BAB III

ANALISIS DAN DESAIN SISTEM

III.1. Analisa Masalah

Dalam menganalisa masalah tugas akhir ini telah diuraikan pada bab

sebelumnya yaitu bagaimana masyarakat dapat mengetahui jenis-jenis penyakit

mata, pencegahan penyakit mata agar tidak sampai mengalami kebutaan dengan

efisien dan pengidentifikasian terhadap masalah yang dianalisa, pengkajian,

pembahasan masalah yang akan diimplementasikan kedalam sistem dan failitas

pendukung pembangunan sistem pakar. Penelitian ini bertujuan untuk

menghasilkan suatu aplikasi sistem pakar yang dapat digunakan oleh masyarakat

umum untuk melakukan konsultasi dan mendapatkan hasil diagnosa penyakit

mata.

III.1.1. Analisa Input

Adapun inputan data secara umum adalah berupa data gejala penyakit

mata yang dijadikan acuan dari sistem ini untuk menentukan jenis dari pada

penyakit mata yang terjadi sehingga dapat memberikan hasil informasi

penangangan yang tepat dalam mendiagnosa penyakit mata yang terjadi pada

pasien saat ini dengan efisien.

III.1.2. Analisa Proses

Pemeriksaan kesehatan mata merupakan kegiatan yang harus dilakukan

agar mendapatkan mata yang sehat. Untuk mendapatkan hasil diagnosa yang tepat

maka pemeriksaan dilakukan pada pakar penyakit mata. Dalam hal ini adalah

dokter spesialis mata. Sistem yang berjalan dalam penentuan apakah seorang

34
 35

pasien terkena penyakit mata adalah dengan cara pasien harus berkonsultasi dan

dilakukan observasi oleh dokter spesialis mata. Proses observasi ini adalah untuk

memperoleh gejala-gejala yang diderita oleh si pasien, kemudian dari gejala yang

diperoleh tersebut dapat dihasilkan diagnosis apakah pasien mengidap penyakit

mata atau tidak.

III.1.3. Analisa Output

Adapun output yang dihasilkan dari keterangan input dan proses diatas

adalah berupa persentasi kemungkinan pasien mengidap penyakit mata sehingga

dapat memberikan solusi yang tepat untuk membantu pengobatan penyakit mata

pasien.

III.2. Evaluasi Sistem Yang sedang Berjalan

Berdasarkan analisa terhadap input, proses dan output pada sistem pakar

diagnosa penyakit mata yang sedang berjalan, penulis menemukan beberapa

kelemahan antara lain : informasi tentang penyakit mata masih belum

tersosialisasi dengan baik di masyarakat, waktu yang dibutuhkan untuk

melakukan konsultasi relatif tidak efektif karena pada umumnya pasien yang akan

melakukan konsultasi harus membuat janji dan mengantri untuk bertemu dengan

pakar (dokter).

Untuk menangani kelemahan-kelemahan sistem yang ada, salah satu solusi

yang ditawarkan adalah dengan merancang sistem pakar untuk mendiagnosa

penyakit mata menggunakan bahasa pemrograman PHP dan database MySQL.

 36

Metode sistem pakar yang digunakan yaitu membandingkan penggunaan metode

Dempster Shafer dengan metode Certainty Factor dalam mendiagnosa penyakit

mata.

III.3. Representasi Pengetahuan

Sebelum melakukan perhitungan terlebih dahulu peneliti akan

menguraikan tabel penyakit dan tabel gejala yang digunakan dalam sistem pakar

mendiagnosa penyakit mata ini.

III.3.1. Data Penyakit

Berikut adalah data penyakit pada sistem pakar yang dirancang :

Tabel III.1 Data Penyakit

Kode Penyakit Nama Penyakit

P01 Konjungtivitis

P02 Katarak

P03 Glaukoma

P04 Pterygium

P05 Dakriosistitis

P06 Keratitis
 37

III.3.2. Data Gejala

Berikut adalah data pada sistem pakar yang dirancang :

