BAB III

ANALISA DAN PERANCANGAN

3.1 Analisis Permasalahan

Dari hasil analisis yang dilakukan melalui wawancara dengan Prof. Dr. dr.

Gontar A Siregar, Sp.PD.KGEH (Spesialis Penyakit Dalam) dan observasi

diperoleh beberapa rule yang menjabarkan jenis penyakit sirosis yaitu sirosis

laennec dan sirosis biliaris. Dari rule yang didapat keterkaitan dari gejala-gejala

dengan kedua jenis penyakit tersebut yang nantinya disusun kedalam basis

pengetahuan.

Untuk mendapatkan hasil diagnosa dalam mengetahui penyakit sirosis

melalui gejala yang diketahui, maka diterapkan konsep Sistem Pakar dengan

mengadopsi metode Dempster Shafer berdasarkan rule dan informasi tentang

penyakit sirosis metode Dempster Shafer yaitu dilakukan dengan cara

mengasumsikan bahwa hipotesa – hipotesa atau gejala–gejala penyakit yang ada

pada penyakit sirosis dikelompokkan ke dalam suatu lingkungan tersendiri yang

biasanya disebut himpunan semesta pembicaraan dari sekumpulan hipotesa dan

dan diberikan notasi θ, dan kemudian mengkombinasikan seluruh himpunan

informasi yang mendukung suatu hipotesis.

Dan kemudian membangun mesin inferensi, menentukan basis pengetahuan dan

aturan-aturan yang mendukung dalam membangun sistem pakar agar mampu

mendiagnosa penyakit sirosis dengan baik.

36
 37

3.2 Algoritma Sistem

Algoritma sistem merupakan sebuah tahapan yang dilakukan sebelum

melakukan proses diagnosa terhadap penyakit sirosis. Adapun algoritma sistem

adalah sebagai berikut :

1. Representasi Pengetahuan

2. Menentukan gejala atau nilai densitas (Input Gejala)

3. Pencarian nilai Plausibility berdasarkan nilai Belief

4. Proses Kombinasi Dempster Shafer

5. Pencarian nilai maksimum.

3.2.1 Representasi Pengetahuan

Representasi pengetahuan adalah metode yang dipakai untuk mengkodekan

pengetahuan sistem pakar. Dalam mempresentasikan pengetahuan dalam software

terdapat metode yang banyak dipilih. Pemilihan metode ini tergantung kepada

permasalahan, tingkat pengetahuan dan tipe pengetahuan yang akan

dipresentasikan kedalam sistem yang nantinya dapat berjalan sesuai dengan

semestinya.

Keberhasilan berbasis sistem pakar terletak pada pengetahuan dan

bagaimana mengolah pengetahuan tersebut agar ditarik kesimpulan. Pengetahuan

yang diperoleh dari hasil wawancara dan observasi konversi kedalam sebuah data

tabel jenis penyakit dan gejala terhadap penyakit sirosis.

Sumber data pengetahuan yang didapat dari seorang pakar tentunya akan

menjadi acuan dasar untuk menarik sebuah kesimpulan yang tepat. Oleh karena

itu mengapa tabel pengetahuan ini sangat dibutuhkan guna untuk menentukan

proses perhitungan dari jenis penyakit sirosis.

 38

Berikut merupakan tabel pengetahuan yang akan digunakan dalam

mendeteksi jenis penyakit sirosis.

Tabel 3.1 Data Jenis Penyakit Sirosis

No Kode Penyakit Nama Penyakit Sirosis

1. P1 Sirosis Laennec

2. P2 Sirosis Biliaris

Sumber : Prof. Dr. dr. Gontar A Siregar, Sp.PD.KGEH

Berikut ini adalah daftar nama gejala yang terdapat pada penyakit sirosis

ditampilkan pada tabel 3.2.

