SKRIPSI APLIKASI DIAGNOSA PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM)

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "SKRIPSI APLIKASI DIAGNOSA PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM)"

Transkripsi

1 SKRIPSI APLIKASI DIAGNOSA PNYAKIT DIABTS MLITUS MNGGUNAKAN MTOD FUZZY MULTI CRITRIA DCISION MAKING (FMCDM) Diajukan untuk memenuhi salah satu syarat memperleh derajat Sarjana Teknik OLH INDAH LSTARI SUMITRO JURUSAN TKNIK INFORMATIKA FAKULTAS TKNIK UNIVRSITAS HALU OLO KNDARI 2016 i

2

3

4

5 INTISARI Indah Lestari Sumitr APLIKASI DIAGNOSIS PNYAKIT DIABTS MLITUS MNGGUNAKAN MTOD FUZZY MULTI CRITRIA DCISION MAKING Kata Kunci : Cnfusin Matrix, Diabetes Melitus, Fuzzy Multi Criteria Decisin Making. Fuzzy Multi Criteria Decisin Making (FMCDM) dapat dikatakan MCDM (Multi Criteria Decisin Making) dengan data fuzzy. Data fuzzy dapat terjadi pada setiap alternatif atau tingkat kepentingan pada setiap kriteria. Setiap kriteria atau gejala-gejala dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan leh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik. Penelitan ini dilakukan untuk membantu pengambilan keputusan dalam menentukan jenis penyakit Diabetes Melitus (DM) yang diderita dari beberapa altematif jenis penyakit DM sesuai dengan gejala-gejala yang ditentukan. Sistem dibuat dengan mengambil beberapa kelmpk jenis penyakit DM sebagai data yang akan dipakai dalam perhitungan. Pengujian sistem dengan menerapkan perhitungan cnfusin matrix memperleh hasil accuracy yaitu 100%, sensitivity yaitu 100%, dan specificity yaitu (tidak terhingga). Keluaran dari sistem ini berupa alternatifalternatif penyakit yaitu Nrmal atau tidak terdiagnsa berpenyakit DM, Pradiabetes, DM tipe 1, dan DM tipe 2. v

6 ABSTRACT Indah Lestari Sumitr APLIKASI DIAGNOSIS PNYAKIT DIABTS MLITUS MNGGUNAKAN MTOD FUZZY MULTI CRITRIA DCISION MAKING Keywrd : Cnfusin Matrix, Diabetes Mellitus, Fuzzy Multi Criteria Decisin Making. Fuzzy Multi Criteria Decisin Making (FMCDM) can be seen as MCDM (Multi Criteria Decisin Making) with fuzzy data. Fuzzy data can be applied fr every alternatives r level f imprtance in every criterin. very criteria r indicatins and kind f disease alternatives usually cntains unpredictable values that predictin which given by decisin maker dne by qualitative and represented linguistically. This research aims t help the decisin maker t determine categry f Diabetes Mellitus (DM) which suffered frm each categries f DM which related t indicatins that being determined. The system created by taking sme categries f DM as data which will be used in calculatin. The experiment that used the cnfusin matrix methd resulted the values f accuracy is 100%, sensitivity is 100% and specificity is (infinite). The utput f this system is alternatives f this diseased which Nrmal r undetected f DM, Pradiabetes, DM type 1, and DM type 2. Keywrd: Cnfusin Matrix, Diabetes Mellitus, Fuzzy Multi Criteria Decisin Making. vi

7 KATA PNGANTAR Alhamdulillahirabbil'alamin, puji dan syukur penulis panjatkan kehadirat Allah SWT atas nikmat, berkah serta rahmat-nya yang selalu tercurah sehingga skripsi yang berjudul Aplikasi Diagnsis Penyakit Diabetes Melitus Menggunakan Metde Fuzzy Multi Criteria Decisin Making ini dapat terselesaikan dengan baik. Skripsi ini diajukan untuk menempuh Sidang Ujian Sarjana Teknik Infrmatika Universitas Halu Ole guna mendapatkan gelar Sarjana Teknik. Prses penelitian ini tidak luput dari berbagai rintangan dan hambatan, namun berkat bantuan, arahan, dan da dari berbagai pihak yang telah membantu maka penulis ingin menyampaikan ungkapan penghargaan yang sebesar-besarnya kepada yang terhrmat: 1. Ika Purwanti Ningrum, S.KOM., M.Sc selaku Pembimbing I dan Rahmat Ramadhan, S.Si., M.Sc selaku Pembimbing II yang dengan sabar dan tulus meluangkan waktunya dan memberikan pengarahan dan bimbingan yang luar biasa kepada penulis dalam penyusunan skripsi sebagai salah satu syarat untuk mendapatkan gelar Sarjana Teknik. Semga Allah SWT selalu mencurahkan rahmat serta berkahnya kepada beliau. 2. La Ode Hasnuddin S Sagala, S.Si., M.Cs selaku Penguji I, Muthmainnah Muchtar, ST., M.KOM selaku Penguji II, LM. Bahtiar Aksara, ST., MT selaku Penguji III yang telah memberikan saran dan kritik yang bermanfaat dalam penyusunan skripsi sebagai salah satu syarat untuk mendapatkan gelar Sarjana Teknik. Semga Allah SWT selalu mencurahkan rahmat serta berkahnya kepada beliau. 3. Seluruh Dsen Jurusan Teknik Infrmatika Universitas Halu Ole yang telah memberikan bimbingan arahan dan saran selama penulisan skripsi ini berlangsung. 4. Kedua Orang Tuaku tercinta, Ayahku Sumitr, S.Pd dan Ibuku Mudaria yang selalu tulus dan ikhlas memberikan mtivasi, kasih sayang serta bantuan materil. Semga ananda dapat membalas budi serta vii

8 membahagiakan kalian dunia-akhirat. Amin Yaa Rabbal alamin. 5. Keluargaku Dewi Sari Sumitr dan Chintya Mawadha Sumitr yang selalu tulus menyemangati dan menyayangiku. 6. Buat seluruh teman-teman seperjuanganku IT 011 yang telah membantu dan memberikan semangat dalam menyelesaikan penyusunan skripsi ini. 7. Buat kalian yang telah menjadi sahabat-sahabat tercinta yang telah rela meluangkan waktu dan tenaganya membantu penulis, Semga Allah SWT selalu mencurahkan rahmat serta berkahnya kepada kalian semua. 8. Dan berbagai pihak yang tidak dapat penulis sebutkan satu per satu. Semga Allah SWT membalas kebaikan kalian semua dan selalu memberikan kesuksesan serta kebaikan dunia akhirat kepada kalian. Sesungguhnya Allah maha tahu atas segalanya. Peneliti menyadari bahwa dalam penyusunan skripsi ini masih terdapat kekurangan, maka saran dan kritik yang bersifat membangun sangat diharapkan dari berbagai pihak demi perbaikan skripsi ini serta sebagai masukan bagi penulis untuk penelitian dan penulisan karya ilmiah di masa yang akan datang. Semga skripsi ini dapat bermanfaat dalam pengembangan ilmu pengetahuan dan bagi pihak-pihak yang berkepentingan. Kendari, April 2016 Indah Lestari Sumitr viii

9 DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PNGSAHAN... ii HALAMAN PRNYATAAN... iv INTISARI... v ABSTRACT... vi KATA PNGANTAR... vii DAFTAR ISI... ix DAFTAR TABL... xii DAFTAR GAMBAR... xiii BAB I PNDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Sistematika Penulisan Tinjauan Pustaka... 5 BAB II LANDASAN TORI Diabetes Melitus Pengertian Diabetes Melitus Gejala Diabetes Melitus Diagnsis Diabetes Melitus Sistem Penunjang Keputusan Metde Fuzzy Multi Criteria Decisin Making Representasi Masalah valuasi Himpunan Fuzzy Seleksi Alternatis yang Optimal Metde Pengembangan Sistem ix

