SISTEM PAKAR DIAGNOSA PENYAKIT PENCERNAAN

PADA MANUSIA MENGGUNAKAN METODE CERTAINTY

FACTOR BERBASIS WEB

SKRIPSI

Disusun Sebagai Syarat Memproleh Gelar SarjanaTeknik

Prodi Teknik Informatika Fakultas Teknik
Universitas Malikussaleh

DISUSUN OLEH :

NAMA : ALFANDY PRAMANA SUNI

NIM : 180170002
PRODI : TEKNIK INFORMATIKA

JURUSAN INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MALIKUSSALEH
LHOKSEUMAWE
2023
 3 Sistem Pakar Diagnosa Penyakit Pencernaan Pada Manusia
Menggunakan Metode Certainty Factor

4 ABSTRAK
Penyakit pencernaan merupakan suatu penyakit yang sering dialami diakalangan
masyarakat. Pencernaan merupakan suatu gejala yang menyerang beberapa organ
pencernaan sehingga dapat menyebabkan sistem kerja tubuh terganggu, dan
biasanya terjadi akibat gaya hidup yang buruk sehingga terjadi penyakit
pencernaan tersebut. Namun jika pola hidup yang sehat diimbangi dengan pola
makan yang bergizi dapat memperkecil dan mengurangi keluhan penyakit
pencernaan. Dengan terus berkembang pesatnya teknologi yang ada sekarang,
dapat dibangun sebuah sistem yang terkomputerisasi dengan baik yaitu sistem
pakar untuk membantu dan memudahkan proses diagnosa penyakit pencernaan
tanpa harus melakukan konsultasi secara langsung. Maka dari itu penulis
membangun sebuah sistem pakar yang mampu mendiagnosa penyakit pencernaan
dengan metode certainty factor. Sistem pakar tersebut memberikan output
terdiagnosa atau tidaknya pasien setelah melakukan konsultasi. Dari hasil
diagnosa tersebut didapatkan berdasarkan perhitungan daripilihan gejala yang
sama pada sistem yang masing-masing memiliki nilai bobot yang sesuai dengan
penilaian pakar. Metode ini dapat diimplementasikan kedalam sistem dengan 50
data uji pada jarak waktu 2 tahun terakhir yaitu 2020 dan 2021, dimana diperoleh
data dengan keakurasian sebesar 94% dari pencocokan data antara hasil diagnosa
rumah sakit dan hasil diagnosa sistem.

Kata kunci : Sistem Pakar, Certainty Factor, Penyakit Pencernaan.

i
 5 DAFTAR ISI

ABSTRAK ............................................................................................................ i
DAFTAR ISI ........................................................................................................... ii
DAFTAR TABEL ................................................................................................... iv
DAFTAR GAMBAR ............................................................................................... v
BAB I PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang ................................................................................... 1
1.2 Rumusan Masalah.............................................................................. 3
1.3 Batasan Masalah ................................................................................ 3
1.4 Tujuan Penelitian ............................................................................... 4
1.5 Manfaat Penelitian ............................................................................. 4
BAB II TINJAUAN PUSTAKA .............................................................................. 5
2.1 Pengertian Sistem Pakar .................................................................... 5
2.1.1 Definisi Sistem ................................................................................. 5
2.1.2 Definis Pakar .................................................................................... 5
2.1.3 Definisi Sistem Pakar ....................................................................... 5
2.1.4 Karakteristik Sistem Pakar ............................................................... 6
2.1.5 Struktur Dan Komponen Sistem Pakar............................................. 6
2.1.6 Konsep Sistem Pakar ........................................................................ 8
2.2 Pencernaan ..................................................................................... 10
2.2.1 Definisi ........................................................................................... 10
2.3 Diagnosa ........................................................................................ 19
2.4 Metode Certainty Factor (CF) ....................................................... 20
2.4.1 Definisi ........................................................................................... 20
2.5 Penelitian Terdahulu ...................................................................... 21
2.6 Basis Data ...................................................................................... 23
2.7 UML (Unified Modelling Language) ............................................ 23
BAB III METODE PENELITIAN ......................................................................... 30
3.1 Tempat dan Waktu Pelaksanaan Penelitian ..................................... 30
ii
 3.2 Alur Kerja Penelitian ....................................................................... 30
3.2.1 Studi Literatur ................................................................................ 31
3.2.2 Observasi ........................................................................................ 31
3.2.3 Wawancara ..................................................................................... 31
3.2.4 Perancangan Sistem........................................................................ 31
3.2.5 Perancangan Database .................................................................... 31
3.2.6 Implementasi .................................................................................. 32
3.2.7 Pengujian Sistem ............................................................................ 32
3.3 Analisa Kebutuhan Sistem ............................................................. 32
3.3.1 Perangkat Keras (Hardware) .......................................................... 32
3.3.2 Perangkan Lunak (Software) .......................................................... 32
3.4 Skema Sistem dan Perancangan Sistem......................................... 33
3.4.1 Skema Sistem ................................................................................. 33
3.4.3 Diagram Use Case .......................................................................... 34
3.4.3 Activity Diagram ............................................................................ 35
3.4.4 Diagram Squence............................................................................ 41
3.4.5 Diagram Class ................................................................................ 43
3.4.6 Manajemen Database ..................................................................... 44
BAB IV HASIL DAN PEMBAHASAN................................................................ 47
4.1 Hasil Penelitian .............................................................................. 47
4.2 Analisa dan Pembahasan Hasil Penelitian ..................................... 47
4.2.1. Perhitungan Manual Metode Certainty Factor ............................. 47
4.3 Implementasi Sistem Dan Pengujian Sistem ................................. 58
4.3.1 Hasil Impelentasi Sistem ................................................................ 58
BAB V KESIMPULAN DAN SARAN ................................................................. 68
5.1 Kesimpulan ...................................................................................... 68
5.2 Saran ............................................................................................. 68
DAFTAR PUSTAKA ............................................................................................ 69

iii
 6 DAFTAR TABEL
Tabel 2. 1 Jenis Diagnosa dan Gejala ................................................................... 10
Tabel 2. 2 Tabel Rule ............................................................................................ 17
Tabel 2. 3 Penelitian Terdahulu ............................................................................ 21
Tabel 2. 4 Simbol Use Case Diagram .................................................................. 24
Tabel 2. 5 Simbol-simbol Squence Diagram ........................................................ 26
Tabel 2. 6 Simbol Activity Diagram ..................................................................... 27
Tabel 2.7 Tabel 2. 7 Simbol Class Diagram......................................................... 28
Tabel 3. 1 Tabel Admin ........................................................................................ 44
Tabel 3. 2 Tabel Gejala ......................................................................................... 45
Tabel 3. 3 Tabel Penyakit ..................................................................................... 45
Tabel 3. 4 Tabel diagnosa ..................................................................................... 45
Tabel 4. 1 Data Penyakit ....................................................................................... 47
Tabel 4. 2 Data Penyakit ....................................................................................... 48
Tabel 4. 3 Bobot Nilai ........................................................................................... 49
Tabel 4. 4 Bobot Rule ........................................................................................... 49
Tabel 4. 5 Kaidah Produksi ................................................................................... 54
Tabel 4. 6 Hasil Diagnosa dan Pencocokan Data ................................................. 57
Tabel 4. 7 Black Box Texting ............................................................................... 65

iv
 7 DAFTAR GAMBAR

Gambar 3. 1 Langkah-Langkah Penelitian............................................................ 30

Gambar 3. 2 Skema Sistem ................................................................................... 33
Gambar 3. 3 Skema Sistem Metode Certainty Factor ........................................... 34
Gambar 3. 4 Use Case Diagram ............................................................................ 35
Gambar 3. 5 Activity Diagram Login Dashboard Admin ..................................... 35
Gambar 3. 6 Activity Diagram Data Admin ......................................................... 36
Gambar 3. 7 Activity Diagram Data Penyakit ...................................................... 37
Gambar 3. 8 Activity Diagram Data Gejala .......................................................... 37
Gambar 3. 9 Activity Diagram Konsultasi (admin) .............................................. 38
Gambar 3. 10 Activity Diagram Konsultasi (user) ............................................... 39
Gambar 3. 11 Activity Diagram Data Diagnosa ................................................... 40
Gambar 3. 12 Activity Diagram Cetak Hasil ........................................................ 41
Gambar 3. 13 Squence Diagram Admin ............................................................... 42
Gambar 3. 14 Squence Diagram User ................................................................... 43
Gambar 3. 15 Diagram Class ................................................................................ 44
Gambar 4. 1 Halaman Dashboard Utama ............................................................. 59
Gambar 4. 2 Halaman Konsultasi ......................................................................... 59
Gambar 4. 3 Halaman hasil konsultasi.................................................................. 60
Gambar 4. 4 Halaman Login ................................................................................. 60
Gambar 4. 5 Halaman Dashboard admin .............................................................. 61
Gambar 4. 6 Halaman Data admin ........................................................................ 61
Gambar 4. 7 Halaman Data Penyakit .................................................................... 62
Gambar 4. 8 Halaman Data Gejala ....................................................................... 62
Gambar 4. 9 Halaman Tambah data gejala ........................................................... 63
Gambar 4. 10 Halaman Edit gejala ....................................................................... 63
Gambar 4. 11 Halaman Data Diagnosa ................................................................. 64
Gambar 4. 12 Halaman Cetak Hasil ...................................................................... 64

v
 8 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dengan berkembangnya teknologi dapat memiliki efek yang sangat

menguntungkan bagi masyarakat karena memberikan dampak besar terhadap
kemajuan diberbagai aspek, salah satunya aspek kesehatan. Seiring dengan
bertambahnya teknologi, masyarakat dengan mudahnya mendapatkan informasi
tentang berbagai macam permasalahan kesehatan, salah satunya mengenai
penyakit pencernaan pada manusia.
Menurut (Wijianto, 2021), penyakit pencernaan merupakan suatu gejala
yang menyerang sejumlah sistem pencernaan guna menghambat sistem
pencernaan tubuh. Gangguan pencernaan pada tubuh manusia pastinya memiliki
keluhan seperti adanya infeksi dan gangguan organ yang menyebabkan timbulnya
penyakit pada pencernaan. Namun, dengan adanya pola hidup yang sehat dan
diimbangi dengan pola makan yang bergizi dapat mengurangi keluhan penyakit
pencernaan. Akan tetapi sebagian orang masih kurang memperhatikan pola hidup
dan pola makan yang dikonsumsi, dan factor lain juga dikarenakan saat masa
pandemi seseorang masih susah untuk berinteraksi langsung dengan dokter. Maka
dari itu, saat ini membutuhkan suatu sistem agar bisa membantu mengetahui suatu
penyakit berdasarkan gejala yang sedang dirasakan oleh seorang pasien untuk
membantu para sistem pakar dalam menentukan suatu penyakit.
Menurut Ernawati, (2017) masyarakat masih minim untuk memperhatikan
kesehatan hidupnya, bahkan masyarakat lebih berpedoman dengan kehidupan
yang serba praktis, dan pola pikir masyarakat yang saat ini masih cenderung
memiliki gaya hidup yang kurang sehat akibat kurangnya pengetahuan
masyarakat terhadap kesehatan dirinya, dan informasi yang masih minim akan
diagnosa penyakit pencernaan yang dialami dan mengakibatkan dapat
memberikan efek buruk jika tidak ditangani oleh tenaga medis.