Tabel 3.2 Data Gejala Penyakit sirosis

No Kode Gejala Nama Gejala

1. G01 Terasa nyeri dibagian perut atas
2. G02 Kulit dan mata berwarna kuning
3. G03 Edema (kaki membengkak)
4. G04 Gatal diseluruh tubuh
5. G05 Tinja berwarna gelap
6. G06 Urin keruh
7. G07 Kuku berwarna gelap
8. G08 Asites (Perut membesar)
9. G09 Spider navi
Sumber : Prof. Dr. dr. Gontar A Siregar, Sp.PD.KGEH

Mesin Inferensi merupakan sebuah program yang berfungsi untuk memandu

proses penalaran tehadap suatu kondisi berdasarkan pada basis pengetahuan untuk

memformulasikan kesimpulan dari hasil diagnosa. Dengan menentukan terlebih

dahulu gejala-gejala yang dialami oleh pasien, kemudian melakukan analisa

setelah itu akan diketahui apakah pasien tersebut terkena jenis penyakit apa dan
 39

solusinya yang akan dilakukan berdasarkan nilai presentase yang diperoleh

melalui proses perhitungan dempster shafer.

Pada sistem pakar untuk mendiagnosa Penyakit sirosis, pendekatan yang

digunakan adalah pelacakan kedepan (Forward Chaining) atau menggunakan alur

maju, dengan menentukan terlebih dahulu gejala, kemudian melakukan tahapan

analisis setelah itu melakukan perhitungan dengan metode Dempster Shafer dan

akan diketahui apakah pasien mengalami jenis penyakit sirosis laennec dan sirosis

biliaris.

Tabel 3.3 Tabel Basis Pengetahuan Penyakit Sirosis

Kode Penyakit
No Gejala
P1 P2
1. Terasa nyeri dibagian perut atas  
2. Kulit dan mata berwarna kuning  
3. Edema (kaki membengkak)  -
4. Gatal diseluruh tubuh  
5. Tinja berwarna gelap  -
6. Urin keruh  -
7. Kuku berwarna gelap - 
8. Asites (Perut membesar) - 
9. Spider navi - 

Sumber : Prof. Dr. dr. Gontar A Siregar, Sp.PD.KGEH

3.2.2 Menentukan Gejala atau Nilai Densitas (Input Gejala)

Inisialisai niai densitas gejala merupakan suatu cara untuk memberikan

bobot pada gejala, yang kemudian bobot tersebut akan digunakan pada

perhitungan kombinasi dengan metode Dempster Shafer.

 40

Berikut merupakan tabel dari range nilai densitas untuk hasil diagnosa,

yang menjelaskan tentang kepastian suatu gejala.

Tabel 3.4 Range Presentase Nilai Kemungkinan Hasil Diagnosa

Nilai Bobot
No Persentase Nilai Densitas Keterangan
Gejala
1. 1 100% Sangat Pasti
2. 0,75 – 0,99 75% Pasti
3. 0,50 – 0,74 50% Cukup Pasti
4. < 0,50 25% Kurang Pasti

Dibawah ini merupakan tabel nilai densitas dari gejala-gejala yang diperoleh

dari penyakit sirosis yang didapat dari riset dan wawancara dengan pakar.

Tabel 3.5 Nilai Densitas Gejala Penyakit Sirosis

Kode
No Nama Gejala Nilai Densitas
Gejala
1. G01 Terasa nyeri dibagian perut atas 0,7
2. G02 Kulit dan mata berwarna kuning 0,8
3. G03 Edema (kaki membengkak) 0,65
4. G04 Gatal diseluruh tubuh 0,4
5. G05 Tinja berwarna gelap 0,57
6. G06 Urin keruh 0.5
7. G07 Kuku berwarna gelap 0,55
8. G08 Asites (Perut membesar) 0,6
9. G09 Spider navi 0,8
Sumber : Prof. Dr. dr. Gontar A Siregar, Sp.PD.KGEH

3.2.3 Pencarian Nilai Plausability berdasarkan Nilai Belief

Teori Dempster Shafer adalah suatu teori matematika untuk pembuktian

berdasarkan belief and plausibility (fungsi kepercayaan dan pemikiran yang

masuk akal), yang digunakan untuk mengkombinasi potongan informasi yang

 41

terpisah (bukti) untuk hasil kemungkinan dari suatu peristiwa. Teori Dempster

Shafer ditulis dalam suatu interval yaitu belief dan plausibility. Belief function

(fungsi kepercayaan) adalah ukuran kekuatan evidence dalam mendukung suatu

himpunan proposisi. Jika bernilai 0 maka mengidentifikasikan bahwa tidak adanta

evidence, dan jika bernilai 1 menunjukan adanya kepastian. Plausibility (pl)

dinotasikan sebagai: Pl(s)-Bel (-s) plausibility juga bernilai 0 sampai 1. Jika yakin

akan-s, maka dapat dikatakan bahwa bel(-s)=1, dan Pl(-s)=0.

