TUGAS AKHIR
Oleh :
REZA NOVENDA PUTRA
0734010197
FAKULTAS INDUSTRI
UNIVERSITAS UPN VETERAN JAWA TIMUR SURABAYA
melimpahkan rahmat dan hidayah-Nya, sehingga penulis dimudahkan dalam
penyelesaian penulisan laporan tugas akhir (TA) di jurusan Teknik Informatika
sebagaimana yang diharapkan. Penulis menyadari sepenuhnya masih terdapat banyak
kekurangan dalam penyelesaian penulisan laporan tugas akhir (TA) ini. Namun
penulis berusaha menyelesaikan laporan ini dengan sebaik mungkin.
Segala kritik saran yang bersifat membangun sangat diharapkan dari semua
pihak, guna perbaikan dan pembangunan dimasa yang akan datang. Akhirnya besar
harapan penulis agar laporan ini dapat diterima dan berguna bagi semua pihak. Amin.
Surabaya, Juni 2012
banyak mendapatkan bantuan dari berbagai pihak. Oleh karena itu pada kesempatan
ini dengan kesungguhan dan rasa rendah hati, penulis ingin menyampaikan ucapan
terima kasih kepada :
1. Tuhan YME yang selalu memberikan kesehatan, rezeki, kemudahan, dan
kasih-Nya yang sabar baik bagi penulis sendiri maupun orang – orang di
sekitar penulis.
2. Bapak Ir.Sutiyono,MT., selaku Dekan Fakultas Teknik Industri Universitas
Pembangunan Nasional “Veteran” Jatim.
3. Ibu Dr.Ir.Ni Ketut Sari,MT., selaku Kepala Jurusan Teknik Informatika FTI
UPN “Veteran” Jatim.
4. Bapak Ir.Purnomo Edi Sasongko,MP., Selaku Dosen Pembimbing pertama
yang telah membimbing, memberikan arahan, dan nasehat Terima Kasih
Banyak atas bimbingan dan semua nasehat serta arahan yang telah diberikan.
5. Bapak Wahyu S.J Saputra,S.kom., Selaku Dosen Pembimbing kedua yang
telah membimbing, memberikan arahan, dan nasehat Terima Kasih Banyak
atas bimbingan dan semua nasehat serta arahan yang telah diberikan.
6. Orang tua tercinta, adik, dan kakak tersayang, yang telah memberikan
dorongan baik moril maupun materiil sehingga laporan tugas akhir ini dapat
penulis selesaikan.
7. Rhesa Aditiana Wardani yang memberi semangat dan motifasi dalam
pihak yang telah memberi dukungan, menghibur, dan membantu dalam
pelaksanaan kerja praktek ini yang tidak bisa penulis sebutkan satu persatu,
terima kasih atas dukungan dan bantuannya.
Penulis menyadari Laporan tugas akhir ini masih jauh dari sempurna, sehingga
saran dan kritik yang membangun sangat penulis harapkan. Akhir kata, semoga
laporan ini bermanfaat bagi pembaca dan bagi civitas akademi FTI UPN “Veteran”
Jatim.
Surabaya, 26 – 06 – 2012
Halaman
Halaman Judul ... i
Lembar Pengesahan ... ii
Bebas Revisi ... iii
Abstrak ... ... iv
Kata Pengantar ... v
Daftar Isi ... viii
Daftar Gambar ... ... xi
Daftar Tabel ... xiii
BAB 1 PENDAHULUAN 1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Batasan Masalah... 3
1.4 Tujuan ... 3
1.5 Manfaat ... 3
1.6 Tinjauan Umum & Metode Penelitian... ... 4
1.7 Sistematika Penulisan... ... 5
BAB 2 LANDASAN TEORI 2.1 Kecerdasan Buatan ... 7
2.2 Sistem Pakar... ... 8
2.2.5 Konsep Faktor Kepsatian ... 18
2.2.6 Block Diagram ... 23
2.3 Data Kepakaran ... 23
2.4 Borland Delphi ... ... 31
2.5 Sql Server ... ... 33
BAB 3 PERANCANGAN SISTEM 3.1 Spesifikasi Sistem ... 36
3.2 Perancangan Proses Inferensi ... 37
3.2.1 Proses Konsultasi ... ... 38
3.2.2 Proses Perhitungan Gejala... ... 38
3.2.3 Proses Tampilkan Gejala ... ... 40
3.3 Perancangan Block Diagram ... 40
3.4 Perancangan Depedency Diagram ... 42
3.5 Perancangan Tabel Pengetahuan (dr. Risky N) ... . 44
3.6 Perancangan Diagram Konteks ... 50
3.6.1 Data Flow Diagram Level 1 ... 51
3.7 Relasi Tabel ... 52
3.8 Perancangan Proses Konsultasi ... 52
4.1.2 Implementasi Menu User ... ... 59
4.1.3 Implementasi Hasil ... ... 61
4.1.4 Implementasi Administrator Area ... ... 62
4.1.5 Implementasi Data Penyakit ... ... 63
4.1.6 Implementasi Menu Data Gejala ... .... 64
4.1.7 Implementasi Menu Data Diagnosa ... 65
BAB 5 UJI COBA PROGRAM 5.1 Uji Coba Sistem ... ... 66
5.1.1 Contoh Kasus ... ... 66
BAB 6 PENUTUP 6.1 Kesimpulan ... ... 69
6.2 Saran ... ... 69
DAFTAR PUSTAKA ... 71
DAFTAR GAMBAR
Halaman
Gambar 2.1 Ruang Lingkup Kecerdasan Buatan... 8
Gambar 2.2 Konsep Umum Sistem Pakar [Arhami,2004] ... 13
Gambar 2.3 Hirarki Pengetahuan [Arhami,2004] ... 14
Gambar 2.4 Sistem Produksi ... 15
Gambar 2.5 Gambaran Umum Proses Logika ... 17
Gambar 2.7 Faktor Kepastian dengan Beberapa Premis Gabungan ... 22
Gambar 2.8 Block Diagram... 23
Gambar 2.9 Pembawa Virus Penyebab Penyakit Malaria ... 24
Gambar 2.10Pembawa Virus Penyebab Penyakit Demam Berdarah.... 25
Gambar 2.11 Pembawa Virus Penyebab Penyakit Chikungunya ... 26
Gambar 2.12 Pembawa Virus Penyebab Penyakit Demam Kuning ... 28
Gambar 2.13 Pembawa Virus Penyebab Penyakit Kaki Gajah ... 29
Gambar 2.14 Penderita Kaki Gajah ... 29
Gambar 2.15 Sistem Client /Server ... 33
Gambar 2.16 Tampilan Microsoft SQL Server 2000 ... 34
Gambar 3.1 Diagram Alir Awal Konsultasi ... 38
Gambar 3.2 Diagram Alir Proses Perbandingan Gejala ... 39
Gambar 3.7 Data Flow Diagram Level 1 ... 51
Gambar 3.8 Relasi Tabel ... 52
Gambar 4.1 Tampilan Menu... 57
Gambar 4.2 login sebagai seorang pakar... 58
Gambar 4.3 Tampilan setelah login ... 58
Gambar 4.4 Tampilan Menu Untuk Pengguna... 59
Gambar 4.5 Tampilan Data Gejala Untuk Pengguna... 60
Gambar 4.6 TampilanGejalaDemam... 60
Gambar 4.7 Hasil Konsultasi ... . 61
Gambar 4.8Tampilan Data Account ... 62
Gambar 4.9Tampilan Data Penyakit ... 63
Gambar 4.10Tampilan Data Gejala... 64
Gambar 4.11Tampilan Data Diagnosa... 65
Tabel 2.1 Perbandingan Kemampuan Seorang Pakar Dengan Sistem
Pakar ... 10
Tabel 2.2 Aturan Untuk Mengkombinasikan Fakta di Dalam Anteseden ... 21
Tabel 3.1 Hasil Wawancara dr. Risky Penyakit Demam Berdarah .... 44
Tabel 3.2 Hasil Wawancara dr. Risky Penyakit Malaria ... 45
Tabel 3.3 Hasil Wawancara dr. Risky Penyakit Cikungunya ... 46
Tabel 3.4 Hasil Wawancara dr. Risky Penyakit Filariasis ... 47
Tabel 3.5 Hasil Wawancara dr. Risky Penyakit Japanese Chepelitis ... 48
Tabel 3.6 Sample Pengetahuan (dr. Risky) ... 49
Tabel 3.7 Struktur Tabel Jawab... 53
Tabel 3.8 Struktur Tabel Login... 54
Tabel 3.9 Struktur Tabel Jenis Data Penyakit... 54
Tabel 3.10 Struktur Tabel Gejala Akibat Gigitan Nyamuk... 55
Tabel 3.11 Struktur Tabel Aturan... 55
Tabel 3.12 Struktur Tabel Atur... 56
iv
ABSTRAK
Nyamuk merupakan penyakit yang sering terjadi dimasyarakat. Situasi ini
dapat dihindari jika penduduk mempunyai sedikit pengetahuan tentang penyakit
nyamuk, sehingga masyarakat dapat mengetahui gangguan yang terhadap
penyakit nyamuk dan tindakan apa yang dilakukan untuk mengatasi ganguan
tersebut. Sistem pakar merupakan salah satu solusi untuk mendiagnosis penyakit
berdasarkan gejala yang dirasakan oleh penderita. Pada penelitian ini dibuat
sebuah sistem pakar menggunakan konsep Forward Chaining dengan
menggunakan metode Certainty Factor / CF (faktor kepastian) untuk mendiagnosa
penyakit yang disebabkan nyamuk pada manusia.
