SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA MANUSIA DENGAN PENGOBATAN BEKAM

NASKAH PUBLIKASI

disusun oleh ZANUAR DAHLAN EFFENDY 05.12.1234

JURUSAN SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA 2010

EXPERT SYSTEM FOR DIAGNOSIS OF DISEASE IN HUMAN TREATMENT WHIT BEKAM SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA MANUSIA DENGAN PENGOBATAN BEKAM Zanuar Dahlan Effendy Jurusan Sistem Informasi STMIK AMIKOM YOGYAKARTA INTISARI Dimasa-masa sekarang ini banyak teknologi Informasi yang berkembang, teknologi sekarang ini komputer bukan lagi digunakan untuk membantu pekerjaan manusia, tetapi bahkan untuk menggantikan pekerjaan manusia yang tidak memerlukan pemikiran yang bersifat rutinitas. Pada perkembangan selanjutnya para ahli mencoba menggantikan sistem otak manusia sehingga diharapkan pada suatu saat nanti mungkin akan terciptanya suatu sistem komputer yang dapat mengambil keputusan sendiri seperti layaknya manusia. Karena hasil kerja komputer ini lebih diakui karena lebih cepat, akurat serta teliti dibandingkan dengan kerja otak manusia. Salah satu cabang AI ( Aritfical intelligence) adalah apa yang sering dikenal dengan Artifical Neural Network System, dimana sistem ini membantu untuk belajar dari pengalaman. Hal khusus lain dari sistem ini adalah suatu komputer untuk dicoba dan dipelajari penerapannya didalam dunia kesehatan yang pengobatan ini sering dilakukan oleh Nabi SAW pada waktu sakit yaitu dengan pengobatan Bekam (Hijaamah). Pada project ahir ini, penulis mencoba untuk menganalisis pokok-pokok bahasan tersebut dan hasilnya ditujukan untuk memberikan saran bagi para pengembang sistem informasi, khususnya bagi orang yang belum tahu, bahwa implementasi dalam penelitian ini dapat dikembangkan lagi menjadi pengobatan yang lebih lengkap dan pengguna bisa mendapatkan informasi yang lebih lengkap dan akurat, yang mencakup segala informasi sarana umum khususnya untuk masyarakat luas.

EXPERT SYSTEM FOR DIAGNOSIS OF DISEASE IN HUMAN TREATMENT WHIT BEKAM SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA MANUSIA DENGAN PENGOBATAN BEKAM Zanuar Dahlan Effendy Jurusan Sistem Informasi STMIK AMIKOM YOGYAKARTA ABSTRACT In this current periods of much developing information technology, this current technology the computer and no longer was used to help the work of humankind, but in fact to replace the work of humankind that did not need thinking that was shaped like a routine. In the further development of the experts tried to replace the system of the human brain so as to be hoped for sometime in the future possibly would the creation of a computer system that could take the decision personally as being proper for humankind. Because results of the work of this computer were more acknowledged because faster, accurate as well as thorough compared with the work of the human brain. One of the AI branches (Aritfical intelligence) was what often was known with Artifical Neural Network System, where this system helped to learn from the experience. The matter was especially other from this system was a computer to be tried and studied by his application in the world of the health that this medical treatment was often carried out by the Prophet SAW when being sick that is with Bekam medical treatment (Hijaamah). In project this end, the writer tried to analyse these subjects of discussion and results were aimed to give the suggestion for the developers of the information system, especially for the person who did not yet know, that the implementation could be in this research developed still became more complete medical treatment and the user could get more complete and accurate information, that included all information of the public's means especially for the wider community.