Adapun perhitungan dalam metode Dempster Shafer rumus yang digunakan

untuk mendiagnosa penyakit penyakit sirosis sebagai berikut :

m3(Z) =

Keterangan:

m1 (X) = densitas untuk gejala pertama

m2 (Y) = densitas untuk gejala kedua

m3 (Z) = kombinasi dari kedua densitas diatas

Ø = SemestaPembincaraan dari sekumpulan hipotesa (X’ dan Y”

Zm1(X).m2(Y) = adalah hasil irisan dari m1 dan m2

Ø Zm1(X).m2(Y) = tidak ada hasil irisan (irisan kosong (Ø))

Berikut adalah penerapan metode Dempster Shafer dalam mendiagnosa

penyakit sirosis. Misalkan ada seorang seseorang dengan keluhan mengalami kulit

dan mata berwarna kuning, kaki membengkak dan gatal diseluruh tubuh.
 42

Tabel 3.6 Jawaban Pertanyaan Mengenai Gejala Yang Dialami Pasien

Kode Jawaban Yang

Gejala yang dialami pasien
Gejala Dipilih Pasien
G01 Kulit dan mata berwarna kuning √

G02 Kaki membengkak √

G03 Gatal diseluruh tubuh √

Penyelesaian :

Gejala 1 : Kulit dan mata berwarna kuning

Apabila diketahui nilai kepercayaan setelah dilakukan observasi pada gejala ‘kulit

dan mata berwarna kuning’ sebagai gejala dari sirosis laennec dan sirosis biliaris

{P1,P2} maka :

Belief : M1{P1P2}= 0,8

Plausibility : M1(θ) = 1 – 0,8 = 0,2

Gejala 2 : Kaki membengkak

Apabila diketahui nilai kepercayaan setelah dilakukan observasi pada gejala ‘Kaki

membengkak’ sebagai gejala dari sirosis laennec {P1} maka :

Belief : M2{P1} = 0,65

Plausibility : M2(θ) = 1 – 0,65 = 0,35

Maka didapat aturan kombinasi M1 {P1P2} dengan M2 {P1}

M1 {P1P2} = 0,8 M1 (Ɵ) = 0,2

M2 {P1} = 0,65 {P1} {P1}

= 0,8 * 0,65=0,52 =0,2 * 0,65 = 0,13

M2 (Ɵ) {P1P2} (Ɵ)

 43

= 1 – 0,65 = 0,35 =0,8 * 0,35 = 0,28 = 0,2 * 0,35 = 0,07

Dari Hasil kombinasi tabel diatas diperoleh nilai M3 :

M3 {P1} =

M3 {P1P2} =

M3 Ɵ =

Gejala 3 : Gatal diseluruh tubuh

Apabila diketahui nilai kepercayaan setelah dilakukan observasi pada gejala

‘Gatal diseluruh tubuh’ sebagai gejala dari sirosis laennec {P1} maka :

Belief : M4{P1P2} = 0,4

Plausibility : M4(θ) = 1 – 0,4 = 0,6

Maka didapat aturan kombinasi :

3.2.4 Proses Kombinasi Dempster Shafer

M4 {P1P2} = 0,4 M1 (Ɵ) = 0,6

M3 {P1} = 0, 65 {P1} {P1}

= 0,4 * 0, 65 = 0,26 =0,6 * 0,65 = 0,39

M3 {P1P2} = 0,28 {P1P2} {P1P2}

= 0,4 * 0,28 = 0,112 =0,6 * 0,28 = 0,168

M2 (Ɵ) = 0,07 {P1P2} (Ɵ)

=0,4 * 0,07 = 0,028 = 0,6 * 0,07 = 0,042

Dari Hasil kombinasi tabel diatas diperoleh nilai M5:

 44

M5 {P1} =

M5 {P1P2} =

M5 (Ɵ) =

3.2.5 Pencarian Nilai Maksimum

Pencarian nilai maksimum merupakan tahapan akhir dari proses Dempster

Shafer, dimana hasil kombinasi keseluruhan akan dicari hasil diagnosa tiap-tiap

hipotesisnya berdasarkan nilai yang paling tinggi, dan dari nilai yang tertinggi itu

pula akan diambil kesimpulan untuk penyakit yang dialami pasien.

