TESIS

ANALISIS METODE SISTEM PAKAR DENGAN CERTAINTY FACTOR DAN

ALGORITMA FUZZY UNTUK MENDIAGNOSA KESEHATAN KANDUNGAN
PADA IBU HAMIL

OLEH

DIKI RASAPTA
NPM 171022050020

PROGRAM STUDI MAGISTER KOMPUTER

TEKNIK INFORMATIKA
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER ERESHA
JAKARTA
2020
ANALISIS METODE SISTEM PAKAR DENGAN CERTAINTY FACTOR DAN
ALGORITMA FUZZY UNTUK MENDIAGNOSA KESEHATAN KANDUNGAN
PADA IBU HAMIL

TESIS

Diajukan Sebagai Satu Syarat Untuk Menyelesaikan

Program Strata Dua (S2) Magister Komputer Teknik Informatika

OLEH:

DIKI RASAPTA
NPM 171022050020

PROGRAM STUDI MAGISTER KOMPUTER

TEKNIK INFORMATIKA
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER ERESHA
JAKARTA
2020
 LEMBAR PERSETUJUAN

Nama : Diki Rasapta

NPM : 171022050020
Konsentrasi : Teknik Informatika
Judul Tesis : ANALISI METODE SISTEM PAKAR DENGAN MENGGUNA
KAN METODE CERTAINTY FACTOR DAN ALGORITMA
FUZY UNTUK MENDIAGNOSA KESEHATAN PADA IBU
HAMIL

Telah disetujui untuk diseminarkan pada Sidang Tesis pada program Pasca
Sarjana (S2) Magister Komputer, Program Studi Teknik Informatika Sekolah
Tinggi Manajemen Informasi dan Komputer Eresha.

Tangerang Selatan,19 September 2020

Pembimbing Utama Pembimbing II

(Dr. Sudarno, M.Eng) (Dr. Ferhat Aziz, M.Sc)

NIDK. 88 555000 16 NIDK. 89 621200 21

Mengetahui :
Ka.Prodi Program Pasca Sarjana
Magister Komputer

(Dr. Ir. Dadang Kurnia, M.M.)

NIDK. 88 678010 19

PERNYATAAN KEASLIAN TESIS

STMIK ERESHA
Nama : Diki Rasapta

NPM : 171022050020

Konsentrasi : Software Engineering

Judul Tesis : Analisis Metode Sistem Pakar Dengan Menggunakan Metode

Certainty Factor Dan Algoritma Fuzzy Untuk Mendiagnosa Kesehatan
Pada Ibu Hamil.

Dengan ini saya menyatakan bahwa dalam Tesis ini tidak terdapat karya yang
pernah diajukan untuk memperoleh gelar kesarjanaan 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.

Pamulang, __ September 2020

(Materai 6000)

(Diki Rasapta)

PENGESAHAN TESIS

STMIK ERESHA
Nama : Diki Rasapta

NPM : 171022050020

Konsentrasi : Software Engineering

Judul Tesis :Analisis Metode Sistem Pakar Dengan Menggunakan Metode

Certainty Factor Dan Algoritma Fuzzy Untuk Mendiagnosa Kesehatan
Pada Ibu Hamil.

Telah disidangkan dan dinyatakan Lulus Sidang Tesis pada Program Pasca
Sarjana (S2) Magister Komputer, Program Studi Teknik Informatika Sekolah
Tinggi Manajemen Informatika dan Komputer Eresha pada tanggal 19 September
2020.

Nama Penguji Tanda Tangan

1. Penguji 1 : (Dr. Achmad Hindasyah, M.Si) 1.__________________________

NIDN. 04 190671 02

2. Penguji 2 : (Dr. Makhsun, M.Si) 2.___________________________

NIDN. 04 011268 08

3. Pembimbing 1 : (Dr. Sudarno, M.Eng) 3.___________________________

NIDK. 88 555000 16

4. Pembimbing 2 : (Dr. Ferhat Aziz, M.Sc) 4.___________________________

NIDK. 89 621200 21

Mengetahui :

Ka.Prodi Program Pasca Sarjana

Magister Komputer

(Dr. Ir. Dadang Kurnia, MM)

NIDK. 88 678010 19

KATA PENGANTAR

STMIK ERESHA
 Puji syukur kehadirat Tuhan Yang Maha Kuasa yang telah melimpahkan
segala rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan laporan
tesis yang merupakan salah satu persyaratan untuk menyelesaikan program studi
strata dua (S2) pada program studi Teknik Informatika di Sekolah Tinggi
Manajemen Informatika dan Komputer–Eresha.

Penulis menyadari tesis ini masih jauh dari sempurna. Karena itu, kritik dan
saran akan senantiasa penulis terima dengan senang hati. Dengan segala
keterbatasan, penulis menyadari pula bahwa tesis ini takkan terwujud tanpa
bantuan, bimbingan, dan dorongan dari berbagai pihak. Untuk itu, dengan segala
kerendahan hati, penulis menyampaikan ucapan terima kasih kepada:
1. Stmik Eresha dan Universitas Pamulang yang telah memberikan beasiswa
ikatan dinas.
2. Dr.(HC) Drs. H. Darsono selaku ketua Yayasan Sasmita Jaya, yang telah
memberikan tempat untuk kami mencari ilmu.
3. Dr. Achmad Hindasyah, M.Si Selaku Ketua Sekolah Tinggi Manajemen
Informatika dan Komputer–Eresha.
4. Dr. Ir. Dadang Kurnia, MM Selaku Kaprodi Sekolah Tinggi Manajemen
Informatika dan Komputer–Eresha.
5. Dr. Sudarno, M.Eng. Sebagai Pembimbing Pertama yang telah memberikan
arahan dan bimbingan yang sangat berharga dalam penelitian ini.
6. Dr. Ferhat Aziz, M.Sc. Sebagai pembimbing ke dua yang telah banyak
memberikan bantuan dan bimbingan serta arahan dalam penelitian ini.
7. Seluruh dosen Program Pasca Sarjana Magister Komputer Sekolah Tinggi
Manajemen Informatika dan Komputer–Eresha yang telah memberikan banyak
pengetahuan sebagai bekal dalam penelitian ini.
8. Seluruh staf Program Pasca Sarjana Magister Komputer Sekolah Tinggi
Manajemen Informatika dan Komputer–Eresha yang selalu ramah dalam
memberikan pelayanan sejak awal kami bergabung dengan keluarga besar
Eresha.
9. Bapak , Ibu dan keluarga ku tercinta yang telah mendukung penulis baik spirit
maupun materi.

STMIK ERESHA
10. Saudara dan sahabat-sahabatku, terutama kawan-kawan tahun ajaran 2020
yang telah memberikan dukungan moral untuk terus meyelesaikan tesis ini.
11. Kepada semua pihak yang tidak dapat disebutkan namanya yang telah
membantu dalam hal pengumpulan materi, dan pengumpulan data.

Semoga Allah membalas kebaikan dan selalu mencurahkan berkat-Nya

kepada kita semua, Amin.

Pamulang, __ September 2020

Diki Rasapta

STMIK ERESHA
 LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI TESIS UNTUK
KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa STMIK ERESHA :

Nama : Diki Rasapta

Nomor Mahasiswa : 171022050020

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan STMIK

ERESHA karya ilmiah saya yang berjudul :

ANALISIS METODE SISTEM PAKAR DENGAN MENGGUNAKAN METODE

CERTAINTY FACTOR DAN ALGORITMA FUZZY UNTUK MENDIAGNOSA
KESEHATAN PADA IBU HAMIL

beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada
Perpustakaan STMIK ERESHA hak untuk menyimpan, me-ngalihkan dalam bentuk
media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas,
dan mempublikasikannya di Internet atau media lain untuk kepentingan akademis tanpa
perlu meminta ijin dari saya maupun memberikan royalti kepada saya selama tetap
mencantumkan nama saya sebagai penulis.

Demikian pernyataan ini yang saya buat dengan sebenarnya.

Dibuat di Jakarta

Pada tanggal : ......September 2020

( Diki Rasapta )

STMIK ERESHA
Nama : Diki Rasapta
Program Studi : Teknik Informatika Program Magister Komputer
Judul : Analisis Metode Sistem Pakar Dengan Menggunakan Mengguna
kan Metode Certainty Factor dan Algoritma Fuzzy Untuk Mendi
agnosa Kesehatan Kandungan Pada Ibu Hamil

ABSTRAK

Angka kematian ibu (AKI) di Indonesia masih sangat tinggi dan tertinggi di antara
negara–negara ASEAN. Pada tahun 1990, AKI berada pada tingkat 390 per
100.000 kelahiran hidup, dan survei pada tahun 2002-2003 menghasilkan
perkiraan sebesar 307 per 100.000 kelahiran. Namun, hasil analisis menyimpulkan
bahwa keadaannya sangat mencemaskan bagi perempuan Indonesia. Sistem pakar
dibutuhkan untuk membantu para ibu hamil mengetahui secara cepat kondisi
kesehatan kandungan pada ibu hamil berdasarkan gejala yang muncul. Tidak
hanya jenis penyakit, sistem ini juga menginformasikan cara penanganan untuk
ibu hamil yang kesehatan kondisi kandungannya bermasalah dan cara
pencegahannya.
Kata Kunci : AKI, kesehatan, kandungan, ibu hamil, sistem pakar.

ABSTRACT

The maternal mortality rate (MMR) in Indonesia is still very high and the highest
among ASEAN countries. In 1990, MMR relied on a rate of 390 per 100,000 live
births, and surveys in 2002-2003 produced an estimate of 307 per 100,000 births.
However, the results of the analysis considering the situation are very worrying
for Indonesian women. Expert System Needed to Help Pregnant Mothers
Overcome Future Health Problems. Not only this type of disease, this system also
helps care for pregnant women who have health problems and how to help them.
Keywords : AKI, health, uterus, pregnant women, expert system.

STMIK ERESHA
 DAFTAR ISI

LEMBAR PERSETUJUAN..................................................................................ii
PERNYATAAN KEASLIAN TESIS..................................................................iii
PENGESAHAN TESIS........................................................................................iv
KATA PENGANTAR............................................................................................v
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI TESIS UNTUK
KEPENTINGAN AKADEMIS...........................................................................vii
ABSTRAK............................................................................................................vii
ABSTRACT...........................................................................................................vii
DAFTAR ISI........................................................................................................vii
DAFTAR TABEL................................................................................................vii
DAFTAR GAMBAR............................................................................................vii
BAB I PENDAHULUAN.......................................................................................7
1.1 Latar Belakang..........................................................................................7
1.2 Permasalahan Penelitian...........................................................................7
1.2.1 Identifikasi Masalah........................................................................7
1.2.2 Ruang Lingkup Masalah................................................................7
1.2.3 Rumusan Masalah...........................................................................7
1.3 Tujuan dan Manfaat Penelitian...............................................................7
1.3.1 Tujuan Penelitian............................................................................7
1.3.2 Manfaat Penelitian..........................................................................7
1.4 Sistematik Penulisan.................................................................................7

BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN.....................7

2.1 Tinjauan Pustaka......................................................................................7
2.2 Landasan Teori..........................................................................................7
2.2.1 Definisi Kehamilan...........................................................................7
2.2.1.1Tanda Bahaya Kehamilan.................................................................7
2.2.2 Usia...................................................................................................7

STMIK ERESHA
 2.2.3 Suhu Tubuh.......................................................................................7
2.2.4 Konsep Dasar Sistem........................................................................7
2.2.4.1Klasifikasi Sistem.............................................................................7
2.2.4.2Karakteristik Sistem.........................................................................7
2.2.5 Sistem Pakar......................................................................................7
2.2.5.1 Definisi Sistem Pakar..........................................................7
2.2.5.2 Ciri-ciri Sistem Pakar.........................................................7
2.2.5.3 Keuntungan Sistem Pakar..................................................7
2.2.5.4 Kelemahan Sistem Pakar....................................................7
2.2.5.5 Komponen Sistem Pakar....................................................7
2.2.5.6 Certainty Factor..................................................................7
2.2.6.1 Algoritma Metode Fuzzy....................................................7
2.2.6.2 Fuzzy Tsukamoto..................................................................7
2.2.7 Pengembangan Sistem......................................................................7
2.2.8 Perangkat Lunak Pendukung.............................................................7
2.2.8.1 HTML...................................................................................7
2.2.8.2 PHP.......................................................................................7
2.2.8.3 MYSQL.................................................................................7
2.2.8.4 XAMPP.................................................................................7
2.2.8.5 Matlab...................................................................................7
2.3 Kerangka Pemikiran.................................................................................7

BAB III METODE PENELITIAN.......................................................................7

3.1 Metode Penelitian......................................................................................7
3.1.1 Analisa Sistem Lama.......................................................................7
3.1.2 Jenis Dan Sumber Data..................................................................7
3.1.3 Sistem Yang Akan Dibuat..............................................................7
3.2 Analisis Kebutuhan...................................................................................7
3.2.1 Analisa Perangkat Keras.................................................................7
3.2.2 Analisa Perangkat Lunak................................................................7
3.3 Design Sistem.............................................................................................7
3.3.1 Use Case...........................................................................................7
3.3.2 Activity Diagram..............................................................................7

STMIK ERESHA
 3.3.3 Sequence Diagram...........................................................................7
3.3.4 Class Diagram..................................................................................7
3.3.5 Spesifikasi Database........................................................................7
3.4 Teknik Analisis..........................................................................................7
3.5 Jadwal Penelitian.......................................................................................7

BAB IV HASIL DAN PEMBAHASAN...............................................................7

4.1 Implementasi.............................................................................................7
4.1.1 Lingkungan Perangkat Lunak.......................................................7
4.1.2 Lingkungan Perangkat Keras........................................................7
4.1.3 Implementasi Antar Muka (Interface)..........................................7
4.2 Pengujian Sistem.......................................................................................7
4.2.1 Pengujian Black Box.......................................................................7
4.2.2 Hasil Pengujian Sistem...................................................................7
4.2.3 Pengujian Akurasi Sistem...............................................................7
4.2.3.1 Pengujian dengan Perhitungan Manual............................7
4.2.3.2 Pengujian dengan aplikasi..................................................7
4.2.4 Pengujian dengan Metode Kuisoner..............................................7
4.2.5.1 Penentuan Mutu..................................................................7
4.2.5.2 Hasil Pengelolahan Data Kuisoner.....................................7
4.2.5.3 Uji Validitas.........................................................................7
4.2.5.4 Uji Reabilitas.......................................................................7

BAB V KESIMPULAN DAN SARAN.................................................................7

5.1 Kesimpulan................................................................................................7
5.2 Saran..........................................................................................................7

DAFTAR PUSTAKA.............................................................................................7
DAFTAR RIWAYAT HIDUP..............................................................................7

STMIK ERESHA
 DAFTAR TABEL

Table 1 Kategori Usia Manusia..............................................................................7

Table 2 Suhu Tubuh Normal BerdasarkanUsia......................................................7
Table 3 Hubungan antar Usia dan Suhu Tubuh......................................................7
Table 4 status kesehatan..........................................................................................7
Table 5 Nilai Interpretasi Dari Certainty Factor menurut MYCIN.......................7
Table 6 Notasi dan Komponen ERD.......................................................................7
Table 7 Simbol use case diagram............................................................................7
Table 8 Simbol-Simbol Activity Diagram...............................................................7
Table 9 Simbol sequence Diagram..........................................................................7
Table 10 Simbol Class Diagram.............................................................................7
Table 11 Analisa Perangkat Keras..........................................................................7
Table 12 Analisa Perangkat Lunak.........................................................................7
Table 13 User..........................................................................................................7
Table 14 Suhu Badan...............................................................................................7
Table 15 Usia...........................................................................................................7
Table 16 Gejala.......................................................................................................7
Table 17 Penyakit....................................................................................................7
Table 18 Pengetahuan............................................................................................7
Table 19 Solusi........................................................................................................7
Table 20 Jadwal Penelitian.....................................................................................7
Table 21 Pengujian Black Box................................................................................7
Table 22 Hasil Pengujian Halaman Utama............................................................7
Table 23 Hasil Pengujian Halaman Log in Admin.................................................7
Table 24 Hasil Pengujian Halaman Data Penyakit...............................................7
Table 25 Hasil Pengujian Halaman Data Gejala...................................................7
Table 26 Hasil Pengujian Halaman Data Solusi...................................................7
Table 27 Hasil Pengujian Halaman Basis Pengetahuan........................................7
Table 28 Hasil Pengujian Halaman Ubah Password.............................................7
Table 29 Hasil Pengujian Halaman Diagnosa Penyakit.........................................7
Table 30 Evaluasi Uji Coba Berdasarkan kuesioner..............................................7
Table 31 Penentuan Mutu........................................................................................7
Table 32 Mutu dan Efesiensi...................................................................................7
Table 33 Hasil Pengelolaan evaluasi data kuesioner.............................................7
Table 34 Hasil Uji r Hitung dengan r Tabel...........................................................7
Table 35 Uji Reabilitas............................................................................................7

STMIK ERESHA
 DAFTAR GAMBAR

Gambar 1 Model Sistem Pakar..............................................................................7

Gambar 2 Deskripsi Pembuatan ERD....................................................................7
Gambar 3 Kardinalitas Relasi Satu ke Satu...........................................................7
Gambar 4 Kardinalitas Banyak ke Satu.................................................................7
Gambar 5 Kardinalitas Relasi Banyak ke Banyak.................................................7
Gambar 6 Logical Record Structure (LRS)............................................................7
Gambar 7 XAMPP..................................................................................................7
Gambar 8 Kerangka Pemikiran.............................................................................7
Gambar 9 UseCase Diagram Kesehatan Kandungan Ibu Hamil..........................7
Gambar 10 Activity Diagram Login Admin...........................................................7
Gambar 11 Activity Diagram Entry Data Suhu Badan..........................................7
Gambar 12 Activity Diagram Entry Data Umur....................................................7
Gambar 13 Activity Diagram Entry Data penyakit................................................7
Gambar 14 Activity Diagram Entry Data Gejala.................................................7
Gambar 15 Activity Diagram Entry Basis Pengetahuan........................................7
Gambar 16 Activity Diagram Entry Data Solusi....................................................7
Gambar 17 Activity Diagram Diagnosa Penyakit..................................................7
Gambar 18 Activity Diagram Laporan Hasil Diagnosa........................................7
Gambar 19 Sequence Diagram Login....................................................................7
Gambar 20 Sequence Diagram Entry Data Penyakit.............................................7
Gambar 21 Sequence Diagram Entry Data Gejala................................................7
Gambar 22 Sequence Diagram Entry Basis Pengetahuan.....................................7
Gambar 23 Sequence Diagram Entry Data Solusi.................................................7
Gambar 24 Sequence Diagram Diagnosa Penyakit...............................................7
Gambar 25 Sequence Diagram Laporan Hasil Diagnosa.....................................7
Gambar 26 Class Diagram Sistem Diagnosa Penyakit..........................................7
Gambar 27 Tampilan layar utama level pengguna................................................7
Gambar 28 Tampilan layar halaman utama level admin.......................................7
Gambar 29 Tampilan layar halaman utama level admin.......................................7
Gambar 30 Tampilan layar halaman data penyakit.............................................7
Gambar 31 Tampilan layar halaman data gejala..................................................7
Gambar 32 Tampilan layar halaman data solusi..................................................7
Gambar 33 Tampilan layar halaman basis pengetahuan......................................7
Gambar 34 Tampilan layar halaman ubah password............................................7
Gambar 35 Tampilan layar halaman Diagnosa Penyakit......................................7
Gambar 36 Tampilan layar halaman Laporan Hasil Diagnosa...........................7
Gambar 37 Uji diagnosa kasus pertama................................................................7
Gambar 38 Uji Kasus Diagnosa Kedua.................................................................7

STMIK ERESHA
Gambar 39 Uji Diagnosa Kasus Ketiga................................................................7

STMIK ERESHA
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Angka kematian ibu (AKI) di Indonesia masih sangat tinggi dan tertinggi
di antara negara–negara ASEAN. Pada tahun 1990, AKI berada pada tingkat 390
per 100.000 kelahiran hidup, dan survei pada tahun 2002-2003 menghasilkan
perkiraan sebesar 307 per 100.000 kelahiran. Namun, hasil analisis menyimpulkan
bahwa keadaannya sangat mencemaskan bagi perempuan Indonesia. Walapun
perbandingan kedua angka tersebut sepertinya menunjukan penurunan, namun
karena hasil survei sangat peka terhadap sampling error maka sukar
menyimpulkan dengan pasti bahwa memang terjadi penurunan dalam angka
kematian ibu selama 10 hingga 15 tahun yang lalu di Indonesia (AIPI, 2012).
Salah satu target pencapaian dari Millennium Development Goals (MDGs) pada
tahun 2015 adalah meningkatkan kesehatan ibu dengan mengurangi rasio
kematian ibu sebesar 102 per 100.000 kelahiran hidup. Walapun pelayanan
antenatal (pemeriksaan sebelum kelahiran) dan pertolongan persalinan oleh tenaga
kesehatan terlatih cukup tinggi, beberapa faktor seperti risiko tinggi pada saat
kehamilan dan aborsi perlu mendapat perhatian. Kedepan, upaya peningkatan
kesehatan ibu diprioritaskan pada perluasan pelayanan kesehatan berkualitas,
pelayanan obstetrik yang komprehensif, peningkatan pelayanan keluarga
berencana dan penyebarluasan komunikasi, informasi, dan edukasi kepada
masyarakat (Bappenas, 2013).