Tabel III.2. Data Gejala

Kode Gejala Nama Gejala

G01 Mata merah
G02 Mata sensitif terhadap cahaya

G03 Mata bengkak

G04 Mata terasa seperti ada benda asing

G05 Mata terasa gatal
G06 Mata terasa perih
G07 Penglihatan kabur
G08 Mata berkabut
G09 Mata terasa nyeri
G10 Mengeluarkan air mata terus menerus
G11 Mata berair
G12 Penglihatan berkabut atau berasap
G13 Pandangan ganda
G14 Penurunan penglihatan dalam cahaya yang redup
G15 Warna disekitar terlihat memudar
G16 Sering megganti ukuran kaca mata
G17 Melihat lingkaran disekeliling cahaya
G18 Warna lensa mata berubah
G19 Mual dan muntah
G20 Melihat pelangi disekitar obyek
G21 Kornea keruh
G22 Merasakan sudut buta
G23 Kepala terasa sakit
 38

Kode Gejala Nama Gejala

G24 Mata kering
G25 Munculnya selaput putih keruh pada mata
G26 Mata terasa nyeri dibagian kantung air mata
G27 Belekkan berlebih
G28 Mata sulit terbuka
G29 Tidak focus melihat suatu obyek
G30 Flek mata kornea putih

Dari tabel diatas, sistem dapat memberikan informasi mengenai penyakit

mata, jika gejala pada pasien sesuai dengan yang di input, maka aturan (rule) yang

dapat digunakan untuk mendiagnosa penyakit mata dapat dilihat pada Tabel III.3.

Tabel III.3. Aturan (Rule)

No Aturan (Rule) Kd Aturan

1 IF G01 AND G02 AND G03 AND G04 AND G05 AND R1
G06 AND G11 THEN P01
2 IF G02 AND G12 AND G13 AND G14 AND G15 AND R2
G16 AND G17 AND G18 THEN P02
3 IF G01 AND G07 AND G08 AND G19 AND G20 AND R3
G21 AND G22 AND G23 THEN P03
4 IF G01 AND G04 AND G05 AND G07 AND G09 AND R4
G24 AND G25 THEN P04
5 IF G01 AND G03 AND G10 AND G26 AND G27 THEN R5
P05
6 IF G01 AND G02 AND G03 AND G04 AND G06 AND R6
G08 AND G09 AND G10 AND G28 AND G29 AND G30
THEN P06
 39

Tabel keputusan digunakan sebagai acuan dalam membuat pohon

keputusan dan kaidah yang digunakan. Berdasarkan data yang ada, maka tabel

keputusan pada sistem pakar mendiagnosa penyakit Mata dapat dilihat pada Tabel

III.4.

Tabel III.4. Tabel Keputusan

Kode Penyakit(P)

Kode Gejala
(G)
P01

P02

P03

P04

P05

P06
√
G01 √ √ √ √
G02 √
√ √
G03 √
√ √
G04 √ √ √

G05 √ √

G06 √ √

G07 √ √

G08 √ √

G09 √ √

G10 √ √

G11 √

G12 √

G13 √
 40

Kode Penyakit(P)
Kode Gejala
(G)

P01

P02

P03

P04

P05

P06
G14 √

G15 √

G16 √

G17 √

G18 √

G19 √

G20 √

G21 √

G22 √

G23 √

G24 √

G25 √

G26 √

G27 √

G28 √

G29 √

G30 √
 41

Gambar III.1 Pohon Keputusan

Tabel III.5. Tabel Rule Nilai Bobot

Kode Kode Nilai
Nama Penyakit Gejala
Penyakit Gejala Bobot
P01 Konjungtivitis G01 Mata merah 0,8
P01 Konjungtivitis G02 Mata sensitif terhadap cahaya 0,6
P01 Konjungtivitis G03 Mata bengkak 0,7
Mata terasa seperti ada benda
P01 Konjungtivitis G04 0,7
asing
P01 Konjungtivitis G05 Mata terasa gatal 0,6
P01 Konjungtivitis G06 Mata terasa perih 0,7
P01 Konjungtivitis G11 Mata berair 0,8
P02 Katarak G02 Mata sensitif terhadap cahaya 0,6
Penglihatan berkabut atau
P02 Katarak G12 0,8
berasap
 42

Kode Kode Nilai

Nama Penyakit Gejala
Penyakit Gejala Bobot
P02 Katarak G13 Pandangan ganda 0,7
Penurunan penglihatan dalam
P02 Katarak G14 0,7
cahaya yang redup
P02 Katarak G15 Warna disekitar terlihat memudar 0,6
Sering mengganti ukuran
P02 Katarak G16 0,6
kacamata
P02 Katarak G17 Melihat lingkaran disekeliling 0,6
cahaya
P02 Katarak G18 Warna lensa mata berubah 0,8
P03 Glaukoma G01 0,6
Mata merah
P03 Glaukoma G07 0,6
Penglihatan kabur
P03 Glaukoma G08 0,6
Mata terasa nyeri
P03 Glaukoma G19 0,7
Mual dan muntah
P03 Glaukoma G20 0,8
Melihat pelangi disekitar obyek
P03 Glaukoma G21 Kornea keruh 0,8

