SISTEM PAKAR DIAGNOSA PENYAKIT GIGI DAN MULUT

MENGGUNAKAN METODE FUZZY MAMDANI

Proposal Penelitian

Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat

Sarjana

Oleh :

NUR QAMARIA MUHLIS TEHAPAANO

F1A316045

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS HALUOLEO

KENDARI

2020
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Sejalan dengan perkembangan peradaban dan kemajuan ilmu pengetahuan

dan teknologi, memberikan dampak positif di bidang kedokteran khususnya

kedokteran gigi. Dalam bidang kedokteran gigi, usaha meningkatkan penggunaan

komputer terus ditingkatkan agar membantu dan mempermudah kerja dari para

dokter gigi.

Saat ini teknologi mampu mengadaptasi proses dan cara berpikir manusia

(pakar) yaitu teknologi artificial intelligence atau keceradasan buatan. Salah satu

implementasi dari kecerdasan buatan adalah sistem pakar. Sistem pakar adalah

sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar

komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para

ahli.

Gigi merupakan salah satu bagian terpenting dalam sistem pencernaan pada

manusia, gigi digunakan untuk membantu sistem pencernaan yaitu sebagai alat

pengunyah. Gigi adalah satu satunya organ yang tidak bisa menyembuhkan

dirinya sendiri, gigi menjadi organ tubuh yang sangat dijaga dan dirawat

kondisinya selama kehidupan seseorang berlangsung, untuk orang dewasa dan

anak-anak pemeriksaan gigi dan mulut di sarankan yaitu setiap 6 bulan sekali.

Frekuensi kunjungan 6 bulan sekali tersebut juga tidak sama untuk semua orang.

Jika memiliki gangguan metabolisme pada gigi dan beresiko mengalami penyakit

gigi dan mulut maka dianjurkan untuk memeriksakan gigi setiap 3 bulan sekali.
Namun setiap orang perlu juga untuk mengetahui bagaiamana cara menjaga

kesehatan gigi dan mulut mereka di setiap hari dengan mandiri atau pemeriksaaan

sendiri yang bisa dilakukan dirumah agar setiap orang bisa mencegah dan

menanggulangi masalah kesehatan gigi dan mulut secara mandiri. Kondisi gigi

dan mulut yang tidak sehat dapat mempengaruhi atau menimbulkan masalah lain

di sekitar mulut.

Menjaga kesehatan gigi dan mulut yang diketahui pada umumnya hanya

menggosok gigi 3 kali sehari dan kurang menyadari kerusakan yang terjadi pada

gigi. Sehingga saat mengalami gangguan atau terasa sakit pada gigi dan area

sekitar mulut yang sangat parah, barulah melakukan pemeriksaan ke dokter gigi.

Padahal, semakin dini penyakit terdeteksi maka, perawatan akan semakin

sederhana dan biaya penanganan akan semakin murah serta resiko sakit akan

semakin kecil.

Permasalahan yang sering dihadapi yaitu sulitnya masyarakat umum

mengetahui terjadinya penyakit gigi dan mulut karena disebabkan dari gejala yang

berbeda, sehingga jika gigi dan mulut mengalami gangguan dan gangguan

tersebut diabaikan hal ini bisa saja merupakan gejala awal penyakit pada gigi dan

mulut yang dapat berakibat fatal. Mengingat bahwa tenaga ahli dan jam praktek

yang terbatas, sehingga pasien tidak dapat berkonsultasi dengan pakar kapan dan

dimana saja, maka penulis tertarik membangun “Sistem Pakar Diagnosa

Penyakit Gigi dan Mulut Menggunakan Metode Fuzzy Mamdani”.

1.2 Rumusan masalah

Berdasarkan latar belakang, maka rumusan masalah pada penelitian ini

adalah bagaimana membangun Sistem Pakar Diagnosa Penyakit Gigi dan Mulut

Menggunakan Metode Fuzzy Mamdani.

1.3 Tujuan Penelitian

Melihat dari rumusan masalah, maka tujuan penelitian ini adalah

menghasilkan sebuah Sistem Pakar Diagnosa Penyakit Gigi dan Mulut

Menggunakan Metode Fuzzy Mamdani.

1.4 Manfaat Penelitian

Manfaat yang diperoleh dari hasil penelitian ini antara lain sebagai berikut:

1. Memberikan informasi penyakit gigi dan mulut juga memberikan solusi

pertolongan pertama.

2. Mempermudah dan mempercepat waktu seseorang untuk mendeteksi

penyakit gigi dan mulut sendiri.

1.5 Batasan Masalah

Adapun batasan masalah dari penelitian ini adalah sebagai berikut :

1. Sistem pakar dibuat khusus untuk mendiagnosa penyakit gigi dan mulut.

2. Sistem pakar ini dibuat dalam bentuk berbasis web.

3. Sistem pakar ini hanya digunakan di RSUD Bahteramas Kendari.

 BAB II

TINJAUAN PUSTAKA

2.1 Penelitian Terkait

Sistem pakar diagnosa penyakit gigi menggunakan metode Naive Bayes

oleh Yuliana dan Anita Sindar Ros Maryana Sinaga pada tahun 2019. Penelitian

ini membahas sistem pakar untuk mendiagnosis 7 penyakit dengan 37 gejala pada

gigi.

Sistem pakar diagnosis penyakit gigi dan mulut menggunakan metode

damster-shafer dan certenly factor oleh Teguh Ansyor Lorosae, Arief Setyanto

dan Eko Pramono pada tahun 2018. Penelitian ini membahas tentang sistem pakar

untuk mendiagnosis 12 penyakit dengan 40 gejala pada gigi dan mulut. Metode

yang digunakan dalam penelitian ini adalah dempster-shafer dan certainly factor.

Diagnosisi penyakit gigi dan mulut dengan metode forward chaining oleh

Afriosa Syawitri, Sarjon Defit dan Gunadi Widi Nurcahyo pada tahun 2018.

Penelitian ini membahas tentang sistem pakar untuk mendiagnosis 8 penyakit

dengan 40 gejala pada gigi dan mulut. Metode yang digunkan dalam penelitian ini

adalah forward chaining.

Sistem pakar diagnosa penyakit hewan ternak babi dengan menggunakan

metode fuzzy mamdani berbasis web oleh Yando Owel Rikson Manik dan Garuda

Ginting pada tahun 2018. Penelitian ini membahas tentang sistem pakar untuk

mendiagnosis 5 penyakit dengan 23 gejala pada hewan ternak babi. Metode yang

digunakan dalam penelitian ini adalah fuzzy mamdani.

 Penerapan fuzzy inference system takagi-sugeno-kang pada sistem pakar

diagnosa penyakit gigi oleh Lutfi Salisa Setiawati, Irwan Budiman dan Oni

Soesanto pada tahun 2016. Penelitian ini berisi tentang sistem pakar untuk

mendiagnosis 14 penyakit dengan 37 gejala pada gigi. Metode yang digunakan

dalam perancangan inferensinya adalah fuzzy inference system takagi-sugeno-

kang.

2.2 Kecerdasan Buatan

Kecerdasan buatan (Artificial Intelligence) merupakan salah satu bagian dari

ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat

melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia bahkan bisa

lebih daripada yang dilakukan manusia (Dahria, 2008).

Kecerdasan buatan merupakan bidang ilmu komputer (computer science)

yang khusus ditujukan untuk membuat perangkat lunak dan perangkat keras yang

sepenuhnya bisa menirukan beberapa fungsi otak manusia. Tau cabang ilmu

komputer yang mempelajari otomatis tingkah laku cerdas (intelligent).

Kecerdasan buatan harus didasarkan pada prinsip-prinsip teoretikal dan terapan

yang menyangkut :

a. Struktur data yang digunakan dalam representasi pengetahuan (knowledge

representation),

b. Algoritma yang diperlukan dalam penerapan pengetahuan itu.

c. Teknik-teknik bahasa dan pemrograman yang dipakai dalam

implementasinya.
 Pengetahuan utama aplikasi kecerdasan buatan adalah pengetahuan

(knowledge) atau lebih besarnya adalah basis pengetahuan (knowledgebase)

(Ratama & Manuwaroh, 2019).

Terdapat beberapa konsep yang harus dipahami dalam kecerdasan buatan,

diantaranya :

1. Turing test- metode pengujian kecerdasan

Turing test merupakan sebuah metode pengujian kecerdasan yang dibuat

oleh Alan Turing. Proses uji ini melibatkan seorang penanya (manusia) dan

dua objek yang ditanyai. Yang satyu adalah seorang manusia dan satunya

adalah sebuah mesin yang akan diuji. Penanya tidak dapat menanya

langsung kepada objek yang di tanyai. Penanya diminta untuk membedakan

mana jawaban komputer dan mana jawaban manusia berdasarkan jawaban

kedua objek tersebut. Jika penanya tidak dapat membedakan mana jawaban

mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin

yang diuji tersebut dapat diasumsikan cerdas.

2. Pemrosesan simbolik

Komputer semula didesain untuk memproses bilangan/ angka-angka

(pemrosesan numerik). Sementara manusia dalam berpikir dan

menyelesaikan masalah lebih bersifat simbolik, tidak berdasarkan pada

seumlah rumus atau melakukan komputasi matematis. Sifat penting dari AI

adalah bahwa AI merupakan bagian dari ilmu komputer yang melakukan

proses secara simbolik dan non-algoritmik dalam penyelesaian masalah.

3. Heuristic

Istilah heuristic diambil dari bahasa Yunani yang berarti menemukan.

Heuristic merupakan suatu strategi untuk melakukan proses pencarian

(search) ruang problem secara selektif, yang memandu proses pencaraian

yang kita lakukan di sepanjang jalur yang dimiliki kemungkinan sukses

paling besar.

4. Penarikan kesimpulan

Artificial intelligence (AI) mencoba membuat mesin memiliki kemampuan

berpikir atau mempertimbangkan (reasoning). Kemampuan berpikir

(reasoning) termasuk didalamnya proses penarikan kesimpulan

(inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan

metode heuristik atau metode pencarian lainnya.

5. Pencocokan pola (pattern matching)

Artificial intelligence (AI) bekerja dengan metode pencocokan pola (pattern

matching) yang berusaha untuk menjelasakan obyek, kejadian (events) atau

proses, dalam hubungan logik atau komputasional (Kusrini, 2006)

2.3 Sistem Pakar

Sistem Pakar adalah sistem yang ditujukan untuk meniru semua aspek

(emulates) kemampuan pengambilan keputusan (decision making) seorang pakar.