Sistem pakar pertama kali dikembangkan oleh komunitas AI pada

pertengahan tahun 1960. Sistem pakar yang muncul pertama kali adalah General
Purpose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon
(Kusumadewi, 2003). Sistem pakar dibutuhkan untuk membantu para ibu hamil
mengetahui secara cepat kondisi kesehatan kandungan pada ibu hamil berdasarkan
gejala yang muncul. Tidak hanya jenis penyakit, sistem ini juga
menginformasikan cara penanganan untuk ibu hamil yang kesehatan kondisi
kandungannya bermasalah dan cara pencegahannya.

STMIK ERESHA 1
 Dalam kehidupan sehari-hari, persoalan mendiagnosa kesehatan pada ibu
hamil sangat sulit untuk dilakukan, karena kurangnya informasi bagi ibu untuk
dapat membedakan penyakit yang dapat di tangani sendiri secara mandiri atau
penyakit yang memerlukan penanganan medis secepat mungkin. Biasanya
kesehatan kandungan padaibu hamil selalu didiagnosa oleh seorang dokter
spesialis kandungan, dimana saat kesehatan kandungan pada ibu hamil
bermasalah, dokter spesialis kandungan diharapkan dapat membantu dalam
mengobati dan mencegah penyakit agar tidak bertambah parah, tetapi hal ini
masih kurang membantu sebab butuh waktu yang cukup lama untuk membawa
ibu hamil tersebut ke dokter spesialis kandungan, selain itu seperti kita ketahui
bahwa penggunaan jasa dokter spesialis kandungan tergolong mahal.

Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan

MYCIN untuk menunjukan besarnya kepercayaan (Harto, 2013). Certainty
Factor (CF) dapat terjadi dengan berbagai kondisi. Diantara kondisi yang terjadi
adalah terdapat beberapa antensenden (dalam rule yang berbeda) dengan satu
konsekuen yang sama. Kelebihan Certainty Factor adalah metode yang cocok
dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak pasti
dalam mendiagnosa penyakit sebagai salah satu contohnya dan perhitungan
dengan menggunakan metode ini dalam sekali hitung dapat mengolah dua data
saja sehingga keakuratan data terjaga. Sedangkan logika Fuzzy adalah
peningkatan dari logika Boolean yang mengenalkan konsep kebenaran sebagian
(Niki, 2019). Logika klasik menyatakan bahwa segala hal dapat diekspresikan
dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy
menggantikan kebenaran boolean dengan tingkat kebenaran. Logika Fuzzy
memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam
dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti “sedikit”,
“lumayan”, dan “sangat”.

Pada penelitian ini penulis akan mengembangkan metode sistem pakar

dengan algoritma certainty factor dan Logika fuzzy untuk mendiagnosa kesehatan
kandungan pada ibu hamil dengan tujuan memberikan kemudahan bagi ibu hamil
dalam hal informasi dan pengetahuan agar dapat mengetahui kondisi kesehatan

STMIK ERESHA 2
pada kandungannya dan memudahkan ibu hami untuk mendiagnosa kesehatan
kandungan.

1.2 Permasalahan Penelitian

1.2.1 Identifikasi Masalah

Berdasarkan hasil pengamatan, maka permasalahan yang sering terjadi

adalah :
1. Minimnya informasi bagi masyarakat mengenai kesehatan kandungan pada ibu
hamil.
2. Sulitnya melakukan diagnosa kesehatan kandungan ibu hamil karena biasanya
kesehatan kandungan pada ibu hamil selalu didiagnosa oleh seorang dokter
spesialis kandungan.

1.2.2 Ruang Lingkup Masalah

Ruang lingkup masalah pada penulisan ini diperlukan agar penulis ini
lebih terarah sehingga pembahasan tidak menyimpang dari tujuan yang akan
dicapai maka diberikan batasan sebagai berikut :
1. Faktor-faktor yang menjadi acuan penelitian ini adalah data gejala, data
penyakit dan data penanganan.

2. Metode yang dianalisis dalam penyelesaian masalah ini adalah metode

Certainty Factor (CF) dan Logika Fuzzy.

1.2.3 Rumusan Masalah

1. Bagaimana menganalisa kesehatan kandungan pada ibu hamil yang dikemas

dalam bentuk informasi ?
2. Bagaimana mempermudah diagnosa kesehatan pada ibu hamil ?

1.3 Tujuan dan Manfaat Penelitian

1.3.1 Tujuan Penelitian

STMIK ERESHA 3
 Tujuan dari penulisan tugas akhir ini antara lain :
1. Membuat pengembangan dari sebuah informasi dengan menggunakan tahap
analisis metode, dimana memberikan pengetahuan terhadap ibu hamil agar
dapat mengetahui kondisi kesehatan kandungan serta solusi yang cepat untuk
melakukan tindakan.
2. Melakukan analisis metode terhadap metode fuzzy inference system
menggunakan algoritma tsukamoto dan metode sistem pakar menggunakan
algoritma certainty factor dalam kasus mendiagnosa kesehatan kandungan
pada ibu hamil.

1.3.2 Manfaat Penelitian

1. Bagi Penulis:
Yaitu, diharapkan dapat menambah dan memperluas wawasan penulis
mengenai penerapan sistem pakar dengan metode certainty factor dan fuzzy
dalam mendiagnosa kesehatan pada ibu hamil.
2. Bagi Masyarakat :
Yaitu, Masyarakat dapat memberikan solusi khususnya kepada ibu hamil
mengenai kondisi kesehatan kandungan pada ibu hamil tanpa harus pergi ke
dokter spesialis kandungan, dan juga dapat mengetahui tindakan awal yang
harus dilakukan untuk menanggulangi penyakit yang terjadi pada ibu hamil
sebelum melakukan pengobatan lebih lanjut.
3. Bagi Universitas
Yaitu, khususnya mahasiswa fakultas teknik informatika diharapkan dari hasil
penelitian ini dapat dijadikan sebagai bahan perbandingan maupun untuk
wawasan khasanah keilmuan yang bermanfaat dalam menganalisa penelitian
sistem pakar dengan metode certainty factor dan Logika Fuzzy.

1.4 Sistematik Penulisan

Agar penjelasan proposal skripsi ini lebih sistematis dan terarah maka
penulisannya disusun dengan sistematika penyusunan sebagai berikut :
BAB I PENDAHULUAN

STMIK ERESHA 4
 Bab ini merupakan pendahuluan yang mencakup uraian tentang
latar belakang masalah, rumusan masalah, ruang lingkup masalah,
tujuan penelitian dan manfaat penelitian, dan sistematika
penulisan.

BAB II LANDASAN TEORI

Pada bab ini berisi teori-teori pendukung dan beberapa definisi
ilmu yang berkaitan dengan penelitian. Semua teori pendukung
tersebut didapat melalui referensi buku-buku yang ada dan juga
penulis memperoleh informasi melalui mediator internet.

BAB III ANALISA DAN PERANCANGAN SISTEM

Bab ini berisi analisis dan perancangan sistem yang terdiri dari
analisis dan perancangan proses dengan menggunakan diagram
alir, analisis dan perancangan basis pengetahuan dan basis data
yang terdiri dari fakta dan gejala serta aturan, analisis terhadap
perbandingan metode certainty factor dan fuzzy dan perancangan
mekanisme inferensi yang digunakan untuk diagnosis gejala yang
dirasakan pasien untuk menentukan jenis penyakit yang diderita.

BAB IV IMPLEMENTASI DAN PENGUJIAN

Bab ini aplikasi sistem pakar diagnosa kesehatan kandungan pada
ibu hamil berdasarkan perancangan pada bab sebelumnya, yang
akan dilakukan pengujian terhadap aplikasi tersebut.

BAB V KESIMPULAN DAN SARAN

Bab ini memuat tentang kesimpulan dari pembahasan yang telah
dilakukan dan beberapa saran yang dapat disampaikan.

STMIK ERESHA 5
 BAB II
LANDASAN TEORI DAN KERANGKA PEMIKIRAN

2.1 Tinjauan Pustaka

Dalam penulisan penelitian ini, peneliti banyak menggunakan referensi

tinjauan pustaka yang berhubungan dengan kegiatan ini. Adapun beberapa
referensi yang digunakan sebagai sumber informasi didalam penulisan penelitian
ini diambil dari materi pekuliahan jurnal, makalah, e-book, serta beberapa
penulisan ilmiah yang ada kaitannya dengan pokok pembahasan pada penelitian
ini yaitu : analisis perbandingan metode sistem pakar dengan certainty factor dan
algoritma fuzzy untuk mendiagnosa kesehatan kandungan pada ibu hamil.

Adapun beberapa referensi penelitian yang digunakan sebagai acuan

dalam penulisan penelitian ini antara lain :
1. Penelitian yang dilakukan oleh Rahmad pada tahun 2015 dengan judul
“Analisa Perbandingan Metode Certainty Factor Dan Dempster Shafer Pada
Sistem Pakar Diagnosa Penyakit Diabetes Melitus” membahas tentang sistem
pakar untuk mendiagnosa penyakit diabetes melitus dengan membandingkan
metode certainty factor dan dempster shafer. Pada penelitian ini penentuan
gejala dan nilai kepercayaan berasal dari dokter dan bebagai sumber pustaka.
Jenis penyakit yang dibahas yaitu diabetes melitus tipe 1 , tipe 2 dan
gestasional.
2. Penelitian yang dilakukan oleh Githa pada tahun 2018 dengan judul “Sistem
Pakar Diagnosa Penyakit Mata dengan Fuzzy Logic dan Naïve Bayes”
membahas tentang sistem pakar diagnosa penyakit mata diimplementasikan
berbasis web dengan menggunakan Bahasa Pemrograman PHP dan HTML.
Implementasi fuzzy logic pada aplikasi adalah untuk membantu menghasilkan
jawaban dengan nilai pasti dari nilai tidak pasti yang diberikan oleh pasien

STMIK ERESHA 6
3. Penelitian yang dilakukan oleh Erwin pada tahun 2018 dengan judul “Aplikasi
Perbandingan Metode Dempster Shafer Dengan Metode Certainty Factor
Untuk Mendiagnosa Penyakit Stroke” membahas tentang perbandingan hasil
diagnosis sistem pakar penyakit stroke dengan menggunakan metode dempster
shafer dan certainty factor.
4. Penelitian yang dilakukan oleh Kresna pada tahun 2015 dengan judul
“Penerapan Sistem Pakar Untuk Mendiagnosa Penyakit Pada Kehamilan”
membahas tentang aplikasi sistem pakar dalam bidang kedokteran yang dibuat
dengan proses penelusuran maju (forward chaining) mampu mengenali jenis
penyakit pada manusia, terutama jenis penyakit kehamilan.
5. Penelitian yang dilakukan oleh Ibnu pada tahun 2017 dengan judul “Analisa
Efektifitas Metode Forward Chaining dan Backward Chaining Pada Sistem
Pakar” membahas tentang kefektian kedua metode tersebut dengan melakukan
perbandingan metode-metode tersebut pada satu kasus sistem pakar.
6. Penelitian yang dilakukan oleh Yuwono pada tahun 2017 dengan judul
“Penerapan Metode Forward Chaining dan Certainty Factor Pada Sistem Pakar
Diagnosa Hama Anggrek Coelogyne Pandurata” membahas tenatng sistem
pakar yang memungkinkan pengguna mendiagnosa hama yang menyerang
tanaman anggrek coelogyne pandurata (anggrek hitam kalimantan).
7. Penelitian yang dilakukan oleh Hidayati pada tahun 2018 dengan judul
“Perbandingan Algoritma Naïve Bayes dan C4.5 Untuk Kasifikasi Penyakit
Anak” membahas tentang proses perbandingan algoritma atau metode decision
tree C4.5 dan naïve bayes untuk klasifikasi penyakit anak.
8. Penelitian yang dilakukan oleh Sunardi pada tahun 2018 dengan judul
“Analisis Metode Certainty Factor Pada Sistem Pakar Diagnosa Penyakit
THT” membahas tentang sistem pakar yang dapat membantu tim medis dalam
mendiagnosa suatu penyakit, khususnya penyakit THT berdasarkan gejala-
gejala yang dikeluarkan untuk performa yang lebih baik.
9. Penelitian yang dilakukan oleh Widodo pada tahun 2018 dengan judul “Sistem
Pakar Diagnosa Penyakit Ibu Hamil Menggunakan Metode Certainty Factor”
membahas tentang aplikasi sistem pakar diagnosa penyakit ibu hamil yang
dapat melakukan diagnosa sebuah penyakit dan dapat memberikan informasi

STMIK ERESHA 7
 berupa presentase maksimal, definisi penyakit pencegahan dan juga rujukan
bagi ibu hamil.
10. Penelitian yang dilakukan oleh Usti pada tahun 2018 dengan judul “Analisi
Perbandingan Metode Certainty Factor, Dempster Shafer dan Teorema Bayes
untuk Mendiagnosa Penyakit Inflamasi Dermatitis Imun Pada Anak”
membahas tentang perancangan sebuah sistem E-Healthcare yang khusu
menangani masalah penyakit kulit pada anak yaitu inflamasi dermatitis imun.

2.2 Landasan Teori

2.2.1 Definisi Kehamilan

Kehamilan adalah masa dimulai dari saat konsepsi sampai lahirnya janin.
Lamanya hamil normal adalah 280 hari (40 minggu atau 9 bulan 7 hari) dihitung
dari hari pertama haid terakhir, kehamilan dibagi dalam 3 triwulan/trimester, yaitu
triwulan/trimester pertama dimulai dari konsepsi sampai 3 bulan, trimester kedua
dari bulan keempat sampai 6 bulan, triwulan/trimester ketiga dari bulan ketujuh
sampai bulan kesembilan (Depkes RI, 2007).

Kehamilan matur (cukup bulan) berlangsung kira-kira 40 minggu (280

hari) dan tidak lebih dari 43 minggu (300 hari). Kehamilan yang berlangsung
antara 28 dan 36 minggu disebut kehamilan premature, sedangkan lebih dari 43
minggu disebut kehamilah postmatur (Varney, 2007).

2.2.1.1 Tanda Bahaya Kehamilan

Tanda-tanda bahaya kehamilan adalah tanda-tanda yang mengindikasikan

adanya bahaya yang dapat terjadi selama kehamilan atau periode antenatal, yang
apabila tidak dilaporkan atau tidak terdeteksi bisa menyebabkan kematian ibu.
Tanda bahaya kehamilan perlu diketahui oleh ibu hamil karena apabila tidak
diketahui secara dini dapat mengancam keselamatan ibu maupun janin yang
dikandungnya. Untuk menurunkan angka kematian ibu secara bermakna, kegiatan
deteksi dini ini pelu lebih ditingkatkan baik di fasilitas pelayanan KIA maupun
masyarakat (Salmah, 2006). Macam-macam tanda bahaya kehamilan antara lain
(Varney, 2007):

STMIK ERESHA 8
1. Perdarahan Pervaginam
Perdarahan pervaginam pada kehamilan trimester 1 merupakan hal yang
fisiologis yaitu tanda Hartman pada awal kehamilan, ibu mungkin akan
mengalami bercak pendarahanya yang sedikit atau spotting, perdarahan ini
akibat implantasi dari proses nidasi blastosis ke endometrium yang
menyebabkan perlukaan, hal ini normal terjadi. Pada waktu yang lain dalam
kehamilan, perdarahan ringan mungkin pertanda dari servik yang rapuh atau
erosi. Perdarahan semacam ini mungkin normal atau mungkin suatu tanda
adanya infeksi. Pada awal kehamilan trimester 1, perdarahan yang tidak normal
adalah perdarahan yang berwarna merah, perdarahan yang banyak, atau
perdarahan yang nyeri. Perdarahan ini dapat berarti abortus, kehamilan mola
atau kehamilan ektopi.
2. Sakit kepala yang hebat
Sakit kepala merupakan ketidaknyamanan yang normal dalam kehamilan, sakit
kepala sering dirasakan diawal kehamilan dan umumnya disebabkan oleh
peregangan pembulu darah di otak akibat hormon kehamilan, khususnya
hormon progesterone. Sakit kepala yang terjadi dalam 12 minggu terakhir
sebelum kelahiran berpusat disekitar kening danatas mata. Sakit kepala yang
hebat dalam kehamilan merupakan gejala dari preeklamsi. Gangguan lainnya
yang sering terjadi adalah hipertensi. Penyebab utama hipertensi pada
kehamilan adalah hippertensi esensial dan penyakit ginjal.
3. Masalah pengelihatan
Dikatakan masalah pengelihatan tiba-tiba kabur dan bebayang, gangguan
pengelihatan seperti pengelihatan ganda, seperti melihat titik-titik atau cahaya,
hal ini merupakan gejala dari preeklamasi atau toksemia.
4. Bengkak pada muka dan tangan
Hampir separuh wanita hamil akan mengalami bengkak pada kaki dan tungkai
bawah, pada usai kehamilan 24 minggu ke atas, bengkak ini terjadi karena
penyumbatan yang disebabkan oleh tekana yang menghalangi sirkulasi
jaringan.
5. Nyeri abdomen yang hebat

STMIK ERESHA 9
 Nyeri abdomen yang terjadi pada kehamilan tua biasanya karena adanya
regangan otot ligamen yang mendukung rahim dan hal ini hampir dialami
semua ibu hamil. Gejala ini merupakan gejala dari preeklamsi yang sewaktu
waktu dapat menjadi eklamsi dan dapat membahayakan keselamatan ibu dan
bayinya.
6. Gerakan janin tidak seperti biasa
Ibu mulai merasakan gerakan janin pada minggu ke 18 sampai ke 20 pada
kehamilan pertama atau 2 minggu lebih cepat pada kehamilan kedua. Beberapa
ibu dapat merasakan gerakan bayinya lebih awal. Bay harus bergerak paling
sedikit 3 kali dalam periode 3 jam. Gerakan bayi akan lebih muda terasa jika
ibu berbaring atau beristirahat dan jika ibu makan dan minum yang baik. Jika
ibu tidak merasakan gerakan janin selama 12 jam atau sesudah kehamilan 22
minggu, kemungkinan dapat terjadi solusio plasenta, gawat janin dan kematian
janin.
7. Demam
Adanya demam menunjukan adanya infeksi, hal ini berbahaya bagi ibu
maupun janin, oleh karena itu harus segera mendapat pertolongan dari bidan
atau dokter.
8. Muntah-muntah yang hebat
Rasa mual dan muntah biasanya dialami oleh ibu hamil antara periode pertama
dan kedua terlambat haid. Kejadian mencapai 50%-70%. Tetapi jika keadaan
tersebut berlebihan disebut hipermisis. Hal ini akan menghambat asupan gizi
pada ibu hamil berkurang sehingga kondisi ibu menjadi lemah, dapat
menggangu pertumbuhan dan perkembangan janin.
9. Keluar cairan banyak pervaginam secara tiba-tiba

Cairan ini adalah cairan ketuban, ketuban seharusnya pecah menjelang

persalinan, tetapi jika ketuban keluar sebelum ibu mengalami tanda-tanda
persalinan maka janin dan ibu akan mudah terineksi. Hal ini akan berbahay
baik bagi ibu maupun janin.