10 2.5.UML (Unified Mdeling Language) Definisi Unified Mdelling Language Knsep Pemdelan Menggunakan UML Jenis-jenis Diagram UML (Unified Mdelling Language) Flwchart Pengertian Dasar Flwchart Bagan Flwchart RD (ntity Relatinship Diagram) Bahasa Java Netbeans MySQL Cnfusin Matrix BAB III MTODOLOGI PNLITIAN Waktu dan Tempat Penelitian Waktu Tempat Penelitian Prsedur dan Pengumpulan Data Jenis Data Sumber Data Pengumpulan Data Prsedur Pengembangan Perangkat Lunak BAB IV ANALISIS DAN PRANCANGAN SISTM Gambaran Sistem Gambaran Sistem yang Sedang Berjalan Gambaran Sistem yang Diusulkan Flwchart Prses Metde Fuzzy Multi Criteria Decisn Making Pemecahan Masalah dengan Metde Fuzzy Multi Criteria Decisin Making Representasi Masalah valuasi Himpunan Fuzzy x

11 4.2.3 Seleksi Alternatif Optimal Ilustrasi Perhitungan Metde Fuzzy Multi Criteria Decisin Making UML (Unified Mdeling Language) Diagram Use Case Activity Diagram Sequence Diagram RD (ntity Relatinship Diagram) Sistem Perancangan Basis Data BAB V IMPLMNTASI DAN PNGUJIAN SISTM Kebutuhan Sistem Implementasi Antarmuka Aplikasi Diagnsis Penyakit Diabetes Melitus Frm Menu Utama Frm Diagnsis Frm Hasil Diagnsis Frm Rekam Medik Pengujian Sistem BAB VI PNUTUP Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN xi

12 DAFTAR TABL Tabel 2.1 Cnth pemberian bbt nilai pada variabel yang memiliki range nilai Tabel 2.2 Tabel Simbl Use Case Diagram Tabel 2.3 Tabel Simbl Sequence Diagram Tabel 2.4 Tabel Simbl Activity Diagram Tabel 2.5 Tabel Bagan Flwchart Tabel 2.6 Tabel Simbl RD Tabel 2.7 Tabel Klasifikasi Data Uji Tabel 3.1 Tabel Gannt Chart Waktu Penelitian Tabel 4.1 Alternatif Penyakit Diabetes Melitus Tabel 4.2 Kriteria Tabel 4.3 Bbt Kepentingan Kriteria Penyakit Diabetes Melitus Tabel 4.4 Bbt Derajat Kecckan Tabel 4.5 Derajat Kecckan Alternatif Terhadap Kriteria Keputusan Tabel 4.6 Derajat Kecckan untuk Kriteria Umur Tabel 4.7 Derajat Kecckan untuk Kriteria Gula Darah Puasa Tabel 4.8 Derajat Kecckan untuk Kriteria Gula Darah 2 Jam PP Tabel 4.9 Tabel Data Pasien Tabel 4.10 Rating Kepentingan Tabel 4.11 Rating Kecckan Setiap Alternatif Tabel 4.12 Nilai Ttal Perhitungan Setiap Alternatif Tabel 4.13 Struktur Tabel Pasien Tabel 4.14 Struktur Tabel Hasil Tabel 4.15 Struktur Tabel Hasil FMCDM Tabel 4.16 Struktur Tabel Gejala Tabel 5.1 Data Rekam Medik UPTD Puskesmas Lasu Tabel 5.2 Hasil Pengujian Sistem dan Pakar Tabel 5.3 Hasil Klasifikasi Data Uji Tabel 5.4 Tabel Klasifikasi Data Uji xii

13 DAFTAR GAMBAR Gambar 2.1 Struktur Hirarki MCDM Gambar 2.2 Fungsi Keanggtaan untuk Bbt Setiap Rating dengan Himpunan Bilangan Fuzzy Segitiga Gambar 2.3 Metde Waterfall Gambar 4.1 Flwchart Fuzzy MCDM Gambar 4.2 Diagram Use Case User Gambar 4.3 Activity Diagram Diagnsis Penyakit Diabetes Melitus Gambar 4.4 Sequence Diagram Diagnsis Penyakit Diabetes Melitus Gambar 4.5 ntity Relatinship Diagram Sistem Gambar 5.1 Tampilan Frm Utama Gambar 5.2 Tampilan Frm Diagnsis Gambar 5.3 Tampilan Infrmasi Data Berhasil Disimpan Gambar 5.4 Tampilan Frm Hasil Diagnsis Gambar 5.5 Tampilan Print Hasil Diagnsis Gambar 5.6 Tampilan Frm Rekam Medik Gambar 5.7 Tampilan Print Data Rekam Medik xiii

14 BAB I PNDAHULUAN 1.1 Latar Belakang Diabetes Melitus (DM) yang umum dikenal sebagai kencing manis adalah penyakit yang ditandai dengan peningkatan kadar gula darah yang terus-menerus dan bervariasi, terutama setelah makan. Pada umumnya dikenal 2 tipe diabetes, yaitu diabetes tipe 1 (tergantung insulin), dan diabetes tipe 2 (tidak tergantung insulin). Diabetes Melitus merupakan penyakit penyebab kematian yang mempunyai rank cukup tinggi di dunia termasuk di Indnesia. Ketua Persatuan Diabetes Indnesia (Persadia) Pusat, Prf. Sidartawan Segnd mengatakan penderita diabetes di Indnesia cenderung naik dari tahun ke tahun. Sebagian besar penderita mengidap penyakit ini akibat faktr keturunan dan pla hidup yang tidak sehat. (Hasil Knsensus Perkeni 2011). Diabetes melitus merupakan penyakit menahun yang akan diderita seumur hidup. Dalam pengellaan penyakit tersebut, selain dkter, perawat, ahli gizi, dan tenaga kesehatan lain, peran pasien dan keluarga menjadi sangat penting. Pemeriksaan pada pasien penderita diabetes melitus dapat dilakukan di rumah sakit yang memiliki peralatan lengkap dan tersedia dkter spesialis penyakit dalam yang ada di rumah sakit besar di kta setempat. Akan tetapi untuk masyarakat yang bertempat tinggal jauh dari jangkauan rumah sakit yang memiliki perlengkapan medis dan tersedia dkter ahli akan mengalami kesulitan ketika akan berknsultasi kemungkinan terkena penyakit diabetes melitus. Dalam mendiagnsis penyakit diabetes melitus ada beberapa hal yang perlu diperhatikan yaitu peningkatan kadar gula darah yang terus meningkat apabila tidak ditangani sejak awal, sering berkemih/buang air kecil terutama pada malam hari, merasakan haus yang berlebihan, serta hal yang paling mendasar ketika seserang menderita penyakit diabetes melitus yaitu adanya riwayat keluarga yang menderita penyakit yang sama. Oleh karena itu diperlukan sebuah perangkat lunak yang dapat 1

15 2 mendiagnsis penyakit diabetes melitus sehingga nantinya akan menghasilkan utput berupa jenis penyakit DM yang diderita. Fuzzy Multi Criteria Decisin Making (FMCDM) adalah MCDM dengan data fuzzy. Data fuzzy dapat terjadi pada setiap alternatif atau tingkat kepentingan pada setiap kriteria. Setiap kriteria atau gejala-gejala yang dialami dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan leh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik (Siregar, 2014). Pada beberapa kasus yang telah menerapkan metde fuzzy multi-criteria decisin making ini diantaranya yaitu penerapan fuzzy multicriteria decisin making untuk mendiagnsis penyakit trpis dengan metde agregasi. Pada kasus ini dihasilkan jenis penyakit dengan menggunakan metde agregasi berdasarkan gejala-gejala yang dirasakan pasien (Rika dan Retanty, 2011). Berawal dari kasus tersebut, muncul ide untuk membuat suatu aplikasi menggunakan metde fuzzy multi-criteria decisin making (FMCDM). Metde ini sangat cck dengan kasus diagnsis penyakit diabetes melitus karena terdapat alternatif-alternatif dari jenis penyakit diabetes melitus, sehingga diperlukan suatu sistem yang dapat membantu pengambilan keputusan dalam menentukan jenis penyakit diabetes melitus yang diderita dari beberapa alternatif penyakit diabetes melitus sesuai dengan gejalagejala fisik yang diinputkan. Berdasarkan uraian di atas, maka penulis membangun sebuah aplikasi dengan melakukan penelitian dan menulis tugas akhir yang berjudul aplikasi diagnsis penyakit diabetes mellitus menggunakan metde fuzzy multi criteria decisin making berbasis java. Dalam aplikasi yang akan dibangun terdapat 4 hasil diagnsis yaitu nrmal/tidak terdiagnsis penyakit diabetes melitus, pradiabetes, diabetes melitus tipe 1, dan diabetes melitus tipe 2. Aplikasi ini diharapkan dapat menjadi alternatif slusi untuk mengatasi masalah yang sering dialami leh penderita penyakit diabetes melitus berdasarkan gejala- gejala yang diderita pasien.

