SKRIPSI
DISUSUN OLEH :
NIKKU PANDUNING HUTAMI
NIM : 2015 31 261
i
LEMBAR PENGESAHAN
Disusun oleh :
Meilia Nur Indah Susanti, ST.,M.Kom Mochamad Farid Rifai, S,Kom., .Kom
Kepala Departemen Informatika Pembimbing Pertama
i
LEMBAR PENGESAHAN TIM PENGUJI
NIM : 201531261
Telah disidangkan dan dinyatakan Lulus Sidang Skripsi pada Program Sarjana
Starta 1. Program Studi Teknik Informatika Sekolah Tinggi Teknik – PLN pada
tanggal 21 Agustus 2019
Sekretaris
2. Muhammad Fadli
Prathama, S.SI, MMSI
Anggota
3. Pritasari Palupiningsih,
S.Kom, M.Kom
Mengetahui :
2
PERNYATAAN KEASLIAN SKRIPSI
Dengan ini saya menyatakan bahwa dalam Skripsi ini tidak terdapat karya yang
pernah diajukan untuk memperoleh gelar Sarjana baik di lingkungan STT-PLN
maupun di suatu Perguruan Tinggi, dan sepanjang pengetahuan saya juga
tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh
orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan
dalam daftar pustaka. Pernyataan ini dibuat dengan penuh kesadaran dan rasa
tanggung jawab serta bersedia memikul segala resiko jika ternyata pernyataan
ini tidak benar.
3
UCAPAN TERIMA KASIH
Dengan ini saya menyampaikan penghargaan dan ucapan terima kasih yang
sebesar – besarnya kepada yang terhormat:
4
KATA PENGANTAR
Assalamu’alaikum warahmatullahi wabarakatuh
5
6. Sahabat-sahabat yang selalu saling mensupport dan mendoakan dalam
perjalanan masa perkuliahan, Aisyah 2015 khususnya Alfi, Nisa, Alya,
Eva, Resti, Aulia, Citra, Nurul, serta Rekha, Lupi, Dinar, Sika
7. Kepada kakak-kakak dan adik-adik Tsabita Alfutuwah, Al-Ghuroba, Al-
Ukhuawah, Khumayra khususnya ka Dila, ka Shindy yang selalu
menerima kerusuhan, keributan yang penulis buat.
8. Teman-teman seperjuangan GEFORCE 2015, terutama Ashda, Made,
Putri, Cut, Waode, Febri, Syerine, Rifka, Fitri, Zuraina, Eka teman
seperjuangan menginap di depok, terima kasih untuk kebersamaannya
selama ini dalam perjuangan kita menggapai impian.
9. Mas Tegar, Mas Dwi, Mas Yudis, Mas Iqbal, Mas Rangga, Mas Yanan,
Mas Mas Banyu, Mas Gilang dan Mas Abimanyu yang telah memotivasi
penulis untuk segera menyelesikan tugas akhir ini.
10. Dan kepada pihak-pihak lain yang telah begitu banyak membantu namun
tidak dapat disebutkan satu persatu.
Penulis
6
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI
TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS
Sebagai civitas akademika Sekolah Tinggi Teknik - PLN, saya yang bertanda
tangan di bawah ini:
Nama : NIKKU PANDUNING HUTAMI
NIM : 2015-31-261
Program Studi : Strata Satu
Jurusan : Teknik Informatika
Jenis karya : Skripsi
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Sekolah Tinggi Teknik - PLN Hak Bebas Royalti Non eksklusif (Nonexclusive
Royalty Free Right) atas karya ilmiah saya yang berjudul “Sistem Pakar
Diagnosa Penyakit Paru Menggunakan Metode Dempster Shafer Berbasis
Android”. Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas
Royalti Non eksklusif ini Sekolah Tinggi Teknik-PLN berhak menyimpan,
mengalih media/formatkan, mengelola dalam bentuk pangkalan data
(database), merawat dan mempublikasikan Tugas Akhir saya selama tetap
mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik Hak
Cipta. Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Jakarta
Pada tanggal : 21 Agustus
2019
Yang menyatakan
7
EXPERT SYSTEM OF LUNG DISEASE USING DEMPSTER SHAFER
METHOD BASED ANDROID
ABSTRACT
Delay in knowing the illness suffered causes the death due to a
disease. After experiencing a delay in knowing the illness, of course in the
treatment will also experience a delay because it is already worse the disease.
People who suffer from lung health problems tend to ignore the symptoms or
pain they feel until finally the disease gets worse. After the disease gets worse
then the patient conducts an examination at the hospital. This study aims to
help users to know the diagnosis of lung disease early on the basis of
symptoms that are felt so that appropriate treatment can be done in accordance
with the characteristics of the disease in the user. In the application of this
expert system, it is assisted by the Dempster Shafer method. Dempster Shafer
is a mathematical theory for proof based on belief functions and plausible
reasoning, which is used to combine separate pieces of information (evidence)
to calculate the likelihood of an event. On this basis, a system that can help the
user to be able to diagnose lung disease will be made according to the
symptoms found in the user who has the disease.
8
SISTEM PAKAR DIAGNOSA PENYAKIT PARU MENGGUNAKAN
METODE DEMPSTER SHAFER BERBABIS ANDROID
ABSTRAK
Keterlambatan dalam mengetahui penyakit yang diderita menjadi
penyabab terjadinya kematian karena mengidap suatu penyakit. Setelah
mengalami keterlambatan dalam mengetahui penyakit yang diderita, tentu saja
akan dalam pengobatan juga mengalami keterlambatan, karena sudah semkin
buruknya penyakit tersebut. Masyarat yang mengalami gangguan kesehatan
paru-paru cenderung mengabaikan gejala atau sakit yang dirasakannya hingga
akhirnya penyakitnya bertambah parah. Setelah penyakitnya semakin parah
barulah penderita melakukan pemeriksaan di Rumah Sakit. Penelitian ini
bertujuan untuk membantu pengguna untuk mengetahui diagnosa penyakit
paru-paru secara dini berdasarkan gejala yang dirasakan sehingga dapat
dilakukan penanganan yang tepat sesuai dengan ciri-ciri penyakit pada
pengguna. Didalam penerapan sistem pakar ini dibantu dengan metode
Dempster Shafer. Dempster Shafer adalah suatu teori matematika untuk
pembuktian berdasarkan belief functions and plausible reasoning (fungsi
kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk
mengkombinasikan potongan informasi yang terpisah (bukti) untuk
mengkalkulasi kemungkinan dari suatu peristiwa. Atas dasar tersebut maka
akan dibuat sistem yang dapat membantu user untuk dapat mendiagnosa
penyakit paru sesuai dengan gejala-gejala yang terdapat pada pengguna yang
terserang penyakit.
9
DAFTAR ISI
LEMBAR PENGESAHAN.....................................................................................i
KATA PENGANTAR.............................................................................................v
ABSTRACT........................................................................................................viii
ABSTRAK............................................................................................................ix
DAFTAR ISI..........................................................................................................x
DAFTAR TABEL................................................................................................xiii
DAFTAR GAMBAR.............................................................................................xv
DAFTAR LAMPIRAN.......................................................................................xviii
BAB I PENDAHULUAN.......................................................................................1
2.2.5 Paru-paru.......................................................................................17
2.2.7 XAMPP...........................................................................................20
2.2.9 Android..........................................................................................21
2.2.11 MySQL........................................................................................22
2.2.12 UML.............................................................................................23
2.2.13 ERD.............................................................................................32
11
3.1.7 Analisa Kebutuhan Alat...............................................................49
4.1 Hasil....................................................................................................109
4.2 Pembahasan.........................................................................................11
BAB V PENUTUP..............................................................................................13
5.1 Kesimpulan..........................................................................................13
5.2 Saran.....................................................................................................13
DAFTAR PUSTAKA...........................................................................................15
LAMPIRAN.........................................................................................................19
12
DAFTAR TAB
Tabel 2. 1 Matriks Perbandingan Penelitian........................................................8
Tabel 2. 2 Use Case Diagram............................................................................24
Tabel 2. 3 Class Diagram...................................................................................27
Tabel 2. 4 Activity Diagram.................................................................................29
Tabel 2. 5 Sequence Diagram............................................................................31
Tabel 2. 6 Entity Relationship Diagram............................................................34Y
Tabel 3. 1 Skenario memeriksa status login admin...........................................52
Tabel 3. 2 Skenario memeriksa status login user..............................................53
Tabel 3. 3 Skenario Register..............................................................................53
Tabel 3. 4 Skenario Lihat Home.........................................................................54
Tabel 3. 5 Skenario Kelola Profil User...............................................................55
Tabel 3. 6 Skenario Penentuan Penyakit...........................................................56
Tabel 3. 7 Skenario Lihat Informasi Penyakit.....................................................56
Tabel 3. 8 Skenario Lihat About.........................................................................57
Tabel 3. 9 Skenario Kelola Data Penyakit..........................................................57
Tabel 3. 10 Skenario Kelola Data Gejala...........................................................58
Tabel 3. 11 Skenario Kelola Data Relasi............................................................58
Tabel 3. 12 Skenario Kelola Data Pengujian.....................................................59
Tabel 3. 13 Tabel User.......................................................................................78
Tabel 3. 14 Tabel Penyakit.................................................................................79
Tabel 3. 15 Tabel Gejala.....................................................................................79
Tabel 3. 16 Tabel Aturan.....................................................................................80
Tabel 3. 17 Tabel Pengujian...............................................................................80
Tabel 3. 18 Tabel Detail......................................................................................80
Tabel 3. 19 Tabel Hasil.......................................................................................81
Tabel 3. 20 Tabel Admin.....................................................................................81
Tabel 3. 21 Basis Pengetahuan Gejala.............................................................94
Tabel 3. 22 Basis Pengetahuan Penyakit..........................................................95
Tabel 3. 23 Basis Pengetahuan Gejala Penyakit...............................................95
Tabel 3. 24 Basis Pengetahuan Solusi..............................................................96
13
Tabel 3. 25 Basis Pengetahuan Solusi Penyakit...............................................97
Tabel 3. 26 Kombinasi Gejala 1,2....................................................................100
Tabel 3. 27 Kombinasi Gejala 1,2,3.................................................................101
Tabel 3. 28 Kombinasi Gejala 1,2,3,4..............................................................101
Tabel 3. 29 Kombinasi Gejala 1,2,3,4,5...........................................................102
Tabel 3. 30 Kombinasi Gejala 1,2,3,4,5,6........................................................103
Tabel 3. 31 Kombinasi Gejala 1,2....................................................................104
Tabel 3. 32 Kombinasi Gejala 1,2,3.................................................................105
Tabel 3. 33 Pengujian Black Box 10
14
DAFTAR GAMB
Gambar 2. 1 Struktur Sistem Pakar...................................................................14
Gambar 2. 2 Cara kerja PHP.............................................................................21
Gambar 2. 3 Metode Waterfall...........................................................................38
Gambar 2. 4 Kerangka Pemikiran...................................................................40Y
Gambar 3. 1 Diagram Alir Penelitian..................................................................42
Gambar 3. 2 Diagram Fishbone.........................................................................45
Gambar 3. 3 Diagram Sistem Berjalan..............................................................47
Gambar 3. 4 Diagram Sistem Usulan................................................................48
Gambar 3. 5 Use Case Diagram........................................................................51
Gambar 3. 6 Class Diagram..............................................................................60
Gambar 3. 7 Activity Diagram Login User.........................................................61
Gambar 3. 8 Activity Diagram Registrasi User..................................................62
Gambar 3. 9 Activity Diagram Lihat Menu Utama..............................................63
Gambar 3. 10 Activity Diagram User Profile......................................................63
Gambar 3. 11 Activity Diagram Lihat Informasi Penyakit..................................64
Gambar 3. 12 Activity Diagram Penentuan Penyakit.........................................65
Gambar 3. 13 Activity Diagram Hasil Diagnosa.................................................66
Gambar 3. 14 Activity Diagram About................................................................67
Gambar 3. 15 Activity Diagram Login Admin.....................................................67
Gambar 3. 16 Activity Diagram Kelola User......................................................68
Gambar 3. 17 Activity Diagram Kelola Penyakit................................................69
Gambar 3. 18 Activity Diagram Kelola Gejala...................................................70
Gambar 3. 19 Activity Diagram Kelola Aturan...................................................71
Gambar 3. 20 Sequence Diagram Login User/Admin.......................................72
Gambar 3. 21 Sequence Diagram Registrasi User...........................................72
Gambar 3. 22 Sequence Diagram Lihat Home..................................................73
Gambar 3. 23 Sequence Diagram Edit Profile User..........................................73
Gambar 3. 24 Sequence Diagram Penentuan Penyakit....................................74
Gambar 3. 25 Sequence Diagram Hasil Diagnosa............................................75
Gambar 3. 26 Sequence Diagram About...........................................................75
15
Gambar 3. 27 Sequence Diagram Kelola User.................................................76
Gambar 3. 28 Sequence Diagram Kelola Penyakit...........................................76
Gambar 3. 29 Sequence Diagram Kelola Gejala...............................................77
Gambar 3. 30 Sequence Diagram Kelola Aturan/Pengetahuan........................77
Gambar 3. 31 Entity Relationship Diagram.......................................................82
Gambar 3. 32 Rancangan Halaman Login Android...........................................83
Gambar 3. 33 Rancangan Halaman Home/Halaman Utama............................84
Gambar 3. 34 Rancangan Halaman Profil User................................................84
Gambar 3. 35 Rancangan Halaman Penyakit...................................................85
Gambar 3. 36 Rancangan Halaman Pengujian.................................................85
Gambar 3. 37 Rancangan Halaman Hasil.........................................................86
Gambar 3. 38 Rancangan Halaman About........................................................86
Gambar 3. 39 Rancangan Logout......................................................................87
Gambar 3. 40 Halaman Awal Web.....................................................................88
Gambar 3. 41 Halaman Login Web...................................................................88
Gambar 3. 42 Halaman Home..........................................................................89
Gambar 3. 43 Halaman Kelola User.................................................................89
Gambar 3. 44 Halaman Kelola Penyakit...........................................................90
Gambar 3. 45 Halaman Kelola Gejala..............................................................91
Gambar 3. 46 Halaman Kelola Aturan...............................................................91
Gambar 3. 47Halaman Pengujian......................................................................92
Gambar 3. 48 Halaman Kelola Hasil..................................................................93
Gambar 3. 49 Flowchart metode Dempster Shafer 9
16
Gambar 4. 9 Tampilan Logout..........................................................................116
Gambar 4. 10 Tampilan Login Admin...............................................................117
Gambar 4. 11 Tampilan Halaman Utama Admin..............................................117
Gambar 4. 12 Tampilan Halaman Kelola User.................................................118
Gambar 4. 13 Tampilan Halaman Kelola Penyakit..........................................118
Gambar 4. 14 Tampilan Halaman Kelola Gejala..............................................119
Gambar 4. 15 Tampilan Halaman Kelola Aturan..............................................120
17
DAFTAR LAMPIRAN
Lampiran 1 Surat Keterangan Telah Memenuhi Persyaratan Akademik Dan
Keuangan..........................................................................................................140
Lampiran 2 Lembar Bimbingan Proyek Skripsi...............................................141
Lampiran 3 Surat Riset....................................................................................142
Lampiran 4 Kwitansi Pembayaran...................................................................144
Lampiran 5 Hasil Wawancara..........................................................................145
Lampiran 6 Foto Wawancara dan Pengambilan Data....................................147
Lampiran 7 Hasil Kuisioner.............................................................................148
Lampiran 8 Rangkuman Daftar Perbaikan......................................................151
18
BAB I
PENDAHULUAN
1.1 Latar Belakang
1
untuk pendeteksian penyakit paru-paru secara dini menggunakan sistem pakar.