STMIK ERESHA 10
2.2.2 Usia

Usia manusia dihitung sejak manusia tersebut lahir sampai meninggal, dengan
kata lain usia adalah satuan yang mengukur keberadaan suatu makhluk itu sejak lahir
sampai makhluk itu mati. Menurut Departemen kesehatan RI tahun 2009, usia dapat
dikategorikan sebagai berikut:

Table 1 Kategori Usia Manusia

Kategori Usia
Balita 0–5
Kanak-Kanak 5 – 11
Remaja Awal 12 – 16
Remaja Akhir 17- 25
Dewasa Awal 26 – 35
Dewasa Akhir 36 – 45
Lansia Awal 46 – 55
Lansia Akhir 56 – 65
Manula 65 Keatas

2.2.3 Suhu Tubuh

Suhu tubuh manusia dapat diukur dengan termometer, setiap manusia

memiliki suhu tubuh yang berbeda, walapun suhu tubuhnya normal, tapi tetap saja
ada perbedaan beberapa derajat. Suhu tubuh merupakan satuan yang mengukur
keseimbangan panas yang diproduksi tubuh dengan panas yang dikeluarkan
tubuh. Berikut ini kategori suhu tubuh manusia menurut usia yang diteliti oleh
Applied Medical Informatics pada tahun 1996:

Table 2 Suhu Tubuh Normal BerdasarkanUsia

Usia Temperatur (ºC)

0 - 3 bulan 37.4
3 - 6 bulan 37.5
6 bulan - 1 tahun 37.6
1 – 3 tahun 37.2
3 – 5 tahun 37
5 – 9 tahun 36.8
9 - 13 tahun 36.7
>13tahun 36.6 – 37.3

Usia dan tubuh memiliki hubungan yang sangat erat. Setelah membaca
dari berbagai sumber penelitian yang ada, maka penulis berasumsi bahwa
hubungan antara usia dan suhu tubuh dapat dituliskan seperti berikut ini:

STMIK ERESHA 11
 Table 3 Hubungan antar Usia dan Suhu Tubuh

Himpunan Usia Suhu Tubuh Normal

Anak X ≤ 11 37.0
Remaja 12 - 25 36.7
Dewasa 26 - 45 36.4
Tua X ≥ 46 36.2

Hubungan usia dan suhu tubuh yang telah diasumsikan sebelumnya akan
digunakan sebagai acuan dalam penelitian ini, selain itu penulis juga merasa perlu
menentukan acuan status kesehatan. Berikut ini asumsi untuk status kesehatan:
Table 4 status kesehatan

Himpunan Status Kesehatan

Sehat Z ≥ 0.6
Tidak Sehat 0.2 ≤ z ≤ 0.5

2.2.4 Konsep Dasar Sistem

Secara sederhana sistem dapat diartikan sebagai suatu kumpulan unsur

atau komponen yang terorganisasi, berinteraksi dan saling tergantung satu sama
lain. Ada dua pendekatan yang dapat dilakukan untuk mendefinisikan sebuah
sistem, yaitu (Hartati, 2010):
1. Tinjauan atas dasar fasilitas ( komponen)
Sistem yaitu kumpulan komponen yang saling berkaitan dan bekerja sama
untuk mencapai suatu tujuan tertentu.
2. Tinjauan atas dasar aktivitas ( prosedur )
Sistem yaitu suatu jaringan kerja dari prosedur-prosedur yang berupa urutan
kegiatan yang saling berhubungan dan bekerjasama untuk mencapai tujuan
tertentu.

2.2.4.1 Klasifikasi Sistem

Sistem dapat diklasifikasikan dari beberapa sudut pandang (Sutabri, 2012),

diantaranya yaitu :

1. Sistem abstrak dan Sistem fisik

STMIK ERESHA 12
 Sistem abstrak adalah sistem yang berupa pemikiran atau ide-ide yang tidak
tampak secara fisik. Sedangkan sistem fisik merupakan sistem yang ada secara
fisik.
2. Sistem Alamiah dan Sistem Buatan Manusia
Sistem alamiah adalah sistem yang terjadi melalui proses alam, tidak dibuat
oleh manusia. Sedangkan sistem buatan manusia merupakan sistem yang
melibatkan hubungan manusia dengan mesin, yang disebut human machine
system.
3. Sistem Deterministik dan Sistem Probabilistik
Sistem yang beroperasi dengan tingkah laku yang dapat diprediksi disebut
sistem deterministik. Sedangkan sistem yang bersifat probabilistik adalah
sistem yang kondisi masa depannya tidak dapat diprediksi, karena mengandung
unsur probabilitas.
4. Sistem Terbuka dan Sistem Tertutup

Sistem tertutup merupakan sistem yang tidak berhubungan dan tidak

terpengaruh oleh lingkungan luarnya. Sistem ini bekerja secara otomatis tanpa
ada campur dari pihak luar. Sedangkan sistem terbuka adalah sistem yang
berhubungan dan dipengaruh oleh lingkungan luarnya yang menerima masukan
dan menghasilkan keluaran untuk subsistem lainnya.

2.2.4.2 Karakteristik Sistem

Sebuah sistem mempunyai karakteristik atau sifat-sifat tertentu yang

mencirikan bahwa hal tersebut bisa dikatakan sebagai suatu sistem (Sutrabi,
2012), yaitu :
1. Komponen sistem (Componens)
Sistem terdiri dari sejumlah komponen yang saling berinteraksi dan bekerja
sama membentuk satu kesatuan.
2. Batasan sistem (Boundary)
Merupakan daerah yang membatasi antara sistem dengan sistem lainnya atau
sistem dengan lingkungan luarnya. Dengan batasan ini, sistem dipandang
sebagai satu kesatuan.
3. Lingkungan luar sistem (Environment)

STMIK ERESHA 13
 Merupakan bentuk apapun yang berada di luar ruang lingkup yang
mempengaruhi operasi sistem.
4. Penghubung sistem (Interface)
Merupakan sebagai media yang menghubungkan sistem dengan sub sistem.
Penghubung ini memungkinkan sumber-sumber daya mengalir dari suatu sub
sistem ke sub sistem lain.
5. Masukan sistem (Input)
Merupakan energi yang dimasukkan ke dalam sistem, yang dapat berupa
pemeliharaan (maintenance input) dan signal (signal input).
6. Keluaran sistem (Output)
Merupakan hasil dari energi yang diolah dan diklasifikasikan menjadi keluaran
yang berguna.
7. Pengolah sistem (Process)
Merupakan proses yang mengubah masukan menjadi keluaran.
8. Sasaran sistem (Objective)
9. Suatu sistem harus mempunyai tujuan dan sasaran, kalau tidak maka operasi
sistem tidak akan ada gunanya.

2.2.5 Sistem Pakar

2.2.5.1 Definisi Sistem Pakar

Sistem pakar merupakan salah satu bidang kecerdasan buatan (Artifical

Intelegence), definisi sistem pakar itu sendiri adalah sebuah program komputer
yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh
seorang pakar, dimana sistem pakar menggunakan pengetahuan (knowladge),
fakta dan teknik berfikir dalam menyelesaikan masalah-masalah yang biasanya
hanya dapat diselesaikan oleh seorang pakar dari bidangnya (Trisulistyo, 2014).
Sistem pakar juga dapat diartikan sebagai sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer yang dirancang untuk
memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar
(Noviyanto, 2014). Dengan sistem pakar ini, orang awam pun dapat
menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi

STMIK ERESHA 14
berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli
dibidangnya. Sistem pakar ini juga akan dapat membantu aktivitas paramedis.

2.2.5.2 Ciri-ciri Sistem Pakar

Suatu sistem (Kusrini, 2010) dapat dikatakan sebagai sebuah sistem pakar
apabila sistem tersebut memiliki ciri-ciri sebagai berikut :
1. Terbatas pada domain keahlian tertentu.
2. Dapat memberikan penalaran untuk data-data yang tidak pasti.
3. Dapat mengemukakan rangkaian alasan-alasan yang diberikannya dengan cara
yang dapat dipahami.
4. Berdasarkan pada kaidah atau rule tertentu.
5. Dirancang untuk dikembangkan secara bertahap.
6. Keluarannya bersifat anjuran.

2.2.5.3 Keuntungan Sistem Pakar

Hal yang dapat membuat sistem pakar menarik untuk dikembangkan
(Harto, 2013) adalah keuntungan yang didapatkan dari membangun sistem
tersebut. Berikut keuntungan dari sistem pakar, antara lain :
1. Menjadikan pengetahuan dan nasehat lebih mudah diperoleh.
2. Meningkatkan output dan produktifitas.
3. Menyimpan kemampuan dan keahlian pakar.
4. Meningkatkan relibilitas.
5. Memberikan respon yang cepat.
6. Merupakan panduan yang cerdas.
7. Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidak
pastian.

2.2.5.4 Kelemahan Sistem Pakar

Sama seperti sistem-sistem yang lain, sistem pakar juga memiliki

kelemahan (Harto, 2013), yaitu :

STMIK ERESHA 15
1. Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu
bisa didapatkan dengan mudah.
2. Untuk membuat sistem pakar yang memiliki kualitas yang tinggi sangat sulit
dan memerlukan biaya yang sangat besar untuk pengembangan dan
pemeliharaannya.
3. Sistem pakar tidaklah 100% menguntungkan, oleh karena itu perlu di uji ulang
secara teliti sebelum digunakan.

Kelemahan-kelemahan diatas bukanlah tidak dapat diatasi, tetapi dengan

terus melakukan perbaikan dan pengolahan berdasarkan pengalaman yang telah
ada maka hal ini dapat diyakini akan teratasi. Walaupun membutuhkan waktu
yang lama dan terus-menerus.

2.2.5.5 Komponen Sistem Pakar

Menurut (Harto, 2013) sebuah program sistem pakar terdiri atas

komponen-komponen sebagai berikut :
1. Sub sistem penambah pengetahuan (Akuisisi Pengetahuan)
Akuisisi Pengetahuan adalah akumulasi, transfer dan transformasi keahlian
dalam menyelesaikan masalah dari sumber pengetahuan kedalam program
komputer. Dalam tahap ini perekayasaan pengetahuan untuk selanjutnya
ditransfer kedalam basis pengetahuan. Pengetahuan diperoleh dari seorang
pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman
pemakai.
2. Basis pengetahuan (Knowadge Base)
Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami,
memformulasikan dan menyelesaikan masalah. Basis pengetahuan merupakan
bagian yang sangat penting dalam proses inferensi, yang didalamnya
menyimpan informasi dan aturan-aturan penyelesaian suatu pokok bahasan
masalah beserta atributnya. Pada prinsipnya, basis pengetahuan mempunyai
dua komponen yaitu fakta-fakta dari aturan-aturan.
3. Mesin Inferensi (Inference Engine)

STMIK ERESHA 16
 Yaitu, program yang berisi metodeologi yang digunakan untuk melakukan
penalaran terhadap informasi-informasi dalam basis pengetahuan dan
blackboard, serta digunakan untuk memformulasikan konklusi.
4. Workplace / Blackboard
Merupakan area dari sekumpulan memori kerja. Workplace digunakan untuk
merekam kejadian yang sedang berlangsung termasuk keputusan sementara.
5. Antar Muka (User interface)
Digunakan untuk media komunikasi antar user dan program. Menurut Mc Leod
(1995), pada bagian ini terjadi antara program dan pemakai, yang
memungkinkan sistem pakar menerima instruksi dan informasi dari pemakai,
juga memberikan informasi kepada pemakai.
6. Sub Sistem Penjelasan (Explantion Facility)
Explantion Facility memungkinkan pengguna untuk mendapatkan penjelasan
dari hasil konsultasi. Fasilitas penjelasan diberikan untuk menjelaskan
bagaimana proses penarikan kesimpulan, biasanya dengan cara
memperlihatkan rule yang digunakan.
7. Perbaikan Pengetahuan (Knowladge Refinement)
Sistem ini digunakan untuk mengevaluasi kinerja sistem pakar itu sendiri untuk
melihat apakah pengetahuan-pengetahuan yang ada masih berguna di masa
mendatang.

2.2.5.6 Certainty Factor

Dalam aplikasi sistem pakar ini terdapat suatu metode untuk

menyelesaikan masalah ketidak pastian data, salah satu metode yang dapat
digunakan adalah faktor kepastian (certainty factor) (Harto, 2013). Faktor
keyakinan diperkenalkan oleh Shortliffe Buchana dalam pembuatan MYCIN
(Wesley). Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan
MYCIN untuk menunjukan besarnya kepercayaan. Ada dua macam faktor
kepastian yang digunakan, yaitu faktor kepastian yang diisikan oleh pakar
bersama dengan aturan dan faktor kepastian yang diberikan oleh pengguna.

Ada dua tahap model yang sering digunakan untuk menghitung tingkat
keyakinan (CF) dari sebuah aturan yaitu :

STMIK ERESHA 17
1. Dengan menggali dari hasil wawancara dengan pakar. Nilai CF didapat dari
interpresentasi keyakinan dari pakar menjadi nilai MD atau MB tertentu yang
dapat digunakan untuk menghitung nilai CF dari suatu aturan.
2. Menggunakan metode perhitungan. Faktor kepastian menunjukan ukuran
kepastian suatu fakta atau aturan.

CF(H,E)=MB(H,E)-MD(H,E)

CF(H,E): Nilai yang menggambarkan “Net Level” dari kepercayaan pada suatu
hipotesis H berdasarkan informasi yang diberikan yang dipengaruhi
oleh gejala (Evicence) E. Besarnya CF berkisar antara -1 sampai
dengan 1. Nilai -1 menunjukan ketidakpercayaan mutlak sedangkan
nilai 1 menunjukan kepercayaan mutlak.
MB(H,E) Nilai yang menggambarkan ukuran tingkatan kepercayaan pada
hipotesis H berdasarkan fakta atau eviden E (0≤MB≤1).
MD(H,E ) Nilai yang menggambarkan ukuran tingkatan ketidakpercayaan pada
hipotesis H berdasarkan fakta atau eviden E (0≤MD≤1).
Table 5 Nilai Interpretasi Dari Certainty Factor menurut MYCIN

Definitely Not (Pasti tidak) -1.0

Almost Certainly not (hampir pasti tidak) -0.8
Probably not (Kemungkinan besar tidak) -0.6
Maybe not(mungkin tidak) -0.4
Unknown (tidak tahu) -0.2 to 0.2
Maybe (mungkin) 0.4
Probably (kemungkinan besar) 0.6
Almost certainy not (hampir pasti) 0.8
Definitely (pasti) 1.0

Untuk perhitungan CF dari suatu hipotesis berdasarkan beberapa evidance

yang dikombinasikan, maka :

MB [H,e1^e2]=MB[h,e1]+MB[h,e2]*(1-MB[h,e1])

MD[h,e1^e2]=MD[h,e1]+MD[h,e2]*(1-MD[h,e1])

CF [h,e1^e2]=h,e1^e2-MD[h,e1^e2]

STMIK ERESHA 18
2.2.6 Logika Fuzzy

Logika Fuzzy adalah peningkatan dari logika Boolean yang mengenalkan

konsep kebenaran sebagian. Dimana logika klasik menyatakan bahwa segala hal
dapat diekspresikan dalam istilah binary (0 atau 1 hitam atau putih, ya atau tidak),
logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran (Niki,
2019). Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat
keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti
seperti “sedikit”, “lumayan”, dan “sangat”.

Pada himunan tegas (crisp set), nilai keanggotaan suatu item x dalam suatu
himpunan A memiliki 2 kemungkinan:
1. Satu (1), artinya x adalah anggota A

2. Nol (0), artinya x bukan anggota A

2.2.6.1 Algoritma Metode Fuzzy

Metode penalaran secara monoton digunakan sebagai dasar untuk teknik

implikasi fuzzy. Meskipun ppenalaran ini sudah jarang sekali digunakan, namun
kadang masih digunakan untuk penskalaan fuzzy. Jika 2 variabel fuzzy direlasikan
dengan implikasi sederhana sebagai berikut:

If x is A Then Y is B

atau y=f((x,A),B)

Maka sistem fuzzy dapat berjalan tanpa harus melalui komosisi dan
dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari nilai
keanggotaan yang berhubungan dengan antesendennya.

2.2.6.2 Fuzzy Tsukamoto

Pada metode fuzzy Tsukamoto, proses inferensi dilakukan dengan aturan

(rule) berbentuk IF-THEN dan menggunakan operasi AND, dimana akan dipilih
nilai yang lebih minimum (MIN) dari dua variabel yang ada. Data keluarandari
proses inferensi dikenal a_predikat yang akan dihasilkan sebanyakaturan yang
telah ditentukan.

STMIK ERESHA 19
 Hasil dari perhitungan metode ini dilakukan dengan mencari nilai Z yang
bergantung pada nilai-nilai a_predikat sebelumnya. Berikut ini persamaan mencari
nilai Z:

Z=
∝ pred 1∗z 1+ ∝ pred 2∗z 2+ ∝ pred 3∗z 3+…
∝ pred 1+ ∝ pred 2+∝ pred 3+ …
2.2.7 Pengembangan Sistem

2.2.7.1 Sistem Berorientasi Object Oriented Programming (OOP)

Sebuah sistem yang dibangun dengan berdasarkan motode berorientasi

objek adalah sebuah sistem yang komponennya dibungkus (enkapsulasi) menjadi
kelompok data dan fungsi. Setiap komponen dalam sistem tersebut dapat
mewarisi atribut dan sifat dari komponen lainnya, dan dapat berinteraksi satu
sama lainnya (Nurcahyo, 2013). Karakteristik atau sifat-sifat yang dipunyai
sebuah sistem berorientasi objek adalah:
1. Abstraksi
Prinsip untuk merepresentasikan dunia nyata yang kompleks menjadi satu
bentuk model yang sederhana dengan mengabaikan aspek-aspek lain yang
tidak sesuai dengan permasalahan.
2. Enkapsulasi
Pembungkusan atribut data dan layanan (operasi-operasi) yang dipunyai objek,
untuk membunyikan implementasi dari objek sehingga objek lain tidak
mengetahui cara kerjanya.
3. Pewarisan (inheritance)
Mekanisme yang memungkinkan satu objek (baca: kelas) mewarisi sebagian
atau seluruh definisi dari objek lain sebagai bagian dari dirinya.
4. Reusability
Pemanfaatan kembali objek yang sudah didefinisikan untuk suatu
permasalahan pada permasalahan lainnya yang melibatkan objek tersebut.
5. Generalisasi dan Spesialisasi
Menunjukkan hubungan antara kelas dan objek yang umum dengan kelas dan
objek yang khusus.