Memanfaatkan secara khusus selayaknya seorang pakar untuk memecahkan

masalah.

Pakar atau ahli (expert) didefinisikan sebagai seseorang yang memiliki

pengetahuan atau keahlian khusus yang tidak dimiliki oleh kebanyakan orang.
Seorang pakar dapat memecahkan masalah yang tidak mampu dipecahkan

kebanyakan orang. Pengetahuan yang dimuat ke dalam sistem pakar dapat berasal

dari seorang pakar atau pun pengetahuan yang berasal dari buku, jurnal, majalah,

dan dokumentasi yang dipublikasikan lainnya, serta orang yang memiliki

pengetahuan meskipun bukan ahli (Rosnelly, 2012).

2.3.1 Komponen sistem pakar

Diagram umum sistem pakar ditunjukan pada Gambar 2.1

Gambar 2. 1 Diagram Blok Umum Sistem Pakar (Octavina & Fadlil, 2013)

Terdapat 3 Komponen sistem pakar menurut (Turban, 1995) dalam

(Octavina & Fadlil, 2013) yaitu, representasi pengetahuan (knownledge base),

Antar muka pengguna (interface), Mesin inferensi (Motor Inferensi).

1. Representasi pengetahuan (knowledge base)

Representasi pengetahuan adalah metode yang digunakan untuk

mengkodekan pengetahuan dalam sebuah system pakar yang berbasis

pengetahuan. Representasi pengetahuan dimaksudkan untuk menangkap sifat-sifat

penting problema dan membuat informasi tersebut dapat diakses oleh prosedur

pemecahan masalah.

Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi

dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen

dasar yaitu fakta dan aturan. Fakta merupakan informasi tentang obyek dalam area
permasalahan tertentu, sedangakan aturan merupakan informasi tentang cara

bagaimana memperoleh fakta baru dari fakta yang telah diketahui.

Ada beberapa metode untuk mempresentasikan pengetahuan kedalam basis

pengetahuan, yaitu:

a. Logika (Logic)

Merupakan suatu pengkajian ilmiah tentang serangkaian penalaran, sistem

kaidah, dan prosedur yang membantu proses penalaran.

b. Jaringan sistematik (semantic nets)

Jaringan semantik adalah objek yang paling awal dipakai dalam

mempresentasikan pengetahuan. Metode ini didasarkan pada stuktur jaringan dan

biasa digambarkan dengan grafik hubungan. Jaringan sematik terdiri dari

lingkaran-lingkaran yang menunjukan objek dan informasi tentang objek-objek

tersebut. Objek ini bisa berupa benda atau peristiwa. Antara dua objek

dihubungkan oleh arc yang menunjukan hubungan antar objek.

c. Kaidah produksi

Kaidah produksi biasanya dalam bentuk jika-maka (IF-THEN). Kaidah ini

dapat dikatakan sebagai hubungan implikasi dua bagian, yaitu bagian premis

(jika) dan bagian konklusi (maka) dengan format kaidah IF-THEN.

d. Pohon Pelacakan

Merupakan struktur penggambaran struktur secara hierarkis. Struktur pohon

terdiri atas node-node yang menunjukan objek dan arc (busur) yang menunjukan

hubungan antar objek. Untuk menghindari kemungkinan adanya proses pelacakan

suatu node secara berulang, maka digunakan struktur pohon.

2. Antar muka pengguna (interface)

Antarmuka pengguna adalah perangkat lunak yang menyediakan media

komunikasi antar pengguna dengan sistem. User Interface merupakan mekanisme

yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi.

Antarmuka menerima informasi dari pemakai dan pengubahnya ke dalam bentuk

yang dapat diterima oleh sistem. Selain itu, antarmuka menerima informasi dari

sistem dan menyajikannya kedalam bentuk yang dapat dimengerti oleh pemakai.

3. Mesin inferensi (Motor Inferensi).

Mesin inferensi adalah program komputer yang memberikan metodologi

untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam

workplace dan untuk memformulasikan kesimpulan.

Untuk pelacakan data terdapat 2 cara yang tepat digunakan untuk

mempresentasikannya yaitu :

a. Workplace

Workplace merupakan area dari sekumpulan memori kerja (working

memory). Workplace digunakan untuk merekam hasil dan kesimpulan yang

dicapai.

b. Fasilitas Penjelasan

Fasilitas penjelasan berguna dalam membarikan penjelasan kepada

pengguna mengapa komputer meminta suatu informasi tertentu dari pengguna dan

dasar apa yang digunakan komputer sehingga dapat menyimpulkan suatu kondisi.
c. Perbaikan Pengetahuan

Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerja

serta kemampuan untuk belajar dari kinerjanya. Kemampuan tersebut adalah

penting dalam pembelajaran terkomputerisasi sehingga program akan mampu

menganalisis penyebab kesuksesan dan kegagalan yang dialaminya.

2.3.2 Ciri-ciri sistem pakar

Menurut (Wamiliana et al., 2013) sistem pakar memiliki beberapa ciri,

sebagai berikut :

1. Terbatas pada bidang yang spesifik.

2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak

pasti.

3. Dapat mengemukakan rangkaian alasan yang diberikan dengan cara yang

dapat dipahami.

4. Berdasarkan rule atau kaidah tertentu.

5. Dirancang untuk dapat dikembangkan secara bertahap.

6. Outputnya bersifat nasihat atau anjuran.

7. Output tergantung dari dialog dengan user.

8. Knowledge base dan inference enginer terpisah.

9. Dapat digunakan dalam berbagai jenis komputer.

2.3.3 Konsep dasar sistem pakar

Dalam konsep sistem pakar mengandung keahlian, ahli/pakar, pengalihan

keahlian, mengambil keputusan, aturan dan kemampuan menjelaskan (Dahria,

2011).
1. Keahlian

Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu

yang diperoleh dari pelatihan, membaca atau dari pengalaman.

Bentuk pengetahuan yang termasuk keahlian :

a. Fakta-fakta pada lingkup permasalahan tertentu.

b. Teori-teori pada lingkup permasalahan tertentu.

c. Aturan-aturan berkenaan dengan lingkup permasalahan tertentu.

d. Meta- knowledge (pengetahuan tentang pengetahuan).

2. Ahli/ Pakar

Seorang ahli adalah seorang yang mampu menjelaskan suatu tanggapan,

mempelajari hal-hal baru seputar topik permasalahan, menyususn kembali

pengetahuan jika dipandang perlu, memecahkan masalah dengan cepat dan tepat.

3. Pengalihan keahlian

Tujuan dari sistem pakar adalah untuk mentransfer keahlian dari seorang

pakar ke dalam computer kemudian ke masyarakat. Proses ini meliputi 4 kegiatan,

yaitu perolehan pengetahuan (dari para ahli atau sumber-sumber lainnya),

representasi pengetahuan ke komputer, kesimpulan dari pengetahuan dan

pengalihan pengetahuan ke pengguna.

4. Mengambil Keputusan

Hal yang unik dari sistem pakar adalah kemampuan untuk menjelaskan

dimana keahlian tersimpan dalam basis pengetahuan. Kemampuan komputer

untuk mengambil kesimpulan dilakuakan oleh komponen yang dikenal dengan

mesin inferensi yaitu meliputi prosedur tentang pemecahan masalah.

5. Aturan (Rule)

Sistem pakar yang dibuat merupakan sistem yang berdasarkan pada aturan-

aturan dimana program disimpan dalam bentuk aturan-aturan sebagai prosedur

pemecahan masalah. Aturan tersebut biasanya berbentuk IF-THEN.

6. Kemampuan menjelaskan

Keunikan lain dari sistem pakar adalah kemampuan dalam menjelaskan atau

memberi saran/ rekomendasi serta juga menjelaskan mengapa beberapa tindakan

atau saran tidak direkomendasikan.

Gambar 2,2 konsep dasar suatu sistem pakar knowledge-base. Pengguna

menyampaikan fakta atau informasi untuk sistem pakar dan kemudian menerima

saran dari pakar atau jawaban ahlinya. Bagian dalam sistem pakar terdiri dari dua

komponen utama, yaitu knowledge base yang berisi knowledge dan mesin

inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut merupakan

respons dari sistem pakar atas permintaan pengguna.

Knowledge-Base
fakta
USER
Keahlian
Mesin Inferensi

Sistem Pakar

Gambar 2. 2 Dasar Fungsi Sistem Pakar

2.4 Jenis Penyakit

Bagian gigi dan mulut memiliki beragam peyakit dan juga beragam

penyebab dari penyakit yang diderita.

2.4.1 Karies gigi/ gigi berlubang

Karies gigi atau gigi berlubang adalah suatu penyakit pada jaringan keras

gigi yang ditandai oleh rusaknya email dan dentin disebabkan oleh aktivitas

metabolisme bakteri dalam plak yang menyebabkan terjadinya demineralisasi

akibat interaksi antar produk-produk mikroorganisme, ludah dan bagian-bagian

yang berasal dari makanan dan email (Ramayanti & Purnakarya, 2013).

Gambar 2. 3 Karies Gigi (Kristiani et al., 2010)

3 faktor penting yang dapat menimbulkan karies adalah plak gigi, diet :

karbohidrat yang cocok (terutama gula), email : permukaan gigi yang rentan dan

waktu (Kristiani et al., 2010).

2.4.2 Peradangan jaringan pulpa/ pulpitis

Pulpa adalah jaringan ikat yang mengandung komponen jaringan seperti

substansi interselular, cairan jaringan, sel-sel tertentu, limfatik, pembuluh darah,

saraf, odontoblast, fibroblast, dan komponen seluler lainnya. Secara embriologis,

jaringan pulpa terbentuk dari central cells-nya dental papilla membuat jaringan

pulpa menyerupai jaringan dentin. Meskipun menyerupai jaringan ikat lainnya,

pulpa memiliki fungsi dan lingkungan yang spesial..

penyakit pulpa disebabkan oleh bakteri, trauma, panas, dan kimia. Bakteri

merupakan penyebab paling umum dari penyakit pulpa. Bakteri atau produknya
dapat memasuki pulpa melaluli celah di dentin, dikarenakan karies atau terekspos

dari developmental groove, sekitar restorasi, perluasan infeksi, gingiva, atau dari

darah. Trauma dapat terjadi pada mahkota atau akar gigi. Trauma pada pulpa

dapat disebabkan oleh gaya yang berat dan besar pada gigi terjadi saat olahraga,

berkelahi, kecelakaan lalu lintas, atau kecelakaan di rumah. Panas merupakan

etiologi yang tidak umum pada injuri pulpa. Adapun panas yang dapat

menyebabkan injuri pulpa yaitu panas dari preparasi kavitas, konduksi panas oleh

filling, dan panas gesekan saat pemolesan. Penyebab kimia pada injuri pulpa

merupakan kasus yang jarang terjadi (Larasati et al., 2013)

2.4.3 Penyakit jaringan penyangga gigi (gusi) dan jaringan lunak mulut

1. Pembesaran gusi (Gingival Enlargement) : salah satu bentuk perubahan

patologis dari gigiva/ gusi yang mengalami Hyperplasia (bertambah besarnya

jaringan karena terjadi proliferasi atau bertambahnya sel) atau Hypertropi

(pembesaran jaringan disebabkan ukuran sel yang membesar).