Sitem pakar merupakan sebuah sistem yang digunakan untuk membantu
pasien dalam memperoleh informasi mengenai suatu penyakit dengan
melakukan konsultasi dengan sistem tersebut. Sistem pakar akan berperan
secara konstan untuk memberikan keputusan terhadap penyakit yang diderita,
serta memberikan nasihat dan saran penanganan awal untuk pengobatan
penyakit paru-paru. Tujuan sistem pakar ini tidaklah benar jika dikatakan untuk
menggantikan peran manusia sebagai dokter dalam mendiagnosa dini dan
memberikan solusi pengobatan, tetapi untuk mengadopsi pengetahuan
manusia/pakar kedalam sebuah sistem sehingga dapat digunakan oleh orang
banyak. Dengan mengetahui sejak dini diagnosa penyakit yang diderita
diharapkan penyakit yang dialami tidak bertambah parah dan bisa segera
dirujuk ke Rumah Sakit terdekat agar tidak terlambat mendapatkan
penanganan.
Usulan yang ditawarkan untuk pendeteksian dini penyakit paru-paru
adalah aplikasi sistem pakar dengan metode Dempster Shafer. Dempster
shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief
functions and plausible reasoning (fungsi kepercayaan dan pemikiran yang
masuk akal), yang digunakan untuk mengkombinasikan potongan informasi
yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa
(Ayu dan Wulandari, 2015). Metode Dempster Shafer digunakan karena
mampu mengatasi permasalahan yang memiliki banyak unsur ketidakpastian
kerap kali ditemukan dalam melakukan pendeteksian penyakit. Dempster
Shafer merupakan metode kecerdasan buatan, dimana metode ini dianggap
lebih mudah dalam mempresentasikan fakta-fakta dan keakuratan data dapat
terjaga, karena pada kenyataannya banyak permasalahan yang tidak dapat
terselesaikan secara lengkap dan konsisten (Putri Indraswari dkk., 2015).
Seiring perkembangan di bidang ilmu pengetahuan dan teknologi yang
ada saat ini, penulis mencoba memanfaatkannya dalam dunia kesehatan dan
mengangkat penelitian dengan judul “Sistem Pakar Diagnosa Penyakit Paru
Menggunakan Metode Dempster Shafer Berbasis Android”
2
1.2 Permasalahan Penelitian
Dalam penulisan ini permasalahan penelitian dibagi kedalam tiga. Ada
pun penjelasannya adalah sebagai berikut :
3
diagnosa awal atau prediksi awal penyakit yang diderita. Pengguna
harus tetap melakukan pemeriksaan fisik dan pemeriksaan
penunjang lainnya di Rumah Sakit.
6. Metode yang digunakan untuk mendapatkan perhitungan hasil
diagnosa dini penyakit paru-paru adalah metode Dempster Shafer.
7. Penelitian ini membahas implementasi metode Dempster Shafer
dalam mendiagnosa penyakit paru-paru.
8. Jenis penyakit paru-paru manusia yang akan dibahas adalah :
a. Pneumonia
b. Tuberkulosis (TB)
c. Bronkopneumonia
d. PPOK
e. Asma
1.2.3 Rumusan Masalah
Berdasarkan latar belakang pemilihan judul di atas, maka dapat
diperoleh rumusan masalah sebagai berikut :
1. Bagaimana mengolah informasi gejala penyakit paru-paru sehingga
menghasilkan aplikasi diagnosa dini penyakit paru-paru yang dapat
digunakan ?
2. Bagaimana mengimplementasikan metode Dempster Shafer pada
perhitungan sistem pakar di aplikasi diagnosa dini penyakit paru-paru ?
4
Sedangkan manfaat penelitian ini adalah :
1. Bagi Penulis/Mahasiswa
Penelitian ini diharapkan dapat memberikan ilmu pengetahuan
kepada penulis tentang bagaimanan melakukan deteksi awal
gangguan paru-paru pada pengguna.
2. Bagi Pengguna/Masyarakat
Penelitian ini diharapkan dapat membantu pengguna untuk
mengetahui diagnosa penyakit paru-paru secara dini berdasarkan
gejala yang dirasakan dan memberikan informasi penanganan yang
tepat apabila diperlukan tindakan.
3. Bagi Dunia Kesehatan
Penelitian ini diharapkan dapat membantu kinerja asisten atau
tenaga paramedis dalam mengambill keputusan atau tindakan
penanganan awal jika tidak ada dokter spesialis.
BAB I PENDAHULUAN
Bab ini menerangkan tentang latar belakang masalah serta memberikan
batasan yang jelas, menentukan rumusan masalah, mengemukakan tujuan
yang ingin dicapai dan manfaat yang didapat, serta memaparkan
sistematika penulisan.
5
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini merupakan penjelasan tentang bagaimana hasil akhir dari
semua tahap penelitian termasuk rancangan aplikasi dan implementasi
sistem dan menampilkan hasil implementasi.
BAB V PENUTUP
Pada bab ini merupkan penjelasan tentang kesimpulan dari pembahasan
pada perancangan awal serta analisa yang diperoleh berdasarkan
pengujian yang dilakukan terhadap sistem yang dibuat. Selain itu,
diberikan pula saran yang bersifat konstruktif guna meningkatkan kinerja
sistem di masa mendatang.
6
BAB II
LANDASAN TEORI
2.1 Tinjauan Pustaka
Studi sejenis dilakukan untuk membandingkan penelitian yang dilakukan ini
dengan penelitian atau literatur lainnya yang sejenis yang telah dilakukan oleh
pihak lain sebelumnya. Berikut beberapa penelitian terdahulu :
2.1.1 Penelitian Terdahulu
Penerapan Metode Dempster Shafer Untuk Mendiagnosa
Penyakit Dari Akibat Bakteri Salmonella (Sinaga dkk., 2016). Penelitian
ini dilakukan untuk mendiagnosa penyakit yang disebabkan oleh bakteri
salmonella. Penyakit tersebut diantaranya adalah diare, disentri, typhus,
DBD, spotted fever (demam bercak), kolera, demam, dan demam rendah.
Penelitian ini dilakukan dengan menggunakan 23 gejala, dan hasil yang
ditampilkan adalah berupa informasi diagnosa penyakit yang diderita serta
persentase kemungkinannya.
Sistem Diagnosa Penyakit THT Pada Balita Menggunakan
Metode Dempster Shafer (Widyaningsih, 2018). Penelitian yang
dilakukan adalah membuat suatu sistem pendukung diagnosa terhadap
gejala penyakit pada balita, dengan mengambil data dari Puskesmas
Posyandu Kuala Kurun Kalimantan Tengah. Dengan menggunakan 26
gejala dan 7 penyakit, sehingga menghasilkan 7 aturan dan 7 solusi. Output
yang dihasilkan berupa informasi penyakit, solusi pengobatan dan nilai
probabilitas.
Penerapan Metode Dempster Shafer Untuk Sistem Deteksi
Penyakit Tanaman Padi (Ihsan dkk., 2017). Penelitian ini bertujuan untuk
melkukan studi tentang Metode Dempster Shafer serta menerapkannya
pada sistem untuk deteksi gejala penyakit tanaman padi. Data yang
digunakan pada penelitian ini bersumber dari data penyakit tanaman padi
7
pada wilayah Kabupaten Kutai Kartanegara. Penelitian ini menggunakan 48
gejala dan 8 penyakit, menghasilkan 6 aturan.
Sistem Pakar Untuk Diagnosa Penyakit Paru-Paru Menggunakan
Metode Certainty Factor Di Puskesmas Citangkil (Sumiati dkk., 2017).
Penelitian ini dilakukan di Puskesmas Citangkil yang bertujuan untuk
membangun sebuah sistem pakar mendiagnosa penyakit paru-paru
menggunakan metode Certainty Factor. Sistem yang dibangun
menggunakan bahasa pemrograman PHP dan membatasi kedalam 8
penyakit yaitu TBC, pneumonia, kanker paru-paru, asma, pleura, bronkitis,
dan emfisema.
Aplikasi Sistem Pakar Diagnosa Penyakit Pernapasan
Menggunakan Metode Case-Based Reasoning (Samsudin dkk., 2017).
Dengan menggunakan 34 gejala dan 6 penyakit, penelitian ini
menghasilkan 6 aturan dan 6 solusi. Penyakit yang dibahas meliputi asma,
emfisema, TBC, ISPA, bronkitis, dan bronkopneomenia. Penelitian ini
berbasis web dan berhasil menerapkan metode Case-Based Reasoning.
Expert System Diagnosa Penyakit Paru Pada Anak Dengan
Metode Forward Chaining (Wati dkk., 2018). Penelitian yang dilakukan
adalah membangun sebuah sistem berbasis pengetahuan kedokteran
dalam mendiagnosa penyakit paru pada anak yang akan ditampilkan dalam
bentuk website menggunakan pemrograman PHP dan metode yang
diterapkan adalah metode Forward Chaining. Penelitian ini menggunakan
30 gejala dan 10 penyakit, serta menghasilkan 6 aturan dan 2 solusi.
2.1.2 Matriks Perbandingan Penelitian
Tabel 2. 1 Matriks Perbandingan Penelitian
No 1
Nama Peneliti Mikha Dayan Sinaga, Nita Sari Br. Sembiring
Penerapan Metode Dempster Shafer Untuk
Judul Penelitian
Mendiagnosa Penyakit Dari Akibat Bakteri Salmonella
Dempster Shafer (Dempster Shafer merupakan teori
Metode untuk meningkatkan distribusi probabilitas yang dapat
Penelitian memberikan bobot keyakinan sesuai fakta yang
dikumpulkan)
8
Metode Dempster Shafer dapat digunakan untuk
menghitung nilai densitas dari suatu penyakit
terhadap gejala yang tampak.
Metode perhitungan Dempster Shafer mampu
memberikan rekomendasi perhitungan yang akurat
untuk dapat dijadikan referensi ketepatan diagnosa
Hasil Penelitian
untuk mendeteksi penyakit.
Metode Dempster Shafer diterapkan didalam sistem
sehingga menghasilkan konklusi hasil berupa
informasi diagnosa penyakit yang diderita serta
persentase kemungkinannya.
Menggunakan 23 gejala dan 8 penyakit.
Penelitian yang dilakukan menerapkan metode
Keterkaitan
Dempster Shafer dalam mendiagnosa suatu penyakit
Penelitian
yang diderita berdasarkan gejala-gejala.