P03 Glaukoma G22 Merasakan sudut buta 0,8

P03 Glaukoma G23 Kepala terasa sakit 0,7

P04 Pterygium G01 Mata merah 0,7

P04 Pterygium G04 Mata terasa seperti ada benda 0,6

asing
P04 Pterygium G05 Mata terasa gatal 0,7

P04 Pterygium G07 Penglihatan kabur 0,6

P04 Pterygium G09 Iritasi mata 0,6

P04 Pterygium G24 Mata kering 0,7

P04 Pterygium G25 Munculnya selaput putih keruh 0,8

pada sudut mata
 43

Kode Kode Nilai

Nama Penyakit Gejala
Penyakit Gejala Bobot
P05 Dakriosistitis G01 Mata merah 0,6

P05 Dakriosistitis G03 Mata bengkak 0,6

P05 Dakriosistitis G10 Mengeluarkan air mata terus 0.8

menerus
P05 Dakriosistitis G26 Mata terasa nyeri dibagian 0.7
kantung air mata
P05 Dakriosistitis G27 Belekkan berlebih 0,8

P06 Keratitis G01 Mata merah 0.7

P06 Keratitis G02 Mata sensitif terhadap cahaya 0.7

P06 Keratitis G03 Mata bengkak 0.6

P06 Keratitis G04 Mata terasa seperti ada benda 0.6

asing
P06 Keratitis G06 Mata terasa perih 0.6

P06 Keratitis G08 Mata terasa nyeri 0.6

P06 Keratitis G09 Iritasi mata 0.6

P06 Keratitisg G10 Mengeluarkan air mata terus 0.7

menerus
P06 Keratitis G28 Mata sulit terbuka 0.6

P06 Keratitis G29 Tidak focus melihat suatu objek 0.8

P06 Keratitis G30 Flek putih dikornea 0.8

 44

III.4. Penerapan Metode

Dalam perancangan sistem pakar ini, peneliti menggunakan metode

Dempster Shafer dan Certainty Factor yang dimulai dari sekumpulan fakta-fakta

tentang suatu gejala yang diberikan oleh user sebagai masukan ke dalam sistem,

kemudian dilakukan perhitungan sampai tujuan akhir berupa diagnosa penyakit

Mata dan nilai kepercayaannya.

III.4.1. Penerapan Metode Dempster Shafer

Langkah-langkah flowchart menggunakan Metode metode Dempster

Shafer(DS) dapat dijelaskan sebagai berikut :

1. Saat kita mulai menjalankan sistem, kita berada pada posisi mulai.

2. Sistem akan menampilkan pilihan untuk gejala i(g1) {m1(X)}.

3. Kemudian menghitung gejala i(g1) {m1(X)} menggunakan rumus DS.

Banyak gejala = 1.

4. Jika jawaban “tidak”, maka hasilnya penyakit tidak diketahui. Proses selesai.

5. Jika jawaban “ya”, pada gejala i(g1), maka sistem akan menampilkan pilihan

untuk gejala i+1(g2).

6. Kemudian menghitung i+1(g2) {m2(Y)} menggunakan rumus DS.

7. Kemudian dikombinasikan dengan menghitung gejala 1(g1) {m1 (X)} dan

gejala 2(g2) {m2(Y)} dengan menggunakan rumus Dempster shafer.

8. Kemudian gejala habis.

9. Jika jawaban “tidak”, maka sistem akan menampilkan kembali pilihan

sampai gejala selesai dijawab dan ditayangkan berulang pada posisi ini.
 45

10. Jika jawaban “ya”, maka sistem akan mengetahui kesimpulan penyakit yaitu

penyakit dengan nilai densitasnya. Proses selesai.

