SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT KULIT MANUSIA MENGGUNAKAN METODE TEOREMA BAYES

DISUSUN OLEH: Andriyanto Rizki Darmawan Irma R. Amalia Lilis Ernilawati (09018072) (09018040) (10018153) (10018168)

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS AHMAD DAHLAN YOGYAKARTA 2013

BAB I PENDAHULUAN A. Latar Belakang Kulit adalah organ tubuh yang paling luar yang membatasi dari lingkungan hidup manusia. Kulit dapat dengan mudah dilihat dan diraba, hidup dan menjamin kelangsungan hidup. Dengan demikian kulit pada manusia mempunyai peranan penting. Selain fungsi utama menjamin kelangsungan hidup. Juga mempunyai arti lain yaitu estetik, ras, indicator sistematik dan sarana komunikasi non verbal antara individu satu dengan yang lain. Penyakit kulit merupakan penyakit yang bisa menyerang siapa saja. Tidak memandang umur, jenis kelamin, status sosial dan daerah tempat tinggal. Penyakit kulit merupakan penyakit yang menyerang kulit pada manusia yang bisa disebabkan oleh bakteri, jamur, radiasi sinar, alergi, dan sebagainya. Contoh penyakit kulit antara lain: kurap (Tine korporis), kutu air (Tinca Pedis), panu (Tinea vesikolor) dan masih banyak lagi. Dalam bidang kesehatan telah banyak aplikasi komputer yang diciptakan untuk membatu efisiensi kerja. Salah satu dari aplikasi tersebut adalah sistem pakar. Sistem pakar (Expert System) adalah salah satu cabang dari AI (Artificial Intelligence) yang membuat penggunaan secara luas knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. Sistem pakar juga dapat diartikan sebagai sebuah perangkat komputer yang memiliki basis pengetahuan untuk bidang tertentu yang menggunakan penalaran inferensi menyerupai seorang pakar dalam memecahkan sebuah masalah. Knowledge/pengetahuandalam sistem pakar bisa seorang ahli, atau knowledge pada umumnya terdapat dalam buku, majalah dan orang yang mempunyai pengetahuan tentang suatu bidang. Di Indonesia, tenaga medis yang ahli (pakar) pada bidang penyakit ini masih terbatas, baik dari segi jumlah dan waktu kerja. Seorang pakar (dokter) tidak mungkin bekerja terus menerus setiap hari tanpa istirahat. Sehingga, dengan adanya aplikasi sistem pakar dalam bidang kesehatan ini diharapkan dapat membantu seorang Junior Doctor dan

tenaga medisagar dapat mendiagnosa penyakit dalam waktu yang relatif cepat disaat seorang Senior Doctor (pakar) tidak ada. Dengan memberikan knowledge-base/basis pengetahuan yang dimiliki oleh seorang pakar (dokter) pada sebuah sistem komputer, maka sistem tersebut dapat bekerja dengan baik untuk mendiagnosa penyakit yang diderita seorang pasien dengan mengidentifikasi gejala yang dirasakan. Pada sistem pakar ini user menyampaikan fakta atau informasi (gejala penyakit) pada sistem pakar untuk diolah menjadi sebuah data sehingga akan menghasilkan diagnosa dari sistem disertai dengan kesimpulan yang berisi treatment action atau perawatan yang harus dilakukan untuk penanganan penyakit tersebut. Oleh karena itu, dengan adanya aplikasi ini diharapkan dapat membantu kalangan medis untuk mendiagnosa penyakit dari gejala yang dirasakannya. Meskipun demikian sistem pakar juga masih memiliki kelemahan. Basis kemampuan sistem hanya terfokus pada data yang dimasukkan tanpa adanya faktor pengalaman seperti yang dimiliki dokter. Sistem tersebut hanya mendiagnosa dari gejala yang dimasukkan dan akan menimbulkan masalah baru bila pada gejala-gejala yang dimasukkan terdapat gejala yang tidak sesuai dengan suatu jenis penyakit. Hal ini akan mengakibatkan hasil diagnosa/konklusi sementara yang telah diperoleh menjadi salah. Kesalahan ini terjadi karena kemampuan sistem dalam mendiagnosa suatu gejala masih terdapat ketidakpastian (uncertainty) yang dapat menyebabkan kemungkinan kesalahan diagnosa dan kesalahan treatment action. Oleh karena itu, sitem pakar juga harus mampu mengatasi ketidakpastian dan menggambarkan konklusi yang valid sehingga menghasilkan keputusan yang benar layaknya seorang pakar. Dalam sistem pakar perhitungan ketidakpastian dapat dilakukan dengan beberapa metode, salah satu metode yang dapat digunakan adalah metode teorema bayes. Metode ini dapat digunakan untuk mencari persentase kemungkinan penyakit yang diderita oleh seseorang dengan melihat gejala yang dirasakan. Dengan pemakaian metode ini ketidakpastian sistem dapat diminimalisir sehingga dapat menghasilkan