No 2
Nama Peneliti Maura Widyaningsih
Sistem Diagnosa Penyakit THT Pada Balita
Judul Penelitian
Menggunakan Metode Dempster Shafer
Dempster Shafer (Dempster Shafer merupakan teori
Metode untuk meningkatkan distribusi probabilitas yang dapat
Penelitian memberikan bobot keyakinan sesuai fakta yang
dikumpulkan)
Teori Dempster Shafer dapat diterapkan didalam
sistem sehingga menghasilkan konklusi hasil
diagnosa penelusuran gejala dengan informasi nilai
probabilitas penyakit yang sesuai dengan
Hasil Penelitian perhitungan manual.
Mengambil data dari Puskesmas Posyandu Kuala
Kurun Kalimantan Tengah. Dengan menggunakan 26
gejala dan 7 penyakit, sehingga menghasilkan 7
aturan dan 7 solusi.
Metode Dempster Shafer digunakan untuk
Keterkaitan perhitungan bobot dari gejala yang dipilih, sehingga
Penelitian menghasilkan densitas tertinggi untuk mendapatkan
hasil akhir suatu penyakit.
No 3
Nama Peneliti Muhd Ihsan, Fahrul Agus, Dyna Marisa Khairina
Penerapan Metode Dempster Shafer Untuk Sistem
Judul Penelitian
Deteksi Penyakit Tanaman Padi
Metode Dempster Shafer (Dempster Shafer merupakan teori
Penelitian untuk meningkatkan distribusi probabilitas yang dapat
memberikan bobot keyakinan sesuai fakta yang
9
dikumpulkan)
Teori Dempster Shafer telah berhasil diterapkan
untuk mendiagnosa penyakit tanaman padi. Metode
ini dapat diimplementasikan ke dalam sebuah sistem
untuk mendiagnosa jenis-jenis penyakit tanaman padi
dengan memasukkan berupa gejala-gejala yang
dialami pada tanaman.dapat diimplementasikan ke
dalam sebuah sistem pakar untuk mendiagnosa
Hasil Penelitian
jenis-jenis penyakit tanaman padi dengan
memasukkan berupa gejala-gejala yang dialami pada
tanaman.
Data yang digunakan pada penelitian ini bersumber
dari data penyakit tanaman padi pada wilayah
Kabupaten Kutai Kartanegara dengan menggunakan
48 gejala dan 8 penyakit, menghasilkan 6 aturan.
Keterkaitan Penelitian yang dilakukan menerapkan metode
Penelitian Dempster Shafer dalam mendiagnosa suatu penyakit.
No 4
Nama Peneliti Sumiati, Ratu Dea Mada Badriyah,Anggita Ariyani
Sistem Pakar Untuk Diagnosa Penyakit Paru-Paru
Judul Penelitian Menggunakan Metode Certainty Factor Di
Puskesmas Citangkil
Metode
Certainty Factor
Penelitian
Metode Certainty Factor berhasil diterapkan pada
aplikasi sistem pakar mendiagnosa penyakit paru-
Hasil Penelitian paru dengan menghasilkan informasi diagnosa
penyakit paru-paru, solusi serta nilai presentase
kepercayaan.
Keterkaitan Penelitian yang dilakukan mengambil masalah pada
Penelitian penyakit paru-paru atau gangguan pernapasan.
No 5
Nama Peneliti Samsudin, Usman, Selviana
Aplikasi Sistem Pakar Diagnosa Penyakit
Judul Penelitian Pernapasan Menggunakan Metode Case-Based
Reasoning
Metode
Case-Based Reasoning
Penelitian
Hasil Penelitian Sistem pakar diagnosa penyakit dalamMetode Case-
Based Reasoning berhasil diterapkan pada aplikasi
sistem pakar mendiagnosa penyakit pernapasan
dengan menghasilkan informasi diagnosa penyakit
pernapasan, solusi serta nilai presentase perhitungan
10
manual.
Menggunakan 34 gejala dan 6 penyakit, sehingga
menghasilkan 6 aturan dan 6 solusi.
Penelitian yang dilakukan mengambil masalah pada
Keterkaitan
penyakit paru-paru atau gangguan pernapasan yaitu
Penelitian
penyakit asma, tbc dan bronkopneumonia.
No 6
Embun Fajar Wati, Martua Hami Siregar, Nur Indah
Nama Peneliti
Kurniawati
Expert System Diagnosa Penyakit Paru Pada Anak
Judul Penelitian
Dengan Metode Forward Chaining
Metode
Forward Chaining
Penelitian
Metode Forward Chaining berhasil diterapkan pada
aplikasi sistem pakar mendiagnosa penyakit paru
paada anak dengan menghasilkan informasi
Hasil Penelitian diagnosa penyakit pada anak, solusi serta nilai
presentase perhitungan manual.
Menggunakan 30 gejala dan 10 penyakit, sehingga
menghasilkan 6 aturan dan 2 solusi.
Penyakit yang dilakukan pendiagnosaan adalah
Keterkaitan
pneumonia, tuberkulosis, asma dan
Penelitian
bronkopneumonia.
11
Sistem ini memanfaatkan kapabilitas penalaran untuk mencapai suatu
kesimpulan.
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. Sistem pakar memberikan nilai menangani era informasi yang
semakin canggih (Kusrini, 2006)
2.2.2 Struktur Sistem Pakar
Sistem pakar terdiri dari 2 bagian pokok, yaitu : lingkungan
pengembangan (development environment) dan lingkungan konsultasi
(consultation environment). Lingkungan pengembangan digunakan sebagai
pembangun sistem pakar dari segi pembangun komponen maupun basis
pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang
bukan ahli untuk berkonsultasi [ CITATION Kus03 \l 14345 ]. Pada tahap ini
dijelaskan rancangan struktur sistem pakar yang terlihat pada gambar 2.1
12
1. Pengguna
Pengguna memiliki akses untuk menjalankan program.
2. Antarmuka
Antarmuka digunakan untuk media komunikasi antara user dan
program.
3. Aksi yang direkomendasikan
Aksi yang direkomendasikan adalah gejala dan penyakit paru yang
didiagnosis oleh program.
4. Fasilitas Penjelasan
Fasilitas penjelasan adalah hasil diagnosis yang telah diproses di
mesin inferensi dengan perhitungan menggunakan algoritma
Dempster Shafer.
5. Mesin Inferensi
Program yang berisi metodologi yang digunakana untuk melakukan
penalaran terhadap informasi-informasi dalam basis pengetahuan
dan blackboard, serta digunakan untuk menghasilkan konklusi. Mesin
inferensi pada penelitian ini menggunakan algoritma Dempster
Shafer.
6. Basis Pengetahuan
Basis pengetahuan berisi pengetahuan-pengetahuan yang
dibutuhkan untuk menyelesaikan masalah. Terdiri dari pengetahuan
gejala, penyakit, solusi. Basis pengetahuan didapat dari pengetahuan
ahli/pakar.
7. Pengetahuan Ahli
Informasi berupa penyakit, gejala, bobot gejala, solusi didapatkan dari
pengetahuan ahli.
8. Subsistem Penambahan Pengetahuan
Bahan ini digunakan untuk memasukkan pengetahuan dalam basis
pengetahuan.
13
1. Fakta-fakta pada lingkup permasalahan tertentu.
2. Teori-teori pada lingkup permasalahan tertentu.
3. Prosedur-prosedur dan aturan-aturan berkenaan dengan lingkup
permasalahan tertentu.
4. Strategi-strategi global untuk menyelesaikan masalah.
5. Meta-knowledge (pengetahuan tentang pengetahuan).
Salah satu fitur yang harus dimiliki oleh sistem pakar adalah
kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan
sebagai basis pengetahuan dan sudah tersedia program yang mampu
mengakses basis data, maka komputer harus dapat diprogram untuk
membuat inferensi. Proses inferensi ini dikemas dalam bentuk motor
inferensi (inference engine)
14
[Belief , Plausibility ]
Pl ( s )=1−Bel (⌐ s)
Plausibility juga bernilai 0 sampai 1. Jika kita yakin akan ⌐ s, maka dapat
dikatakan bahwa Bel ( ⌐ s ) = 1, dan Pl ( s ) =0. Pada teori Dempster-
Shafer kita mengenal adanya frame of discrement yang dinotasikan dengan
θ . Frame ini merupakan semesta pembicaraan dari sekumpulan
hipotesis. Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen
θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk
itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya
mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya.
Sehingga jika θ berisi n elemen, maka subset θ adalah 2 . Jumlah semua m
n
dalam subset θ sama dengan 1. Apabila tidak ada informasi apapun untuk
memilih hipotesis, maka nilai : m{θ} = 1,0 .
∑ m1 ( X ) . m2 (Y )
X ∩ Y =Z
m3 ( Z )=
1− ∑ m1 ( X ) . m2 (Y )
X ∩ Y =∅
Dimana :
15
Zm1(X).m2(Y) = ada hasil irisan dari m1 dan m2
2.2.5 Paru-paru
Paru-paru adalah organ pada sistem pernapasan (respirasi) dan
berhubungan dengan sistem peredaran darah (sirkulasi) vertebrata yang
bernapas dengan udara. Paru-paru merupakan organ yang sangat vital
bagi kehidupan manusia karena tanpa paru-paru manusia tidak dapat
hidup. Didalam paru-paru terjadi proses pertukaran antara gas oksigen dan
karbondioksida. Setelah membebaskan oksigen,sel-sel darah merah
menangkap karbondioksida sebagai hasil metabolisme tubuh yang akan
dibawa ke paru-paru (Guyton, 2007)
2.2.6 Jenis Penyakit Paru-Paru
Penyakit paru-paru memiliki berbagai macam jenis, diantaranya
adalah :
1. Pneumonia
Pneumonia adalah salah satu penyakit yang menyerang saluran
nafas bagian bawah yang terbanyak kasusnya didapatkan di praktek-
praktek dokter atau rumah sakit dan sering menyebabkan kematian
terbesar bagi penyakit saluran nafas bawah yang menyerang anak-anak
dan balita hampir di seluruh dunia. Diperkirakan pneumonia banyak
terjadi pada bayi kurang dari 2 bulan, oleh karena itu pengobatan
penderita pneumonia dapat menurunkan angka kematian anak (Bennete,
2013).
2. Tuberkulosis (TB)
Tuberkulosis adalah penyakit radang parenkim paru karena infeksi
kuman Mycobacterium tuberculosa. Tuberkulosis paru termasuk suatu
peneumonia, yaitu pneumonia yang disebabkan oleh M. Tuberculosa
(Darmanto, 2014).
Menurut Sulianti (2004) Tuberkulosis adalah penyakit menular yang
disebabkan oleh kuman Mycobacterium tuberculosa. Sebagian besar
16
kuman ini menyerang paru, tetapi dapat juga mengenai organ tubuh
lainnya. Kuman ini berbentuk batang yang mempunyai organ tubuh
lainnya. Kuman ini berbentuk batang yang mempunyai sifat khusus yaitu
tahan terhadap asam pada pewarnaan, oleh karena itu disebut pula
sebagai Basil Tahan Asam (BTA). Kuman ini cepat mati dengan sinar
matahari langsung, tetapi bertahan hidup beberapa jam di tempat yang
gelap dan lembab. Dalam jaringan tubuh kuman ini dapat dormant,
tertidur lama selama beberapa tahun.
3. Bronkopneumonia
Bronkopneumonia disebut juga pneumonia lobularis yaitu suatu
peradangan pada parenkim paru yang terlokalisir yang biasanya
mengenai bronkiolus dan juga mengenai alveolus disekitarnya, yang
sering menimpa anak-anak dan balita, yang disebabkan oleh bermacam-
macam etiologi seperti bakteri, virus, jamur dan benda
asing. Kebanyakan kasus pneumonia disebabkan oleh mikroorganisme,
tetapi ada juga sejumlah penyebab non infeksi yang perlu
dipertimbangkan. Bronkopneumonia lebih sering merupakan infeksi
sekunder terhadap berbagai keadaan yang melemahkan daya tahan
tubuh tetapi bisa juga sebagai infeksi primer yang biasanya kita jumpai
pada anak-anak dan orang dewasa (Bennete, 2013).
4. PPOK
Global initiative for chronic obstructive lung disease (GOLD)
mengartikan PPOK adalah suatu penyakit yang bisa dilakukan
pencegahan dan pengobatan. PPOK memiliki tanda gejala terdapatnya
hambatan aliran udara dalam saluran pernafasan yang bersifat progresif.
PPOK juga terdapat peradangan atau inflamasi pada saluran pernafasan
dan paru-paru yang diakibatkan oleh adanya partikel dan gas yang
berbahaya (GOLD, 2013). PPOK merupakan keadaan irreversible yang
ditandai adanya sesak nafas pada saat melakukan aktivitas dan
terganggunya aliran udara masuk dan keluar dari paru-paru (Smeltzer et
al, 2013). PPOK merupakan penyakit kronis ditandai dengan
17
terhambatnya aliran udara karena obstruksi saluran pernafasan yang
disebabkan oleh paparan yang lama terhadap polusi dan asap rokok.