1
 2

Sebuah program komputer atau sistem informasi yang dikenal sebagai

“sistem pakar” berisi pengetahuan dan teknik analisis yang telah ditentukan
sebelumnya oleh para ahli dalam suatu topik yang cenderung cukup khusus.
Model pengambilan keputusan ini digunakan untuk sistem pakar. Salah satunya
adalah dengan menggunakan metode certainty factor dalam mendiagnosa
penyakit pencernaan pada manusia dapat diketahui tingkat keakuratan dalam
mengatasi ketidakpastian.
Penelitian terkait juga pernah dilakukan oleh Arif Wijianto dan Indah
Susilawati, (2021) berdasarkan gejala yang dimasukkan ke dalam sistem metode
forward chaining dan certainty factor, memiliki kesimpulan bahwa ada
sebanyak 34 dari 36 data pasien yang telah diperiksa pada sistem dan
dibandingkan dengan validasi ahli adalah akurat, memberikan tingkat akurasi
sistem 94,4% untuk data yang diuji.
Selanjutnya penelitian yang terkait juga dilakukan oleh Supina Batubara,
Sri wahyuni dan Eko Hariyanto, (2018). Sistem pakar dalam penelitian ini
menggunakan metode perhitungan certainty factor dalam mendiagnosa penyakit
dalam. Penyakit dalam merupakan penyakit kompleks yang sering menyerang
sebagian besar individu, oleh karena itu penting untuk mengidentifikasi kondisi
yang diderita pasien guna meningkatkan kapasitas mereka untuk memecahkan
masalah dan mereplikasi atau mentransmisikan sumber pengetahuan yang
semakin langka. 86% dari data yang diperiksa dalam penelitian ini akurat.
Dari permasalahan diatas, maka penulis mengangkat judul “Sistem Pakar
Diagnosa Penyakit Pencernaan Pada Manusia Menggunakan Metode
Certainty Factor Berbasis Web ”. Adapaun penelitian ini berencana untuk
membuat dan membangun sebuah sistem diagnosa penyakit pencernaan pada
manusia dengan studi kasus di Rumah Sakit Umum Pusat H. Adam Malik Kota
Medan menggunakan metode Certainty Factor untuk membantu pemerintah
setempat dan masyarakat dalam menangani penyakit pencernaan di Kota Medan.
 3

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, maka rumusan masalah yang akan
dibahas dalam penelitian ini adalah.
1. Bagaimana merancang sebuah aplikasi Sistem Pakar Diagnosa Penyakit
Pencernaan pada manusia menggunakan metode Certainty Factor.
2. Bagaimana cara kerja metode Certainty Factor dalam mendiagnosa penyakit
pencernaan yang memiliki tingkat akurasi sistem dalam mendiagnosa
peynyakit.

1.3 Batasan Masalah

Agar tujuan dari penelitian ini tercapai, maka penelitian ini perlu dibatasi.
Adapun batasan penelitian yang dibuat penulis adalah :
1. Metode yang digunakan pada Sistem pakar ini adalah metode Certainty
Factor.
2. Sistem pakar dirancang untuk mendiagnosa penyakit pencernaan pada
manusia berdasarkan gejala-gejala yang merujuk pada pencernaan sebagai
inputan dengan studi kasus di Rumah Sakit Umum Pusat H. Adam Malik
Kota Medan
3. Kriteria yang digunakan pada penelitian ini merupakan gejala yang
berhubungan dengan gejala-gejala pada kasus-kasus yang mengarah ke
penyakit pencernaan berdasarkan pengetahuan dan pengalaman dokter di
Rumah Sakit Umum Pusat H. Adam Malik Kota Medan
4. Data penyakit penulis dapat dari rekam medik dan dokter spesialis penyakit
dalam yang bernama dr. Andi Raga Ginting, Sp. P.D yang bekerja di Rumah
Sakit Umum Pusat H. Adam Malik Kota Medan
5. Variabel yang digunakan pada penelitian ini merupakan gejala yang
berhubungan dengan gejala-gejala pada kasus-kasus sebelumnya
berdasarkan pengetahuan dan pengalaman dokter spesialis penyakit dalam
di Rumah Sakit Umum Pusat H. Adam Malik di Kota Medan, Sumatera
Utara.
 4

6. Bahasa pemrograman yang digunakan dalam pembuatan program untuk

mengimplementasikan metode Certainty Factor adalah PHP dan Database
MySQL.
1.4 Tujuan Penelitian
Adapun tujuan yang ingin dicapai pada penelitian ini adalah
1. Membangun sebuah sistem pakar yang mampu mendiagnosa penyakit
pencernaan pada manusia dengan studi kasus di Kota Medan.
2. Mengetahui cara kerja metode Certainty Factor dalam mendiagnosa
penyakit pencernaan.
3. Mengetahui tingkat akurasi sistem dengan metode Certainty Factor dalam
mendiagnosa penyakit pencernaan.

1.5 Manfaat Penelitian

Penelitian ini diharapkan dapat membawa manfaat. Adapun manfaat dari
penelitian ini adalah.
1. Untuk mengetahui sejauh mana keakuratan metode Certainty Factor untuk
diterapkan pada sistem pakar dalam mendiagnosa penyakit pencernaan pada
manusia di Kota Medan
2. Diharapkan dapat membantu para masyarakat dalam melakukan konsultasi
mandiri mengenai kondisi tubuh.
3. Diharapkan membantu pemerintah dan dokter di Kota Medan dalam
penangan awal pada masyarakat penderita pencernaan.
4. Sebagai studi pustaka pada kegiatan-kegiatan penelitian selanjutnya.
 9 BAB II
10 TINJAUAN PUSTAKA

2.1 Pengertian Sistem Pakar

2.1.1 Definisi Sistem
Sistem didefinisikan sebagai kumpulan bagian-bagian yang
dihubungkan bersama dalam beberapa cara dan berfungsi sebagai satu unit
untuk menyelesaikan tugas tertentu. (Arman, 2017).

2.1.2 Definis Pakar

Pakar merupakan mereka yang memiliki kemampuan pemecahan masalah
khusus, seperti dokter, petani, insinyur, dll., adalah para ahli. Sistem pakar
kecerdasan buatan Artificial intelligent (AI) adalah salah satu subbidang AI.
Sistem pakar dianggap sebagai metode untuk menyandikan menggabungkan
pengetahuan mendalam tentang subjek tertentu ke dalam sistem komputer untuk
memungkinkan pengambilan keputusan yang cerdas oleh komputer., sehingga
aplikasinya biasanya digunakan untuk bisnis. (Perwira & Aziz dalam Mely
Mailasari Dkk, 2019).

2.1.3 Definisi Sistem Pakar

Sistem pakar berfungsi untuk memecahkan suatu permasalahan yang
menggunakan ilmu atau kemampuan seseorang dimasukkan ke dalam aplikasi
komputer untuk data. Jika seseorang yang bukan kategori pakar hanya dapat
mengandalkan ilmu dalam pemecahan suatu permasalahan, sedangkan seorang
pakar dapat menggunakan ilmu knowledge assistant (Darnila Eva, 2015)
Sistem pakar, juga diketahui sebagai sistem berbasis pengetahuan yaitu
aplikasi komputer yang mencoba membuat penilaian atau memecahkan masalah
dalam bidang tertentu, dan sistem kerja yang digunakan didasarkan pada
informasi dalam metode analisis pakar yang cocok untuk lapangan atau ahli

5
 . Sistem pakar bekerja untuk menemukan solusi dari masalah. Kemampuan
sistem pakar ini untuk membantu seseorang dalam mengatasi masalah yang
kompleks juga dapat dianggap sebagai komponen yang paling penting. (Hayadi,
2016).

2.1.4 Karakteristik Sistem Pakar

Ada beberapa karakteristik pada sistem pakar, yaitu:
1. Berdasarkan pedoman atau aturan tertentu.
2. Mampu membenarkan data yang tidak lengkap atau ambigu.
3. Output merupakan hasil dialog sistem dengan pengguna.
4. Dapat dikembangkan secara bertahap.

2.1.5 Struktur Dan Komponen Sistem Pakar

Lingkungan pengembangan dan lingkungan konsultasi adalah dua
komponen fundamental dari struktur sistem pakar. Lingkungan pengembang
digunakan sebagai basis pengetahuan dan sebagai blok bangunan. Seseorang,
bukan ahli, berkonsultasi di lingkungan konsultasi. Elemen-elemen berikut
adalah bagian dari sistem pakar:
1. Subsistem untuk informasi lebih lanjut adalah tempat informasi
ditambahkan, dibuat, atau diperluas dalam basis pengetahuan. Informasi
ini dapat diperoleh dari buku, otoritas, studi, dan visual.
2. Basis Pengetahun: berisi informasi yang diperlukan untuk mengerti,
membingkai, dan mengatasi tantangan. Dua komponen mendasar dari
basis pengetahuan ini adalah fakta dan definisi. Sementara aturan
memberikan detail cara membuat berasal dari fakta yang tidak diketahui
sebelumnya, fakta memberikan informasi tentang item yang membentuk
area masalah tertentu.

6
 7

Gambar 2. 1 Struktur Sistem Pakar

Ada dua jenis metode basis pengetahuan yang cukup sering digunakan::
a. Penalaran berbasi aturan (Rule-Based Reasoning); Saat merepresentasikan
Menggunakan pengetahuan dan aturan IF-THEN. Ketika kita memiliki
pemahaman mendalam tentang masalah tertentu dan seorang ahli yang
dapat menyelesaikannya langkah demi langkah, kita menggunakan format
ini.
b. Penalaran berbasis kasis (Case-Based Reasoning) Basis pengetahuan akan
mencakup penyelesaian yang berhasil sebelumnya, dari mana satu untuk
skenario saat ini akan diturunkan (fakta yang ada). Ketika pengguna
menginginkan lebih banyak informasi tentang kasus yang hampir identik,
mereka menggunakan formulir ini (mirip). Selain itu, jenis ini digunakan
ketika basis pengetahuan sudah memiliki sejumlah keadaan atau kasus
tertentu.
3. Mesin infrensi; sebuah program yang mencakup papan tulis untuk menarik
kesimpulan dan proses penalaran untuk menggunakan data basis pengetahuan.
Mesin inferensi terutama terdiri dari tiga komponen , yaitu:
a. Interpreter; Terapkan aturan basis pengetahuan untuk item agenda
tertentu.
b. Scheduler; akan menentukan jadwal.
 8

c. Consistency enforce; akan berupaya menghadirkan solusi darurat

secara konsisten..
4. Blackboard; adalah area memori yang digunakan untuk memantau
peristiwa yang sedang berlangsung dan membuat keputusan cepat. Tiga
jenis keputusan yang dapat direkam adalah:
a. Buatlah rencana bagaimana menangani masalah tersebut..
b. Agenda dan tindakan potensial yang akan datang.
c. Solusi, calon tindakan diajukan.
5. Antarmuka; digunakan untuk program pengguna atau media komunikasi.
6. Subsistem penjelas; digunakan dalam pelacakan tanggapan serta
pembenaran interaktif tentang aktivitas sistem pakar melalui pertanyaan:
a. Mengapa sistem pakar mengajukan pertanyaan tertentu?
b. Mengapa rencana alternative dibuang??
c. Strategi apa yang digunakan untuk sampai pada jawabannya??
7. Sistem perbaikan pengetahuan; Sistem ini digunakan untuk menilai
seberapa baik sistem pakar bekerja dan menentukan apakah informasi
yang telah diterapkan masih layak untuk digunakan kedepannya.