Sistem ini dapat memberikan diagnosa awal penyakit yang disebabkan
nyamuk oleh penderita, dari gejala-gejala yang dirasakan oleh penderita, tanpa
harus bertanya langsung ke pakar. Hasil penelitian menunjukkan bahwa CF dapat
digunakan untuk mengatasi ketidakpastian pada kasus diagnosa awal penyakit
yang disebabkan nyamuk.
1.1. Latar Belakang
Nyamuk merupakan penyebab dan pembawa beberapa jenis
penyakit seperti malaria, demam berdarah (Dengue Haemorrhagic Fever),
chikungunya dan kaki gajah (filariasi). Beberapa penyakit diatas turut
bertanggung jawab atas besarnya jumlah korban meninggal di beberapa negara
yang beriklim tropis dan subtropis (Soeroto dkk., 1973). Laju pertumbuhan
nyamuk yang sulit dicegah serta penanganan korban yang belum memadai
menambah parah jumlah kasus yang terjadi pada penyakit-penyakit akibat gigitan
nyamuk. Kasus yang terjadi pada penyakit akibat gigitan nyamuk hampir selalu
terjadi setiap tahun, karena sulitnya memutus rantai penyebaran penyakit –
penyakit tersebut.
Situasi ini dapat dihindari jika penduduk mempunyai sedikit pengetahuan
tentang penyakit nyamuk, sehingga masyarakat dapat mengetahui gangguan yang
terhadap penyakit nyamuk dan tindakan apa yang dilakukan untuk mengatasi
ganguan tersebut. Pengetahuan tentang penyakit nyamuk bisa didapat dari buku –
buku atau situs – situs internet yang membahas tentang penyakit nyamuk, namun
untuk mempelajari hal tersebut tidaklah mudah karena selain perlu waktu yang
cukup lama memahaminya dan sumber – sumber tersebut juga belum tentu dapat
mendiagnosis semua ganguan penyakit nyamuk. Untuk membantu masyarakat
tersebut maka diperlukan suatu sistem yang lebih praktis dan memiliki
nyamuk pada masyarakat. Seoarang dokter dapat dikatakan sebagai seoarang
pakar karena ia merupakan orang yang ahli di bidangnya dan memiliki
kemampuan yang orang lain tidak memilikinya. Salah satu bidang ilmu yang
termasuk dalam kecerdasan buatan adalah sistem pakar (Expert System). Ide
dasarnya adalah kepakaran ditransfer dari seorang pakar ke komputer yang khusus
ditujukan dalam perancangan otomatis tingkah laku cerdas dalam sistem
kecerdasan komputer yang disimpan dalam database komputer untuk mencari
solusi.
Dengan adanya system pakar ini masyarakat tidak perlu panik apabila
terkena penyakit yang disebabkan oleh nyamuk sebelum dibawa ke dokter
spesialis untuk diperiksa lebih lanjut. Masyarakat bisa menggunakan aplikasi
sistem pakar ini di rumah, maka dengan itu masyarakat dapat mengetahui
penyebab penyakit yang disebabkan oleh nyamuk serta pertolongan pertama yang
dapat dilakukan untuk mengatasi penyakit yang disebabkan oleh nyamuk tersebut
sebelum dibawa ke dokter spesialis untuk diperiksa lebih lanjut. System ini juga
dapat membantu dokter umum apabila ada masyarakat yang sakit karena nyamuk.
Sehingga meskipun pengetahuan mereka tentang penyakit yang disebabkan oleh
nyamuk tidak begitu banyak, namun dengan system pakar ini mereka dapat
bertindak layaknya dokter spesialis.
1.2. Perumusan Masalah
Dari permasalahan diatas, dapat dirumuskan suatu permasalahan yaitu :
menganalisa dan mengidentifikasi penyakit yang disebabkan nyamuk serta
menerapkan system pakar dengan menggunakan metode certainty factor.
1.3. Batasan Masalah
Pada sistem pakar untuk mendiagnosa penyakit yang disebabkan nyamuk
ini diberikan pembatasan masalah sebagai berikut:
a. Penelitian ini menggunakan teks pada proses input maupun output
untuk mendeteksi penyakit yang ditimbulkan oleh gigitan nyamuk.
b. Penelitian ini hanya membahas identifikasi penyakit yang ditimbulkan
oleh gigitan nyamuk serta pencegahannya dengan cara berkonsultasi
pada komputer untuk mencari solusi.
c. Dalam merancang program ini menggunakan metode certainty.
d. Aplikasi program menggunakan Borland Delphi 7.0
1.4. Tujuan
Tujuan dari skripsi ini adalah menghasilkan suatu sistem pakar untuk
mendiagnosa penyakit yang disebabkan nyamuk dengan metode certainty factor.
1.5. Manfaat
Hasil penelitian ini diharapkan dapat digunakan sebagai langkah awal
untuk membangun sistem pakar untuk mendiagnosa penyakit yang disebabkan
nyamuk dengan metode certainty factor yaitu :
a. Dapat dijadikan bahan untuk penelitian lebih lanjut di bidang yang
berkaitan.
c. Untuk mendiagnosa penyakit yang disebabkan nyamuk dimana masih
merupakan hal baru di bidang jasa kesehatan.
1.6. Tinjauan Umum & Metode Penelitian
Data merupakan sumber atau bahan mentah yang sangat berharga bagi
proses menghasilkan informasi. Oleh sebab itu dalam pengambilan data perlu
dilakukan penanganan secara cermat dan hati-hati, sehingga data yang diperoleh
dapat bermanfaat dan berkualitas.
Dalam pengumpulan data penyusun mengunakan metode sebagai berikut :
1). Studi Lapangan
Dengan metode ini data-data diperoleh langsung dari sumber yang
bersangkutan, dimana peneliti berhadapan langsung dengan obyek yang diteliti,
yang dilakukan dengan cara :
a.) Survey
Teknik pengumpulan data dengan cara terjun secara langsung dan
mencatat secara sistematis terhadap obyek masalah.
b.) Wawancara / Interview
Teknik pengumpulan data dengan jalan mengadakan komunikasi atau
tanya jawab secara langsung dengan pimpinan atau pegawai Dokter
Praktek tentang sistem yang diterapkan saat ini.
2). Studi Pustaka / Literatur
Pengumpulan data ini dilakukan dengan cara mencari bahan-bahan
kepustakaan sebagai landasan teori yang ada hubunganya dengan permasalahan
1.7. Sistematika Penulisan
Dalam membuat laporan ini terdapat penjelasan mengenai isi dan bagian
dari laporan tersebut. Dimana di setiap bagian laporan yang akan menerangkan isi
laporan. Sehingga terbentuklah suatu bagian isi dari laporan yang disebut bab.
Sedangkan bab adalah bagian dari laporan, dalam laporran ini dibuat secara
berurutan unutk memaparkan hasil suatu laporan yang telah dibuat.
Penelitian ini ditulis dengan sistematika sebagai berikut :
BAB 1 PENDAHULUAN
Bab ini menjelsakan latar belakang, masalah penelitian, perumusan
masalah, batasan masalah serta tujuan dan manfaat diadakannya
penelitian. Dalam bab ini dijelaskan metode penelitian serta sistematika
penulisan yang digunakan dalam penelitian ini.
BAB II LANDASAN TEORI
Bab kedua berisi teori mengenai kecerdasan buatan dan konsep sistem
pakar mulai dari pengertian kecerdasan buatan dan sistem pakar,
komponen sistem pakar, cara kerja sistem pakar dan langkah – langkah
dalam membangun sistem pakar. Selain itu juga dibahas mengenai
penyakit yang disebabkan oleh nyamuk.
BAB III PERANCANGAN SISTEM
Bab ini membahas tentang spesifikasi sistem pakar yang dibuat,
perancangan proses sistem pakar, perancangan block diagram,
perancangan depedency diagram, perancangan flowchart dan
BAB IV IMPLEMENTASI PROGRAM
Bab keempat menjelaskan mengenai proses implementasi rancangan
sistem pakar yang telah menjadi suatu bentuk aplikasi
BAB V UJI COBA PROGRAM
Bab ini menjelaskan mengenai hasil uji coba dari sistem pakar yang telah
menjadi suatu bentuk aplikasi.
BAB VI PENUTUP
7
BAB II
LANDASAN TEORI
2.1 Kecerdasan Buatan
Kecerdasan buatan (Artificial Intelligence) merupakan salah satu bagiam
ilmu komputer yang mempelajari bagaimana cara membuat mesin (komputer)
agar dapat melakukan pekerjaan seperti yang dilakukan oleh manusia. Supaya
komputer dapat bertindak menyerupai manusia, maka komputer juga harus diberi
bekal pengetahuan dan mempunyai kemampuan untuk menalar. Untuk itu maka
terdapat beberapa metode yang membekali komputer dengan kedua komponen
tersebut agar komputer bisa menjadi mesin yang pintar.