1. Pendahuluan Dimasa-masa sekarang ini banyak teknologi Informasi yang berkembang, teknologi sekarang ini komputer bukan lagi digunakan untuk membantu pekerjaan manusia, tetapi bahkan untuk menggantikan pekerjaan manusia yang tidak memerlukan pemikiran yang bersifat rutinitas. Pada perkembangan selanjutnya para ahli mencoba menggantikan sistem otak manusia sehingga diharapkan pada suatu saat nanti mungkin akan terciptanya suatu sistem komputer yang dapat mengambil keputusan sendiri seperti layaknya manusia. Karena hasil kerja komputer ini lebih diakui karena lebih cepat, akurat serta teliti dibandingkan dengan kerja otak manusia, hal inilah yang mendorong lahirnya teknologi AI ( Aritfical intelligence). Salah satu cabang AI ( Aritfical intelligence) adalah apa yang sering dikenal dengan Artifical Neural Network System, dimana sistem ini membantu untuk belajar dari pengalaman. Hal khusus lain dari sistem ini adalah suatu komputer untuk dicoba dan dipelajari penerapannya didalam dunia kesehatan yang pengobatan ini sering dilakukan oleh Nabi SAW pada waktu sakit yaitu dengan pengobatan Bekam (Hijaamah). Bekam (Hijaamah) itu sendiri ukuran tertentu dengan sayatan. Berdasarkan uraian diatas maka penulis tertarik mengadakan penelitian tentang hubungan antara dunia kesehatan dengan Aritfical intelligence sehingga penulis mengambil judul SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT PADA MANUSIA DENGAN PENGOBATAN BEKAM. 1.1 Metode Penelitian Metode yang digunakan adalah sebagai berikut : 1. Metode Wawancara Wawancara dengan pihak yang mempunyai kaitan langsung dengan masalah yang diteliti dalam hal ini adalah pakar. 2. Metode Kepustakaan Mengumpulkan data dengan cara membaca beberapa literatur/buku-buku yang mendukung dan yang berhubungan dengan penelitian. 3. Metode Observasi Yaitu peneliti yang melaksanakan langsung pada objek yang diteliti yang adalah mengeluarkan darah dengan

bertujuan untuk mendapatkan gambaran dengan jelas tentang sistem yang sedang berlangsung. 4. Pengembangan sistem Analisa sistem: menentukan masalah utama dalam lingkup kegiatan, mengumpulkan fakta-fakta yang berhubungan dengan masalah, menganalisa fakta-fakta.

Perancangan sistem: pemeriksaan kebutuhan, menentukan alur data, desain sistem. Implementasi perangkat lunak: pemeriksaan desain, coding program, testing program.

2. Landasan Teori 2.1 Sistem Pakar Sistem 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, 1988). 2.2 Model Representasi Pengetahuan Pengetahuan dapat di representasikan dalam bentuk yang sederhana atau kompleks, tergantung dari permasalahannya (Schnupp, 1989). Beberapa

representasi pengetahuan yang penting antara lain : 2.2.1 Logika Logika merupakan suatu pengkajian ilmiah tentang serangkaian penalaran, sistem kaidah dan prosedur yang membantu proses penalaran. Logika merupakan bentuk representasi pengetahuan yang paling tua, yang menjadi dasar dari teknik representasi high level. 2.2.2 Jaringan Sematik (Semanic Nets) Representasi jaringan sematik merupakan penggambaran grafis dari pengetahuna yang diperlihatkan hubungan hirarkis dari obyek-obyek. Komponen dasar untuk mempresentasikan pengetahuan dalam bentuk jaringan sematik adalah simpul (node) dan penghubung (link). Simpul mempresentasikan obyak, konsep atau situasi. Simpul digambarkan denga kotak atau lingkaran. Penghubung

menghhubungkan antar simpul. Penghubung digambarkan dengan panah berarah dan diberi label untuk menyatakan hubungan yang dipresentasikan. Sebuah contoh gambar begaimana pengetahuan dapat dipresentasikan menggunakan jaringan sematik :