2.1.6 Konsep Sistem Pakar

Adapun ide dasar sistem pakar meliputi pengetahuan, pakar, pengetahuan
pemindaian, inferensi, aturan, dan kapasitas untuk menjelaskan. (Sutojo, dkk,
2011).
1. Kepakaran, Pengetahuan yang diperoleh melalui pendidikan, memahami,
dan pengalaman disebut sebagai keahlian. Keahlian memungkinkan para
profesional untuk memutuskan lebih cepat dan akurat daripada non-ahli.
2. Pakar, Merupakan mereka yang kompeten atau cukup berpengetahuan
untuk memecahkan suatu masalah. Seorang ahli memperoleh
keterampilan melalui pengalaman yang memungkinkannya memecahkan
masalah secara efektif dan berhasil.
3. Pemindaian Keahlian, mentransfer pengetahuan seorang ahli ke komputer
dan kemudian mentransfernya ke non-ahli
 9

4. Inferensi, Sistem pakar menyimpan semua informasi pakar dalam basis

pengetahuan. Menarik kesimpulan dari basis pengetahuannya adalah tugas
mesin inferensi. Aturan (Rule), Pengetahuan sebagian besar disimpan
sebagai aturan dan metode untuk mengatasi masalah..
5. Kapasitas untuk menggambarkan deskripsi Subsistem adalah komponen
yang menangani penjelasan. Komponen sistem yang memungkinkan
sistem menilai logikanya sendiri dan membenarkan tindakannya..
2.1.7 Keuntungan dan Kelemahan Sistem Pakar
Pemanfaatan sistem pakar generik menawarkan potensi keuntungan
langsung dimanfaatkan oleh konsumen. Sistem pakar memiliki manfaat,
diantaranya:
1. memungkinkan non-ahli untuk melaksanakan tugas-tugas seorang ahli.
2. Meningkatkan produktivitas kerja dengan efisien.
3. Dapat melakukan proses yang sama secara berulang-ulang dan otomatis
4. Memberikan akses publik umum ke informasi ahli akan memungkinkan
semakin banyak orang untuk mengatasi tantangan yang rumit.
5. Hemat waktu saat mengambil keputusan..

Selain banyaknya keuntungan dalam penggunaan sistem pakar, sistem

pakar memiliki beberapa kelemahan juga., antara lain:
1. Sulit dikembangkan, Ini menantang untuk berkembang karena ada
profesional di bidangnya yang sulit diekstraksi dari orang-orang karena
mungkin sulit bagi seorang ahli untuk menjelaskan bagaimana
menyelesaikan suatu masalah.
2. Biaya pengembangan, pemeliharaan, dan pengembangan sistem pakar
sangat tinggi.
3. Pemanfaatan sistem pakar dapat terhambat oleh kurangnya kepercayaan
pengguna..
4. Sistem pakar tidak sempurna karena tidak semua orang yang berpartisipasi
dalam produksinya benar. Akibatnya, sistem pakar harus menjalani
pengujian ekstensif sebelum digunakan.
 10

2.2 Pencernaan
2.2.1 Definisi
Proses menerima makanan dan memecahnya untuk dimanfaatkan sebagai
nutrisi dan energi dikenal sebagai pencernaan. Secara umum, pencernaan dapat
dianggap sebagai proses yang panjang dan berliku yang memasukkan makanan
melalui mulut dan membuang makanan yang tidak dibutuhkan dari tubuh melalui
feses. (YG. Rosi Tri Rianti, 2015). Adapun beberapa penyebab umum pada
penderita penyakit pencernaan adalah sebagai berikut :
1. Stres.
2. Infeksi bakteri.
3. Pola makan tidak sehat.
4. Cacingan.
5. Gangguan pada lambung.

Tabel 2. 1 Jenis Diagnosa dan Gejala

Jenis Diagnosa Gejala

Nyeri perut

DIARE Mencret

Mual
 11

Tabel 2.1 (Tabel Lanjutan)

Jenis Diagnosa Gejala
Muntah
Sesak nafas
Perut kembung
Demam
BAB cair
Nyeri dada
Lemas
Kurang Nafsu Makan
Nyeri perut bagian kanan bawah
Keringat dingin
Tidak bisa BAB
Muntah
Perut kembung
BAB keluar sedikit
KONSTIPASI
Mual
Nyeri sendi dan kaki
Demam
Kuning seluruh badan
Nyeri perut
GERD BAB berwarna pucat
BAK seperti teh pekat
Dada panas terasa terbakar
Nyeri dada
Mulut terasa asam/pahit
Perut Kembung

Nyeri uluh hati

DISPEPSIA Mual
Perut kembung
 12

Tabel 2.1 (Tabel Lanjutan)

Jenis Diagnosa Gejala
Muntah
Kurang nafsu makan
BAK berwarna kuning keruh
Nyeri bagian perut kanan atas
Penurunan berat badan
BAB cair
Demam
Nyeri dada
Tidak bisa BAB
BAB keluar sedikit
Lemas
BAB berdarah
Lemas
Perut terasa penuh
Mual
BAB berwarna hitam
TUKAK LAMBUNG
Nyeri perut
BAB berdarah
Nyeri dada
Muntah
Demam
Sesak Nafas
Nyeri Uluh Hati
Kurang Nafsu Makan
Nyeri Perut bagian Kanan Atas
Muntah berwarna kehitaman
Kuning seluruh badan
Keringat dingin
 13

Tabel 2.1 (Tabel Lanjutan)

Jenis Diagnosa Gejala
Nyeri perut
Mual
Muntah
Demam
RADANG USUS BAB cair
Penurunan Berat Badan
Nyeri uluh hati
Perut kembung
Nyeri perut bagian kanan bawah
Mencret
Kurang Nafsu Makan
Tidak bisa buang angin
Tidak bisa BAB
Muntah berwarna kehitaman
BAK berwarna kuning keruh
BAB berwarna kehitaman
Lemas
Nyeri uluh hati
Mual
BAB berwarna hitam
GASTRITIS
Nyeri perut
BAB berdarah
Demam
Muntah
Nyeri Tungkai Kanan Atas
Kurang Nafsu Makan
Sesak Nafas
Muntah Berwarnah Hitam
 14

Tabel 2.1 (Tabel Lanjutan)

Jenis Diagnosa Gejala
Perut terasa penuh

Kuning Seluruh badan

Perut terasa Penuh

Mulut Terasa Asam/Pahit

Nyeri Dada
Adapun beberapa penjelasan tentang jenis penyakit pencernaan adalah sebagai
berikut :
1. Diare : Diare ialah gejala penyakit yang membuat seseorang akan
mengalami fase sembelit dan buang air besar dengan kondisi hasil tinja
yang bersifat cair atau encer.

Sumber : Website alodokter

2. Konstipasi : Konstipasi atau sembelit merupakan kondisi gejala dengan

tanda sulit buang air besar (BAB) yang berlebih daripada biasanya. Dimana
kondisi ini penyebabnya adalah kurangnya mengkonsumsi makanan yang
berserat.

Sumber : Website alodokter

 15

3. Gerd : Gastroesophageal reflux disease atau GERD adalah gejala

penyakit yang sudah kategori kronis pada sistem pencernaan, dikarenakan
jika asam lambung naik kembali ke saluran pernapasan atau tenggorokan
akan mengakibatkan lemahnya katup dan dapat menyebabkan iritasi pada
esophagus.

Sumber : Website klikdokter

4. Dispepsia : Penyakit dyspepsia merupakan sekumpulan gejala nyeri,
dengan perasaan yang tidak enak di daerah perut pada bagian atas dan
mengalami nyeri yang berulang serta ditandai dengan gejala lainnya
seperti begah saat makan, dan perut terasa kembung serta perut cepat
kenyang, bahkan nafsu makan akan menurun dikarenakan perut terasa
mualndan dada terasa panas.

Sumber : Website puskesmasdenbar2.denpasarkota

 16

5. Tukak Lambung : Tukak lambung merupakan gejala dimana terdapat luka

pada lapisan lambung dan mengalami rasa perih dan nyeri bahkan terjadi
sampai lambung maupun usus halus. Hal ini terjadi dikarenakan terdapat
lapisan lendir yang menebal melindungi lambung dari cairan saluran
pencernaan yang mengalami penurunan.

Sumber : Website klikdokter

6. Radang Usus : Radang usus merupakan peradangan yang terjadi secara

kronis pada saluran pencernaan dengan gejala yang dialami adalah perih
dikarenakan terdapat iritasi pada permukaan usus sehingga menyebabkan
dinding usus menjadi luka.

Sumber : Website alodokter

7. Gastritis : Gastritis merupakan penyakit peradangan yang berada di dinding
lambung dengan kondisi dan gejala awalnya adalah nyeri pada bagian uluh
hati, dan jika dibiarkan akan merambat hingga menimbulkan penyakit baru
atau komplikasi. Sama hal nya seperti penyakit tukak lambung.
 17

Sumber : Website alodokter

Tabel 2. 2 Tabel Rule
KP
P05
KD P06
P01 P02 P03 P04 (Tukak P07
(Radan
(Diare) (Konstipasi) (Gerd) (Dispepsia) Lambung (Gastritis)
gUsus)
)
G01 (Nyeri Perut) 0.8 0.8 0.6 0.8 0.6

G02 (Mencret) 0.8 0.4

G03 (Mual) 0.6 0.4 0.6 0.4 0.4 0.4

G04 (Muntah) 0.6 0.2 0.4 0.4 0.2 0.2

G05 (Sesak
0.2 0.6 0.6 0.6
Nafas)
G06 (Perut
0.4 0.6 0.8 0.6 0.8
Kembung)
G07 (Tidak Bisa
0.8 0.2 0.6
BAB)
G08 (Nyeri Sendi
0.2
& Kaki)

G09 (Kuning
0.4 0.2 0.2
Seluruh Badan)
 18

Tabel 2.2 (Tabel Lanjutan)

KD KP
P05
P01 P02 P03 P04 P06 P07
(Tukak
(Radang (Gastritis
(Diare) (Konstipasi) (Gerd) (Dispepsia) Lambun
Usus) )
g)
G10 (BAB
0.2
Berwarna Pucat)
G11 (BAK
Seperti Teh 0.4
Pekat)
G12 (Dada Terasa
0.8
Panas Terbakar)

G13 (Nyeri Dada) 0.2 0.8 0.4 0.4 0.2

G14 (Mulut Terasa
0.6 0.6
Asam/Pahit)
G15 (Lemas) 0.6 0.2 0.4 0.2
G16 (Nyeri Uluh
0.6 0.8 0.6 0.8
Hati)
G17 (Kurang Nafsu
0.4 0.4 0.6 0.8 0.4
Makan)
G18 (BAK Berwana
0.2 0.2
Kuning Keruh)
G19 (Nyeri Bagian
0.8 0.4
Perut Kanan Atas)
G20 (Penurunan
0.2
Berat Badan)
G21 (BAB Cair) 0.8 0.2 0.4
G22 (Perut Terasa
0.6 0.4 0.6
Penuh)
G23 (BAB
Berwarna 0.4 0.2 0.4
Hitam)
 19

Tabel 2.2 (Tabel Lanjutan)

KD KP
P01 P02 P03 P04 P05 P06 P07
G24 (BAB
0.2 0.4 0.4
Berdarah)
G25 (Demam) 0.4 0.4 0.4 0.4 0.4 0.2
G26 (Sakit
0.6
Tenggorokan)
G27 (Tungkai
Kanan 0.2
Bengkak)
G28 (Nyeri Tungkai
0.2
Kanan)
G29 (Muntah
Berwarna
0.2 0.4 0.4
Kehitaman
)
G30 (Keringat
0.4 0.4
Dingin)
G31 (Nyeri Bagian
Perut Kanan 0.2 0.4 0.8
Bawah)
G32 (Tidak Bisa
0.8
Buang Angin)
G33 (BAB Keluar
Sedikit) 0.8 0.4

2.3 Diagnosa
Menurut para ahli Thorndike dan Hagen dalam Yanuardi (2019),
diagnosis dapat diartikan sebagai berikut:
a. Upaya untuk mengidentifikasi kondisi yang dimiliki seseorang dengan
mempelajari secara seksama gejala-gejalanya dan menelitinya (symptons).
b. Menentukan kelemahan atau kualitas utamanya, dll. menyelesaikan analisis
menyeluruh atas fakta-fakta suatu hal.
 20

c. keputusan dibuat setelah memeriksa gejala atau informasi yang relevan

dengan hati-hati.
Dapat disimpulkan dari tiga definisi yang diberikan di atas bahwa konsep
prognosis secara implisit termasuk dalam konsep diagnosis. Oleh karena itu,
proses diagnosis melibatkan usaha untuk mengantisipasi potensi dan menawarkan
penyembuhan selain mengidentifikasi jenis, ciri, dan riwayat kelemahan atau
penyakit tertentu.