Definisi kecerdasan buatan dapat dilihat dari berbagai sudut pandang, antar lain :
[Kusumadewi S., 2003]
a. Sudut pandang kecerdasan
Kecerdasan buatan akan membuat mesin mampu melakukan apa yang
dikerjakan oleh manusia.
b. Sudut pandang penelitian
Kecerdasan buatan adalah suatu studi tentang bagaiman membuat agar
komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia.
c. Sudut pandang bisnis
Kecerdasan buatan adalah kumpulan peralatan yang sangat metodologis
d. Sudut pandang pemrograman
Kecerdasan buatan meliputi studi tentang pemrograman simbolik,
penyelesaian masalah (problem solving) dan pencarian (searching).
Gambar 2.1 menunjukkan bahwa kecerdasan buatan memiliki
banyak ruang lingkup dan bidang. Salah satu bidangnya adalah sistem
pakar yang menggabungkan pengetahuan dan penelusuran data untuk
memecahkan masalah secara normal memerlukan keahlian manusia.
Gambar 2.1 Ruang Lingkup Kecerdasan Buatan
2.2 Sistem Pakar
Sistem pakar (Expert System) adalah salah satu cabang dari kecerdasan
buatan yang berusaha mengadopsi pengetahuan manusia ke komputer, agar
komputer menyelesaikan masalah seperti yang biasa dilakukan oleh para pakar.
Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu dan
memiliki pengetahuan atau kemampuan khusus yang orang lain tidak
understanding
robotic
Speech
Jaringan Saraf
Jaringan Sistem Pakar
Bahasa Alami Vision
mengetahuinya. Suatu pengetahuan dari sistem pakar bersifat khusus, seperti
kedokteran, keuangan, bisnis atau teknik. [Kusumadewi S., 2003]
Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu
permasalahan tertentu dangan meniru kerja dari para pakar. Dengan sistem pakar,
orang awam dapat menyelesaikan masalah yang cukup rumit yang sebenarnya
hanya dapat diselesaikan dangan bantuan para ahli. Bagi para ahli, sistem pakar
dapat membantu aktivitasnya sebagai asisten yang sangat berpengalaman.
Referensi lain mengatakan juga bahwa sistem pakar merupakan sebuah
perangkat lunak komputer yang memiliki basis pengetahuan untuk domain
tertentu dan menggunakan penalaran inferensi menyerupai seorang pakar dalam
memecahkan masalah. Sistem pakar adalah salah satu jalan untuk mendapatkan
pemecahan masalah secara lebih cepat dan mudah (Azis Farid, 1994). Sedangkan
definisi lain dari sitem pakar adalah sistem berbasis komputer yang menggunakan
pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang
biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut
(Martin dan Oxman, 1998).
Sistem pakar menggabungkan pengetahuan dan penelusuran data untuk
memecahkan masalah yang secara normal memerlukan keahlian manusia. Tujuan
dari sistem pakar sebenarnya bukan untuk menggantikan peran manusia, tetapi
untuk mensubtitusikan pengetahuan manusia kedalam bentuk sistem, sehingga
dapat digunakan oleh orang banyak. Seorang pakar dangan sistem pakar
dengan sebuah sistem pakar dapat dilihat seperti pada tabel 2.1 berikut : [Arhami,
2004]
Tabel 2.1 Perbandingan kemampuan seorang pakar dangan sistem pakar
Faktor Human Expert Expert System
Time Availability Hari Kerja Setiap saat
Geografis Lokal / tertentu Dimana saja
Perishable/ dapat habis Ya Tidak
Performa Dapat berubah Konsisten
Kecepatan Dapat berubah Konsisten
Biaya Tinggi Terjangkau
Ada beberapa definisi lain tentang sistem pakar [Kusumadewi S., 2003], antara
lain :
a. Menurut Durkin : Sistem pakar adalah suatu program komputer yang
dirancang unutk memodalkan kemampuan penyelesaian masalah yang
dilakukan oleh seorang pakar.
b. Menurut Ignizio : sistem pakar adalah suatu model dan prosedur yang
berkaitan dalam suatu domain tertentu yang mana tingkat keahliannya
dapat dibandingkan dengan keahlian seorang pakar.
c. Menurut Giarratano dan Riley : sistem pakar adalah suatu sistem
komputer yang bisa menyamai atau meniru kemampuan seorang pakar.
2.2.1. Konsep Umum Sistem Pakar
Konsep dasar sistem pakar terdiri dari beberapa unsur atau elemen antara
a. Keahlian
Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang
tertentu yang diperoleh dari pelatihan, membaca atau pengalaman.
Contoh bentuk pengetahuan yang termasuk keahlian adalah :
• Fakta – fakta pada lingkup permasalahan tertentu.
• Teori – teori pada lingkup permasalahan tertentu
• Prosedur – prosedur dan aturan – aturan berkenaan dengan lingkup
permasalahan tertentu
• Strategi – strategi global untuk menyelesaikan masalah
• Meta – knowledge.
Bentuk – bentuk ini memungkinkan para ahli untuk dapat mengambil
keputusan lebih cepat dan lebih baik daripada seseorang yang bukan
ahli.
b. Ahli
Seorang ahli adalah seseorang yang mampu menjelaskan suatu
tanggapan, mempelajari hal – hal baru seputar topik permasalahan
(domain), menyusun kembali pengetahuan jika dipandang perlu,
memecah aturan – aturan jika dibutuhkan dan menentukan relevan
tidaknya keahlian mereka.
c. Pengalihan Keahlian
Pengalihan keahlian dari para ahli ke komputer untuk kemudian
dialihkan lagi ke orang lain yang bukan ahli, merupakan tujuan utama
• Tambahan pengetahuan (dari para ahli atau sumber – sumber
lainnya)
• Representasi pengetahuan ke komputer
• Inferensi pengetahuan
• Pengalihan pengetahuan ke user
Pengetahuan yang disimpan di komputer disebut dengan nama basis
pengetahuan.
d. Aturan
Sebagian besar sistem pakar komersial dibuat dalam bentuk rule –
based system yang mana pengetahuan disimpan dalam bentuk aturan –
aturan IF–THEN.
e. Kemampuan Menjelaskan
Setiap sistem pakar harus memiliki kemampuan untuk menjelaskan.
Fitur inilah yang membedakan sistem pakar dengan sistem
konvensional.
Individu yang terlibat dalam lingkungan pengembangan sistem pakar ada
3 macam, yaitu : [Arhami,2004]
a. Pakar
Pakar adalah orang yang memiliki pengetahuan khusus, pendapat,
pengalaman dan metode, serta kemampuan untuk
mengaplikasikan keahliannya tersebut guna menyelesaikan
b. Perekayasa Sistem
Perekayasa sistem adalah orang yang membantu pakar dalam
menyusun area permasalahan dengan menginterpretasikan jawaban –
jawaban pakar atas pertanyaan yang diajukan, menggambarkan
analogi, mengajukan counter example dan menerangkan kesulitan –
kesulitan konseptual.
c. Pemakai
Sistem pakar memiliki beberapa pemakai yaitu : pemakai bukan
pakar, pelajar, pembangun sistem pakar yang ingin meningkatkan dan
menambah basis pengetahuan dan pakar. Gambar 2.2 menggambarkan
konsep umum suatu sistem pakar. User menyampaikan fakta atau
informasi untuk sistem pakar dan kemudian menerima saran dari
pakar atau jawaban. Bagian dalam sistem pakar terdiri 2 komponen
utama, yaitu knowledge base yang berisi knowledge dan mesin
inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut
merupakan respons dari sistem pakar atas permintaan user.
2.2.2 Representasi Pengetahuan
Pengetahuan (knowledge) dapat diklasifikasikan ke dalam 3 kategori,
yaitu procedural knowledge, declarative knowledge, dan tacit knowledge.
Procedural knowledge berkenaan untuk mengetahui bagaimana melakukan
sesuatu. Declarative knowledge berkenaan untuk mengetahui sesuatu itu benar
atau salah. Sedangkan tacit knowledge atau unconscious knowledge adalah
pengetahuan yang tidak dapat diungkapkan dengan bahasa.
Pengetahuan adalah bagian dari suatu hierarki dan ini dapat ditunjukkan
pada gambar 2.3 :
Gambar 2.3 Hirarki Pengetahuan [Arhami,2004]
Yang ada pada level paling bawah adalah noise (gangguan) yang
merupakan data yang masih kabur. Level berikutnya adalah data yang merupakan
hal potensial yang paling penting. Data yang sudah diproses adalah informasi
yang penting. Berikutnya adalah knowledge (pengetahuan) yang menggambarkan
informasi sangat khusus. Level paling atas adalah meta knowledge yang
2.2.3 Sistem Produksi
Sistem produksi secara umum terdiri dari komponen – komponen seperti
pada gambar 2.4 :[kusumadewi,2003]
1) Ruang keadaan, yang berisi keadaan awal, tujuan dan kumpulan aturan
yang digunakan mencapai tujuan.
2) Strategi kontrol, yang berguna untuk mengarahkan bagaimana proses
pencarian akan berlangsung dan mengendalikan arah eksplorasi.
