SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK
MENGGUNAKAN METODE NA
ÏVE BAYESIAN
BERBASIS ANDROID
SKRIPSI
SASKIA MABRURA
131421019
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
ii
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK MENGGUNAKAN METODE NAIVE BAYESIAN BERBASIS ANDROID
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
Oleh :
SASKIA MABRURA 131421019
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
PERSETUJUAN
Judul : SISTEM PAKAR DIAGNOSA DISLEKSIA PADA
ANAK MENGGUNAKAN METODE NAIVE
BAYESIAN BERBASIS ANDROID
Kategori : SKRIPSI
Nama : SASKIA MABRURA
Nomor Induk Mahasiswa : 131421019
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Februari 2016
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dian Rachmawati, S.Si,M. Prof. Dr. Iryanto, M.Si NIP. 198307232009122004 NIP. 194604041971071001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK MENGGUNAKAN METODE NAIVE BAYESIAN BERBASIS ANDROID
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Februari 2016
PENGHARGAAN
Alhamdulillah segala puji dan syukur atas nikmat yang luas kepada Allah SWT
sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk
memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas
Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih Penulis sampaikan kepada semua pihak yang telah
membantu Penulis dalam menyelesaikan skripsi ini baik secara langsung maupun
tidak langsung, teristimewa orangtua yang sangat mengasihi dan menyayangi dan
memberi dukungan tiada henti pada penulis. Pada kesempatan ini penulis ingin
mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum selaku Rektor Universitas
Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer
dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu
Komputer Universitas Sumatera Utara.
4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu
Komputer Universitas Sumatera Utara.
5. Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembimbing I yang telah
memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam
penyempurnaan skripsi ini.
6. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang telah
memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam
7. Bapak Dedy Arisandi, ST. M.Kom selaku Dosen Pembanding I yang telah
memberikan kritik dan saran dalam penyempurnaan skripsi ini.
8. Bapak Rahmat Aulia, S.Kom, M.Sc.IT selaku Dosen Pembanding II yang
telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
9. Ibu Debby Anggraini, M.Psi dari Fakultas Psikologi Departemen
Perkembangan USU yang telah bersedia membimbing dan memberikan
informasi yang terkait dengan Disleksia dalam penelitian ini.
10. Semua dosen dan pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu
Komputer dan Teknologi Informasi Universitas Sumatera Utara.
11. Keluarga besar penulis, Ibunda Rohani yang senantiasa mendoakan dan
mendukung, serta keluarga besar Alauddin Junet, Rauzi Haristia, A.Md,
Novika Fajriati, Aldis Cahya Maghfirah, Alm. Muda Abdul Razak dan
keluarga lainnya.
12. Rizki Sulaiman, S.T yang telah banyak memberikan motivasi dan kontribusi
berupa saran dan kritik kepada penulis dalam penyempurnaan aplikasi dan
skripsi ini.
13. Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk
2013, Dhita Pratiwi, Reiza Pahlawan, Rezi Fatullah Rahman, Rahmat Heriza,
Denny PS, M.Khairul Ibaad Pohan, Nur Khasanah, Okta, Dessy Wulandari,
Ledyana Fitriana, serta anak-anak Aceh Sepakat dan Medan Bersatu .
14. Teman-teman seperjuangan alumni Politeknik Negeri Lhokseumawe Teknik
Telekomunikasi konsentrasi Teknik Komputer dan Jaringan stambuk 2008,
15. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak
dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi
ini.
Semoga semua kebaikan dan bantuan yang diberikan kepada penulis,
mendapatkan balasan yang berlipat dari Allah SWT.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena
itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat
membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita
semuanya.
Medan, Februari 2016
Penulis,
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK MENGGUNAKAN METODE NAIVE BAYESIAN BERBASIS ANDROID
ABSTRAK
Disleksia merupakan dasar kelainan neurobiologist yang ditandai dengan kesulitan dalam mengenali kata dengan tepat, cepat, dan akurat, serta lemah dalam pengejaan atau lemah dalam kemampuan mengidentifikasi simbol bahasa. Kurangnya pengetahuan masyarakat terhadap disleksia dapat menghambat penderitanya (anak) untuk mencapai prestasi optimal dalam bidang akademis maupun profesional. Pada penelitian ini penulis membangun suatu sistem pakar yang mampu mendiagnosa disleksia pada anak usia 5 tahun keatas menggunakan metode Naive Bayesian (NB) yaitu system akan menampilkan daftar gejala kemudian user memberikan respon berupa jawaban (Ya-Tidak) pada sistem kemudian sistem akan membandingkan antara data disleksia dan tidak disleksia sehingga diperoleh suatu kesimpulan dan solusi penaganan yang dapat dilakukan user berupa informasi terapi yang dapat dilakukan orangtua/guru. Dari penelitian ini dihasilkan sebuah aplikasi sistem pakar berbasis Android yang dapat membantu seseorang dalam memperoleh informasi dalam mendiagnosa disleksia pada anak serta dapat digunakan dimana saja dan kapan saja.
