PENDAHULUAN
darah tepi yang disebabkan oleh kelainan primer pada sumsum tulang dalam bentuk
aplasia atau hipoplasia tanpa adanya infiltrasi, supresi atau pendesakan sumsum
tulang [1].
ditegakkan dengan pasti, namun terdapat beberapa sumber yang berpotensi sebagai
faktor risiko. Prognosis atau perjalanan penyakit anemia aplastik sangat bervariasi,
tetapi tanpa pengobatan pada umumnya memberikan prognosis yang buruk. Anemia
aplastik merupakan suatu kelainan dari sindrom klinik yang diantaranya ditandai
oleh defisiensi sel darah merah, neutrophils, monosit dan platelet tanpa adanya
tidak ada hematopoetik sel perkusi dan digantikan oleh jaringan lemak. Penyakit
ini bisa disebabkan oleh zat kimia beracun, virus tertentu, atau bisa juga karena
faktor keturunan. Anemia aplastik tergolong penyakit yang jarang dengan insiden
di negara maju 3-6 kasus/ 1 juta penduduk/ tahun.1,2. Manifestasi anemia aplastik
juga sangat beragam dimulai dari kasus yang bersifat ringan hingga berat, dan juga
Rumah Sakit Mitra Sejati, dimana dalam periode tahun ini sudah diperoleh
1
2
pasien di Rumah Sakit Mitra Sejati cenderung sepele terhadap gejala awal yang
sebuah sistem yang dapat membantu mengedukasi, memberikan solusi serta sarana
dalam mengetahui gejala penyakit Anemia aplastik diperlukan sebuah sistem yang
mampu dalam mengetahui penyakit Anemia aplastik yang diderita, maka peneliti
karena berbasis web, sehingga memudahkan user untuk mengakses dari manapun
dan kapan pun. Solusi yang digunakan untuk permasalahan tersebut adalah dengan
permasalahan yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam
bidang tersebut. Implementasi sistem pakar ini sangat banyak digunakan untuk
[3].
Metode yang digunakan dalam membangun sistem pakar ini adalah metode
nilai kemungkinan dari setiap evidence yang ada. Teorema Bayes adalah suatu
Adapun rumusan masalah yang akan dibahas pada penelitian ini yaitu
sebagai berikut:
aplastik?
Anemia aplastik?
1. Data tentang penyakit Anemia aplastik diambil dari Rumah Sakit Mitra Sejati
Medan.
3. Sistem yang dibangun berbasis web yang akan dibangun dengan menggunakan
Tujuan penelitian merupakan suatu hal yang akan dicapai pada penelitian
Anemia aplastik.
sebagai berikut:
5
aplastik.
TINJAUAN PUSTAKA
darah tepi yang disebabkan oleh kelainan primer pada sumsum tulang dalam bentuk
aplasia atau hipoplasia tanpa adanya infiltrasi, supresi atau pendesakan sumsum
tulang. Pada anemia aplastik terjadi penurunan produksi sel darah dari sumsum
and Agranulocytosis Study dan French Study memperkirakan ada 2 kasus persejuta
orang pertahun. Frekuensi tertinggi anemia aplastik terjadi pada orang berusia 15
sampai 25 tahun, peringkat kedua terjadi pada usia 65 sampai 69 tahun. Anemia
aplastik lebih sering terjadi di Timur Jauh, dimana insiden kira-kira 7 kasus
besar daripada di negara Barat belum jelas. Peningkatan insiden ini diperkirakan
6
7
kimia toksik, dibandingkan dengan faktor genetik. Hal ini terbukti dengan tidak
70%). Beberapa penyebab lain yang sering dikaitkan dengan anemia aplastik
adalah toksisitas langsung dan penyebab yang diperantarai oleh imunitas seluler.
1. Primer
a. Kelainan Kongenital
b. Fanconi
c. Nonfanconi
d. Dyskeratosis kongenital
e. Idiopatik
2. Sekunder
kehamilan
Pakar yang dimaksud di sini adalah orang yang mempunyai keahlian khusus yang
dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam.