Gambar 2.4 Sistem Produksi
Representasi pengetahuan dengan sistem produksi pada dasarnya berupa aplikasi
aturan (rule) yang berupa :
1) Antecendent, yaitu bagian yang mengekspresikan situasi atau premis
(pernyataan berawalan IF)
2) Konsekuen, yaitu bagian yang menyatakan suatu tindakan tertentu atau
konklusi yang diterapkan jika suatu situasi atau premis bernilai benar
(pernyataan berawalan THEN)
3) Konsekuensi atau konklusi yang dinyatakan pada bagian THEN baru dinyatakan
benar jika bagian IF pada sistem tersebut juga benar atau sesuai dengan aturan
Sistem produksi dapat dibuat dalam beberapa bentuk yang berbeda, yaitu :
Contoh : Kesempatan anda diaudit tinggi IF pendapatan anda tinggi
3) IF Premis THEN Konklusi ELSE Konklusi
Contoh : IF pendapatan anda tinggi THEN kesempatan anda diaudit tinggi ELSE
kesempatan anda diaudit rendah
4) Kaidah yang lebih kompleks
Contoh : IF tingkat kredit tinggi AND gaji lebih dari $30,000 OR aset lebih dari
$75,000 AND sejarah pelunasan lancer THEN disetujui peminjaman hingga
$100,000
Ada 2 tipe kaidah (aturan) yang umum dalam kecerdasan buatan, yaitu
kaidah pengetahuan dan kaidah inferensi. Kaidah pengetahuan atau kaidah
deklaratif menyatakan menyatakan semua fakta dan hubungan tentang suatu
permasalahan. Kaidah inferensi atau kaidah prosedural merupakan nasihat atau
saran tentang bagaimana menyelesaikan suatu masalah yang diberikan dangan
fakta tertentu yang diketahui.
Kaidah inferensi berisi kaidah tentang kaidah. Tipe kaidah ini dinamakan
kaidah pengetahuan menjadi basis pengetahuan sedangkan kaidah inferensi
menjadi bagian dari mesin inferensi.
2.2.4 Logika
Selain dengan sistem produksi, pengetahuan juga dapat dipresentasikan
dengan menggunakan logika. Pada dasarnya proses logika adalah proses
membentuk kesimpulan atau menarik suatu inferensi berdasarkan fakta yang telah
ada. Input dari proses logika berupa premis atau fakta – fakta yang diakui
kebenarannya sehingga dengan melakukan penalaran pada proses logika dapat
dibentuk suatu inferensi atau kesimpulan yang benar pula.
Gambaran proses logika dapat dilihat pada gambar 2.5 :
Gambar 2.5 Gambaran Umum Proses Logika Ada 2 penalaran yang dilakukan untuk mendapat konklusi yaitu :
1. Penalaran Deduktif
Penalaran dimulai dari prinsip umum untuk mendapatkan konklusi yang
lebih khusus
2. Penalaran Induktif
Penalaran dimulai dari fakta – fakta khusus untuk mendapatkan
kesimpulan umum. Pada penalaran induktif ini, munculnya premis baru bisa
2.2.4.1 Logika Proposisi
Logika proposisi atau biasa disebut kalkulus proposisi merupakan logika
simbolik untuk memanipulasi proposisi. Proposisi merupakan pernyataan yang
dapat bernilai benar atau salah. P dan Q merupakan contoh dari simbol untuk
pernyataan pada logika proposisi. Dua atau lebih proposisi dapat dihubungkan
dengan menggunakan operator logika :
untuk konjungsi ( AND / DAN)
V untuk disjungsi (OR / ATAU)
untuk negasi (NOT / TIDAK)
Untuk implikasi / kondisional (IF...THEN/JIKA....MAKA)
Untuk equivalensi / bikondisional (IF AND ONLY IF / JIKA
DAN HANYA JIKA)
2.2.4.2 Logika Predikat
Logika predikat atau kalkulus predikat merupakan logika yang digunakan
untuk mempresentasikan masalah yang tidak dipresentasikan oleh logika
proposisi. Logika predikat dapat memberikan representasikan fakta – fakta
sebagai suatu pernyataan yang mapan (well – form)
2.2.5 Konsep Faktor Kepastian
Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang
memadai untuk membuat suatu keputusa. Ketidakpastian merupakan suatu
terbaik bahkan mungkin dapt menghasilkan keputusan yang buruk. Dalam dunia
medis, ketidakpastian mungkin menghalangi pemeriksaan yang terbaik untuk para
pasien dan berperan untuk suatu terapi yang keliru.
Dalam membangun sistem pakar ini perlu dipikirkan cara untuk
menangani kondisi data yang kurang lengkap dalam diagnosis. Selain itu untuk
memperoleh hasil diagnosis yang cukup akurat juga diperlukan ketelitian tinggi
dalm perhitungan terhadap kemungkinan terhadap kemungkinan keberadaa
penyakit.
Beberapa teori yang dikembangkan untuk menangani ketidakpastian data
dalam sistem pakar antara lain metode Bayes, Faktor Kepastian, Teori Dampster
Shafer dan Logika Fuzzy. Namun dalam penelitian ini teori yang digunakan untuk
menangani ketidakpastian data pada sistem pakar adalah dengan menggunakan
Faktor Kepastian.
Faktor kepastian merupakan cara dari penggabungan kepercayaan dan
ketidakpercayaan dalam bilangan yang tunggal. Faktor Kepastian
memperkenalkan konsep belief / keyakinan dan disbelief / ketidakyakinan.
Konsep ini kemudian diformulasikan dalam rumusan dasar sebagai berikut :
CF [H,E] = MB [H,E] – MD [H,E]
Keterangan :
CF [H,E] = Certainty Factor (Faktor Kepastian) dalam hipotesis H yang
MB [H,E] = Measure of Belief (Tingkat Keyakinan) merupakan ukuran
dari kepercayaan hipotesis H dipengaruhi oleh fakta E
MD {H,E} = Measure of Disbelief (Tingkat Ketidakyakinan) merupakan
ukuran dari ketidakpercayaan hipotesis H dipengaruhi oleh
fakta E
Beberapa fakta dapat dikombinasikan untuk menentukan factor kepastian dari
suatu hipotesis [ Wahyu Prabowo dkk, 2008 ]. Jika e1 dan e2 adalah observasi
maka :
MB [h,e1 □ e2] =
Contoh :
Andaikan suatu observasi memberikan kepercayaan terhadap h dengan MB [h,e1]
= 0.80 dan MD {h,e1} = 0.01 , sehingga : CF [h,e1] = 0.80 – 0.01 = 0.79
Jika ada observasi baru dengan MB [h,e2] = 0.70 dan MD [h,e2] = 0.08,
maka
MB[h,e1 e2] = 0.80 + 0.70 * (1 – 0.80) = 0.94
MD[h,e1 e2] = 0.01 + 0.80 * (1 – 0.01) = 0.0892
CF[h,e1 e2] = 0.94 – 0.0892 = 0.8508
Dapat dilihat bahwa semula faktor kepercayaan adalah 0.79, setelah muncul gejala
baru, maka faktor kepercayaan berubah lebih besar menjadi 0.8508.
Penggabungan kepercayaan dan ketidakpercayaan dalam bilangan yang
contoh jika seorang pasien mempunyai gejala tertentu yang menyarankan
beberapa kemungkinan penyakit, kemudian penyakit dengan faktor kepastian
(CF) tertinggi urutan pertama dalam urutan pengujian.
Dalam sistem pakar MYCIN digunakan aturan untuk mengkombinasikan
fakta – fakta di dalam anteseden, seperti dapat dilihat pada tabel 2.2 berikut :
Tabel 2.2 Aturan untuk mengkombinasikan fakta di dalam anteseden
Evidence E Ketidakpastian anteseden
E1 AND E2 Min [CF(H,E1),CF(H,E2)]
E1 OR E2 Max [CF(H,E1),CF(H,E2)]
NOTE CF (H,E)
Sebagai contoh, diketahui suatu ekspresi logika penggabungan fakta :
E = (E1 AND E2 AND E3) OR (E4 AND NOT E5)
Fakta E akan dihitung sebagai berikut :
E = max [min (E1,E2,E3),min (E4, – E5 )]
Jika diketahui nilai :
E1 = 0.9 , E2 = 0.8 , E3 = 0.3 , E4 = – 0.5 , E5 = – 0.4
Maka hasilnya adalah :
E = max [min (0.9 ; 0.8 ; 0.3), min (– 0.5 ; – 0.4)]
= max [0.3 ; – 0.5]
Rumus dasar untuk menghitung faktor kepastian dari kaidah IF E THEN
H, diberikan dengan rumus di bawah ini :
CF(H,e) = CF(E,e) . CF(H,E)
Keterangan :
CF (H,e) = faktor kepastian hipotesis yang didasarkan pada
ketidakpastian fakta e
CF (E,e) = faktor kepastian dari fakta E membuat anteseden dari
kaidah berdasarkan pada ketidakpastian fakta e
CF (H,E) = faktor kepastian dalam hipotesis dengan asumsi bahwa fakta
diketahui dengan pasti bila CCF (E,e) = 1
Contoh perhitungan dengan faktor kepastian pada sebuah aturan
menggunakan penelusuran maju (forward chaining) dapat dilihat pada gambar 2.7
Gambar 2.7 Faktor Kepastian dengan Beberapa Premis Gabungan Diketahui nilai CF (A) = 0.9 , CF (B) = 0.7, CF (C) = 0.5
Maka, CF (E,e) = min (0.9 ; 0.7 ; 0.5)
= 0.5
Jika ada aturan lain memiliki hipotesis yang sama tetapi berbeda dalam
faktor kepastian, maka perhitungan faktor kepastian dari kaidah yang sama
dihitung dari penggabungan fungsi.