merupaka PC Komputer memiliki Monitor

merupaka Alat

2.2.3 Bingkai (Frame) Bingkai berupa ruang-ruang yang berisi atribut-atribut untuk mendekripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi ataupun elemen-elemen lainya. Bingkai digunakan untuk merepresentasikan pengetahuan deklaratif (Giarrantano dan Riley, 1994). 2.2.4 Kaidah Produksi Kaidah Menggunakan cara formal untuk mempresentasikan rekomendasi, arahan, atau strategi. Kaidah produksi dituliskan dalam bentuk jika-maka (if-then). Kaidah if-then menghubungkan anteseden (antecedent) dengan konsekuensi yang diakibatkannya. 2.3 Metode Inferensi Inferensi merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau di asumsikan . Inferensi adalah konklusi logis atau implikasi berdasarkan informasi yang tersedia. Ada 2 metode inferensi yang penting dalam system pakar: 1. Runut Maju (Forward Chaining) Runut maju berarti menggunakan himpunan aturan kondisi-aksi. Dalam metode in, data digunakan untuk menentukan aturan mana yang akan digunakan, kemudian aturan tersebut di jalankan. Mungkin proses menambah data ke memori kerja. Proses diulang sampai ditemukan suatu hasil (Wilson,1988). Gambar berikut ini menunjukkan bagaimana cara kerja metode inferensi runut maju. DATA ATURAN KESIMPULAN A=1 Jika A = 1 dan B = 2 B=2 Maka C = 3 D=4 Jika C = 3 Maka D = 4 Gambar 2.1 Runut Maju 2. Runut Balik (Backward Chaining) Runut balik merupakan metode penalaran kebalikan dari runut maju. Dalam runut balik, penalaran dimulai dengan tujuan menurut balik ke jalur yang akan mengarahkan ke tujuan tersebut (Giarattano dan Riley, 1994). Gambar berikut ini menunjukkan proses penalaran menggunakan metode runut balik. SUB TUJUAN ATURAN A=1 Jika A = 1 dan B = 2 B=2 Maka C = 3 Jika C = 3 Maka D = 4 TUJUAN D=4

Gambar 2.3 Runut Balik

2.4 Bidang Pengembangan Sistem Pakar: Bidang pengembangan sistem pakar di bawah ini menggunakan waterfall : a) Rekayasa sistem dan analisa : pembentukan dari sebuah elemen sistem dan menganalisa keinginan user. Meliputi I/O, waktu pengerjaan, ukuran dan jumlah data yang ditangani. b) Analisis kebutuhan sistem dan S/W : proses menentukan arsitektur sistem secara total dan menentukan ukuran data dan jumlah data. c) Design : menetukan dasar-dasar pembentukan dan pemilihan struktur data, struktur program, arsitektur program, pemilihan algoritma, interaksi dengan user. d) Coding : mentrasformasikan desain kedalam baris-baris program, pemilihan bahasa. e) Testing : pengujian kebenaran proram, error debugging. f) Maintenance, perawatan S/W agar dapat digunalan terus.

3. PERANCANGAN SISTEM 3.1 Analisis Sistem Sistem pakar yang akan dibangun merupakan sistem yang

mempresentasikan kemampuan atau keahlian seorang pakar atau orang yang berpengalaman dibidang tertentu untuk membantu user dalam mengatasi masalah yang dihadapi. Sistem pakar mendiagnosa penyakit pada manusia dengan mengunakan pengobatan bekam dapat dikategorikan sebagai masalah artefecal intelegent khususnya system pakar, Karena pemecah masalah tersebut dapat dilakukan

dengan pengembangan system yang dapat berperan sebagai seorang ahli. Berdasarkan kategori bidang yang sesuai, sistem pakar ini termasuk jenis diagnosis, yang mengamati gejala-gejala yang terjadi dan memberikan kesimpulan tentang jenis penyakit pada manusia beserta pengobatannya. 3.2 Diskripsi Sistem Deskripsi sistem adalah gambaran umum tentang sistem yang akan dikembangkan. Sistem pakar untuk mendiagnosa penyakit manusia dalam

pengobatan medis merupakan perangkat lunak untuk digunakan untuk membantu mendiagnosa penyakait pada manusia dengan mengunakan pengobatan bekam yang diwujudkan dengan adanya dialog antara pengguna dengan sistem. Pada proses ini sistem akan memberikan daftar berupa fakta-fakta yang telah disimpan dalam sistem berupa basis pengetahuan. Jawaban yang diberikan pengguna akan diproses sehingga menghasilakan kesimpulan tentang penyakit yang di derita manusia.