2.4 Metode Certainty Factor (CF)

2.4.1 Definisi
Menurut David McAllister, Certainty Factor (CF), yang biasanya
diterapkan dalam sistem pakar, adalah mekanisme untuk mengevaluasi apakah
suatu fakta jelas atau membingungkan. Pendekatan ini sesuai untuk sistem pakar
yang membuat diagnosis tidak pasti. Shortliffe Buchanan menambahkan faktor
kepastian selama produksi MYCIN. Nilai parameter klinis yang disebut Faktor
Kepastian (CF) disediakan oleh MYCIN untuk menunjukkan seberapa dapat
dipercaya sesuatu itu. (Dalam Laila Septina, 2016).
Rumus Certainty Factor :
[ ] [ ] [ ] .................................................................(2.1)
Keterangan :
a) CF (H, E) : Factor Kepastian.
b) MB(H,E) : Measure of belief, ukuran kepercayaan atau tingkat keyakinan
terhadap hipotesis (h), jika diberikan evidence (e) antara 0 dan 1.
c) MD (H, E) : Measure of disbelief (h), jika diberikan evidence (e) antara 0
dan 1).

Adapun beberapa kombinasi Certainty Factor terhada premis tertentu :

1. Certainty Factor dengan kesimpulan yang serupa

CFcombine CF [ H, E ]1,2 = CF [ H, E ]1 + CF [ H, E ]2 * ( 1- CF [ H, E ] )......(2.2)
 21

2.5 Penelitian Terdahulu

Berikut ini adalah tabel penelitian terdahulu yang relevan terhadap judul
penulis yang diambil dari beberapa referensi jurnal yang akan dibahas secara
singkat mengenai judul dan hasil akhir dari setiap penelitian tersebut.
Tabel 2. 3 Penelitian Terdahulu

No Judul Nama Peneliti Hasil Penelitian

1. Sistem Pakar Mendiagnosa ( Arif Wijianto Sebanyak 34 dari 36 data
Penyakit Pencernaan Pada & Indah pasien yang telah
Manusia Menggunakan Susilawati.,202 dievaluasi pada sistem
Metode Forward Chaining 1 ) dan dibandingkan dengan
dan Certainty Factor validasi ahli adalah
akurat, memberikan
tingkat akurasi sistem
94,4% untuk data uji.
Peneliti mengantisipasi
bahwa masyarakat akan
mendapat manfaat dari
temuan ini sebagai alat
diagnostik lini pertama
untuk penyakit
pencernaan.
2. Perancangan Siste Pakar ( Rahmi Ras Dengan demikian dapat
Diagnosa Penyakit Asidosis Fanny, Nelly dinyatakan bahwa
Tubulus Renalis Astuti perhitungan Renal
Menggunakan Metode Hasibuan, Tubular Acidosis dengan
Certainty Factor Dengan Efori pendekatan Certainty
Penelusuran Forward Buulolo.,2017 Factor memiliki
Chaining ) persentase tingkat
kepercayaan 85%.
3. Penerapan Sistem Pakar ( Zara Yunizar, Pada tahap pengujian, 31
 22

No Judul Nama Peneliti Hasil Penelitian

Dalam Mendiagnosa Penyakit 2015 ) gejala akan digunakan
Pada Tanaman Adenium untuk mengidentifikasi
(Kamboja Jepang) lima OPT, tiga penyakit,
dan satu virus yang
memiliki gejala yang
sama. Berdasarkan
temuan pengujian,
diagnosis penyakit pada
tanaman adenium dapat
dilakukan dengan
menggunakan
pendekatan faktor
Certanty.
4. Sistem Pakar Mendiagnosa ( Mashuni Menurut temuan
Penyakit Osteochondroma Hutahusut,Erik perhitungan, penyakit
dengan Metode Certainty a Fahmi Osteochondroma Kronis
Factor Ginting, Dicky memiliki nilai terbesar.
Nofriansyah.,2 Oleh karena itu dengan
022 ) tingkat kepastian sebesar
0,968 atau 97% maka
dapat dikatakan bahwa
penyakit yang dialami
seorang pasien adalah
Osteochondroma Kronis.
5. Implementasi Metode ( I Putu Dody Hasil penghitungan
Certainty Factor Dalam Suarnatha, I certainty factor diare
Sistem Pakar Deteksi Made Agus adalah 0,896 (89,6%) dan
Penyakit Pencernaan Pada Okta certainty factor untuk
Manusia Gunawan.,202 jenis masing-masing
 23

No Judul Nama Peneliti Hasil Penelitian

2) adalah 0,9088 (90,88%),
berdasarkan gejala dan
nilai kepercayaan yang
dimasukkan pengguna.
Pengguna tersebut
kemungkinan besar
terkena tifus, dengan
tingkat kepercayaan
0,9088 (90,88%),
menurut temuan ini.

2.6 Basis Data

Basis data (database) dibangun untuk memenuhi persyaratan informasi

organisasi. Ini adalah kumpulan data tentang informasi yang terhubung secara
logis. Seperti disebutkan dalam pernyataan "Database adalah kumpulan tabel
terintegrasi yang menggambarkan dirinya sendiri," database adalah kumpulan data
yang menentukan integrasi antara berbagai tabel. (Fikry, 2016).
Basis data pada dasarnya adalah kumpulan dokumen atau bit informasi.
Skema adalah deskripsi sistematis dari banyak jenis informasi yang disimpan
dalam database. Objek database dan koneksi di antara mereka dijelaskan oleh
skema. Skema, atau model struktur database, dapat diatur dalam berbagai cara. Ini
disebut sebagai model data atau model database. (Setiyowati & Siswanti, 2021).

2.7 UML (Unified Modelling Language)

Sistem pengembangan perangkat lunak berbasis OO (Object-Oriented)

ditampilkan menggunakan UML bahasa berbasis gambar. UML juga menawarkan
instruksi untuk membuat cetak biru sistem, yang dapat digunakan untuk
mengembangkan kelas dalam bahasa pemrograman tertentu, konsep proses bisnis,
skema basis data, dan komponen sistem perangkat lunak. (Mubarak, 2019).
 24

Berikut ini jenis-jenis dari UML, antara lain:

1. Use Case Diagram
Merupakan salah satu dari sekian banyak model UML yang menggambarkan
bagaimana sistem dan pengguna berinteraksi..
Tabel 2. 4 Simbol Use Case Diagram

No Simbol Keterangan
1. Use case menggunakan kata kerja di awal nama use case
untuk menunjukkan kemampuan yang mengangkut pesan
antara unit dan aktor ditawarkan oleh sistem sebagai satu
unit.
2. Actor berfungsi sebagai sistem target diaktifkan oleh aktor,
abstraksi dari individu atau sistem yang berbeda. Untuk
mengidentifikasi aktor dalam sistem target, pembagian
kerja dan tugas yang terkait dengan peran mereka harus
dijelaskan.
3. Hubungan antara penghubung dan kasus penggunaan
ditangani oleh garis tanpa baut yang menunjukkan siapa
atau apa yang menyebutkan hubungan secara langsung,
bukan menunjukkan arus informasi.
 25

Tabel 2.4 (Tabel Lanjutan)

No Simbol Keterangan

4. Menggunakan panah terbuka untuk menunjukkan

saat Aktor melibatkan sistem secara pasif, dan
asosiasi antara mereka dan use case ditampilkan.

5. Include, ada di use case lain (required) atau dipanggil

oleh use case lain, seperti saat fungsi perangkat lunak
<<Includ dipanggil.

6. Extend, jika prasyarat atau persyaratan terpenuhi,

<<extends merupakan kelanjutan dari use case yang lain.

Sumber : (Yusmiarti, 2016)

2. Squence Diagram
Salah satu jenis diagram pada UML yang mendemonstrasikan kelas sistem,
properti, metode, dan hubungan antar objek, mengilustrasikan struktur sistem.
 26

Tabel 2. 5 Simbol-simbol Squence Diagram

Gambar Keterangan
1. Entity Class, komponen dari sistem yang meliputi
sekumpulan kelas yang berbentuk entitas yang berfungsi
sebagai kerangka untuk membangun basis data dan sebagai
gambaran awal dari sistem.
2. Boundary Class, terdiri dari sekelompok kelas yang
berfungsi sebagai antarmuka atau sarana komunikasi antara
sistem dan satu atau lebih aktor.

3. Control class, sepotong logika aplikasi yang independen

dari entitas dan terkandung dalam sebuah objek.

4. Message, simbol mengirim pesan antar class.

5. Recursive, mendefinisikan bagaimana pesan yang dikirim

ke dirinya sendiri disampaikan.

6. Activation, Panjang kotak ini, yang melambangkan

pelaksanaan suatu operasi dari suatu objek, berbanding
terbalik dengan waktu aktivasi suatu operasi.

7 Lifeline, garis aktivasi di sepanjang garis hidup, setiap titik

terhubung ke objek.

Sumber : (Ayu & Permatasari, 2018)

 27

3. Activity Diagram
Salah satu jenis diagram pada UML yang dapat memodelkan proses-proses
yang terjadi pada sebuah sistem.
Tabel 2. 6 Simbol Activity Diagram

No Gambar Keterangan

1. Start Point, diletakkan pada pojok kiri atas dan

merupakan awal aktivitas.

2.
End Point, akhir aktivitas.

3.
Activities, menggambar kan suatu proses/kegiatan bisnis.

4.
Fork (percabangan), digunakan untuk menggambarkan
tindakan bersamaan atau untuk mengintegrasikan dua
operasi bersamaan menjadi satu.

5.
Join (penggabungan) atau rake, digunakan untuk
menunjukkan kerusakan.

6.
Decision Points, menggambarkan pilihan untuk
pengambilan keputusan, true atau false.

Swimlane, Diagram aktivitas yang menunjukkan siapa yang

bertanggung jawab atas apa.