16 3 1.2 Rumusan Masalah Rumusan masalah dalam penelitian ini yaitu bagaimana menerapkan metde Fuzzy Multi Criteria Decisin Making pada aplikasi diagnsis penyakit diabetes melitus dengan meninjau nilai keakuratan yang diterapkan pada pembuatan aplikasi. 1.3 Batasan Masalah 1. Bahasa pemrgraman yang digunakan adalah bahasa Java dan basis data MySQL. 2. Aplikasi ini menghasilkan uput berupa jenis penyakit diabetes melitus yang diderita pasien sebagai hasil diagnsis. 3. Studi kasus penelitian ini dilakukan di UPTD Puskesmas Lasu. 4. Dalam penelitian ini fungsi keanggtaan bilangan fuzzy yang digunakan adalah fungsi bilangan fuzzy segitiga. 1.4 Tujuan Penelitian Tujuan dari penelitian ini yaitu : 1. Menerapkan metde fuzzy multi criteria decisin making dalam pembuatan aplikasi diagnsis penyakit diabetes melitus. 2. Meninjau nilai keakuratan metde fuzzy multi criteria decisin making yang diterapkan pada pembuatan aplikasi diagnsis penyakit diabetes melitus. 1.5 Manfaat Penelitian Adapun manfaat pada tugas akhir ini adalah untuk membantu dkter dan petugas kesehatan puskesmas dalam mendiagnsis diabetes melitus sehingga pasien mendapatkan perawatan yang sesuai dengan tipe diabetes melitus yang diderita leh pasien.

17 4 1.6 Sistematika Penulisan Sistematika penulisan lapran ini merupakan pembahasan singkat dari setiap bab yang menjelaskan hubungan antara bab yang satu dengan bab yang lainnya, yaitu sebagai berikut : BAB I BAB II BAB III BAB IV BAB V PNDAHULUAN Bab ini berisi tentang latar belakang masalah, perumusan masalah, tujuan penelitian, manfaat penelitian, sistematika penulisan dan tinjauan pustaka dalam lapran ini. LANDASAN TORI Bab ini berisi tentang pengertian dan teri yang berkaitan dengan isi dan judul penelitian tugas akhir. Teri-teri yang dicantumkan dalam bab ini yaitu teri tentang penyakit diabetes melitus, teri tentang Fuzzy Multi- Criteria Decisin Making, teri tentang Unified Mdelling Language (UML), teri tentang sistem pendukung keputusan, teri tentang metde pengembangan sistem, teri tentang ntity Relatinship Diagram (RD), teri tentang flwchart dan teri tentang bahasa java. MTODOLOGI PNLITIAN Bab ini menyajikan langkah-langkah pengumpulan data, prsedur pengembangan perangkat lunak dalam hal ini yang digunakan adalah metde waterfall, waktu dan tempat pelaksanaan penelitian. ANALISIS DAN PRANCANGAN SISTM Bab ini berisi tentang gambaran umum sistem, desain perangkat lunak dan perancangan sistem. IMPLMNTASI DAN PNGUJIAN SISTM Bab ini berisi penjelasan tentang implementasi dan pengujian terhadap sistem yang telah dibuat. Pengujian sistem pada aplikasi diagnsis penyakit diabetes mellitus menggunakan pengujian cnfusin matriks.

18 5 BAB VI PNUTUP Bab ini berisi tentang kesimpulan yang diperleh dari hasil pembuatan aplikasi dan sasaran untuk pengembangan selanjutnya. 1.7 Tinjauan Pustaka Terdapat banyak literatur yang ditemukan untuk peneliti mengenai diagnsis penyakit pada umumnya dengan menggunakan metde Fuzzy Multi Criteria Decisin Making (MCDM). Seperti pada penelitian yang dilakukan leh Zainir (2013) yang berjudul Penerapan Fuzzy Multi Criteria Decisin Making Untuk Mendiagnsis Penyakit Kulit Pyderma Dengan Metde Agregasi. Pada penelitian ini, penerapan metde fuzzy multy-criteria decisin making untuk mendiagnsis penyakit kulit pyderma dengan metde agregasi yang digunakan untuk menyelesaikan suatu kemungkinan munculnya gejala yang sama dari gangguan yang berbeda. Data yang diperlukan diambil dari data-data gejala penyakit kulit pyderma yang bernilai tidak pasti atau samar dan metde agregasi mean digunakan untuk perhitungan kecckan fuzzy sedangkan untuk pemilihan jenis penyakit kulit pyderma digunakan dengan nilai ttal integral. Sistem ini menghasilkan kemungkinan penyakit yang diderita pengguna yang berupa persentase penyakit. Sistem ini dapat digunakan untuk mendiagnsis awal kemungkinan penyakit kulit pyderma berdasarkan gejala yang dialami pada pasien serta memberikan slusinya. Penelitian lain juga dilakukan leh Cahy (2008) yang berjudul Sistem Pendukung Keputusan Pemilihan Jenis Sakit Kepala dengan Menggunakan Metde Fuzzy MCDM. Setiap kriteria atau gejala-gejala yang dialami dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan leh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik. Tujuannya yang ingin dicapai adalah mengimplementasikan fuzzy ke dalam sistem pendukung keputusan pemilihan jenis sakit kepala dengan metde fuzzy MCDM sehingga menghasilkan utput berupa daftar jenis alternatif penyakit yang dialami.

19 6 Penelitian lain juga dilakukan leh Wu Jia-Ting dkk (2014) yang berjudul Hesitant Fuzzy Linguistic Multi Criteria Decisin-Making Methd Based n Generalized Priritizied Aggregatin Operatr. Penelitian ini membahas tentang kriteria yang ada pada Multi Criteria Decisin Making (MCDM) memiliki tingkat priritas yang berbeda dan nilai kriteria berbentuk angka Hesitant Fuzzy Linguistik (HFLNs). Sebuah pendekatan baru dalam memecahkan masalah yang didasarkan pada peratr agregasi umum yang dipriritaskan dari HFLNs. Operatr agregasi umum dari HFLNs dikembangkan dan diterapkan untuk penyelesaian masalah dalam MCDM. Cnth ilustratif diberikan untuk menggambarkan efektivitas dan kelayakan metde yang diusulkan kemudian dibandingkan dengan pendekatan yang ada. Hasil dari penelitian ini menunjukkan bahwa metde yang diusulkan dalam penelitian ini layak dan efektif dalam memecahkan masalah MCDM dengan HFLNs