3.3 Mesin Inferansi Mesin inferensi adalah bagian sistem pakar yang melakukan penalaran dengan mengunakan isi daftar aturan berdasarkan urutan dan pola tertentu. Selama proses konsultasi, mesin inferensi menggunakan metode runut maju (forward chaining). Proses forward chaining digunakan pada pengujian fakta-fakta yang dimasukkan pengguna, dengan aturan yang telah disimpan dalam sistem, satu demi satu sehingga dapat diambil suatu kesimpulan. Berikut ini contoh graf penelusuran dan struktur pelacakan forward chaining dapat dilihat pada gambar 3.1
G0000 GM0000 G0000 G0000 G0001 G0001 G0001 G0002 G0002 G0002 G0003 T0000 G0003 T0000 PT0000 S0000 GM0000 S0000 PT0000 GM0000 PB0001 T0000 T0000 S0000 PB0001 PT0000 T0000 T0000 S0000 PB0001 S0000 PB0001 S0000 PB0001 S0000 PB0001 S0000 PB0001

Gambar 3.2 Graf Penelusuran dan Struktur Pelacakan Forward Chaining Ket. = PT: Penyakit, PB: Penyebab, G: Gejala, S: Saran, T: Titik, GM: Gambar

3.4 Perancangan Sistem Didalam perancangan sistem ini dibuat rancangan flowchart sistem dan rancangan proses aliran data yang terjadi dalam sistem.

3.4.1
Gejala

Rancangan Flowchart Sistem

At uran
Gejala

P en yekit

Penyebab

Aturan pe n yebab

Saran

A turan S aran

T itik

Atu ran

T itik

Gamba r

A turan Gambar

input gejala

input atu ran gejala

input penyakit

input penyebab

in put aturan penyebab

input saran

input aturan saran

input titik

input aturan titik

input gam bar

input atauran gambar

pengolahan data gejala

pengolah an aturan gejala

pengolahan data penyakit

pengolahan data penyebab

p engolahan aturan penyebab

pengolahan data saran

pengolahan aturan saran

pengolahan data titik

pengolahan aturan titk

pengolahan gambar

pengolahan aturan gambar

gejala

aturan gejala

penyakit

penyebab

aturan penyebab

saran

aturan saran

titik

aturan titik

gambar

aturan gambar

pemb uatan lapo ran gejala

pembuatan laporan aturan gejala

pembuatan laporan penyakit

pembuatan laporan penyebab

pembuatan laporan aturan penyabab

pembuatan laporan saran

pembuatan laporan aturan s aran

pembuatan laporan titik

pembuatan laporan aturan titik

pembuatan laporan gambar

pemb uatan lapo ran atur an gambar

laporan gejala

lap oran aturan

gejala

lapo ran pen yakit

laporan penyeb ab

laporan a t u r a n penyeb ab

laporan s aran

laporan at uran
saran

laporan titik

lap oran a t u r a n t itik

lapo ran gambar

la poran a t u r a n gambar

Gambar 3.3 Flowchart Sistem

3.4.2

Perancangan Diagram Alir Data

Gejala penyakit, aturan gejala, penyakit, penyebab, aturan penyebab, saran, aturan saran, titik, aturan titik, gambar, aturan gambar

konsultasi

Pengguna

Sistem Pakar untuk mendiagnosa penyakit pada manusia dengan pengobatan bekam

Pakar

Hasil konsultasi

Gejala penyakit, aturan gejala, penyakit, penyebab, aturan penyebab,saran, aturan saran, titik, aturan titik, gambar, aturan gambar