STMIK ERESHA 20
6. Komunikasi antar Objek
Komunikasi antar objek dilakukan lewat pesat (message) yang dikirim dari satu
objek ke objek lainnya.
7. Polymorphism
Skill suatu objek untuk digunakan di banyak tujuan yang berbeda dengan nama
yang sama sehingga menghemat baris program.

2.2.7.2 Model Pengembangan Sistem

Secara garis besar model pengembangan sistem menurut (Harto, 2013),

terlihat seperti gambar berikut ini:

Gambar 1 Model Sistem Pakar

STMIK ERESHA 21
 Adapun model pengembangan sistem ini menggunakan sistem pakar.
Secara garis besar pengembangan sistem pakar adalah sebagai berikut:
1. Mengidentifikasikan masalah dan keutuhan. Mengkaji situasi dan memutuskan
dengan pasti tentang masalah yang akan dikomputerisasi dan apakah dengan
sistem pakar bisa lebih membantu atau tidak.
2. Menentukan masalah yang cocok. Ada beberapa syarat yang harus dipenuhi
a. agar sistem pakar dapat bekerja dengan baik, yaitu:
b. Domain malasah tidak terlalu luas.
c. Kompeksitasnya menengah, artinya jika masalah terlalu mudah tidak perlu
menggunakan sistem pakar.
d. Tersedianya ahli.
e. Menghasilkan solusi mental bukan fisik, artinya sistem pakar hanya
memberikan anjuran tidak bisa melakukan aktivitas fisik seperti membau
atau merasakan.
f. Tidak melibatkan hal-hal yang bersifat common sense, yaitu penalaran yang
diperoleh dari pengalaman, seperti: jika lampu lalu lintas merah maka
kendaraan harus berhenti.
3. Mempertimbangkan alternatif. Dalam hal ini ada dua alternatif yaitu
menggunakan sistem pakar atau komputer tradisional.
4. Menghitung pengambilan investasi. Termasuk antaranya: biaya pembuatan
sistem pakar, biaya pemeliharaan dan biaya pelatihan.
5. Memilih alat pengembangan. Bisa digunakan pembuat sistem pakar (seperti
SHELL) atau dirancang dengan bahasa pemograman sendiri (misalnya dengan
menggunakan PROLOG).
6. Merancang sistem. Bagian ini termasuk pembuatan prototype, serta
menterjemahkan pengetahuan menjadi aturan-aturan.
7. Melengkapi pengembangan. Termasuk pengembangan prototype apabila
sistem yang telah ada sesuai dengan keinginan.
8. Menguji dan mencari kesalahan sistem.
9. Memelihara sistem. Harus memperbaharui pengetahuan, mengganti
pengetahuan yang sudah ketinggalan dan meluweskan sistem agar bisa lebih
baik lagi dalam menyelesaikan masalah.

STMIK ERESHA 22
2.2.7.3 Perancangan Basis Data

Basis data merupakan tempat untuk menyimpan data. Pada sebuah basis
data bisa terdapat satu atau lebih tabel dan query. Operasi yang biasanya
dilakukan pada basis data berhubungan erat dengan pengaksesan tabel atau query
(Sumarlinda, 2016).

2.2.7.3.1 Basis Data Model Relasional

Model basis data ini menjelaskan kepada pemakai tentang hubungan logik
antar data dalam basis data dengan cara memvisualisasikan ke dalam bentuk tabel-
tabel dua dimensi yang terdiri dari sejumlah baris dan kolom yang menunjukan
atribut-atribut. Model data relasional meletakkan pada dasar teori yang
memungkinkan model ini menyediakan suatu dasar untuk banyak operasi dengan
mengadakan relasi antar data dalam bentuk yang berbeda-beda. Karakteristik-
karakteristik dalam basis data relasional antara lain :
1. Semua entry atau elemen data pada suatu baris dan kolom tertentu harus
mempunyai nilai tunggal (single value), atau suatu nilai yang tidak dapat dibagi
lagi (atomic value).
2. Semua entry atau elemen data pada suatu kolom tertentu dalam relasi yang
sama harus mempunyai jenis yang sama.
3. Masing-masing kolom dalam suatu relasi mempunyai suatu nama yang unik
(meskipun kolom-kolom dalam relasi yang berbeda diijinkan mempunyai nama
yang sama).
4. Pada suatu relasi atau tabel yang sama tidak ada dua baris yang identik.
5. Urutan baris bebas.
6. Urutan kolom bebas.

2.2.7.3.2 Entity Relationship Diagram (ERD)

Model Entity-Relationship yang berisi komponen-komponen himpunan

entitas dan himpunan relasi yang masing-masing dilengkapi dengan atribut-atribut
yang merepresentasikan seluruh fakta dari dunia nyata yang kita tinjau, dapat

STMIK ERESHA 23
digambarkan lebih sistematis dengan menggunakan Diagram Entity Relationship
(Diagram E-R). Berikut notasi dan komponen dalam entity relationship diagram.

Table 6 Notasi dan Komponen ERD

Notasi Komponen Keterangan

Individu yang mewakili suatu

Entitas objek dan dapat dibedakan dengan
objek lain

Properti yang dimiliki oleh suatu

Atribut entitas, dimana dapat
mendeskripsikan karakteristik dari
entitas tersebut
Menunjukan hubungan diantara
Relasi sejumlah entitas yang berbeda.

Relasi yang menunjukan bahwa

setiap entitas pada himpunan
Relasi 1:1 entitas pada himpunan entitas
pertama berhubungan dengan
paling banyak satu entitas pada
himpunan entitas kedua.
Relasi yang menunjukan bahwa
hubungan antara entitas pertama
dengan entitas kedua adalah satu
Relasi 1:N banding banyak atau sebaliknya.
Setiap entitas dapat berelasi
dengan banyak entitas lain.

STMIK ERESHA 24
 Hubungan ini menunjukan bahwa
setiap entitas pada himpunan
entitas yang pertama dapat
Relasi N:N berhubungan dengan banyak
entitas yang kedua, demikian juga
sebaliknya

Diagram ER selalu dibuat bertahap. Paling tidak ada dua kelompok

pertahapan yang bisa ditempuh di dalam pembutan Diagram ER, yaitu :
1. Tahapan pembuatan Diagram ER awal (preliminary design)
Pada tahap pertama, langkah-langkah teknis yang dilakukan untuk
menghasilkan Diagram ER awal adalah :
a. Mengidentifikasi dan menetapkan seluruh himpunan entitas yang akan
terlibat.
b. Menentukan atribut-atribut key dari masing-masing himpunan entitas.
c. Mengidentifikasi dan menetapkan seluruh himpunan relasi diantara
himpunan entitas himpunan entitas yang ada beserta foreign-key nya.
d. Menentukan derajat atau kardinalitas relasi untuk setiap himpunan relasi.
e. Melengkapi himpunan entitas dan himpunan relasi dengan atribut-atribut
deskripsi (non key).

Gambar 2 Deskripsi Pembuatan ERD

2. Tahapan optimasi Diagram ER (final design)

Pada tahap kedua ditempuh dengan melakukan koreksi terhadap hasil tahap
pertama. Bentuk-bentuk koreksi yang terjadi bisa berupa pendekomposisian

STMIK ERESHA 25
 himpunan entitas, penggabungan himpunan entitas pengubah derajat relasi,
penambah relasi baru hingga perubahan (penambahan dan pengurangan)
atribut-atribut untuk masing-masing entitas dan relasi.

2.2.7.3.3 Kardinalitas / Derajat Relasi

Kardinalitas relasi menunjukan jumlah maksimum entitas yang dapat

berelasi dengan entitas pada himpunan entitas yang lain. Kardinalitas relasi
merujuk kepada hubungan maksimum yang terjadi dari himpunan entitas yang
satu ke himpunan entitas yang lain dan begitu juga sebaliknya.

Kardinalitas relasi yang terjadi di antara dua himpunan entitas (misalnya A

dan B) dapat berupa :
1. Satu ke satu (one to one)
Setiap entitas pada himpunan entitas A berhubungan dengan paling banyak
dengan satu entitas pada himpunan entitas B, dan begitu juga sebaliknya setiap
entitas pada himpunan entitas B berhubungan paling banyak dengan satu
entitas pada himpunan entitas A.

Gambar 3 Kardinalitas Relasi Satu ke Satu

2. Satu ke banyak (one to many)

Setiap entitas pada himpunan entitas A dapat berhubungan dengan banyak
entitas pada himpunan entitas B, tetapi tidak sebaliknya, dimana setiap entitas
pada himpunan entitas B berhubungan dengan paling banyak dengan satu
entitas pada himpunan entitas A.

STMIK ERESHA 26
 Gambar 4 Kardinalitas Banyak ke Satu

3. Banyak ke banyak (many to many)

Setiap entitas pada himpunan entitas A dapat berhubungan dengan banyak
entitas pada himpunan entitas B, dan demikian juga sebaliknya, dimana setiap
entitas pada himpunan entitas B dapat berhubungan dengan banyak entitas
pada himpunan entitas A.

Gambar 5 Kardinalitas Relasi Banyak ke Banyak

2.2.7.3.4 Transformasi ERD ke Logical Record Structure (LRS)

Transformasi ERD ke LRS adalah suatu kegiatan untuk membentuk data-

data dari diagram hubungan entitas ke suatu LRS. Aturan-aturan dalam
melakukan transformasi ERD ke Logical Record Structure adalah sebagai berikut:
1. Setiap entity akan diubah kebentuk sebuah kotak dengan nama entity berada
diluar kotak dan atribut berada dalam kotak.
2. Sebuah relasi kadang disatukan dalam sebuah kotak bersama entity, kadang
dipisah dalam sebuah kotak tersendiri.

2.2.7.3.5 Logical Record Structure (LRS)

STMIK ERESHA 27
 LRS (Logical Record Structure) adalah representasi dari struktur record-
record pada tabel-tabel yang terbentuk dari hasil antar himpunan entitas yang
menentukan kardinalitas, jumlah table dan foreign Key (FK).

LRS sendiri dari link-link diantara tipr record yang menunjukkan arah dari
satu tipe ke tipe record lainnya. Banyak link dari LRS mulai dengan
menggunakan model yang dimengerti. Dua metode yang dapat digunakan,
dimulai dengan hubungan kedua model yang dapat dikonversikan ke LRS.
Metode yang lainnya dimulai dengan ERD dan langsung dikonversikan ke LRS.

Gambar 6 Logical Record Structure (LRS)

2.2.7.4 Unified Modeling Language (UML)

Pada perkembangan pemograman berorientasi objek, munculah sebuah

standarisasi pemodelan untuk pembangunan perangkat lunak yang dibangun
dengan menggunakan teknik pemrograman berorientasi objek yaitu Unified
Modeling Language (UML) (Shalahudin & Rosa A.S, 2013).

UML muncul karena adanya kebutuhan pemodelan visual untuk

menspesifikasikan, menggambarkan, membangun dan dokumentasi dari sistem
perangkat lunak. UML merupakan bahasa visual sebuah sistem dengan
menggunakan diagram dan teks-teks pendukung.

Dari penjelasan diatas, dapat disimpulkan bahwa Unified Modeling

Language (UML) adalah salah satu perangkat pemodelan dalam bentuk grafik dan
teks-teks yang digunakan untuk menguraikan sistem perangkat lunak dengan
bahasa pemograman berorientasi objek menjadi bagian-bagian yang dapat diatur

STMIK ERESHA 28
untuk mengkomunikasikan konseptual dan funsional kepada pengamat. Berikut
ini adalah beberapa diagram UML :

2.2.7.4.1 Use Case Diagram

Use case diagram adalah gambaran graphical dari beberapa atau semua
actor, use case, dan interaksi diantara komponen-komponen tersebut yang
memperkenalkan suatu sistem yang akan dibangun. Use case diagram
menjelaskan manfaat suatu sistem jika dilihat menurut pandangan orang yang
berada diluar sistem. Diagram ini menunjukan fungsionalita suatu sistem atau
kelas dan bagaimana sistem tersebut berinteraksi dengan dunia luar.

Use case diagram dapat digunakan selama proses analisis untuk

menangkap requrement sistem dan untuk memahami bagaimana sistem
seharusnya bekerja. Selama tahap desain, use case diagram berperan untuk
menetapkan perilaku (behavior) sistem saat diimplementasikan. Dalam sebuah
model mungkin terdapat satu atau beberapa use-case diagram. Kebutuhan atau
requirements system adalah fungsionalisasi apa yang harus disediakan oleh sistem
kemudian didokumentasikan pada model use-case yang menggambarkan fungsi
sistem yang diharapkan (use-case), dan yang mengelilinginya (actor), serta
hubungan antara actor dengan use-case (use case Diagram) itu sendiri. Adapun
simbol-simbol yang digunakan dalam pemodelan use case sebagai berikut :

Table 7 Simbol use case diagram

Nama Simbol Keterangan

Actor Menspesifikasikan himpuan peran yang
pengguna mainkan ketika berinteraksi
dengan use case

Sistem Menspesifikasikan paket yang

menampilkan sistem secara terbatas

Use Case Deskripsi dari urutan aksi-aksi yang

ditampilkan sistem yang menghasilkan
suatu hasil yang terukur bagi suatu
aktor

STMIK ERESHA 29
 Nama Simbol Keterangan
Collaboration Interaksi aturan-aturan dan elemen lain
yang bekerja sama untuk menyediakan
prilaku yang lebih besar dari jumlah dan
elemen-elemennya

Note Elemen fisik yang eksis saat aplikasi

dijalankan dan mencerminkan suatu
sumber daya komputasi

Dependency Hubungan dimana perubahan yang

terjadi pada suatu elemen mandiri akan
mempengaruhi elemen yang
bergantung padanya elemen yang tidak
mandiri

Generalization Hubungan dimana objek anak

(descendent) berbagi perilaku dan
struktur data dari objek yang ada di
atasnya objek induk (ancestor).

Include Menspesifikasikan bahwa use case

sumber secara eksplisit

Extend Menspesifikasikan bahwa use case

target memperluas perilaku dari use
case sumber pada suatu titik yang
diberikan

Association menghubungkan antara objek satu

dengan objek lainnya

2.2.7.4.2 Activity Diagram

Activity diagram menggambarkan berbagai alir aktivitas dalam sistem

yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang

STMIK ERESHA 30
mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram juga dapat
menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi.

Activity diagram merupakan state diagram khusus, dimana sebagian besar

state adalah action dan sebagian besar transisi di-trigger oleh selesainya state
sebelumnya (internal processing). Oleh karena itu activity diagram tidak
menggambarkan behavior internal sebuah sistem (dan interaksi antara subsistem)
secara eksas, tetapi lebih menggambarkan proses-proses dan jalur-jalur aktivitas
dari level atas secara umum.

Table 8 Simbol-Simbol Activity Diagram

Simbol Deskripsi
 Status Awal  Status awal diartikan sebagai sistem
sebuah diagram aktifitas memiliki
sebuah status awal.

Akifitas Aktifitas yang di lakukan sistem

aktifitas biasanya diawali dengan
kata kerja.

 Percabangan / Decision  Asosiasi percabangan dimana jika

ada pilihan aktifitas lebih dari satu

Penggabungan /Join  Asosiasi penggabungan dimana

lebih dari satu aktifitas digabungkan
jadi satu

Status akhir  Status Akhir yang dilakukan sistem,

sebuah diagram aktifitas memiliki
sebuah status akhir

Swimlane Memisahkah organisasi bisnis yang

bertanggung jawab terhadap

STMIK ERESHA 31
 Simbol Deskripsi
aktifitas yang terjadi.

Fork Digunakan untuk menunjukan

kegiatan yang dilakukan secara
parallel
 

  Join  Digunakan untuk menunjukan

kegiatan yang digabungkan

2.2.7.4.3 Sequence Diagram

Sequence diagram mendeskripsikan bagaimana entitas dalam system

berinteraksi (Niki, 2013), termasuk pesan yang digunakan saat interaksi. Semua
pesan dideskripsikan dalam urutan dari eksekusi. Sequence diagram berhubungan
erat dengan use case diagram, dimana 1 use case akan menjadi 1 sequence
diagram.
Table 9 Simbol sequence Diagram

Nama Simbol
` Keterangan

Menggambarkan seseorang atau sesuatu

yang berinteraksi dengan sistem
Actor

Menggambarkan interaksi antara satu

Boundary
atau lebih actor dengan sistem

Menangani tugas utama dan mengontrol

Control alur kerja suatu sistem

Menggambarkan informasi yang

disimpan oleh sistem (database)
Entity

STMIK ERESHA 32
 komunikasi antar objek yang memuat
informasi tentang aktifitas yang terjadi
Message

Menggambarkan pesan/hubungan objek

Self-massage
itu sendiri

2.2.7.4.4 Class Diagram

Class diagram adalah sebuah class yang menggambarkan struktur dan

penjelasan class, paket, dan objek serta hubungan satu sama lain seperti
containment, pewarisan, asosiasi, dan lain-lain. Class diagram juga menjelaskan
hubungan antara class dalam sebuah sistem yang sedang dibuat dan bagaimana
caranya agar mereka saling berkolaborasi untuk mencapai sebuah tujuan (Niki,
2013).

Table 10 Simbol Class Diagram

No Gambar Nama Keterangan

1 Generalization Hubungan dimana objek anak
(descendent) berbagi perilaku dan
struktur data dari objek yang ada di
atasnya objek induk (ancestor).

2 Nary Upaya untuk menghindari asosiasi

Association dengan lebih dari 2 objek.

3 Class Himpunan dari objek-objek yang

berbagi atribut serta operasi yang
sama.

4 Collaboration Deskripsi dari urutan aksi-aksi yang

ditampilkan sistem yang

STMIK ERESHA 33
 menghasilkan suatu hasil yang
terukur bagi suatu aktor

5 Realization Operasi yang benar-benar dilakukan

oleh suatu objek.

6 Dependency Hubungan dimana perubahan yang

terjadi pada suatu elemen mandiri
(independent) akan mempegaruhi
elemen yang bergantung padanya
elemen yang tidak mandiri

7 Association Apa yang menghubungkan antara

objek satu dengan objek lainnya

2.2.8 Perangkat Lunak Pendukung

2.2.8.1 HTML

HTML mempunyai kepanjangan Hyper Text Markup Language, yaitu

suatu bahasa pemrograman hyper text. Html ini memiliki fungsi untuk
membangun kerangka ataupun format web berbasis html. HTML bisa disebut
bahasa yang digunakan untuk menampilkan dan mengelola hypertext. Menurut
sumber yang penulis kutip dari Wikipedia, html digunakan untuk menampilkan
berbagai informasi di dalam sebuah penjelajah web internet dan formatting
hypertext sederhana yang ditulis ke dalam berkas format ASCII agar dapat
menghasilkan tampilan wujud yang terintegrasi. HTML mempunyai dua macam
ekstensi. Ekstensi tersebut adalah htm dan html (Agus, 2012 : 2).

