BAB III ANALISIS DAN DESAIN SISTEM

(1)

34 III.1. Analisis Masalah

Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes, analisis dilakukan agar dapat menemukan masalah-masalah dalam pengolahan diagnosis penyakit Akromegali Dengan Metode Teorema bayes dalam menentukan nilai dari setiap gejala agar mudah dalam menentukan penyakit yang diderita oleh pasien. Adapun kelemahan pada sistem terdahulu adalah :

1. Minimnya informasi mengenai penyakit Akromegali dikalangan masyarakat umum.

2. Belum adanya sistem pakar yang membantu pihak masyarakat ataupun medis untuk memprediksi nilai penyakit Akromegali berdasarkan gejala yang dialami oleh pasien.

3. Tidak adanya implementasi sistem pakar penyakit Akromegali dengan menggunakan metode Teorema Bayes

III.2. Penerapan Metode / Algoritma

(Agustina ; 2014 : 125) Dalam bidang kedokteran teorema bayes sudah dikenal tetapi teorema ini lebih banyak diterapkan dalam logika kedokteran modern. Teorema ini lebih banyak diterapkan pada hal-hal yang berkenan dengan diagnosa secara statistik yang berhubungan dengan probabilitas serta

(2)

kemungkinan dari penyakit dan gejala-gejala yang berkaitan. Secara umum teorema bayes dengan dapat dituliskan dalam bentuk :

P (S1 | Gn) : Probabilitas stadium 1 terhadap gejala P (S1) : Probabilitas stadium 1

P (S2) : Probabilitas stadium 2 P (Gn) : Probabilitas Gejala

(3)

III.2.1. Perhitungan Manual Metode / Algoritma Teorema Bayes a. Tabel Stadium (Probabilitas Penyakit)

Tabel III.1 Tabel Stadium Kode

Stadium Stadium Probabilitas

S1 Stadium Awal 0,4

S2 Stadium Lanjut 0,6

b. Tabel Gejala

Tabel III.2 Tabel Gejala Kode

Gejala Gejala

G1 Fitur Wajah Yang Kasar

G2 Pembengkakan Tangan dan Kaki

G3 Penebalan Pada Kulit

G4 Rambut Terasa Kasar

G5 Keringat Berlebihan

G6 Rahang Menonjol (Prognatisme)

G7 Suara Serak

G8 Nyeri Sendi

G9 Rusuk Menebal

G10 Siklus Menstruasi Tidak Teratur (Jika Anda Wanita) G11 Kuantitas Sperma Menurun (Jika Anda Pria)

G12 Kelelahan dan Kelemahan Otot

G13 Gangguan Penglihatan

c. Rule Based (Aturan)

Tabel III.3 Tabel Rule Base Kode Stadiu m Kode Gejala G0 1 G0 2 G0 3 G0 4 G0 5 G0 6 G0 7 G0 8 G0 9 G1 0 G1 1 G1 2 G1 3 S1 * * * * * * * * S2 * * * * * * * * * * *

Tabel III.4 Tabel Nilai Probabilitas Gejala Terhadap Penyakit Kode Stadiu m Kode Gejala G0 1 G0 2 G0 3 G0 4 G0 5 G0 6 G0 7 G0 8 G0 9 G1 0 G1 1 G1 2 G1 3 S1 0,2 0,1 0,8 0,7 0,5 0,3 0,3 0,6 S2 0,7 0,5 0,4 0,6 0,2 0,6 0,1 0,7 0,3 0,1 0,3

(4)

Contoh Kasus :

Diketahui seorang pasien bernama madi mengalami gejala sebagai berikut : 1. Fitur Wajah Yang Kasar (G1)

2. Rambut Terasa Kasar (G4) 3. Suara Serak (G7)

4. Nyeri Sendi (G8)

5. Gangguan Penglihatan (G13) Perhitungan manual :

1. Stadium Awal = P(S1) = 0,4

Terhadap Fitur Wajah Yang Kasar : P(G1 | S1) : 0,2 P (G1 | S1) * P (S1) P (S1 | G1) = (P(G1 | S1) * P (S1)) + (P(G1 | S2) * P (S2)) 0,2 * 0,4 = (0,2 * 0,4) + (0,7 * 0,6) 0,08 = 0,08 + 0,42 0,08 = 0,5 = 0,16