PPOK merupakan istilah yang sering digunakan untuk sekelompok
penyakit paru-paru yang berlangsung lama (Grace et al, 2011).
PPOK adalah penyakit yang dapat dicegah dan diobati yang secara
umum ditandai dengan keterbatasan aliran udara yang terus- menerus
biasanya progresif dan berhubungan dengan peradangan kronis,
peningkatan respon dalam saluran udara dan paru-paru dari partikel
berbahaya atau gas. (Vestbo et.al., 2013). Penyakit paru obstruktif kronik
(PPOK) adalah penyakit radang saluran nafas utama ditandai dengan
keterbatasan aliran udara sebagian besar ireversibel yang menghasilkan
hypoxemia dan hiperkapnia. (Huang, et al., 2013)
5. Asma
Asma adalah penyakit inflamasi kronik saluran napas yang
disebabkan oleh reaksi hiperresponsif sel imun tubuh seperti mast sel,
eosinophils, dan T-lymphosytes terhadap stimulus tertentu dan
menimbulkan gejala dyspnea, whizzing, dan batuk akibat obstruksi jalan
napas yang bersifat reversibel dan terjadi secara episodik berulang
(Brunner and suddarth, 2011).
Asma adalah suatu penyakit dengan adanya penyempitan saluran
pernapasan yang berhubungan dengan tanggap reaksi yang meningkat
dari trakea dan bronkus berupa hiperaktivitas otot polos dan inflamasi,
hipersekresi mukus, endema dinding saluran pernapasan, deskuamasi
epitel dan infiltrasi sel inflamasi yang disebabkan berbagai macam
rangsangan (Alsagaff, 2010)
2.2.7 XAMPP
XAMPP adalah perangkat lunak bebas, yang mendukung banyak
sistem operasi, merupakan kompilasi dari beberapa program. Fungsi dar
XAMPP adalah sebagai server yang berdiri sendiri (localhost), yang terdiri
atas program Apache HTTP Server, MySQL database, dan penerjemah
18
bahasa yang ditulis dengan bahasa pemrograman PHP dan Perl. Program
ini tersedia dalam GNU General Public License dan bebas, merupakan web
server yang mudah digunakan yang dapat melayani tampilan halaman web
yang dinamis. (Dedi & Ikhwan, 2015).
19
2.2.9 Android
Android adalah sebuah sistem operasi untuk perangkat mobile
berbasis linux yang mencakup sistem operasi, middleware dan aplikasi.
Android menyediakan platform terbuka bagi para pengembang untuk
menciptakan aplikasi mereka. Awalnya, Google Inc. membeli Android Inc.
yang merupakan pendatang baru yang membuat piranti lunak untuk
ponsel / smartphone. Kemudian untuk mengembangkan Android,
dibentuklah Open Handset Alliance, konsorsium dari 34 perusahaan
piranti keras, piranti lunak, dan telekomunikasi, termasuk Google, HTC,
Intel, Motorola, Qualcomm, T-Mobile, dan Nvidia (Lauren & Murtiwiyati,
2013).
2.2.10 Android Studio
Android Studio adalah Integrated Development Environment (IDE)
resmi dari Android untuk pengembangan aplikasi Android. Android Studio
berbasis IntelliJ IDEA dari JetBrains dan menggunakan Bahasa Java.
(Google Developers, 2016)
Selain code editor dan tools pengembangan IntelliJ yang kuat,
Android Studio menawarkan lebih banyak fitur yang meningkatkan
produktivitas ketika membangun aplikasi Android, seperti:
1. Build system berbasis Gradle yang fleksibel.
2. Emulator yang cepat dan kaya fitur.
3. Lingkungan terpadu yang dapat digunakan untuk mengembangkan
aplikasi untuk semua perangkat Android.
4. Alat pengujian dan framework yang ekstensif.
5. Instant Run untuk menggabungkan perubahan pada aplikasi yang
sedang berjalan tanpa membangun APK baru.
6. Lint untuk menangkap kinerja, kegunaan, kompatibilitas versi dan
masalah lainnya.
7. Template kode dan integrasi GitHub untuk membantu membangun
fitur aplikasi umum dan import contoh kode.
8. Mendukung C++ dan NDK.
20
9. Built-in support untuk Google Cloud Platform.
(developer.android.com)
2.2.11 MySQL
MySQL merupakan kependekan dari My Structure Query Language
yaitu salah satu database management system (DBMS) dari sekian
banyak DBMS seperti Oracle, MS SQL, Postagre SQL, dan lainnya.
MySQL berfungsi untuk mengolah database menggunakan bahasa SQL.
MySQL bersifat open source sehingga pengguna bisa menggunakannya
secara gratis. Pemrograman PHP juga sangat mendukung denan
database MySQL (Anhar, 2010).
2.2.12 UML
Unified Modeling Language merupakan salah satu alat bantu yang
dapat digunakan dalam bahasa pemograman yang berorientasi objek,
saat ini UML akan mulai menjadi standar masa depan bagi industri
pengembangan sistem atau perangkat lunak yang berorientasi objek
sebab pada dasarnya UML digunakan oleh banyak perusahaan raksasa
seperti IBM, Microsoft, dan sebagainya (Adi, 2005).
1. Definisi UML
Berikut dibawah ini merupakan definisi UML menurut para ahli :
a. Menurut Adi, 2005 : Unified Modeling Language merupakan
metode pengembangan perangkat lunak (sistem informasi)
dengan menggunakan metode grafis serta merupakan bahasa
untuk visualisasi, spesifikasi, konstruksi serta dokumentasi.
21
dalam industri untuk visualisasi, merancang dan
mendokumentasikan sistem perangkat lunak.
22
simbol dari aktor adalah gambar orang, tapi aktor belum tentu
merupakan orang.
Menspesifikasikan
himpunan peran yang
1 Actor pengguna mainkan
ketika berinteraksi
dengan Use Case
Deskripsi berdasarkan
keperluan aktor,
merupakan “apa” yang
dikerjakan sistem,
bukan “bagaimana”
2 Use Case
sistem
mengerjakannya. Use
Case dibuat
berdasarkan keperluan
aktor.
Apa yang
menghubungkan antara
3 Association
objek satu dengan
objek lainnya.
Mengindikasikan bila
Association 1 aktor berinteraksi
4
arah secara pasif dengan
sistem anda.
23
Hubungan dimana
objek anak
(descendent) berbagi
5 Generalization perilaku dan struktur
data objek yang ada di
atasnya objek induk
(ancestor).
Hubungan dimana
perubahan yang terjadi
pada suatu elemen
mandiri (independent)
6 Dependency akan mempengaruhi
elemen yang
bergantung padanya
elemen yang tidak
mandiri (independent).
Menspesifikasikan
7 Include bahwa Use Case
sumber secara eksplisit.
Menspesifikasikan
bahwa Use Case target
memperluas perilaku
8 Extend
dari Use Case sumber
pada suatu titik yang
diberikan.
Menspesifikasikan
System paket yang
9 menampilkan sistem
Boundary
secara terbatas.
3. Class Diagram
24
membangun sistem. Kelas memiliki apa yang disebut atribut dan
metode atau operasi. Atribut merupakan variabel-variabel yang
dimiliki oleh suatu kelas. Sedangkan operasi atau metode adalah
fungsi-fungsi yang dimiliki oleh suatu kelas (Rosa, 2014).
Asosiasi ini
menggambarkan bahwa
pesan atau urutan
Directional
2 kejadian terjadi dari
Association
hanya salah satu kelas
sedangkan yang lain
pasif.
25
(descendent) berbagi
perilaku dan struktur
data objek yang ada di
atasnya objek induk
(ancestor).
26
4. Activity Diagram
Menunjukkan aktivitas
2 Activity yang dilakukan.
Menunjukkan aktivitas
yang harus dipilih
4 Decissions
apakah pilihan pertama
atau kedua.
27
Digunakan untuk
menunjukkan kegiatan
yang dilakukan secara
5 Fork paralel atau untuk
menggabungkan dua
kegiatan paralel menjadi
satu.
Menunjukkan adanya
dekomposisi.
6 Rake
Tanda waktu.
7
Aliran akhir.
8 Flow FInal
5. Sequence Diagram
28
Banyaknya diagram sekuen yang harus digambar adalah
minimal sebanyak Use Case yang memiliki proses sendiri atau yang
penting semua Use Case yang telah didefinisikan interaksi jalannya
pesan sudah dicakup pada diagram sekuen sehingga semakin
banyak Use Case yang didefinisikan maka diagram sekuen yang
harus dibuat juga semakin banyak.
Object merupakan
insctance dari sebuah
1 Object class dan dituliskan
tersusun secara
horizontal.
Lifeline
mengindikasikan
3 Lifeline keberadaan sebuah
object dlaam basis
waktu.
Activation dinotasikan
sebagai sebuah kotak
4 Activation segi empat yang
digambarkan pada
sebuah lifeline.
Message digambarkan
dengan anak panah
5 Message
horizontal antara
activation.
29
2.2.13 ERD
ERD (Entity Relationship Diagram) adalah suatu model jaringan yang
menggunakan susunan data yang disimpan dalam sistem secara abstrak.
(Ladjamudin, 2013).
Komponen -komponen Diagram Hubungan Entitas:
1) Entity
Pada E-R diagram, entity digambarkan dengan sebuah bentuk
persegi panjang. Entity adalah sesuatu apa saja yang ada di dalam
sistem, nyata maupun abstrak dimana data tersimpan atau dimana
terdapat data.
2) Relationship
Pada E-R diagram, relationship digambarkan dengan sebuah
bentuk belah ketupat. Relationship adalah hubungan alamiah yang
terjadi antara entitas. Pada umumnya penghubung (relationship) diberi
nama dengan kata kerja dasar, sehingga memudahkan untuk
melakukan pembacaan relasinya (bisadigunakan kalimat aktif atau
kalimat pasif)
3. Relationship Degree
Relationship Degree atau derajat relationship adalah jumlah entitas
yang berpartisipasi dalam satu relationship.
4. Atribut
Secara umum atribut adalah sifat atau karakteristik dari tiap entitas
maupun relationship. Maksudnya, atribut adalah sesuatu yang
menjelaskan apa sebenarnya yang dimaksud entitas maupun
relationship, sehingga sering dikatakan atribut adalah elemen dari setiap
entitas dan Relationship
5. Kardinalitas (Cardinality)
30
Tingkat hubungan satu ke satu, dinyatakan dengan satu kejadian pada
entitas pertama , hanya mempunyai satu hubungan dengan satu
kejadian pada entitas yang kedua dan sebaliknya.
b. One to Many atau Many to One
Tingkat hubungan satu ke banyak adalah sama dengan banyak ke satu
c. Many to Many
Tingkat hubungan banyak ke banyak terjadi jika tiap kejadian pada
sebuah entitas akan mempunyai banyak hubungan dengan kejadian
pada entitas lainya.
Notasi-notasi yang digunakan dalam ERD dengan notasi Chen (Sukamto
dan Shalahuddin, 2013) , yaitu:
N
GAMBAR NAMA KETERANGAN
O
31
dapt bersifat unik.
Relasi yang
menghubungkan antar
5 Relasi entitas; biasanya diawali
dengan kata kerja.
a. Pada perhitungan Skala Likert ditentukan nilai atau skor untuk tiap
indikator pilihanjawaban. Pada kuesioner setiap jwaban yayng diberian
oleh responden memiliki tipe peretanyaan yang bersifat positif dengan
beberapa indikator pilihan jawaban, misalnya: Sangat Setuju, Setuju,
Tidak Setuju dan Sangat Tidak Setuju.
32
Sangat Setuju/Sangat Mudah/Sangat Bagus =5
Setuju/Baik =4
Netral/Cukup =3
Tidak Setuju/Tidak Bagus =2
Sangat Tidak Setuju/Sangat Sulit/Sangat Tidak Bagus = 1
b. Setelah ditentukan nilai atau skor dari pilihan jawaban, kemudian
dilakukan perhitungan dari data hasil kuesioner dengan cara mengalikan
jumlah responden dari tiap pilihan jawaban dengan nilai dari masing-
masing pilihan jawaban yang sudah ditentukan pada langkah a. Hasil
dari seluruh perhitungan jawaban selanjutnya dijumlahkan.
c. Setelah didapatkan total skor dari jawaban responden, untuk
mendapatkan hasil interpretasi ditentukan skor tertinggi (X), skor
terendah (Y), dan dicari rumus indeks persentasenya dengan cara
sebagai berikut:
X = skor tertinggi likert x jumlah responden
Y = skor terendah likert x jumlah responden
Rumus index % = (Total skor/X) x 100
d. Untuk memberikan kesimpulan ditentukan interval atau jarak dan
interpretasi persen agar mengetahui penilaian dengan metode mencari
interval skor persen (I).
Misalnya pada contoh ini, rumus yang digunakan adalah 100/5 = 20,
karena jumlah skornya ada 5 buah. Sehingga, hasil(I) = 25 adalah
interval jarak dari terendah 0% hingga tertinggi 100%.