2.2.8.2 PHP

PHP atau yang memiliki kepanjangan PHP Hypertext Preprocessor,

merupakan suatu bahasa pemrograman yang difungsikan untuk membangun suatu
website dinamis. PHP menyatu dengan kode HTML, maksudnya adalah beda
kondisi. Html digunakan sebagai pembangun atau pondasi dari kerangka layot

STMIK ERESHA 34
web, sedangkan PHP difungsikan sebagai prosesnya, sehingga dengan adanya
PHP tersebut, sebuah web akan sangat mudah di maintenance (Agus, 2012 : 3).

PHP ini bersifat open source sehingga dapat dipakai secara Cuma-Cuma
dan mampu lintas platform, yaitu dapat berjalan pada sistem operasi Windows
maupun Linux. PHP juga dibangun sebagai modul pada web server apache dan
sebagai binary yang juga dapat berjalan sebagai CGI.

2.2.8.3 MYSQL

Mysql bukan termasuk bahasa pemrograman. Mysql merupakan salah satu

database populer dan mendunia. Mysql bekerja menggunakan SQL Language. Itu
dapat diartikan bahwa mysql merupakan standar penggunaan database didunia
untuk pengolahan data. Pada umumnya, perintah yang paling sering digunakan
dalam mysql adalah SELECT (mengambil), INSERT (menambah), UPDATE
(mengubah), dan DELETE (menghapus). Selain itu, SQL juga menyediakan
perintah untuk membuat database, field, ataupun index untuk menambah atau
menghapus data (Agus, 2012 : 7).

2.2.8.4 XAMPP

XAMPP adalah sebuah software web server apache yang didalamnya

sudah tersedia database server MySQL dan dapat mendukung pemrograman PHP.
XAMPP merupakan software yang mudah digunakan, garis dan mendukung
instalasi di Linux dan Windows. Keuntungan lainnya adalah Cuma menginstal
satu kali sudah tersedia Apache Web Server, MySQL Database Server, PHP
(Niki, 2013).

STMIK ERESHA 35
 Gambar 7 XAMPP

2.2.8.5 Matlab

(Matrix Laboratory) adalah sebuah lingkungan komputasi numerikal dan

bahasa pemrograman komputer generasi keempat. Dikembangkan oleh The
MathWorks, MATLAB memungkinkan manipulasi matriks, pem-plot-an fungsi
dan data, implementasi algoritma, pembuatan antar muka pengguna, dan peng-
antarmuka-an dengan program dalam bahasa lainnya.

2.3 Kerangka Pemikiran

Kerangka pemikiran dari penelitian ini dapat dilihat dari gambar dibawah
ini:

STMIK ERESHA 36
 Gambar 8 Kerangka Pemikiran

Deskripsi kerangka pemikiran adalah sebagai berikut :

1) Identifikasi masalah dilakukan pengamatan berdasarkan permasalahan sesuai
kebutuhan data yang diterima untuk kasus diagnosa kesehatan pada ibu hamil.
2) Pada pengembangan desain model terdapat beberapa model pengembangan
sistem diantaranya : prototype, waterfall, spiral modeling dan RAD.
3) Pada penelitian ini menggunakan model prototype.
4) Evaluasi prototype dilakukan mengevaluasi kebutuhan sistem dan data
berdasarkan kebutuhan diagnosa kesehatan pada ibu hamil.
5) Pengcoddingan sistem dilakukan dalam pembuatan aplikasi terhadap sistem
yang dibutuhkan.
6) Pengujian sistem dilakukan untuk menguji aplikasi yang sudah dibuat.
7) Pengujian alfa & beta adalah tahap pengujian tampilan aplikasi dan
pengambilan data uji koesioner.
8) Evaluasi sistem adalah mengevaluasi sistem yang sudah dilakukan pengujian.
9) Implementasi sistem adalah penerapan sistem dalam permasalahan diagnosa
kesehatan pada ibu hamil.

STMIK ERESHA 37
 BAB III
METODE PENELITIAN

3.1 Metode Penelitian

3.1.1 Analisa Sistem Lama

Pada saat ini, beberapa teknisi mengalami kesulitan dalam hal

mendiagnosa kesehatan kandungan pada ibu hamil, dikarenakan dalam mengatasi
permasalahan pada kesehatan kandungan ibu hamil masih membutuhkan waktu
yang tidak cukup lama untuk mendiagnosa kesehatan kandungan pada ibu hamil
karena, pengetahuannya yang masuh kurang. Ibu hamil sering sekali mengalami
kesulitan dalam mendapatkan satu jenis atau gejala, sehingga sering sekali saat
kondisi kesehatan kandungan ibu hamil tidak dapat memberikan penanganan
pertama sebelum ke rumah sakit. Ibu hamil membutuhkan pengetahuan untuk
mengatasai masalah yang kesehatan kandungan pada ibu hamil, baik dalam buku-
buku pengetahuan atau pedoman masalah pada kesehatan kandungan maupun dari
para dokter spesialis kandunagn yang sudah berpengalaman.

3.1.2 Jenis Dan Sumber Data

Dalam penelitian ini penulis melakukan beberapa penerapan metode untuk

menyelesaikan permasalahan pengumpulan data – data. Dengan metode penelitian
yang dilakukan adalah dengan cara.
1. Studi Literatur
Pada tahap ini dilakukan dengan mempelajari buku - buku referensi, internet
atau sumber - sumber yang berkaitan dengan penelitian ini, baik dari text book,
jurnal maupun internet.
2. Analisis dan Pengumpulan Data
Penelitian ini bertujuan untuk memperoleh data secara langsung dari instansi
melalui riset lapangan dengan menggunakan teknik-teknik sebagai berikut:
a. Pengumpulan sampel dokumentasi, laporan ataupun berkas-berkas yang
berhubungan dengan data kesehatan kandungan pada ibu hamil.
b. Mewawancara beberapa pihak yang berkompeten dalam masalah diagnosa
kesehatan kandungan pada ibu hamil.

STMIK ERESHA 38
3.1.3 Sistem Yang Akan Dibuat

Sistem diagnosa dan traubleshooting komputer yang akan dibuat dalam

penelitian ini meliputi sebagai berikut:
1. Sistem sudah komputerisasi.
2. Memudahkan ibunn hamil dalam mencari solusi tentang permasalah
kesehatan kandungan.
3. Dapat memberikan respon (jawaban) yang cepat terhadap permasalahan
kesehatan kandungan.
4. Sistem akan memberikan sebuah basis pengetahuan dimana meliputi macam
penyakit, jenis penyakit, dan gejala.
5. Setelah mengetahui kondisi kesehatan kandungan maka sistem akan
memberikan solusi dalam pemecahan masalah sistem dan dilakukan secara
bertahap.

3.2 Analisis Kebutuhan

Analisis kebutuhan merupakan suatu kegiatan untuk mempelajari interaksi

kebutuhan sistem yang terdiri atas pelaku proses dalam sistem, prosedur, dan data
serta informasi yang terkait. Kegiatan ini menggambarkan suatu sistem pada
model yang dapat mengidentifikasi seluruh aspek yang terlihat dalam sistem
tersebut. Metode penelitian yang digunakan untuk analisa kebutuhan adalah
sebagai berikut:
1. Studi Literatur
Pada tahap ini dilakukan dengan mempelajari buku - buku referensi, internet
atau sumber - sumber yang berkaitan dengan penelitian ini, baik dari text book,
jurnal maupun internet.
2. Analisis dan Pengumpulan Data
Penelitian ini bertujuan untuk memperoleh data secara langsung dari instansi
melalui riset lapangan dengan menggunakan teknik-teknik sebagai berikut:
c. Mewawancara beberapa pihak yang berkompeten dalam masalah diagnosa
kesehatan kandungan pada ibu hamil.

STMIK ERESHA 39
d. Menyebar kuesioner ke pihak yang berkompeten dalam masalah diagnosa
kesehatan kandungan pada ibu hamil.

3.2.1 Analisa Perangkat Keras

Perangkat keras minimum server yang direkomendasikan untuk

menjalankan aplikasi sistem pakar ini adalah sebagai berikut :

Table 11 Analisa Perangkat Keras

No Uraian Spesifikasi

1 Processor Dengan kecepatan 1GHz

2 Memory (RAM) 700 MB
3 Hard Disk drive 80 GB
4 Monitor 14 “
5 Keyboard Standar
6 Mouse Standar

3.2.2 Analisa Perangkat Lunak

Dalam membangun aplikasi sistem pakar ini, perangkat lunak sangat

berperan dalam kinerja aplikasi. Dan pada pembuatan aplikasi sistem pakar ini,
ada syarat minimum bagi perangkat lunak yang digunakan agar kinerja aplikasi
bisa lebih optimal. Kebutuhan perangkat lunak tersebut, adalah:
Table 12 Analisa Perangkat Lunak

No Uraian Spesifikasi

1 Sistem operasi windows XP 700 MB

2 Xampp version 2.5 500 MB

3 Google Chrome 700

3.3 Design Sistem

STMIK ERESHA 40
 Desain sistem dapat didefinisikan sebagai: “Tahap setelah analisis dari
siklus pengembangan sistem: pendefinisian dari kebutuhan-kebutuhan fungsional
dan persiapan untuk rancang bangun implementasi; menggambarkan bagaimana
suatu sistem dibentuk.” Menggunakan Unified Modeling Language (UML).

3.3.1 Use Case

Use-Case Diagram digunakan untuk memodelkan bisnis proses

berdasarkan prespektif pengguna sistem. Use Case diagram terdiri atas diagram
untuk use case dan actor-actor merepresentasikan orang yang akan mengoprasikan
atau orang yang berintraksi dengan sistem aplikasi [ CITATION May09 \l 1057 ].

uc Use Case sistem diagnosa

Use Case Di agram Si stem Di agnosa Kesehatan Kandungan

Login

Entry Data Suhu Diagnosa penyakit

Admin Pasien

Laporan Hasil
Diagnosa
Entry Data Umur

Entry Data Penyakit

Entry Data Gej ala

Entry Data Solusi

Entry Basis
Pengetahuan

Gambar 9 UseCase Diagram Kesehatan Kandungan Ibu Hamil

Deskripsi use case sistem yang diusulkan adalah sebagai berikut :

1. Admin melakukan login terlebih dahulu.
2. Admin dapat mengelola data suhu.
3. Admin dapat mengelola data umur.

STMIK ERESHA 41
4. Admin dapat mengelola data penyakit.
5. Admin dapat mengelola data gejala.
6. Admin dapat mengelola data basis pengetahuan.
7. Pasien dapat mendiagnosa penyakit.
8. Pasien dapat melihat hasil diagnosa.

3.3.2 Activity Diagram

Activity diagram memperlihatkan secara rinci aliran data secara logika

tanpa mempertimbangkan lingkungan fisik dimana data mengalir. Berikut activity
diagram dari sistem pakar diagnosa penyakit musang yang diusulkan.
1. Activity Diagram Login Admin

act Activ ity Diagram Login Admin sistem diagnosa

admin sistem

m ul ai

Masuk halaman login

mengisi username dan v erifikasi username

passw ord dan passw ord

[ti dak val i d]

[val i d]

masuk ke halaman
utama

sel esai

Gambar 10 Activity Diagram Login Admin

Berdasarkan gambar diatas dapat dilihat aktivitas admin pada saat login adalah
memasukkan username dan password untuk masuk ke dalam sistem.

2. Activity Diagram Entry Data Suhu Badan

STMIK ERESHA 42
 act Activ ity diagram entry data Suhu

admin sistem

m ul ai

masuk halaman data

suhu

entry data suhu menyimpan data suhu

sel esai

Gambar 11 Activity Diagram Entry Data Suhu Badan

Berdasarkan gambar diatas dapat dilihat aktivitas admin pada menu data suhu
badan adalah menanmbahkan data suhu baru lalu menyimpannya ke dalam
sistem.

3. Activity Diagram Entry Data Umur

act Activ ity diagram entry data umur

admin sistem

m ul ai

masuk halaman data

Umur

entry data umur menyimpan data umur

sel esai

Gambar 12 Activity Diagram Entry Data Umur

Berdasarkan gambar diatas dapat dilihat aktivitas admin pada menu data umur
adalah menanmbahkan data tekanan darah baru lalu menyimpannya ke dalam
sistem.

4. Activity Diagram Entry Data Penyakit

STMIK ERESHA 43
 act Activ ity diagram entry data penyakit

admin sistem

m ul ai

masuk halaman data

penyakit

entry data tekanan menyimpan data

penyakit penyakit

sel esai

Gambar 13 Activity Diagram Entry Data penyakit

Berdasarkan gambar diatas dapat dilihat aktivitas admin pada menu data
penyakit adalah menanmbahkan data penyakit baru lalu menyimpannya ke
dalam sistem.

5. Activity Diagram Entry Data Gejala

act Activ ity Diagram Entry Data Gej ala

admin sistem

mulai

masuk halaman data

gej ala

menyimpan data gej ala

entry data gej ala

selesai

Gambar 14 Activity Diagram Entry Data Gejala

Berdasarkan gambar diatas dapat dilihat aktivitas admin pada menu data
gejala adalah menanmbahkan data penyakit baru lalu menyimpannya ke dalam
sistem.

STMIK ERESHA 44
6. Activity Diagram Entry Basis Pengetahuan
act Activ ity Diagram Entry Basis Pengetahuan sistem diagnosa

admin sistem

mul ai

masuk halaman basis

pengetahuan

entry basis menyimpan basis

pengetahuan pengetahuan

selesai

Gambar 15 Activity Diagram Entry Basis Pengetahuan

Berdasarkan gambar diatas dapat dilihat aktivitas admin pada menu data basis
pengetahuan adalah menanmbahkan data penyakit baru lalu menyimpannya ke
dalam sistem.

7. Activity Diagram Entry Data Solusi

act Activ ity Diaagram Entry Data Solusi sistem diagnosa

admin sistem

m ulai

masuk halaman data

solusi

entry data solusi menyimpan data solusi

selesai

Gambar 16 Activity Diagram Entry Data Solusi

Berdasarkan gambar diatas dapat dilihat aktivitas admin pada menu data
solusi adalah menanmbahkan data penyakit baru lalu menyimpannya ke dalam
sistem.

STMIK ERESHA 45
8. Activity Diagram Diagnosa Penyakit
act Activ ity Diagram diagnosa penyakit sistem diagnosa

pasien sistem

mul ai

masuk halaman
diagnosa penyakit

menghitung nila CF dari

entry gej ala yang
gej ala yang dialami
dialami

menampilkan j enis
penyakit yang dialami

menerima informasi memberikan solusi dari

penyakit dan solusi dari penyakit tersebut
gej ala yang diinput

sel esai

Gambar 17 Activity Diagram Diagnosa Penyakit

Berdasarkan gambar diatas dapat dilihat aktivitas pasien pada menu diagnosa
penyakit adalah pasien mendiagnosa penyakit berdasarkan gejala-gejala yang
ada setelah itu menerima informasi penyakit dan solusi.

9. Activity Diagram Laporan Hasil Diagnosa

act Activ ity Diagram Laporan hasil diagnosa sistem diagnosa

pasien sistem

mulai

masuk halaman
diagnosa penyakit

pilih button laporan menampilkan laporan

hasil diagnosa hasil diagnosa

cetak laporan hasil

diagnosa

selesai

Gambar 18 Activity Diagram Laporan Hasil Diagnosa

STMIK ERESHA 46
 Berdasarkan gambar diatas dapat dilihat aktivitas pasien pada menu
laporan hasil diagnosa adalah pasien melihat hasil laporan diagnosa yang sudah di
diagnosa kemudian di cetak hasil laporan.

3.3.3 Sequence Diagram

Sequence Diagram digunakan untuk menggambarkan interaksi antar objek

dalam waktu yang berurutan. Teapi pada dasarnya sequence diagram selain
digunakan dalam lapisan abstraksi model objek. Kegunaan untuk menunjukan
ramgkaian pesan yang dikirim antara objek juga interaksi antara objek, sesuatu
yang terjadi pada titik tertentu dalam eksekusi sistem. Komponen utama sequence
diagram terdiri atas objek yang dituliskan dengan kotak segiempat bernama pesan
di wakili oleh garis dengan tanda panah dan waktu yang ditunjukkan dengan
proses vertikal.
1. Sequence Diagram Login Admin
sd Sequence Diagram Login sistem diagnosa

admin halaman login control login db admin

1. input username, password()

1.1 login()

1.1.1 validasi() 2. buka db()

3. return done()

3.1 login tidak valid()

4. tutup db()

Gambar 19 Sequence Diagram Login

Berdasarkan sequence dagram diatas menggambarkan sistem yang sedang

berjalan pada form login admin adalah admin memasukan username dan
password setelah itu login, lalu sistem akan menampilkan halaman utama admin.

STMIK ERESHA 47
2. Sequence Diagram Entry Data Penyakit
sd Sequence Diagram Entry Data Penyakit sistem diagnosa

admin halaman utama halaman data control db penyakit

penyakit

1. login()

1.1 pilih menu data penyakit()

1.1.1 input data, tambah, edit, hapus()

1.1.1.1 simpan data() 2. buka db()

1.1.1.2 tampil data()

1.1.1.1.1 return done()

3. tutup db()

Gambar 20 Sequence Diagram Entry Data Penyakit

Berdasarkan sequence dagram diatas menggambarkan sistem yang sedang

berjalan pada form data penyakit adalah admin menampilkan data penyakit,
lalu admin menambahkan data penyakit setelah itu admin menyimpan data
penyakit yang telah di input ke dalam database.

3. Sequence Diagram Entry Suhu

sd Sequence Diagram Entry Suhu

Admin halaman utama halaman suhu control db suhu

1. login()

1.1 pilih menu basis pengetahuan()

1.1.1 input data, tambah, edit, hapus()

1.1.1.1 simpan data() 2. buka db()

1.1.1.2 tampil data()

1.1.1.1.1 return done()

3. tutup data()

Gambar 21 Sequence Diagram Entry Data Suhu

STMIK ERESHA 48
 Berdasarkan sequence dagram diatas menggambarkan sistem yang sedang
berjalan pada form data suhu adalah admin menampilkan data suhu, lalu admin
menambahkan data suhu setelah itu admin menyimpan data suhu yang telah di
input ke dalam database.

4. Sequence Diagram Entry Umur

sd Sequence Diagram Entry Umur

Admi n halaman utama halaman umur control db umur

1. l ogi n()

1.1 pi lih menu basis pengetahuan()

1.1.1 i nput data, tambah, edit, hapus()

1.1.1.1 simpan data()

2. buka db()

1.1.1.2 tampi l data()

1.1.1.1.1 return done()

3. tutup data()

Gambar 21 Sequence Diagram Entry Data Umur

Berdasarkan sequence dagram diatas menggambarkan sistem yang sedang

berjalan pada form data umur adalah admin menampilkan data umur, lalu
admin menambahkan data umur setelah itu admin menyimpan data gejala yang
telah di input ke dalam database.

5. Sequence Diagram Entry Gejala

sd Sequence Diagram Entry Gejala sistem diagnosa

admin halaman utama halaman data control db gejala

gejala

1. login()

1.1 pilih menu data gejala()

1.1.1 input data, tambah, edit, hapus()

1.1.1.1 simpan data() 2. buka db()

1.1.1.2 tampil data()

1.1.1.1.1 return done()

3. tutup db()

Gambar 22 Sequence Diagram Entry Data Gejala

STMIK ERESHA 49
 Berdasarkan sequence dagram diatas menggambarkan sistem yang sedang
berjalan pada form data gejala adalah admin menampilkan data gejala, lalu
admin menambahkan data gejala setelah itu admin menyimpan data gejala
yang telah di input ke dalam database.