Sumber : (Ayu & Permatasari, 2018)

 28

4. Class Diagram
Adalah diagram yang digunakan untuk secara tepat menggambarkan dan
menggambarkan interaksi antara berbagai elemen dari suatu sistem..
Tabel 2.7 Simbol Class Diagram

No Gambar Keterangan

1.
Generalization, hubungan di mana objek turunan
berbagi perilaku dan struktur data objek induk

2. Class, kumpulan benda-benda dengan karakteristik dan

fungsi yang serupa

3.
Realization, tindakan yang sebenarnya dilakukan oleh
sesuatu

4.
Dependency, situasi di mana penyesuaian pada satu elemen
independen berdampak pada elemen dependen lainnya
komponen non-independen

5.
Collaboration, deskripsi adegan aksi menunjukkan
sistem yang memberikan actor hasil yang terukur

6.
Assosiation, apa yang menghubungkan sepasang objek
bersama-sama.

Sumber : (Ayu & Permatasari, 2018)

 29

Macam-macam kardinalitas adalah:

1. Satu ke satu (one to one), Setiap anggota entitas A hanya boleh berhubungan
dengan satu anggota entitas B, begitupun sebaliknya.
2. Satu kebanyak (one to many), Setiap anggota entitas A dapat berhubungan
dengan lebih dari satu anggota entitas B tetapi tidak sebaliknya.
3. Banyak ke banyak (many to many), Setiap entitas A dapat berhubungan
dengan banyak entitas himpunan entitas B dan demikian pula sebaliknya.
 30

11 BAB III
12 METODE PENELITIAN

3.1 Tempat dan Waktu Pelaksanaan Penelitian

Penelitian ini dilakukan di Rumah Sakit Umum Pusat H. Adam Malik Kota
Medan, untuk mendukung dan menguatkan hasil diagnosa gejala penyakit
pencernaan pada penelitian ini diperlukan data kasus-kasus sebelumnya dalam 2
tahun terakhir yaitu tahun 2020 dan 2021, dengan waktu penelitian dimulai dari
bulan Maret 2022.

3.2 Alur Kerja Penelitian

Langkah-langkah atau tahapan yang dilakukan oleh peneliti agar
memperoleh data atau informasi yang dibutuhkan. Berikut ini langkah langkah
yang dalam melakukan tahapan penelitian.

Gambar 3. 1 Langkah-Langkah Penelitian

 31

3.2.1 Studi Literatur

Pada tahap pengumpulan data studi literatur diambil dari berbagai sumber
seperti jurnal, buku, paper yang memiliki hubungan dengan penelitian yang
dilakukan, kemudian akan dilakukan proses evaluasi, kajian dan analisa yang dapat
dijadikan sebagai rujukan dalam melaksanakan penelitian ini.

3.2.2 Observasi

Pada tahap observasi ini berisi kegiatan pengamatan dan pengambilan data,
dimana data yang digunakan berupa data penderita penyakit pencernaan yang
diperoleh dari Rumah Sakit Umum Pusat H. Adam Malik Kota Medan yang mana
atribut yang digunakan yakni gejala, ciri-ciri, serta solusi untuk penanganan
penyakit pencernaan.

3.2.3 Wawancara

Dalam melakukan observasi juga dibaringi tahapan wawancara dengan

narasumber ahli atau pakar yang bernama dr. Andi Raga Ginting, Sp. P.D yang
menangani penyakit dalam di Rumah Sakit Umum Pusat H. Adam Malik Kota
Medan.

3.2.4 Perancangan Sistem

Perancangan sistem ini adalah perancangan alur kerja sistem, melalui

perancagan ini dapat dengan mudah melakukan program untuk membangung
sistem pakar. Pada perancangan ini menggunakan UML (Unified Modelling
Language).

3.2.5 Perancangan Database

Melakukan perancangan database berdasarkan kebutuhan sistem untuk

mendukung fungisonalitas sistem sehingga dapat dijalankan dengan baik.
Perancangan database ini menggunakan MySql sebagai database server dalam
menyimpan data yang diperlukan.
 32

3.2.6 Implementasi

Implementasi ini adalah salah satu langkah dalam menerapkan metode

certainty factor untuk dapat dijalankan pada sistem, melakukan pembuatan
program dalam pengimplementasi metode tersebut.

3.2.7 Pengujian Sistem

Pada tahapan ini melakukan pengujian terhadap sistem yang telah di buat,
yang berguna untuk mengetahui apakah sistem tersebut berjalan atau sesuai dengan
yang diharapkan.

3.3 Analisa Kebutuhan Sistem

Tahap ini merupakan bagian menganalisa kebutuhan sistem yang akan

dibangun, setelah memeperoleh data dari tahapan-tahapan sebelumnya maka data
tersebut akan menjadi acuan dalam perancangan sistem. Dalam mendukung
perancangan sistem diagnosa penyakit pencernaan menggunakan metode Certainty
Factor membutuhkan beberapa alat, adapun alat yang dimaksud adalah:

3.3.1 Perangkat Keras (Hardware)

Speksifikasi komputer/PC yang dapat digunakan yaitu:

1. RAM 8 GB
2. SSD 256 GB
3. CPU Intel Core i7 6500U 2,50 GHz

3.3.2 Perangkan Lunak (Software)

Speksifikasi yang dapat digunakan yaitu:

1. Sistem Operasi (Windows 10 Pro) 64-bit
2. Web Browser
3. Database MySQL
4. XAMPP
5. PHP
 33

3.4 Skema Sistem dan Perancangan Sistem

Adapun skema sistem diagnosa penyakit pencernaan menggunakan metode

Certainty Factor adalah sebagai berikut:

3.4.1 Skema Sistem

Gambar 3. 2 Skema Sistem

Berdasarkan gambar 3.2 diatas, ada beberapa tahapan yang dapat

dilakukan, yaitu:

1. Pengguna memilih ciri-ciri sesuai dengan kondisi yang dialami oleh

pasien.
2. Kemudian sistem akan memproses dengan menggunakan algoritma
Certainty Factor, dengan menganalisa dan menghitung untuk
menentukan hasil penyakit.
3. Dari perhitungan tersebut akan menghasilkan persentase terdiagnosanya
pasien.
 34

3.4.2 Skema Sistem Metode Certainty Factor

Gambar 3. 3 Skema Sistem Metode Certainty Factor

Pada gambar diatas sistem dimulai dengan mengambil data rule untuk
dihitung bobot nilainya. Apabila gejala yang ada pada rule baru hanya memiliki 1
gejala maka digunakan rumus Certainty Factor Pararel, jika gejala yang ada pada
rule lebih dari 1 maka digunakan rumus Certainty Factor Kombinasi. Setelah
bobot nilai didapat maka sistem akan menampilkan hasil akhir diagnosa.

3.4.3 Diagram Use Case

Use case diagram sangat membantu pengembang software untuk melihat

kebutuhan fungsional sebuah sistem, dan use case menunjukkan bagaimana
pengguna berinteraksi dengan sistem yang sedang dibuat. Sistem pakar diagnosa
stunting pada balita ini memiliki dua aktor atau pengguna yaitu admin dan user
biasa yang akan berinteraksi langsung dengan. Berikut diagram use case yang
terdapat didalam sistem untuk mengetahui interaksi antara pengguna dengan
sistem.
 35

Gambar 3. 4 Use Case Diagram

Diagram use case diatas merupakan proses alur kerja sistem, dimana
terdapat admin dan user biasa yang memiliki hak akses terhadap menu home dan
halaman diagnosa. Sedangkan admin memiliki hak akses penuh untuk masuk
kedalam sistem untuk mengola data, sebagaimana yang tertera pada gambar
diatas.

3.4.3 Activity Diagram

Activity Diagram ialah gambaran dari sebuah proses yang dilakukan oleh
pengguna, sistem dan database, yang saling berelasi satu dengan yang lainnya
secara terstruktur.
a. Berikut ini Activity Diagram admin (Halaman Dashboard admin :

Gambar 3. 5 Activity Diagram Login Dashboard Admin

 36

Diagram activity ini menunjukkan aktivitas yang berjalan ketika admin

menggunakan sistem, dimulai dari ketika membuka aplikasi. Klik menu login,
kemudian mengisi inputan username dan password lalu sistem mencocokkan
username dan password dengan data yang ada di database. Apabila data benar
maka sistem akan menampilkan halaman dashboard admin, sebaliknya apabila
data salah maka akan diminta untuk mengisi username dan password ulang.
b. Berikut ini Activity Diagram Admin (Data Admin) :

Gambar 3. 6 Activity Diagram Data Admin

Activity diagram diatas menunjukkan aktivitas yang berjalan saat admin

login dan berada di halaman utama admin, setelah itu admin mengakses menu
data admin, kemudian jika admin ingin menambah admin baru maka admin dapat
memilih menu tambah data dan menginput data yang ingin ditambahkan. Setelah
data baru ditambahkan maka data tersebut akan tersimpan kedalam database
dan ditampilkan pada sistem.
c. Berikut ini Activity Diagram Admin (Data Penyakit) :
 37

Gambar 3. 7 Activity Diagram Data Penyakit

Activity diagram diatas menunjukkan aktivitas yang berjalan saat admin
login dan berada di halaman utama admin, setelah itu admin mengakses menu
data penyakit, Setelah itu data penyakit akan ditampilkan pada system
d. Berikut ini Activity Diagram Admin (Tambah Gejala) :

Gambar 3. 8 Activity Diagram Data Gejala

Activity diagram diatas menunjukkan aktivitas admin untuk menambah
gejala, admin dapat memilih menu tambah data dan menginput data yang ingin
ditambahkan. Setelah data baru ditambahkan, maka sistem akan menyimpan data
inputan tersebut kedalam database dan menampikannya pada sistem.
 38

e. Berikut ini Activity Diagram

Gambar 3. 9 Activity Diagram Konsultasi (admin)

Activity diagram diatas menjelaskan aktivitas admin dalam melakukan
konsultasi pada sistem, admin selain bisa mengakses data gejala,data admin,data
penyakit, admin bisa juga mengakses menu konsultasi, pada menu konsultasi
tersebut admin memilih pilihan gejala yang sudah diinputkan kedalam system
sebelumnya, dan melakukan proses diagnosa, kemudian sistem akan memproses
pilihan admin dengan melakukan perhitunggan menggunakan algoritma certainty
factor, dan sistem akan menampilkan hasil persentase pada sistem.
 39

f. Berikut ini Activity Diagram User (Konsultasi)

Gambar 3. 10 Activity Diagram Konsultasi (user)

Activity diagram diatas menjelaskan aktivitas user dalam melakukan
konsultasi pada sistem, user hanya membuka sistem atau aplikasi, dan bisa
mengakses menu konsultasi, pada menu konsultasi tersebut user memilih pilihan
gejala yang sudah diinputkan oleh admin sebelumnya, dan melakukan proses
diagnosa, kemudian sistem akan memproses pilihan user dengan melakukan
perhitunggan menggunakan algoritma case based reasoning, dan sistem akan
menampilkan hasil persentase pada sistem.
 40

g. Berikut ini Activity Diagram Admin (Data Diagnosa)

Gambar 3. 11 Activity Diagram Data Diagnosa

Pada halaman ini, admin dapat melihat data diagnosa pasien yang
melakukan konsultasi pada sistem, admin hanya dapat melihat detail riwayat
pasien dan hapus data, pada menu ini admin tidak dapat melakukan penambahan
data, karena data ini merupakan data diagnosa oleh pasien.