konklusi/diagnosa yang valid.

B. Rumusan Masalah Rumusan masalahnya sebagai berikut : Bagaimana merancang dan mengimplementasikan sistem pakar yang digunakan untuk mendiagnosa penyakit kulit pada manusia dengan menggunakan metode teorema bayes. C. Tujuan Tujuan proposal ini untuk mengetahui pendiagnosaan penyakit kulit pada manusia.

D. Batasan Masalah Batasan masalah tentang penyakit kulit pada manusia sebagai berikut : 1. Definisi tentang penyakit Kulit 2. Penyebab penyakit kulit 3. Gejala-gejala dari penyakit kulit 4. Diagnosa penyakit kulit

BAB II LANDASAN TEORI

A. Tema Proyek Tema yang diusulkan mengenai sistem pakar dengan judul proyek Sistem Pakar untuk Mendeteksi Penyakit Kulit Manusia Menggunakan Metode Teorema Bayes.

B. Definisi Sistem Pakar Sistem pakar adalah suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu

C. Metode Teorema Bayes Probabilitas dan Teorema Bayes Probabilitas Bayes merupakan salah satu cara untuk mengatasi ketidakpastian data dengan cara menggunakan formula bayes yang dinyatakan dengan: P(H\E) = (P(E\H) * P(H)) / (P(E)) dimana: P(H|E) = probabilitas hipotesis H benar jika diberikan evidence E

P(E|H) = probabilitas munculnya evidence E, jika diketahui hipotesis H benar P(H) = probabilitas hipotetis H (menurut hasil sebelumnya) tanpa memandang

evidence apapun P(E) = probabilitas evidence E Secara umum teorema bayes dengan E kejadian dan hipotesis H dapat dituliskan dalam bentuk: P(Hi\E) = (P(E n H)) / ( p (E n Hi) = (p(E\Hi) P(Hi)) / ( P(E\Hi) P(Hi)) = (P(E\Hi)P(Hi)) / (P(E)) Jika setelah dilakukan pengujian terhadap hipotesis kemudian muncul lebih dari satu evidence. Maka persamaannya akan menjadi: P(H\E,e) = P(H\E) * (P(e\E,H)) / (P(e\E)) Dimana: e = evidence lama E = evidence baru P(H|E,e) = probabilitas hipotesis H benar jika muncul evidence baru E dari evidence lama e P(H|E) = probabilitas hipotesis H benar jika diberikan evidence E

P(e|E,H) = kaitan antara e dan E jika hipotesis H benar P(e|E) Contoh kasus: Berikut adalah contoh perhitungan manual penyakit Furunkel jika diketahui 2 gejala sebagai berikut : Jika probabilitas gejala-gejala tanpa memperhatikan penyakit yang terjadi adalah : Benjolan Bernanah : 0,7 : 0,6 = kaitan antara e dan E tanpa memandang hipotesis apapun

Jika probabilitas gejala-gejala dengan memperhatikan penyakit yang terjadi adalah : Benjolan Bernanah : 0,5 : 0,5

Perhitungan nilai bayes P(Furunkel | Benjolan) = (P(Benjolan | Furunkel) * P(Furunkel)) / (P(Benjolan | Furunkel) + P(Bernanah | Furunkel) P(Furunkel | Benjolan) = ((0,5) * (0,7)) / ((0,5) + (0,5)) = (0,35) / (1) = 0,35