Sebagai contoh, dokter adalah seorang pakar yang mampu mendiagnosa penyakit
tersebut. Sistem Pakar, yang mencoba memecahkan masalah yang biasanya hanya
bisa dipecahkan oleh seorang pakar, dipandang berhasil ketika mampu mengambil
keputusan seperti yang dilakukan oleh pakar aslinya baik dari sisi proses
Mesin Inferensi adalah sebuah otak dari aplikasi sistem pakar. Dimana
dalam mesin inferensi inilah kemampuan pakar ini disisipkan. Apa yang dikerjakan
yang dilakukan oleh para ahli. Konsep dasar sistem pakar mengandung beberapa
inferensi, aturan dan kemampuan menjelaskan tujuan dari sebuah sistem pakar
Sistem adalah serangkaian subsistem yang saling terkait dan tergantung satu
sama lain, bekerjas bersama-sama untuk mencapai tujuan dan sasaran yang sudah
ditetapkan sebelumnya. Semua sistem memiliki input, proses, output, dan umpan
memberi nasehat. Seorang pakar harus mampu menjelaskan dan mempelajari hal-
hal baru yang berkaitan dengan topik permasalahan, jika perlu harus mampu
Sistem pakar (expert system) adalah suatu sistem yang dirancang untuk
masalah yang didapat dari dialog dengan pengguna. Dengan bantuan Sistem Pakar
masalah serta mengambil keputusan yang biasanya dilakukan oleh seorang pakar.
Ada 2 tipe pengetahuan, yaitu fakta dan prosedur. Salah satu fitur yang harus
sudah tersedia program yang mampu mengakses basis data, maka komputer harus
dapat diprogram untuk membuat inferensi. Proses inferensi ini dikemas dalam
bentuk motor inferensi (inference engine). Sebagian besar sistem pakar komersial
dari sistem pakar adalah memindahkan keahlian dari seorang pakar ke komputer
dan kemudian ke manusia yang bukan pakar. Proses ini meliputi empat kegiatan,
yaitu [11]:
10
Pada sistem pakar ada dua bagian penting, yaitu development environment
lengkap dan konsisten. Suatu penalaran dimana adanya penambahan fakta baru
mengakibatkan adanya ketidak konsistenan, dengan ciri ciri sebagai berikut [12]:
1. Adanya ketidakpastian
3. Adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk.
memperbaharui tingkat kepercayaan diri dari suatu informasi. Metode ini banyak
diterapkan pada hal–hal yang berkenaan dengan diasgnosa secara statistik yang
11
data komputer yang bisa dimanipulasi oleh sebuah mesin inferensi dan melakukan
pencarian dalam aktivitas pencocokan pola-pola kasus yang ditangani sistem [12].
pada basis pengetahuan oleh sistem pakar. Tugas dari mesin inferensi adalah
1. Runut maju (forward chaining) adalah metode pencarian yang bermula dari
2. Runut balik (backward chaining) adalah metode inferensi yang bekerja mundur
penalaran maju yaitu aturan – aturan diuji satu demi satu dalam urutan tertentu.
Mesin inferensi akan mencocokan fakta atau statement dalam knowledge base
dengan situasi yang dinyatakan dalam rule bagian IF. Jika fakta yang ada dalam
12
Knowledge Base sudah sesuai dengan kaidah IF, maka rule itu distimulasi dan rule
berikutnya diuji. Proses pengujian rule satu demi satu berlanjut sampai satu putaran
subjektif yang harus berubah secara rasional ketika diperoleh petunjuk atau kasus
baru yang dibandingkan dengan kasus-kasus yang telah lama terjadi. Probabilitas
bayes merupakan salah satu cara dalam mengatasi suatu ketidakpastian data dengan
menggunakan formula Bayes [14]. Teorema bayes juga memandang sebuah tolak
ukur sebagai variable yang menggambarkan sebuah pengetahuan awal tentang tolak
ukur sebelum pengamatan dilakukan dan dinyatakan dalam suatu nilai yang disebut
distribusi prior kembali digabungkan dengan data sampel melalui teorema bayes.
Adapun algoritma dari penyelesaian dari metode Teorema Bayes yaitu sebagai
berikut [15]:
1. Mendefinisikan terlebih dahulu nilai probabilitas dari tiap evidence untuk setiap
Bayes.
𝑝(𝐻|𝐸).𝑃(𝐻)
P(H|E) = ....................................................................................... [1]
𝑃(𝐸)
masing-masing hipotesis.
𝑃(𝐸|𝐻𝑖)
P(Hi) = ............................................................................................. [3]
∑𝑛
𝑘−𝑛
masing-masing hipotesis.