2.2.6 Block Diagram
Block diagram merupakan susunan rule – rule yang terdapat di dalam
sebuah bidang ilmu. Dengan membuat block diagram di dalam sistem pakar maka
dapat diketahui urutan kerja sistem dalam mencari keputusan yang akan terlihat,
seperti yang ditunjukkan pada gambar 2.8
Gambar 2.8 Block Diagram
2.3 Data Kepakaran
Data kepakaran diperoleh dari hasil observasi dan interview dengan pakar
dalam hal ini seorang dokter jenis penyakit penyebab nyamuk yang didiagnosis
pada sistem pakar ini ada lima macam, antar lain :
a. Malaria
Penyakit malaria sebagai salah satu penyakit infeksi disebabkan
oleh infeksi protozoa dari genus Plasmodium, yang ditularkan dari
2001). Ia disebabkan oleh parasit (disebut plasmodium) yang
ditularkan pada manusia oleh sejenis nyamuk tertentu yang menggigit
kebanyakan pada malam hari. Seperti pada gambar 2.9 :
Gambar 2.9 Pembawa Virus Penyebab Penyakit Malaria
Malaria secara khusus berbahaya bagi anak-anak usia di bawah 5
tahun, wanita hamil, dan orang penderita HIV/AIDS. Kehamilan
menurunkan kemampuan seorang wanita untuk memerangi penyakit dan
infeksi. Jika seorang wanita hamil mengidap malaria, ia juga dapat
menderita anemia (kurang darah), dan anemia ini akan memperbesar
resiko kematian pada saat atau setelah persalinan. Penyakit malaria pada
masa hamil dapat pula menyebabkan keguguran atau kelahiran dini, bayi
terlalu kecil, atau kelahiran mati.
Ada beberapa jenis malaria. Orang bisa hidup bertahun-tahun
dengan beberapa jenis malaria, dan kebanyakan malaria dapat
disembuhkan. Tetapi malaria otak (Plasmodium falciparum) dapat
dimana terdapat malaria otak, penting untuk segera melakukan pengujian
dan mencari pengobatan jika Anda curiga terkena malaria pada gambar
berikut.
Biasanya malaria menyebabkan demam setiap 2 atau 3 hari, tapi
pada awalnya demam dapat terjadi setiap hari. Siapa pun yang menderita
demam yang tak jelas alasannya sebaiknya menjalani pengujian untuk
malaria. Hal ini dapat dilakukan di hampir semua pusat-pusat kesehatan.
Jika hasil pengujian darah mengatakan positif mengidap malaria, atau jika
pengujian tak dapat dilakukan segera mencari pengobatan.
b. Demam Berdarah
Demam berdarah disebabkan oleh virus yang disebarkan oleh
nyamuk hitam bintik-bintik putih yang dari jauh terlihat seperti garis putih.
Kaki-kakinya juga bergaris-garis ( Ahmad, 2004 ). Seperti pada gambar
2.10 :
Gambar 2.10 Pembawa Virus Penyebab Penyakit Demam Berdarah
Nyamuk ini sering disebut “nyamuk demam penyakit kuning”
karena ia dapat pula membawa demam penyakit kuning. Demam berdarah
terjadi di kota-kota, di tempat-tempat air tergenang, dan di tempat yang
saluran pembuangan airnya buruk.
Pertama kali seseorang terkena demam berdarah, biasanya ia akan
sembuh dengan istirahat dan minum banyak air. Tetapi jika seseorang
terkena untuk kedua kalinya, akan lebih berbahaya dan bahkan dapat
menyebabkan kematian.
c. Demam Chikungunya
Chikungunya disease atau demam Chikungunya adalah satu di
antara penyakit tular vektor (nyamuk) yang saat ini banyak terjadi di
Indonesia tidak hanya di daerah perkotaan tetapi banyak juga di daerah
pedesaan. Penyebab penyakit ini adalah sejenis virus, yaitu Alphavirus
(famili Togaviridae) dan ditularkan lewat nyamuk Aedes aegypti (Laras
dkk, 2005). Seperti pada gambar 2.11 :
Gambar 2.11 Pembawa Virus Penyebab Penyakit Chikungunya
Penyebab penyakit ini adalah virus chikungunya , yang dikenal
dengan nama Alphavirus dari famili Togaviridae dan ditularkan lewat
klinis dapat berlangsung selama 3-10 hari. Gejala ini bisa hilang sendiri,
namun rasa nyeri masih tertinggal selama berhari-hari sampai
berbulan-bulan.
Demam chikungunya dapat menyerang semua usia, baik anak-anak
maupun dewasa. Di daerah endemis, seringkali penderita secara mendadak
akan mengalami demam tinggi selama lima hari, sehingga dikenal pula
istilah demam lima hari. Pada anak kecil dimulai dengan demam
mendadak, kulit kemerahan. Ruam-ruam merah itu muncul setelah 3-5
hari. Mata biasanya merah disertai tanda-tanda seperti flu. Pada anak yang
lebih besar, demam biasanya diikuti rasa sakit pada otot dan sendi, serta
terjadi pembesaran kelenjar getah bening. Pada orang dewasa, gejala nyeri
sendi dan otot sangat dominan, dan menimbulkan kelumpuhan sementara
karena rasa sakit bila berjalan.
d. Demam Penyakit Kuning
Demam penyakit kuning dibawa oleh nyamuk-nyamuk di Afrika
dan sebagian Amerika Selatan. Ada dua macam demam penyakit kuning
dan mereka menyebar dengan cara yang berbeda:
• Demam penyakit kuning hutan menyebar dari nyamuk yang
terinfeksi ke monyet, dan kembali lagi dari monyet ke nyamuk.
Manusia terinfeksi saat mereka digigit oleh nyamuk yang telah
terinfeksi oleh monyet. Demam penyakit kuning hutan jarang
terjadi dan kebanyakan diderita oleh mereka yang bekerja di
• Demam penyakit kuning perkotaan adalah penyebab dari
kebanyakan wabah dan epidemi demam penyakit kuning. Seperti
malaria dan demam berdarah, demam penyakit kuning perkotaan
menyebar melalui gigitan nyamuk dan hisapan darah dari orang
yang sudah terinfeksi dan kemudian infeksinya dipindahkan ke
orang lain yang digigit nyamuk tadi.
Demam penyakit kuning perkotaan disebarkan oleh nyamuk hitam
yang sama dengan yang menyebarkan demam berdarah.
Nyamuknya mempunyai bintik-bintik putih di sepanjang punggung
dan kaki-kakinya. Nyamuk ini hidup dan berkembangbiak dalam
genangan air di kota-kota dan desa-desa. Seperti pada gambar 2.12
:
Gambar 2.12 Pembawa Virus Penyebab Penyakit Demam Kuning
e. Penyakit Kaki Gajah
Penyakit Kaki Gajah atau Filariasis adalah penyakit menular yang
nyamuk. Lebih tepatnya bahwa yang menjadi penyebab kaki gajah sendiri
bukanlah larva cacing filaria, tapi anak cacing filaria itu, yang disebut
dengan larva microfilaria (Hoedojo, R. 1993). Seperti pada gambar 2.13 :
Gambar 2.13 Pembawa Virus Penyebab Penyakit Kaki Gajah Untuk mengetahui apakah seseorang punya larva itu atau tidak,
perlu dilakukan pemeriksaan larva dalam tubuh. Namun larva itu hanya
bisa terdeteksi malam hari, karena mikrofilaria hanya keluar pada malam
hari saja.
Penyakit ini bersifat menahun (kronis) dan bila tidak mendapatkan
pengobatan, dapat menimbulkan cacat menetap berupa pembesaran kaki,
lengan dan alat kelamin baik perempuan maupun laki-laki. Penyakit ini
cukup banyak ditemukan di Indonesia pada gambar 2.14.
Penyakit ini ditularkan melalui nyamuk yang menghisap darah
seseorang yang telah tertular sebelumnya. Darah yang terinfeksi dan
mengandung larva dan akan ditularkan ke orang lain pada saat nyamuk
yang terinfeksi menggigit atau menghipas darah orang tersebut.
Tidak seperti Malaria dan Demam berdarah, Filariasis dapat
ditularkan oleh 23 spesies nyamuk dari genus Anopheles, Culex,
Mansonia, Aedes & Armigeres. Karena inilah, Filariasis dapat menular
dengan sangat cepat. Kalau cacingnya filaria, maka larva mikrofilaria
yang dibawa oleh nyamuk akan menyumbat pembuluh dan kelenjar limfe
sehingga tidak bisa mengalir ke seluruh bagian tubuh dengan lancar.