P(Furunkel | Bernanah) = (P(Bernanah | Furunkel) * P(Furunkel)) / (P(Benjolan | Furunkel) + P(Bernanah | Furunkel)) P(Furunkel | Bernanah) = ((0,5) * (0,6)) / ((0,5) + (0,5)) = (0,3) / (1) = 0,3

Perhitungan total bayes Total bayes = bayes1 + bayes2 + bayes2 + bayes4 + bayes5 = 0,35 + 0,3 = 0,65 Jadi, total bayes penyakit Perikondritis adalah 0,65.

Jika ada gejala baru : Bersisik terasa gatal Dermatitis (bersisik menunjuk ke Dermatitis) Kulit bersisik merupakan bahwa seseorang terkena Dermatitis. Observasi baru menunjukkan bahwa selain adanya kulit yang bersisik, terasa gatal juga merupakan gejala Dermatitis antara bersisik dan terasa gatal memiliki keterkaitan satu sama lain, jika diketahui P(Dermatitis | terasa gatal) = 0,4, keterkaitan antara bersisik dan terasa gatal. Apabila seseorang terkena kulit bersisik dan terasa gatal. Apabila seseorang terkena Dermatitis P(bersisik | terasa gatal , Dermatitis) = 0,3 sedangkan keterkaitan antara adanya bersisik dan terasa gatal P(bersisik | Dermatitis) adalah 0,5 maka : (P (Dermatitis | terasa gatal) * P(bersisik| terasa gatal Dermatitis)) / (P(bersisik | Dermatitis) P(Dermatitis | terasa gatal, bersisik) = (0,4 * 0,3) / (0,5) = 0,2

BAB III PEMBAHASAN

A. Deskripsi Sistem Deskripsi sistem adalah gambaran tentang sistem yang akan dibangun. Langkah-langkah untuk mendiagnosa penyakit kulit melalui sistem diwujudkan dengan adanya dialog antara user dengan sistem sehingga dihasilkan keluaran berupa kesimpulan tentang penyakit kulit serta solusi obat untuk mengatasi penyakitnya berdasarkan atas masukan dari user . B. Struktur Tabel Probabilitas

Tabel 1. Tabel Daftar Penyakit Kode Penyakit PY01 PY02 PY03 PY04 PY05 PY06 PY07 PY08 Penyakit Dermatitis (Eksim) Bisul (Furunkel) Campak (Rubella) Kudis (Scabies) Jerawat Psoriasis Melanoma Impetigo Probabilitas 0,78 0,86 0,62 0,72 0,78 0,84 0,80 0,82

Tabel 2. Tabel Daftar Gejala Kode GJ01 GJ02 GJ03 GJ04 GJ05 GJ06 GJ07 GJ08 GJ09 GJ10 GJ11 GJ12 GJ13 GJ14 GJ15 GJ16 GJ17 GJ18 GJ19 GJ20 GJ21 GJ22 GJ23 GJ24 GJ25 GJ26 GJ27 GJ28 GJ29 GJ30 GJ31 GJ32 GJ33 GJ34 Gejala Terasa gatal yang berlebihan Kulit mulai memerah Pecah-pecah Bersisik Timbul gelembung-gelembung kecil Berair atau bernanah Benjolan Berwarna merah Semakin membesar Berdenyut Terasa panas Demam Bersin Pilek Sakit kepala Badan lesu Kurang nafsu makan Radang mata Timbul ruam merah yang gatal di seluruh tubuh Timbul bintik-bintik diwajah Timbul bintik-bintik di punggung Gatal yang hebat pada malam hari Terasa gatal di jari kaki Terasa gatal di bawah ketiak Terasa gatal di tangan Terasa gatal di alat kelamin Terasa gatal di pinggang Bercak merah yang diatasnya terdapat sisik putih Bersisik putuh tebal dan menempel berlapis-lapis Sisik rontok bila digaruk Bintik merah yang semakin melebar Tahi lalat yang membesar Peradangan pada kulit Perubahan warna pada tahi lalat 0,8 0,7 0,5 0,2 0,3 0,62 0,68 0,70 0,6 0,42 0,54 0,84 0,72 0,82 0,62 0,66 0,86 0.54 0,80 0,88 0,42 0,48 0,62 0,4 0,4 0,3 0,56 0,38 0,54 0,6 0,68 0,86 0,82 0,72 Probabilitas

