]diterima [ ] ditolak

Tabel IV.7 Pengujian nilai CF Penyakit Kasus hasil uji (Data Invalid) No Data konsultasi Perhitungan

manual Sistem Kesimpulan 1. CF(E1 , e) = 0.3 CF(E2 , e) = 0.4 CF(E3 , e) = 0.8 CF(E4 , e) = 0.8 CF(E5 , e) = 0.5 CF(E,e)= CF(E1 ∩ E2 ∩ E3 ∩ E4 ∩ E5 , e) = min [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e), CF(E5,e)] = min [0.3, 0.4, 0.8, 0.8, 0.5] = 0.84 x 100% = 84% Menampilkan halaman Analisa Hasil, dan sistem menganalisa gejala yang dimasukkan dan menentukan penyakit pulpitis(KPS1). Nilai Kepastian 84% [] diterima [] ditolak 2. CF(E1 , e) = 0.2 CF(E2 , e) = 0.3 CF(E3 , e) = 0.8 CF(E,e)= CF(E1 ∩ E2 ∩ E3 ∩ E4∩ E5, e) Menampilkan halaman Analisa Hasil, sistem [] diterima [] ditolak

(17)

87 CF(E4 , e) = 0.3 CF(E5 , e) = 0.3 = min [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e) CF(E5,e) = min [0.2, 0.3, 0.8, 0.3, 0.3] = 0.38 x 100% = 38% menganalisa gejala yang dimasukkan dan menentukan penyakit nekrosis (KPS2). Nilai kepastian 38% 3. CF(E1 , e) = 0.2 CF(E2 , e) = 0.4 CF(E3 , e) = 0.8 CF(E4 , e) = 0.3 CF(E5 , e) = 0.3 CF(E,e)= CF(E1 ∩ E2 ∩ E3 ∩ E4∩ E5 ∩ E6 , e) = min [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e) CF(E5,e)] = min [0.2, 0.4, 0.8, 0.3, 0.3] = 0.4 x 100% = 40% Menampilkan halaman Analisa Hasil, sistem menganalisa gejala yang dimasukkan dan sistem menentukan penyakit gingivitis(KPS3). Nilai kepastian 40% [] diterima [] ditolak

Kasus hasil uji (Data Invalid)

No Data konsultasi Yang diharapkan Pengamatan Kesimpulan

4. Konsultasi gejala tidak sesuai Rule (Aturan)

Akan ada pesan bahwa data penyakit tidak ditemukan. Muncul Pesan bahwa data penyakit yang dianalisa berdasarkan gejala tidak ditemukan [] diterima [] ditolak

IV.3. Kelebihan dan Kekurangan Sistem yang dirancang

Adapun beberapa kelebihan yang dimiliki oleh sistem pakar ini adalah sebagai berikut :

(18)

88

1. Aplikasi dapat mendiagnosa penyakit yang diderita oleh pasien berdasarkan gejala yang sudah diinput oleh ahli pakar nilai, dikelompokan dengan kerusakan jawaban yang diberikan oleh pasien.

2. Aplikasi sistem pakar ini memberikan gejala-gejala berserta solusi .

3. Terdapat batasan yang jelas antara user atau pengguna dan pakar, sehingga tidak sembarangan orang dapat mengakses sistem yang dibangun.

4. Id inputan selalu otomatis untuk menghindari terjadinya redudansi pada database.

5. Nilai penyakit diinput oleh ahli pakar secara otomatis sistem yang dibangun menyerupai ahli pakar tersebut.

Setiap sistem yang dibangun tentunya memiliki kekurangan, kekurangan yang dimiliki sistem ini adalah :

1. Jika sistem yang dibuat tidak selalu update sesuai dengan pengetahuan baru, maka sistem tidak dapat memberikan solusi yang terbaik.

2. Nilai certainty factor pada penyakit di input didalam kode pemograman, jadi setiap penambahan penyakit baru tentunya juga inputkan nilai didalam kode. 3. Sistem hanya akan memberikan hasil akurat bila dimasukkan gejala yang

sesuai.

4. Hanya bisa menginputkan maksimum 5 gejala.

5. Sistem hanya mendiagnosa penyakit berdasarkan gejala yang dialami pasien. 6. Belum adanya security pengaman berupa fitur anti virus sebagai media untuk