Gambar 2. 4 Pembesaran Gusi (Gigival Enlargement) (Kristiani et al., 2010)

2. Penyakit/ kelainan mukosa mulut dasar mulut dan lidah

Berikut merupakan macam-macam kelainan lidah dan dasar mulut

a. Glosistis : Peradangan pada lidah, yang ditandai dengan deskuamasi papilla

filiformis sehingga menghasilkan daerah kemerahan yang mengkilat.

Gambar 2. 5 Glositis pada kekurangan vitamin B12 (anemia pernisiosa) (Kristiani

et al., 2010).

b. Hipertropi Papila Lidah : Disebabkan karena peradangan akibat iritasi

kronis atau infeksi, sering dialami oleh perokok berat, alcohol, makanan

panas, friksi mekanis.

c. Lidah Berselaput/ Hairy Tongue : Permukaan dorsum lidah ditutupi oleh

selaput atau pseudo membrane karena terjadinya infeksi. (scarlet fever).

Lidah terlihat ditutupi selput putih, bila disebabkan oleh (candida albicans)

lidah ditutupi selaput putih kekuningan, penyakit lainnya yang

menyebabkan dehedrasi dan melemahkan serta pada pasien yang sudah

parah (Kristiani et al., 2010)

Gambar 2. 6 Lidah Berselaput (Kristiani et al., 2010)

d. Bau mulut (halitosis)

 Bau mulut biasa disebabkan gangguan kesehatan rongga mulut sampai

karena penyakit dalam tubuh. Halitosis bukan merupakan suatu penyakit, tetapi

hanya merupakan suatu gejala dari adanya suatu kelainan yang tidak disadari atau

hanya sekedar merupakan keluhan saja.

Terdapat beberapa penyebab bau mulut yaitu, gangguan kesehatan pada

rongga mulut yaitu gigi yang busuk, gigi palsu lepasan terutama yang tetap

digunakan sepanjang malam dan tidak disikat, memamkan makanan-makanan

yang menghasilkan bau seperti bawang, petai dan jengkol dan juga pecandu

alkohol dan perokok berat.

Adanya penyakit di dalam tubuh yang tidak disadari dapat menyebabkan

bau mulut, yaitu : infeksi paru-paru, infeksi lambung, infeksi usus, infeksi pada

sinus (sinusitis), diabetes mellitus (kencing manis), gangguan ginjal, gangguan

fungsi hati, keganasan pada faring dan laring dan kelaianan darah.

Bau mulut bisa ditanggulangi dengan cara melakukan perawatan rutin pada

gigi dan mulut dan menghindari makan yang menyebabkan bau mulut serta tidak

mengkonsumsi rokok dan alkohol (Sariningsih, 2014)

e. Sariawan mulut (stomatitis)

Sariawan merupakan bahasa awam untuk berbagai macam lesi yang timbul

di rongga mulut. Biasanya jenis sariawan yang sering timbul di rongga mulut

disebut stomatitis aftosa rekuren (SAR).

Sromatitis aftosa rekuren (SAR) adalah suatu lesi inflamasi kronik berupa

ulkulus yang rekuren dan periodik dengan gejala rasa sakit yang hebat pada

mukosa mulut. SAR bukanlah penyakit berbahaya dan dapat sembuh sendiri,
tetapi terkadang penderita merasa aktivitasnya terganggu seperti, sulit makan dan

bicara sehingga perlu pengobatan untuk menghilangkan rasa sakit (Sariningsih,

2014).

f. Hairy Leukoplakia

Hairy leukoplakia adalah penyakit yang khas pada orang yang terinfeksi

HIV, dan sering kali mengawali perkembangan dari AIDS. Bercak putih yang

berkelok-kelok umumnya terdapat pada lateral lidah.

Lesi ini tidak hilang dengan digosok, dan terapi anti-jamur konfensional

jarang efektif.

2.4.4 Kista rongga mulut

Menurut (Birnbaum & Dunne, 2010) kista adalah rongga patologis berisi

bahan berupa cairan, semi-cairan, atau gas, dan bukan terbentuk akibat

akumulasipus. Kista sering kali, walaupun tidak selamanya dilapisi oleh epitel.

Kista rongga mulut merupakan suatu rongga patologis yang tertutup,

berkapsul, berbatas jelas dengan atau tidak adanya jaringan epitel, tumbuh

abnormal dalam rongga anatomis, baik pada jaringan keras atau lunak yang berisi

cairan, semifluid atau substansi gas, dan dapat juga mengandung kolesterol. Kista

dapat terjadi di antara tulang ataupun di antara jaringan lunak dan dapat

dihubungkan dengan nyeri ataupun pembengkakan. Pada umumnya kista ini dapat

berjalan lambat dengan lesi yang meluas.

Mayoritas kista berukuran kecil dan tidak menyebabkan pembengkakan di

permukaan jaringan. Apabila tidak ada infeksi, maka secara klinis pembesarannya

minimal dan berbatas jelas. Pembesaran kista dapat menyebabkan asimetris pada
wajah, pergeseran gigi yang terlibat, hilangnya gigi yang berhubungan ataupun

gigi tetangganya. Kista jika dilihat dengan pemeriksaan radiografi, terlihat

gambaran radiolusen yang dikelilingi gambaran radiopak tipis, dapat berbentuk

uniokular atau multiokular.

Gambar 2. 7 Sialolitiasis (Kristiani et al., 2010)

2.5 Logika Fuzzy

Logika fuzzy adalah peningkatan dari logika boolean yang berhadapan

dengan konsep kebenaran sebagian. Saat logika klasik menyatakan segala hal

dapat didefinisikan dalam istilah biner (0 atau 1, ya atau tidak, hitam atau putih).

Secara umum logika fuzzy adalah sebuah metodologi “berhitung“ dengan

variabel kata (linguistic variable), sebagai pengganti menghitung dengan bilangan

(Naba, 2009). Menurut Yulmaini (2015) ada beberapa alasan mengapa orang

menggunakan logika fuzzy, antara lain:

1. Konsep logika fuzzy mudah dimengerti, konsep matematik yang mendasari

penalaran fuzzy sangat sederhana dan mudah dimengerti

2. Logika fuzzy sangat fleksibel.

3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.

4. Logika fuzzy dapat dibangun dan diaplikasikan berdasarkan pengalaman

pengalaman para pakar secara langsung tanpa harus melalui proses

pelatihan.

5. Logika fuzzy dapat digunakan pada sistem kendali secara konvensional.

6. Logika fuzzy didasarkan pada bahasa alami.

2.5.1 Komponen dasar logika fuzzy

Logika fuzzy mempunyai beberapa komponen antara lain Novan,

Parmongan (2011) :

a. Variabel linguistik

Variabel ini merupakan variabel yang memiliki nilai linguistik. Contoh

variabel linguistik adalah kecepatan, jumlah kendaraan.

b. Nilai linguistik.

Nilai linguistik atau terma merupakan nilai dari variabel linguistik,

contohnya untuk variabel linguistik jumlah kendaraan bisa berupa tidak ada,

sedikit, sedang, banyak, sangat banyak.

c. Nilai kuantitatif dan derajat keanggotaan

Nilai kuantitatif merupakan nilai eksak yang mewakili nilai linguistik. Nilai

kuantitatif setiap terma ditentukan oleh fungsi keanggotaan. Fungsi keanggotaan

ini menunjukkan derajat keanggotaan dari sebuah predikat.

d. Fungsi keanggotaan

Fungsi keanggotaan logika fuzzy digunakan untuk menghitung derajat

keanggotaan suatu himpunan fuzzy. Setiap istilah linguistik diasosiasikan dengan

fuzzy set, yang masing-masing memiliki fungsi keanggotaan yang telah

didefinisikan. Fungsi keanggotaan (membership function) adalah suatu kurva yang

menunjukan pemetaan titik input data ke dalam nilai keanggotaannya (sering juga

disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1.

Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan

adalah dengan melalui pendekatan fungsi. Fungsi keanggotaan yang biasa

digunakan dalam penalaran logika fuzzy, diantaranya :

i. Representasi linear

Pada representasi linear, pemetaan input ke derajat keanggotaannya

digambarkan sebagai sebuah garis lurus. Bentuk ini paling sederhana dan menjadi

pilihan yang baik untuk mendekati suatu konsep yang kurang jelas. Ada dua

keadaan himpunan fuzzy linear. Pertama, kenaikan himpunan dimulai pada nilai

domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju ke

nilai domain yang memiliki derajat keanggotaan lebih tinggi yang disebut dengan

representasi fungsi linear naik. Representasi linear naik ditunjukkan pada Gambar

2.9.

Gambar 2. 8 Grafik dan rumus representasi linear naik

Misal a adalah nilai domain yang mempunyai derajat keanggotaan nol, b adalah

nilai domain yang mempunyai derajat keanggotaan satu, dan x adalah nilai input
yang akan diubah ke dalam bilangan fuzzy. Maka fungsi keanggotaan dengan

representasi linear naik ditunjukkan pada Persamaan berikut:

Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai

domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak

menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.

Representasi linear turun ditunjukkan pada Gambar 2.10.

Gambar 2. 9 Grafik dan rumus representasi linear turun

Notasi matematika fungsi keanggotaan representasi linear turun ditunjukkan pada

Persamaan berikut :

ii. Representasi kurva segitiga

Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear). Nilai-

nilai disekitar b memiliki derajat keanggotaan turun cukup tajam (menjauhi 1).

Representasi kurva segitiga ditunjukkan pada Gambar 2.11.