Terhadap Rambut Terasa Kasar : P(G4 | S1) : 0

Terhadap Suara Serak : P(G7 | S1) : 0,7

P (G7 | S1) * P (S1) P (S1 | G7) = (P(G7 | S1) * P (S1)) + (P(G7 | S2) * P (S2)) 0,7 * 0,4 = (0,7 * 0,4) + (0,1 * 0,6)

(5)

0,28 = 0,28 + 0,06 0,28 = 0,34 = 0,8235

Terhadap Nyeri Sendi : P(G8 | S1) : 0,5

P (G8| S1) * P (S1) P (S1 | G8) = (P(G8 | S1) * P (S1)) + (P(G8 | S2) * P (S2)) 0,5 * 0,4 = (0,5 * 0,4) + (0 * 0,6) 0,2 = 0,2 + 0 0,2 = 0,2 = 1

Terhadap Gangguan Penglihatan : P(G13 | S1) : 0,6

P (G13 | S1) * P (S1) P (S1 | G13) = (P(G13 | S1) * P (S1)) + (P(G13 | S2) * P (S2)) 0,6 * 0,4 = (0,6 * 0,4) + (0 * 0,6) 0,24 = 0,24 + 0

(6)

0,24 =

0,24 = 1

Total Bayes Stadium Awal : 0,16 + 0 + 0,8235 + 1 + 1 = 2,9835

2. Stadium Lanjut = P(S2) = 0,6

Terhadap Fitur Wajah Yang Kasar : P(G1 | S2) : 0,7 P (G1 | S2) * P (S2) P (S2 | G1) = (P(G1 | S1) * P (S1)) + (P(G1 | S2) * P (S2)) 0,7 * 0,6 = (0,2 * 0,4) + (0,7 * 0,6) 0,42 = 0,08 + 0,42 0,42 = 0,5 = 0,84

Terhadap Rambut Terasa Kasar : P(G4 | S2) : 0,6

P (G4 | S2) * P (S2) P (S2 | G4) = (P(G4 | S1) * P (S1)) + (P(G4 | S2) * P (S2)) 0,6 * 0,6 = (0 * 0,4) + (0,6 * 0,6) 0,36 = 0 + 0,36

(7)

0,36 =

0,36 = 1

Terhadap Suara Serak : P(G7 | S2) : 0,1

P (G7 | S2) * P (S2) P (S2 | G7) = (P(G7 | S1) * P (S1)) + (P(G7 | S2) * P (S2)) 0,1 * 0,6 = (0,7 * 0,4) + (0,1 * 0,6) 0,06 = 0,28 + 0,06 0,06 = 0,34 = 0,1765

Terhadap Nyeri Sendi : P(G8 | S2) : 0

Terhadap Gangguan Penglihatan : P(G13 | S2) : 0

Total Bayes Stadium Lanjut : 0,84 + 1 + 0,1765 + 0 + 0 = 2,0165 Selanjutnya dilakukan perhitungan untuk menentukan persentase pada masing-masing stadium :

Hasil = total bayes stadium awal + total bayes stadium lanjut = 2,9835 + 2,0165

= 5

Persentase Stadium Awal = (total bayes stadium awal / hasil) * 100% = (2,9835 / 5) * 100 % = 59,67 %

(8)

Persentase Stadium Lanjut = (total bayes stadium lanjut / hasil) * 100% = (2,0165 / 5) * 100 % = 40,33 %

Berdasarkan perhitungan manual, pasien bernama madi diketahui menderita penyakit akromegali Stadium Awal dengan perhitungan total bayes tertinggi yaitu 59,67%.

III.3. Desain Sistem

Desain sistem secara global menggunakan bahasa pemodelan UML yang terdiri dari Usecase Diagram, Class Diagram, Activity Diagram dan Sequence Diagram.