20 BAB II LANDASAN TORI 2.1 Diabetes Melitus Pengertian Diabetes Melitus Diabetes adalah suatu sindrm defisiensi sekresi insulin atau pengurangan efektivitas kerja insulin atau keduanya, yang menyebabkan hiperglikemia. Diabetes diklasifikasikan ke dalam dua tipe utama : Tipe I, atau disebut diabetes melitus bergantung insulin (insulin dependent diabetes melitus, IDDM) dan Tipe II, diabetes melitus tidak bergantung insulin (nn-insulin dependent diabetes melitus, NIDDM). Tipe I merupakan bentuk DM yang paling berat dan paling banyak dialami leh usia muda serta muncul jika sirkulasi insulin tidak nampak secara nyata. Pada DM tipe II terutama dialami leh rang dewasa tetapi terkadang dialami juga leh anak-anak (Marrelli., 2008) Gejala Diabetes Melitus Tipe 1 diabetes, mulanya disebut diabetes usia muda, biasanya diagnsis awal bagi anak- anak, remaja dan dewasa muda. Pada diabetes tipe 1, pankreas tidak dapat menghasilkan cukup insulin. Karena kekurangan insulin menyebabkan gluksa tetap ada di dalam aliran darah dan tidak dapat digunakan sebagai energi. Penderita DM dengan diabetes melitus tipe II mengalami penurunan sensitivitas terhadap kadar gluksa, yang berakibat pada pembentukan kadar gluksa yang tinggi. Keadaan ini disertai dengan ketidakmampuan tt dan jaringan lemak untuk meningkatkan ambilan gluksa, sehingga mekanisme ini menyebabkan meningkatnya resistensi insulin perifer. Beberapa Gejala klasik diabetes sebagai berikut (PRKNI, 2011) : 1. Sering berkemih/buang air kecil terutama pada malam hari (pliuria). Hal ini terjadi karena ginjal ingin membersihkan kelebihan gluksa dalam sirkulasi darah sehingga seserang dengan gejala seperti ini menjadi lebih sering buang air kecil dan dalam jumlah yang besar. 7

21 8 2. Merasakan haus berlebih (plidipsia). Hal ini dikarenakan banyaknya cairan yang dikeluarkan leh tubuh sehingga memudahkan seserang untuk merasakan haus/dehidrasi. 3. Merasakan lapar yang berlebih (plifagia) Sejumlah besar kalri hilang ke dalam air seni, penderita mengalami penurunan berat badan. Untuk mengkmpensasikan hal ini penderita seringkali merasakan lapar yang luar biasa sehingga menyebabkan penderita DM dengan gejala ini merasakan lapar yang berlebih. 4. Penurunan berat badan yang tidak dapat dijelaskan sebabnya. Gejala ini disebabkan karena pankreas mulai rusak. Pankreas memiliki tugas memprduksi insulin yang digunakan menglah gluksa menjadi sumber energi. Karena pankreas pada penderita diabetes gagal menglah gula menjadi energi, maka terjadilah resistensi insulin. Tubuh kemudian akan mencari sumber energi alternatif dengan membakar cadangan lemak dalam tubuh. Jika cadangan lemak habis, maka sasaran selanjutnya adalah tt. Akibatnya bbt tubuh akan terus menyusut. 5. Lemah badan. Seserang dengan gejala seperti ini disebabkan karena tubuh yang tidak mampu memprses gluksa menjadi energi. 6. Kesemutan Gejala ini terjadi karena pembuluh darah yang rusak, sehingga darah yang mengalir di ujung ujung saraf pun berkurang. 7. Gatal-gatal pada kulit Jika kadar gula dalam darah tinggi, tubuh akan kehilangan cairan sehingga kulit mengering. Ini karena tubuh mencba mengeluarkan gula melalui air seni. Kulit kering yang mengelupas menimbulkan rasa gatal pada kulit ini dapat menyebabkan luka garukan dan infeksi. Selain itu kulit kering juga dapat nyeri, kemerahan, dan pecah-pecah sehingga kuman mudah masuk. 8. Penglihatan kabur Hal ini dikarenakan adanya penyempitan pembuluh darah kapiler yang disertai dengan perdarahan pada bagian retina.

22 9 9. Luka sukar sembuh. Luka sukar sembuh adalah efek lain dari kerusakan pembuluh darah dan saraf selain kesemutan. Kerusakan ini mengakibatkan penderita diabetes tidak merasakan sakit jika mengalami luka. Mereka bahkan kadang tidak sadar telah terluka. Gabungan kadar gula darah yang tinggi dan tidak adanya rasa nyeri, maka luka yang awalnya kecil dapat membesar menjadi brk dan bahkan membusuk. Jika sudah sampai tahap ini, amputasi merupakan satu-satunya jalan keluar atau slusi untuk menyembuhkannya Diagnsis Diabetes Melitus Berbagai keluhan dapat ditemukan pada penyandang diabetes. Kecurigaan adanya DM perlu dipikirkan apabila terdapat keluhan klasik DM seperti di bawah ini (PRKNI, 2011) : 1. Keluhan klasik DM berupa: pliuria, plidipsia, plifagia, dan penurunan berat badan yang tidak dapat dijelaskan sebabnya. 2. Keluhan lain dapat berupa: lemah badan, kesemutan, gatal, mata kabur, dan disfungsi ereksi pada pria, serta pruritus vulvae pada wanita Diagnsis DM dapat ditegakkan melalui tiga cara: 1. Jika keluhan klasik ditemukan, maka pemeriksaan gluksa plasma sewaktu >200 mg/dl sudah cukup untuk menegakkan diagnsis DM 2. Pemeriksaan gluksa plasma puasa 126 mg/dl dengan adanya keluhan klasik. 3. Tes tleransi gluksa ral (TTGO). Meskipun TTGO dengan beban 75 g gluksa lebih sensitif dan spesifik dibanding dengan pemeriksaan gluksa plasma puasa, namun pemeriksaan ini memiliki keterbatasan tersendiri. TTGO sulit untuk dilakukan berulang-ulang dan dalam praktek sangat jarang dilakukan karena membutuhkan persiapan khusus. 4. TGT (Tes Gluksa Terganggu) : Diagnsis TGT ditegakkan bila setelah pemeriksaan TTGO didapatkan gluksa plasma 2 jam setelah beban antara mg/dl (7,8-11,0 mml/l).

23 10 5. GDPT: Diagnsis GDPT ditegakkan bila setelah pemeriksaan gluksa plasma puasa didapatkan antara mg/dl (5,6 6,9 mml/l) dan pemeriksaan TTGO gula darah 2 jam < 140 mg/dl. 2.2 Sistem Penunjang Keputusan (SPK) Pada dasarnya sistem pendukung keputusan merupakan pengembangan lebih lanjut dari sistem infrmasi manajemen terkmputerisasi yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Sifat interaktif dimaksudkan untuk memudahkan integrasi antara berbagai kmpnen dalam prses pengambilan keputusan seperti prsedur, kebijakan, teknik analisis, serta pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan bersifat fleksibel. Knsep Sistem Pendukung Keputusan (SPK)/Decisin Supprt Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an leh Michael S. Sctt Mrtn dengan istilah Management Decisin Sistem. Sistem tersebut adalah suatu sistem yang berbasis kmputer yang ditujukan untuk membantu mengambil keputusan dengan memanfaatkan data dan mdel tertentu untuk memecahkan berbagai persalan yang tidak terstruktur. Sistem Pendukung Keputusan (SPK) atau Decisin Supprt System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkmunikasian untuk masalah dengan kndisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak serangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2005). Karakteristik dan kapabilitas kunci dari sistem pendukung keputusan (Turban, 2005): 1. Dukungan untuk pengambil keputusan, terutama pada situasi semi terstruktur dan tak tersturktur, dengan menyertakan penilaian manusia dan infrmasi terkmputerisasi. Masalah-masalah tersebut tidak dapat dipecahkan (atau tidak dapat dipecahkan dengan knvenien) leh sistem