6. Sequence Diagram Entry Basis Pengetahuan

sd Sequence Diagram Entry Basis Pengetahuan sistem diagnosa

Admin halaman utama halaman basis control db pengetahuan

pengetahuan

1. login()

1.1 pilih menu basis pengetahuan()

1.1.1 input data, tambah, edit, hapus()

1.1.1.1 simpan data() 2. buka db()

1.1.1.2 tampil data()

1.1.1.1.1 return done()

3. tutup data()

Gambar 23 Sequence Diagram Entry Basis Pengetahuan

Berdasarkan sequence dagram diatas menggambarkan sistem yang sedang

berjalan pada form basis pengetahuan adalah admin menampilkan basis
pengetahuan, lalu admin menambahkan basis pengetahuan setelah itu admin
menyimpan basis pengetahuan yang telah di input ke dalam database.

7. Sequence Diagram Entry Data Solusi

sd Sequence Diagram Entry Data Solusi sistem diagnosa penyakit

admin halaman utama halaman data control db solusi

solusi

1. login()

1.1 pilih menu data solusi()

1.1.1 input data, tambah, edit, hapus()

1.1.1.1 simpan data() 2. buka db()

3. tampil data() 1.1.1.2 return done()

4. tutup db()

Gambar 24 Sequence Diagram Entry Data Solusi

STMIK ERESHA 50
 Berdasarkan sequence dagram diatas menggambarkan sistem yang sedang
berjalan pada form data solusi adalah admin menampilkan data solusi, lalu
admin menambahkan data solusi setelah itu admin menyimpan data solusi yang
telah di input ke dalam database.

8. Sequence Diagram Diagnosa Penyakit

sd Sequence Diagram Diagnosa Penyakit sistem diagnosa

pasien halaman utama halaman diagnosa control db diagnosa

penyakit

1. login()

1.1 pilih menu diagnosa penyakit()

1.1.1 input data gejala()

1.1.1.1 cek data gejala() 2. buka db()

3. hitung CF penyakit()

3.1 tampil penyakit()

4. tutup db()

Gambar 25 Sequence Diagram Diagnosa Penyakit

Berdasarkan sequence dagram diatas menggambarkan sistem yang sedang

berjalan pada form data diagnosa penyakit adalah pasien menampilkan data
diagnosa penyakit, lalu pasien memasukan data gejala setelah itu pasien
menampilkan hasil data diagnosa penyakit.

9. Sequence Diagram Laporan Hasil Diagnosa

sd Sequence Diagram Laporan Hasil Diagnosa sistem diagnosa

pasien halaman diagnosa control db pengetahuan

penyakit

1. buka form()

1.1 cek data penyakit()

1.1.1 get data penyakit() 1.1.1.1 buka db()

1.1.1.2 return done()

1.1.2 tampilkan data gejala, penyakit, solusi()

2. tutup db()

Gambar 26 Sequence Diagram Laporan Hasil Diagnosa

STMIK ERESHA 51
 Berdasarkan sequence dagram diatas menggambarkan sistem yang sedang
berjalan pada form data laporan hasil diagnosa adalah pasien menampilkan data
laporan hasil diagnosa, lalu pasien menampilkan data laporan hasil diagnosa.

3.3.4 Class Diagram

Diagram kelas adalah diagram yang digunakan untuk menampilkan

beberapa kelas serta paket yang ada dalam sistem atau perangkat lunak yang
sedang kita kembangkan. Diagram kelas memberikan gambaran statis tentang
sistem atau perangkat lunak beserta relasi yang ada didalamnya.

class Class Diagram sistem diagnosa

Login

- -id_user: int
- -nama: char
- -username: char
- -password: int

gej ala penyakit Solusi

- -id_gejala: i nt - -i d_penyaki t: int - -i d_penyakit: int

- -kode_gejala: double - -kode_penyakit: int - -i d_solusi: i nt
- -nama_gej al a: char - -nama: char - -kode_solusi : int
- -nama_solusi: int

pengrtahuan

- -id_pengetahuan: int
- -id_gejala: i nt
- -id_penyakit: i nt
- -MB: double
- -MD: double

Gambar 27 Class Diagram Sistem Diagnosa Penyakit

3.3.5 Spesifikasi Database

Spesifikasi basis data yang memberikan penjelasan secara detail tentang

masing-masing basis data yang digunakan dalam Analisa diagnosa kesehatan
kandungan pada ibu hamil adalah sebagai berikut:
1. Tabel user
Table user digunakan untuk menampung data admin, untuk membuka halaman
admin.

STMIK ERESHA 52
 Table 13 User

field Type Length PrimaryKey Autoincreament

id_user Int 11 * *
nama Varchar 20
username Varchar 20
password Varchar 50

2. Tablel Suhu Badan

Table 14 Suhu Badan

field Type Length PrimaryKey Autoincreament

id_Suhu Int 11 * *
Kode_Suhu Varchar 20
Nama_Suhu Varchar 100

3. Tabel Usia
Table 15 Usia

field Type Length PrimaryKey Autoincreament

id_usia Int 11 * *
Kode_usia Varchar 20
Nama_usia Varchar 100

4. Tabel Gejala
Table 16 Gejala

field Type Length PrimaryKey Autoincreament

id_gejala Int 11 * *
Kode_gejala Varchar 20
Nama_Gejala Varchar 100

5. Tabel Penyakit

Table 17 Penyakit

field Type Length PrimaryKey Autoincreament

id_Penyakit Int 11 * *
Kode_Penyakit Varchar 20
Nama_Penyaki Varchar 100

6. Tabel Pengetahuan
Table 18 Pengetahuan

field Type Length PrimaryKey Autoincreament

id_Pengetahua Int 11 * *

STMIK ERESHA 53
 n
id_gejala Int 11 **
Id_penyakit Int 11 **
MB Float
MD Float

7. Tabel Solusi
Table 19 Solusi

field Type Length PrimaryKey Autoincreament

id_penyakit Int 11 **
id_solusi Int 11 *
Nama_penyakit Varchar 10
Nama_solusi Varchar 100

8. Entity Relationship Diagram

Entity Relationship Diagram (ERD) dari sistem pakar diagnosa kesehatan
kandungan pada ibu hamil yang akan dibuat dapat dilihat pada gambar
dibawah ini :

Gambar 3 1 ER Diagram Sistem Usulan

Gambar 3 2 ER Diagram Sistem Usulan

9. Transformasi ER Diagram Ke Logical Record Structure (LRS)

STMIK ERESHA 54
 Gambar 33 Transformasi ERD ke LRS

Gambar 36 Transformasi ERD ke LRS

10. Logical Record Structure (LRS)

Gambar 37 Logical Record Structure (LRS)

STMIK ERESHA 55
11. Normalisasi
Normalisasi dilakukan untuk menghindri kemungkinan terdapat abnormal
pada saat pemanfaatan basis data. Relasi yang diperoleh dari analisa
hubungan entitas sebaiknya dinormalkan terlebih dahulu. Berikut ini akan
dilakukan normalisasi pada basis data yang sudah dirancang.

STMIK ERESHA 56
3.4 Teknik Analisis

Teknik analisi adalah suatu penjelasan tentang teknik analisi statistik

deskriptif dan analisis statitik inferensial. Beberapa tahapan dilakukan dalam
penelitian ini terhadap data yang akan diuji. Tahapan yang dilakukan antara lain:
1. Menyeleksi data hasil wawancara dan kuesioner yang diperoleh menjadi data
yang siap digunakan dalam penelitian.
2. Mengelompokan data berdasarkan gejala dan penyakit.

Table 21 Data Penyakit dan Gejala

No Nama Penyakit Nama Gejala
1 Hiperemesis a. Pucat
Gravidarum b. Pusing
c. Mual dan Muntah Secara Berlebihan
d. Sensitif terhadap aroma
2 Anemia a. Pusing
b. Pucat
c. Mual dan Muntah
d. Lemah, letih dan lesu
e. Kadar HB < 11 g% pada trimester I/III atau
kadar HB < 10,5 g% pada trimester II
f. Siklus haid tidak teratur
3 Tifus a. Tidak nafsu makan
b. Infeksi pada tenggorokan
c. Nyeri pada perut atau kembung
d. Demam

STMIK ERESHA 57
No Nama Penyakit Nama Gejala
e. Lidah berwarna putih kotor dengan tepian
berwarna merah
4 Torch a. Bisul
b. Radang paru-paru
c. Demam
5 Hepatitis B a. Menguningnya mata
b. Nyeri perut
c. Uring keruh
d. Mual dan muntah
e. Tidak nafsu makan
6 Keputihan a. Gatal disekitar vagina
b. Keluarnya cairan berwarna abu-abu keputihan
c. Nyeri saat buang air kecil
d. Vagina atau labia memerah dan bengkak
7 Abortus a. Perdarahan dari vagina
b. Nyeri perut
8 Diabetes a. Sering merasa haus
Gestasional b. Frekuensi buang air kecil meningkat
c. Mulut kering
d. Lemah, letih dan lesu
e. Pengelihatan buram
9 Sembelit a. Kurangnya frekuensi buang air
b. Feses kering dan keras
c. Nyeri perut
10 Hipertensi dalam a. Sakit Kepala
kehamilan b. Sensitivitas cahaya
c. Kelebihan protein pada urin
d. Nyeri perut
11 Preeklamsia a. Tekanan darah tinggi
b. Sesak napas
c. Berkurangnya volume urin
d. Sensitivitas cahaya
e. Mula dan Muntah
f. Nyeri perut

STMIK ERESHA 58
No Nama Penyakit Nama Gejala
g. Trombosit rendah
h. Pembengkakan pada kaki, wajah dan tangan
i. Gangguan fungsi hati

3. Melakukan perhitungan manual menggunakan rumus dari certainty factor

untuk membuktikan keakuratan dengang perhitungan sistem.

a. Uji coba dengan kasus pertama

Pengujian pertama dilakukan pada pasien dengan data dibawah ini:
Nama : Ny. Leni
Usia : 26 tahun
Alamat : Pamulang Permai Blok D3 No 1-3
Gejala : Pucat
Mual dan mntah secara berlebihan
Lemah, letih, lesu
Perhitungan CF
Gejala yang timbul adalah G01, G03, G04. Maka kemungkinan jenis
penyakit yang dapat diderita berdasarkan basis aturan adalah :
1) P01 (Hiperemesis Gravidarum)
2) P02 (Anemia)
3) P08 (Diabetes Gestasional)

Untuk menentukan besaran ranking CF dari masing-masing jenis penyakit,

maka akan dilakukan perhitungan dari MB dan MD per jenis penyakitnya
seperti dibawah ini.
Untuk P01,
MB (P02|G01) = 0.6
MD (P02|G01) = 0.2
MB (P02|G03) = 1
MD (P02|G03) = 0.2
MB (P01|G01) = 0.6 + (0.6 * (1 - 0.6))
= 0.6 + 0.24
= 0.84

STMIK ERESHA 59
 MD (P01|G01) = 0.2 + (0.2 * (1 - 0.2))
= 0.2 + 0.16
= 0.36
MB (P01|G01 ^ G03) = 0.84 + (1 * (1 - 0.84))
= 0.84 + 0.16
= 1.02
MB (P01|G01 ^ G03) = 0.36 + (0.2 * (1 - 0.36))
= 0.36 + 0.128
= 0.488
CF (P01|G05 ^ G18) = MB - MD
= 1.02 – 0.488 *100%
= 0.532 * 100%
= 53.2 %
Untuk P02,
MB (P03|G04) = 0.6
MD (P03|G04) = 0.2
CF (P03|G04) = 0.6 – 0.2 = 0.4 x 100% = 40%
Untuk P08,
MB (P08|G04) = 0.4
MD (P08|G04) = 0.2
CF (P08|G04) = 0.4 – 0.2 = 0.2 x 100% = 20%

Jadi untuk uji kasus pertama diperoleh data bahwa P01 memiliki ranking CF
tertinggi sebesar 53.2%. Sehingga disimpulkan bahwa dengan menggunakan
metode CF percobaan pertama di diagnosa menderita penyakit hiperemesis
gravidarum.

b. Uji coba dengan kasus kedua

Pengujian kedua dilakukan pada pasien dengan data dibawah ini:
Nama : Ny. Iis
Usia : 29 tahun
Alamat : Jl Vila Pamulang Mas
Gejala : Sesak nafas
Gatal disekitar vagina

STMIK ERESHA 60
 Sering merasa haus
Perhitungan CF
Gejala yang timbul adalah G34, G17, G23. Maka kemungkinan jenis
penyakit yang dapat diderita berdasarkan basis aturan adalah :
1) P06 (Keputihan)
2) P11 (Preeklamsia)
3) P08 (Diabetes Gestasional)

Untuk menentukan besaran ranking CF dari masing-masing jenis penyakit,

maka akan dilakukan perhitungan dari MB dan MD per jenis penyakitnya
seperti dibawah ini.

Untuk P06,
MB (P06|G17) = 0.6
MD (P06|G17) = 0.2
CF (P06|G17) = 0.6 – 0.2 = 0.4 x 100% = 40%

Untuk P08,
MB (P08|G23) = 0.4
MD (P08|G23) = 0.2
CF (P08|G23) = 0.4 – 0.2 = 0.2 x 100% = 20%

Untuk P11,
MB (P011|G34) = 0.4
MD (P11|G34) = 0.2
CF (P11|G34) = 0.4 – 0.2 = 0.2 x 100% = 20%

Jadi untuk uji kasus kedua diperoleh data bahwa P06 memiliki ranking CF
tertinggi sebesar 40%. Sehingga disimpulkan bahwa dengan menggunakan
metode CF percobaan pertama di diagnosa menderita penyakit keputihan.

c. Uji coba dengan kasus ketiga

Pengujian ketiga dilakukan pada pasien dengan data dibawah ini:
Nama : Ny. Indri
Usia : 25 tahun
Alamat : Jl Pondok Cabe Ilir I

STMIK ERESHA 61
 Gejala : Fases Kering dan keras
Sering merasa haus
Perhitungan CF
Gejala yang timbul adalah G28, G23. Maka kemungkinan jenis penyakit
yang dapat diderita berdasarkan basis aturan adalah :
1) P09 (Sembelit)
2) P08 (Diabetes Gestasional)

Untuk menentukan besaran ranking CF dari masing-masing jenis

penyakit, maka akan dilakukan perhitungan dari MB dan MD per jenis
penyakitnya seperti dibawah ini.

Untuk P08,
MB (P08|G23) = 0.4
MD (P08|G23) = 0.2
CF (P08|G23) = 0.4 – 0.2 = 0.2 x 100% = 20%

Untuk P09,
MB (P09|G28) = 0.6
MD (P09|G28) = 0.2
CF (P09|G28) = 0.6 – 0.2 = 0.4 x 100% = 40%

Jadi untuk uji kasus ketiga diperoleh data bahwa P09 memiliki ranking
CF tertinggi sebesar 40%. Sehingga disimpulkan bahwa dengan
menggunakan metode CF percobaan pertama di diagnosa menderita
penyakit sembelit.

4. Melakukan perhitungan manual menggunakan rumus dari fuzzy untuk

membuktikan keakuratan dengan perhitungan sistem.
Contoh Kasus:
Kesehatan pasien yang bernama Ny. Leni berumur 26 tahun, dengan suhu
tubuh 36ºC. Dari masalah ini nantinya akan ditemukan solusi berupa
pernyataan, apakah orang tersebut sehat atau tidak sehat.

Terdapat tiga variabel Fuzzy yaitu:

a. Umur

STMIK ERESHA 62
 b. Suhu
c. Status Kesehatan

a. Umur
Terdiri dari dua himpunan fuzzy , yaitu Remaja dan Dewasa.
Diketahui :

Umur termuda di kisaran remaja adalah 12 tahun.

Unur tertua di kisaran dewasa adalah 46 tahun.
Umur yang pasien yang di periksa adalah 26 tahun.
Maka,
46−26
ʮ umur – remaja [26] = = 0.59
34

26−12
ʮ umur – dewasa [26] = = 0.41
34

b. Suhu Tubuh
Terdiri dari dua himpunan fuzzy, yaitu tidak normal dan normal.
Diketahui:
Suhu tubuh tidak normal adalah 35ºC.
Suhu tubuh normal adalah 36.7ºC.
Suhu Pasien yang diperiksa adalah 36ºC.
Maka,
36.7−36
ʮ suhu – tidak normal [36] = = 0.41
1.7

36−35
ʮ suhu – normal [36] = = 0.59
1.7

c. Status Kesehatan
Terdiri dari dua himpunan fuzzy, yaitu tidak sehat dan sehat.
Diketahui:
Status kesehatan tidak sehat adalah 0.2
Status kesehatan sehat adalah 0.6
Status kesehatan permasalahan = ditanyakan ? status kesehatan.

STMIK ERESHA 63
 0.6−z
ʮ status – tidak sehat { , z ≤ 0.2
0.4
0.2 ≤ z ≤ 0.6
z ≥ 0.6
z−0.2
ʮ status – sehat { , z ≤ 0.2
0.4
0.2 ≤ z ≤ 0.6
z ≥ 0.6
d. Mencari produksi nilai z
1) Rule 1
Jika usia “remaja” dan suhu tubuh “tidak normal”, maka status
kesehatan “tidak sehat”.
a_predikat1 = ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36]
= min (ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36])
= min (0.59 ; 0.41)
= 0.41
0.6−z 1
ʮ status – tidak sehat { = 0.41 - > z1 = 0.44
0.4
2) Rule 2
Jika usia “remaja” dan suhu tubuh “normal”, maka status kesehatan
“sehat”.
a_predikat1 = ʮ usia – remaja [26] ∩ ʮ suhu –normal [36]
= min (ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36])
= min (0.59 ; 0.59)
= 0.59
z 2−0.2
ʮ status – sehat { = 0.59 - > z2 = 0.04
0.4
3) Rule 3
Jika usia “dewasa” dan suhu tubuh “tidak normal”, maka status
kesehatan “tidak sehat”.
a_predikat1 = ʮ usia – dewasa [26] ∩ ʮ suhu –normal [36]
= min (ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36])
= min (0.41 ; 0.41)

STMIK ERESHA 64
 = 0.41
0.6−z 3
ʮ status – tidak sehat { = 0.41 - > z3 = 0.44
0.4
4) Rule 4
Jika usai “dewasa” suhu tubuh “normal”, maka status kesehatan “sehat.
a_predikat1 = ʮ usia – dewasa [26] ∩ ʮ suhu –normal [36]
= min (ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36])
= min (0.41 ; 0.59)
= 0.41
z 4−0.2
ʮ status – sehat { = 0.41 - > z3 = -0.04
0.4
e. Menghitung nilai z fuzifikasii berikut:
a predikat 1∗−z 1+a predikat 2∗z 2+ a predikat 3∗z 3+apredikat 4∗z 4
Z=
apredikat 1+ apredikat 2+apredikat 3+apredikat 4
0.41∗0.44 +0.59∗0.036+0.41∗0.44+0.41∗(−0.04)
=
0.41+ 0.59+0.41+0.41
= 0.2
f. Kesimpulan

Dari hasil fuzifikasi, diperoleh nilai z = 0.2 ini membuktikan bahwa pasien
bernama Ny. Leni berumur 26 tahun dan memiliki suhu tubuh 36ºC tersebut
masuk ke dalam kategori “tidak sehat”.