Nilai tertinggi terdapat pada M5 {P1} dengan nilai 0,65 dari kesimpulan

perhitungan diatas maka pasien tersebut didiagnosa menderita penyakit sirosis

laennec dengan presentase 65%.

3.3 Flowchart Program

Flowchart merupakan hal yang sangat penting didalam perancangan sebuah

sistem maupun program. Dengan adanya sebuah flowchart maka pihak lain akan

mudah untuk mengetahui alir dari suatu metode atau proses yang dilakukan dari

awal hingga proses tersebut selesai. Adapun gambaran flowchart dari proses

diagnosa penyakit sirosis sebagai berikut:

 45

Start

Input Gejala

Menentukan Nilai Densitas dan Plausibility

Proses Kombinasi Dempster Shafer

m3(Z) =

Cari nilai maksimum dari

kombinasi gejala Max
(M3{Z})

Tampil Hasil Diagnosa

Dan Solusinya

End
Gambar 3.1 Flowchart Program

Berikut penjelasan mengenai Flowchart Program:

1. Pada awal sistem dijalankan user diharuskan untuk menginput gejala yang

dialami pasien sebagai data masukan ke sistem untuk diproses.

2. Data gejala yang diinputkan kemudian akan diambil nilai densitasnya dan

akan dicari nilai Belief dan Plausibility dari gejala tersebut.

3. Kemudian dilanjutkan dengan perhitungan kombinasi dari seluruh data gejala

yang diterima sistem dengan rumus kombinasi pada Dempster Shafer.

 46

4. Selanjutnya dicari nilai maksimum kombinasi gejala-gejala baru. Dari nilai

maksimum diperoleh hasil presentase diagnosanya.

5. Hasil diagnosa yang diperoleh dari nilai sebelumnya kemudian ditampilkan

oleh sistem.

3.4 Pemodelan Sistem

UML (Unified Modeling Language) digunakan sebagai jembatan dalam

mengkomunikasikan beberapa aspek dalam sistem melalui sejumlah elemen grafis

yang bisa dikombinasikan menjadi diagram. UML mempunyai banyak diagram

yang dapat mengakomodasi berbagai sudut pandang dari suatu perangkat lunak

yang akan dibangun. Oleh karena itu, dalam perancangan struktur aplikasi ini

dibantu dengan menggunakan beberapa komponen-komponen pemodelan sistem

dari metode UML (Unifield Modeling Language) agar memudahkan dalam

pembuatan aplikasi yang mengimplementasikan Sistem Pakar dengan

mengadaptasi metode Dempster Shafer. Ada 3 (tiga) jenis diagram yang akan

digunakan yaitu Use Case Diagram, Activity Diagram dan Class Diagram.

3.4.1 Use Case Diagram

Use Case Diagram menunjukkan hubungan interaksi antara aktor dengan

Use Case didalam suatu sistem yang bertujuan untuk menentukan bagaimana

aktor berinteraksi dengan sebuah sistem. Berikut ini merupakan Use Case

Diagram pada identifikasi penyakit sirosis adalah sebagai berikut

 47

Login

Kelola Data Penyakit

Kelola Data Gejala

Kelola Basis
Pengetahuan
Kelola Data Pasien
User

Diagnosa

Cetak Laporan

Gambar 3.2 Use Case Diagram

Skenario Use case :

1. Nama Use case : Login

Aktor : User

Tujuan : Mengamankan sistem agar sistem hanya bisa dibuka oleh user

yang memiliki hak akses kedalam sistem atau aplikasi yang akan

dirancang.