h. Berikut ini Activity Diagram Admin (Data Diagnosa

Pada halaman ini, admin hanya dapat menampilkan dan mengeprint hasil
dari jumlah persentase paling besar diagnosa yang telah melakukan konsultasi
pada sistem.
 41

Gambar 3. 12 Activity Diagram Cetak Hasil

3.4.4 Diagram Squence

Diagram Squence adalah jenis diagram yang digunakan untuk

menggambarkan dan mengilustrasikan interaksi antara setiap objek dalam suatu
sistem. Diagram urutan juga akan menyertakan pesan atau instruksi yang dikirim
dan waktu eksekusinya..
 42

a. Squence Diagram Admin

Gambar 3. 13 Squence Diagram Admin

Pada squenece diagram ini menjelaskan admin melakukan login terlebih
dahulu dengan menginputkan username dan password, jika benar makan admin
dapat mengakses halaman dashboard, pada halaman ini admin dapat melakukan
input data, yang pertama admin menginputkan data admin, lalu data tersebut akan
disimpan kedalam database dan data yang tersimpan tersebut akan ditampilkan
pada sistem, selanjutnya menginputkan data penyakit, data gejala dan data
diagnosa, setelah melakukan inputan data, maka data tersebut ditampilkan pada
halaman dashboard.
 43

b. Squence Diagram User

Gambar 3. 14 Squence Diagram User

Diagram diatas adalah sequence diagram user untuk melakukan proses

konsultasi atau diagnosa, pada diagram diatas berupa aktivitas user, mulai dari
menjalankan aplikasia atau sistem, dan setelah sistem dijalankan, sistem akan
menampilkant terlebih dahulu halaman home atau halaman utama pada sistem,
setelah itu user mengakses atau masuk pada halaman konsultasi tanpa harus
melakukan login, sistem akan menampilkan halaman konsultasi berupa pilihan
gejala-gejala yang sudah diinputkan oleh admin, user akan mengisi data diri
pasien dan setelah itu, memilih gejala yang sama pada sistem dengan gejala yang
ada pada pasien, dan user menekan tombol proses untuk melanjutkan proses
diagnosa, sistem akan memproses pilihan gejala tersebut dengan gejala yang ada
pada sistem dan akan melakukan proses perhitungan menggunakan metode
certainty factor, dari proses tersebut, sistem akan menampilkan hasil diagnosa
pasien.

3.4.5 Diagram Class

Dalam diagram class, yang merupakan jenis spesifik dari diagram

struktur statis di UML, kelas sistem, propertinya, metode, dan koneksi antar objek
ditampilkan untuk mewakili struktur sistem.
 44

Gambar 3. 15 Diagram Class

Pada Class Diagram tersebut terdiri dari 4 tabel yaitu Admin, tb_gejala,
tb_penyakit dan tb_diagnosa.

3.4.6 Manajemen Database

Dalam membangun sebuah sistem atau aplikasi diperlukan basis data

sebagai sumber data untuk disimpan pada server. Database server yang
digunakan untuk mendukung sistem yang dibuat ini menggunakan phpmyadmin.
Adapun basis data tersebut sebagaimana berikut.
a. Tabel Admin
Berikut tabel yang ada pada admin :
Tabel 3. 1 Tabel Admin

No Name Type Width Keterangan

1 Id integer 5 primary_key
2 Username varchar 100 username
3 Password varchar 100 password
4 Nama varchar 100 nama
 45

b. Tabel Gejala
Berikut tabel yang ada pada tb_gejala :

Tabel 3. 2 Tabel Gejala

No Name Type Width Keterangan

1 Id integer 5 primary_key
2 Kode varchar 25 Kode_gejala
3 Nama varchar 100 Nama_gejala
4 P1 varchar 15 Penyakit_1
5 P2 varchar 15 Penyakit_2
6 P3 varchar 15 Penyakit_3
7 P4 varchar 15 Penyakit_4
8 P5 varchar 15 Penyakit_5
9 P6 varchar 15 Penyakit_6
10 P7 varchar 15 Penyakit_7

c. Tabel Penyakit
Berikut tabel yang ada pada tb_penyakit :
Tabel 3. 3 Tabel Penyakit

No Name Type Width Keterangan

1 Id integer 5 primary_key
2 Kode varchar 25 kode_penyakit
3 Nama varchar 100 nama_penyakit
d. Tabel Diagnosa (Konsultasi)
Berikut tabel yang ada pada tb_diagnosa

Tabel 3. 4 Tabel diagnosa

No Name Type Width Keterangan

1 Id integer 5 primary_key
2 nama varchar 50 nama
3 TTL varchar 200 tempat tanggal lahir
 46

Tabel 3. 5 (Tabel Lanjutan)

No Name Type Width Keterangan

4 alamat varchar 200 nama
5 Hp varchar 25 nomor hp
6 penyakit varchar 50 nama penyakit
7 persentase varchar 50 hasil prsentase
 13 BAB IV
14 HASIL DAN PEMBAHASAN

4.1 Hasil Penelitian

Hasil pada penelitian ini, metode yang digunakan dapat diimplementasikan

pada aplikasi atau sistem pakar untuk menentukan kepastian manusia yang
mengalami kondisi penyakit pencernaan, dengan memberi pertanyaan berupa
gejala, dimana sistem menampilkan halaman konsultasi yang berisi gejala yang
diinputkan, dan akan dipilih sesuai dengan gejala yang ada padamanusia, kemudian
sistem akan melakukan proses perhitungan menggunakan metode CF dan
menghasilkan output terdiagnosa atau tidaknya manusia yangmelakukan konsultasi
pada sistem.

4.2 Analisa dan Pembahasan Hasil Penelitian

4.2.1. Perhitungan Manual Metode Certainty Factor

Perhitungan manual ini berupa penerapan metode Certainty Factor dalam
melakukan perhitungan untuk mendapatkan hasil diagnosa yang mengacu pada
ciri-ciri yang memiliki bobot.
a. Data Jenis Penyakit dan Gejala
Tabel berikut merupakan tabel yang berisikan gejala pada kasus penyakit
pencernaan.
Tabel 4. 1 Data Penyakit

No Kode Penyakit Nama Penyakit

1 P01 Diare
2 P02 Konstipasi
3 P03 Gerd
4 P04 Dispepsia
5 P05 Tukak Lambung
6 P06 Radang usus
7 P07 Gastritis

47
 48

Tabel 4. 2 Data Penyakit

No Kode Nama Gejala

Gejala
1 G01 Pasien mempunyai keluhan nyeri pada perut
2 G02 Pasien mempunyai keluhan mencret
3 G03 Pasien mempunyai keluhan mual
4 G04 Pasien mempunyai keluhan muntah
5 G05 Pasien mempunyai keluhan sesak nafas
6 G06 Pasien mempunyai keluhan perut kembung
7 G07 Pasien mempunyai keluhan tidak bisa buang air besar
8 G08 Pasien mempunyai keluhan nyeri sendi dan kaki
9 G09 Pasien mempunyai keluhan kuning seluruh badan
10 G10 Pasien mempunyai keluhan BAB berwarna pucat
11 G11 Pasien mempunyai keluhan BAK seperti teh pekat
12 G12 Pasien mempunyai keluhan Dada panas terasa terbakar
13 G13 Pasien mempunyai keluhan Nyeri dada
14 G14 Pasien mempunyai keluhan mulut terasa asam/pahit
15 G15 Pasien mempunyai keluhan lemas
16 G16 Pasien mempunyai keluhan Nyeri uluh hati
17 G17 Pasien mempunyai keluhan kurang nafsu makan
18 G18 Pasien mempunyai keluhan BAK berwarna kuning keruh
19 G19 Pasien mempunyai keluhan nyeri bagian perut kanan atas
20 G20 Pasien mempunyai keluhan penurunan berat badan
21 G21 Pasien mempunyai keluhan BAB cair
22 G22 Pasien mempunyai keluhan perut terasa penuh
23 G23 Pasien mempunyai keluhan BAB berwarna hitam
24 G24 Pasien mempunyai keluhan BAB berdarah
25 G25 Pasien mempunyai keluhan demam
26 G26 Pasien mempunyai keluhan sakit tenggorokan
27 G27 Pasien mempunyai keluhan tungkai kanan bengkak
 49

Tabel 4.2 (Tabel Lanjutan)

No Kode Nama Gejala
Gejala
28. G28 Pasien mempunyai keluhan nyeri tungkai kanan
29. G29 Pasien mempunyai keluhan muntah berwarna kehitaman
30. G30 Pasien mempunyai keluhan keringat dingin
31. G31 Pasien mempunyai keluhan nyeri bagian perut kanan
bawah
32. G32 Pasien mempunyai keluhan tidak bisa buang angin
33. G33 Pasien mempunyai keluhan BAB keluar sedikit

1. Perhitungan Metode Certainty Factor

Langkah-langkah perhitungan dalam menggunakan metode Certainty Factor
adalah sebagai berikut :
1) Pembobotan nilai MB dan MD
Pembobotan nilai MB dan MD yang telah disepakati oleh peneliti dan pakar
dapat dilihat pada tabel dibawah ini :
Tabel 4. 3 Bobot Nilai
No. Keterangan Nilai
1 Tidak 0
2 Mungkin tidak 0.2
3 Sedikit yakin 0.4
4 Cukup yakin 0.6
5 Hampir yakin 0.8
6 Yakin 1
Berikut tabel rule yang diberikan bobot terhadap Certainty Factor :
Tabel 4. 4 Bobot Rule
No Kode diagnosa Kode gejala MB MD
1 P01 G01 0.8 0.2
2 P01 G02 0.8 0.2
3 P01 G03 0.6 0.2
4 P01 G04 0.6 0.2
5 P01 G05 0.2 0
6 P01 G06 0.4 0
7 P01 G13 0.2 0
8 P01 G15 0.6 0.4
 50

Tabel 4.4 (Tabel Lanjutan)

No Kode diagnosa Kode gejala MB MD
9. P01 G17 0.4 0
10. P01 G21 0.8 0.2
11. P01 G25 0.4 0
12. P01 G30 0.4 0.2
13. P01 G31 0.4 0.2
14. P02 G03 0.4 0.2
15. P02 G04 0.2 0
16. P02 G06 0.6 0
17. P02 G07 0.8 0
18. P02 G08 0.2 0
19. P02 G25 0.4 0.2
20. P02 G33 0.8 0
21. P03 G01 0.8 0.4
22. P03 G05 0.6 0
23. P03 G09 0.4 0
24. P03 G10 0.2 0
25. P03 G11 0.4 0.2
26. P03 G12 0.8 0.2
27. P03 G13 0.8 0.4
28. P03 G14 0.6 0.2
29. P03 G26 0.6 0.2
30. P04 G03 0.6 0.2
31. P04 G04 0.4 0
32. P04 G06 0.6 0.2
33. P04 G07 0.2 0
34. P04 G13 0.4 0.2
35. P04 G15 0.2 0
36. P04 G16 0.6 0
 51

Tabel 4.4 (Tabel Lanjutan)