Berikut kriteria interpretasi skornya berdasarkan interval:
i. Angka 0% - 19,99% = Sangat Tidak Setuju
ii. Angka 20% - 39,99% = Tidak Setuju
iii. Angka 40% - 59,,99% = Netral/Cukup
iv. Angka 60% - 79,99% = Setuju
v. Angka 80% - 100% = Sangat Setuju
e. Untuk pertanyaan lainnya dilakukan proses perhitungan yang sama
seperti langkah a hingga d.
f. Setelah semua nilai perhitungan dari Skala Likert didapat dari masing-
masing pertanyaan, selanjutnya dilakukan perhitungan untuk nilai rata-
rata dari semua hasil perhitungan Skala Likert dengan cara berikut:
NR = Total Nilai Perhitungan Skala Likert / Jumlah Pertanyaan.
33
2.2.15 Metode Pengembangan Perangkat Lunak
34
Proses perancangangan sistem membagi persyaratan dalam sistem
perangkat keras atau perangkat lunak. Kegiatan ini menentukan
arsitektur sistem secara keseluruhan. Perancangan melibatkan
identifikasi dan deskripsi abstraksi sistem perangkat lunak yang
mendasar. Tahap ini dilakukan sebelum melakukan coding. Tahap ini
bertujuan untuk memberikan gambaran apa yang harus dikerjakan
dan bagaimana tampilannya. Tahap ini membantu dalam
menspesifikan kebutuhan hardware dan sistem serta mendefinisikan
arsitektur sistem secara keseluhuran.
3. Implementasi dan pengujian unit
Pada tahap ini, perancangan perangkat lunak direalisasikan dengan
program atau unit program. Pembuatan software dipecah menjadi
modul-modul kecil yang nantinya akan digabungkan dalam tahap
selanjutnya. Selain itu, tahap ini juga dilakukan pengujian. Pengujian
ini melibatkan verifikasi bahwa setiap unit telah memenuhi
spesifikasinya.
4. Integrasi dan pengujian sistem
Unit program, modul atau program individual diintegrasikan dan diuji
sebagai sistem yang lengkap untuk menjamin bahwa kebutuhan
sistem telah terpenuhi.
5. Pemeliharaan
Ini merupakan tahap terakhir dalam metode waterfall. Software yang
sudah jadi dijalankan serta dilakukan pemeliharaan. Biasanya ini
merupakan fase siklus hidup yang paling lama. Pemeliharaan
mencakup koreksi dari berbagai error yang tidak ditemukan pada
tahap-tahap sebelumnya, melakukan perbaikan atas implementasi
unit sistem dan pengembangan layanan sistem, dan persyaratan-
persyaratan baru ditambahkan.
Keunggulan dan kelemahan metode waterfall (Yurindra, 2017)
Keunggulan :
35
1. Proses menjadi lebih teratur, urutan proses pengerjaan
menggunakan metode ini menjadi lebih teratur dari satu tahap ke
tahap selanjutnya.
2. Dari sisi user juga lebih menguntungkan karena dapat
merencanakan dan menyiapkan seluruh kebutuhan data dan proses
yang akan diperlukan.
3. Jadwal menjadi lebih menentu, jadwal setiap proses dapat
ditentukan secara pasti. Sehingga dapat dilihat jelas target
penyelesaian pengembangan program. Dengan adanya urutan yang
pasti, dapat dilihat pula progress untuk setiap tahap secara pasti.
Kelemahan :
1. Sifatnya kaku sehingga susah melakukan perubahan di tengah
proses.
2. Jika terdapat kekurangan proses atau prosedur dari tahap
sebelumnya, maka tahapan pengembangan harus dilakukan mulai
dari awal. Hal ini akan memakan waktu yang cukup lama. Karena
jika proses sebelumnya belum selesai sampai akhir, maka proses
selanjutnya tidak dapat berjalan. Maka, jika terdapat kekurangan
dalam permintaan user, proses pengembangan harus dilakukan
dimulai dari awal.
3. Membutuhkan daftar kebutuhan yang lengkap di awal, tapi jarang
konsumen memberikan kebutuhan secara lengkap di awal.
36
Gambar 2. 4 Kerangka Pemikiran
Adapun penjelasan gambar 2.4 di atas adalah :
1. Indicator
Dalam penelitian ini, penulis menggunakan indikator gejala dan
penyakit paru-paru. Indikator tersebut merupakan parameter yang dapat
dijadikan petunjuk atau keterangan dalam aplikasi ini.
2. Proposed Method
Sebelum data diolah dengan proposed method, terdapat nilai bobot
yang dimasukkan. Proposed method yang digunakan untuk diagnosa dini
penyakit paru-paru berbasis android adalah Metode Demspter Shafer.
3. Objective
Tujuan dari penelitian ini adalah untuk membuat sistem deteksi cepat
terhadap penyakit paru-paru. Parameter output berupa hasil diagnosa dini
penyakit paru-paru. Diagnosa yang dihasilkan disesuaikan dengan hasil
olahan data dari indicator yang telah diproses menggunakan metode
Dempster Shafer.
4. Measurement
Setelah ditentukan objective, selanjutnya ditentukan measurement
yang digunakan untuk pengujian sistem. Pada penelitian ini pengujian
aplikasi yang digunakan adalah blacbox testing dan pengujian akurasi.
37
BAB III
METODE PENELITIAN
3.1 Analisa Kebutuhan
Analisa kebutuhan dapat diartikan sebagai proses untuk memperoleh
definisi permasalahan dan penggamabaran yang tepat dari apa yang akan
dilakukan dalam penelitian. Analisa kebutuhan yang dilakukan terdiri dari alir
penelitian, analisa masalah, analisa sistem berjalan, analisa sistem usulan,
analisa kebutuhan user, analisa spesifikasi alat, analisa kebutuhan data
3.1.1 Alir Penelitian
Adapun diagram alir penelitain dapat dilihat pada gambar dibawah ini :
38
Gambar 3. 1 Diagram Alir Penelitian
Gambar 3.1 menjelaskan tentang alir penelitian yang digunakan penulis
hingga penulisan selesai.
1. Identifikasi Masalah
Identifikasi masalah merupakan tahap awal dari penelitian ini. Pada
tahap ini memahami masalah-masalah yang ada dalam ruang lingkup
tugas akhir yang sedang dikerjakan. Masalah yang di hadapi adalah
membuat sistem pakar yang sesuai dengan kebutuhan dan bagaimana
mengimplementasikan metode Dempster Shafer untuk mendiagnosa
penyakit paru-paru
2. Pengumpulan Data
Pengumpulan data adalah mengumpulkan bahan bahan yang
diperlukan dalam penyusunan tugas akhir ini. Teknik pengumpulan data
yang digunakan adalah observasi, wawancara dan studi pustaka.
a. Wawancara
Pada pembuatan sistem ini, pengumpulan data dilakukan melalui
wawancara dengan ahli pakar yaitu dokter spesialis paru yang
bekerja di RSUD Kardinah Tegal.
b. Studi Pustaka
Studi pustaka dengan cara mencari, mengumpulkan, mempelajari,
menganalisis serta memahami literature, seperti buku, artikel,
dokumen, dan sistem yang ada dan lumrah yang dapat membantu
dalam penyelesaian tugas akhir. Penulis mengumpulkan teori dan
pustaka yang berkaitan dengan Sistem Pakar, Penyakit Pada Paru-
paru dan pemahaman tentang Metode Dempster Shafer.
3. Analisis Sistem
Penulis melakukan identifikasi proses sistem berjalan dan sistem
kebutuhan. Penulis juga melakukan identifikasi informasi yang
dibutuhkan untuk membangun sistem yang diusulkan untuk dapat
memahami apa yang diperlukan terhadap fungsi-fungsi yang
dibutuhkan.
39
Pada bagian ini analisis dilakukan terhadap data dan permasalahan
yang telah dirumuskan.kemudian merancang sebuah sistem yang
dapat menjawab permasalahan dan kendala yang ada. Adapun analisis
yang dilakukan adalah:
a. Analisis Sistem Berjalan
Pada tahap ini penulis melakukan analisis sesuai dengan sistem
yang telah berjalan di RSUD Kardinah Tegal. Dengan mempelajari
sistem berjalan sekarang dapat melihat kelemahan atau kebutuhan
dari sistem yang berjalan.
b. Analisis Sistem Usulan
Di tahap ini penulis melakukan analisis sistem usulan yang akan
diusulkan dan merancang bagaimana sistem usulan tersebut.
c. Analisis Kebutuhan
Pada tahap ini penulis melakukan analisis kebutuhan apa saja yang
diperlukan untuk pembuatan aplikasi sistem pakar diagnosa
penyakit paru.
4. Perancangan Aplikasi
Pada tahap perancangan sistem, penulis mendefenisikan apa yang
diperlukan dari kebutuhan sistem. Mulai dari perancangan UML,
database, interface, mesin inferensi, dan basis pengetahuan.
5. Pengujian Sistem
Pada tahap ini aplikasi yang telah dibuat akan diuji. Pengujian
aplikasi menggunakan metode pengujian black box dan akurasi sistem.
6. Penulisan Laporan
Tahapan terakhir yang dilakukan penulis yaitu melakukan penulisan
laporan. Tahapan ini merupakan tahapan akhir, yaitu pembahasan dari
hasil analisis yang telah dikerjakan.
3.1.2 Analisa Masalah
Dalam menganalisa permasalahan yang ada, penelitian ini
menggunakan diagram fishbone. Diagram fishbone atau diagram tulang ikan
ini digunakan untuk mengidentifikasi penyebab-penyebab yang mungkin
40
terjadi dari suatu efek atau akibat. Diagram fishbone tersebut dapat dilihat
pada gambar dibawah ini :
1. Sistem
Berdasarkan kategori sistem ini terdapat masalah pada sistem yang
selama ini berjalan yaitu penentuan penyakit atau diagnosa penyakit.
Deteksi penyakit harus dilakukan di rumah sakit yaitu melalui berbagai
tahapan pemeriksaan.
2. Teknologi
Kategori yang kedua dilihat dari segi teknologi, penyebab yang berkaitan
dengan masalah teknologi adalah belum adanya aplikasi berbasis mobile
untuk mendeteksi dan mengetahui secara dini mengenai penyakit pada
paru-paru.
41
3. Lingkungan
Dalam penelitian ini lingkungan yang dimaksud adalah wilayah kota
Tegal, khususnya masyarakat yang berobat di RSUD Kardinah Tegal.
Dalam kategori lingkungan ini, terdapat dua penyebab utama, yaitu :
Jarak tempat tinggal masyarakat dengan rumah sakit
Biaya pemeriksaan di rumah akit mahal
4. Manusia
SDM rumah sakit, dalam hal ini adalah dokter spesialis paru-paru di
setiap rumah sakit terbilang sedikit dibandingkan banyaknya masyarakat
yang berobat ke rumah sakit.
42
3.1.4 Analisa Sistem Berjalan
43
penunjang (tes darah, fotorontgen, dll), selanjutnya barulah dapat ditentukan
pasien tersebut terdiagnosa penyakit apa.
Dengan adanya sistem berjalan yang sekarang ini membuat
masyarakat di wilayah Tegal enggan untuk segera melakukan pemeriksaan
di Rumah Sakit, yang disebabkan karena harus datang langsung ke Rumah
Sakit dan harus menunggu untuk dilakukan prosedur pemeriksaan yang
cukup banyak juga. Selain itu jika hanya melakukan pemeriksaan di Rumah
Sakit, masyarakat atau penderita hanya sekedar menerima informasi
diagnosa, perawatan, serta obat yang diresepkan. Masyarakat kurang
mendapatkan edukasi atau pengetahuan mengenai penyakit paru-pau,
gejala yang bisa mengindikasi seseorang terkena penyakit paru-paru, serta
penanganan awal jika terserang penyakit paru-paru.
3.1.5 Analisa Sistem Usulan
44
Setelah melakukan penelitian, maka penulis mengusulkan dibuat
aplikasi berbasis android yang dapat memberikan informasi dan deteksi
penyakit paru-paru yang dialami secara otomatis dan tepat. Konsep dari
sistem ini memberikan gambaran mengenai penentuan penyakit paru-paru
berdasarkan gejala yang dirasakan penderita.
Data yang perlu dimasukkan dalam rancangan sistem ini adalah data
penyakit, data gejala, dan data solusi. Sistem input dirancang untuk dapat
melkukan olah data penyakit, gejala, dan solusi.
2. Kebutuhan Proses
Data yang akan diproses menjadi sebuah diagnosa bermula dari user
saat memilih gejala yang dirasakan. Dari gejala yang dipilih sistem akan
memproses gejala, menelusuri penyakit mana saja yang berhubungan
dengan gejala dan solusi. Dengan adanya nilai probabilitas sistem akan
melakukan pencarian uantuk menemukan penyakit yang diderita pasien
dengan menggunakan perhitungan metode Dempster Shafer. Hasil proses
berupa diagnosa nama penyakit yang kemungkinan diderita user dengan
nilai densitas tertinggi beserta dengan solusi dari penyait tersebut.