Akibatnya, terjadilah pembengkakan organ tubuh, seperti pada lengan,
kaki atau alat kelamin. Seperti Gejala Filariais akut dapat berupa :
a. Demam berulang-ulang selama 3-5 hari, demam dapat hilang bila
istirahat dan muncul lagi setelah bekerja berat
b. Pembengkakan kelenjar getah bening (tanpa ada luka) didaerah lipatan
paha, ketiak (lymphadenitis) yang tampak kemerahan, panas dan sakit
c. Radang saluran kelenjar getah bening yang terasa panas dan sakit yang
menjalar dari pangkal kaki atau pangkal lengan kearah ujung
(retrograde lymphangitis)
d. Filarial abses akibat seringnya menderita pembengkakan kelenjar
e. Pembesaran tungkai, lengan, buah dada, buah zakar yang terlihat agak
kemerahan dan terasa panas (early lymphodema)
Gejala klinis yang kronis berupa pembesaran yang menetap
(elephantiasis) pada tungkai, lengan, buah dada, buah zakar (elephantiasis
skroti).
2.4 Borland Delphi
Borland Delphi merupakan suatu bahasa pemrograman yang memberikan
berbagai fasilitas pembuatan aplikasi untuk mengolah teks, grafik, angka,
database dan aplikasi web. Program ini mempunyai kemampuan luas yang
terletak pada produktifitas, kualitas, pengembangan perangkat lunak, kecepatan
kompilasi, pola desain yang menarik serta bahasa pemrogramannya terstruktur
dan lengkap. Fasilitas pemrograman dibagi dalam dua kelompok yaitu object dan
bahasa pemrograman. Object adalah suatu komponen yang mempunyai bentuk
fisik dan biasanya dapat dilihat. Object biasanya dipakai untuk melakukan tugas
tertentu dan mempunyai batasan-batasan tertentu. Sedangkan bahasa
pemrograman dapat disebut sekumpulan teks yang mempunyai arti tertentu dan
disusun dengan aturan tertentu untuk menjalankan tugas tertentu. Gabungan
antara object dengan bahasa pemrograman sering disebut bahasa pemrograman
berorientasi object.
IDE Delphi Merupakan lingkungan pemrograman terpadu yang terdapat
kondisi normal, semuanya telah tersedia. Adapun bagian-bagian IDE Delphi yang
biasa ditampilkan yaitu :
a. Jendela Utama
Di dalam jendela utama Delphi terdapat menu-menu sebagaimana menu
aplikasi Windows umumnya, toolbar yang merupakan langkah cepat dari
beberapa menu, dan component palette yaitu gudang komponen yang akan
digunakan untuk membuat aplikasi.
b. Object Treeview
Fasilitas ini berguna untuk menampilkan daftar komponen yang digunakan
dalam pengembangan aplikasi sesuai dengan penempatannya.
c. Object Inspector
Object ini digunakan untuk mengatur properti dan event suatu komponen.
Akan tetapi tidak dapat mengubah langsung property – property yang tidak
ditampilkan kecuali melalui penulisan kode program.
d. Form Designer
Form adalah komponen utama dalam pengembangan aplikasi. Form
designer adalah tempat melekatnya komponen yang lain, dengan arti lain tempat
komponen-komponen lain diletakkan.
e. Code Editor, Explorer dan Component Diagram
Code Editor adalah tempat kode program yang diperlukan untuk mengatur
tugas aplikasi ditulis. Code Explorer adalah fasilitas yang membantu penjelajahan
dapat digunakan untuk membuat diagram komponen-komponen yang digunakan
dalam aplikasi.
2.5 SQL Server
SQL Server adalah sistem manajemen database relasional (RDBMS) yang
dirancang untuk aplikasi dengan arsitektur client/server. Istilah client, server, dan
client/server dapat digunakan untuk merujuk kepada konsep yang sangat umum
atau hal yang spesifik dari perangkat keras atau perangkat lunak. Pada level yang
sangat umum, sebuah client adalah setiap komponen dari sebuah sistem yang
meminta layanan atau sumber daya (resource) dari komponen sistem lainnya.
Gambar 2.15 Sistem Client /Server
Sistem client/server adalah dirancang untuk memisah layanan basisdata
dari client, dengan penghubungnya menggunakan jalur komunikasi data. Layanan
basisdata diimplementasikan pada sebuah komputer yang berdaya guna, yang
memungkinkan manajeman tersentralisasi, keamanan, dan berbagai sumber daya.
Oleh karena itu, server dalam client/server adalah basisdata dan layanannya.
Aplikasi-aplikasi client diimplementasikan pada berbagai flatform, menggunakan
Gambar 2.16 Tampilan Microsoft SQL Server 2000
SQL Server adalah server basisdata yang secara fungsional adalah proses
atau aplikasi yang menyediakan layanan basisdata. Client berinteraksi dengan
layanan basisdata melalui antar muka komunikasi tertentu yang bertujuan untuk
pengendalian dan keamanan. Client tidak mempunya akses langsung kedata,
tetapi selalu berkomunikasi dengan server basisdata. (Marcus Teddy.2004).
SQL Server menggunakan tipe dari database yang disebut database
relasional. Database relasional adalah database yang digunakan sebuah data untuk
mengatur atau mengorganisasikan kedalam tabel. Tabel-tabel adalah alat bantu
untuk mengatur atau mengelompokan data mengenai subyek yang sama dan
mengandung informasi dan kolom dan baris. Tabel-tabel saling berhubungan
SQL Server mendukung beberapa tipe data yang berbeda, termasuk untuk
karakter, angga, tanggal (datetime) dan uang (money), SQL Server digunakan
untuk menggambarkan model dan implementasi pada database.
Keuntungan menggunakan SQL Server dapat didefinisikan menjadi dua
bagian yaitu satu bagian untuk menjalankan pada server dan bagian lain untuk
3.1 Spesifikasi Sistem
Sistem pakar untuk mendiagnosa penyakit yang disebabkan nyamuk terdiri
atas dua bagian, yaitu bagian akuisisi pengetahuan dan bagian konsultasi. Dalam
akuisisi pengetahuan diperolah fakta dan aturan yang kemudian disimpan dalam
basis pengetahuan. Fakta pada basis pengetahuan berisi jenis dan gejala – gejala
yang disebabkan nyamuk. Sedangkan aturan berisi gejala – gejala yang
disebabkan nyamuk dan nilai certainty factor (faktor kepastian) serta solusi untuk
mengatasi gangguan yang disebabkan nyamuk.
Untuk memperoleh fakta sebenarnya mengenai gejala yang disebabkan
nyamuk terdapat sesi konsultasi antara pengguna dengan sistem pakar. Dari fakta
tersebut dapat ditentukan jenis yang disebabkan oleh nyamuk dan tindakan yang
dapat dilakukan untuk mengatasi tersebut.
Sistem pakar yang dikembangkan menggunakan certainty factor (faktor
kepastian) untuk mengatasi masalah ketidakpastian data yang berasal dari
pengguna. Selain itu sistem juga memiliki kemampuan sebagai berikut :
1) Pakar dapat menentukan jenis penyakit yang disebabkan nyamuk dan
2) Pakar dapat menentukan aturan – aturan yang digunakan untuk
mendiagnosis setiap ganguan yang disebabkan nyamuk berdasarkan
gejala.
3) Pakar dapat menentukan solusi dari setiap ganguan yang disebabkan
nyamuk.
4) Berdasarkan fakta – fakta yang diperoleh dari pengguna maka dapat
diketahui jenis gangguan yang disebabkan nyamuk dan tingkat kepastian
serta tindakan yang mungkin dilakukan untuk setiap gangguan yang
disebabkan nyamuk.
3.2 Perancangan Proses Inferensi
Proses inferensi adalah inti dari dari proses konsultasi. Dengan melakukan
inferensi maka dapat diketahui jenis gangguan yang disebabkan nyamuk dan
tingkat kepastiannya serta solusi dari gangguan disebabkan nyamuk tersebut.
Proses inferensi diawali dengan melakukan inisialisasi untuk menentukan aturan
dari jenis gangguan disebabkan nyamuk yang pertama. Kemudian dilakukan
perbandingan jumlah gejala dimana aturan dan jumlah gejala yang paling sedikit
akan ditampilkan. Setelah itu dilakukan pengecekan apakah gejala cocok dengan
keadaan si orang.
Metode inferensi yang digunakan dalam sistem pakar ini adalah metode
forward chaining. Dalam metode ini pencocokan fakta atau pertanyaan dimulai
3.2.1 Proses Konsultasi
Pada proses ini pasien diharapkan mengisi identitas kemudian pasien
menentukan gejala – gejala yang di deritanya. Jika gejala sudah ditentukan, maka
terjadi proses diagnosa dan kemudian ditampilkan hasil diagnosanya serta nilai
kepastiannya. Seperti pada Gambar 3.1 :
MULAI
3.2.2 Proses Perhitungan Gejala
Pada proses ini dapat diketahui aturan – aturan gejalanya. Dimulai dari
aturan yang penyakit ke – 1 dicatat jumlah gejala dan nilai – nilainya sampai
penyakit ke – 5. Kemudian aturan penyakit yang mencari nilai CF dengan
terdapat dari gejala – gejala yang telah di tentukan oleh pakar. Apabila telah dapat
nilai CF pada tiap – tiap penyakit, maka nilai Cfmax menampilkan diagnosa
MULAI
Inisialisasi
MBz=0, MDz=0 (Total Gejala) N=Jumlah Gejala
3.2.3 Proses Tampilkan Gejala
Pada proses ini diketahui aturan gejala yang memiliki nilai tersebut.