No Kode diagnosa Kode gejala MB MD
37. P04 G17 0.4 0
38. P04 G18 0.2 0
39. P04 G19 0.8 0.4
40. P04 G20 0.2 0
41. P04 G21 0.2 0
42. P04 G24 0.2 0
43. P04 G25 0.4 0.2
44. P04 G33 0.4 0.2
45. P05 G01 0.6 0.4
46. P05 G03 0.4 0.2
47. P05 G05 0.6 0
48. P05 G09 0.2 0
49. P05 G13 0.4 0
50. P05 G15 0.4 0.2
51. P05 G16 0.8 0.2
52. P05 G17 0.6 0.2
53. P05 G19 0.4 0
54. P05 G22 0.6 0.2
55. P05 G23 0.4 0.2
56. P05 G24 0.4 0
57. P05 G25 0.6 0.2
58. P05 G29 0.2 0
59. P05 G30 0.4 0
60. P05 G31 0.4 0
61. P06 G01 0.8 0.2
62. P06 G03 0.4 0
63. P06 G04 0.2 0
64. P06 G06 0.8 0.2
 52

Tabel 4.4 (Tabel Lanjutan)

No Kode diagnosa Kode gejala MB MD
65. P06 G07 0.6 0.2
66. P06 G16 0.6 0.2
67. P06 G17 0.8 0.4
68. P06 G18 0.2 0
69. P06 G21 0.4 0.2
70. P06 G22 0.4 0.2
71. P06 G23 0.2 0
72. P06 G25 0.4 0.2
73. P06 G29 0.4 0.2
74. P06 G31 0.8 0.2
75. P06 G32 0.8 0.2
76. P07 G01 0.6 0.2
77. P07 G03 0.4 0
78. P07 G04 0.2 0
79. P07 G05 0.6 0
80. P07 G09 0.2 0
81. P07 G13 0.2 0
82. P07 G14 0.6 0.2
83. P07 G15 0.2 0
84. P07 G16 0.8 0.2
85. P07 G17 0.4 0
86. P07 G22 0.6 0.4
87. P07 G23 0.4 0
88. P07 G24 0.4 0
89. P07 G25 0.2 0
90. P07 G27 0.2 0
91. P07 G28 0.2 0
92. P07 G29 0.4 0
 53

2) Menghitung nilai menggunakan rumus sesuai kondisi :

Jika gejala yang didapat dari rule hanya 1 maka menggunakan rumus :
CF = MB – MD
Jika gejala yang didapat dari rule lebih dari 1 maka menggunakan rumus :
CFcombine = CF1 + CF2 * (1 – CF1)
Keterangan :
CF = Faktor Kepastian
MB = Measure of belief, ukuran kepercayaan/tingkat keyakinan
terhadap hipotesis (h), jika diberikan evidence (e) antara
0 dan 1
MD = Measure of disbelief, ukuran ketidakpercayaan atau tingkat
keyakinan terhadap hipotesis (h), jika diberikan evidence
(e)
antara 0 dan 1.

Contoh kasus:
Salah satu pasien memiliki beberapa gejala sebagai beikut :
[G01] Pasien mempunyai keluhan nyeri pada perut
[G02] Pasien mempunyai keluhan mencret
[G03] Pasien mempunyai keluhan mual
[G04] Pasien mempunyai keluhan muntah
[G05] Pasien mempunyai keluhan sesak nafas
[G06] Pasien mempunyai keluhan perut kembung
Sistem mengevaluasi data gejala, penyakit, dan aturan setelah pengguna
memasukkan gejalanya, kemudian menggunakan perhitungan berdasarkan metode
Certainty Factor untuk menghasilkan laporan hasil konsultasi, termasuk jenis
penyakit pencernaan yang dialami, rekomendasi, dan nilai persentase .
Bila diperiksa berdasarkan tabel rule, gejala [G01] terdapat pada rule
dengan kode penyakit [P01], [P03], [P05], [P06], [P07], kemudian gejala [G02]
terdapat pada rule dengan kode penyakit [P01] lalu gejala [G3] terdapat pada rule
dengan kode penyakit [P01], [P02], [P04], [P05], [P06], [P07], gejala [G4]
 54

terdapat pada rule dengan kode penyakit [P01], [P02], [P04], [P06], [P07], gejala
[G05] terdapat pada rule dengan kode penyakit [P01], gejala [G06] terdapat pada
rule dengan kode penyakit [P01], [P02], [P04], [P06] . Dari masing-masing rule
tersebut maka dapat dilihat nilai MB dan MD seperti yang ditunjukkan pada tabel
di bawah ini:
Tabel 4. 5 Kaidah Produksi

No Kaidah Produksi MB MD
IF G01 THEN P01 0.8 0.2
1.
IF G01 THEN P03 0.8 0.2
2.

3. IF G01 THEN P05 0.6 0.4

IF G01 THEN P06 0.8 0.2

4.
IF G01 THEN P07 0.6 0.2
5.
IF G02 THEN P01 0.8 0.2
6.
IF G03 THEN P01 0.6 0.2
7.
IF G03 THEN P02 0.4 0.2
8.
IF G03 THEN P04 0.6 0.2
9.
IF G03 THEN P05 0.4 0.2
10.
IF G03 THEN P06 0.4 0
11.
IF G03 THEN P07 0.4 0
12.
 55

Tabel 4.5 (Tabel Lanjutan)

No Kaidah Produksi MB MD
IF G04 THEN P01 0.6 0.2
13.
IF G04 THEN P02 0.2 0
14.
IF G04 THEN P04 0.4 0
15.
IF G04 THEN P06 0.2 0
16.
IF G04 THEN P07 0.2 0
17.
IF G05 THEN P01 0.2 0
18.
IF G06 THEN P01 0.4 0
19.
IF G06 THEN P02 0.6 0
20.
IF G06 THEN P04 0.6 0.2
21.
IF G06 THEN P06 0.8 0.2
22.

Jika terdapat 2 gejala atau lebih dalam 1 rule penyakit maka perhitungan nilai CF
nya ialah:
 IF G01 THEN P01
CF1 = MB – MD = 0.8 – 0.2 = 0.6
IF G02 THEN P01
CF2 = MB – MD = 0.8 – 0.2 = 0.4
IF G03 THEN P01
CF3 = MB – MD = 0.6 – 0.2 = 0.4
IF G04 THEN P01
CF4 = MB – MD = 0.6 – 0.2 = 0.4
IF G05 THEN P01
CF5 = MB – MD = 0.2 – 0 = 0.2
IF G06 THEN P01
CF6 = MB – MD = 0.4 – 0 = 0.4
CFcombine1 = CF1 + CF2 (1 – CF1) = 0.6 + 0.6 (1-0.6) = 0.84
 56

CFcombine2 = CF combine1 + CF3 (1 – CF combine1) = 0.84 + 0.4 (1-0.84) = 0.904

CFcombine3 = CF combine2 + CF4 (1 – CF combine2) = 0.904 + 0.4 (1-0.904) =
0.9424
CFcombine4 = CF combine3 + CF5 (1 – CF combine3) = 0.9424 + 0.2 (1-0.9424) =
0.95392
CFcombine5 = CF combine4 + CF6 (1 – CF combine1) = 0.95392 + 0.4 (1-0.95392) =
0.972352
Persentase = CFcombine5 × 100% = 0.972352 × 100% = 97.23%

 IF G01 THEN P07

CF1 = MB – MD = 0.6 – 0.2 = 0.4
IF G16 THEN P07
CF2 = MB – MD = 0.8 – 0.2 = 0.6
CFcombine1 = CF1 + CF2 (1 – CF1) = 0.4 + 0.6 (1-0.4) = 0.76
Persentase = CFcombine1 × 100% = 0.76 × 100% = 76%

Jika hanya terdapat 1 gejala dalam 1 rule penyakit maka perhitungan nilai CF
nya ialah:
 IF G01 THEN P01
CF = MB – MD = 0.8 – 0.2 = 0.6
Persentase = CF × 100% = 0.6 × 100% = 60%

 IF G01 THEN P03

CF = MB – MD = 0.8 – 0.4 = 0.4
Persentase = CF × 100% = 0.4 × 100% = 40%

 IF G01 THEN P05

CF = MB – MD = 0.6 – 0.4 = 0.2
Persentase = CF × 100% = 0.2 × 100% = 20%

 IF G01 THEN P06

 57

CF = MB – MD = 0.8 – 0.2 = 0.6

Persentase = CF × 100% = 0.6 × 100% = 60%
 IF G01 THEN P07
CF = MB – MD = 0.6 – 0.2 = 0.4
Persentase = CF × 100% = 0.4 × 100% = 40%

Berdasarkan perhitungan keseluruhan rule penyakit yang berhubungan

berdasarkan 6 gejala yang pengguna pilih, maka kemungkinannya ialah pengguna
terkena Penyakit Diare yang memiliki nilai persentase terbesar yaitu 97.23%.

Berikut tabel dari hasil seluruh diagnosa data menggunakan perhitungan

sistem, manual dan hasil diagnosa dari Rumah Sakit H. Adam Malik :
Tabel 4. 6 Hasil Diagnosa dan Pencocokan Data

No Nama Pasien Perhitunga Perhitunga Diagnosa Kecocokan Kecocokan

n Sistem n Manual Rumah sistem dan sistem dam
Sakit manual Rumah
Sakit

1. Naswa Aulia Diare 76% Cocok Gastritis Cocok Tidak Cocok

Tanjung

2. Asahdin Gastritis Cocok Gastritis Cocok Cocok

Barus 90.16%

3. Halimah Gastritis Cocok Gastritis Cocok Cocok

71.2%

4. Maslen Tukak Cocok Tukak Cocok Cocok

Siagian Lambung Lambung
61.6%

5. Ruben Jajar Radang Cocok Radang Cocok Cocok

Martua Usus 90.4% Usus
Hutapea
 58

Tabel 4.6 (Tabel Lanjutan)

No Nama Pasien Perhitunga Perhitunga Diagnosa Kecocokan Kecocokan

n Sistem n Manual Rumah sistem dan sistem dam
Sakit manual Rumah
Sakit

6. Mintan Br. Dispepsia Cocok Dispepsia Cocok Cocok

Tarigan 88.48%

7. Jaulani Gerd 78.4% Cocok Gerd Cocok Cocok

8. Abiel Shiddiq Konstipasi Cocok Konstipas Cocok Cocok

Arsalan 93.6% i

9. Nofrida Konstipasi Cocok Konstipas Cocok Cocok

84% i

10. Hopma Lubis Gastritis Cocok Gastritis Cocok Cocok

94.47%

... .... .. ... ... ... ...

50. Abilane Diare Cocok Diare Cocok Cocok

Deocaro 80.8%
Singarimbun

4.3 Implementasi Sistem Dan Pengujian Sistem

4.3.1 Hasil Impelentasi Sistem
1. Halaman Dashboard Utama

Halaman Dashboard Utama merupakan halaman pada saat pertamana

kali sistem atau aplikaso dijalankan, maka akan menampilkan beberapa informasi
yang tertera pada gambar di bawah.
 59

Gambar 4. 1 Halaman Dashboard Utama

2. Halaman Konsultasi
Halaman Konsultasi adalah halaman yang berisi pertanyaan mengenai kondisi
pasien, yang pertama melakukan pengisian data diri pasien, lalu memilih gejala
yang dialami oleh pasien,setelah selesai memilih gejala dapat menekan tombol
konsultasi/proses.

Gambar 4. 2 Halaman Konsultasi

 60

3. Halaman hasil Diagnosa

Halaman hasil diagnosa merupakan halaman yang menampilkan hasil
diagnosa menggunakan metode certainty factor dari gejala atau ciri-ciri yang
dipilih pada sistem.