3. Kebutuhan Output
45
4. Notepad++
5. Android Studio
6. Balsamiq Project
7. Astah Professional
8. Mozila Firefox
9. Edraw Max
10. Microsoft Word
b. Analisa Kebutuhan Perangkat Keras
1. Laptop Lenovo 20256 dengan spesifikais : Processor Intel(R)
Celeron(R) CPU 1037U @ 1.80GHz 1.80 GHz, RAM
berkapasitas 8,00 GB
2. Smartphone Android Coolpad E571 dengan spesifikasi :
Resolusi 1280x720, RAM berkapasitas 3GB, Memori Internal
16GB
3. Printer Canon G2000
46
sistem tersebut. Pada aplikasi ini, terdapat 2 aktor yaitu admin dan user
yang berhubungan dengan konsep aplikasi.
a. Skenario Login
Use Case : Login
Aktor : User, Admin
Deskripsi : Sebuah kegiatan untuk melakukan login
Pre-condition : User, Admin sudah terdaftar sebelumnya
47
Post-condition : User berhasil login
48
untuk mengelola data user,
data penyakit, data gejala,
data hasil diagnosa.
b. Skenario Register
Use Case : Register / Daftar
Aktor : User
Deskripsi : Proses ini adalah sebuah kegiatan untuk melakukan
pendaftaran
Pre-condition : User belum pernah mendaftar sebelumnya
Post-condition : Data User sudah tersimpan
49
terakhir apabila user belum
meakukan pengecekan
diagnosa sebelumnya.
4. User dapat melakukan manajemen
profil.
User dapat mengubah data/informasi
yang diinputkan ketika mendaftar
(nama, alamat, jenis kelamin, telepon,
email, username, dan password).
5. Sistem menyimpan data yang
telah diubah oleh user dan
menampilakan kembali data
tersebut ke user.
d. Scenario Kelola Profil User
Use Case : Kelola profil user
Aktor : User
Deskripsi : Kegiatan untuk melakukan manajemen profil user
Pre-condition : User telah melakukan login
Post-condition : User dapat mengedit data profil user
Tabel 3. 5 Skenario Kelola Profil User
50
melakukan perhitungan dengan
metode Dempster Shafer.
3. User melihat hasil diagnosa setelah
memilih gejala yang dirasakan.
4. Sistem menampilkan hasil
diagnosa kepada user.
f. Scenario Lihat Informasi Penyakit
Use Case : Lihat informasi penyakit
Aktor : User
Deskripsi : Kegiatan untuk menampilkan informasi mengenai penyakit
paru-paru
Pre-condition : User telah melakukan login
51
1. Admin dapat melihat data penyakit yang
tersimpan, mencari, mengubah dan
menghapus data tersebut.
2. Sistem menerima inputan
admin, menyimpan dan
menampilkan data tersebut
ke admin.
i. Scenario Kelola Data Gejala
Use Case : Kelola data gejala
Aktor : Admin
Deskripsi : Kegiatan untuk melakukan manajemen gejala
Pre-condition : Admin telah melakukan login
Post-condition : Admin dapat mengedit, mencari dan menghapus data
gejala
52
Aktor : Admin
Deskripsi : Kegiatan untuk melakukan manajemen pengujian
Pre-condition : Admin telah melakukan login
Post-condition : Admin dapat mengedit, mencari dan menghapus data
pengujian.
53
Gambar 3. 6 Class Diagram
Selama proses analisa, class diagram memperlihatkan aturan-
aturan dan tanggung jawab entitas yang menentukan perilaku sistem.
Selama tahap desai, class diagram berperan dalam menangkap struktur
dari semua kelas yang membentuk arsitektur yang dibuat.
54
langkah demi langkah dari komponen suatu sistem. Adapun activity diagram
dari sistem ini adalah sebagai berikut :
55
2. Activity Diagram Registrasi User
56
Gambar 3. 9 Activity Diagram Lihat Menu Utama
Gambar 3.9 menunjukkan activity diagram lihat menu utama. User akan
melakukan login terlebih dahulu. Setelah berhasil login, sistem akan
menampilkan halaman utama atau halaman home.
4. Edit Profile User
57
Gambar 3.10 menunjukkan activity diagram user profile. User akan
masuk ke halaman user profile kemudian user dapat mengelola data diri
dan mengganti password.
5. Activity Diagram Lihat Informasi Penyakit
58
Gambar 3. 12 Activity Diagram Penentuan Penyakit
Gambar 3.12 menunjukkan activity diagram penentuan penyakit. User
akan masuk ke halaman pengujian, memilih tambah pengujian.
Kemudian sistem akan menampilakn daftar gejala. User diharuskan
untuk mengisi nama pengujian dan memilih gejela-gejala yang
dirasakan. Setelah itu pilih proses pengujian, sehingga sistem akan
melakukan proses penghitungan hasil menggunakan metode dempster
shafer dan sistem akan menampilkan hasil diagnosa penyakitnya.
59
Gambar 3. 13 Activity Diagram Hasil Diagnosa
Gambar 3.13 menunjukkan activity diagram hasil diagnosa. User akan
masuk ke halaman hasil. Kemudian sistem akan menampilakn daftar
hasil diagnosa yang pernah dilakukan user, user akan memilih diagnosa
yang aman yang akan dilihat dan selanjutnya sistem akan menampilakn
hasil diagnosa yang dipilih.
60
Gambar 3. 14 Activity Diagram About
Gambar 3.14 menunjukkan activity diagram about. User akan masuk ke
halaman about. Selanjutnya sistem akan menampilkan informasi
mengenai aplikasi.
9. Activity Diagram Login Admin
61
Gambar 3. 16 Activity Diagram Kelola User
Gambar 3.15 menunjukkan activity diagram kelola user. Admin dapat
menambah data user, edit data user, hapus data user, serta mencari
data user.
62
Gambar 3. 17 Activity Diagram Kelola Penyakit
Gambar 3.16 menunjukkan activity diagram kelola penyakit. Admin dapat
menambah data penyakit, edit data penyakit, hapus data penyakit, serta
mencari data penyakit.
63
Gambar 3. 18 Activity Diagram Kelola Gejala
Gambar 3.17 menunjukkan activity diagram kelola gejala. Admin dapat
menambah data gejala, edit data gejala, hapus data gejala, serta
mencari data gejala.
64
Gambar 3. 19 Activity Diagram Kelola Aturan
Gambar 3.18 menunjukkan activity diagram kelola aturan. Admin dapat
menambah data aturan, edit data aturan, hapus data aturan, serta
mencari data aturan.
65
Gambar 3. 20 Sequence Diagram Login User/Admin
Gambar 3.19 menunjukkan sequence diagram login user/admin. Admin
dan user harus melakukan login ke dalam aplikasi terlebih dahulu
sebelum dapat melakukan pengujian, mengelola admin, user, penyakit,
gejala dan aturan.
66
Gambar 3. 22 Sequence Diagram Lihat Home
Gambar 3.21 menunjukkan sequence diagram lihat home. Setelah user
berhasil melakukan login pada aplikasi, user akan ditampilakan menu
utama aplikasi atau halaman home.
67
diinputlan diawal ketika melakukan pendaftaran, seperti alamat, nomer
telepon, username, password.
68
Gambar 3. 25 Sequence Diagram Hasil Diagnosa
Gambar 3.24 menunjukkan sequence diagram hasil diagnosa. User
dapat melihat hasil diagnosa dari pengujian yang pernah dilakukan
sebelumnya pada halaman hasil.
69
Gambar 3.25 menunjukkan sequence diagram about. User dapat
mengetahui informasi mengenai aplikasi sistem pakar diagnosa penyakit
paru-paru dengan membuka halaman about.
70
10. Sequence Diagram Kelola Gejala
71
3.2.2 Perancangan Basis Data
Perancangan basis data merupakan proses untuk menentukan isis
data yang dibutuhkan untuk rancangan sistem. Model rancangan basis data
yang dibangun adalah model relationship dimana seluruh tabel saling
berhubungan satu dengan yang lainnya. Rancangan basis data yang berisi
tabel data yang digunakan adalah sebagai berikut :
1. Tabel User
Tabel user digunakan untuk menyimpan data user yang akan
menjalankan aplikasi. Struktur tabel user dapat dilihat pada Tabel 3.13
2. Tabel Penyakit
Tabel penyakit digunakan untuk menyimpan data tentang
penyakit. setiap penyakit memiliki satu atau lebih gejala dan
relas/aturan serta hanya mempunyai satu solusi. Struktur tabel
penyakit dapat dilihat pada tabel 3.14
72
sousi text Solusi penyakit
deskripsi text Deskripsi penyakit
3. Tabel Gejala
Tabel gejala digunakan untuk menyimpan data tentang gejala dari
penyakit. Setiap gejala bisa dimiliki satu atau lebih penyakit, dan
relasi/aturan. Struktur tabel gejala dapat dilihat pada Tabel 3.15
73
id_user varchar 15 FK Id user
tgl_pengujian date Tanggal pengujian
jam_pengujian time Jam pengujian
nama_pengujian varchar 50 Nama pengujian
keterangan text Keterangan
pengujian
6. Tabel Detail
Tabel detail digunakan untuk menyimpan data detail pengujian
yang telah dilakukan oleh user. Setiap satu detail dimiliki oleh satu
pengujian. Struktur tabel detail dapat dilihat pada Tabel 3.18
74
lebih user, penyakit, gejala, dan aturan. Struktur tabel admin dpat
dilihat pada Tabel 3.20
75
3.2.3 Perancangan Entity Relationship Diagram
76
Jika user belum mempunyai akun, diharuskan untuk melakukan
pendaftaran terlebih dahulu.
77
Gambar 3. 33 Rancangan Halaman Home/Halaman Utama
3. Rancangan Halaman Profil User
Gambar 3.34 menggambarkan rancangan halaman profile user
yang digunakan user untuk memperbarui prodil dan data dirinya.
78
Gambar 3. 35 Rancangan Halaman Penyakit
5. Rancangan Halaman Pengujian
79
Gambar 3. 37 Rancangan Halaman Hasil
7. Rancangan Halaman About
80
8. Rancangan Logout
81
Gambar 3.41 menggambarkan rancangan halaman login website
yang dikelola oleh admin.
82
Gambar 3. 42 Halaman Home
12. Rancangan Halaman Kelola User
83
Gambar 3. 44 Halaman Kelola Penyakit
14. Rancangan Halaman Kelola Gejala
Gambar 3.45 menggambarkan rancangan halaman kelola gejala
untuk mengelola data gejala. Admin dapat melakukan penamabahan,
pengeditan dan penghapusan data gejala.
84
Gambar 3.46 menggambarkan rancangan halaman kelola aturan
untuk mengelola data aturan. Admin dapat melakukan penamabahan,
pengeditan dan penghapusan data aturan.
85
Gambar 3. 47Halaman Pengujian
86
3.3 Basis Pengetahuan
Hal yang pertama kali dilakukan dalam membangun sistem pakar adalah
membuat struktur basis pengetahuan. Basis pengetahuan merupakan
kumpulan-kumpulan fakta. Beberapa struktur basis pengetahuan pada
sistem pakar ini adalah sebagai berikut:
87
G11 Sesak napas dipicu oleh keadaan tertentu 0,5
G12 Perut terasa sakit 0,5
G13 Kaki/tungkai bawah bengkak 0,5
G14 Bibir/kuku kebiruan 0,7
G15 Berat badan turun drastis 0,25
G16 Tenggorokan sakit 0,5
G17 Pernapasan sering tersengal-sengal 0,5
G18 Suara pernapasan wheezing/mengi 0,8
G19 Leher bengkak 0,5
G20 Sakit kepala 0,5
G21 Nafsu makan turun 0,25
G22 Nyeri dada 0,5
G23 Demam > 3 minggu 0,8
G24 Demam menggigil 0,8
Jumlah penyakit yang diolah dalam sistem pakar penyakit paru ini
adalah 5 macam klasifikasi penyakit. Data-data penyakit ini dapat dilihat
pada tabel 3.22
88
Gejala Penyakit
P01 P02 P03 P04 P05
G01 *
G02 *
G03 *
G04 * * *
G05 *
G06 * *
G07 *
G08 * * * *
G09 * * *
G10 * * * *
G11 *
G12 *
G13 *
G14 * * *
G15 * *
G16 *
G17 *
G18 * *
G19 *
G20 * *
G21 * *
G22 * * * * *
G23 *
G24 * * *
Solusi S01 S02 S03 S04 S05
4. Basis Pengetahuan Solusi
Kode Solusi
Solusi
S01 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
89
Diberikan obat Pneumonia sesuai dengan resep
dokter.
S02 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
Dilakukan pemeriksaan lanjutan di rumahsakit berupa
tes dahak dan fotorontgen
Diberikan obat TB sesuai dengan resep dokter.
S03 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
Diberikan Bronkodilator, Antibiotik, bila perlu
Kortikosteroid sesuai dengan resep dokter.
S04 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
Diberikan Bronkodilator, Antibiotik, bila perlu
Kortikosteroid sesuai dengan resep dokter.
S05 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
Diberikan Bronkodilator atau Nebulizer, bila perlu
Kortikosteroid, serta obat-obatan lain sesuai dengan
resep dokter.