𝑃(𝐻𝑖∗𝑝(𝐸|𝐻𝑖)
P(Hi|Ei) = .............................................................................. [5]
∑𝑛𝑘−𝑛
6. Mencari nilai kesimpulan dari Teorema Bayes dengan cara mengalikan nilai
probabilitas evidence awal atau p(E|Hi) dengan nilai hipotesis Hi benar jika
pemrograman berorientasi objek [16]. Seperti yang kita ketahui bahwa menyatukan
banyak kepala untuk menceritakan sebuah ide dengan tujuan untuk memahami hal
14
yang sama tidaklah mudah. Oleh karena itu, diperlukan sebuah bahasa pemodelan
atau perangkat lunak yang berparadigma berorientasi objek. Abstraksi konsep dasar
management dapat kita pahami main concepts sebagai term yang akan muncul pada
saat membuat diagram dan view adalah kategori dari diagram tersebut. UML
sistem.
Use Case atau diagram use case merupakan pemodelan yang digunakan
untuk menggambarkan sebuah kasus interaksi antara aktor dan sistem meliputi apa
interaksi yang terjadi diantara pengguna (aktor) dengan sistem. Ada 2 elemen
penting yang harus digambarkan, yaitu aktor dan use case. Berikut ini adalah
Menspesifikasikan himpunan
peran yang pengguna mainkan
1. Actor
ketika berinteraksi dengan use
case.
7.
Menspesifikasikan paket yang
System menampilkan sistem terbatas
16
dirancang, mulai dari titik awal, melalui kondisi (decision) yang mungkin terjadi,
global [18].
struktur yang berjalan pada sistem dari segi pendefinisisan kelas-kelas yang akan
dibuat untuk membangun sistem. Kelas memiliki apa yang disebut atribut dan
dan visibility, tingkat akses objek eksternal kepada suatu operasi atau attribut.
Hubungan antar kelas mempunyai keterangan yang disebut dengan Multiplicity atau
Cardinality [18].
2.5 Aplikasi
2.5.1 Xampp
server yang berdiri sendiri (localhost), yang terdiri atas program Apache HTTP
Server, MySQL database, dan penerjemah bahasa yang ditulis dengan bahasa
pemrograman PHP dan Perl. Nama XAMPP merupakan singkatan dari X (empat
sistem operasi apapun), Apache, MySQL, PHP dan Perl. Program ini tersedia dalam
GNU General Public License dan bebas, merupakan web server yang mudah
digunakan yang dapat melayani tampilan halaman web yang dinamis [19]. XAMPP
adalah salah satu paket software web server yang didalamnya telah terdapat Apache,