24 11 cmputer lain atau leh metde atau alat kuantitatif standar. 2. Dukungan untuk keputusan indenpenden dan sekuensial. Keputusan dapat dibuat satu kali, beberapa kali, atau berulang (dalam interval yang sama). 3. Dukungan disemua fase prses pengambilan keputusan: inteligensi, desain, pilihan dan implementasi. 4. Pengguna merasa seperti di rumah. Ramah pengguna, kapabilitas grafis yang sangat kuat, dan antarmuka manusia-mesin interaktif dengan satu bahasa alami dapat sangat meningkatkan keefektifan sistem pendukung keputusan. Kebanyakan sistem pendukung keputusan yang baru menggunakan antarmuka berbasis web. 5. Peningkatan terhadap kefektifan pengambil keputusan (akurasi, timeliness, kualitas) ketimbang pada efisiensinya (biaya pengambilan keputusan). 2.2 Metde Fuzzy Multi Criteria Decisin Making (FMCDM) Multi Criteria Decisin Making (MCDM) adalah suatu metde pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Fuzzy MCDM dapat dipahami sebagai MCDM dengan data fuzzy. Data fuzzy disini dapat terjadi pada data setiap alternatif pada setiap atribut atau tingkat kepentingan pada setiap kriteria (Siregar, 2014). Pemberian bbt pada fuzzy MCDM berdasarkan pada himpunan fuzzy dimana nilai keanggtaannya menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak di antaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah (Salim, 2015). Himpunan fuzzy memiliki 2 atribut, yaitu : 1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kndisi tertentu dengan menggunakan bahasa alami. 2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel

25 12 Pada metde Fuzzy Multi Criteria Decisin Making (FMCDM) ada 3 langkah penting yang harus dikerjakan, yaitu : 1. Representasi masalah. 2. valuasi himpunan fuzzy pada setiap alternatif keputusan. 3. Melakukan seleksi terhadap alternatif yang ptimal Representasi masalah Pada bagian ini, terdapat tiga aktivitas yang harus dilakukan, yaitu : 1. Identifikasi tujuan dan kumpulan alternatif keputusannya. Tujuan keputusan dapat direpresentasikan dengan menggunakan bahasa alami atau nilai numeris sesuai dengan karakteristik dari masalah tersebut. Jika ada n alternatif keputusan dari suatu masalah, maka alternatif-alternatif tersebut dapat ditulis sebagai A = {A i ; i = 1,2,, n}. 2. Identifikasi kumpulan kriteria. Jika ada k kriteria, maka dapat dituliskan C = {C t ; t = 1,2,, k}. 3. Membangun stuktur hirarki dari masalah tersebut berdasarkan pertimbangan-pertimbangan tertentu (Sumardi, 2014). Struktur hirarki dapat dilihat pada Gambar 2.1. Tujuan Kriteria C 1 Kriteria C 2 Kriteria C n Alternatif A 1 Alternatif A 1 Alternatif A 1 Gambar 2.1 Struktur hirarki MCDM (Nvhirtamely, 2011)

26 valuasi himpunan fuzzy Pada bagian ini, terdapat tiga aktivitas yang harus dilakukan, yaitu : 1. Memilih himpunan rating untuk bbt-bbt kriteria dan derajat kecckan setiap alternatif dengan kriterianya. Secara umum, himpunan-himpunan rating terdiri atas tiga elemen, yaitu, variabel linguistik (x) yang merepresentasikan bbt kriteria dan derajat kecckan setiap alternatif dengan kriterianya; T(x) yang merepresentasikan rating dari variabel linguistik; dan fungsi keanggtaan yang berhubungan dengan setiap elemen dari T(x). Misal, rating untuk bbt pada variabel penting untuk suatu kriteria didefinisikan sebagai: T(penting) = {Sangat Rendah, Rendah, Cukup, Tinggi, Sangat Tinggi}. Sesudah himpunan rating ini ditentukan, maka kita harus menentukan fungsi keanggtaan untuk setiap rating. Biasanya digunakan fungsi segitiga. Misal, W t adalah bbt untuk kriteria C t ; dan S it adalah rating fuzzy untuk derajat kecckan alternatif keputusan A i dengan kriteria C t ; dan F i adalah indeks kecckan fuzzy dari alternatif A i yang merepresentasikan derajat kecckan alternatif keputusan dengan kriteria keputusan yang diperleh dari hasil agregasi S it dan W t 2. Menentukan bbt-bbt setiap rating dari himpunan rating derajat kepentingan setiap kriteria dan derajat kecckan setiap alternatif dengan kriterianya. Bbt untuk setiap rating ditentukan dengan menggunakan fungsi keanggtaan bilangan fuzzy. Dalam penelitian ini, adapun fungsi keanggtaan bilangan fuzzy yang digunakan adalah fungsi bilangan fuzzy segitiga. Gambar fungsi keanggtaan fuzzy segitiga dapat dilihat pada Gambar 2.2.

27 14 1 Sangat rendah rendah sedang tinggi sangat tinggi 0,5 x 0 0,25 0,5 0,75 1 Gambar 2.2 Fungsi keanggtaan untuk bbt setiap rating dengan himpunan bilangan fuzzy segitiga Dengan asumsi rentang yang digunakan adalah: Sangat Rendah = SR = (0, 0, 0,25) Rendah = R = (0, 0,25, 0,5) Sedang = S = (0,25, 0,5, 0,75) Tinggi = T = (0,5, 0,75, 1) Sangat Tinggi = ST = (0,75, 1, 1) Pemberian bbt untuk variabel yang memiliki range nilai yaitu dengan cara mengkversikan variabel tersebut ke dalam bilangan fuzzy. Dapat dilihat pada Tabel 2.1. Tabel 2.1 Cnth pemberian bbt nilai pada variabel yang memiliki range nilai Variabel Umur Range Nilai Knversi ke bilangan fuzzy Usia 1 (0 18 tahun) 0,6 0,8 1 Usia 2 (17 30 tahun) 0,4 0,6 0,8 Usia 3 (25 40 tahun) 0 0,3 0,5 Usia 4 ( > 40 tahun) 0 0 0,4 3. Mengagregasikan bbt-bbt kriteria dan derajat kecckan setiap alternatif dengan kriterianya. Ada beberapa metde yang dapat digunakan untuk melakukan agregasi

28 15 terhadap hasil keputusan para pengambil keputusan, antara lain: mean, median, max, min, dan peratr campuran. Dari beberapa metde tersebut, metde mean yang paling banyak digunakan. Operatr + dan adalah peratr yang digunakan untuk penjumlahan dan perkalian Fuzzy. Persamaan yang digunakan dalam mengagregasikan bbt-bbt kriteria dan derajat kecckan pada setiap alternatif dengan kriterianya yaitu Persamaan 2.1. F i = ( 1 ) [(S k it W t ) + (S it W t ) + + (S it W t )] (2.1) Keterangan : F i : Indeks kecckan fuzzy dari alternatif A i yang mempresentasikan derajat kecckan alternatif keputusan dengan kriteria keputusan yang diperleh dari hasil agregasi S it dan W t S it : Bbt rating fuzzy untuk derajat kecckan alternatif keputusan A i dengan kriteria C t W t : Bbt rating fuzzy untuk derajat kepentingan kriteria C t k : Banyaknya kriteria Dengan cara mensubstitusikan S it dan W t dengan bilangan fuzzy segitiga, yaitu S it = ( it, p it, q it ); dan W it = (a t, b t, c t ); maka F t dapat didekati menggunakan Persamaan 2.3, 2.4, dan 2.5 F t = (Y i, Q i, Z i ) (2.2) k Y i = ( 1 k ) it, a i t=1 k Q i = ( 1 k ) p it, b i t=1 k Z i = ( 1 k ) q it, c i i = 1,2,3,, n Keterangan : Y i, Q i, Z i : Bilangan fuzzy segitiga dari alternatif A i hasil agregasi dari S it dan W t it, p it, q it : Bilangan fuzzy segitiga untuk derajat kecckan alternatif keputusan A i dengan kriteria C t t=1