5. Basis Pengetahuan Solusi Penyakit
Dari pengetahuan berupa gejala penyakit, maka dapat dibuat basis
pengetahuan solusi untuk setiap penyakit. Hubungan penyakit dan
solusi tersebut dapat dilihat pada tabel 3.25 :
90
Asma P05 S05
3.4 Teknik Analisis
3.4.1 Metode Dempster Shafer
Dalam penelitian ini, metode yang digunakan untuk perhitungan adalah
metode Dempster Shafer. Gambar 3.49 menunjukkan alur kerja dari metode
Demspter Shafer.
91
5. Andaikan diketahui X adalah subset dari ᴓ, dengan m1 sebagai fungsi
densitasnya, dan Yjuga merupakan subset dari Ꝋ dengan m2 sebagai
fungsi densitasnya, maka dapat membentuk fungsi kombinasi m1 dan m2
Kasus 1 :
m2 {ᴓ} = 0,2
Dengan munculnya 2 gejala yaitu riwayat penyakit asma pada keluarga positif
dan sesak napas, maka harus dilakukan penghitungan densitas baru untuk
92
beberapa kombinasi (m3). Untuk memudahkan perhitungan maka himpunan-
himpunan bagian yang terbentuk dimasukkan ke dalam tabel. Kolom pertama
diisi dengan gejala yang pertama (m 1). Sedangkan baris pertama diisi dengan
gejala yang kedua (m2). Sehingga diperoleh kombinasi m3 sebagai hasil
kombinasi m1 dan m2
0,1
m3 {P01, P02, P03, P04} = =0,667
1−0,4
0,1
m3 {P05 } = =0,167
1−0,4
0,1
m3 {ᴓ} = =0,167
1−0,4
Dengan munculnya 3 gejala yaitu riwayat penyakit asma pada keluarga positif
sesak napas, dan sesak napas dipicu keadaan tertentu, maka harus dilakukan
penghitungan densitas baru untuk beberapa kombinasi (m 5). Untuk
memudahkan perhitungan maka himpunan-himpunan bagian yang terbentuk
dimasukkan ke dalam tabel. Kolom pertama diisi dengan kombinasi pertama
(m3). Sedangkan baris pertama diisi dengan gejala yang tiga (m 4). Sehingga
diperoleh kombinasi m5 sebagai hasil kombinasi m3 dan m4
93
Tabel 3. 27 Kombinasi Gejala 1,2,3
0,333
m5 {P01, P02, P03, P04} = =0,5
1−0,333
(0,083+0,083+ 0,083)
m5 {P05 } = =0,375
1−0,333
0,083
m5 {ᴓ} = =0,125
1−0,333
94
(0,25+0,187)
m7 {P04} = =0,385
1−0,187
0,187
m7 {P05 } = =0,231
1−0,187
0,25
m7 {P01, P02, P03, P04} = =0,308
1−0,187
0,062
m7 {ᴓ} = =0,077
1−0,187
95
Gejala 6 berpengaruh pada penyakit P01, P02, P03, P04, P05
Hasil dari aturan kombinasi m 9 digunakan untuk menghitung kenbali
adanya gejala nyeri dada dengan fungsi densitas m 10 dengan membuat
aturan kombinasi baru dengan fungsi m11
Maka m10 {P01, P02, P03, P04, P05} = 0,5
m10 {ᴓ} = 0,5
Kasus 2 :
96
gejala G024, G22, G11. Hasil penelusuran hitungan secara manual adalah
sebagai berikut :
m2 {ᴓ} = 0,5
Dengan munculnya 2 gejala yaitu demam menggigil dan nyeri dada, maka
harus dilakukan penghitungan densitas baru untuk beberapa kombinasi (m 3).
Untuk memudahkan perhitungan maka himpunan-himpunan bagian yang
terbentuk dimasukkan ke dalam tabel. Kolom pertama diisi dengan gejala yang
pertama (m1). Sedangkan baris pertama diisi dengan gejala yang kedua (m 2).
Sehingga diperoleh kombinasi m3 sebagai hasil kombinasi m1 dan m2
(0,4+ 0,4)
m3 { P01, P02, P03} = =0,8
1−0
0,1
m3 {P01, P02, P03, P04, P05} = =0,1
1−0
0,1
m3 {ᴓ} = =0,1
1−0
97
Hasil dari aturan kombinasi m 3 digunakan untuk menghitung kenbali
adanya gejala baru yaitu gejala sesak napas dipicu oleh keadaan
tertentu dengan fungsi densitas m 4 dengan membuat aturan kombinasi
baru dengan fungsi m5
Maka m4 { P05} = 0,5
m4 {ᴓ} = 0,5
Dengan munculnya 3 gejala yaitu demam menggigil, nyeri dada, dan sesak
napas dipicu keadaan tertentu, maka harus dilakukan penghitungan densitas
baru untuk beberapa kombinasi (m5). Untuk memudahkan perhitungan maka
himpunan-himpunan bagian yang terbentuk dimasukkan ke dalam tabel. Kolom
pertama diisi dengan kombinasi pertama (m 3). Sedangkan baris pertama diisi
dengan gejala yang tiga (m4). Sehingga diperoleh kombinasi m5 sebagai hasil
kombinasi m3 dan m4
0,4
m5 {P01, P02, P03} = =0,667
1−0,4
0,05
m5 {P01, P02, P03, P04, P05} = =0,083
1−0,4
( 0,05+ 0,05 )
m5 {P05} = =0,167
1−0,4
0,05
m5 {ᴓ} = =0,083
1−0,4
98
sebesar 0,667 dengan kemungkinan 3 penyakit yaitu Pneumonia, TB atau
Bronkopneumonia. Hasil dari pengujian ini menghasilkan lebih dari satu
penyakit dikarenakan kemungkinan nilai bobot dari suatu gejala sama dengan
gejala yang lain, selain itu bisa juga disebabkan karena gejala yang dipilih tidak
hanya muncul pada satu penyakit.
99
menambah data baru
aturan
Klik tombol edit untuk
mengubah aturan
Klik tombol delete untuk
menghapus aturan
Klik tombol simpan untuk
menambah data baru
aturan
6 Admin Logout Klik menu logout untuk
keluar dari aplikasi
7 User Register Mengisi field pendaftaran
lalu klik tombol daftar
8 User Form Login Pengisian username dan
password yang benar
Pengisian username dan
password yang salah
9 User Mengelola Profile Klik menu profile untuk
melihat profile
Klik edit profile untuk
mengubah profile
10 User Melihat Info Penyakit Klik menu penyakit untuk
melihat info penyakit
11 User Melakukan Klik menu pengujian untuk
Pengujian Diagnosa melakukan pengujian
Klik tambah pengujain
untuk menambah
pengujian baru
Klik proses pengujain
untuk memproses
diagnosa
12 User Melihat Info Hasil Klik menu hasil untuk
DIagnosa melihat hasil pengujian
diagnosa yang pernah
dilakukan
13 User Melihat Info Aplikasi Klik menu about untuk
melihat informasi aplikasi
14 User Logout Klik menu logout untuk
keluar dari aplikasi
100
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil
Pada bagian ini, penulis menampilkan seluruh hasil penelitian yang
dilakukan selama proses pengerjaan penelitian. Hasil yang ditampikan
berdasarkan pada fokus penelitian yang telah penulis uraikan pada bab-bab
sebelumnya.
101
2. Tampilan Register User
102
Gambar 4. 3 Tampilan Halaman Utama User
4. Tampilan Halaman Profile User
103
Gambar 4. 4 Tampilan Profile User
5. Tampilan Halaman Informasi Penyakit
104
Gambar 4. 5 Tampilan Halaman Informasi Penyakit
6. Tammpilan Halaman Pengujian
105
Gambar 4. 6 Tampilan Halaman Pengujian
7. Tampilan Halaman Hasil
Tampilan halaman hasil adalah tampilan untuk user dapat melihat
hasil diagnosa penyakit paru-paru yang pernah dilakukan. Tampilan
halaman pengujian dapat dilihat pada gambar 4.7
106
Gambar 4. 7 Tampilan Halaman Hasil
8. About
107
9. Tampilan Logout
108
Gambar 4. 10 Tampilan Login Admin
11. Tampilan Halaman Utama Admin
109
Gambar 4. 12 Tampilan Halaman Kelola User
13. Tampilan Halaman Kelola Penyakit
110
14. Tampilan Halaman Kelola Gejala
111
15. Tampilan Halaman Kelola Aturan
112
4.1.2 Pengujian Akurasi
Pengujian akurasi dilakukan untuk mengetahui performa dari sistem
pakar untuk memberikan hasil diagnosa kesimpulan penyakit paru-paru yang
diderita user. Data yang diuji berjumlah 9 sampel data analisis pakar. Hasil
yang diperoleh dari perhitungan sistem pakar, dicocokan dengan hasil analisa
dari pakar. Hasil pengujian akurasi sitem pakar dari 9 sampel yang telah diuji
ditunjukkan pada tabel berikut :
Diagnosa Keteranga
No Nama
Dokter Sistem n
1. Susanti Status Asmatikus Asma Sesuai
2. Hermawan TBC Paru Bronkopneumoni Tidak
a Sesuai
3. Rusbad Asma PPOK Tidak
Sesuai
4. Dedi Sekuele Tuberkulosis, Sesuai
WIbowo tuberkulosis PPOK
5. Gatot PPOK PPOK Sesuai
6. Darto PPOK PPOK Sesuai
7. Mujiono Asma Bronkopneumoni Tidak
a Sesuai
8. Darma TBC Tuberkulosis, Sesuai
Pneumonia,
Bronkopneumoni
a
9. Roipah TBC Paru Tuberkulosis Sesuai
Berdasarkan tabel pengujian diatas dilakukan pengujian akurasi dengan
9 sampel data menghasilkan nilai akurasi sesuai perhitungan berikut :
6
Nilai Akurasi = x 100 = 66,67 %
9
3
Nilai Tidak Akurat = x 100 = 33,33 %
9
113
Jadi dapat disimpulkan bahwa akurasi sistem pakar berdasarkan 9
sampel data yang diuji adalah 66,67% yang menunjukkan bahwa sistem pakar
ini berfungsi cukup baik sesuai dengan diagnosa pakar. Sedangkan, untuk nilai
ketidak akurasian sistem pakar ini adalah 33,33% yang disebabkan karena
beberapa kemungkinan yang diantaranya adalah kesalahan dalam pemberian
nilai bobot gejala untuk setiap penyakit, kesalahan menerapkan perhitungan
metode atau kesalahan memasukkan basis pengetahuan gejala dan penyakit.
114
d. Membantu mengetahui penyakit paru-paru sejak dini
115
Tidak Setuju/Tidak Bagus =2
Sangat Tidak Setuju/Sangat Sulit/Sangat Tidak Bagus = 1
b. Kemudian dilakukan perhitungan dari data hasil kuisioner dengan cara
mengalikan jumlah responden dari tiap pilihan jawaban dengan nilai dari
masing-masing pilihan jawbana yang sudah ditentukan pada langkah a.