Deskripsi : User membuka aplikasi, memasukkan username dan password

kedalam sistem.

2. Nama Use Case : Kelola data penyakit

Aktor : User

Tujuan : Mengelola data penyakit.

 48

Deskripsi : User dapat menambah, mengubah dan menghapus data penyakit.

3. Nama Use Case : Kelola data gejala

Aktor : User

Tujuan : Mengelola data gejala.

Deskripsi : User dapat menambah, mengubah dan menghapus data gejala.

4. Nama Use case : Kelola basis pengetahuan

Aktor : User

Tujuan : Membuat relasi antara penyakit dan gejala.

Deskripsi : User memilih nama penyakit dan gejala, kemudian merelasikan.

5. Nama Use Case : Kelola data pasien

Aktor : User

Tujuan : Mengelola data pasien .

Deskripsi : User dapat menambah, mengubah dan menghapus data pasien

6. Nama Use Case: Diagnosa

Aktor : User

Tujuan : Mengetahui hasil diagnosa dari penyakit yang dialami pada

pasien.

Deskripsi : User menginput gejala yang dialami oleh pasien kemudian dipro-

ses dan memperoleh hasil diagnosanya.

7. Nama Use case : Cetak Laporan

Aktor : User

Tujuan : Mencetak hasil diagnosa dari penyakit yang dialami pasien.

Deskripsi : Setelah melakukan proses diagnosa, User akan mencetak laporan

hasil diagnosa dan memberikannya kepada pasien.

 49

3.4.2 Activity Diagram

User System

Tampil Menu
Utama
Login
Tidak
Validas
Ya i

Input Data Penyakit Simpan Data Penyakit

Input Data Gejala Simpan Data Gejala

Input Basis Simpan Basis

Pengetahuan Pengetahuan

Input Data Pasien Simpan Data Pasien

Tampil Halaman
Pilih Gejala
Diagnosa

Proses Diagnosa

Cetak Laporan
Hasil Diagnosa

Gambar 3.3 Activity Diagram

 50

Activity Diagram merupakan teknik untuk mendeskripsikan prosedural,

proses bisnis dan aliran kerja dalam banyak kasus. Dan Activity Diagram adalah

State diagram khusus dimana sebagian besat State adalah action dan

menggambarkan proses – proses dan jalur – jalur aktivitas dari setiap level.

3.4.3 Class Diagram

Class diagram merupakan diagram yang menggambarkan sekelompok objek

dari atribut, operasi dan relasi antar objek. Berikut pemodelan data class diagram

pada rancangan aplikasi sistem pakar untuk mendiagnosa Penyakit sirosis dengan

menggunakan metode Dempster Shafer.

 51

Pasien
Pengetahuan:text
-Kd_Pengetahuan
- Simpan()
+ID_Pasien : text
-+Kd_Penyakit
Ubah Data() : text
+Nama_Pasien : text 1 ...* -+Kd_Gejala
Hapus () : text
+Usia : number
- Batal ()
+Alamat : text
1 ...* - Keluar ()
- Tambah Data ()
- Simpan/Ubah Data()
- Hapus Data ()
- Batal ()
- Keluar ()

Diagnosa
Penyakit
+ID_Pasien : text
+Kd_Penyakit : text 1 ...*
+Nama_Pasien : text
- Nm_Penyakit : text
+Usia : text
+Solusi :memo
+Alamat : text
- Tambah Data () -Kemungkinan_Diagnosa : text
- Simpan/Ubah Data() -Hasil_Diagnosa : text
- Hapus Data () 1 ...* +Solusi : memo
- Batal () +Nama_Penyakit : text
- Keluar () - Diagnosa()
- Ulang()
Gejala - Cetak()
- Keluar()
+Kd_Gejala : text
+Nm_Gejala : text
Login
-Nilai_Densitas:number
- Tambah Data () +Username: text
- Simpan/Ubah Data() #Password : text
- Hapus Data ()
- Batal () - Login()
- Keluar () - Batal ()
- Register()

Gambar 3.4 Class Diagram

Berikut adalah keterangan dari atribut yang terdapat pada class diagram:

1. Private (-) : tidak dapat dipanggil dari luar class yang bersangkutan

2. Protected (#) : hanya dapat dipanggil oleh class yang bersangkutan dan

sub class yang mewarisinya.