Gambar 3.4 Diagram Konteks Gambar 3.4 diatas menunjukkan bahwa sistem pakar berinteraksi dengan 2 external entity, yaitu seorang pakar dan pengguna. Seorang pakar dapat memasukkan data-data kepakarnya kedalam sistem serta dapat memperoleh informasi pakar. Sedangkan pengguna hanya dapat melakukan konsulatasi dengan sistem, yaitu memilih gajala-gelaja kemudian memperoleh solusi penyakit serta saran pengobatan. Aliran data dan detail proses-proses yang akan diintegrasikan ke dalam sistem, digambarkan kedalam diagram alir data level 0 yang merupakan turunan dari diagram konteks, diagram alir data level 0 dapat dilihat pada gambar 3.5
Pak ar data pengetahuan, data pakar data gejala data penyakit D2 data saran 1 Proses Iput Data data titik data penyebab data gambar D6 data pengetahuan ,data aturan aturan gejala aturan saran aturan titik 2 Tampil data pengetahuan dan aturan aturan penyebab aturan gambar D11 aturan pakar D13 Pak ar Aturan Gambar D7 D8 D9 D10 Gambar Aturan Gejala Aturan Saran Aturan Titik Aturan Penyabab Diagnosa Penyakit D3 D4 D5 Penyak it Saran Titik Penye bab 3 gejala dari user hasil diagnosa Pen gguna D1 Gejala

Gambar 3.5 Diagram Alir Data Level 0 Aliran data yang berasal dari seorang pakar berupa data-data jenis gejala, jenis penyakit, jenis saran, titik, penyebab, aturan gejala, aturan saran, aturan titik dan aturan penyebab yang menghubungkan data jenis gejala, saran, titik, penyebab, dengan data penyakit. Diagram alir data level 0 diturunkan lagi menjadi diagram alir data level 1 yang menggambarkan proses dan aliran data yang lebih detail, seperti dapat dilihat pada gambar 3.6 Diagram alir data level 1 proses 1 , gambar 3.7 Diagram alir data level 1 proses 2 dan gambar 3.8 Diagram alir data level 1 proses 3.
Data penyakit 1. 1 Pengolahan data penyekit D1 Data pe nyak it

1.2 Data penyebab Pengolahan data penyebab

D2

Data pen yebab

1.3 Aturan penyebab Pengolahan data aturan penyebab

D3

Aturan penyebab

Data gejala

1.4 Pengolahan data gejala

D4

Dat a gejala

1.5 Aturan gejala Pengolahan data aturan gejala

D5

Aturan gejala

Pakar
1.6 Data saran Pengolahan data saran D6 Data saran

Aturan saran

1.7 Pengolahan data aturan saran

D7

Aturan saran

Data titik

1.8 Pengolahan data titik

D8

Data titik

1.9 Aturan titik Pengolahan data aturan titik

D9

Aturan titik

1.1 0 Data gambar Pengolahan dat a gambar D10 Data g ambar

1.11 Aturan gambar Pengolahan data aturan gambar

D11

Aturan Gambar

Data pakar

1.12 Pengolahan data pakar

D12

Data pak ar

Gambar 3.6 Diagram Alir Data Level 1 Proses 1

D1

Gejala

data gejala

2 .1 Tampil data Gejala D5 Pe nye bab

D2 D3 D4

Pe nyak it data penyakit 2 .2 Saran data sar an Titik data titik 2 .3 Tampil data saran 2 .1 0 2.4 T ampil data gambar Pak ar 2 .1 1 aturan gejala Tampil data atur an gamb ar 2 .6 Tampil data gejala 2 .7 Tampil data atur an saran 2.8 atur an titik 2.9 Tampil dat a
at uran pe nye bab

data penyebab Tampil data Penyakit D 10 2 .5 Tampil data penyebab Gam bar

data gambar

Tampil data titik

D6

Atura n Ge jala

atu ran gambar

aturan s aran D7 A turan Saran

D11 aturan penyebab

At uran Gamba r

D8

A turan Tit ik

T ampil data Patur an titik

D9

Atur an Pe nyabab

Gambar 3.7 Diagram Alir Data Level 1 Proses 2

D1 Gejala data gejala 3.1 Tampil gejala data penyakit data gejala gejala yg dipilih data titik Pengguna 3.2 pros es pemasukan
gejala terpilih