29 16 a t, b t, c t i t k : Bilangan fuzzy segitiga untuk bbt criteria C t : Alternatif ke : Bbt ke : Banyaknya kriteria Seleksi alternatif yang ptimal Pada bagian ini, terdapat dua aktivitas yang dilakukan, yaitu: 1. Mempriritaskan alternatif keputusan berdasarkan hasil agregasi. Priritas dari hasil agregasi dibutuhkan dalam rangka prses perangkingan alternatif keputusan. Karena hasil agregasi ini direpresentasikan dengan menggunakan bilangan fuzzy segitiga, maka dibutuhkan metde perangkingan untuk bilangan fuzzy segitiga. Salah satu metde yang dapat digunakan adalah metde nilai ttal integral. Misalkan F adalah bilangan fuzzy segitiga, F = (a, b, c), maka nilai ttal integral dapat dirumuskan pada Persamaan 2.6. Dimana variabel a, b, c merupakan hasil perhitungan pada Persamaan 2.3, 2.4, dan 2.5. Nilai α adalah indeks keptimisan yang merepresentasikan derajat keptimisan bagi pengambil keputusan (0 α 1). I α T (F) = ( 1 ) (αc + b + (1 α)a) 2 (2.6) Keterangan : I α T (F) : Nilai ttal integral a, b, c : Bilangan fuzzy segitiga dari hasil persamaan 2.3, 2.4, dan 2.5. α : Indeks keptimisan yang merepresentasikan derajat keptimisan bagi pengambil keputusan (0 α 1). Apabila nilai α semakin besar maka mengindikasikan bahwa derajat keptimisannya semakin besar. 2. Memilih alternatif keputusan dengan priritas tertinggi sebagai alternatif yang ptimal. Semakin besar nilai F i berarti kecckan terbesar dari alternatif keputusan untuk kriteria keputusan, dan nilai inilah yang akan menjadi tujuannya. (Siregar, 2014).

30 Metde Pengembangan Sistem Metde Waterfall Menurut Pressman (2010), mdel waterfall adalah mdel klasik yang bersifat sistematis, berurutan dalam membangun sftware. Nama mdel ini sebenarnya adalah Linear Sequential Mdel. Mdel ini sering disebut dengan classic life cycle atau mdel waterfall. Mdel ini termasuk ke dalam mdel generic pada rekayasa perangkat lunak dan pertama kali diperkenalkan leh Winstn Ryce sekitar tahun 1970 sehingga sering dianggap kun, tetapi merupakan mdel yang paling banyak dipakai di dalam Sftware ngineering (S). Mdel ini melakukan pendekatan secara sistematis dan berurutan. Disebut dengan waterfall karena tahap demi tahap yang dilalui harus menunggu selesainya tahap sebelumnya dan berjalan berurutan. Waterfall adalah suatu metdlgi pengembangan perangkat lunak yang mengusulkan pendekatan kepada perangkat lunak sistematik dan sekuensial yang mulai pada tingkat kemajuan sistem pada seluruh analisis, desain, kde, pengujian dan pemeliharaan. Langkah-langkah yang harus dilakukan pada metdlgi waterfall adalah sebagai berikut : 1. Analisis kebutuhan perangkat lunak Prses pengumpulan kebutuhan diintensifkan dan difkuskan, khususnya pada perangkat lunak. Untuk memahami sifat prgram yang dibangun, rekayasa perangkat lunak (analisis) harus memahami dmain infrmasi, tingkah laku, unjuk kerja dan antar muka (interface) yang diperlukan. Kebutuhan baik untuk sistem maupun perangkat lunak didkumentasikan dan dilihat dengan pelanggan. Mengumpulkan kebutuhan secara lengkap kemudian dianalisis dan didefinisikan kebutuhan yang harus dipenuhi leh sftware yang akan dibangun. Hal ini sangat penting, mengingat sftware harus dapat berinteraksi dengan elemen-elemen yang lain seperti hardware, database, dsb. Tahap ini sering disebut dengan Prject Definitin. 2. Desain Desain perangkat lunak sebenarnya adalah prses multi langka yang berfkus pada empat atribut sebuah prgram yang berbeda; struktur data, asitektur

31 18 perangkat lunak, representasi interface dan detail (algritma) prsedural. Prses desain menerjemahkan syarat/kebutuhan kedalam sebuah representasi perangkat lunak yang dapat di perkirakan demi kualitas sebelum dimulai pemunculan kde. Sebagaimana persyaratan, desain didkumentasikan dan menjadi bagian dari knfigurasi perangkat lunak. Prses pencarian kebutuhan diintensifkan dan difkuskan pada sftware. Untuk mengetahui sifat dari prgram yang akan dibuat, maka para sftware engineer harus mengerti tentang dmain infrmasi dari sftware, misalnya fungsi yang dibutuhkan, user interface, dsb. Dari dua aktivitas tersebut (pencarian kebutuhan sistem dan sftware) harus didkumentasikan dan ditunjukkan kepada user. Prses sftware design untuk mengubah kebutuhan-kebutuhan di atas menjadi representasi ke dalam bentuk "blueprint" sftware sebelum cding dimulai. Desain harus dapat mengimplementasikan kebutuhan yang telah disebutkan pada tahap sebelumnya. Seperti dua aktivitas sebelumnya, maka prses ini juga harus didkumentasikan sebagai knfigurasi dari sftware. 3. Generasi Kde Desain harus diterjemahkan dalam bentuk mesin yang bisa dibaca. Langkah pembuatan kde melakukan tugas ini. Jika desain dilakukan dengan cara yang lengkap, pembuatan kde dapat diselesaikan secara mekanis. Untuk dapat dimengerti leh mesin, dalam hal ini adalah kmputer, maka desain tadi harus diubah bentuknya menjadi bentuk yang dapat dimengerti leh mesin, yaitu ke dalam bahasa pemrgraman melalui prses cding. Tahap ini merupakan implementasi dari tahap desain yang secara teknis nantinya dikerjakan leh prgrammer. 4. Pengujian Prses Pengujian dilakukan pada lgika internal untuk memastikan semua pernyataan sudah diuji. Pengujian eksternal fungsinal untuk menemukan kesalahan-kesalahan dan memastikan bahwa input akan memberikan hasil yang aktual sesuai yang dibutuhkan.

32 19 5. Pemeliharaan Perangkat lunak yang sudah disampaikan kepada pelanggan pasti akan mengalami perubahan. Perubahan tersebut bisa karena mengalami kesalahan karena perangkat lunak harus menyesuaikan dengan lingkungan (periperal atau sistem perasi baru) baru, atau karena pelanggan membutuhkan perkembangan fungsinal atau unjuk kerja. Sesuatu yang dibuat haruslah diuji cbakan. demikian juga dengan sftware. Semua fungsi-fungsi sftware harus diuji cbakan, agar sftware bebas dari errr, dan hasilnya harus benar-benar sesuai dengan kebutuhan yang sudah didefinisikan sebelumnya. Pemeliharaan suatu sftware diperlukan, termasuk di dalamnya adalah pengembangan, karena sftware yang dibuat tidak selamanya hanya seperti itu ketika dijalankan mungkin saja masih ada errr kecil yang tidak ditemukan sebelumnya atau ada penambahan fitur-fitur yang belum ada pada sftware tersebut. Pengembangan diperlukan ketika adanya perubahan dari eksternal perusahaan seperti ketika ada pergantian sistem perasi, atau perangkat lainnya. Kelebihan dari mdel ini adalah selain karena pengaplikasian menggunakan mdel ini mudah, kelebihan mdel ini adalah ketika semua kebutuhan sistem dapat didefinisikan secara utuh, eksplisit, dan benar di awal pryek, maka Sftware ngineering (S) dapat berjalan dengan baik dan tanpa masalah meskipun seringkali kebutuhan sistem tidak dapat didefinisikan se-eksplisit yang diinginkan, tetapi paling tidak, prblem pada kebutuhan sistem di awal pryek lebih eknmis dalam hal uang (lebih murah), usaha, dan waktu yang terbuang lebih sedikit jika dibandingkan prblem yang muncul pada tahap-tahap selanjutnya. Kekurangan yang utama dari mdel ini adalah kesulitan dalam mengakmdasi perubahan setelah prses dijalani. Fase sebelumnya harus lengkap dan selesai sebelum mengerjakan fase berikutnya. Masalah dengan waterfall : 1. Perubahan sulit dilakukan karena sifatnya yang kaku