3.5 Jadwal Penelitian

Adapun jadwal dari penelitian yang dilakukan oleh penulis disajikan

dalam bentuk tabel berikut:

Table 20 Jadwal Penelitian

2020
No Kegiatan Januari April
1 2 3 4 1 2 3 2
1 Tahapan persiapan penelitian
a. Penyusunan Judul
b. Pengajuan Proposal
c. Perizinan Penelitian
2 Tahap pelaksanaan
a. Perancangan Sistem

STMIK ERESHA 65
 b. Implementasi
3 Evaluasi

STMIK ERESHA 66
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Implementasi

Implementasi merupakan keadaan dimana sistem siap untuk digunakan

pada keadaan yang sebenarnya, sehingga akan diketahui apakah sistem yang
dibuat telah berfungsi sesuai dengan tujuan yang diinginkan. Sebelum program
diterapkan atau diimplementasikan, maka program haruslah melewati fase
pengecekan dan pengujian agar terbebas dari segala macam bentuk kesalahan.
Dengan tahapan implementasi dan pengujian, maka aplikasi yang dibuat dapat
diketahui kualitasnya.

4.1.1 Lingkungan Perangkat Lunak

Spesifikasi minimal perangkat lunak (software) yang dibutuhkan pada

server dalam penggunaan sistem ini adalah sebagai berikut :
1. Sistem Operasi Microsoft Windows XP / Vista / 7
2. Apache Server
3. Mysql Server

Sedangkan spesifikasi minimal yang dibutuhkan oleh client adalah sebagai

berikut :
1. Terdapat koneksi internet
2. Terdapat web browser ( contoh : Internet Explorer, Mozilla Firefox)

4.1.2 Lingkungan Perangkat Keras

Spesifikasi minimal perangkat keras (hardware) yang dibutuhkan oleh

server adalah sebagai berikut :
1. Processor, minimal 1 GHZ
2. Vga Card 512 MB
3. Hardisk, minimal space kosong sebesar 2 GB
4. RAM 512 MB

STMIK ERESHA 67
 Sedangkan pada client, minimal memiliki sebuah PC yang mempunyai
spesifikasi sebagai berikutt :
1. Processor, 500 Mhz
2. RAM 512 MB
3. Hardisk, minimal space kosong 1 GB

4.1.3 Implementasi Antar Muka (Interface)

1. Tampilan Halaman Diagnosa Dengan Fuzzy

Pada gambar dibawah ini merupakan tampilan halaman diagnosaa menggunakan
fuzzy tsukamoto.

Gambar 27 Tampilan layar diagnosaa menggunakan fuzzy tsukamoto

Halaman ini adalah halaman muka situs diagnosa kesehatan kandungan ibu
hamil online dengan metode fuzzy tsukamoto.

2. Tampilan Halaman Prediksi

Pada gambar dibawah ini merupakan tampilan halaman prediksi dengan fuzzy
tsukamoto.

STMIK ERESHA 68
 Gambar 28 Tampilan layar prediksi

3. Tampilan Halaman Diagnosa Dengan Certainty Factor

Pada gambar dibawah ini merupakan tampilan halaman diagnosa dengan
certainty factor.

Gambar 29 Tampilan layar diagnosa dengan certainty factor

Halaman ini adalah halaman muka situs diagnosa kesehatan kandungan ibu
hamil online dengan menggunakan metode certainty factor.

STMIK ERESHA 69
 Gambar 30 Tampilan layar halaman utama level admin

Gambar diatas menunjukan situasi halaman utama pada level pengguna yaitu
pasien, dimana fasilitas yang disediakan antara lain menu diagnosa penyakit
ibu hamil. Namun pada level administrator ketika sudah melakukan log in,
maka akan muncul fasilitas seperti pada gambar dibawah ini.

4. Tampilan Halaman Log in

Pada gambar dibawah ini merupakan tampilan layar halaman login pada
admin.

Gambar 31 Tampilan layar halaman login level admin

STMIK ERESHA 70
 Halaman log in adalah halaman yang tampil saat pengguna memilih menu log
in yang ada pada halaman utama. Halaman ini tampil ketika pengguna tersebut
mencoba masuk ke level administrator. Untuk dapat masuk ke level
administrator, maka diperlukan username dan password yang harus diinput
seperti gambar dibawah ini.

5. Tampilan Halaman Data Penyakit

Pada gambar dibawah ini merupakan tampilan layar halaman data penyakit
pada kandungan ibu hamil.

Gambar 32 Tampilan layar halaman data penyakit

Halaman ini menampilkan data master jenis-jenis penyakit pada ibu hamil yang
diambil dari tabel penyakit pada database. Pada halaman ini admin dapat
menambah, mengedit, dan menghapus data penyakit.

6. Tampilan Halaman Data Gejala

Pada gambar dibawah ini merupakan tampilan layar halaman data gejala
penyakit.

STMIK ERESHA 71
 Gambar 33 Tampilan layar halaman data gejala

Halaman ini menampilkan data gejala-gejala dari penyakit yang diambil dari
tabel gejala pada database. Pada halaman ini admin dapat menambah,
mengedit, dan menghapus data gejala penyakit.

7. Tampilan Halaman Data Solusi

Pada gambar dibawah ini merupakan tampilan layar halaman data solusi
penyakit.

Gambar 34 Tampilan layar halaman data solusi

STMIK ERESHA 72
 Halaman ini menampilkan data master solusi dari penyakit yang diambil dari
tabel solusi pada database. Pada halaman ini admin dapat menambah,
mengedit, dan menghapus data solusi penyakit.

8. Tampilan Halaman Basis Pengetahuan

Pada gambar dibawah ini merupakan tampilan layar halaman data basis
pengetahuan.

Gambar 35 Tampilan layar halaman basis pengetahuan

Halaman ini menampilkan basis pengetahuan yang menghubungkan antara

jenis penyakit, gejala, dan solusi menjadi suatu aturan pengetahuan. Dalam
halaman ini pengetahuan yang diambil dari tabel basis pengetahuan pada
database.
9. Tampilan Halaman Ubah Password
Pada gambar dibawah ini merupakan tampilan layar halaman ubah password
admin.

Gambar 36 Tampilan layar halaman ubah password

STMIK ERESHA 73
 Halaman ubah password menyediakan fasilitas keamanan berupa sebuah
halaman untuk mengubah password dari admin untuk masuk ke level
administator.
10. Tampilan Halaman Diagnosa Penyakit
Pada gambar dibawah ini merupakan tampilan layar halaman diagnosa
kesehatan kandungan padaibu hamil.

Gambar 37 Tampilan layar halaman Diagnosa Penyakit

Halaman ini merupakan halaman untuk mendiagnosa kesehatan kandungan

pada ibu hamil berdasarkan gejala-gejala yang ada. Pengguna dapat memilih
data gejala yang ada sesuai dengan yang dialami. Jika sudah selesai, dengan
mengklik tombol submit maka perhitungan diagnosa kesehatan pada ibu
hamil dengan menggunakan metode Certainty Factor akan dimulai yang
nantinya ditampilkan pada halaman laporan hasil diagnosa.
11. Tampilan Halaman Laporan Hasil Diagnosa
Pada gambar dibawah ini merupakan tampilan layar halaman hasil diagnosa
kesehatan pada ibu hamil.

Gambar 38 Tampilan layar halaman Laporan Hasil Diagnosa

STMIK ERESHA 74
 Setelah pengguna memilih gejala pada halaman diagnosa penyakit, maka
akan tampil halaman laporan hasil diagnosa. Halaman ini berisi tentang
informasi gejala-gejala yang diinput. Kemungkinan jenis penyakit pada ibu
hamil yang dialami dengan peresentasenya dan juga solusi dari penyakit ibu
hamil yang memiliki kemungkinan paling benar.

4.2 Pengujian Sistem

Sebelum aplikasi diterapkan, maka program harus terbebas dahulu dari

kesalahan-kesalahan, oleh sebab itu program harus diuji untuk menemukan
kesalahan-kesalahan yang mungkin dapat terjadi. Pengujian ini menggunakan
pengujian blackbox. Pengujian blackbox merupakan pengujian program yang
berdasarkan fungsi dari program, tujuan dari metode blackbox ini adalah untuk
menemukan kesalahan pada fungsi program. Pengujian blackbox dilakukan
dengan cara memberikan sejumlah input pada program aplikasi yang kemudian
diproses sesuai dengan kebutuhan fungsionalnya untuk melihat apakah program
aplikasi sudah sesuai menghasilkan output yang diinginkan dan sesuai dengan
fungsi dari aplikasi tersebut.

4.2.1 Pengujian Black Box

Adapun pengujian black box yang akan dilakukan dapat dilihat pada Tabel
4.1 dibawah ini.
Table 21 Pengujian Black Box

Jenis
No Item Uji Detail Pengujian
Pengujian
1 Halaman Utama Menampilkan beranda Blackbox
2 Log in Admin Konfirmasi Login Blackbox
3 Halaman Data Penyakit Tambah, Edit, Hapus Blackbox
4 Halaman Data Gejala Tambah, Edit, Hapus Blackbox
5 Halaman Data Solusi Tambah, Edit, Hapus Blackbox
6 Halaman Basis Pengetahuan Tambah, Edit, Hapus Blackbox
7 Halaman Ubah Password Simpan, Batal Blackbox
8 Log Out Admin Konfirmasi Logout Blackbox

STMIK ERESHA 75
 9 Halaman Diagnosa Penyakit Reset, Submit Diagnosa Blackbox

4.2.2 Hasil Pengujian Sistem

1. Pengujian Halaman Utama

Table 22 Hasil Pengujian Halaman Utama

Kasus dan Hasil Uji (Data Benar) √

Data yang Yang Pengamatan Kesimpulan
dimasukan diharapkan
Klik menu Menampilkan Sesuai dengan (√) diterima
halaman halaman utama harapan ( ) ditolak
utama
Kasus dan Hasil Uji (Data Salah)
Tidak Tidak Sesuai dengan (√) diterima
mengklik menampilkan harapan ( ) ditolak
menu halaman halaman utama
utama

2. Pengujian Log in Admin

Table 23 Hasil Pengujian Halaman Log in Admin

Kasus dan Hasil Uji (Data Benar) √

Data yang Yang Pengamatan Kesimpulan
dimasukan diharapkan

Inputan username Dapat login dan masuk Menampilkan (√) diterima

dan password halaman utama admin halaman utama ( ) ditolak
diisi sesuai admi, seperti
dengan yang
penggunaan diharapkan.
admin
Kasus dan Hasil Uji (Data Salah)
Username : Tidak dapat login dan Admin tidak (√) diterima
bebas menampilkan pesan dapat login jika ( ) ditolak
Password : bebas kesalahan username dan
password salah
dan akan
ditampilkan
pesan kesalahan

STMIK ERESHA 76
3. Pengujian Halaman Data Penyakit
Table 24 Hasil Pengujian Halaman Data Penyakit

Kasus dan Hasil Uji (Data Benar) √

Data yang Yang Pengamatan Kesimpulan
dimasukan diharapkan
Klik button Menampilkan form Sesuai dengan (√) diterima
tambah data input data penyakit harapan ( ) ditolak
penyakit
Input seluruh data Menampilkan data Sesuai dengan (√) diterima
penyakit penyakit yang telah harapan ( ) ditolak
berhasil dimasukkan
Klik button edit Menampilkan data Sesuai dengan (√) diterima
penyakit yang akan di harapan ( ) ditolak
ubah
Klik button batal Jika data berhasil Sesuai dengan (√) diterima
dihapus, maka akan harapan ( ) ditolak
hilang dari daftar data
penyakit
Klik button Jika data berhasil Sesuai dengan (√) diterima
simpan disimpan, maka akan harapan ( ) ditolak
tampil pada data
penyakit
Kasus dan Hasil Uji (Data Salah)
Kotak input tidak Menampilkan pesan Sesuai dengan (√) diterima
diisi seperti yang kesalahan harapan ( ) ditolak
telah ditentukan

4. Pengujian Halaman Data Gejala

Table 25 Hasil Pengujian Halaman Data Gejala

Kasus dan Hasil Uji (Data Benar) √

Data yang Yang Pengamatan Kesimpulan
dimasukan diharapkan
Klik button Menampilkan form Sesuai dengan (√) diterima
tambah data gejala input data gejala harapan ( ) ditolak

Input seluruh data Menampilkan data Sesuai dengan (√) diterima

gejala gejala yang telah harapan ( ) ditolak
berhasil dimasukkan

STMIK ERESHA 77
 Kasus dan Hasil Uji (Data Benar) √
Klik button edit Menampilkan data Sesuai dengan (√) diterima
gejala yang akan di harapan ( ) ditolak
ubah
Klik button batal Jika data berhasil Sesuai dengan (√) diterima
dihapus, maka akan harapan ( ) ditolak
hilang dari daftar data
gejala
Klik button Jika data berhasil Sesuai dengan (√) diterima
simpan disimpan, maka akan harapan ( ) ditolak
tampil pada data gejala
Kasus dan Hasil Uji (Data Salah)
Kotak input tidak Menampilkan pesan Sesuai dengan (√) diterima
diisi seperti yang kesalahan harapan ( ) ditolak
telah ditentukan

5. Pengujian Halaman Data Solusi

Table 26 Hasil Pengujian Halaman Data Solusi

Kasus dan Hasil Uji (Data Benar) √

Data yang Yang Pengamatan Kesimpulan

dimasukan diharapkan
Klik button Menampilkan form Sesuai dengan (√) diterima
tambah data input data solusi harapan ( ) ditolak

Input seluruh data Menampilkan data Sesuai dengan (√) diterima

solusi solusi yang telah harapan ( ) ditolak
berhasil dimasukkan
Klik button edit Menampilkan data Sesuai dengan (√) diterima
solusi yang akan di harapan ( ) ditolak
ubah
Klik button batal Jika data berhasil Sesuai dengan (√) diterima
dihapus, maka akan harapan ( ) ditolak
hilang dari daftar data
solusi
Klik button Jika data berhasil Sesuai dengan (√) diterima
simpan disimpan, maka akan harapan ( ) ditolak
tampil pada data solusi
Kasus dan Hasil Uji (Data Salah)

STMIK ERESHA 78
 Kotak input tidak Menampilkan pesan Sesuai dengan (√) diterima
diisi seperti yang kesalahan harapan ( ) ditolak
telah ditentukan

a. Pengujian Halaman Basis Pengetahuan

Table 27 Hasil Pengujian Halaman Basis Pengetahuan

Kasus dan Hasil Uji (Data Benar) √

Data yang Yang Pengamatan Kesimpulan
dimasukan diharapkan
Klik button Menampilkan form Sesuai dengan (√) diterima
tambah data basis input data basis harapan ( ) ditolak
Pengetahuan Pengetahuan
Input seluruh data Menampilkan data basis Sesuai dengan (√) diterima
basis Pengetahuan Pengetahuan yang telah harapan ( ) ditolak
berhasil dimasukkan
Klik button edit Menampilkan data basis Sesuai dengan (√) diterima
Pengetahuan yang akan harapan ( ) ditolak
di ubah
Klik button batal Jika data berhasil Sesuai dengan (√) diterima
dihapus, maka akan harapan ( ) ditolak
hilang dari daftar data
basis Pengetahuan
Klik button Jika data berhasil Sesuai dengan (√) diterima
simpan disimpan, maka akan harapan ( ) ditolak
tampil pada data basis
Pengetahuan
Kasus dan Hasil Uji (Data Salah)

Kotak input tidak Menampilkan pesan Sesuai dengan (√) diterima

diisi seperti yang kesalahan harapan ( ) ditolak
telah ditentukan

b. Pengujian Halaman Ubah Password

Table 28 Hasil Pengujian Halaman Ubah Password

STMIK ERESHA 79
 Kasus dan Hasil Uji (Data Benar) √
Data yang Yang Pengamatan Kesimpulan
dimasukan diharapkan
Penekanan tombol Membatalkan proses Pembatalan (√) diterima
batal ubah password proses ubah ( ) ditolak
password
Penekanan tombol Melakukan proses Password baru (√) diterima
simpan penyimpanan data disimpan ( ) ditolak
Kasus dan Hasil Uji (Data Salah)
Kotak input tidak Menampilkan pesan Sesuai dengan (√) diterima
diisi kesalahan harapan ( ) ditolak

c. Pengujian Halaman Diagnosa Penyakit

Table 29 Hasil Pengujian Halaman Diagnosa Penyakit

Kasus dan Hasil Uji (Data Benar) √

Data yang Yang Pengamatan Kesimpulan

dimasukan diharapkan
Penekanan Membatalkan pilihan Pembatalan proses (√) diterima
tombol reset data gejala data gejala ( ) ditolak
Penekanan Melakukan proses Hasil perhitungan (√) diterima
tombol submit perhitungan CF CF gejala ( ) ditolak

Kasus dan Hasil Uji (Data Salah)

Tidak memilih Menampilkan pesan Sesuai dengan (√) diterima
data gejala kesalahan harapan ( ) ditolak

4.2.3 Pengujian Akurasi Sistem

4.2.3.1 Pengujian dengan Perhitungan Manual

Pengujian kelayakan penggunakan aplikasi sistem diagnosa kesehatan

pada ibu hamil dilakukan dengan menjalankan aplikasi yang dilakukan oleh
pengguna. Pada proses uji diagnosa penyakit, akan dicoba pada beberapa ibu
hamil yang diduga mengalami gejala penyakit tertentu. Pengujian ini dilakukan
pada RSIA Permata Sarana Husada. Hasil dari diagnosa sistem akan dibandingkan
dengan hasil diagnosa dari dokter spesialis selaku pakar dan dokter.

STMIK ERESHA 80
1. Pengujian dengan perhitungan Fuzzy Tsukamoto
Contoh Kasus:
Kesehatan pasien yang bernama Ny. Leni berumur 26 tahun, dengan suhu
tubuh 36ºC. Dari masalah ini nantinya akan ditemukan solusi berupa
pernyataan, apakah orang tersebut sehat atau tidak sehat.

Terdapat tiga variabel Fuzzy yaitu:

a. Umur
b. Suhu
c. Status Kesehatan
d. Umur

Terdiri dari dua himpunan fuzzy , yaitu Remaja dan Dewasa.