Kemudian ditampilkan gejala pertama dari aturan tersebut.
mulai
Cari aturan yang sesuai dengan
kode aturan
Tampilkan gejala dari
aturan
Selesai
Gambar 3.3 Diagram Alir Proses Tampilkan Gejala
3.3 Perancangan block diagram
Block diagram diperlikan untuk mengetahui urutan kerja system dalam
mencari suatu keputusan. Perancangan rule gejala akibat gigitan nyamuk sebagai
knowledge base system diambil dari parameter gejala-gejala Gangguan gigitan
pada nyamuk .
Berdasarkan parameter-parameter yang ada maka disusun block diagram
Gangguan gigitan nyamuk pada, seperti yang ditunjukkan pada gambar 3.4
Level 0 Level 1 Level 2
Gambar 3.4 Block Diagram Gejala Akibat Gigitan Nyamuk
3.4 Perancangan Dependency Diagram
Dependency Diagram dibuat untuk menentukan faktor yang
mempengaruhi dalam pemberian suatu rekomendasi gangguan yang disebabkan
nyamuk pada masyarakat. Untuk lebih lanjutnya dapat dilihat pada gambar 3.5
yang memberikan penjelasan bahwa hasil pendeteksian gangguan yang
disebabkan nyamuk pada masyarakat berdasarkan paramater dengan penjabaran
tiap parameter pada sub parameter.
Gambar 3.5 Dependency Diagram Gejala Akibat Gigitan Nyamuk
Set 1
Gejala akibat gigitan nyamuk ? Trombositopeni
(yes/no)
? Air seni berkurang (yes/no)
? Kulit bintik merah (yes/no)
Demam Berdarah ? Pendarahan
3.5 Perancangan Tabel Pengetahuan
Sumber data yang digunakan dalam sistem ini dari hasil wawancara dr.
Risky N, dengan meliputi data penyakit dan data gejala yang menyerang pada
nyamuk seperti tabel - tabel hasil wawancara berikut :
Tabel 3.1 hasil wawancara dr. Risky penyakit demam berdarah
No. Gejala / Keluhan Persentase
Ahli
Hasil MB Persentase
Keterangan :
• Hasil MB = Persentase / 100
• Hasil MD = persentase / 100
Tabel 3.2 hasil wawancara dr. Risky penyakit Malaria No. Gejala / Keluhan Persentase
Ahli
Hasil MB Persentase
Keterangan :
• Hasil MB = Persentase / 100
• Hasil MD = persentase / 100
Tabel 3.3 hasil wawancara dr. Risky penyakit Cikungunya
No. Gejala / Keluhan Persentase
Ahli
Hasil MB Persentase
Keterangan :
• Hasil MB = Persentase / 100
• Hasil MD = persentase / 100
Tabel 3.4 hasil wawancara dr. Risky penyakit Filariasis
No. Gejala / Keluhan Persentase
Ahli
Hasil MB Persentase
Keterangan :
• Hasil MB = Persentase / 100
• Hasil MD = persentase / 100
Tabel 3.5 hasil wawancara dr. Risky penyakit Japanese Enchephelitis
No. Gejala / Keluhan Persentase
Ahli
Hasil MB Persentase
Keterangan :
• Hasil MB = Persentase / 100
• Hasil MD = persentase / 100
Dapat disimpulkan ada beberapa data penyakit dan data gejala yang di
gambarkan tabel diatas .Data pengetahuan / ahli dari dr. Risky yang berupa hasil
nilai MB dan MD pada tabel 3.6 sebagai berikut :
Tabel 3.6 Sample Pengetahuan ( dr. Risky )
NO GEJALA
DEMAM
BERDARAH MALARIA CIKUNGUNYA FILARIASIS
NO GEJALA
DEMAM
BERDARAH MALARIA CIKUNGUNYA FILARIASIS
JAPANESE CHEPHELITIS
MB MD MB MD MB MD MB MD MB MD
19. EARLY LYMPHODEM 0.05 0.87 0.05 0.79 0.18 0.87 0.98 0.01 0.32 0.45
20. DEHIDRASI 0.01 0.95 0.01 0.82 0.01 0.89 0.09 0.87 0.98 0.20
3.6 Perancangan Diagram Konteks
Perancangan ini menggunakan diagram konteks, diagram ini menjelaskan
tentang hubungan input / output antara sistem dengan dunia luarnya, suatu
diagram konteks selalu mengandung satu proses saja yang mewakili proses
seluruh sistem. Perancangan sistem dimulai dari hal yang paling global hingga
menjadi model yang detail.
Aliran data bersumber dari pengetahuan yang didapatkan dari pakar,
dimasukkan ke dalam sistem, kemudian akan di proses. Pasien memasukkan
gejala yang dirasakan untuk keperluan diagnosa, kemudian pasien mendapatkan
diagnosa penyakit. Sedangkan admin melakukan penambahan data pakar, apabila
ada pakar baru ke dalam sistem. Seperti pada gambar 3.4 Sebagai berikut :
Sistem Pakar
data penyakit, data gejala, data pengetahuan Data pakar
Hasil diagnosa Gejala pasien
Data pakar
3.6.1 Data Flow Diagram Level 1
Data flow diagram level 1 merupakan pengembangan dari diagram konteks.
Proses pada data flow diagram level 1 terdiri dari 2 yaitu proses pengolahan data
dan proses diagnosa penyakit. Seperti pada gambar 3.5 Sebagai berikut :
Pengolahan
Data pakar, data penyakit, data gejala, data pengetahuan
T. Pakar Data pakar, data penyakit,
data gejala, data pengetahuan
Data pakar
Gambar 3.7 Data Flow Diagram Level 1
Proses 1 merupakan proses yang mengatur data – data yang diperlukan
untuk sistem dan proses 2 merupakan proses yang melakukan perhitungan dengan
3.7 Relasi Tabel
Database yang disebabkan nyamuk terdiri dari 3 buah tabel utama yaitu :
gejala, penyakit, dan diagnosa. Tabel ini digunakan untuk menyimpan data – data
gejala, penyakit serta nilai dari MB dan MD dari masing – masing diagnosa.
Tbl_Diagnosa
3.8 Perancangan Proses Konsultasi
Dalam proses konsultasi, dengan bantuan working memory sistem
menggabungkan basis pengetahuan dengan mesin inferensi. Lewat proses ini basis
pengetahuan yang ada akan diolah pada mesin inferensi dan disimpan dalam
working memory.
Working memory pada sistem pakar ini digunakan untuk menyimpan
jawaban yang diberikan oleh pengguna pada saat melakukan konsultasi. Setelah
konsultasi selesai isi dari working memory akan dihapus. Working memory
direpresentasikan dalam bentuk tabel jawab. Apapun struktur tabel jawab dapat
Tabel 3.7 Struktur Tabel Jawab
Nama Atribut Tipe Field Ukuran Kunci Keterangan
KdGejala Text 4 PK Kode Gejala
KdAturan Text 4 PK Kode Aturan
CF Number Tingkat Kepastian
Proses konsultasi diawali dengan proses inisialisasi yaitu proses untuk
menentukan aturan dari jenis gangguan yang disebabkan nyamuk yang pertama.
Kemudian dilakukan perbandingan jumlah gejala dimana aturan dengan jumlah
gejala yang paling sedikit akan ditampilkan. Setelah itu dilakukan pengecekan
apakah gejala cocok dengan keadaan si penderita. Proses akan selesai jika solusi
sudah ditemukan.
3.9 Perancangan Basis Pengetahuan
Sebelum dapat melakukan akusisi pengetahuan, seorang pakar harus
terlebih dahulu memasukkan nama dan password ke dalam sistem. Jika salah satu
dari keduanya tidak sama dengan nama dan password yang ada pada tabel login
maka tidak dapat masuk ke dalam menu pakar. Namun apabila nama dan
password yang dimasukkan sama dengan nama dan password yang ada pada tabel
login maka pakar dapat masuk ke dalam menu pakar dan melakukan akuisisi
Tabel 3.8 Struktur Tabel Login
Nama Atribut Tipe Field Ukuran Kunci Keterangan
Uname Text 20 PK User name
Upass Text 50 password
Pengetahuan untuk melakukan diagnosis gangguan yang disebabkan
nyamuk pada penderita ini dipresentasikan dalam bentuk tabel yang berisi fakta –
fakta dan aturan – aturan tentang gangguan yang disebabkan oleh nyamuk. Tabel
– tabel tersebut antara lain :
a. Tabel data penyakit
Tabel data penyakit adalah tabel yang menyimpan informasi mengenai jenis
penyakit yang disebabkan nyamuk. Tabel ini terdiri atas lima field yaitu
KdPenyakit, NmPenyakit, KetPenyakit, Ket2Penyakit dan Img. Struktur tabel
data penyakit dapat dilihat pada tabel 3.3
Tabel 3.9 Struktur Tabel Jenis Data Penyakit
Nama Atribut Tipe Field Ukuran Kunci Keterangan
KdPenyakit Text 20 Pk Kode Penyakit
NmPenyakit Text 100 Nama Penyakit
KetPenyakit Text 500 Keterangan Penyakit
Ket2Penyakit Text 500 Keterangan 2 Penyakit
b. Tabel Gejala
Tabel gejala adalah tabel yang menyimpan informasi mengenai gejala – gejala
akibat gigitan nyamuk. Tabel ini terdiri atas tiga field, yaitu KdGejala,
NmGejala dan KetGejala.