33 20 2. Karena sifat kakunya, mdel ini cck ketika kebutuhan dikumpulkan secara lengkap sehingga perubahan bisa ditekan sekecil mungkin. Tapi pada kenyataannya jarang sekali knsumen/pengguna yang bisa memberikan kebutuhan secara lengkap, perubahan kebutuhan adalah sesuatu yang wajar terjadi. 3. Waterfall pada umumnya digunakan untuk rekayasa sistem yang besar yaitu dengan pryek yang dikerjakan di beberapa tempat berbeda, dan dibagi menjadi beberapa bagian sub-pryek. Fase-fase dalam mdel waterfall menurut referensi Pressman dapat dilihat pada Gambar 2.3. Gambar 2.3 Metde Waterfall (Pressman, 2010) 2.4 UML (Unified Mdeling Language) Definisi Unified Mdeling Language (UML) UML (Unified Mdeling Language) adalah bahasa pemdelan untuk sistem atau perangkat lunak yang berparadigma (berrientasi bjek). Pemdelan (mdeling) sesungguhnya digunakan untuk penyederhanaan permasalahanpermasalahan yang kmpleks sedemikian rupa sehingga lebih mudah dipelajari dan dipahami (Nugrh, 2010). Berdasarkan pendapat yang dikemukakan di atas dapat ditarik kesimpulan bahwa UML adalah sebuah bahasa yang berdasarkan grafik atau Gambar untuk menvisualisasikan, menspesifikasikan, membangun dan pendkumentasian dari

34 21 sebuah sistem pengembangan perangkat lunak berbasis Objek (Object Oriented prgramming) Knsep Pemdelan Menggunakan UML Menurut Nugrh (2010), Sesungguhnya tidak ada batasan yag tegas diantara berbagai knsep dan knstruksi dalam UML, tetapi untuk menyederhanakannya, kita membagi sejumlah besar knsep dan dalam UML menjadi beberapa view. Suatu view sendiri pada dasarnya merupakan sejumlah knstruksi pemdelan UML yang merepresentasikan suatu aspek tertentu dari sistem atau perangkat lunak yang sedang kita kembangkan. Pada peringkat paling atas, view-view sesungguhnya dapat dibagi menjadi tiga area utama, yaitu: klasifikasi struktural (structural classificatin), perilaku dinamis (dinamic behaviur), serta penglahan atau manajemen mdel (mdel management) Jenis-jenis diagram UML (Unified Mdeling Language) Menurut Henderi (2007), Berikut ini adalah definisi mengenai 5 diagram UML: 1. Use Case Diagram secara grafis menggambarkan interaksi antara sistem, sistem eksternal dan pengguna. Dengan kata lain use case diagram secara grafis mendeskripsikan siapa yang akan menggunakan sistem dan dalam cara apa pengguna (user) mengharapkan interaksi dengan sistem itu. Use case secara naratif digunakan untuk secara tekstual menggambarkan sekuensi langkah-langkah dari setiap interaksi. Tabel 2.2 Tabel simbl Use Case Diagram: Tabel 2.2 Tabel simbl use case diagram Simbl Keterangan Aktr : Mewakili peran rang. Sistem yang lain atau alat ketika berkmunikasi dengan use case Use case adalah Abstraksi dari interaksi antara sistem dan aktr

35 22 Tabel 2.2 Tabe simbl use case diagram (lanjutan) <<include>> <<extend>> Assciatin adalah abstraksi dari penghubung antara aktr dan use case Generalisasi menunjukkan spesialisasi aktr untuk dapat berpastisipasi dalam use case. Menunjukkan bahwa suatu use case seluruhnya merupakan fungsinalitas dari use case lainnya. Menunjukkan bahwa suatu use case merupakan tambahan fungsinal dari use case lainnya jika suatu kndisi terpenuhi 2. Sequence Diagram secara grafis menggambarkan bagaimana bjek berinteraksi dengan satu sama lain melalui pesan pada sekuensi sebuah use case atau perasi. Tabel 2.3 Tabel simbl Sequance Diagram: Tabel 2.3 Tabel simbl Sequence Diagram N Simbl Nama Keterangan 1 LifeLime Objek entity, antarmuka yang saling berinteraksi. 2 Actr Message() 3 Message Digunakan untuk menggambarkan user / pengguna. Spesifikasi dari kmunikasi antar bjek yang memuat infrmasi-infrmasi tentang aktifitas yang terjadi 3. Activity Diagram secara grafis digunakan untuk menggambarkan rangkaian aliran aktivitas baik prses bisnis maupun use case. Activity diagram dapat juga digunakan untuk memdelkan actin yang akan dilakukan saat sebuah perasi dieksekusi, dan memdelkan hasil dari actin tersebut. Tabel 2.4 Tabel simbl Activity Diagram:

36 23 Tabel 2.4 Tabel simbl Activity Diagram N Simbl Nama Keterangan Memperlihatkan bagaimana masingmasing 1 Activity kelas antarmuka saling berinteraksi satu sama lain 2 Actin State dari sistem yang mencerminkan eksekusi dari suatu aksi 3 Inisial Nde Bagaimana bjek dibentuk atau diawali 4 Activity Final Nde Bagaimana bjek dibentuk dan diakhiri 5 Decisin 6 Line Cnnectr Digunakan untuk menggambarkan suatu keputusan / tindakan yang harus diambil pada kndisi tertentu Digunakan untuk menghubungkan satu simbl dengan simbl lainnya 2.5 Flwchart Pengertian Dasar Flwchart Flwchart adalah bagan-bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelesaian suatu masalah. Flwchart merupakan cara penyajian dari suatu algritma. Tujuan membuat flwchart : 1. Menggambarkan suatu tahapan penyelesaian masalah 2. Secara sederhana, terurai, rapi dan jelas 3. Menggunakan simbl-simbl standar Dalam penulisan flwchart dikenal dua mdel, yaitu Sistem Flwchart dan Prgram Flwchart. 1. Sistem Flwchart Sistem flwchart adalah bagan yang memperlihatkan urutan prsedur dan prses dari beberapa file di dalam media tertentu. Melalui flwchart ini terlihat jenis media penyimpanan yang dipakai dalam penglahan data.

37 24 Selain itu juga menggambarkan file yang dipakai sebagai input dan utput. Tidak digunakan untuk menggambarkan urutan langkah untuk memecahkan masalah hanya untuk menggambarkan prsedur dalam sistem yang dibentuk. 2. Prgram Flwchart Prgram flwchart adalah bagan yang memperlihatkan urutan dan hubungan prses dalam suatu prgram. Dua jenis metde penggambaran prgram flwchart : 1. Cnceptual flwchart, menggambarkan alur pemecahan masalah secara glbal. 2. Detail flwchart, menggambarkan alur pemecahan masalah secara rinci Bagan Flwchart Flwchart adalah serangkaian bagan-bagan yang menggambarkan alur prgram. Flwchart atau diagram alir memiliki bagan-bagan yang melambangkan fungsi tertentu. Bagan, nama dan fungsinya seperti yang disajikan pada Tabel 2.5. Tabel 2.5 Tabel bagan flwchart Simbl Nama Fungsi Terminatr Flw Prcess Input/utput Data Decisin Awal atau akhir prgram Arah aliran prgram Prses/penglahan data input/utput data Seleksi atau kndisi 2.7 RD (ntity Relatinship Diagram) Dalam rekayasa perangkat lunak, sebuah ntity-relatinship Mdel (RM) merupakan abstrak dan knseptual representasi data. ntity- Relatinship adalah salah satu metde pemdelan basis data yang digunakan untuk menghasilkan skema knseptual untuk jenis/mdel data semantik sistem. Dimana sistem seringkali memiliki basis data relasinal, dan ketentuannya