Tabel 3. Tabel Daftar Penyebab Kode PB01 PB02 PB03 PB04 PB05 PB06 PB07 PB08 PB09 PB10 PB11 PB12 PB13 PB14 PB15 PB16 PB17 PB18 PB19 PB20 PB21 PB22 PB23 Penyebab Alergi terhadap rangsangan zat kimia Kepekaan terhadap makanan Gangguan emosi Serbuk sari tanaman Rangsangan iklim atau debu Infeksi bakteri Stafilokokus aureus Kelenjar keringat Kelenjar minyak Diabetes Infeksi luka Kebersihan yang buruk Parasit tungau yang gatal Bakteri yang tumbuh dikulit Bakteri yang tumbuh di pori-pori Memiliki kelenjar minyak di bawah kulit Bagian tubuh terkena eksim atau psoriasis Stress Trauma Tingkat kalsium yang rendah Mempunyai tahi lalat yang membesar dan tidak diobati Bakteri Gigitan serangga Luka goresan

Contoh Kasus: Probabilitas pasien terkena Dermatis dengan gejala kulit terasa gatal yang berlebihan: P(Dermatis | kulit terasa gatal yang berlebihan) = (P(kulit terasa gatal yang berlebihan | Dermatis)) / (P(Dermatis) + P(kulit terasa gatal yang berlebihan | Bisul) * P(Bisul) + P(kulit terasa gatal yang berlebihan | Campak) * P(Campak) + P(kulit terasa gatal yang berlebihan | Kudis) * P(Kudis) + P(kulit terasa gatal yang berlebihan | Jerawat) * P(Jerawat) + P(kulit terasa gatal

yang berlebihan | Psoriasis) * P(Psoriasis) + P(kulit terasa gatal yang berlebihan | Melanoma) * P(Melanoma) + P(kulit terasa gatal yang berlebihan | Impetigo) * P(Impetigo)) = (0.8 * 0.78) / ((0.8 * 0.86) + (0.8 * 0.62) + (0.8 * 0.72) + (0.8 * 0.78) + (0.8 * 0.84) + (0.8 * 0.80) + (0.8 * 0.82)) = 0.688 / 4.352 = 0.158 Jadi P (Dermatis | kulit terasa gatal yang berlebihan) = 0,158

Probabilitas pasien terkena jerawat dengan gejala benjolan pada kulit; P(Jerawat | kulit benjol) = (P(kulit benjol | Dermatis)) / (P(Dermatis) + P(kulit benjol | Bisul) * P(Bisul) + P(kulit benjol | Campak) * P(Campak) + P(kulit benjol | Kudis) * P(Kudis) + P(kulit benjol | Jerawat) * P(Jerawat) + P(kulit terasa benjol | Psoriasis) * P(Psoriasis) + P(kulit benjol | Melanoma) * P(Melanoma) + P(kulit benjol | Impetigo) * P(Impetigo)) = (0.68 * 0.78) / ((0.68 * 0.86) + (0.68 * 0.62) + (0.68 * 0.72) + (0.68 * 0.78) + (0.68 * 0.84) + (0.68 * 0.80) + (0.68 * 0.82)) = 0.496 / 4.352 = 0.114 Jadi P(Jerawat | benjolan pada kulit) = 0,114