Gambar III.2. Flowchart Metode Dempster Shafer

III.4.1.1 Studi Kasus

Berikut contoh kasus penerapan metode dempster shafer dalam

mendiagnosa penyakit mata Pterygium. Kaidah-kaidah produksi atau rule yang

berkaitan dengan penyakit mata Pterygium adalah sebagai berikut :

IF Mata terasa gatal

AND Iritasi mata

AND Mata kering

AND Munculnya selaput putih keruh pada sudut mata

THEN Pterygium
 46

1. Gejala-1 : Mata terasa gatal Langkah pertama hitung nilai dari belief dan

plausibility dari Mata terasa gatal (G1), dengan rumus (4) dan (5) : m1

(G1) = 0.7

m1 {θ} = 1 – m1 (G1) = 1 – 0.7 = 0.3

2. Gejala-2 : Iritasi mata Apabila diketahui adanya gejala baru, yaitu Iritasi

mata (G2), dengan mengacu pada rumus (4) dan (5), maka nilai

keyakinannya :

m2 (G2) = 0.6

m2 {θ} = 1 – m2 (G2) = 1 – 0.6 = 0.4

Tabel III.6. Ilustrasi Nilai Keyakinan Terhadap 2 Gejala

m2 (G2) = 0.6 m2 {θ} = 0.4

m1 (G1) = 0.7 0.42 0.28

m1 {θ} = 0.3 0.18 0.12

Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (8),

maka :
 47

3. Gejala-3 : Mata kering Kemudian apabila diketahui adanya gejala baru,

yaitu Mata kering (G3), dengan rumus (4) dan (5):

m4 (G3) = 0.7

m4 {θ} = 1 – m4 (G3)

= 1 – 0.7 = 0.3

Tabel III.7. Ilustrasi Nilai Keyakinan Terhadap 3 Gejala

m4 (G3) = 0.7 m4 {θ} = 0.3

m3 = 0.88 0.616 0.264

m3 {θ} = 0.12 0.084 0.036

Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (8),

maka :
 48

Gejala-4 : Munculnya selaput putih keruh pada sudut mata Kemudian

apabila diketahui adanya gejala baru, yaitu Munculnya selaput putih keruh pada

sudut mata (G4), dengan rumus (4) dan (5), maka :

m6 (G4) = 0.8

m6 {θ} = 1 – m6 (G4)

= 1 – 0.8 = 0.2

Tabel III.8. Ilustrasi Nilai Keyakinan Terhadap 4 Gejala

m6 (G4) = 0.8 m6 {θ} = 0.2

m5 = 0.7 0.56 0.14

m5 = 0.264 0.2112 0.0528

m5 {θ} = 0.036 0.0288 0.0072

Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (8),

maka :
 49

Dengan demikian dapat dikatakan bahwa perhitungan Dempster Shafer Penyakit

Pterygium memiliki persentase tingat keyakinan 94 %.

III.4.2. Penerapan Metode Certainty Factor

Langkah-langkah flowchart menggunakan Metode metode Certainty

Factor (CF) dapat dijelaskan sebagai berikut :

1. Saat kita mulai menjalankan sistem, kita berada pada posisi mulai.

2. Ambil semua gejala yang menentukan aturan nama penyakit.

3. Tanyakan semua gejala penyakit kepada pengguna.

4. Jika gejala habis maka lanjut ke langkah 6, jika tidak kembali ke langkah 2.

5. Simpan jawaban (CF) pengguna ke dalam tabel cek gejala.

6. Cari nilai minimum dari sekumpulan CF pengguna dalam tabel cek gejala

yang memiliki Id_Rule yang sama

CF (H, E) = MB (H, E) – MD (H, E)

7. Cari nilai CF_Final dari tiap-tiap aturan nama penyakit.

Bentuk rumus pencariannya : CF_Final = CF_User * CF_Pakar

8. Tampilakan kesimpulan penyakit

9. Proses selesai.
 50

Gambar III.3. Flowchart Metode Certainty Factor

Berikut langkah-langkah perhitungan metode Certainty Factor :

Untuk mengetahui hasil konsultasi penyebab penyakit ini, dilakukan

pengujian proses konsultasi.

 51

Berikut contoh kasus penerapan metode certainty factor dalam mendiagnosa

penyakit mata Pterygium. Kaidah-kaidah produksi atau rule yang berkaitan

dengan penyakit mata Pterygium adalah sebagai berikut :

Langkah 1 :

Menyimpan hasil konsultasi. Berdasarkan hasil konsultasi pasien didapat

gejala sebagai berikut :

Tabel III.9. Tabel Konsultasi

Kode
Gejala Yang Dipilih
Gejala
G07 Mata terasa gatal
G09 Iritasi mata
G24 Mata kering
G25 Munculnya selaput putih keruh pada sudut mata

Langkah 2 :

Menentukan nilai CF dari masing-masing gejala.