MySQL, PHP, dan phpMyAdmin. Proses instalasi XAMPP sangat mudah, karena
tidak perlu melakukan konfigurasi Apache, PHP dan MySQL secara manual,
salah satu paket instalasi apache, PHP, dan MySQL secara instant yang dapat
digunakan untuk membantu proses instalasi ketiga produk tersebut” [20]. Adapun
Sublime text adalah text editor berbasis python, sebuah text editor yang
elegan, kaya fitur, cross platform, mudah dan simpel yang cukup terkenal
Sublime text adalah aplikasi editor untuk kode dan teks yang dapat berjalan
Terciptanya aplikasi ini terinspirasi dari aplikasi Vim, Aplikasi ini sangatlah
PHP atau kependekan dari Hypertext Preprocessor adalah salah satu bahasa
pengembangan web dan dapat ditanamkan pada sebuah skripsi HTML. Bahasa PHP
dan Perl serta mudah untuk dipelajari [22]. PHP adalah pemrograman interpreter
yaitu proses penerjemahan baris kode sumber menjadi kode mesin yang dimengerti
komputer secara langsung pada saat baris kode dijalankan. PHP disebut sebagai
dijalankan pada server. PHP adalah suatu Bahasa dengan hak cipta terbuka atau
yang juga dikenal dengan istilah Open Source, yaitu pengguna dapat
1. Bahasa pemrograman PHP adalah sebuah Bahasa script yang tidak melakukan
2. Web Server yang mendukung PHP dapat ditemukan di mana-mana dari mulai
4. Dalam sisi pemahaman, PHP adalah Bahasa scripting yang paling mudah karena
PHP adalah Bahasa open source yang dapat digunakan diberbagai mesin
(linux, unix, windows) dan dapat dijalankan secara runtime melalui console serta
3. Boolean.
6. Object.
7. Resource.
mendefinisikan variabel tiap elemen, namun pada PHP kita tidak perlu
22
2.6.1 Database
mengakses data pada database relasional. SQL adalah bahasa database yang
mempunyai kelebihan dalam mengolah data. Standar SQL didefenisikan oleh ISO
MySQL (My Structured Query Language) adalah Suatu sistem basis data
bekerja secara cepat dan mudah digunakan MySQL juga merupakan program
pengakses database yang bersifat jaringan, sehingga sapat digunakan untuk aplikasi
multi user (banyak pengguna). MySQL didistribusikan gratis dibawah lisensi GPL
namun tidak bisa dijadikan produk turunan yang dijadikan closed source atau
komersial [24].
MySQL atau dibaca “My Sekuel” dengan adalah suatu RDBMS (relational
Data Definition Language (DDL) adalah suatu tata bahasa definisi data pada
logfile group, server, index. DDL pada umumnya digunakan untuk mendefinisikan
suatu wadah data atau record. DDL terdiri dari create, alter, drop, rename.
manipulasi data pada MySQL, DML digunakan untuk memanipulasi data pada
TABLE Database. MySQL Utility Statement adalah suatu tata bahasa tambahan data
yang berisi kumpulan- kumpulan perintah dalam melakukan pengolahan data yang
cepat, juga berfungsi untuk memudahkan interaksi antara program dan database
[25].
World Wide Web (WWW) adalah layanan internet yang paling popular.
merupakan file teks murni (plain text) yang berisi sintaks-sintaks HTML yang
dari server web. Software ini kini telah dikembangkan dengan menggunakan user
interface grafis sehingga pemakai dapat melakukan ‘point and click’ untuk pindah
1. Mozila Firefox
2. Google Chrome
24
3. Opera
4. Internet Explorer
5. Safari
1. Website Dinamis
Website yang menyediakan isi (content) yang selalu berubah-ubah setiap saat.
2. Website Statis
Website yang isinya sangat jarang diubah dan tidak menggunakan database.
3. Portal Website : website yang mempunyai banyak layanan, mulai dari layanan
4. Forum Website : sebuah web yang bertujuan sebagai media diskusi dan
METODOLOGI PENELITIAN
penelitian sangat perlu mengikuti aturan atau kaidah yang berlaku, agar hasil
penelitian yang diperoleh dapat dikatakan valid. Ada beberapa hal yang harus
Ada beberapa teknik dalam penyampaian data yang dapat digunakan dalam
1. Pengamatan (Observasi)
Observasi adalah aktivitas yang dilakukan pada suatu proses atau objek dengan
25
26
yang secara langsung ke tempat studi kasus di Rumah Sakit Umum Mitra Sejati
Medan.
2. Wawancara (Interview)
Wawancara merupakan percakapan antara dua orang atau lebih yang terjadi
mencapai tujuan penelitian. Dalam teknik ini dilakukan dengan cara tanya
Studi Keputusan adalah salah satu elemen yang mendukung sebagai landasan
teoritis peneliti untuk mengkaji masalah yang dibahas. Dalam hal ini peneliti
aplastik dengan menggunakan metode bayes. Tahapan dari metode Teorema bayes
Pemilihan Gejala
Menjumlahkan nilai
probabilitas dari tiap evidence
penyakit anemia aplastik dengan menggunakan metode Teorema Bayes ini berupa
data gejala penyakit yang terlihat pada penderita, beserta nilai bobot dari setiap
gejala yang nilainya berasal dari data sampel atau pengalaman. Adapun data
berdasarkan gejala yang dipilih oleh user. Adapun algoritma dari penyelesaian dari
1. Mendefinisikan terlebih dahulu nilai probabilitas dari tiap evidence untuk setiap
Bayes.
𝑝(𝐸 |𝐻 ).𝑃(𝐻)
P(H|E) = .................................................................................. (1)
𝑃(𝐸)
masing-masing hipotesis.
𝑃(𝐸|𝐻𝑖)
P(Hi) = ........................................................................................ (3)
∑𝑛
𝑘−𝑛
masing-masing hipotesis.