Maka hasil perhitungan sebgaai berikut :
1) Untuk pertanyaan “Kemudahan mengakses aplikasi”
Responden yang menjawab Sangat Mudah = 0 x 5 = 0
Responden yang menjawab Mudah = 2 x 4 = 8
Responden yang menjawab Cukup = 6 x 3 = 18
Responden yang menjawab Sulit = 1 x 2 = 2
Responden yang menjawab Sangat Sulit = 0 x 1 = 0
Total skor = 0 + 8 + 18 + 2 + 0 = 28
116
6) Untuk pertanyaan “Fungsi-fungsi menu mudah dipahami”
Responden yang menjawab Sangat Mudah = 0 x 5 = 0
Responden yang menjawab Mudah = 2 x 4 = 8
Responden yang menjawab Cukup = 7 x 3 = 21
Responden yang menjawab Sulit = 0 x 2 = 0
Responden yang menjawab Sangat Sulit = 0 x 1 = 0
Total skor = 0 + 8 + 21 + 0 + 0 = 29
7) Untuk pertanyaan “Penilaian aplikasi secara keseluruhan”
Responden yang menjawab Sangat Baik = 0 x 5 = 0
Responden yang menjawab Baik = 1 x 4 = 4
Responden yang menjawab Cukup = 7 x 3 = 21
Responden yang menjawab Tidak Baik = 1 x 2 = 2
Responden yang menjawab Sangat Tidak Baik = 0 x 1 = 0
Total skor = 0 + 4 + 21 + 2 + 0 = 27
c. Setelah didapatkan total skor dari tiap pertanyaan yang dijawab oleh
responden, selanjutnya menghitung indeks % dari penilaian interpretasi
responden terhadap tiap pertanyaan :
1) Untuk pertanyaan “Kemudahan mengakses aplikasi”
Rumus indes % = (Total skor/X) x 100
Maka penyelesaian akhirnya :
= (Total skor/X) x 100
= (28/45) x 100 = 62,22%
2) Untuk pertanyaan “Tampilan aplikasi”
Rumus indes % = (Total skor/X) x 100
Maka penyelesaian akhirnya :
= (Total skor/X) x 100
= (25/45) x 100 = 55,56%
3) Untuk pertanyaan “Informasi aplikasi”
Rumus indes % = (Total skor/X) x 100
Maka penyelesaian akhirnya :
= (Total skor/X) x 100
= (30/45) x 100 = 66,67%
4) Untuk pertanyaan “Membantu mengetahui penyakit paru-paru sejak
dini”
Rumus indes % = (Total skor/X) x 100
Maka penyelesaian akhirnya :
= (Total skor/X) x 100
= (29/45) x 100 = 64,44%
5) Untuk pertanyaan “Fungsi-fungsi menu dalam aplikassi dapat
dioperasikan dengan baik”
Rumus indes % = (Total skor/X) x 100
Maka penyelesaian akhirnya :
= (Total skor/X) x 100
117
= (29/45) x 100 = 64,44%
6) Untuk pertanyaan “Fungsi-fungsi menu mudah dipahami”
Rumus indes % = (Total skor/X) x 100
Maka penyelesaian akhirnya :
= (Total skor/X) x 100
= (29/45) x 100 = 64,44%
7) Untuk pertanyaan “Penilaian aplikasi secara keseluruhan”
Rumus indes % = (Total skor/X) x 100
Maka penyelesaian akhirnya :
= (Total skor/X) x 100
= (29/45) x 100 = 64,44%
d. Untuk memberikan kesimpulan ditentukan interval dan interpretasi persen
dengan metode mencari interval skor persen (I)
Rumus interval = 100/jumlah sokr (likert)
Maka :
Interval = 100/5 = 20
Hasil (I) = 20 adalah interval jarak dari terndah 0% hingga tertinggi 100%
Berikut kriteria interpretasi skornya berdasarkan interval :
118
dari semua hasil perhitungan Skala Likert. Berikut ini proses
perhitungannya :
NR = Total Nilai Perhitungan Skala Likert / Jumlah Pertanyaan NR
= (62,22 + 56,56 + 66,67 + 64,44 + 64,44 + 64,44 + 64,44) / 7
= 443,21/7
= 63,32
Hasil perolehan nilai persentase rata-rata dari ketujuh pertanyaan yang
diajukan dalam kuisioner sebesar 63,32%
119
untuk menghapus
gejala
Klik tombol simpan Berhasil
untuk menambah
data baru gejala
5 Admin Mengelola Klik tombol simpan Berhasil
Aturan untuk menambah
data baru aturan
Klik tombol edit Berhasil
untuk mengubah
aturan
Klik tombol delete Berhasil
untuk menghapus
aturan
Klik tombol simpan Berhasil
untuk menambah
data baru aturan
6 Admin Logout Klik menu logout Berhasil
untuk keluar dari
aplikasi
7 User Register Mengisi field Berhasil
pendaftaran lalu klik
tombol daftar
8 User Form Login Pengisian Berhasil
username dan
password yang
benar
Pengisian Berhasil
username dan
password yang
salah
9 User Mengelola Klik menu profile Berhasil
Profile untuk melihat profile
Klik edit profile Berhasil
untuk mengubah
profile
10 User Melihat Info Klik menu penyakit Berhasil
Penyakit untuk melihat info
penyakit
11 User Melakukan Klik menu pengujian Berhasil
Pengujian untuk melakukan
Diagnosa pengujian
Klik tambah Berhasil
pengujain untuk
menambah
pengujian baru
120
Klik proses Berhasil
pengujain untuk
memproses
diagnosa
12 User Melihat Info Klik menu hasil Berhasil
Hasil DIagnosa untuk melihat hasil
pengujian diagnosa
yang pernah
dilakukan
13 User Meloihat Info Klik menu about Berhasil
Aplikasi untuk melihat
informasi aplikasi
14 User Logout Klik menu logout Berhasil
untuk keluar dari
aplikasi
4.2 Pembahasan
Pengumpulan data dilakukan dengan cara wawancara. Wawancara
dilakukan kepada Dokter Spesialis Paru di RSUD Kardinah Tegal. Data-
data yang dikumpulkan melalui wawancara tersebut diolah dan digunakan
untuk membangun sistem. Informasi tersebut diantaranya: gejala, bobot
gejala, penyakit, solusi yang menghasilkan 5 klasifikasi penyakit dengan 24
gejala dan 5 solusi.
Aplikasi sistem pakar diagnosa dini penyakit paru-paru menggunakan
metode dempster shafer ini dirancang untuk membantu pengguna/user
dalam hal ini adalah masyarakat untuk mengetahui indikasi penyakit yang
dideritanya berdasarkan gejala yang dipilih, sehingga bias segera dilakukan
penanganan awal pada penyakit paru-paru tersebut. Dan sebagai
Administrator adalah development aplikasi yang dapat mengelola
(menambah, melihat, menghapus, mengedit) data gejala, solusi, penyakit.
Pada proses pengujian diterapkan metode dempster shafer sesuai
dengan gejala yang dimasukkan. Setiap gejala memiliki bobot dan
hubungan dengan penyakit, setiap penyakit memiliki solusinya masing-
masing. Keterkaitan gejala, bobot gejala, penyakit inilah yang akan diproses
oleh metode dempster shafer untuk melihat nilai densitias terbesar mana
121
yang akan terpilih. Setelah itu, maka keluarannya berupa hasil penyakit
sesuai densitas yang paling besar serta solusi dari penyakit tersebut.
Kelebihan dari metode Dempster shafer ialah metode ini tidak monoton
dan dapat digunakan untuk mencari nilai yang tidak konsisten akibat
adanya penambahan ataupun pengurangan fakta baru. Sedangkan
kelemahannya ialah penilaian bobot pada gejala yang diberikan oleh pakar
pada satu penyakit belum tentu sama dengan penyakit yang lain.
Pada pengujian aplikasi menggunakan metode blackbox, dari hasil yang
didapat bahwa pengujian fungsi-fungsi yang terdapat dalam aplikasi ini
sesuai dengan kebutuhan dan mendapatkan keberhasilan dengan
persentase 100%. Serta hasil perhitungan dempster shafer pada aplikasi
sesuai dengan perhitungan dempster shafer secara manual. Untuk hasil
pengujian yang menghasilkan lebih dari satu penyakit disebabkan oleh
kemungkinan adanya nilai bobot dari suatu gejala sama dengan gejala
yang lain, selain itu bisa juga disebabkan karena gejala yang dipilih tidak
hanya muncul pada satu penyakit.
Untuk pengujian akurasi yaitu dilakukan perbandingan antara hasil
diagnosa sistem dengan diagnosa dokter. Hasil pengujian akurasi
didapatkan presentasi sebesar 66,67%
122
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan uraian pada bab-bab sebelumnya maka penulis dapat
mengambil kesimpulan sebagai berikut :
5.2 Saran
Berdasarkan hasil analisa dan pengujian tugas akhir ini, penulis
meberikan saran untuk perbaikan dalam pengembangan penelitian dan aplikasi
secara lebih lanjut, antara lain :
1. Aplikasi ini dapat diperluas ruang lingkup pembahasan jenis penyait yang
didiagnosa.
2. Aplikasi ini dapat ditambahkan gejala dan aturan untuk memperkuat
diagnosa akhir.
123
3. Aplikasi ini diharap dapat diujicobakan dengan pakar (dokter spesialis
paru-paru) lain.
4. Untuk pengembangan kinerja aplikasi diagnosa penyakit paru-paru dapat
dilakukan penelitian dengan kasus yang sama tetapi menggunakan
metode yang berbeda, sehingga hasil dari penelitian dnegan metode
yang berbeda dapat dibandingkan.
5. Aplikasi ini diharap dapat ditambahkan fitur konsultasi, sehingga
pengguna bisa melakukan konsultasi atau memberikan pertanyaan
secara online dengan dokter.
124
DAFTAR PUSTAKA
Alsagaff H., Mangunegoro H. 1993. Nilai Normal Faal paru Orang Indonesia
pada Usia Sekolah dan Pekerja Dewasa Berdasarkan Rekomendasi
American Thoracic Society (ATS) 1987. Surabaya : Airlangga University. pp
: 26, 122-3
Anhar. (2010). PHP & MySql Secara Otodidak (Sudarma, ed.). Jakarta:
mediakita. ISBN : 979-794-241-4.
Ayu, D., & Wulandari, N. (2015). Metode dempster shafer pada sistem pakar
untuk mendiagnosa penyakit perut. I(2), 235–244.
Grace A. Pierce, Borley R. Nier. (2011). Ata Glace Ilmu Bedah Edisi 3. Pt Gelora
Aksara Pratama Jackson, D. (2014). Keperawatan Medikal Bedah edisi 1.
Yogyakarta, Rapha Pubising
Gyuton A.C. dan J.E. Hall (2007). Buku Ajar Fisiologi Kedokteran. Edisi 9.
Jakarta : EGC.
125
Ihsan, M., Agus, F., & Khairina, D. M. (2017). Penerapan Metode Dempster
Shafer Untuk Sistem Deteksi Penyakit Tanaman Padi. Prosiding Seminar
Ilmu Komputer Dan Teknologi Informasi, 2(1), 128–135.
Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Yogyakarta: Penerbit Andi.
Sinaga, M. D., Sari, N., & Sembiring, B. (2016). Penerapan Metode Dempster
Shafer Untuk Mendiagnosa Penyakit Dari Akibat Bakteri Salmonella.
Cogito Smart, 2(2), 94–107.
126
Smeltzer, S. C. and Bare, B. G. 2008. Buku Ajar Keperawatan Medikal Bedah
Brunner & Suddarth. Edisi 8 Volume 2. Alih Bahasa H. Y. Kuncara, Monica
Ester,Yasmin Asih, Jakarta : EGC.
Sumiati, Mada badriyah, dea ratu, & Ariyani, A. (2017). Sistem Pakar Untuk
Diagnosa Penyakit Paru - Paru Menggunakan Metode Certainty Factor Di
Puskesmas Citangkil. Jurnal ProTekinfo, 4, 34–42.
Vestbo, J., Hurd, S. S., Agustí, A.,G., Jones, P. W., Vogelmeier, C., Anzueto, A.,
Rodriguez-Roisin, R. (2013). Global strategy for the diagnosis,
management, and prevention of chronic obstructive pulmonary disease:
GOLD executive summary. American Journal of Respiratory and Critical
Care Medicine, 187(4), 347-65.
127
DAFTAR RIWAYAT HIDUP
Data Personal
NIM : 2015-31-261
Nama : Nikku Panduning Hutami
Tempat/ Tgl. Lahir : Brebes/ 26-01-1998
Jenis Kelamin : Perempuan
Agama : Islam
Status Perkawinan : Belum Kawin
Program Studi : Teknik Informatika
Alamat Rumah : Jalan M.T. Haryono No. 45 RT 02/RW 05 Saditan
Brebes, Jawa Tengah, 52212
Telp/HP : 0859 4252 7626
Email : nikku.panduning26@gmail.com
Pendidikan
Jenjang Nama Lembaga Jurusan Tahun Lulus
SD SDIT Usamah Tegal - 2009
SMP MTs Negeri Model Brebes - 2012
SMA SMA Negeri 2 Kota Brebes IPA 2015
128
(Nikku Panduning Hutami)
LAMPIRAN
LAMPIRAN
129
Lampiran 1 Surat Keterangan Telah Memenuhi Persyaratan Akademik Dan
Keuangan
130
Lampiran 2 Lembar Bimbingan Proyek Skripsi
131
Lampiran 3 Surat Riset
132
Lampiran 4 Kwitansi Pembayaran
133
Lampiran 5 Hasil Wawancara
134
HASIL WAWANCARA PAKAR
P : Apa kendala yang terjadi saat proses pasien datang ke Ruamah Sakit
hingga dokter menentukan diagnosa ?
N : Untuk kendala secara umum ada 3 jenis yaitu sarana dan prasarana, SDM,
dan sistem. Untuk kendala sar-pras ini mungkin lebih kepada
masyarakat/pasien, masyarakat cenderung kurang menjaga kesehatan dan
menyepelekan gejala-gejala yang dirasakannya yang menyebabkan
keterlambatan dilakukan pemeriksaan dan pengobatan karena sudah
terlanjur atau parahnya penyakit yang dialami. Penyebab pasien tidak
segera melakukan pemeriksaan di Rumah Sakit bisa terjadi/terkendala oleh
biaya pemeriksaan, bisa juga karena jauhnya jarak pasien ke Rumah Sakit.
Untuk kendala SDM ini mungkin lebih kepada SDM di Rumah Sakit, yaitu
meliputi dokter spesialis dan paramedis. Untuk dokter spesialis di Rumah
Sakit pada umumnya hanya ada 2-3 orang, untuk di RSUD Kardinah dokter
spesialis paru-paru hanya 2 orang. Sedangkan, melihat banyaknya pasien
135
yang datang ke Rumah Sakit baik untuk kontrol atau melakukan
pemeriksaan bisa dibilang cukup banyak.
Keterangan :
P : Pewawancara
N : Narasumber
136
Lampiran 6 Foto Wawancara dan Pengambilan Data
137
138
Lampiran 7 Hasil Kuisioner
139
140
141
Lampiran 8 Rangkuman Daftar Perbaikan
142
143
144
145