 Gambar 2. 10 Representasi kurva segitiga
Misal a adalah nilai domain terkecil yang mempunyai derajat keanggotaan

nol , b adalah nilai domain yang mempunyai derajat keanggotaan satu, dan c nilai

domain terbesar yang mempunyai derajat keanggotaan nol. dan x adalah nilai

input yang akan di ubah ke dalam bilangan fuzzy. Maka fungsi keanggotaan

representasi kurva segitiga ditunjukkan pada Persamaan berikut :

iii. Representasi kurva trapesium

Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa

titik yang memiliki nilai keanggotaan 1. Representasi kurva trapezium

ditunjukkan pada Gambar 2.12.

 Gambar 2. 11 Representasi kurva trapesium
Misal a adalah nilai domain terkecil yang mempunyai derajat keanggotaan

nol, b adalah nilai domain terkecil yang mempunyai derajat keanggotaan satu, c

nilai domain terbesar yang mempunyai derajat keanggotaan nol, dan x adalah nilai

input yang akan di ubah ke dalam bilangan fuzzy. Maka fungsi keanggotaan

dengan representasi kurva trapesium ditunjukkan pada Persamaan

e. Rule dan Implikasi.

Implikasi merupakan cara untuk menyatakan rule. Misalkan diberikan

komposisi rule A dan rule B, maka Implikasi dinyatakan dalam :

IF A THEN B

Keterangan : A disebut antesenden.

B disebut konsekuen.

Implikasi ini digunakan untuk menentukan nilai linguistik dan nilai

kuantitatifdari B jika diberikan A. Bisa digunakan berbagai macam teknik, tapi

untuk metode Mamdani, yang digunakan adalah metode min (sama seperti AND).

2.5.2 Himpunan fuzzy

Himpunan fuzzy (fuzzy set) merupakan sekumpulan objek x dimana

masingmasing obyek memiliki nilai keanggotaan (membership function) “μ” atau

disebut juga dengan nilai kebenaran. Jika X adalah sekumpulan obyek dan
anggotanya dinyatakan dengan x maka fuzzy set dari A di dalam X adalah

himpunan dengan sepasang anggota atau dapat dinyatakan dengan persamaan

berikut :

Sebagai contoh terdapat suatu himpunan data yang berisikan variabel usia dengan

klasifikasi sebagai berikut:

i. Muda : jika usia sampai dengan 30 tahun

ii. Parobaya : jika usia lebih besar dari 30 tahun dan lebih kecil dari 50 tahun

iii. Tua : jika usia lebih besar dari atau sama dengan 50 tahun

Maka pada himpunan crisp dapat disimpulkan bahwa:

1. Apabila seseorang berusia 29 tahun maka ia dikatakan Muda (μ𝑀𝑢𝑑𝑎 [29]=1)

2. Apabila seseorang berusia 32 tahun maka ia dikatakan Tidak Muda

((μ𝑀𝑢𝑑𝑎 [32]=0 ).

Jika pada himpunan crisp, nilai keanggotaan hanya ada 2 (dua)

kemungkinan, yaitu : 0 (nol) dan 1 (satu), maka pada fuzzy set nilai keanggotaan

terletak pada rentang 0 (nol) sampai 1 (satu).

Dalam pembentukan suatu fuzzy set terdapat beberapa hal yang perlu

diketahui yaitu:

1. Variabel fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem

fuzzy. Contoh : usia, temperatur, dan lain-lain.

2. Himpunan Fuzzy (Fuzzy set), merupakan suatu grup yang memiliki suatu

kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh: Variabel

usia memiliki himpunan MUDA, PAROBAYA, dan TUA.

3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk

dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan

himpunan bilangan real yang senantiasa naik (bertambah) secara monoton

dari kiri ke kanan atau sebaliknya. Nilai semesta pembicaraan dapat berupa

bilangan positif maupun negatif. Contoh semesta pembicaraan untuk

variabel usia :

[0 +∞]

4. Domain fuzzy set adalah keseluruhan nilai yang diizinkan dan boleh

dioperasikan dalam suatu fuzzy set. Seperti halnya semesta pembicaraan,

domain merupakan himpunan bilangan real yang senantiasa naik

(bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa

bilangan positif maupun negatif.

Contoh domain fuzzy set untuk variabel usia :

a. Muda = [0, 30]

b. Parobaya = [30, 50]

c. Tua = [50, ∞]

Fuzzy set memiliki dua atribut, yaitu :

1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau

kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA,

PAROBAYA, TUA.

2. Numeris, yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu

variabel, seperti : 40, 25, 35.

2.5.3 Fuzzy inference system

Fuzzy inference system (FIS) merupakan sistem penarikan kesimpulan dari

sekumpulan kaidah fuzzy, dapat berupa input nilai eksak maupun rules dalam

kaidah fuzzy. Proses fuzzy inference dapat dibagi dalam lima bagian (Naba, 2009),

yaitu :

1. Fuzzifikasi Input : FIS mengambil masukan-masukan dan menentukan

derajat keanggotaannya dalam semua fuzzy set.

2. Operasi logika fuzzy : Hasil akhir dari operasi ini adalah derajat kebenaran

antecedent yang berupa bilangan tunggal.

3. Implikasi : Merupakan proses mendapatkan consequent atau keluaran

sebuah IF THEN rule berdasarkan derajat kebenaran antacedent. Proses ini

menggunakan mengambil nilai MIN/terkecil dari dua bilangan : Hasil

operasi fuzzy logic OR dan fuzzy set banyak.

4. Agregasi : Yaitu proses mengkombinasikan keluaran semua IF-THEN rule

menjadi sebuah fuzzy set tunggal. Pada dasarnya agregasi adalah operasi

fuzzy logic OR dengan masukannya adalah semua fuzzy set.

5. Defuzzifikasi : Keluaran dari defuzzifikasi adalah sebuah bilangan tunggal,

cara mendapatkannya ada beberapa versi, yaitu centroid, bisector, middle of

maximum, largest of maximum dan smallest of maximum.

2.5.4 Metode fuzzy mamdani

Metode fuzzy mamdani merupakan salah satu bagian dari FIS yang berguna

untuk penarikan kesimpulan atau suatu keputusan terbaik dalam permasalahan

yang tidak pasti (Bova et al., 2010). Metode fuzzy mamdani diperkenalkan oleh

Ebrahim Mamdani pada tahun 1975.

Proses pengambilan keputusan dengan menggunakan metode fuzzy

mamdani untuk memperoleh keputusan yang terbaik, dilakukan dengan melalui

beberapa tahapan, yaitu pembentukan himpunan fuzzy; aplikasi fungsi implikasi;

komposisi aturan; defuzzifikasi (Ebrahim Mamdani, 1975 dalam Febriany et al.,

2017). Kelebihan pada metode fuzzy mamdani adalah lebih spesifik, artinya dalam

prosesnya metode fuzzy mamdani lebih memperhatikan kondisi yang akan terjadi

untuk setiap daerah fuzzy-nya, sehingga menghasilkan hasil keputusan yang lebih

akurat (Bova et al., 2010). Selain itu juga, metode ini lebih cocok apabila input

diterima dari manusia, sehingga lebih diterima oleh banyak pihak. Adapun

kelemahan dari metode fuzzy mamdani adalah metode ini hanya dapat digunakan

untuk data dalam bentuk kuantitatif saja, tidak dapat dipergunakan untuk data

yang berbentuk kualitatif (Salman, 2010).

Metode fuzzy mamdani merupakan metode dalam penarikan kesimpulan

yang paling mudah dimengerti oleh manusia, karena paling sesuai dengan naluri

manusia. Sehingga dengan menggunakan metode fuzzy mamdani akan

menghasilkan keputusan terbaik untuk suatu permasalahan . Dibandingkan dengan

metode lain dari FIS, yaitu Metode Sugeno, metode tersebut tidak melalui proses

komposisi aturan dan defuzzifikasi dengan Metode Centroid. Proses tersebut

berguna untuk mengetahui nilai defuzzifikasi dari pusat daerah fuzzy. Selain itu,

metode fuzzy mamdani lebih memperhatikan kondisi setiap daerah fuzzy-nya,

sehingga menghasilkan hasil yang lebih akurat. Pada metode fuzzy Mamdani
output yang dihasilan berupa suatu nilai pada domain himpunan fuzzy yang

dikategorikan ke dalam komponen linguistik, sedangkan pada Metode Sugeno

output yang dihasilkan berupa fungsi linear atau konstanta. Kelemahan dari output

berupa fungsi linear atau konstanta adalah nilai output yang dihasilkan harus

sesuai dengan nilai yang telah ditentukan, hal ini timbul masalah apabila nilai

output tidak sesuai dengan kriteria yang telah ditentukan. Output ini dapat

dikatakan benar apabila dapat menyajikan output yang ditentukan oleh antesenden

(Salman, 2010).

2.5.5 Prosedur metode fuzzy mamdani

proses pengambilan kesimpulan atau keputusan dengan menggunakan

metode fuzzy mamdani dilakukan melalui beberapa tahapan, yaitu pembentukan

himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan, defuzzifikasi

(Febriany, 2017)

1. Pembentukan Himpunan Fuzzy

Tahap pertama dari prosedur metode fuzzy mamdani adalah pembentukan

himpunan fuzzy atau dikenal pula dengan istilah fuzzifikasi. Fuzzifikasi merupakan

proses yang dilakukan dengan mengtransformasi input himpunan tegas (crisp) ke

dalam himpunan fuzzy (Ross, 2010). Hal ini dilakukan karena input yang

digunakan awalnya adalah dalam bilangan tegas (real) dari suatu himpunan tegas

(crisp). Himpunan fuzzy ini didasarkan pada tingkatan linguistiknya yang

dikelompokkan dalam suatu variabel fuzzy. Sebagai ilustrasi, untuk variabel fuzzy

berat badan mempunyai himpunan fuzzy sebagai berikut: kurus, sedang, dan

gemuk.
 Pada setiap himpunan fuzzy tersebut ditentukan domain dan fungsi

keanggotaan yang berikutnya digunakan untuk menentukan nilai keanggotaan

setiap himpunan fuzzy berdasarkan variabel inputnya yang merupakan bilangan

real, dimana nilai keanggotaan tersebut terletak pada interval [0,1]. Pada Metode

Fuzzy Mamdani ini fungsi keanggotaan yang digunakan adalah fungsi

keanggotaan trapesium, fungsi keanggotaan segitiga dan fungsi keanggotaan bahu

kiri atau kanan. Hal ini dikarenakan pada fungsi keanggotaan trapesium terdapat

dua titik dari himpunan fuzzy yang memiliki nilai keanggotaan satu. Apabila

hanya terdapat satu titik dari himpunan fuzzy yang memiliki nilai keanggotaan

satu, maka digunakan fungsi keanggotaan segitiga. Fungsi keanggotaan bahu kiri

atau kanan digunakan untuk mengawali dan mengakhiri variabel suatu daerah

fuzzy.