Diketahui :
Umur termuda di kisaran remaja adalah 12 tahun.
Unur tertua di kisaran dewasa adalah 46 tahun.
Umur yang pasien yang di periksa adalah 26 tahun.
Maka,
46−26
ʮ umur – remaja [26] = = 0.59
34

26−12
ʮ umur – dewasa [26] = = 0.41
34

a. Suhu Tubuh
Terdiri dari dua himpunan fuzzy, yaitu tidak normal dan normal.
Diketahui:
Suhu tubuh tidak normal adalah 35ºC.
Suhu tubuh normal adalah 36.7ºC.
Suhu Pasien yang diperiksa adalah 36ºC.
Maka,
36.7−36
ʮ suhu – tidak normal [36] = = 0.41
1.7

36−35
ʮ suhu – normal [36] = = 0.59
1.7

STMIK ERESHA 81
 b. Status Kesehatan
Terdiri dari dua himpunan fuzzy, yaitu tidak sehat dan sehat.
Diketahui:
Status kesehatan tidak sehat adalah 0.2
Status kesehatan sehat adalah 0.6
Status kesehatan permasalahan = ditanyakan ? status kesehatan.
0.6−z
ʮ status – tidak sehat { , z ≤ 0.2
0.4
0.2 ≤ z ≤ 0.6
z ≥ 0.6
z−0.2
ʮ status – sehat { , z ≤ 0.2
0.4
0.2 ≤ z ≤ 0.6
z ≥ 0.6
c. Mencari produksi nilai z
1) Rule 1
Jika usia “remaja” dan suhu tubuh “tidak normal”, maka status kesehatan
“tidak sehat”.
a_predikat1 = ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36]
= min (ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36])
= min (0.59 ; 0.41)
= 0.41
0.6−z 1
ʮ status – tidak sehat { = 0.41 - > z1 = 0.44
0.4
2) Rule 2
Jika usia “remaja” dan suhu tubuh “normal”, maka status kesehatan
“sehat”.
a_predikat1 = ʮ usia – remaja [26] ∩ ʮ suhu –normal [36]
= min (ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36])
= min (0.59 ; 0.59)
= 0.59
z 2−0.2
ʮ status – sehat { = 0.59 - > z2 = 0.04
0.4

STMIK ERESHA 82
 3) Rule 3
Jika usia “dewasa” dan suhu tubuh “tidak normal”, maka status kesehatan
“tidak sehat”.
a_predikat1 = ʮ usia – dewasa [26] ∩ ʮ suhu –normal [36]
= min (ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36])
= min (0.41 ; 0.41)
= 0.41
0.6−z 3
ʮ status – tidak sehat { = 0.41 - > z3 = 0.44
0.4
4) Rule 4
Jika usai “dewasa” suhu tubuh “normal”, maka status kesehatan “sehat.
a_predikat1 = ʮ usia – dewasa [26] ∩ ʮ suhu –normal [36]
= min (ʮ usia – remaja [26] ∩ ʮ suhu – tidak normal [36])
= min (0.41 ; 0.59)
= 0.41
z 4−0.2
ʮ status – sehat { = 0.41 - > z3 = -0. Menghitung nilai z
0.4
fuzifikasii berikut:
a predikat 1∗−z 1+a predikat 2∗z 2+ a predikat 3∗z 3+apredikat 4∗z 4
Z=
apredikat 1+ apredikat 2+apredikat 3+apredikat 4
0.41∗0.44 +0.59∗0.036+0.41∗0.44+0.41∗(−0.04)
=
0.41+ 0.59+0.41+0.41
= 0.2
d. Kesimpulan

Dari hasil defuzifikasi, diperoleh nilai z = 0.2 ini membuktikan bahwa

pasien bernama Ny. Leni berumur 26 tahun dan memiliki suhu tubuh
36ºC tersebut masuk ke dalam kategori “tidak sehat”.

2. Pengujian dengan perhitungan Certainty Factor

Uji coba dengan kasus pertama

Pengujian pertama dilakukan pada pasien dengan data dibawah ini:

Nama : Ny. Leni
Usia : 26 tahun

STMIK ERESHA 83
 Alamat : Pamulang Permai Blok D3 No 1-3
Gejala : Pucat
Mual dan mntah secara berlebihan
Lemah, letih, lesu
Perhitungan CF
Gejala yang timbul adalah G01, G03, G04. Maka kemungkinan jenis penyakit
yang dapat diderita berdasarkan basis aturan adalah :
a. P01 (Hiperemesis Gravidarum)
b. P02 (Anemia)
c. P08 (Diabetes Gestasional)

Untuk menentukan besaran ranking CF dari masing-masing jenis penyakit,

maka akan dilakukan perhitungan dari MB dan MD per jenis penyakitnya
seperti dibawah ini. Pada pemberian nilai MB dan MD berdasarkan acuan table
5 nilai interpretasi dari certainty factor menurut MYCIN berdasarkan hasil
quesioner dari para bidan di RSIA Permata Sarana Husada.
Untuk P01 menggunakan rumus jika penyakit memiliki gejala penyakit lebih
dari satu,
MB (P02|G01) = 0.6
MD (P02|G01) = 0.2 MB (P02|G03) = 1
MD (P02|G03) = 0.2
MB (P01|G01) = 0.6 + (0.6 * (1 - 0.6))
= 0.6 + 0.24
= 0.84
MD (P01|G01) = 0.2 + (0.2 * (1 - 0.2))
= 0.2 + 0.16
= 0.36
MB (P01|G01 ^ G03) = 0.84 + (1 * (1 - 0.84))
= 0.84 + 0.16
= 1.02
MB (P01|G01 ^ G03) = 0.36 + (0.2 * (1 - 0.36))
= 0.36 + 0.128
= 0.488

STMIK ERESHA 84
 CF (P01|G05 ^ G18) = MB - MD
= 1.02 – 0.488 *100%
= 0.532 * 100%
= 53.2 %
Untuk P02 menggunakan rumus jika penyakit hanya memiliki satu gejala
sesuai gejala yang diderita pasien,
MB (P03|G04) = 0.6
MD (P03|G04) = 0.2
CF (P03|G04) = 0.6 – 0.2 = 0.4 x 100% = 40%
Untuk P08 menggunakan rumus jika penyakit hanya memiliki satu gejala
sesuai gejala yang diderita pasien,
MB (P08|G04) = 0.4
MD (P08|G04) = 0.2
CF (P08|G04) = 0.4 – 0.2 = 0.2 x 100% = 20%

Jadi untuk uji kasus pertama diperoleh data bahwa P01 memiliki ranking CF
tertinggi sebesar 53.2%. Sehingga disimpulkan bahwa dengan menggunakan
metode CF percobaan pertama menderita penyakit hiperemesis gravidarum.

d. Uji coba dengan kasus kedua

Pengujian kedua dilakukan pada pasien dengan data dibawah ini:
Nama : Ny. Iis
Usia : 29 tahun
Alamat : Jl Vila Pamulang Mas
Gejala : Sesak nafas
Gatal disekitar vagina
Sering merasa haus
Perhitungan CF
Gejala yang timbul adalah G34, G17, G23. Maka kemungkinan jenis
penyakit yang dapat diderita berdasarkan basis aturan adalah :
1) P06 (Keputihan)
2) P11 (Preeklamsia)
3) P08 (Diabetes Gestasional)

STMIK ERESHA 85
 Untuk menentukan besaran ranking CF dari masing-masing jenis penyakit,
maka akan dilakukan perhitungan dari MB dan MD per jenis penyakitnya
seperti dibawah ini.

Untuk P06,
MB (P06|G17) = 0.6
MD (P06|G17) = 0.2
CF (P06|G17) = 0.6 – 0.2 = 0.4 x 100% = 40%

Untuk P08,
MB (P08|G23) = 0.4
MD (P08|G23) = 0.2
CF (P08|G23) = 0.4 – 0.2 = 0.2 x 100% = 20%

Untuk P11,
MB (P011|G34) = 0.4
MD (P11|G34) = 0.2
CF (P11|G34) = 0.4 – 0.2 = 0.2 x 100% = 20%

Jadi untuk uji kasus kedua diperoleh data bahwa P06 memiliki ranking CF
tertinggi sebesar 40%. Sehingga disimpulkan bahwa dengan menggunakan
metode CF percobaan pertama menderita penyakit keputihan.

e. Uji coba dengan kasus ketiga

Pengujian ketiga dilakukan pada pasien dengan data dibawah ini:
Nama : Ny. Indri
Usia : 25 tahun
Alamat : Jl Pondok Cabe Ilir I
Gejala : Fases Kering dan keras
Sering merasa haus
Perhitungan CF
Gejala yang timbul adalah G28, G23. Maka kemungkinan jenis penyakit
yang dapat diderita berdasarkan basis aturan adalah :
1) P09 (Sembelit)
2) P08 (Diabetes Gestasional)

STMIK ERESHA 86
 Untuk menentukan besaran ranking CF dari masing-masing jenis penyakit,
maka akan dilakukan perhitungan dari MB dan MD per jenis penyakitnya
seperti dibawah ini.

Untuk P08,
MB (P08|G23) = 0.4
MD (P08|G23) = 0.2
CF (P08|G23) = 0.4 – 0.2 = 0.2 x 100% = 20%

Untuk P09,
MB (P09|G28) = 0.6
MD (P09|G28) = 0.2
CF (P09|G28) = 0.6 – 0.2 = 0.4 x 100% = 40%

Jadi untuk uji kasus ketiga diperoleh data bahwa P09 memiliki ranking CF
tertinggi sebesar 40%. Sehingga disimpulkan bahwa dengan menggunakan
metode CF percobaan pertama menderita penyakit sembelit.

4.2.3.2 Pengujian dengan aplikasi

1. Pengujian dengan perhitungan Fuzzy

a. Uji prediksi kasus pertama

Gambar 35 Uji prediksi kasus pertama

b. Uji prediksi kasus kedua

STMIK ERESHA 87
 Gambar 36 Uji prediksi kasus kedua

2. Pengujian dengan perhitungan Certainty Factor

a. Uji diagnosa kasus pertama

Gambar 28 Uji diagnosa kasus pertama

STMIK ERESHA 88
 b. Uji diagnosa kasus kedua

Gambar 29 Uji Kasus Diagnosa Kedua

c. Uji Coba Kasus Ketiga

Gambar 30 Uji Diagnosa Kasus Ketiga

STMIK ERESHA 89
4.2.4 Pengujian dengan Metode Kuisoner

Pada tahapan ini peneliti menggunakan metode kuisoner untuk melakukan

pengujian di lapangan untuk menilai tampilan, efektifitas, efisienitas dan
kekurangan dari aplikasi sistem diagnosa kesehatan kandungan pada ibu hamil.
Metode ini dilakukan untuk menentukan tampilan, kemudahan pengoprasisan,
efektivitas dan efisiensi terhadap kepuasan pengguna.

Adapun pertanyaan – pertanyaan yang diajukan oleh peneliti kepada

penguji dilapangan adalah sebagai berikut :

Table 30 Evaluasi Uji Coba Berdasarkan kuesioner

Tampilan
No. Pertanyaan SS S C TS STS Total
Apakah tampilan pada aplikasi sistem
diagnosa kesehatan kandungan pada ibu
hamil menarik?
Apakah pada tombol – tombol dalam
aplikasi sistem diagnosa kesehatan
kandungan pada ibu hamil memberikan
informasi fungsi yan jelas?
Apakah aplikasi sistem diagnosa kesehatan
kandungan pada ibu hamil menampilkan
pesan jika terjadi seuatu kesalahan?
Apakah pesan error/pesan informasi yang
ditampilkan mudah dimengerti?
Apakah aplikasi sistem diagnosa kesehatan
kandungan pada ibu hamil dapat
menampilkan data yang telah diinput?
Apakah data yang ditampilkan oleh aplikasi
sistem diagnosa kesehatan kandungan pada
ibu hamil jelas?
Kemudahan Pengoperasian
No. Pertanyaan SS S C TS STS Total
Apakah peroses input mudah dilakukan?
Apakah proses memperbarui data mudah
dilakkan?
Apakah proses penghapusan data mudah
dilakukan?
Apakah proses menampilkan data mudah
dilakukan?
Efektivitas
No. Pertanyaan SS S C TS STS Total
Apakah aplikasi sistem diagnosa kesehatan
kandungan pada ibu hamil dapat

STMIK ERESHA 90
 menghasilkan diagnosa yang akurat?
Apakah aplikasi sistem diagnosa kesehatan
kandungan pada ibu hamil dapat
menyajikan data yang diperlukan oleh
anda?
Apakah data yang sudah tidak terpakai
dapat dihapus seluruhnya?
Efisiensi
No. Pertanyaan SS S C TS STS Total
Apakah aplikasi sistem diagnosa kesehatan
kandungan pada ibu hamil dapat
mempercepat mendapatkan informasi ?
Apakah aplikasi sistem diagnosa kesehatan
kandungan pada ibu hamil memiliki waktu
menyimpan, menghapus, memperbarui
dan/atau menampilkan data dengan cepat?
Kepuasan
No. Pertanyaan SS S C TS STS Total
Apakah aplikasi sistem diagnosa kesehatan
pada ibu hamil sudah memenuhi harapan
anda?

4.2.5.1 Penentuan Mutu

Berikut ini adalah nilai mutu yang dibuat berdasarkan banyaknya

pertanyaan pada setiap variabel:
1. Mutu untuk varibel tampilan dan efektivitas

Table 31 Penentuan Mutu

Tampilan & Efektivitas

minimum maximum mutu
0 5 1
6 11 2
12 17 3
18 24 4
25 30 5

Nilai mutu 1 diperuntukan untuk jumlah skor 0 – 5, nilai mutu 2 untuk jumlah
skor 6 – 11, nilai mutu 3 untuk jumlah skor 12 – 17, nilai mutu 4 untuk jumlah
skor 18 – 24 dan nilai mutu 5 untuk 25 – 30.

STMIK ERESHA 91
2. Mutu untuk kemudahan dan efisiensi

Table 32 Mutu dan Efesiensi

Kemudahan & Efisiensi

minimum maximum mutu
0 3 1
4 8 2
9 13 3
14 17 4
18 20 5

Nilai mutu 1 untuk jumlah skor 0 – 3, nilai mutu 2 untuk jumlah skor 4 – 8,
nilai mutu 3 untuk jumlah skor 9 – 13, nilai mutu 4 untuk jumlah skor 14 – 17
dan nilai mutu 5 untuk jumlah skor 18 – 20.

4.2.5.2 Hasil Pengelolahan Data Kuisoner

Dari hasil pengambilan data menggunakan metode kuisoner diperoleh data

yang sudah diubah menjadi nilai mutu sebagai berikut:

Table 33 Hasil Pengelolaan evaluasi data kuesioner

STMIK ERESHA 92
 Setelah data diolah kemudian data dimasukan ke aplikasi menggnakan
SPSS untuk dilakukan uji validitas dan reabilitas.

4.2.5.3 Uji Validitas

Uji ini dilakukan untuk menilai ke-valid-an dari data kuisoner yang
diambil hasil dari uji validitas ini sebagai berikut:

STMIK ERESHA 93
 Pada tingkat signifikansi 0,05 nilai pada tabel r menunjukan 0,3610
dimana dari setiap variabel yang diujikan telah memenuhi dari syarat suatu
variabel dikatakan valid, dimana nilai r hitung > r table. Berikut adalah tabel hasil
pengujiannya:

Table 34 Hasil Uji r Hitung dengan r Tabel

Variabel r Hitung r Tabel Keterangan

Tampilan 0,813 0,3610 Valid
Kemudahan 0,671 0,3610 Valid
Pengoperasian
Efektivitas 0,528 0,3610 Valid
Efisiensi 0,824 0,3610 Valid
Kepuasan 0,764 0,3610 Valid
Total Skor 1 0,3610 Valid

4.2.5.4 Uji Reabilitas

Uji ini dilakukan untuk menilai kekonsistenan dari data kuisoner yang
diolah, hasil dari uji reabilitas adalah sebagai berikut :

Table 35 Uji Reabilitas

Realibility Statistics

Cronbach’ N of Items
s Alpha
0,784 5

Syarat suatu kuisoner dapat dikatakan reliabel atau konsisten adalah jika
nilai Cronbach’s Alpha lebih dari 0,60 dan suatu kuisoner dikatakn tidak reliabel
jika Cronbach’s Alpha kurang dari 0,60. Dari hasil pengolahan data dengan SPSS,
diperoleh nilai Cronbach’s Alpha 0,784 di mana nilai ini sudah melebihi syarat
dari suatu kuisoner dapat dikatakan reliabel atau konsisten.

STMIK ERESHA 94
 BAB V
KESIMPULAN DAN SARAN

e.1 Kesimpulan

Berdasarkan implementasi dan pengujian pada bab-bab sebelumnya, maka

dapat ditarik kesimpulan dari analisa sistem diagnosa kesehatan kandungan ibu
hamil dengan metode fuzzy dan certainty factor ini yaitu :
1. Mempermudah para ibu hamil dalam memperoleh informasi mengenai
kesehatan kandungan pada ibu hamil yang sedang diderita, serta mendapatkan
solusi penanganannya.
2. Mempermudah ibu hamil dalam mendiagnosa kesehatan ibu hamil.

Analisa sistem diagnosa kesehatan kandungan pada ibu ini telah

memberikan kemudahan dan dapat dijadikan alternatif untuk mendiagnosa
penyakit lainnya, karena mampu mendiagnosa dengan akurat sesuai gejala yang di
rasakan, sehingga dapat membantu mempermudah untuk mendapatkan hasil
diagnosa yang akurat.

e.2 Saran

Dari hasil analisa sistem ini, peneliti menyadari masih banyak kekurangan
dan kesalahan dalam pengembangan sistem ini. Saran-saran yang dapat peneliti
berikan antara lain :
1. Sistem diagnosa kesehatan kandungan ibu hamil ini baru membahas tentang
diagnosa kesehatan kandungan ibu hamil secara global, diharapkan
kedepannya dapat membahas penilaian secara lebih terperinci.
2. Sistem diagnosa kesehatan kandungan pada ibu ini dapat dikembangkan
dengan sistem diagnosa berbasis android.

STMIK ERESHA 95
 DAFTAR PUSTAKA

Aditama, R. (2012). Sistem Informasi Akademik Kampus Berbasis Web dengan

PHP. Yogyakarta: Lokomedia.

Aprianti, W. (2016). Sistem Informasi Kepadatan Penduduk Kelurahan Atau Desa

Kecamatan Bati-bati Kabupaten Tanah Laut. 8.

Ardianto, W., & Anggraeni, W. (2012). Pembuatan Sistem Pakar Untuk

Pendektesian dan Penanganan Dini Pada Penyakit Sapi Berbasis Mobile
Android Dengan Kajian Kinerja Teknik Knowledge Representation. 6.

Budianto, A. E. (2015). Aplikasi Sistem Pakar Menggunakan Metode Backward

Chaining Untuk Analisis Penyakit Hewan Ternak. 3.

Harto, D. (2013). Perancangan Sistem Pakar Untuk Mengidentifikasi Penyakit

Pada Tanaman Semangka Dengan Menggunakan Metode Certainty Factor.
6.

Kurniawan, M. (2014). Aplikasi Diagnosis Penyakit Ikan Arwana Menggunakan

Aturan Inferensi Fuzzy Berbasis Web. 6.

Muhamad, K. Y. (2013). Hewan kesayangan mini & eksotis. Jakarta: Penebar

Swadaya.

Ratama, N. (2013). Penerapan Metode Analytic Hierarchy Prosess (AHP) Untuk

Menentukan Pemilihan Jabatan Foreman Dari Karyawan Mekanik Terbaik
Pada PT. Astra International Toyota Motor Sales.

Saputra, A. (2012). Membuat Aplikasi E-Library untuk Panduan Skripsi. Jakarta:

PT Elex Media Komputindo.

Sumarlinda, S. (2016). Rancang Bangun Sistem Informasi Nilai Siswa Pada

Madrasah Ibtidaiyah Islamiyah Ngrejeng Kabupaten Bojonegoro. 15.

Trisulistyo, F. (2014). Sistem Pakar Untuk Mendiagnosa Penyakit Hepatitis

Dengan Metode Fuzzy Tsukamoto. 7.

STMIK ERESHA 96
 DAFTAR RIWAYAT HIDUP

Penulis bernama Diki Rasapta yang

dilahirkan di Jakarta, 01 April 1995, anak ke
2 dari 3 bersaudara dari pasangan Bpk Mudin
dan (Alm) Ibu Yuni Sutiyem. Penulis
beragama Islam dan beralamat di Jl Hj Nidi
RT 05 RW 02 Kec Bojongsari Kel Serua
Kota Depok

Pendidikan Yang Pernah Di Tempuh Oleh Penulis :

2001 - 2006 SDN Serua 03

2006 - 2009 SMP AL-HASRA

2009 - 2013 SMK Sasmita Jaya 02

2013 - 2017 Universitas Pamulang

Pengalaman Kerja Penulis

2017 - 2018 PT Accelist Lentera Indonesia

2019 - 2020 RSIA Permata Sarana Husada

STMIK ERESHA 97