III.3.1.Usecase Diagram

Secara garis besar, bisnis proses sistem yang akan dirancang digambarkan dengan usecase diagram yang terdapat pada Gambar III.1 :

Sistem Pakar Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes

Pakar Login Pakar Stadium Gejala Rule Based <extends> <extends> <extends> <extends> Pasien Daftar Login Edit Data Diagnosa Riwayat <include> <include> <include> <include> pengaturan logout <include> <include>

Tambah Gejala Hapus Gejala <extends> <extends>

Logout

Gambar III.1. Use Case Diagram Sistem Pakar Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes

(9)

III.3.2. Class Diagram

Rancangan kelas-kelas yang akan digunakan pada sistem yang akan dirancang dapat dilihat pada gambar III.2 :

Gejala kode_gejala nama_gejala +baru +simpan +edit +hapus Konsultasi kode_konsultasi tanggal kode_pasien hasil_diagnosa nilai_bayes +Masukkan gejala +diagnosa +simpan Pakar kode_pakar username password +baru +simpan +edit +hapus Pasien kode_pasien nama jenis_kelamin alamat usia username password +simpan penyakit kode_penyakit nama_penyakit probabilitas deskripsi pengobatan pencegahan rule kode_relasi kode_stadium nama_gejala probabilitas +tambah +hapus stadium kode_stadium stadium probabilitas solusi +baru +simpan +edit +hapus 1 1 1 1..* 1..* 1 1

Gambar III.2. Class Diagram Sistem Pakar Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes

(10)

III.3.3. Activity Diagram

Bisnis proses yang telah digambarkan pada usecase diagram diatas dijabarkan dengan activity diagram :

1. Activity Diagram Login Pakar

Aktifitas sistem login yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.3 berikut:

Buka Aplikasi Login Isi Username Isi Password Enter Berhasil Gagal

Gambar III.3. Activity Diagram Login Pakar

2. Activity Diagram Data Pakar

Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.4 berikut :

(11)

Mulai

Tampil Form pakar

Baru ?

Input Data pakar Ya

Tidak Edit ? Simpan ? ya Simpan Batal tidak Ubah Data ya Hapus ? tidak Hapus Data ya tidak

Gambar III.4. Activity Diagram Data Pakar

3. Activity Diagram Data Stadium

Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data stadium dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.5 berikut :

Mulai

Tampil Form stadium

Baru ?

Input Data stadium Ya

(12)

4. Activity Diagram Data Gejala

Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data gejala dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.6 berikut :

Mulai

Tampil Form gejala

Baru ?

Input Data gejala Ya

Gambar III.6. Activity Diagram Data Gejala

5. Activity Diagram Data Rule Based

Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data rule based dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.7 berikut :

(13)

Mulai

Tampil Form rule base

Tentukan kode stadium

tambah ?

Simpan ? ya

Simpan Batal

tidak tambah Data gejala ya Hapus ? tidak Hapus Data ya tidak

Gambar III.7. Activity Diagram Data Rule Based

6. Activity Diagram Daftar Pasien

Aktifitas sistem daftar pasien yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.8 berikut :

Memilih aksi pada form Menu

Click Form Daftar Pasien

Isi data pasien

Click daftar

(14)

7. Activity Diagram Login Pasien

Aktifitas sistem login yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.9 berikut:

Buka Aplikasi Login Isi Username Isi Password Enter Berhasil Gagal

Gambar III.9. Activity Diagram Login Pasien

8. Activity Diagram Data Konsultasi

Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data sistem pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.10 berikut :

(15)

Memilih aksi pada form Menu

Click Form Sistem Pakar

Mengisi data gejala

Lihat informasi hasil konsultasi Click Diagnosa

Gambar III.10. Activity Diagram Data Konsultasi

9. Activity Diagram Melihat Riwayat Konsultasi

Aktifitas sistem yang dilakukan dalam melihat informasi mengenai laporan hasil konsultasi dapat diterangkan pada gambar III.11 :

Pilih Form Riwayat Konsultasi Click Cetak Laporan

Lihat Informasi Konsultasi

(16)

III.3.4. Sequence Diagram

Rangkaian kegiatan pada setiap terjadi event sistem digambarkan pada sequence diagram berikut :

1. Sequence Diagram Login Pakar

Serangkaian kinerja sistem login yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.12 berikut : Form Login Form login Validasi nama dan password () Login sukses () Invalid () Koneksi Database ()

Pakar Form Login Proses Halaman

Pakar Tabel pakar

(17)

2. Sequence Diagram Data Pakar

Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.13 berikut :

Form pakar Tampilkan Fom () Menu () click form pakar () Click baru () Click simpan () Close form () Koneksi database () Koneksi database () Koneksi database () Click Edit () Click Hapus () pakar

Main Form Form pakar _Proses

Tabel pakar

(18)

3. Sequence Diagram Data Stadium

Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data stadium dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.14 berikut :

Form stadium Tampilkan Fom () Menu () click form stadium () Click baru () Click simpan () Close form () Koneksi database () Koneksi database () Koneksi database () Click Edit () Click Hapus () pakar