Gambar 4. 3 Halaman hasil konsultasi

4. Halaman Login
Halaman login ini admin menginputkan username dan password untuk bisa
mengakses halaman dashboard admin.

Gambar 4. 4 Halaman Login

 61

5. Halaman Dashboard admin

Halaman Dashboard admin ini akan ditampilkan oleh sistem apabila admin
menginputkan username dan password dengan benar sesuai dengan data yang ada
pada database.

Gambar 4. 5 Halaman Dashboard admin

6. Halaman Data admin

Halaman data admin ini menampilkan apabila ingin menambah jumlah admin
lebih dari 1.

Gambar 4. 6 Halaman Data admin

 62

7. Halaman Data Penyakit

Halaman ini menampilkan data mengenai penyakit pencernaan.

Gambar 4. 7 Halaman Data Penyakit

8. Halaman Data Gejala
Halaman ini merupakan halaman yang menampilkan gejala atau ciri-ciri dari
penyakit pencernaan.

Gambar 4. 8 Halaman Data Gejala

 63

9. Halaman Tambah Data Gejala

Pada halaman ini admin dapat menambahkan gejala atau ciri-ciri penyakit.

Gambar 4. 9 Halaman Tambah data gejala

10. Halaman Edit Gejala

Pada halaman ini admin dapat mengubah data gejala yang sudah
diinputkan sebelumnya, apabila admin menginginkan perubahan pada data kasus
tersebut.

Gambar 4. 10 Halaman Edit gejala

 64

11. Halaman Data Diagnosa

Pada halaman ini, sistem akan menampilkan data para pasien yang
melakukan diagnosa pada sistem, admin tidak dapat melalukan penambahan atau
perubahan data, karena data yang masuk adalah data dari pasien yang melakukan
diagnosa.

Gambar 4. 11 Halaman Data Diagnosa

12. Halaman Cetak Hasil
Pada halaman ini admin dapat melakukan print dari hasil laporan diagnosa
penyakit.

Gambar 4. 12 Halaman Cetak Hasil

 65

Tabel 4. 7 Black Box Texting

No Pengujian Test case Hasil yang Hasil pengujian Kesimpula

diharapkan n
1 Form Login Klik tombol Tampilan Sesuai
login halaman
dashboard
admin Valid

2 Halaman Klik pada Menampilkan Sesuai

dashboard menu admin halaman
admin admin Valid

3 Halaman Klik menu Menampilkan Sesuai

data admin data admin halaman data
admin Valid

4 Halaman Klik menu Menampilkan Sesuai

data data halaman data
penyakit penyakit penyakit Valid

5 Halaman Klik menu Menampilkan Sesuai

data gejala data gejala halaman data
gejala Valid

6 Tambah Klik tombol Menampilkan Sesuai

data gejala tambah form tambah
gejala Valid

7 Edit data Klik tombol Menampilkan Sesuai

gejala edit form edit
gejala Valid
 66

Tabel 4.7 (Tabel Lanjutan)

No Pengujian Test case Hasil yang Hasil pengujian Kesimpula

diharapkan n
8 Hapus data Klik tombol Hapus data Sesuai
gejala hapus gejala
Valid

9 Halaman Klik menu Menampilkan Sesuai

data data halaman data
diagnosa diagnosa diagnosa Valid

10 Hapus data Klik tombol Hapus data Sesuai

diagnosa hapus diagnosa
Valid

11 Halaman Klik menu Menampilkan Sesuai

konsultasi diagnosa/ko halaman
admin nsultasi konsultasi Valid

12 Halaman Klik menu Menampilkan Sesuai

Basis nilai mb halaman nilai
pengetahua mb Valid
n

13 Halaman Klik menu Menampilkan Sesuai

Basis nilai md halaman nilai
pengetahua md Valid
n

14 Halaman Klik menu Menampilkan Sesuai

Cetak Hasil cetak hasil halaman
cetak hasil Valid
laporan
 67

Tabel 4.7 (Tabel Lanjutan)

No Pengujian Test case Hasil yang Hasil pengujian Kesimpulan
diharapkan
15 Halaman Klik menu Menampilkan Sesuai
home beranda halaman
beranda Valid

16 Halaman Klik menu Menampilkan Sesuai

data data halama data
penyakit penyakit penyakit Valid

17 Halaman Klik menu Menampilkan Sesuai

konsultasi konsultasi menu
konsultasi Valid

18 Halaman Klik Menampilkan Sesuai

hasil tombol hasil
diagnosa diagnosa diagnosa Valid
 15 BAB V
16 KESIMPULAN DAN SARAN

5.1 Kesimpulan
Adapun kesimpulan dari hasil penelitian ini dapat diuraikan sebagai
berikut :
1. Implementasi metode Certainty Factor pada sistem pakar diagnosa penyakit
pencernaan pada manusia ini memiliki beberapa tahapan antara lain :
penentuan gejala dan juga pembobotan gejala serta mengklasfikasi ciri-ciri
tersebut agar dapat dipahami sistem bahwa gejala tersebut adalah gejala dari
salah satu penyakit pencernaan.
2. Penentuan rule dan nilai bobot gejala berdasarkan kepakaran dengan
memasukkan bobot sesuai dengan kesepakatan antara peneliti dan pakar.
3. Certainty Factor dapat diimplementasikan pada sistem pakar diagnosa
penyakit pencernaan untuk menentukan tingkat kepastian penyakit
pencernaan pada manusia melalui data-data gejala yang dipilih pada sistem,
yang sudah dilakukan pembobotan sebelumnya. Hal tersebut dapat dilihat
dari pengujian sistem menggunakan 50 data uji, dimana diperoleh hasil
dengan kecocokan data sebesar 94% yang artinya ada 3 data pasien yang
tidak sesuai hasil sistem dengan rumah sakit dan 47 data pasien yang sesuai
hasil sistem dengan rumah sakit.
5.2 Saran
Hasil yang dicapai pada penelitian ini belum sempurna, oleh sebab itu
diperlukan pengembangan selanjutnya :
1. Untuk penelitian selanjutnya bisa melakukan perbandingan dengan memakai
metode lain agar prediksi memperoleh hasil yang lebih baik.
2. Untuk penelitian selanjutnya diharapkan bisa mengambil data ke
bagianpenyakit dalam yang lebih spesifik.
3. Untuk memudahkan melakukan diagnosa, untuk pengembangan selanjutnya
diharapkan dapat dibangun aplikasi berbasis android sehingga proses
diagnosa dapat dilakukan dengan cepat dan lebih mudah.

68
 17 DAFTAR PUSTAKA

Arman. (2017). Sistem Informasi Pengolahan Data Penduduk Nagari Tanjung

Lolo, Kecamatan Tanjung Gadang, Kabupaten Sijunjung Berbasis Web.
Jurnal Edik Informatika Penelitian Bidang Komputer Sains Dan
Pendidikan Informatika., 163-170.

Ashari. (2016). Penerapan Sistem Pakar Untuk Mengidentifikasi Penyakit

Pencernaan Dengan Pengobatan Cara Herbal. Makasar.

Ayu, F. &. (2018). perancangan sistem informasi pengolahan data PKL pada
divisi humas PT pegadaian. Jurnal Infra Tech, 2(2), 12-26.

Batubara, S. S. (2018). Penerapan Metode Certainty Factor Pada Sistem Pakar

Diagnosa Penyakit Dalam. Seminar Royal, 81-86.

Darnila, E. (2015). Implementasi Sistem Pakar Dalam Pendetesian Kerusakan

Mesin Sepeda Motor. TECHSI : Jurnal Penelitian Teknik Informatika.

Ernawati. (2017). Sistem pakar diagnosa penyakit pencernaan manusia

menggunakan metode Case Based Reasoning. Tembilahan Riau.

Fanny, R. R. (2017). Perancangan Sistem Pakar Diagnosa Penyakit Asidosis

Tubulus Renalis Menggunakan Metode Certainty Factor Dengan
Penelusuran Forward Chaining. Jurnal Media Informatika Budidarma,
1(1).

Fikry, M. (2016). Rancangan Basis Data Kependudukan Berdasarkan

Aspek-Aspek Kualitas Database. Techsi, 8(2), 1-6.

Hayadi, B. (2016). Sistem Pakar.

Herawan Hayadi, B. (2016). Sistem Pakar. Yogyakarta: Deepublish.

https://pendidikan.co.id/pengertian-diagnosis/. (April, 2022). Pengertian diagnosa.

Hutahusut, M. G. (2022). Sistem Pakar Mendiagnosa Penyakit Osteochondroma

dengan Metode Certainty Factor. JURIKOM (Jurnal Riset Komputer), 9(5),
1401-1406.

Istiqomah, Y. N. (2013). Sistem Pakar Untuk Mendiagnosa Penyakit Saluran

Pencernaan Menggunakan Metode Dempster Shafer. Yogyakarta.

Mailasari, E. D. (2019). Metode Forward Chaining Dalam Sistem Pakar

Gangguan Pernapasan Manusia Berbasis Web. INFORMATION

69
 70

MANAGEMEN FOR EDUCATORS AND PROFESSIONALS, Vol.3, No. 2,

107-118.

Oktafianto, M. M. (2016). Analisi dan Perancangan Sistem Informasi

Menggunakan Model Terstruktur dan UML.

Rianti, S. &. (2015). Sistem Pakar untuk Mendiagnosa Gangguan Pencernaan

Pada Anak Dengan Metode Forward Chaining. Jurnal Sistem Informasi
Volume.2.

Septiana, L. (2016). Perancangan Sistem Pakar Diagnosa Penyakit ISPA dengan

Metode Certainty Factor Berbasis Android. Jurnal TECHNO Nusa
Mandiri Vol. VIII, No. 2.

Setiyowati, S. (2021). Perancamgam Basis Data & Pengenalan SQL Server

Management Studio. In S. Setiyowati, Perancamgam Basis Data &
Pengenalan SQL Server Management Studio (pp. 1-99). Semarang:
Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Dian
Nuswantoro Semarang.

Suarnatha, I. P. (2022). Impementasi Metode Certainty Factor dalam Sistem Pakar

deteksi penyakit Pencernaan pada Manusia. Jurnal CoSciTech (Computer
Science and Information Technology), 3(2), 73-80.

Suria, N. B. (2018). Sistem Pakar Diagnosa Penyakit Pencernaan Menggunakan

Metode Teorema Bayes . Jurnal Multimedia & Artificial Intelligence,
Volume 2, Nomor 1.

Sutojo, T. E. (2011). Kecerdasan Buatan. Andi Offset, Yogyakarta.

Wijianto, A. (2021). Sistem Pakar Mendiagnosa Penyakit Pencernaan Pada

Manusia Menggunakan Metode Forward Chaining dan Certainty Factor.
Yogyakarta.

Yanuardi. (2019). Rancang Bangun Aplikasi Diagnosa Penyakit Umum Berbass

Android Pada Klinik Citra Raya Medika. Jurnal Teknik Informatika (JIKA)
Universitas Muhammadiyah Tangerang.

Yunizar, Z. (2015). Penerapan Sistem pakar Dalam Mendiagnosa Penyakit Pada

Tanaman Adenium (Kamboja Jepang). Lentera : Jurnal Ilmiah Sains dan
Teknologi, 15(16).

Yusmiarti, K. (2016). Perancangan Sistem Distribusi Produk Teh Hitam Berbasis

Web Pada PTPN VII Gunung Dempo Pagar Alam. Jurnal Informatika,
4.(2), 1-9.