CF[H,E]1 (Mata terasa gatal) = 0.7

CF[H,E]2 (Iritasi mata) = 0.6

CF[H,E]3 (Mata kering) = 0.7

CF[H,E]4 (Munculnya selaput putih keruh pada sudut mata) = 0.8

Langkah senjutnya adalah mengkombinasikan nilai CF dari masing-masing

kaidah. Berikut adalah kombinasi CF[H,E]1 dengan CF[H,E]2 :

CFcombine CF[H,E]1,2 = CF[H,E]1 + CF[H,E]2 * (1-CF[H,E]1)

= 0.7 + 0.6

* (1 – 0.7)

= 0.7 + 0.18 = 0.88old

 52

CFcombine CF[H,E]old,3 = CF[H,E]old + CF[H,E]3 * (1-CF[H,E]old)

= 0.88 + 0.7 * (1 – 0.88)

= 0.88 + 0.08 = 0.96old2

CFcombine CF[H,E]old2,4= CF[H,E]old2 + CF[H,E]4 * (1-CF[H,E]old2)

= 0.96 + 0.8 * (1 – 0.96)

= 0.96 + 0.03 = 0.99old3 CF[H,E]old3 * 100 %

= 0.99 * 100% = 99 %

Dengan demikian dapat dikatakan bahwa perhitungan Certainty factor Penyakit

Pterygium memiliki persentase tingat keyakinan 99%.

Dempster Shafer Certainty Factor

94% 99%

Dari hasil penerapan metode certainty factor dan metode dempster shafer

dalam mendiagnosa penyakit mata jenis Pterygium pada pasien dapat dilihat

bahwa persentase metode certainty factor lebih besar dari pada persentase metode

dempster shafer, yaitu sebesar 99 %.

III.5. Desain Sistem

Perancangan yang akan dibangun menggunakan pemodelan UML.

Diagram-diagram yang digunakan antara lain :

 53

III.5.1. Use Case Diagram

Diagram ini menggambarkan interaksi beberapa aktor dengan sistem yang

digambarkan ada gambar III.4. sebagai berikut :

SISTEM PAKAR MENDIAGNOSA PENYAKIT MATA PADA MANUSIA

MENGGUNAKAN METODE DEMPSTER SHAFER DAN CERTAINTY
FACTOR

Gambar III.4. Use Case Diagram Sistem Pakar Mendiagnosa Penyakit Mata
 54

III.5.2. Class Diagram

Diagram ini menggambarkan struktur dan deskripsi class, package dan

objek beserta hubungan satu sama lain seperti containment, pewarisan, asosiasi,

dan lain-lain, digambarkan pada gambar III.5. sebagai berikut :

Gambar III.5. Class Diagram

 55

III.5.3. Activity Diagram

Menggambarkan aktifitas-aktifitas, objek, state, transisi state dan event.

Dengan kata lain kegiatan diagram alur kerja menggambarkan perilaku sistem

untuk aktivitas, berikut beberapa gambar activity diagram :

1. Activity Diagram Login Admin/User

Activity diagram login admin/user menggambarkan aktivitas untuk

masuk kedalam menu admin/pakar. Bentuk activity diagram login yang

penulis rancang dapat dilihat pada gambar III.6.

Gambar III.6. Activity Diagram Login

 56

2. Activity Diagram Data Penyakit

Data Penyakit Activity diagram data penyakit menggambarkan aktivitas

untuk pengolahan data penyakit yang dilakukan oleh admin/pakar.

Bentuk activity diagram data penyakit yang penulis rancang dapat

dilihat pada gambar III.7.

Gambar III.7. Activity Diagram Data Penyakit

 57

3. Activity Diagram Data Gejala

Activity diagram data gejala menggambarkan aktivitas untuk

pengolahan data gejala penyakit mata yang dilakukan oleh admin/pakar.

Bentuk activity diagram data gejala yang penulis rancang dapat dilihat

pada gambar III.8.

Gambar III.8. Activity Diagram Data Gejala

 58

4. Activity Diagram Data Rule

Activity diagram data rule menggambarkan aktivitas untuk pengolahan

data basis pengetahuan penyakit mata yang dilakukan oleh admin. .

Adapun bentuk activity diagram data rule yang penulis rancang dapat

dilihat pada gambar III.9.