Main Form Form stadium _Proses

Tabel stadium

(19)

4. Sequence Diagram Data Gejala

Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data gejala dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.15 berikut :

Form gejala Tampilkan Fom () Menu () click form gejala () Click baru () Click simpan () Close form () Koneksi database () Koneksi database () Koneksi database () Click Edit () Click Hapus () pakar

Main Form Form gejala _Proses

Tabel gejala

(20)

5. Sequence Diagram Data Rule Based

Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data rule based dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.16 berikut :

Form rule base

Tampilkan Fom () Menu () click form rule base () Tambah gejala () Hapus Gejala () Close form () Koneksi database () Pasien

Main Form _Proses

Tabel rule base

Form rule base _{Form Input rule}

simpan gejala ()

Koneksi database ()

(21)

6. Sequence Diagram Daftar Pasien

Serangkaian kinerja sistem daftar pasien yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.17 berikut :

Form Daftar Pasien

Form login

Isi data Pasien

Click Daftar

Datar Tersimpan ()

Pasien Form Daftar Pasien Proses

Koneksi database ()

Form Login

(22)

7. Sequence Diagram Login Pasien

Serangkaian kinerja sistem login yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.18 berikut : Form Login Form login Validasi nama dan password () Login sukses () Invalid () Koneksi Database ()

Pasien Form Login Proses Halaman

Pasien Tabel Pasien

(23)

8. Sequence Diagram Data Diagnosa

Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data diagnosa dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.19 berikut :

Form diagnosa Tampilkan Fom () Menu () click form diagnosa () Masukan gejala () Click diagnosa () Close form () Koneksi database () Koneksi database () Click simpan () Pasien

Main Form _Proses

Tabel diagnosa Form diagnosa

(24)

9. Sequence Diagram Melihat Riwayat Konsultasi

Serangkaian kinerja sistem yang dilakukan dalam melihat informasi mengenai laporan hasil konsultasi dapat diterangkan pada gambar III.20 :

Form riwayat konsultasi

Tampilkan Fom ()

Menu ()

click

form

Cetak laporan ()

Informasi data ()

Keluar form ()

pasien Form riwayat

konsultasi

Proses

Tabel konsultasi

(25)

III.4.Desain Basis Data

Desain basis data terdiri dari tahap melakukan perancangan normalisasi tabel dan merancang struktur tabel.

III.4.1. Normalisasi

Tahap normalisasi ini bertujuan untuk menghilangkan masalah berupa ketidak konsistenan apabila dilakukannya proses manipulasi data seperti penghapusan, perubahan dan penambahan data sehingga data tidak ambigu.

III.4.1.1. Normalisasi Data Hasil Analisa

Normalisasi data nilai dilakukan dengan beberapa tahap normalisasi sampai data nilai ini masuk ke tahap normal di mana tidak ada lagi redundansi data. Berikut ini adalah tahapan normalisasinya :

1. Bentuk Tidak Normal

Bentuk tidak normal dari data nilai ditandai dengan adanya baris yang satu atau lebih atributnya tidak terisi, bentuk ini dapat dilihat pada tabel III.5 di bawah ini :

Tabel III.5 Data Hasil Analisa Tidak Normal

Kode Konsultasi Tanggal Kode Pasien Gejala Hasil Diagnosa Nilai

1 21/04/2015 PS00000001 GJ00000001 Stadium Awal 3,5508 GJ00000002 GJ00000003 2 GJ00000004 Stadium Lanjut 4,6971 GJ00000005 GJ00000006 3 PS00000002 2,1298 4 GJ00000001 Stadium Awal 1,7273 GJ00000002 GJ00000003

(26)

2. Bentuk Normal Pertama (1NF)

Bentuk normal pertama dari data nilai merupakan bentuk tidak normal yang atribut kosongnya diisi sesuai dengan atribut induk dari record-nya, bentuk ini dapat dilihat pada tabel III.6 di berikut ini:

Tabel III.6 Data Hasil Normal Pertama

Kode Konsultasi Tanggal Kode Pasien Gejala Hasil Diagnosa Nilai

1 21/04/2015 PS00000001 GJ00000001 Stadium Awal 3,5508 21/04/2015 PS00000001 GJ00000002 21/04/2015 PS00000001 GJ00000003 2 21/04/2015 PS00000001 GJ00000004 Stadium Lanjut 4,6971 21/04/2015 PS00000001 GJ00000005 21/04/2015 PS00000001 GJ00000006 3 21/04/2015 PS00000002 GJ00000004 Stadium Lanjut 2,1298 21/04/2015 PS00000002 GJ00000005 21/04/2015 PS00000002 GJ00000006 4 21/04/2015 PS00000002 GJ00000001 Stadium Awal 1,7273 21/04/2015 PS00000002 GJ00000002 21/04/2015 PS00000002 GJ00000003

3. Bentuk Normal Kedua (2NF)

Bentuk normal kedua dari data nilai merupakan bentuk normal pertama, dimana telah dilakukan pemisahan data sehingga tidak adanya ketergantungan parsial. Setiap data memiliki kunci primer untuk membuat relasi antar data, bentuk ini dapat dilihat pada tabel III.7 berikut ini :

a. Bentuk Normal Kedua (2NF) Tabel Pasien

Tabel III.7. Data Pasien 2NF

Kode Pasien Nama Jenis

Kelamin Alamat Usia Username Password

PS00000001 Riana Perempuan Jl. Timur 22 riana riana

(27)

b. Bentuk Normal Kedua (2NF) Tabel Gejala

Tabel III.8. Data Gejala 2NF

Kode Gejala Nama

GJ00000001 Fitur wajah yang kasar GJ00000002 Pembengkakan tangan dan kaki GJ00000003 Penebalan pada kulit

GJ00000004 Rambut terasa kasar

GJ00000005 Keringat berlebihan GJ00000006 Rahang menonjol ( prognatisme )

c. Bentuk Normal Kedua (2NF) Tabel Stadium Tabel III.9. Data Stadium 2NF

Kode Stadium Stadium Probalitias Solusi

ST00000001 Stadium Awal 0,4

Periksa lebih lanjut ke dokter untuk mendapatkan resep obat yang dapat mengurangi pertumbuhan hormon pada

kelenjar pituitary (hipofisis).

ST00000002 Stadium Lanjut 0,6

Meskipun ada obat yang membantu mengurangi produksi hormon pertumbuhan pengobatan pilihan adalah operasi atau terapi radiasi.

4. Bentuk Normal Ketiga (3NF)

Bentuk normal ketiga dari data analisa yang sebagai penentu data gejala merupakan bentuk normal pertama, dimana telah dilakukan pemisahan data sehingga tidak adanya ketergantungan parsial. Setiap data memiliki kunci primer untuk membuat relasi antar data, bentuk ini dapat dilihat pada tabel berikut ini :

(28)

Tabel III.10. Normalisasi 3NF

Tabel Konsultasi

Nama Field Tipe Data

Kode_Konsultasi Int Tanggal Date Kode_Pasien Varchar(50) Hasil_Diagnosa Varchar(50) Nilai_Bayes Real

Kode Pasien Nama Jenis

Kelamin

Alamat Usia Username Password

PS000000001 Riana Perempuan Jl. Timur 22 riana riana

PS000000002 Rahmadi Laki-laki Jl. Pelita 21 madi madi

III.4.2. Desain Tabel

Setelah melakukan tahap normalisasi, maka tahap selanjutnya yang dikerjakan yaitu merancang struktur tabel pada basis data sistem yang akan dibuat, berikut ini merupakan rancangan struktur tabel tersebut :

1. Struktur Tabel Gejala

Tabel gejala digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.11 berikut :

Tabel III.11. Rancangan Tabel gejala Nama Database Akromegali

Nama Tabel dbo.gejala

No Nama Field Tipe Data Boleh Kosong Kunci

1. kode_gejala varchar(10) Tidak Primary Key

2. nama_gejala varchar(200) Tidak -

2. Struktur Tabel Konsultasi

Tabel konsultasi digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.12 berikut :

(29)

Tabel III.12. Rancangan Tabel Konsultasi Nama Database Akromegali

Nama Tabel dbo.konsultasi

1. kode_konsultasi Int Tidak Primary key

2. tanggal Date Tidak -

3. kode_pasien varchar(50) Tidak -

4. hasil_diagnosa varchar(50) Tidak -

5. nilai_bayes varchar(10) Tidak -

3. Struktur Tabel Pakar

Tabel pakar digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.13 berikut :