2. Aplikasi Fungsi Implikasi

Tahap kedua dari prosedur metode fuzzy Mamdani adalah penerapan fungsi

implikasi. Fungsi implikasi merupakan struktur logika yang terdiri atas kumpulan

premis dan satu konklusi. Fungsi implikasi berguna untuk mengetahui hubungan

antara premis-premis dan konklusinya. Bentuk dari fungsi implikasi ini adalah

dengan pernyataan IF x is A THEN y is B, dengan x dan y adalah skalar, serta A

dan B adalah himpunan fuzzy (Ade Lah sasna, 2010). Dalam istilah logika fuzzy,

proposisi yang mengikuti IF disebut dengan antisenden, sedangkan proposisi yang

mengikuti THEN disebut dengan konsekuen. Proposisi atau aturan fuzzy ini dapat

diperluas dengan menggunakan penghubung fuzzy AND (interseksi).

3. Komposisi Aturan

Tahap ketiga dari prosedur metode fuzzy Mamdani adalah komposisi aturan.

Pada tahap ketiga ini, suatu prosedur dengan tujuan untuk menentukan inferensi

dari kumpulan dan korelasi antar aturan menggunakan Metode Max, dengan

makna lain yaitu prosedur menggabungkan fungsi keanggotaan dari aturan

aplikasi fungsi implikasi (Ade Lahsasna, 2010). Solusi himpunan fuzzy diperoleh

dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya

untuk memodifikasi daerah fuzzy dan mengaplikasikannya ke dalam output

(keputusan akhir) dengan menggunakan operator OR (union). Apabila semua

proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang

merefleksikan kontribusi dari setiap proposisi.

2.6 Personal Home Page Hypertext Preprocessor (PHP)

Hypertext Preprocessor (PHP) adalah salah satu bahasa pemrograman open

source yang sangat cocok atau dikhususkan untuk pengembangan web dan dapat

ditanamkan pada sebuah skripsi HTML. Bahasa PHP dapat dikatakan

menggambarkan beberapa bahasa pemrograman seperti C, Java, dan Perl serta

mudah untuk dipelajari (Firman et al., 2016).

PHP merupakan bahasa scripting server – side, dimana pemrosesan datanya

dilakukan pada sisi server. Sederhananya, serverlah yang akan menerjemahkan

skrip program, baru kemudian hasilnya akan dikirim kepada client yang

melakukan permintaan (Firman et al., 2016).

Adapun pengertian lain PHP adalah akronim dari Hypertext Preprocessor,

yaitu suatu bahasa pemrograman berbasiskan kode – kode (script) yang digunakan
untuk mengolah suatu data dan mengirimkannya kembali ke web browser menjadi

kode HTML” (Firman et al., 2016).

2.7 Hypertext Markup Language (HTML)

HTML (Hypertext Markup Language) adalah bahasa dasar untuk web

scripting bersifat client side yang memungkinkan untuk menampilkan informasi

dalam bentuk teks, grafik, serta multimedia dan juga untuk menghubungkan

antartampilan web page (hyperlink) (Sovia & Febio, 2011).

HTML adalah dasar terbentuknya web. Dan kode-kode HTML tersebut,

yang sifatnya universal, akan diterjemahkan oleh komputer pengguna dengan

bentuk tampilan yang sama baik itu teks, grafik atau bahkan multimedia (Sovia &

Febio, 2011).

HTML (Hiper Text Marup Language) sebenarnya bukan sebuah bahasa

pemrograman, karena HTML adalah bahasa mark up. HTML digunakan untuk

mark up (penanda) terhadap suatu dokumen teks (Binarso et al., 2012).

2.8 My structure query language (MySQL)

MySQL adalah salah satu database management system (DBMS) dari

sekian banyak DBMS seperti oracle, ms sql, postagre sql, dan lainnya yang

bersifat open source sehingga bisa digunakan secara gratis (anhar, 2010). Jadi

MySQL adalah sistem yang berguna untuk melakukan proses pengaturan koleksi-

koleksi struktur data (database) baik yang meliputi proses pembuatan atau proses

pengolaan database (A. Rahman et al., 2019).

2.9 Laravel

Laravel adalah sebuah framework PHP yang dirilis di bawah lisensi MIT

dan dibangun dengan konsep MVC (model View Controller). Laravel ,erupakan

pengembangan website berbasis MVP yang ditulis dalam PHP yang dirancang

untuk meningkatkan kualitas perangkat lunak dengan mengurangi biaya

pengembangan awal dan biaya pemeliharaan, serta untuk meningkatkan

pengalaman bekerja dengan aplikasi yang menyediakan sintaks yang ekspresif,

jelas dan menghemat waktu (Supardi & Sulaeman, 2019).

Framework laravel dibuat dengan tujuan untuk memperindah cara untuk

membuat website. Laravel terkenal sederhana dan elegan karena pembuatannya

ditujukan untuk end-user. Framwork ini juga terkenal dengan dokumentasinya

yang lengkap dan selalu diperbaharui (Habibi et al., 2019).

Keunggulan Laravel adalah sebagai berikut :

1. Template layout ringan

2. Mempunyai banyak library object oriented framework.

3. Mendukung framework MVC

4. Tersedia tool artisan developer

5. Pembegian modul secara independen

6. Pengecekan menggunakan unit testing

2.10 Object Oriented Programming (OOP)

Object oriented programming (OOP) merupakan teknik pemrograman

dengan menggunakan konsep objek. Tujuan dari OOP adalah untuk memudahkan

programmer dalam pembuatan program dengan menggunakan konsep objek yang

ada dalam kehidupan sehari-hari. Jadi setiap permasalahan adalah objek dan objek

itu sendiri merupakan gabungan dari beberapa objek yang lebih kecil. Sebuah

objek pada OOP memiliki data atau disebut property yang menjelaskan tentang

sifat-sifat objek tersebut (Abdulloh, 2017).

2.11 Model, View, Controller (MVC)

MVC merupakan sebuah pendekatan perangkat lunak yang memisahkan

aplikasi logika dari presentasi. MVC memisahkan aplikasi berdasarkan

komponen-komponen aplikasi, seperti manipulasi data , controller, dan user

interface.

Model : mewakili struktur data. Biasanya model berisi fungsi-fungsi yang

membantu seseorang dalam pengelolaan basis data, seperti memasukan data ke

basis data, pembaharuan data, dan user interface. View : merupakan bagian yang

mengatur tampilan ke pengguna berupa halaman web. Adapun Controller:

merupakan bagian yang menjembatani model dan view (Supardi & Sulaeman,

2019).

2.12 Database

Database atau basis data terdiri dari dua kata, yaitu basis dan data. Basis

dapat diartikan sebagai markas, gudang, tempat berkumpul. Sedangkan data

adalah fakta yang mewakili suatu objek seperti manusia, barang, hewan,

peristiwa, keadaan dan sebagainya, yang direkan dalam bentuk angka, huruf,

simbol teks, gambar, bunyi atau kombinasinya (Yanto, 2016).

Basis data dan lemari arsip sesungguhnya memiliki prinsip kerja dan tujuan

yang sama. Prinsip utamanya adalah pengaturan data atau arsip. Dan tujuan
utamanya adalah kemudahan dan kecepatan dalam pengambilan kembali data atau

arsip menggunakan lemari sebagai media penyimpanan elektronis. Hal yang

sangat ditonjolkan dalam basis data adalah pengaturan, pemeliharaan,

pengelompokan, pengorganisasian data yang akan kita kita simpan sesuai fungsi

atau jenisnya (Yanto, 2016).

2.13 Waterfall

Model SDLC air terjun (waterfall) sering juga disebut model sekuensial

linier (sequential linear) atau alur hidup klasik atau (classic life sycle). Model air

terjun menyediakan pendekatan alur hidup perangkat lunak secara sekuensial atau

terurut dimulai dari analisis, desain, pengodean, pengujian, dan tahap pendukung

(support) (Rossa & Salahuddin, 2013).

Sistem Rekayasa
Informasi

Analisis Desain Pengodean Pengujian

Gambar 2. 12 Ilustrasi Model Waterfall (Rossa & Salahuddin, 2013)

Berikut ini adalah penjelasan dari Gambar 2.12 :

1. Analisis kebutuhan perangkat lunak

Proses pengumpulan kebutuhan dilakukan secara intensif untuk

menspesifikasikan kebutuhan perangkat lunak agar dapat dipahami perangkat

lunak seperti apa yang dibutuhkan oleh user . spesifikasi perangkat lunak pada

tahap ini perlu untuk didokumentasikan.

2. Desain

Desain perangkat lunak adalah proses multi langkah yang fokus pada desain

pembuatan program perangkat lunak termasuk struktur data, arsitektur perangkat

lunak, representasi antarmuka, dan prosedur pengodean. Tahap ini mentranslasi

kebutuhan kebutuhan perangkat lunak dari tahap analisis kebutuhan ke

representasi desain agar dapat diimplementasikan menjadi program pada tahap

selanjutnya. Desain perangkat lunak yang dihasilkan pada tahap ini juga perlu

didokumentasikan.

3. Pembuatan kode program

Desain harus ditranslaskan ke dalam program perangkat lunak. Hasil dari

tahap ini adalah program komputer sesuai dengan desain yang telah dibuat pada

tahap desain.

4. Pengujian

Pengujian fokus pada perangkat lunak dari segi lojik, fungsional dan

memastikan bahwa semua bagian sudah diuji. Hal ini dilakukan untuk

meminimalisir kesalahan (error) dan memastikan keluaran yang dihasilkan

sesusai dengan yang diinginkan.

5. Pendukung (support) atau pemeliharaan (maintenance)

Tidak menutup kemungkinan perangkat lunak mengalami perubahan ketika

sudah dikirimkan ke user.Perubahanbisa terjadi karena adanya kesalahan yang

muncul dan tidak terde’ teksi saat pengujian atau perangkat lunak harus
beradaptasi dengan lingkungan baru. Tahap pendukung atau pemeliharaan dapat

mengulangi proses pengembangan mulai dari analisis spesifikasi untuk perubahan

perangkat lunak yang sudah ada, tetapi tidak untuk membuat perangkatblunak

baru.