𝑃(𝐻𝑖∗𝑝(𝐸|𝐻𝑖)
P(Hi|Ei) = ................................... (5)
∑𝑖𝑘=1 𝑃(𝐻1)∗𝑝(𝐸|𝐻1)+⋯+𝑝(𝐻𝑖)∗𝑝(𝐸|𝐻𝑖)
6. Mencari nilai kesimpulan dari Teorema Bayes dengan cara mengalikan nilai
probabilitas evidence awal atau p(E|Hi) dengan nilai hipotesis Hi benar jika
Jenis penyakit alergi yang sering terjadi pada pasien dapat dilihat dari tabel
Berikut ini adalah ciri-ciri penyakit anemia aplastik, antara lain adalah sebagai
berikut:
dibuatlah rulenya terlebih dahulu berdasarkan kaidah sistem pakar dengan metode
ditampilkan data-data hubungan antara gejala dan jenis penyakit anemia aplastik.
Nilai probabilitas dalam Teorema Bayes diperoleh dari jumlah gejala dibagi dengan
E06 = Kurang berenergi atau mudah lelah= 10, maka P(E|H1) = 10/15 = 0.667
E07 = Warna kulit terlihat pucat= 11, maka P(E|H1) = 11/15 = 0.7333333333
E18 = Mudah terkena infeksi penyakit= 12, maka P(E|H2) = 12/15 = 0.8
Berikut adalah penyajian nilai probabilitas dari data jumlah kasus yang telah
dideksripsikan sebelumnya.
33
Kode
Nama Penyakit Jumlah Kasus Probabilitas
Gejala
G01 6 0.4
G02 9 0.6
G03 12 0.8
G04 11 0.733333
G05 7 0.466667
G06 10 0.666667
G07 Inherited Aplastic Anemia 11 0.733333
G08 10 0.666667
G09 5 0.333333
G10 11 0.733333
G11 6 0.4
G12 9 0.6
G13 8 0.533333
G01 4 0.266666667
G05 5 0.333333333
G09 6 0.4
G11 5 0.333333333
G14 Acquired Aplastic Anemia 8 0.533333333
G15 7 0.466666667
G16 10 0.666666667
G17 11 0.733333333
G18 12 0.8
Setelah menentukan rule inferensi melalui tabel diatas maka tahap selanjutnya
menggunakan Mesin infensi dari tabel tersebut dan melakukan proses perhitungan
dengan metode bayes. Perhitungan akan dilakukan dari setiap kemungkinan yang
akan dipilih maka dilakukan perhitungan metode bayes adalah sebagai berikut :
evidence untuk hipotesis berdasarkan data sampel yang ada menggunakan rumus
probabilitas bayes :
∑ 𝑘 = 1 = 𝐺1 + ⋯ + 𝐺𝑛
𝐺𝑛
𝑃(𝐻𝑖)
P(Hi) = ∑𝑛
𝑘−𝑛
0.6
G02 = P(E|H1) = = 0.2
3
0.7
G03 = P(E|H1) = = 0.266666667
3
0.7333333
G04 = P(E|H1) = = 0.244444444
3
0.466666667
G05 = P(E|H1) = = 0.155555556
3
0.333333
G05 = P(E|H2) = 0.6
= 0.555555555
+ (0.733333333 ∗ 0.244444444)
= 0.303703704
P(Hi)∗P(E|Hi)
P(Hi|E) = ∑n
k−n
0.6∗0.2
P(Hi|E) = = 0.187935035
0.638518518
0.8∗0.266666667
P(Hi|E) = = 0.334106729
0.638518518
0.733333333∗0.244444444
P(Hi|E) = = 0.280742459
0.638518518
0.466666667∗0.155555556
P(Hi|E) = = 0.113689095
0.638518518
0.333333∗0.555555555
P(Hi|E) = = 0.609756096
0.303703704
dapat diketahui bahwa penyakit yang dialami adalah Penyakit Inherited Aplastic
Anemia dengan pasti dan memiliki nilai keyakinan 0.672389791 atau 67.23%.
BAB IV
yang akan dibuat digambarkan terlebih dahulu dalam bentuk rancangan konsep,
dimana proses ini digunakan untuk merencanakan bentuk bentuk dari perangkat
lunak yang akan dibangun sehingga memudahkan dalam proses pengkodean sistem.