D2

Penyak it

D3

Saran

data saran

D4

Titik

D5

Pe nyebab

data penyebab

D6

Gambar

data gambar hasil diagnosa

gejala yg dipilih

D7

Aturan Saran

aturan saran

D8 D9 D10 D11

Aturan Titik Aturan gejala Aturan gambar

aturan titik aturan gejala aturan gambar

3.3 Diaganosa

aturan penyebab Aturan Penyabab

Gambar 3.8 Diagram Alir Data Level 1 Proses 3

3.5 Entity Relationhip Diagnosa (ERD) ERD adalah diagram yang memperlihatkan entitas-entitas yang terlibat dalam sesuatu serta hubungan-hubungan (relasi) antara entitas penekanan pada ERD adalah table-tabel merepresentasikan entitas-entitas serta table-tabel yang merepresentasikan relasi antara entitas itu sendiri. Entitas yang terlibat dalam sistem pakar untuk mendiagnosa penyakit manusia dengan menggunakan pengobatan bekam adalah penyakit, penyebab, gejala, saran dan gambar. Dari entitas yang terlibat dapat dibuat suatu diagram hubungan antara entitas, seperti yang dapat dilihat pada gambar 3.30 dan hubungan table dapat dilihat pada gambar 3.31
Penyebab KdPenyakit
Kd Penyebab

KdGejala

KdGejala

Penyebab

Memiliki

Gejala

Nama KdPenyakit Memiliki Penyakit

KdPenyakit KdPenyakit

Gejala

Memiliki

KdPenyebab KdSaran Gambar KdPenyakit Saran KdSaran namauser Saran password Pakar Gambar KdGambar Memiliki Memiliki KdGambar Titik Gambar KdPenyakit Titik KdTitik

KdTitik

Gambar 3.11 Entitiy Relationship Diagram Pada gambar 3.30 Entitiy Relationship Diagram dapat diketahui keterangan dibawah ini: Dari tabel penyakit terdapat hubungkan 3 tabel yaitu: 1. Menghubungkan tabel gejala yang akan menghasilkan gejala penyakit atau ciri-ciri penyakit muncul. 2. Menghubungkan ke tabel penyebab yang didalamnya berisi penyebab utama munculnya penyakit.

3. Menghubungkan pada tabel saran yang berisi pencegahan agar penyakit tersebut tidak semakin parah. 4. Menghubungkan pada tabel titik yang berisi gambar titik pembekaman. 5. Menghubungkan pada tabel gambar yang didalamnya terletak gambar
Gejala Kd_gejala * Gejala Aturan_penyebab Kd_penyebab ** Kd_penyakit ** Aturan_saran Aturan Gejala Kd_gejala ** Kd_penyakit ** Kd_saran ** Kd_penyakit ** Aturan_titik Kd_titik ** Kd_penyakit ** Aturan_gambar Kd_gambar ** Kd_penyakit ** Penyebab Kd_penyebab * Penyebab Saran Kd_saran* Saran Titik Kd_titik* Titik Gambar Kd_gambar* gambar

Penyakit Kd_penyakit * Penyakit Gambar Pakar Namauser * Password

Gambar 3.12 Relasi Antar Tabel

3.6 Flowchart Program Untuk mendiagnosa penyakit pada manusia dengan pengobatan bekam, maka sistem akan melakukan langkah-langkah sebagai berikut : 1. Menampilkan gejala yang ada dalam tabel gejala. 2. Memilih berdasarkan gejala yang dipilih. 3. Menghitung prosentase kemungkinan yg dialami berdasarkan gejala yg dipilih dibandingkan dengan jumlah gejala pada penyakit tersebut. 4. Menampilkan penyakit yang gejalanya telah dipilih beserta prosentasenya. 5. Menentukan gambar titik yang barhubungan dengan penyakit. 6. Jika user memilih penyakit yang ditampilkan dari hasil diagnosa maka pada waktu bersamaan gambar penyekit tersebut ditampilkan. 7. Menentukan saran dan penyebab yang dapat dilakukan terhadap penyakit dari hasil penelusuran dengan ataran-aturan yang sudah ditentukan. Langkah-langkah tersebut dapat dilihat pada gambar 3.37