Tabel III.13. Rancangan Tabel Pakar Nama Database Akromegali

Nama Tabel dbo.pakar

1. kode_pakar varchar(10) Tidak Primary Key

2. username varchar(30) Tidak -

3. password varchar(30) Tidak -

4. Struktur Tabel Pasien

Tabel pasien digunakan untuk menyimpan selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.14 berikut :

Tabel III.14. Rancangan Tabel Pasien Nama Database Akromegali

Nama Tabel dbo.pasien

1. kode_pasien varchar(10) Tidak Primary Key

2. nama varchar(50) Tidak -

3. jenis_kelamin varchar(20) Tidak -

4. alamat Text Tidak -

5. usia varchar(2) Tidak -

6. username varchar(30) Tidak -

(30)

5. Struktur Tabel Penyakit

Tabel penyakit digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.15 berikut:

Tabel III.15. Rancangan Tabel Penyakit Nama Database Akromegali

Nama Tabel dbo.penyakit

1. kode_penyakit varchar(50) Tidak Primary Key

2. nama_penyakit varchar(50) Tidak -

3. probabilitas Real Tidak -

4. deskripsi Text Tidak -

5. pengobatan Text Tidak -

6. pencegahan Text Tidak -

6. Struktur Tabel rule

Tabel rule digunakan untuk menyimpan selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.16 berikut :

Tabel III.16. Rancangan Tabel Rule Nama Database Akromegali

Nama Tabel dbo.rule

1. kode_relasi Int Tidak -

2. kode_stadium varchar(10) Tidak -

3. nama_gejala varchar(200) Tidak -

4. probabilitas Real Tidak -

7. Struktur Tabel stadium

Tabel stadium digunakan untuk menyimpan selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.17 berikut :

(31)

Tabel III.17. Rancangan Tabel stadium

Nama Database Akromegali

Nama Tabel dbo.stadium

1. kode_stadium varchar(10) Tidak -

2. Stadium varchar(30) Tidak -

3. Probabilitas Real Tidak -

4. Solusi Text Tidak -

III.5. Desain User Interface

Tahap perancangan berikutnya yaitu desain sistem secara detail yang meliputi desain output sistem dan desain input sistem.

III.5.1. Desain Output

Berikut ini adalah rancangan tampilan desain output yang akan dihasilkan oleh sistem :

1. Desain Form Melihat Riwayat Konsultasi

Desain form untuk sistem yang dilakukan dalam melihat informasi mengenai laporan hasil konsultasi dapat diterangkan pada gambar III.21 :

Riwayat Konsultasi

Cetak Laporan

(32)

Laporan

Gambar III.22. Desain Form Laporan Riwayat Konsultasi

III.5.2. Desain Input

Berikut ini adalah rancangan atau desain input sebagai antarmuka pengguna : 1. Desain Form Login Pakar

Desain form untuk sistem login yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.23 berikut :

Form Login

Username: Password :

Login

(33)

2. Desain Form Data Pakar

Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.24 berikut :

Form Pakar

Kode Pakar : Username : Password :

Baru Simpan Edit Hapus

Gambar III.24. Desain Form Data Pakar

3. Desain Form Data Stadium

Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data stadium dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.25 berikut :

(34)

Form Stadium

Kode Stadium : Stadium : Probalitas :

Solusi :

Gambar III.25. Desain Form Data Stadium

4. Desain Form Data Gejala

Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data gejala dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.26 berikut :

Form Gejala

Kode Gejala : Nama Gejala :

(35)

5. Desain Form Data Rule Based

Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data rule based dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.27 berikut :

Form Rule

Stadium : Tambah Gejala Hapus Gejala

Gambar III.27. Desain Form Data Rule Based

6. Desain Form Daftar Pasien

Desain form untuk sistem daftar pasien yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.28 berikut :

(36)

Form Daftar Pasien Kode Pasien : Nama Pasien : Jenis Kelamin : Alamat : Usia : Username : Password : Daftar

Gambar III.28. Desain Form Daftar Pasien

7. Desain Form Login Pasien

Desain form untuk sistem login yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.29 berikut :

Form Login

Username: Password :

Login

Gambar III.29. Desain Form Login Pasien

8. Desain Form Data Diagnosa

Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data diagnosa dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.30 berikut :

(37)

Form Diagnosa

Nama Pasien :

Masukkan Gejala Yang Anda Alami

Diagnosa Simpan

Sistem menyatakan anda mengalami penyakit akromegali :