Anemia aplastik berbasis Web dibutuhkan rancangan Use Case Diagram yang akan
memasukkan pengetahuan pakar dan mengelola isi data kedalam lingkungan Sistem
Pakar dan lingkungan Konsultasi (user environment) Sistem Pakar digunakan untuk
halaman atau form yang akan digunakan oleh pihak pengguna ataupun dalam kasus
38
39
Aktor : Admin
Admin <System>
1. Input Username dan Password
2. Menekan Tombol Login 3. Melakukan cek login / verifikasi
4. Menampilkan pesan login
berhasil atau login gagal
5. Apabila login gagal maka akan
dikembalikan ke halaman login
6. Input Username dan Password
kembali
7. Jika benar maka menu
dashboard admin akan tampil
Aktor : Admin
Admin <System>
1. Pilih menu
2. Memilih menu Penyakit
3. Menampilkan halaman Data
Penyakit
4. Memilih menu Gejala
5. Menampilkan halaman Gejala
6. Memilih menu Basis
Pengetahuan
40
Admin <System>
7. Menampilkan halaman Basis
Pengetahuan
8. Memilih menu Logout
9. Keluar dari halaman Admin
Aktor : Admin
Admin <System>
1. Membuka Form Penyakit
2. Memeriksa Status Login
3. Tampil Form Penyakit
Aktor : Admin
Admin <System>
1. Input data Penyakit
2. Menekan tombol simpan
3. Menyimpan data Penyakit
41
Admin <System>
4. Menampilkan hasil penyimpanan
kedalam halaman web
Aktor : Admin
Admin <System>
1. Menginput data Penyakit yang
sudah ada
2. Mengganti data yang sudah ada
3. Mengupdate data Penyakit
4. Menampilkan hasil perubahan di
halaman web
Aktor : Admin
Admin <System>
1. Menghapus data Penyakit
42
Admin <System>
2. Menghapus data di database
3. Menampilkan sisa data yang belum
terhapus
Aktor : Admin
Admin <System>
1. Membuka Form Gejala
2. Memeriksa Status Login
3. Tampil Form Gejala
Aktor : Admin
Admin <System>
1. Input data Gejala
2. Menekan tombol simpan
3. Menyimpan data Gejala
4. Menampilkan hasil penyimpanan
kedalam halaman web
43
Aktor : Admin
Admin <System>
1. Menginput data Gejala yang sudah
ada
2. Mengganti data yang sudah ada
3. Mengupdate data Gejala
4. Menampilkan hasil
perubahan di halaman web
Aktor : Admin
Admin <System>
1. Menghapus data Gejala
2. Menghapus data di database
3. Menampilkan sisa data yang
belum terhapus
Aktor : Admin
44
Admin <System>
1. Membuka Form Basis Pengetahuan
2. Memeriksa Status Login
3. Tampil Form Basis
Pengetahuan
Aktor : Admin
ke dalam sistem.
Admin <System>
1. Input Data
2. Menekan tombol simpan
3. Menyimpan Data Basis Pengetahuan
4. Menampilkan hasil penyimpanan
kedalam halaman web
Aktor : Admin
45
Admin <System>
1. Menginput Data Basis
Pengetahuan yang sudah ada
2. Mengganti data yang sudah ada
3. Mengupdate Data Basis
Pengetahuan
4. Menampilkan hasil perubahan
di halaman web
Aktor : Pasien
sistem.
Pasien <System>
1. Membuka milih dan mengklik
tombol diagnosa
2. Tampil halaman isi biodata
3. Mengetikkan biodata Pasien,
kemudian menekan tombol simpan
4. Sistem mengarahkan ke
halaman pemilihan gejala
hasil.