Gambar III.9. Activity Diagram Data Rule

 59

5. Activity Diagram Konsultasi

Activity diagram konsultasi menggambarkan aktivitas untuk melakukan

proses diagnosa/konsultasi penyakit mata yang dilakukan oleh

pengguna. Adapun bentuk activity diagram diagnosa yang penulis

rancang dapat dilihat pada gambar III.10.

Gambar III.10. Activity Diagram Data Konsultasi

 60

6. Activity Diagram Log Out

Activity diagram log out menggambarkan aktivitas untuk keluar dari

menu. Bentuk activity diagram log out yang penulis rancang dapat

dilihat pada gambar III.11.

Gambar III.11. Activity Diagram Data Konsultasi

III.5.4. Sequence Diagram

Sequence diagram menggambarkan perilaku pada sebuah skenario, diagram

ini menunjukkan sejumlah contoh objek dan message (pesan) yang diletakkan

diantara objek-objek ini di dalam use case. Bentuk sequence diagram yang penulis

rancang sebagai berikut :

1. Sequence Diagram Login

Sequence diagram login menggambarkan interaksi admin/pakar dengan

aplikasi dan database dalam melakukan login. Bentuk sequence diagram

login yang penulis rancang dapat dilihat pada Gambar III.12

 61

Gambar III.12. Sequence Diagram Login

2. Sequence Diagram Data Penyakit

Sequence diagram data penyakit menggambarkan interaksi admin/pakar

dengan aplikasi dan database dalam mengelola data penyakit paru-paru.

Bentuk sequence diagram data penyakit yang penulis rancang dapat

dilihat pada Gambar III.13.

 62

Gambar III.13. Sequence Diagram Data Penyakit

3. Sequence Diagram Data Gejala

Sequence diagram data gejala menggambarkan interaksi admin/pakar

dengan aplikasi dan database dalam mengelola data gejala penyakit

paru-paru. Bentuk sequence diagram data gejala yang penulis rancang

dapat dilihat pada Gambar III.13.

 63

Gambar III.13. Sequence Diagram Data Gejala

4. Sequence Diagram Data Rule

Sequence diagram data rule menggambarkan interaksi admin/pakar

dengan aplikasi dan database dalam mengelola rule pengetahuan

penyakit mata. Bentuk sequence diagram rule yang penulis rancang

dapat dilihat pada Gambar III.14.

 64

Gambar III.14. Sequence Diagram Data Rule

 65

5. Sequence Diagram Konsultasi

Sequence diagram konsultasi menggambarkan interaksi pengguna

dengan aplikasi dan database dalam melakukan konsultasi untuk

mendiagnosa penyakit paru-paru. Bentuk sequence diagram konsultasi

yang penulis rancang dapat dilihat pada Gambar III.16.

Gambar III.16. Sequence Diagram Konsultasi

 66

III.6. Desain Database

Perancangan database berguna untuk menyimpan data-data yang saling

berhubungan satu dengan yang lainnya. Dalam perancangan database di bentuk

satu file yang berguna untuk menyimpan tabel-tabel yang diperlukan sebagai basis

penyimpanan suatu data.

III.6.1. Normalisasi

Normalisasi database biasanya jarang dilakukan dalam database skala

kecil dan dianggap tidak diperlukan pada penggunaan personal. Namun seiring

dengan berkembangnya informasi yang dikandung dalam sebuah database,

proses normalisasi akan sangat membantu dalam menghemat ruang yang

digunakan oleh setiap tabel di dalamnya, sekaligus mempercepat proses

permintaan data. Pada tahap ini semua data direkam tanpa format tertentu dan

data bisa jadi mengalami duplikasi.

. Bentuk normalisasi yang dilakukan pada rancangan database adalah

sebagai berikut :

1. Bentuk Tidak Normal (Unnormalized)

Id_ Nama_ Keterangan Id_ Nama_ pertanyaan Cf Id_ Ya tidak

penyakit penyakit gejala gejala rule

P06 Pterygium - G01 Mata Apakah 0,7 R6 G09 G02

Merah mata

merah?
 67

2. Bentuk Normal Pertama (1NF/First Normal Form)

id_penyakit nama_penyakit Keterangan Pengobatan

P06 Pterygium - -

Id_ gejala nama_ Pertanyaan Cf id_rule Ya Tidak

gejala

G001 Mata merah Apakah mata 0,7 R6 G09 G02

merah?