2.14 Black-Box Testing

Pengujian blac kbox atau disebut uji fungsional adalah pengujian yang

mengabaikan mekanisme internal sistem atau komponen dan hanya berfokus pada

output yang dihasilkan dalam menanggapi input yang dipilih dan kondisi eksekusi

(Williams, 2010).

Metode pengujian black box digunakan untuk menguji aplikasi tanpa

memperhatikan proses penyajian keluaran dari fungsi pada sistem yang dibuat.

Metode pengujian kuesioner oleh pengguna digunakan untuk menguji kinerja

sistem dan kepuasan pengguna terhadap kinerja sistem. Pengujian blac kbox, juga

disebut pengujian perilaku, berfokus pada persyaratan fungsional perangkat lunak.

Artinya, teknik pengujian back box memungkinkan untuk memperoleh set kondisi

input yang sepenuhnya akan melaksanakan semua persyaratan fungsional untuk

program (Latif, 2015).

Proses blackbox testing dilakukan dengan cara mencoba program yang telah

dibuat dengan memasukan data pada setiap formya. Pengujian ini diperlukan

untuk mengetahui program tersebut berjalan sesuai dengan apa yang dibutuhkan

oleh perusahaan (Wahyudi et al., 2016).

2.15 Entity Relationship Diagram (ERD)

ERD adalah model teknik pendekatan yang menyatakan atau

menggambarkan hubungan suatu model. Didalam hubungan tersebut dinyatakan

yang utama dari ERD adalah menunjukan objek data (Entity) dan hubungan

(Relationship), yang ada pada Entity berikutnya (Fridayanthin Wida & Mahdiati,

2016).

Menurut Simarmata (2010) dalam (Fridayanthin Wida & Mahdiati, 2016),

“Entity RelationShip Diagram (ERD) adalah alat pemodelan data utama dan akan

mambantu mengorganisasi data dalam suatu proyek ke dalam entitas-entitas dan

menentukan hubungan antar entitas”. Proses memungkinkan analis menghasilkan

struktur basis data dapat disimpan dan diambil secara efisien.

Notasi yang digunakan dalam ERD sebagai berikut :

Tabel 2. 1 Simbol pada ERD

Notasi Keterangan

Entitas : Suatu objek yang dapat diidentifikasi

Entitas dalam lingkungan pemakai.

Relasi : Menunjukan adanya hubungan antara

Relasi sejumlah entitas yang berbeda.

Atribut : Berfungsi mendeskripsikan karakter

Atribut entitas (atribut yang berfungsi sebagai key

diberi garis bawah)
Garis : Sebagai penghubung antara relasi

dengan entitas, relasi dan entitas dengan

atribut.
2.16 Normalisasi

Normalisasi adalah pengujian setiap entity dan persekutuan atribut terhadap

redudansi dan inkonsistensi. Bila masih terjadi redudansi dan inkonsistensi maka

masih ada kesalahan penempatan atribut atau sekutu atribut tersebut.

Mengeleminasi masalah ini tentu menempatkan kembali atribut yang salah

tersebut pada tempat yang seharusnya.

Hasil dari step ini adalah satu model data yang secara terstruktur punya

konsistensi yang tinggi.

Terdapat 5 bentuk normalisasi yaitu, bentuk tidak normal (unnormallzed

form), bentuk normal kesatu (1NF/ first normal form), bentuk normal kedua (2NF

second normal form), bentuk normal ketiga (3NF third normal form) dan boyce-

codd normal form (BCNF).

1. Bentuk tidak normal (unnormallzed form)

Bentuk ini merupakan kumpulan data yang akan direkam, tidak ada

keharusan mengikuti suatu format tertentu, bisa saja data tidak lengkap atau

terduplikasi. Data dikumpulkan apa adanya sesuai dengan kedatangannya.

2. Bentuk normal kesatu (1NF/ first normal form)

Bentuk normal kesatu mempunyai ciri yaitu setiap data dibentuk dalam flat

file (file datar/rata), data dibentuk dalam satu record demi suatu record dan nilai

dari field field berupa “atomic value”. Tidak ada set atribut yang berulang-ulang

atau atribut yang bernilai ganda (multi value).

3. Bentuk normalisasi kedua (2NF second normal form)

Bentuk normal kedua mempunyai syarat yaitu bentuk data telah memenuhi

kriteria bentuk normal kesatu. Atribut bukan kunci haruslah bergantung secara

fungsi pada kunci utama/ primary key. Sehingga untuk membentuk normal kedua

haruslah sudah ditentukan kunci kunci field. Kunci field haruslah unik dan dapat

mewakili atribut lain yang menjadi anggotanya.

4. Bentuk normal ketiga (3NF third normal form)

Untuk menjadi bentuk normal ketiga maka haruslah dalam bentuk normal

kedua dan semua atribut bukan primer tidak punya hubungan yang transitif.

Dengan kata lain, setiap atribut bukan kunci haruslah bergantung hanya pada

primary key dan pada primary key secara menyeluruh.

5. Boyce-codd normal form (BCNF)

Boyce-codd normal form mempunyai paksaan yang lebih kuat dari bentuk

normal ketiga. Untuk menjadi BCNF, relasi harus dalam bentuk normal kesatu

dan setiap atribut harus bergantung fungsi pada atribut superkey.

2.17 Unified Modeling Language (UML)

Menurut Rosa dan Shalahuddin (2014) dalam (Fridayanthin Wida &

Mahdiati, 2016) UML adalah salah satu standar bahasa yang banyak digunakan di

dunia industri untuk medefinisikan requirement, membuat analisis dan desain,

serta menggambarkan arstitektur dalam pemograman berorientasi objek.

 UML muncul karena adanya kebutuhan pemodel visual untuk

menspesifikasikan, menggambarkan, membangun dan dokumentasi dari sistem

perangkat lunak.

UML mempunyai beberapa atau sejumlah elemen grafis yang bisa

dikombinasikan menjadi diagram. Diagram tersebut akan menggambarkan atau

mendokumentasikan beberapa aspek dari sebuah sistem. Abstraksi konsep dasar

UML terdiri dari structural classification, dynamic behavior, dan model

management,

Berikut adalah diagram yang ada pada UML :

1. Use Case Diagram

Use case atau diagram use case merupakan pemodelan untuk kelakuan

(behavior) sistem informasi yang akan dibuat. Use case mendeskripsikan sebuah

interaksi antara satu atau lebih aktor dengan sistem informasi yang akan dibuat.

2. Activity Diagram

Diagram aktivitas atau activity diagram menggambarkan workflow (aliran

kerja) atau aktivitas dari sebuah sistem atau proses bisnis atau menu yang ada

pada perangkat lunak. Activity Diagram menggambarkan aktivitas sistem bukan

apa yang dilakukan aktor, jadi aktivitas yang dapat dilakukan oleh sistem.

2.18 Confusion Matrix

Confusion matrix adalah suatu metode yang biasanya digunakan untuk melakukan

perhitungan akurasi pada konsep data mining. Confusion matrix digambarkan

dengan tabel yang menyatakan jumlah data uji yang benar diklasifikasikan dan

jumlah data uji yang salah diklasifikasikan (F. Rahman et al., 2017)
 Tabel 2. 2 Tabel Confusion Matrix (F. Rahman et al., 2017)

Correct Classification Classified as

Predicted “+” Predicted “-“

Actual “+” True Positif False Negatif

Actual “-“ False Positives True Negatives

Berdasarkan tabel confusion matrix diatas dapat di jelasakan :

1. True positifves (TP) adalah jumlah record data positif yang diklasifikasikan

sebagai nilai positif.

2. False positives (FP) adalah jumlah record data negative yang

diklasifikasikan sebagai nilai positif.

3. False Negatif (FN) adalah jumlah record data positif yang diklasifikasikan

sebagai nilai Negative.

4. True Negatif (TN) adalah jumlah record data negative yang

diklasifikasikan sebagai nilai Negative.

Nilai yang dihasilkan melalui metode confusion matrix adalah berupa evaluasi

sebagai berikut :

1. Accuracy, presentase jumlah record data yang diklasifikasikan (prediksi)

secara benar oleh algoritma Rumus : (TP + TN) / Total data = Accuracy

2. Misclassification (Error) Rate, presentase jumlah record data yang

diklasifikasikan (prediksi secara salah oleh algoritma. Rumus : (FP + FN) /

Total data = Misclassification Rate.

 BAB III

METODE PENELITIAN

3.1 Waktu dan Tempat Penelitian

Penelitian ini dilaksanankan mulai Januari sampai dengan Maret 2021.

Penelitian ini bertempat di poliklinik gigi dan mulut RS. Bahteramas Kendari.

Rincian kegiatan penenlitian ditunjukan pada Tabel 3.1

Tabel 3. 1 Rincian Kegiatan

Januari Februari Maret

No Uraian II
I II III IV I II III IV I II IV
I
1. Pengumpulan data

2. Analisa kebutuhan

3. Design sistem

4. implementasi

5. Integrasi dan

pengujian

3.2 Jenis Penelitian

Jenis penelitian yang digunakan adalah metode penelitian tindakan atau

action reserch, yaitu metode penelitian yang digunakan untuk menguji,

mengembangkan, menemukan dan menciptakan tindakan baru untuk memecahkan

sebuah masalah dan problematika tertentu pada lingkup organisasi atau kelompok,

sehingga tindakan tersebut apabila diterapkan dalam pekerjaan maka proses

pelaksanaan kerja akan lebih mudah dan lebih cepat dengan hasil yang lebih

efisien dan berkualitas.

3.3 Metode Pengumpulan Data

Pada penelitian ini, penulis melakukan beberapa metode dalam

pengumpulan data. Adapun metode yang akan digunakan yaitu :

1. Wawancara

Pada tahapan ini, penulis melakukan wawancara dengan salah satu dokter

poliklinik gigi dan mulut di Rumah Sakit Bahteramas Kendari mengenai gejala

serta cara penanggulangan penyakit gigi dan mulut.

2. Pengamatan

Pada tahapan ini, penulis penulis melakukan observasi untuk pengumpulan

data yang dilakukan bersama drg. Nita Yunita Halip di RS. Bahteramas Kendari.

Peneliti juga melakukan peninjauan guna mendapatkan informasi yang

dibutuhkan untuk pembuatan sistem pakar berbasis web.

3. Studi Kepustakaan

Studi kepustakaan adalah mencari referensi teori yang relefan dengan kasus

atau permasalahan yang ditemukan. Studi kepustakaan yang digunakan dalam

penelitian ini di ambil dari buku-buku, laporan penelitian dan jurnal yang

berhubungan dengan sistem pakar diagnosa penyakit gigi dan mulut.