3. Public (+) : dapat dipanggil oleh class manapun.

 52

3.5 Perancangan Sistem

Perancangan aplikasi sistem pakar untuk mendiagnosa penyakit sirosis

berdasarkan gejala-gejala yang dialami digunakan untuk mengetahui kebutuhan

dan gambaran sistem yang akan dibangun, adapun rancangan yang akan dibuat

adalah perancangan database, perancangan interface.

3.5.1 Perancangan Database

Rancangan database merupakan sebuah perancangan pada sistem yang akan

digunakan sebagai penyimpanan data-data. Adapun bentuk rancangan database-

nya sebagai berikut:

1. Tabel Login

Nama file : Login

Fungsi : Perancangan Data Petugas

Tabel 3.7 Tabel Login

No. Nama Field Type Data Lebar Keterangan

1. User_Name Text 100 User Name

2. Password Text 100 Password

2. Tabel Penyakit : Tabel Jenis Penyakit

Adapun Struktur Tabel dari Tabel Jenis Penyakit yaitu :

Nama file : Jenis

Primary Key : Kd_Penyakit

Fungsi : Perancangan Data pada jenis penyakit sirosis

 53

Tabel 3.8 Tabel Jenis Penyakit

No. Nama Field TypeData Lebar Keterangan

1. Kd_Penyakit Text 255 Kode Jenis Penyakit
2. Nm_Penyakit Text 255 Nama Jenis Penyakit
3. Solusi Memo 255 Solusi

3. Nama Tabel : Tabel Gejala

Adapun Struktur Tabel dari Tabel Pasien yaitu :

Nama file : Gejala

Primary Key : Kd_Gejala

Fungsi : Perancangan data pada gejala

Tabel 3.9 Tabel Gejala

No. Nama Field TypeData Lebar Keterangan

1. Kd_Gejala Text 255 Kode Gejala
2. Nm_Gejala Text 255 Nama Gejala
3. Nilai_Densitas Number 255 Nilai Densitas

4. Nama Tabel : Tabel Basis Pengatahuan

Adapun Struktur Tabel dari Tabel Pengetahuan yaitu :
Nama file : Pengetahuan

Primary Key : Kd_Pengetahuan

Fungsi : Perancangan Data Pengatahuan

Tabel 3.10 Tabel Basis Pengetahuan

No. Nama Field TypeData Lebar Keterangan

1. Kd_Pengetahuan Text 5 Autonumber
2. Kd_Penyakit Text 20 Kode Penyakit
3. Nm_Penyakit Text 20 Nama Penyakit
4. Kd_Gejala Text 10 Kode Gejala
5. Nm_Gejala Text 10 Nama Gejala
 54

5. Nama Tabel : Tabel Pasien

Adapun Struktur Tabel dari Tabel Pasien yaitu :

Nama file : Pasien

Primary Key : ID_Pasien

Fungsi : Perancangan Data pada Pasien

Tabel 3.11 Tabel Pasien

No. Nama Field TypeData Lebar Keterangan

1. ID_Pasien Text 255 Nomor Pasien
2. Nama_Pasien Text 255 Nama Pasien
3. Usia number 25 Usia
5. Alamat Text 255 Alamat

6. Desain Tabel : Laporan

Adapun Struktur Tabel dari Tabel Laporan yaitu :

Nama file : Laporan

Fungsi : Perancangan Data Laporan pada jenis penyakit sirosis.