3. Bentuk Normal Kedua (2NF)

id_penyakit nama_penyakit Keterangan Pengobatan

P06 Pterygium - -

id_gejala nama_gejala Pertanyaan Cf

G001 Mata merah Apakah mata 0,7

merah?

id_rule id_penyakit id_gejala Ya Tidak

R6 P06 G01 G09 G02

 68

4. Bentuk Normal Ketiga (3NF)

id_penyakit* nama_penyakit Keterangan Pengobatan

P06 Pterygium - -

id_gejala* nama_gejala Pertanyaan Cf

G001 Mata merah Apakah mata 0,7

merah?

id_penyakit* nama_penyakit Keterangan Pengobatan

P06 Pterygium - -

III.6.2.Desain Tabel

Tabel adalah salah satu unsur yang paling penting dalam pembuatan

database, karena sebuah database dapat terbentuk dari beberapa tabel yang

saling berelasi satu sama lain. Dalam perancangan database sitem pakar

mendiagnosa penyakit mata, data record tersimpan dalam 6 buah tabel

dengan arsitektur data sebagai berikut :

1. Tabel Login

Nama Database : DbMata

Nama Tabel : tb_login
Primary Key : Username
 69

Tabel III.10. Tabel Login

Keterangan
Nama Field Tipe Data Ukuran
Varchar
username(*) 30 username login
Varchar
Password 20 password login
Varchar
Level 5 level login

2. Tabel Gejala

Nama Database : DbMata

Nama Tabel : tb_gejala

Primary Key : Id_gejala

Tabel III.11. Tabel Gejala

Nama Field
Tipe Data Ukuran Keterangan
id_gejala(*) Varchar 10 id gejala

nama_gejala Varchar 200 nama gejala

pertanyaan Varchar 200 Pertanyaan

rowid Int nilai urut

3. Tabel Penyakit

Nama Database : DbMata

Nama Tabel : tb_penyakit

Primary Key : id_penyakit

 70

Tabel III.12. Tabel Penyakit

Nama Field Tipe Data Ukuran Keterangan

id_penyakit(*) Varchar 10 id penyakit

nama_penyakit Varchar 50 nama penyakit

Keterangan Varchar 200 keterangan penyakit

Pengobatan Varchar 400 Pengobatan

4. Tabel Rule

Nama Database : DbMata

Nama Tabel : tb_rule

Primary Key : id_rule

Foreign Key : id_penyakit, id_gejala

Tabel III.13. Tabel Rule

Nama Field Tipe Data Ukuran Keterangan

id_rule(*) Varchar 10 id rule

id_penyakit Varchar 10 id penyakit

id_gejala Varchar 10 id gejala

Ya Varchar 10 -

Tidak Varchar 10 -

Cf Float
 71

5. Tabel Pasien

Nama Database : DbMata

Nama Tabel : tb_pasien

Primary Key : id_pasien

Tabel III.14. Tabel Pasien

Nama Field Tipe Data Ukuran Keterangan

Tgl Datetime - Tanggal

Nama Varchar 65 Nama pasien

Umur Varchar 15 Umur pasien

Diagnosa Varchar 65 Diagnosa

Probds Varchar 75 Probabilitas

Idgejala Varchar 75 Id gejala

Metode Varchar 45 Metode

id_pasien(*) Int - Id pasien

Probcf Varchar 75 Probabilitas

6. Tabel Nilai

Nama Database : DbMata

Nama Tabel : tb_nilai

Primary Key : id_gejala2

 72

Tabel III.15. Tabel Nilai

Nama Field Tipe Data Ukuran Keterangan

id_gejala2(*) Varchar 10 id gejala

Plausibility Float - -

III.7 Desain User Interface

User Interface merupakan tampilan masukan dadn keluaran yang penulis

rancang guna lebih memudahkan dalam perancangan sistem.

III.7.1. Halaman Login

Pada form ini menggambarkan proses login pada sistem, admin dan user

dapat melakukan login untuk mengakses dan mengolah Sistem Pakar

Mendiagnosa Penyakit Mata Menggunakan Metode Dempster Shafer dan

Certainty Factor.

Gambar III.17. Rancangan Login

III.7.2. Halaman Beranda Admin

Pada form ini menggambarkan halaman beranda admin pada sistem, awal

Sistem Pakar Mendiagnosa Mata .