Probabilitas pasien terkena jerawat dengan gejala benjolan pada kulit; P(Jerawat | kulit terasa panas) = (P(kulit terasa panas | Dermatis)) / (P(Dermatis) + P(kulit terasa panas | Bisul) * P(Bisul) + P(kulit terasa panas | Campak) * P(Campak) + P(kulit terasa panas | Kudis) * P(Kudis) + P(kulit terasa panas | Jerawat) * P(Jerawat) + P(kulit terasa panas | Psoriasis) * P(Psoriasis) + P(kulit terasa panas | Melanoma) * P(Melanoma) + P(kulit terasa panas | Impetigo) * P(Impetigo)) = (0.54 * 0.78) / ((0.54 * 0.86) + (0.54 * 0.62) + (0.54 * 0.72) + (0.54 * 0.78) + (0.54 * 0.84) + (0.54 * 0.80) + (0.54 * 0.82)) = 0.464 / 2.94 = 0.16 Jadi P(Bisul | kulit terasa panas) = 0,16

Aturan Sistem Pakar Diagnosis Penyakit Kulit IF 1. GJ01=1 AND GJ02=1 AND GJ04=1 AND GJ05=1 AND GJ30=1 Terjadi gatal yang berlebihan, Kulit mulai memerah, Bersisik,Timbul gelembunggelembung kecil, Sisik rontok bila digaruk 2. GJ01=1 AND GJ03=1 AND GJ04=1 AND GJ05=1 AND GJ06=1 AND GJ08=1 AND GJ09=1 Terjadi gatal yang berlebihan, Kulit mulai memerah, Bersisik, Timbul gelembung-gelembung kecil, Berair atau bernanah, Berwarna merah, Semakin membesar 3. GJ02=1 AND GJ07=1 AND GJ20=1 Kulit mulai memerah, Benjolan, Timbul bintik-bintik merah di wajah 4. GJ02=1 AND GJ06=1 AND GJ23=1 AND GJ24=1 AND GJ25=1 AND GJ26=1 AND GJ27=1 Kulit mulai memerah, Berair atau bernanah, Terasa gatal di jari kaki, Terasa gatal di bawah ketiak, Terasa gatal di tangan, Terasa gatal di alat kelamin, Terasa gatal di pinggang 5. GJ05=1 AND GJ11=1 AND GJ12=1 AND GJ15=1 AND GJ16=1 AND GJ17=1 Timbul gelembung-gelembung kecil, Terasa panas, Demam, Sakit kepala, Badan lesu, Kurang nafsu makan 6. GJ07=1 AND GJ08=1 AND GJ23=1 AND GJ24=1 AND GJ25=1 AND GJ26=1 AND GJ27=1 AND GJ33 Benjolan, Berwarna merah, Terasa gatal di jari kaki, Terasa gatal di bawah ketiak, Terasa gatal di THEN PY01 Dermatitis (Eksim)

PY07 Melanoma

PY05 Jerawat

PY02 Bisul (Furunkel)

PY03 Campak (Rubella)

PY04 Kubis (Scabies)

tangan, Terasa gatal di alat kelamin, Terasa gatal di pinggang 7. GJ07=1 AND GJ09=1 AND GJ23=1 AND GJ25=1 AND GJ26=1 AND GJ28=1 AND GJ29=1 AND GJ31=1 Benjolan, Semakin membesar, Terasa gatal di jari kaki, Terasa gatal di tangan, Terasa gatal di alat kelamin, Bercak merah yang diatasnya terdapat sisik putih, Bersisik putuh tebal dan menempel berlapis-lapis, Bintik merah yang semakin melebar 8. GJ07=1 AND GJ09=1 AND GJ10=1 AND GJ16=1 AND GJ17=1 AND GJ18=1 AND GJ19=1 AND GJ21=1 AND GJ28=1 AND GJ29=1 AND GJ31 AND GJ32=1 AND GJ33=1 AND GJ34=1 Benjolan, Semakin membesar, Berdenyut, Badan lesu, Kurang nafsu makan, Radang mata, Timbul ruam merah yang gatal di seluruh tubuh, Timbul bintik-bintik di punggung , Bercak merah yang diatasnya terdapat sisik putih, Bersisik putuh tebal dan menempel berlapis-lapis, Bintik merah yang semakin melebar Tahi lalat yang membesar, Peradangan pada kulit, Perubahan warna pada tahi lalat.