Tabel 3.10 Struktur Tabel Gejala Akibat Gigitan Nyamuk Nama Atribut Tipe Field Ukuran Kunci Keterangan
KdGejala Text 20 Pk Kode Gejala
NmGejala Text 50 Nama Gejala
KetGejala Text 250 Keterangan Gejala
c. Tabel Aturan
Tabel aturan adalah tabel yang menyimpan informasi mengenai kode jenis
akibat gigitan nyamuk dan nilai faktor kepastian untuk setiap aturan. Struktur
table aturan dapat dilihat pada tabel 3.5
Table 3.11 Struktur Tabel Aturan
Nama Atribut Tipe Field Ukuran Kunci Keterangan
KdAturan Text 10 PK Kode Aturan
KdPenyakit Text 20 PK Kode Penyakit
CF Number Tingkat Kepastian
d. Tabel Atur
Tabel atur adalah tabel yang menyimpan informasi mengenai kode gejala
akibat gigitan nyamuk yang ada pada setiap aturan. Struktur table atur dapat
Table 3.12 Struktur Tabel Atur
Nama Atribut Tipe Field Ukuran Kunci Keterangan
KdGejala Text 20 PK Kode Gejala
KdAturan Text 10 PK Kode Aturan
e. Tabel Solusi
Tabel solusi adalah tabel yang menyimpan informasi mengenai solusi untuk
setiap jenis akibat gigitan nyamuk. Struktur tabel solusi dapat dilihat pada
table 3.7
Table 3.13 Struktur Tabel Solusi
Nama Atribut Tipe Field Ukuran Kunci Keterangan
KdPenyakit Text 20 PK Kode Penyakit
Solusi memo Solusi gangguan
57
4.1 Implementasi Sistem
Sistem pakar untuk mendiagnosa penyakit yang disebabkan nyamuk dengan
menggunakan certainty factor (faktor kepastian) yang telah di rancang
sebelumnya diimplementasikan dengan menggunakan bahasa pemrograman
borland delphi 7 dan basis datanya menggunakan sql server.
4.1.1 Implementasi Menu Login
Ketika program pertama kali dijalankan maka pertama kali tampil adalah
home pada gambar 4.1 . Pada menu ini terdapat lima pilihan yaitu login, home,
konsultasi penyakit, informasi penyakit dan exit.
Ketika kita ingin login sebagai seorang pakar maka klik login kemudian
masukkan user name dan password yang ada pada gambar 4.2. Setelah itu pakar
dapat mengubah , menghapus dan menambah yang ada dalam aplikasi yang ada
pada gambar 4.3
Gambar 4.2 login sebagai seorang pakar
4.1.2 Implementasi Menu User
Pada menu user terdapat enam icon yaitu login, home, konsultasi penyakit,
informasi penyakit, logout dan exit. Si pengguna dapat melakukan konsultasi pada
icon konsultasi penyakit dengan cara mengklik konsultasi penyakit yang dimana
diminta memasukkan nama pasien, jenis kelamin, usia, alamat, telepon. Setelah
mengisi form konsultasi pada gambar 4.4. Kemudian klik gejala yang akan
muncul nama gejala beserta keterangan dan gambar yang ada pada gambar 4.5
dan gambar 4.6 berikut:
Gambar 4.5 Tampilan Data Gejala Untuk Pengguna
4.1.3 Implementasi Hasil
Pada menu ini menggambarkan hasil dari gambar 4.3 yang di input oleh si
pengguna. Dari hasil ini terdapat keterangan bahwa si pengguna teridentifikasi
penyakit demam berdarah dengan hasil nilai CF = 0,703 dan juga terdapat foto ciri
– ciri nyamuk demam berdarah serta info yang untuk mengetahui cara mencegah.
Seperti pada gambar 4.7 berikut :
4.1.3 Implementasi Administrator Area
Pada tampilan administrator area si pakar harus login terlebih dahulu,
kemudian si pakar dapat mengklik yang terdapat di administrator area dan dapat
menambahkan user seperti pada gambar 4.8 :
4.1.4 Implementasi Data Penyakit
Pada menu data penyakit, pakar dapat menambah jenis gigitan nyamuk
(penyakit) yang digunakan dalam system pakar. Selain itu pakar juga dapat
menghapus dan menambah jenis gigitan nyamuk tersebut jika ada yang tidak tepat
seperti pada gambar 4.9 :
4.1.5 Implementasi Menu Data Gejala
Pada menu data gejala, pakar dapat memasukkan gejala yang digunakan
dalam system pakar dalam melakukan diagnosis. Selain itu pakar juga dapat
menghapus gejala dari gigitan nyamuk tersebut jika ada yang tidak cocok seperti
pada gambar 4.10 :
4.1.6 Implementasi Menu Data Diagnosa
Pada menu data diagnosa, pakar dapat memasukkan jenis gigitan nyamuk
(penyakit) , gejala, nilai minimum dan nilai maximum dengan faktor kepastian.
Selain itu pakar juga dapat menghapus data diagnose tersebut jika ada yang tidak
tepat yang ada pada gambar 4.11 :
5.1 Uji Coba Sistem
Uji coba sistem dilakukan untuk mengetahui kemampuan dari sistem pakar
ini dalam melakukan inferensi dan menghitung nilai faktor kepastian. Berikut ini
adalah hasil beberapa uji coba dari aturan yang digunakan dalam sistem pakar.
5.1.1 Contoh Kasus
Ada suatu kasus, Echa mengalami gejala demam dan pendarahan, sistem
pakar memperkirakan Echa terkena penyebab gigitan oleh nyamuk, dengan nilai
kepercayaan yang telah mengacu pada tabel 3.1 :
Diketahui :
Terdapat 5 macam penyakit yang memiliki gejala demam dan pendarahan, yaitu :
a. Demam Berdarah
b. Malaria
c. Cikungunya
d. Filariasis
e. Japanese Enchephelitis
Maka dengan perhitungan manual :
MB ( Demam Berdarah|demam, pendarahan) = 0.9 + 0,91 x ( 1 – 0,9 )
= 0,9 + 0,91 x 0,1
MD ( Demam Berdarah|demam, pendarahan) = 0,20 + 0,11 x ( 1 – 0,20 )
CF ( Malaria|demam, pendarahan) = 0,9856 – 0,384 = 0,6016
MB ( Cikungunya|demam, pendarahan ) = 0,89 + 0,12 x ( 1 – 0,89 )
CF ( Cikungunya|demam, pendarahan ) = 0,9032 – 0,384 = 0,5192
MB ( Filariasis|demam, pendarahan ) = 0,91 + 0,20 x ( 1 – 0,91 )
= 0,91 + 0,20 x 0,09
= 0,91 + 0,018 = 0,928
MD ( Filariasis|demam, pendarahan ) = 0,12 + 0,76 x ( 1 – 0,12 )
= 0,12 + 0,6688 = 0,7888
CF ( Filariasis|demam, pendarahan ) = 0,928 – 0,7888 = 0,1392
MB ( Japanese Enchephelitis|demam, pendarahan ) = 0,86 + 0,32 x ( 1 – 0,86 )
= 0,86 + 0,32 x 0,14
= 0,86 + 0,0448 = 0,9048
MD ( Japanese Enchephelitis|demam, pendarahan ) = 0,20 + 0,23 x ( 1 – 0,20 )
= 0,20 + 0,23 x 0,80
= 0,20 + 0,184 = 0,384
CF ( Japanese Enchephelitis|demam, pendarahan ) = 0,9048 – 0,384 = 0,5208
Dari CF masing – masing penyakit diperoleh nilai CF terbesar penyakit demam
berdarah, sebesar 0,703 sehingga dugaan terbesar echa terkena penyakit demam
berdarah.
Ketika sistem pakar diuji coba dengan input seperti diatas didapat hasil seperti
pada gambar 5.1 berikut :
69
6.1 Kesimpulan
Bahwa kesimpulan yang didapat dari hasil implementasi rancangan dan uji
coba sistem pakar untuk mendiagnosa akibat gigitan nyamuk dengan
menggunakan faktor kepastian ini antara lain :
1) Sistem dapat mengindentifikasi jenis penyakit yang disebabkan oleh
nyamuk disertai dengan nilai faktor kepastian / metode certainty factor
berdasarkan pemeriksaan gejala fisik. Selain itu sistem pakar ini dapat
memberikan solusi untuk setiap jenis penyakit yang disebabkan oleh
nyamuk.
2) Pakar dapat melakukan akusisi pengetahuan, baik itu berupa basis
pengetahuan , basis aturan maupun solusi.
3) Dalam merancang program ini menggunakan metode certainty.
4) Aplikasi program menggunakan Borland Delphi 7.0
6.2 Saran
Adapun saran untuk pengembangan sistem pakar ini antara lain :
1) Sistem pakar ini hanya dapat mendiagnosa penyakit yang disebabkan oleh
nyamuk tertentu dan terbatas, sehingga untuk pengembangan lebih lanjut