Admin <System>
1. Membuka form Laporan
2. Menampilkan hasil diagnosa
3. Menekan tombol print
4. Mencetak hasil diagnosa
Berikut ini adalah gambaran dari Use Case Diagram dari sistem yang akan
dibangun, pada diagram ini menjelaskan interaksi yang dapat dilakukan oleh user
dilakukan sistem dan yang terjadi pada use case tertentu di dalam use case
diagram. Dalam hal ini, yang akan dideskripsikan melalui activity diagram
Database yang dirancang terdiri dari tabel yang saling berelasi. Struktur
1. Tabel Login
Tabel Login merupakan tabel pada basis data yang menampung data dari User
2. Tabel Penyakit
Tabel Penyakit merupakan tabel pada basis data yang menampung data dari
jenis-jenis Penyakit yang ada pada sistem. Berikut adalah rancangan tabel
Penyakit:
Tabel basis pengetahuan merupakan tabel pada basis data yang menampung
relasi data antara gejala dan penyakit. Berikut adalah rancangan tabel basis
pengetahuan :
Ukuran
No Nama Field Tipe Data Deskripsi
Field
1. Kodepengetahuan Text 5 (Primary Key)
2. KodePenyakit Text 5 Kode Penyakit
3. Kodegejala Text 5 Kode Gejala
4. NilaiProbababilitas Number 5 Nilai Probabilitas
51
4. Tabel Gejala
Tabel gejala merupakan tabel pada basis data yang menampung gejala yang akan
5. Tabel Diagnosa
Tabel diagnosa merupakan tabel pada basis data yang menampung hasil
diagnosa yang akan disediakan sistem. Berikut adalah rancangan tabel gejala:
Ukuran
No Nama Field Tipe Data Deskripsi
Field
1 KodeProses Text 5 KodeProses
2 Nama Text 50 Nama User
3 Gejala Text 30 Gejala yang terjadi pada
Anemia aplastik
4 Hasil Text 20 Diagnosa
5 Solusi Memo 150 Penanganan
interface dari sistem yang akan dibangun. Hasil rancangan ini nantinya akan
Halaman Login digunakan khusus untuk admin web yang dapat mengakses
Login Admin
Username
Password
Login Cancel
Perancangan Menu Admin dibuat untuk merancang bentuk desain halaman web
yang akan digunakan oleh admin untuk menuju ke halaman Penyakit, halaman
Dashboard
Penyakit
Basis Pengetahuan
Logout
Footer
Dashboard
Pengunjung
+Tambah
Penyakit
No Kode Penyakit Nama Penyakit Aksi
Selamat Datang Di Halaman Admin
Gejala
Basis Pengetahuan
Logout
Footer
Halaman gejala digunakan untuk melihat data gejala yang ada di database,
menghapus data gejala, menambah data gejala dan mengubah data gejala.
Dashboard
Pengunjung
+Tambah
Penyakit
No Kode Gejala Nama Gejala Aksi
Gejala
Basis Pengetahuan
Logout
Footer
digunakan juga untuk merelasikan antara gejala dan penyakit. Berikut adalah
Dashboard
Pengunjung +Tambah
Penyakit
No Kode Gejala Penyakit Probabilitas Aksi
Solusi
Gejala
Basis Pengetahuan
Logout
Footer
Menu utama adalah tampilan awal ketika user memasuki sistem. Halaman ini
berisi tampilan luar tentang sistem pakar untuk mendiagnosa penyakit Fragaria
Ananassa (Anemia aplastik). Berikut ini adalah rancangan aplikasi pada halaman
SISTEM PAKAR
MENDIAGNOSA ANEMIA APLASTIK MENGGUNAKAN
METODE TEOREMA BAYES
Diagnosa
Nama
Jenis Kelamin
Alamat
Simpan
Halaman diagnosa digunakan oleh Pasien. Pada halaman diagnosa Pasien atau
Nama Pengunjung
Pilih Gejala
Gejala 1
Gejala 2
Gejala 3
Gejala 4
Selesai
Hasil
Hasil Diagnosa
Diagnosa
Nama
Nama
Nama
Nama Penyakit
Penyakit
Nilai
Nilai Diagnosa
Diagnosa
Solusi
Solusi
Cetak
Kembali Ke Homepage
Laporan
Laporan
Dari
Dari hasil
hasil proses
proses menggunakan
menggunakan teorema
teorema bayes,
bayes, maka
maka diperoleh
diperoleh hasil
hasil sebagai
sebagai berikut,
berikut,
Nomor
Nomor Diagnosa
Diagnosa ::
xxxx
xxxx
Nama
Nama User
User :: xxxx
xxxx
Penyakit
Penyakit :: xxxx
xxxx
Nilai
Nilai Probabilitas
Probabilitas :: xxxx
xxxx
Penanganan
Penanganan :: xxxx
xxxx
Mengetahui,
Mengetahui,
XXXX
XXXX
DAFTAR PUSTAKA