Tabel 3.12 Tabel Laporan

No. Nama Field TypeData Lebar Keterangan

1. ID_Pasien Text 5 Id Pasien
2. Nama_Pasien Text 50 Nama pasien
3. Usia Text 255 Usia
4. Alamat Text 255 Alamat
5. Kemungkinan_Diagnosa Number 10 Kemungkinan
Diagnosa
6. Hasil_Diagnosa Text 20 Hasil Diagnosa
7. Solusi Memo 225 Solusi
8. Gejala Memo 225 Gejala
 55

3.5.2 Perancangan Interface

Perancangan interface merupakan gambaran form dari sistem yang akan

dirancang. Hasil rancangan ini nantinya akan diterapkan kedalam pemograman

Microsoft Visual Basic 2008 Berikut tampilan rancangan interface pada sistem

pakar mendiagnosa penyakit sirosis :

1. Rancangan Menu Utama

Dibawah ini merupakan tampilan rancangan menu utama sebagai berikut :

Menu Utama X

File Proses Data Login

Gambar 3.5 Rancangan Menu Utama

2. Rancangan Login

Dibawah ini merupakan tampilan rancangan Form Login sebagai berikut:

Login X

xxxx
User Name
xxxx
Gambar Password

Register Exit

Login
 56

Gambar 3.6 Rancangan Login

3. Rancangan Data Penyakit

Dibawah ini merupakan tampilan rancangan data gejala sebagai berikut:

Data Penyakit X

Kode Penyakit 999

Nama Penyakit XXXX

Solusi XXXX
Kode Penyakit Nama Penyakit Solusi
999 xxxx xxxx
999 Listview xxxx xxxx
999 xxxx xxxx
999 xxxx xxxx

Simpan Ubah Hapus Batal Keluar

Gambar 3.7 Rancangan Data Penyakit

4. Rancangan Data Gejala

Berikut ini merupakan tampilan rancangan Jenis penyakit:

Data Gejala X

Kode Gejala 999

Nama Gejala XXXX

Nilai Densitas
999

Kode Gejala Nama Gejala Densitas

xxxx xxxx 999
xxxx xxxx 999
xxxx xxxx 999
xxxx xxxx 999

Simpan Ubah Hapus Batal Keluar

 57

Gambar 3.8 Rancangan Data Gejala

5. Rancangan Data Pengetahuan

Berikut ini merupakan tampilan rancangan data Pengetahuan penyakit

sirosis:
Data Pengetahuan X

Kode PengetahuanKode PenyakitNama PenyakitKode GejalaNama

Gejala999xxxxxxxxxxxx999xxxxxxxxxxxx999xxxxxxxxxxxx999xxxxxxxxxxxx

Kode Pengetahuan
Kode gejala

Kode Penyakit Simpan Ubah Data

999

Listbox

Listbox Batal Keluar

Hapuss

Gambar 3.9 Rancangan Data Pengetahuan

6. Rancangan Data Pasien

Dibawah ini merupakan tampilan rancangan data pasien sebagai berikut:

Data Pasien X

ID Pasien 999
Nama Pasien XXXX
999
Usia Tahun
XXX
Alamat

ID PasienNama PasienUsiaAlamat999xxx999xxxx999xxx999xxxx

Batal
Simpan Ubah Hapus Keluar
 58

Gambar 3.10 Rancangan Data Pasien

7. Rancangan Diagnosa

Dibawah ini merupakan tampilan rancangan form diagnosa sebagai

berikut:
Diagnosa X

Id Pasien Diagnosa Ulang Cetak Keluar

i
Nama Pasien
xxxxx xxxx Kemungkinan Diagnosa
xxxxx 9999
Alamat xxxx
xxxxx
Usia xxxxx 9999
Tahun Hasil Diagnosa
xxxxx
xxxx
Gejala-gejala
nama gejala
solusi
nama gelaja
nama gejala xxxx
nama gejala
nama gejala
nama gejala
nama gejala

Gambar 3.11 Rancangan Diagnosa

8. Rancangan Laporan Diagnosa

Dibawah ini merupakan tampilan rancangan dari laporan hasil diagnosa

sebagai berikut :

Logo Praktek Dokter Spesialis Penyakit Dalam

Jl. Jamin Ginting No.9 Padang Bulan

Id Pasien : 999999
Nama Pasien : xxxxxxx
Usia : xxxxxxx
Alamat : xxxxxxx
Kemungkinan : xxxxxxx
Hasil Diagnosa: xxxxxxx
Solusi : xxxxxxx
Gejala : xxxxxxx
Medan, ________

Prof. Dr. dr. Gontar A. Siregar, SpPD, KGEH

Gambar 3.12 Rancangan Laporan Diagnosa