Gambar 3.37 Flowchart Program 4. IMPLEMENTASI SISTEM 4.1 Impementasi Implementasi program aplikasi sistem pakar untuk mendiagnosa penyakit dengan pengobatan bekam merupakan tahap paling penting dimana sistem yang sudah

dirancang, diimplementasikan untuk menghasilkan sistem sesuai yang diinginkan. Semua rancangan ini digunakan untuk mempermudah dalam penjabaran sistem ke dalam bahasa pemrograman. Pada sistem pakar untuk mendiagnosa penyakit dengan pengobatan bekam mempunyai bagian-bagian yang harus dipenuhi dalam membuat sistem pakar. 4.2 Pembahasan Dalam melakukan konsultasi, tahap pertama yang dilakukan yaitu memilih gejala penyakit dari daftar gejala, dapat dilihat pada gambar 4.1.

Gambar 4.1 Tampilan Form Konsultasi Daftar Gejala Setelah memilih gejala pada konsultasi sistem akan menampilkan form hasil diagnosa, kemudian sistem akan melanjutkan ke proses diagnosa pada gejala penyakit yang sudah dipilih, dapat dilihat pada gambar 4.2.

Gambar 4.2 Tampilan Form Hasil Diagnosa

Setelah memilih penyakit pada hasil diagnosa maka secara otomatis akan keluar gambar dimana titik bekam berada, seperti pada gambar 4.3. Hasil akhir yang ditampilkan meliputi tampilan alasan kenapa pasien terserang penyakit dengan persentasi yang kecil atau besar dapat dilihat pada gambar 4.4, penyebab penyakit dapat dilihat pada gambar 4.5, saran pengobatan dapat dilihat pada gambar 4.6.

Gambar 4.3 Tampilan Form Hasil Titik Bekam Pada Penyakit

Gambar 4.4 Tampilan Form Diagnosa Dari Menu Mengapa

Gambar 4.5 Tampilan Form Diagnosa Dari Menu Penyebab

Gambar 4.7 Tampilan Form Diagnosa Dari Menu Saran 4.3 Ketepatan Diagnosa Hasil ini dilakukan untuk mengetahui ketepatan sistem dalam mendiagnosa penyakit dari gejala yang dipilih dapat dilihat pada Tabel 4.1 dibawah ini: Tabel 4.1 Hasil Perhitungan Ketepatan Diagnosa No. Penyakit Jumlah gejala Jumlah gejala yg dipilih Hasi diahnosa sistem Hasil diagnose manual

1. 2.

Anterosklerotik (masalah jantung) Darah tinggi

2 5

2 3

100% 60%

100% 60%

Rumus untuk mengetahui hasil diagnosa manual (H): H=

100 X Gejala yang dipilih JmlGejala

Contoh untuk penyakit Darah Tinggi: H=

100 x3 5

H= 60%

5. Kesimpulan 5.1 Kesimpulan Berdasarkan uraina yang telah dibahas pada bab-bab sebelumnya dan hasil pembahasan serta analisa berulang-ulang, maka dapat diambil kesimpulan: 1. Program ini merupakan alternatif lain bagi pemakai baik masyarakat umum atau orang yang sedang bermasalah dengan penyakit pada manusia dengan pengobatan bekam yang dijadikan penduan sebagai langkah untuk pengoabatan tanpa harus datang ke seorang ahli dalam pengobatan bekam. 2. Implemantasi dalam inferensi menggunakan metode runut maju (Forward Chaining). 3. Dari hasil segi keamanan data sistem pakar meniagnosa penyakit manusia dengan menggunakan pengobatan bekam, hanya pakar yang diberi hak akses login pakar untuk akuisisi pengetahuan. 5.2 Saran Berdasarkan evaluasi terhadap proses dan hasil dari sistem ini, maka saran-saran untuk pengembangan selanjutnya dalam bidang ini antara lain: 1. Pada pengembangan sistem pakar selanjutnya perlu disertakan faktor kepastian sehingga menghasilkan informasi yang lebih baik dan lengkap. 2. Pada pengolahan gambar perlu diperbaiki lagi, agar pakar dapat bebas

menempatkan titik bekam tanpa memproses dari luar sistem. 3. Menambah informasi penggunaan pada pengguna maupun pakar.