PY08 Impetigo

PY06 Psoriaris

C. Flowchart

D. DFD

pasien

no_rekmed data_pasien hasil diagnosa

1 gejala paramedis hasil diagnosa Sistem Pakar penyakit kulit

penyakit gejala penyebab solusi basis_pengetahuan pakar penyakit kulit

+
Gambar.01 DFD Level 0 (Diagram Konteks)

pakar penyakit kulit

pakar penyakit kulit pakar penyakit kulit

penyakit paramedis gejala 1

gejala penyebab pakar penyakit kulit solusi

Rekam Data basis_pengetahuan pakar penyakit kulit

pasien

Gejala

Penyakit

penyebab penyakit

Solusi

pasien

Gejala

Penyakit

penyebab penyakit

solusi

Penyakit pasien Gejala

penyebab penyakit solusi

2 konsultasi

data_pasien pasien

hasil diagnosa hasil diagnosa paramedis

no_rekmed pasien

pasien

Gambar.02 DFD Level 1

pakar penyakit kulit pakar penyakit kulit

paramedis

gejala penyakit pakar penyakit kulit penyebab 1 Rekam Basis Pengetahuan basis_pengetahuan pakar penyakit kulit gejala

pakar penyakit kulit

solusi

Solusi pasien penyebab penyakit Gejala Penyakit

pasien

Gejala

Penyakit

penyebab penyakit

solusi

Gambar.03 DFD Level 2

pasien

Penyakit

Gejala

pasien

Gejala

pasien

data_pasien

1 Ambil masukan user

2 Cek Penyakit terdahulu

no_rekmed pasien

Gejala Penyakit

3 Rekap Gejala Penyakit

solusi Gejala Penyakit Gejala Penyakit solusi

Gejala Penyakit

4 Gejala Penyakit Gejala Penyakit Revisi Solusi

solusi penyakit baru paramedis hasil diagnosa 5 Penanganan Penyakit Baru solusi penyakit baru

solusi penyakit

hasil diagnosa penyebab penyakit

pasien

penyebab penyakit

Gambar.04 DFD Level 2

E. ERD

Id_pakar

Nama_pakar

Id_pasien

nama

nama

alamat Id_pasien

Pakar penyakit

kosultasi

pasien umur

1 Id_pasien

Id_pakar Menghasilkan Kode solusi menderita

Kode_penyakit

Kode_solusi

Kode_penyakit

Nama penyakit

solusi

mempunyai

penyakit

Kode_penyakit

N Kode_solusi solusi Kode gejala Kode_penyakit N memiliki gejala N punya N Kode penyakit

Koe penyebab

Kode_gejala

Nama gejala penyebab

Nama penyebab

Kode_penyebab

F. Mapping Table

G. Desain Struktur table

Nama tabel Pasien Penyakit Penyebab Gejala Solusi Menderita Mempunyai Memiliki Menyebabkan

Atribut Id_pasien (text;10), Nama (text;25), alamat (text;25), umur (varchar;3) Kode_penyakit (text;5), nama_penyakit (text;25) Kode_penyebab (text;5), nama_penyebab (text;25) Kode_gejala (text;5), nama_gejala (text;250) Kode_solusi (text;5), nama_solusi (text;25) Id_pasien (text;10), kode_penyakit (text;5) Kode_solusi (text;5), kode_penyakit (text;5) Kode_penyebab (text;5), kode_penyakit (text;5) Kode_gejala (text;5), kode_penyakit (text;5)

H. Screen Shoot Sistem (INTERFACE) Perancangan Interface Sistem Pemasukkan data yang dilakukan dalam sistem ini melalui form-form yang menjadi interface antara user dan sistem. Berikut ini adalah rancangan form untuk menu-menu yang terdapat dalam sistem: 1) Rancangan Form Login Formlogin merupakan form yang digunakan untuk mengakses menu login yang digunakan untuk membatasi akses user, admin, dan pakar sistem. Pembatasan ini dilakukan dengan tujuan agar basis pengetahuan sistem dapat terjaga dengan baik. Saat pakar berhasil login ke dalam sistem, semua menu yang terdapat dalam menu utama akan aktif dan dapat diakses. Admin jika berhasil login hanya dapat mengakses setting pengguna, backup data, konsultasi dan help. Untuk user tidak perlu login dan hanya dapat mengakses menu konsultasi dan help.