3.4 Metode Pengembangan Sistem

Pada penelitian ini, penulis menggunakan model waterfall dalam

pengembangan sistem. Model ini menyediakan pendekatan alur hidup perangkat

lunak secara sequential atau terurut. Berikut merupakan tahapan pengembangan

sistem menggunakan model waterfall.

3.5 Analisis Kebutuhan

Dalam langkah ini merupakan analisa dalam kebutuhan sistem.

Pengumpulan data dalam tahap ini dilakukan sebuah komunikasi dengan drg. Nita

Yunita Halip (salah satu dokter gigi di poliklinik gigi dan mulut) dengan tujuan,

menggali informasi sebanyak-banyaknya sehingga akan tercipta sebuah sistem

computer yang bisa melakukan tugas-tugas yang diinginkan oleh user.

Berdasarkan wawancara yang telah dilakukan, dapat disimpulkan bahwa

kebutuhan sistem yang diperlukan yaitu berupa data mengenai jenis-jenis penyakit

gigi dan mulut, penanganan, solusi serta obat-obatan yang dapat dikonsumsi dan

juga informasi hasil rekam medik pengguna.

3.6 Desain Sistem

Proses design akan menterjemahkan syarat kebutuhan ke sebuah

perancangan perangkat lunak yang dapat diperkirakan sebelum koding dibuat.

Proses ini berfokus pada : struktur data, arsitektur perangkat lunak, representasi

interface, dan detail (algoritma) procedural. Tahapan ini akan menghasilkan

dokumen yang disebut software requirement.

3.6.1 Desain entity relationship diagram

ERD merupakan diagram yang menggambarkan keterhubungan antar objek-

objek data. Komponen utama yang terdapat dalam ERD yaitu entitas (entity) dan

hubungannya disebut relationship.

1. Identifikasi entitas

Berdasarkan hasil wawancara bersama drg. Nita Yunita Halip diperoleh

tujuh entitas yang berkaitan dengan sistem pakar penyakit gigi dan mulut.
 Entitas tersebut berupa entitas admin, entitas pasien, entitas diagnosa,

entitas gejala, entitas penyakit, entitas solusi dan entitas jenis kelamin.

2. Identifikasi relasi yang dibutuhkan

Setelah dilakukan analisis antar entitas ditemukan beberapa relasi, yaitu

relasi memiliki dari entitas jenis kelamin dan entitas pasien, relasi

melakukan dari entitas pasien ke entitas diagnosa, relasi memperoleh dari

entitas diagnosa ke entitas gejala, relasi menghasilkan dari entitas gejala ke

entitas penyakit, relasi mendapatkan dari entitas penyakit ke entitas solusi.

3. Penentuan nilai kardinalitas

Berdasarkan relasi yang telah dijabarkan, maka diperoleh kardinalitas setiap

entitas.

a. Pada entitas pasien dengan entitas jenis kelamin memiliki nilai

kardinalitas M:1 karena banyak pasien memiliki 1 jenis kelamin.

b. Entitas pasien dengan entitas diagnosa memiliki kardinalitas 1:M

karena satu pasien melakukan banyak diagnosa.

c. Entitas diagnosa dengan entitas gejala memiliki kardinalitas M:N

karena banyak diagnosa memperoleh banyak gejala.

d. Entitas gejala dengan entitas penyakit memiliki kardinalitas N:M

karena banyak gejala menghasilkan banyak penyakit.

e. Entitas penyakit dengan entitas solusi memiliki kardinalitas N:M

karena banyak penyakit mendapatkan banyak solusi.

Gambar 3. 1 Entity Relationship Diagram (ERD)
3.6.2 Normalisasi

Berdasarkan entity relationship diagram yang telah dijabarkan sebelumnya,

maka akan dilakukan normalisasi pada tabel. Pada tahap ini normalisasi dilakukan

untuk menghilangkan dan mengurangi redudansi data dan menghindari problem

update anomalies terhadap data yang disimpan dalam database sehingga terhindar

dari inkonsistensi data. Sebelum melakukan normalisasi tentunya ada tabel yang

tidak normal, sebagai contoh penulis akan mengambil tabel pasien seperti yang

terlihat pada Gambar 3.2

Gambar 3. 2 Tabel Pasien Tidak Normal

Sebagai tahap awal proses pengecekkan normalisasi, pengecekkan dilakukan

pada tabel pasien ditunjukkan pada diagram dependensi fungsionalnya (DDF).

DDF Tabel pasien ditunjukkan pada Gambar 3.3.

 Gambar 3. 3 DDF Tabel Pasien

Berdasarkan Gambar 3.3, diperoleh bahwa tabel pasien telah memenuhi

1NF karena setiap atribut memiliki nilai tunggal. Pada tabel pasien diperoleh

bahwa id_pasien merupakan kunci. Setiap atribut yang bukan kunci yaitu id_jk

bergantung secara fungsional terhadap id_pasien, sehingga dari tabel tersebut,

tabel pasien telah memenuhi 2NF. Selanjutnya dari DDF tabel pasien, diketahui

tidak terdapat dependensi fungsional transitif terhadap id_jk. Oleh karena itu tabel

pasien telah memenuhi 3NF. Selain itu, dari DDF tabel pasien diketahui bahwa

yang merupakan determinan adalah id_pasien yang merupakan kunci. Akibatnya,

tabel pasien telah memenuhi BCNF.

3.6.3. Perancangan Desain UML

Berikut adalah perancangan desain UML sistem pakar diagnosa penyakit gigi dan

mulut yang terdiri dari use case diagram, class diagram dan activity diagram:
1`. Use case diagram

Gambar 3. 4 Usecase Diagram Sistem Pakar Diagnosa Penyakit Gigi dan Mulut

Berdasarkan Gambar 3.4 maka dapat dijelaskan bahwa terdapat dua level

user pada sistem pakar diagnosa penyakit gigi dan mulut, yaitu admin yang

memiliki fungsi mengelola admin, mengelola diagnosa, mengelola gejala,

mengelola penyakit, mengelola solusi, dan melihat data pasien. Pasien memiliki
fungsi mengelola pasien, mengelola jenis kelamin, memilih gejala dan melihat

hasil diagnosa.

3. Activity diagram

Activity diagram adalah diagram yang menggambarkan berbagai alir aktivitas

dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal,

desection yang mungkin terjadi, dan bagaimana mereka berakhir. Berikut adalah

activity diagram sistem pakar diagnosa penyakit gigi dan mulut yang ditunjukan

pada Gambar 3.5.

a. Activity diagram ragistrasi

Gambar 3. 5 Activity Diagram Registrasi

Gambar 3.5 menjelaskan activity diagram registrasi adalah alur aktifitas dari

pasien yang melakukan regitrasi dengan memilih tombol registrasi pada halaman

web kemudian sistem akan menampilkan form registrasi yang akan di isi dengan
data diri pasien. setelah menginput data diri klik tombol registrasi kemudian

sistem akan menyimpan data registrasi.

b. Activity diagram login

Gambar 3. 6 Activity Diagram Login

Gambar 3.6 menjelaskan alur kerja proses pasien melakukan login yaitu

dengan menginputkan username dan password pada form login kemudian

melewati proses validasi atau pengecekan di database oleh sistem. jika username
dan password sudah benar maka pasien dapat masuk ke sistem dan jika salah

maka akan dikembalikan ke form login.

c. Activity diagram memilih gejala

Gambar 3. 7 Activity Diagram Memilih Gejala

Gambar 3.7 menjelaskan alur proses kerja pasien memulai konsultasi yaitu,

dengan melakukan login ke sistem terlebih dahulu. Setelah pasien berhasil login

sistem akan menampilkan halaman beranda kemudian pasien dapat mengklik

tombol konsultasi sekarang. Sistem akan menampilkan form daftar gejalah yang

dapat dipilih oleh pasien sesusai dengan gejala yang dirasakan oleh pasien.

Selanjtnya sistem akan melakukan verifikasi gejala, jika data yang dimasukan

salah maka akan dikembalikan ke form daftar gejala. Sedangkan jika data yang

dimasukan benar maka akan dilanjutkan ke penyimpanan data (database). Sistem

akan menganalisis gejala yang telah dimasukan oleh pasien kemudian akan

dilakukan penentuan penyakit dan menampilkan hasil analisis yang dapat dilihat

oleh pasien.

4. Class diagram

Class diagram adalah diagram yang memberikan gambaran visual secara

struktur statis dari suatu sistem dan juga merupakan alur jalannya database pada

sebuah sistem. Beberapa diagram akan menampilkan beberapa kelas-kelas dan

relasinya yang dapat dibuat menjadi beberapa diagram yang sesuai dengan

keinginan terhadap sistem yang akan dibangun. Pada class diagram sistem pakar

diagnosa penyakit gigi dan mulut terdapat kelas sistem, stribut, operasi atau

metode dan hubungan antara kelas.

Kelas main sebagai fungsi awal eksekusi ketika sistem akan dijalankan.

Kemudian terdapat kelas view sebagai kelas antarmuka yang diambil berdasarkan

skenario dokumentasi use case yaitu, mengelola admin, mengelolah pasien,

mengelola jenis kelamin, mengelola diagnosis, mengelola gejala, mengelola

penyakit dan mengelola solusi. Terdapat juga kelas data yaitu, admin, pasien, jenis

kelamin, diagnosa, gejala, penyakit dan solusi. Class diagram sistem pakar

diagnosa penyakit gigi dan mulut ditunjukan pada Gambar 3.8.

 Gambar 3. 8 Class Diagram

5. Design Interface

Design interface dibuat sebagai penghubung antara pakar dengan pengguna

(user). Dalam sistem pakar diagnosa penyakit gigi dan mulut halaman beranda

adalah halaman yang akan ditampilkan pertama kali saat user mengakses website.

1. Halaman Beranda

Halaman beranda adalah halaman utama yang akan tampil saat user pertama

kali mengakses sistem pakar diagnosa penyakit gigi dan mulut. Pada halaman ini
terdapat beberapa menu yaitu menu beranda, menu data pasien, menu data

penyakit, menu data gejala, menu tentang, menu konsultasi sekarang dan menu

login.

Gambar 3. 9 Halaman Beranda

a. Halaman login

pada saat mengklik tombol login di halaman beranda maka sistem akan

menampilkan form login yang mengharuskan user untuk mengisi e-mail dan

password dan jika belum memiliki akun untuk dapat masuk ke sistem maka

diharuskan untuk melakukan registrasi terlebih dahulu. Selanjutnya sistem akan

mengecek apakah email dan password yang dimasukan sudah valid atau belum.