EXPERT SYSTEM TO DIAGNOSIS DYSLEXIA FOR THE CHILD BY USING NAIVE BAYESIAN METHOD ANDROID BASED
ABSTRACT
Dyslexia is a basic neurological disorder characterized by difficulty in recognizing words accurately, quickly, and weak in spelling or weak in the ability to identify the language symbols. Lack of human public knowledge about dyslexia can impede the sufferers (child) to achieve optimal performance in both academic and professional field. In this study, the authors build an expert system application that aims to make the diagnosis of dyslexia by using Naive Bayesian (NB) method. The diagnosis is obtained based on the answers given user is currently consulting on the system that will be the basis for the calculation by comparing the data of dyslexia and dyslexia in order to obtain a conclusion and solution to do user. From this study will produced an expert system based Android that can help a person to diagnosing dyslexia early and can be use it anytime and anywhere.
DAFTAR ISI
1.6. Metodologi Penelitian 3
1.7. Sistematika Penelitian 5
BAB II LANDASAN TEORI
2.1. Kecerdasan Buatan (Artifical Intelehence) 6
2.2. Sistem Pakar (Expert System) 7
2.2.1. Ciri-ciri Sistem Pakar 8
2.2.2. Struktur Sistem pakar 9
2.2.3. Keuntungan dan Kelemahan Sistem pakar 10
2.3 Disleksia (Dyslexia) 10
2.4. Metode Naive Bayesian (NB) 15
2.4.1. Karakteristik Naive Bayesian 17
2.4.2. Kelebihan dan Kekurangan Naive Bayesian 17
2.5. Android 18
2.5.1. Daftar Versi Android 19
2.5.2. Fitur dan Arsitektur Android 23
2.8. Pemodelan UML (Unified Modeling Language) 29
BAB III ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Sistem 34
3.1.1. Analisis Masalah 34
3.1.2. Analisis Kebutuhan Sistem 35
3.2. Perancangan Sistem 36
3.2.1. Bagan Alir (Flowchart) 37
3.2.2. Pemodelan UML (Unified Modeling Language) 39
3.3. Analisis Proses 45
3.3.1. Analisis Metode Naive Bayesian 45
3.4. Perancangan Antarmuka (Interface) 50
3.4.1. Rancangan Antarmuka Halaman Utama 51 3.4.2. Rancangan Antarmuka Halaman Tentang 52 3.4.3. Rancangan Antarmuka Halaman Bantuan 53 3.4.4. Rancangan Antarmuka Halaman Input Biodata 54 3.4.5. Rancangan Antarmuka Halaman Konsultasi 55 3.4.6. Rancangan Antarmuka Halaman Hasil Diagnosa 56 3.4.7. Rancangan Antarmuka Halaman Info Disleksia 57 3.4.8. Rancangan Antarmuka Halaman Terapi 58 3.4.9. Rancangan Antarmuka Halaman Belajar 59 3.4.10. Rancangan Antarmuka Halaman Latihan 61 3.4.11. Rancangan Antarmuka Halaman Hasil Latihan 62 3.4.12. Rancangan Antamuka Halaman Admin Input Gejala 63 3.4.13. Rancangan Antamuka Halaman Admin Daftar Gejala 64 3.4.14. Rancangan Antamuka Halaman Admin Daftar Pasien 65
BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1. Implementasi Sistem 66
4.1.1. Tampilan Halaman Utama 66
4.1.2. Tampilan Halaman Tentang 67
4.1.3. Tampilan Halaman Bantuan 68
4.1.4. Tampilan Halaman Input Biodata 68
4.1.5. Tampilan Halaman Konsultasi 69
4.1.6. Tampilan Halaman Hasil Diagnosa 70 4.1.7. Tampilan Halaman Info Disleksia 71
4.1.8. Tampilan Halaman Terapi 71
4.1.9. Tampilan Halaman Belajar 72
4.1.11. Tampilan Halaman Hasil Latihan 73
4.1.12. Tampilan Halaman login Admin 74
4.1.13. Tampilan Halaman Admin Input Gejala 75 4.1.14. Tampilan Halaman Admin Daftar Data Gejala 75 4.1.15. Tampilan Halaman Admin Daftar Data Pasien 76
4.2. Pengujian Sistem 76
BAB V PENUTUP
5.1. Kesimpulan 80
5.2. Saran 80
DAFTAR PUSTAKA LAMPIRAN
DAFTAR TABEL
Halaman
Tabel 2.1. Simbol Flowchart Program 28
Tabel 2.2. Simbol Flowchart System 29
Tabel 2.3. Simbol Relasi pada Use CaseDiagram 30
Tabel 2.4. Simbol Relasi pada Class Diagram 31