Gambar 1. Rancangan Form Login

Bila user seorang pakar ingin menutup akses kepakaran maka cukup menekan logout dalam menu utama. Logout berfungsi agar akses keparan tidak aktif. setelah user pakar menekan logoutmaka menu pakar dan utility tidak aktif kembali. Dibawah ini merupakan form menu utama :

Gambar 1. Rancangan Form Menu Utama

2) Rancangan Form Menu Data Gejala Merupakan form yang digunakan untuk memasukkan data-data gejala yang akan disimpan ke dalam database. Input data gejala terdiri dari kode gejala, nama gejala dan nilai probabilitas.

Gambar 2. Rancangan Form Menu Data Gejala

3) Rancangan Form Menu Data Penyakit Form input data penyakit merupakan form yang digunakan untuk memasukkan data-data penyakit yang akan disimpan ke dalam database. Input data penyakit terdiri dari kode penyakit dan nama penyakit.

Gambar 3. Rancangan Form Menu Data Penyakit

4) Rancangan Form Menu Data Penyebab Merupakan form yang digunakan untuk memasukkan data-data penyebab yang akan disimpan ke dalam database. Input data penyebab terdiri dari kode penyebab dan nama penyebab.

Gambar 4. Rancangan Form Menu Data Penyebab

5) Rancangan Form Menu Konsultasi Menu ini dipakai untuk data konsultasi. Digunakan untuk konsultasi tentang gejala penyakit apa yang dirasakan.

Gambar 5. Rancangan Form Menu Konsultasi

6) Rancangan Form Menu Data Pasien Menu ini digunakan untuk input data pasien, dan dapat menambah bahkan menghapus data pasien.

Gambar 6. Rancangan Form Menu Data Pasien

7) Rancangan Form Menu Basis Aturan Menu ini digunakan untuk menampilkan kaidah aturan yang dipakai untuk melakukan penelusuran terhadap penyakit dan solusi sesuai penyakit tersebut berdasarkan gejala.

Gambar 7. Rancangan Form Menu Basis Aturan

8) Rancangan Form Menu Cetak Hasil Menu ini digunakan untuk mencetak hasil konsultasi, yang terdiri dari nama pasien, penyakit, penyebab, gejala, dan solusi.

Gambar 8. Rancangan Form Menu Cetak Hasil

BAB IV PENUTUP

Kesimpulan Berdasarkan sistem pakar diatas, maka dapat disimpulkan terdapat beberapa manfaat yaitu bagi bidang kesehatan, bagi kami sebagai mahasiswa dan juga bagi ilmu pengetahuan.

A. Manfaat Sistem 1. Bagi Bidang Kesehatan Sistem pakar yang dibuat diharapkan dapat membantu seorang Junior Doctor dan tenaga medis untuk mendiagnosa sebuah penyakit lebih cepat ketika seorang Senior Doctor (pakar) tidak ada di tempat. 2. Bagi Mahasiswa a) Untuk menambah wawasan dan ilmu pengetahuan diluar lingkungan kampus yang berhubungan dengan program studi yang dipilih. b) Untuk menambah pengalaman sebelum terjun langsung kedunia kerja dan ketengah masyarakat untuk mengabdikan ilmu yang dipelajari. c) Untuk menguji kemampuan mahasiswa mempraktekan teori yang diperoleh dibangku kuliah. 3. Bagi Ilmu Pengetahuan a) Hasil penelitian ini diharapkan dapat memberikan sumbangan bagi pengembangan ilmu dibidang informatika. b) Menambah kepustakaan dibidang ilmu kesehatan.

B. Daftar Pustaka 1) journal.amikom.ac.id 2) jurnal.sttgarut.ac.id 3) eprints.undip.ac.id 4) Kusumadewi. S. Artificial Intelegence. Jogjakarta. Graha Ilmu. 2003. 5) Arhami, Muhammad. Konsep Dasar Sistem Pakar. Andi. Yogyakarta. 2006.