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
kemungkinan dari penyakit dan gejala-gejala yang berkaitan. Secara umum teorema bayes dengan dapat dituliskan dalam bentuk :
P (Gn | S1) * P (S1) P (S1 | Gn) = (P(Gn | S1) * P (S1)) + (P(Gn | S2) * P (S2)) P (Gn | S2) * P (S2) P (S2 | Gn) = (P(Gn | S1) * P (S1)) + (P(Gn | S2) * P (S2)) Keterangan :
P (S1 | Gn) : Probabilitas stadium 1 terhadap gejala P (S1) : Probabilitas stadium 1
P (S2) : Probabilitas stadium 2 P (Gn) : Probabilitas Gejala
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
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)
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
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
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 %
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
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
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 :
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
Tidak Edit ? Simpan ? ya Simpan Batal tidak Ubah Data ya Hapus ? tidak Hapus Data ya tidak
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
Tidak Edit ? Simpan ? ya Simpan Batal tidak Ubah Data ya Hapus ? tidak Hapus Data ya tidak
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 :
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
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 :
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
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
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
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
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
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 ()
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 ()
Koneksi database ()
Form Login
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
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
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 konsultasiIII.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
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
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 :
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 :
Tabel III.12. Rancangan Tabel Konsultasi Nama Database Akromegali
Nama Tabel dbo.konsultasi
No Nama Field Tipe Data Boleh Kosong Kunci
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
No Nama Field Tipe Data Boleh Kosong Kunci
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
No Nama Field Tipe Data Boleh Kosong Kunci
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 -
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
No Nama Field Tipe Data Boleh Kosong Kunci
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
No Nama Field Tipe Data Boleh Kosong Kunci
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 :
Tabel III.17. Rancangan Tabel stadium
Nama Database Akromegali
Nama Tabel dbo.stadium
No Nama Field Tipe Data Boleh Kosong Kunci
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
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
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 :
Form Stadium
Kode Stadium : Stadium : Probalitas :
Baru Simpan Edit Hapus
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 :
Baru Simpan Edit Hapus
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 :
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 :
Form Diagnosa
Nama Pasien :
Masukkan Gejala Yang Anda Alami
Diagnosa Simpan
Sistem menyatakan anda mengalami penyakit akromegali :