Tabel 2.5. Simbol Relasi pada Sequence Diagram 32
Tabel 2.6. Simbol Relasi pada Activity Diagram 33
Tabel 3.1. Daftar Gejala 46
Tabel 3.2. Data Rule 47
Tabel 3.3. Perhitungan Probabilitas Gejala “Ya” dan “Tidak” Tehadap Disleksia
48
Tabel 3.4. Contoh Jawaban Pasien 49
Tabel 3.5. Hasil Perhitungan Naive Bayesian 50
Tabel 3.6. Keterangan Kontrol pada Antarmuka Halaman Utama 51 Tabel 3.7. Keterangan Kontrol pada Antarmuka Halaman Tentang 52 Tabel 3.8. Keterangan Kontrol pada Antarmuka Halaman Bantuan 53 Tabel 3.9. Keterangan Kontrol pada Antarmuka Halaman Input Biodata 54 Tabel 3.10. Keterangan Kontrol pada Antarmuka Halaman Konsultasi 55 Tabel 3.11. Keterangan Kontrol pada Antarmuka Halaman Hasil Diagnosa 56 Tabel 3.12. Keterangan Kontrol pada Antarmuka Halaman Info Disleksia 57 Tabel 3.13. Keterangan Kontrol pada Antarmuka Halaman Terapi 58 Tabel 3.14. Keterangan Kontrol pada Antarmuka Halaman Belajar 59 Tabel 3.15. Keterangan Kontrol pada Antarmuka Halaman Contoh
Pembelajaran
60
Tabel 3.16. Keterangan Kontrol pada Antarmuka Halaman Latihan 61 Tabel 3.17. Keterangan Kontrol pada Antarmuka Halaman Hasil Latihan 62 Tabel 3.18. Keterangan Kontrol pada Antarmuka Halaman Admin Input
Gejala
63
Tabel 3.19. Keterangan Kontrol pada Antarmuka Halaman Admin Daftar Gejala
64
Tabel 3.20. Keterangan Kontrol pada Antarmuka Halaman Admin Daftar Pasien
65
Tabel 4.1. Jawaban Pasien 77
DAFTAR GAMBAR
Halaman
Gambar 2.1. Cabang Kecerdasan Buatan 7
Gambar 2.2. Struktur Sistem Pakar 9
Gambar 2.3. Contoh Tulisan Tangan Penderita Disleksia 14 Gambar 2.4. Probabilitas Bersyarat dalam Ilmu Statistik 17 Gambar 2.5. Sejarah Pendistribusian Versi Android Menurut Penggunaan
Android Market / Play Store 2009 – 2014
23
Gambar 2.6. Skema Arsitektur Android 23
Gambar 3.1. Diagram Ishikawa 34
Gambar 3.2. Flowchart Halaman Utama 37
Gambar 3.3. Flowchart Menu Input Data dan Proses Diagnosa 38
Gambar 3.4. Use Case Diagram Sistem Pakar 39
Gambar 3.5. Class Diagram Sistem Pakar 40
Gambar 3.6. Sequence Diagram Sistem Pakar 41
Gambar 3.7. Activity Halaman Utama 42
Gambar 3.8. Activity Konsultasi 43
Gambar 3.9. Activity Diagnosa 44
Gambar 3.10. Activity Terapi 45
Gambar 3.11. Rancangan Antarmuka Halaman Utama 51
Gambar 3.12. Rancangan Antarmuka Halaman Tentang 52 Gambar 3.13. Rancangan Antarmuka Halaman Bantuan 53 Gambar 3.14. Rancangan Antarmuka Halaman Input Biodata 54 Gambar 3.15. Rancangan Antarmuka Halaman Konsultasi 55 Gambar 3.16. Rancangan Antarmuka Halaman Hasil Diagnosa 56 Gambar 3.17. Rancangan Antarmuka Halaman Info Disleksia 57
Gambar 3.18. Rancangan Antarmuka Halaman Terapi 58
Gambar 3.19. Rancangan Antarmuka Halaman Belajar 59 Gambar 3.20. Rancangan Antarmuka Halaman Contoh Pembelajaran 60 Gambar 3.21. Rancangan Antarmuka Halaman Latihan 61 Gambar 3.22. Rancangan Antarmuka Halaman Hasil Latihan 62 Gambar 3.23. Rancangan Antarmuka Halaman Admin Input Gejala 63 Gambar 3.24. Rancangan Antarmuka Halaman Admin Daftar Gejala 64 Gambar 3.25. Rancangan Antarmuka Halaman Admin Daftar Pasien 65
Gambar 4.3. Tampilan Halaman Bantuan 68
Gambar 4.4. Tampilan Halaman Input Biodata 69
Gambar 4.5. Tampilan Halaman Konsultasi 70
Gambar 4.6. Tampilan Halaman Setelah Konsul (Hasil Diagnosa) 70
Gambar 4.7. Tampilan Halaman Info Disleksia 71
Gambar 4.8. Tampilan Halaman Terapi 71
Gambar 4.9. Tampilan Halaman Pembelajaran 72
Gambar 4.10. Tampilan Halaman Pembelajaran dari Huruf A 72
Gambar 4.11. Tampilan Halaman Latihan 73
Gambar 4.12. Tampilan Halaman Hasil Latihan 74
Gambar 4.13. Tampilan Halaman Login Admin 74