Jika valid maka user dapat mengakses sistem, jika tidak valid maka sistem akan

kembali menampilkan form login. Sistem pakar diagnosa penyakit gigi dan mulut

ini memiliki dua hak akses login yang berbeda yaitu login sebagai admin dan

login sebagi user. Perancangan form login ditampilkan pada Gambar 3.10.
 Gambar 3. 10 Halaman Login

b. Halaman registrasi

Untuk melakukan registrasi user dapat menekan tombol login di halaman

utama dan memilih tombol registrasi yang tersedia di form login. Kemudian

sistem akan menampilkan form registrasi yang harus diisi dengan e-mail,

username dan password oleh user. Kemudian sistem akan mengecek apakah data

yang dimasukan sudah valid atau belum. Jika data yang di masukan valid maka

sistem akan menyimpan data registrasi dan menampilkan form login agar user

dapat masuk ke sistem dan jika belum valid maka sistem akan kembali

menampilkan form registrasi. Registrasi hanya akan dilakukan oleh user (pasien).

Perancangan form registrasi ditunjukan pada Gamabar 3.11.

 Gambar 3. 11 Halaman Registrasi

c. Halaman memilih gejala

Sebelum masuk ke halaman memilih gejala pasien akan mendapatkan

notivikasi pada aplikasi untuk melengkapi data diri di profile pasien. Selanjutnya

untuk memulai konsultasi penyakit gigi dan mulut, pada halaman beranda pasien

dapat mengklik tombol konsultasi sekarang dan sistem akan menampilkan form

memilih gejala.

Pasien bisa memilih gejala apa saja yang dialami atau di rasakan oleh

pasien. Kemudian setelah mencentang beberapa gejala yang dialami, pasien dapat

menekan tombol submit dan sistem akan menyimpan data gejala. selanjutnya data

akan di proses oleh sistem untuk menentukan penyakit yang dialami oleh pasien

sesuai dengan gejala yang telah dipilih. Perancangan form memilih gejala

ditunjukan pada Gambar 3.12.

 Gambar 3. 12 Tampilan Memilih Gejala

d. Halaman hasil diagnosis

Halaman hasil diagnosis adalah halaman yang memuat hasil analisis sistem

dari proses pasien memilih gejala. Halaman ini mencantumkan nama penyakit,

definisi penyakit, gejala, solusi dan tingkat keparahan penyakit.

Halaman hasil diagnosis ditunjukan pada Gambar 3.13.

Gambar 3. 13 Halaman Hasil Diagnosis

3.6.4 Coding

Setelah tahap perancangan sistem selesai, tahap selanjutnya adalah tahap

coding. Dalam tahap ini sistem pakar diagnosa penyakit gigi dan mulut akan

dibangun dengan mengimplementasikan bahasa pemrograman PHP dan Mysql.

Sedangkan metode penalaran atau inferensi yang digunakan dalam penelitian ini

adalah metode waterfall.

3.6.5 Pengujian

Tahap akhir yang dilakukan setelah coding adalah pengujian yang akan

menghasilkan sistem pakar yang berguna untuk mendiagnosa penyakit gigi dan

mulut. Penelti akan melakukan pengujian dengan memastikan fungsi sistem

berjalan dengan baik. Hal ini dilakukan agar tidak terjadi ketidaknyamanan saat

uaser menggunakan sistem.

Pengujian pada sistem pakar diagnosa penyakit gigi dan mulut

menggunakan Black-box Testing.

 Daftar Pustaka

Abdulloh, R. (2017). Membuat Toko Online dengan Teknik OOP, MVC dan Ajax.

PT. Elex Media Komputindo.

anhar. (2010). Panduan Menguasai PHP & MySQL Secara Otodidak.

Binarso, Y. A., Sarwoko, E. A., & Ba, N. B. (2012). Pembangunan Sistem

Informasi Alumni Berbasis Web Pada Program Studi Teknik Informatika

Universitas Diponegoro. Pembangunan Sistem Informasi Alumni Berbasis

Web Pada Program Studi Teknik Informatika Universitas Diponegoro, 1(1),

72–84.

Birnbaum, W., & Dunne, S. M. (2010). Diagnosis Kelainan dalam Mulut (L.

Juwono (ed.)). EGC.

Bova, S., Codara, P., MacCari, D., & Marra, V. (2010). A logical analysis of

Mamdani-type fuzzy inference, i theoretical bases. 2010 IEEE World

Congress on Computational Intelligence, WCCI 2010.

https://doi.org/10.1109/FUZZY.2010.5584830

Dahria, M. (2008). Kecerdasan buatan ( Artificial Intelligence ). Artificial

Intelligence, 5(2), 1–13.

Dahria, M. (2011). Pengembangan Sistem Pakar Dalam Membangun Suatu

Aplikasi. 10(3), 199–205.

Febriany. (2017). Aplikasi Metode Fuzzy Mamdani Dalam Penentuan Status Gizi

Dan Menggunakan Software Matlab. Jurnal EurekaMatika, 5(1), 84–96.

Firman, A., Wowor, H. F., Najoan, X., Teknik, J., Fakultas, E., & Unsrat, T.

(2016). Sistem Informasi Perpustakaan Online Berbasis Web. E-Journal

 Teknik Elektro Dan Komputer, 5(2), 29–36.

Fridayanthin Wida, E., & Mahdiati, T. (2016). Rancang Bangun Sistem Informasi

Permintaan Atk Berbasis Intranet (Studi Kasus: Kejaksaan Negeri

Rangkasbitung). 147(2), 11–40.

Habibi, R., Fakhri, N., & Damayanti shafira, F. (2019). Penggunaan framework

laravel untuk membuat aplikasi absensi terintegrasi mobile (R. Habibi, N.

Fakhri, & F. S. Damayanti (eds.)). Kreatif Industri Nusantara.

Kristiani, A., Koswara, N., Anggrawati, H., Nafarin, M., Nurhayati, Suwarsono,

Siti, S., Dahlan, Z., Nasri, Budiarti, R., Vione, V., Mappahia, N., Ningrum,

N., Ambarwati, U. S., Krisyudhanti, E., Elina, L., & Arnetty. (2010). Ilmu

Penyakit Gigi Dan Mulut.

Kusrini. (2006). “Sistem Pakar Teori dan Aplikasi.” In Andi (Issue May, pp. 11–

14).

Larasati, N., Kamizar, & Usman, M. (2013). Distribusi Penyakit Pulpa

berdasarkan Etiologi dan Klasifikasi di RSKGM ,. Fkg Ui.

Latif, A. (2015). Implementasi Kriptografi Menggunakan Metode Advance

Encryption Standar (AES) Untuk Pengamanan Data Teks. 4(2), 1–27.

Naba, A. (2009). Belajar Cepat Fuzzy Logic Menggunakan Matlab (pp. 1–15).

ANDI.

Octavina, Y., & Fadlil, A. (2013). Sistem Pakar Untuk Mendiagnosa Penyakit

Pada Saluran Pernafasan Dan Paru Menggunakan Metode Certainly Factor.

Journal of Chemical Information and Modeling, 53(9), 1689–1699.

https://doi.org/10.1017/CBO9781107415324.004
Rahman, A., Ahmar, A. S., & Rusli. (2019). Pemrograman website Php-Mysql

untuk pemula.

Rahman, F., Darmawidjadja, I., & Alamsah, D. (2017). Opinion Mining Pada

Review Buku Menggunakan Algoritma Naive Bayes. Jurnal TEKNIK

KOMPUTER, II(1), 1–8.

http://ejournal.bsi.ac.id/ejurnal/index.php/jtk/article/view/357

Ramayanti, S., & Purnakarya, I. (2013). Peran Makanan terhadap Kejadian Karies

Gigi. Jurnal Kesehatan Masyarakat, 7(2), 89–93.

http://jurnal.fkm.unand.ac.id/index.php/jkma/article/view/114/120

Ratama, N., & Manuwaroh. (2019). Konsep Kecerdasan Buatan Dengan

Pemahaman Logika Fuzzy Dan Penerapan Aplikasi. Uwais Inspirasi

Indonesia CV.

Rosnelly, R. (2012). Sistem Pakar Konsep dan Teori (Paulus Yesaya Jati (ed.); 1st

ed.). Cv ANDI OFFSET.

Ross, T. J. (2010). Fuzzy Logic with Engineering Applications: Third Edition.

Fuzzy Logic with Engineering Applications: Third Edition.

https://doi.org/10.1002/9781119994374

Rossa, & Salahuddin. (2013). Rekayasa perangkat Lunak. Informatika Bandung.

Salman. (2010). A Comparison of Mamdani and Sugeno Inference Systems for a

Satellite Image Classification. Anbar Journal for Engineering Sciences, 296–

306.

Sariningsih, E. (2014). Gigi Busuk dan Poket Periodontal Sebagai Fokus Infeksi.

PT. Elex Media Komputindo.

Sovia, R., & Febio, J. (2011). Membangun Aplikasi E-Library Menggunakan

Html, Php Script, Dan Mysql Database. Processor, 6(2), 38–54.

Supardi, Y., & Sulaeman. (2019). Semua Bisa Menjadi Programer Laravel Basic.

PT. Elex Media Komputindo.

Wahyudi, R., Urtami, E., & Arief, R. (2016). Sistem Pakar E-Tourism Pada Dinas

Pariwisata D.I.Y Menggunakan Metode Forward Chaining. Jurnal Ilmiah

Data Manajemen Dan Teknologi Informasi (DASI), 17(4), 1–13.

Wamiliana, Aristoteles, & Depriyanto. (2013). Pengembangan Sistem Pakar

Berbasis Web Mobile untuk Mengidentifikasi Penyebab Kerusakan Telepon

Seluler dengan Menggunakan Metode Forward dan Backward Chaining.

Jurnal Komputasi, 1(1), 1–9.

Williams, L. (2010). A (partial) introduction to software engineering practices and

methods. NCSU CSC326 Course Pack, 2011, 290.

https://sdc.csc.ncsu.edu/files/resources/williams-software-engineering-

2011.pdf

Yanto, R. (2016). Manajemen Basis Data Menggunakan My SQL. Deepublish.

Yulmaini. (2015). Penggunaan Metode Fuzzy Inference System (Fis) Mamdani

Dalam Pemilihan Peminatan Mahasiswa Untuk Tugas Akhir. Jurnal

Informatika Darmajaya, 15(1), 10–23.