 73

SISPAMAT Level Pengguna : Admin

TENTANG MATA
Berikut adalah penjelasan secara umum tentang mata

Mata adalah organ penglihatan. Mata mendeteksi

Home cahaya dan mengubahnya menjadi impuls
elektrokimia pada sel saraf. Pada organisme yang
lebih tinggi, mata adalah sistem optik kompleks
Data Penyakit yang mengumpulkan cahaya dari lingkungan
sekitarnya, mengatur intensitasnya melalui
diafragma, memfokuskan melalui
 Data Gejala

 Data Rule

Read more

Gambar III.18. Rancangan Antar Muka Beranda Admin

III.7.3. Halaman Data Penyakit

Perancangan ini digunakan untuk menambah, mengubah dan menghapus

data penyakit Mata.

SISPAMAT Level Pengguna : Admin

No Kode Penyakit Nama Penyakit Keterangan Aksi

Home
Home 1 P01 Konjungtivitis Hapus Edit

Data Penyakit 2 P02 Katarak Hapus Edit

Data Penyakit
 Data Gejala 3 P03 Glaukoma Hapus Edit
Data
DataGejala
Rule 4 P04 Pterygium Hapus Edit
 Konsultasi
 Data Rule 5 P05 Dakriotistitis Hapus Edit

6 P06 Keratitis Hapus Edit

Gambar III.19. Rancangan Antar Muka Halaman Penyakit Mata

 74

III.7.4. Halaman Data Gejala

Perancangan ini digunakan untuk menambah, mengubah dan menghapus

data gejala dari penyakit Mata.

SISPAMAT Level Pengguna : Admin

No Kode Nama Gejala Pertanyaan Aksi

Gejala
Home
Home
1 G01 Mata merah Apakah Mata Edit Data
merah?
Data
DataPenyakit
Penyakit 2 G02 Mata sensitive Apakah Mata Edit Data
tehadap cahaya sensitive
tehadap cahaya?
Data
DataGejala
Gejala 4 G03 Mata bengkak Apakah Mata Edit Data
bengkak?
4 G04 Mata seperti ada Apakah Mata Edit Data
Data
DataRule
Rule benda asing seperti ada
benda asing?
5 G05 Mata terasa Apakah mata Edit Data
 Konsultasi gatal terasa gatal?

Gambar III.20. Rancangan Antar Muka Halaman Data Gejala

III.7.5. Halaman Data Rule

Perancangan ini digunakan untuk menambah, mengubah dan menghapus

data rule dari penyakit Mata.

SISPAMAT Level Pengguna : Admin

No ID ID Nsma ID Nama Aksi

Home Rule Penyakit Penyakit Gejala Gejala
Home
1 R1 P01 Konjungtivitis G01 Mata Edit
Data Penyakit Merah
Data Penyakit
2 R1 P01 Konjungtivitis G02 Mata Edit
 Data Gejala sensitive
 Data Gejala terhadap
cahaya
 Data Rule 3 R1 P01 Konjungtivitis G03 Mata Edit
 Data Rule bengkak

 Konsultasi

Gambar III.21. Rancangan Antar Muka Halaman Rule

 75

III.7.6. Halaman Form Awal Konsultasi

Pada form Konsultasi pada sistem, user dapat melakukan pengisian nama

dan usia untuk memulai.

Level Pengguna : User

Selamat Datang di Halaman Konsultasi

Home
 Home
 Konsultasi
Data Penyakit

 Data Gejala

 Data Rule

 Konsultasi

 Data Rule
Gambar III.22. Rancangan Antar Muka Konsultasi

III.7.7. Halaman Konsultasi

Pada form Konsultasi user pada sistem, user dapat menjawab keluhan yang

dialami pasien.

Level Pengguna : User

 Home 1. Apakah Mata Merah?

 Konsultasi

Gambar III.23. Rancangan Antar Muka Pertanyaan

 76

III.7.8. Halaman Hasil Diagnosa

Pada form ini user dapat melihat hasil diagnosa dengan metode Dempster

shafer dan Certainty Factor sesuai gejala yang sudah dipilih oleh user

Level Pengguna : User

Hasil Diagnosa
Nama Pasien :
Umur Pasien:
Bapak/Ibu Mengalami
1. Apakah Penyakit
Mata Merah?
 Home
 Konsultasi Dempster Shafer Certainty Factor
96,81% 99,71%

Untuk Solusinya :

Simpan

Gambar III.24. Rancangan Antar Muka Hasil Diagnosa

77