38 25 bersifat tp-dwn. Diagram untuk menggambarkan mdel ntitiy-relatinship ini disebut ntitiy-relatinship diagram, R diagram, atau RD. RD (ntity Relatinship Diagram) adalah suatu mdel untuk menjelaskan hubungan antar data dalam basis data berdasarkan bjek-bjek dasar data yang mempunyai hubungan antar relasi. RD untuk memdelkan struktur data dan hubungan antar data, untuk menggambarkannya digunakan beberapa ntasi dan simbl. Dapat dilihat pada Tabel 2.6. Tabel 2.6 Tabel Simbl RD Simbl Keterangan ntitas adalah suatu bjek yang dapat diidentifikasi dalam ntitas lingkungan pemakai. Relasi menunjukkan adanya hubungan di antara sejumlah Relasi entitas yang berbeda. Atribut berfungsi mendeskripsikan karakter entitas (atribut Atribut yang berfungsi sebagai primary key diberi garis bawah) Garis sebagai penghubung antara relasi dengan entitas, relasi dan entitas dengan atribut. 2.8 Bahasa Java Java merupakan perangkat lunak pen surce yang andal dan prtable untuk beberapa macam sistem perasi, seperti Windws, Linux, Slaris, dan lainnya. Java memiliki kmpnen JDBC yang dikhususkan untuk pemrgraman database. JDBC merupakan API (Applicatin Prgramming Interface) Standard untuk akses database. Perangkat lunak Java dibangun atau dibuat dengan bahasa pemrgrama C++, tetapi mengakmdasi teknlgi terbaik dari bahasa pemrgraman C dan memperbaiki kekurangan bahasa pemrgraman C++. Java termasuk bahasa pemrgraman Multithreading (dapat mengerjakan beberapa prses dalam waktu yang bersamaan). Perangkat lunak Java juga secara tmatis menangani sisa memry yang tidak terpakai/sampah (garbage) (Supardi, 2007). Java dirancang agar mudah dipelajari dan digunakan secara efektif. Java tidak menyediakan fitur-fitur rumit, serta banyak pekerjaan pemrgram yang

39 26 mulanya harus dilakukan manual dikerjakan Java secara tmatis seperti dealkasi memri. Tipe variabel Java mempunyai ukuran sama di semua platfrm sehingga variabel bertipe integer (int, lng) berukuran sama tidak peduli di mana prgram dikmpilasi dan dijalankan. Juga terhadap penggunaan Java applet di web adalah sama sekali tidak memerlukan perubahan agar dapat dieksekusi di platfrm manapun. Begitu telah tercipta file.class di platfrm manapun, maka file.class itu dapat dijalankan di platfrm manapun (Hariyant, 2014) Netbeans Netbeans adalah sebuah aplikasi Integrated Develpment nvirnment (ID) yang berbasiskan Java dari Sun Micrsystems yang berjalan di atas swing. Swing merupakan sebuah teknlgi Java untuk pengembangan aplikasi dekstp yang dapat berjalan pada berbagai macam platfrm seperti Windws, Linux, Mac OS X dan Slaris. Sebuah ID merupakan lingkup pemrgraman yang di integrasikan ke dalam suatu aplikasi perangkat lunak yang menyediakan Graphic User Interface (GUI), suatu kde editr atau text, suatu cmpiler dan suatu debugger. Netbeans juga dapat digunakan prgammer untuk menulis, meng-cmpile, mencari kesalahan dan menyebarkan prgram netbeans yang ditulis dalam bahasa pemrgraman java namun selain itu dapat juga mendukung bahasa pemrgraman lainnya dan prgram ini pun bebas untuk digunakan dan untuk membuat prfessinal dekstp, enterprise, web, and mbile applicatins dengan Java language, C/C++, dan bahkan dynamic languages seperti PHP, JavaScript, Grvy, dan Ruby. (Hartati dan Sri, 2008) MySQL Menurut Kadir (2008), MySQL merupakan sftware yang terglng sebagai DBMS (Database Management System) yang bersifat pen surce. Open surce menyatakan bahwa sftware ini dilengkapi dengan surce cde (cde yang dipakai untuk membuat MySQL). Selain tentu saja bentuk

40 27 executable-nya atau kde yang dapat dijalankan secara langsung dalam sistem perasi dan bisa diperleh secara gratis dengan mengunduh di internet. Seperti tersirat namanya, SQL mendukung perintah SQL (Structured Query Language). Sebagaimana diketahui SQL merupakan bahasa standar dalam pengaksesan database rasinal. Pengetahuan akan SQL akan memudahkan siapapun untuk menggunakan MySQL. Menurut Nugrh (2008) Sebagai sebuah prgram penghasil database, MySQL tidak mungkin berjalan sendiri tanpa adanya sebuah aplikasi pengguna (interface) yang mungkin berguna sebagai prgram aplikasi pengakses database yang dihasilkan. MySQL dapat didukung leh hampir semua prgram aplikasi baik yang pen windws seperti Visual Basic, Delphi dan lainya. DBMS yang menggunakan bahasa SQL : 1. MySQL 2. MSQL 3. Oracle 4. SQL Server 97, Inaterbase, dll Prgram-prgram aplikasi yang mendukung MySQL : 1. PHP 2. Brland Delphi, Brland C++ Builder 3. Visual Basic 5.0 /6.0 dan.net 4. Visual FxPr 5. Netbeans, dll 2.9 Cnfusin Matrix Cnfusin matrix adalah suatu metde yang biasanya digunakan untuk melakukan perhitungan akurasi. Cnfusin matrix menggunakan 3 perhitungan yaitu Classificatin accuracy, Sensitivity, Spesificity. Classificatin accuracy merupakan ketepatan klasifikasi yang diperleh. Sensitivity merupakan ukuran ketepatan dari suatu kejadian yang diinginkan. Specificity merupakan suatu ukuran yang menyatakan persentase kejadian-kejadian yang tidak diinginkan.

41 28 Classificatin accuracy, sensitivity, dan specificity dapat ditentukan menggunakan nilai yang terdapat dalam cnfusin matrix. Pengujian sistem menggunakan cnfussin matriks terlebih dahulu dibuat tabel klasifikasi data (Nvianti dan Purnami, 2012). Dapat dilihat pada Tabel 2.7. Tabel 2.7 Tabel klasifikasi data uji Pakar Sistem Pakar TP FN Sistem FP TN Keterangan : P (Psitive) : Data terdiagnsis berpenyakit DM N (Negative) : Data tidak terdiagnsis berpenyakit DM atau Nrmal. TP (True Psitive) : jumlah hasil diagnsis yang bernilai benar pada sistem dan bernilai benar pada diagnsis pakar. TN (True Negative) : jumlah hasil diagnsis yang bernilai benar pada sistem dan bernilai salah pada diagnsis pakar. FP (False Psitive) : jumlah hasil diagnsis yang bernilai salah pada sistem dan bernilai benar pada diagnsis pakar. FN (False Negative) : jumlah hasil diagnsis yang bernilai salah pada sistem dan bernilai salah pada diagnsis pakar. Perhitungan nilai Classificatin accuracy, sensitivity, dan specificity dapat dilihat pada persamaan 2.7, 2.8, dan 2.9. Sensitivity = TP TP + FN 100% (2.7) Specificity = TN TN + FP 100% (2.8) Accuracy = TP + TN TP + FN + TN + FP 100% (2.9)

42 29 Keterangan : TP (True Psitive) : jumlah hasil diagnsis yang bernilai benar pada sistem dan bernilai benar pada diagnsis pakar. TN (True Negative) : jumlah hasil diagnsis yang bernilai benar pada sistem dan bernilai salah pada diagnsis pakar. FP (False Psitive) : jumlah hasil diagnsis yang bernilai salah pada sistem dan bernilai benar pada diagnsis pakar. FN (False Negative) : jumlah hasil diagnsis yang bernilai salah pada sistem dan bernilai salah pada diagnsis pakar.

43 BAB III MTODOLOGI PNLITIAN 3.1 Waktu dan Tempat Penelitian Waktu Waktu pelaksanaan penelitian tugas akhir dilaksanakan mulai dari tanggal 20 Juni Rincian kegiatan dapat dilihat pada Tabel 3.1. Tabel 3.1 Tabel Gannt Chart waktu penelitian Aktifitas Juni 2015 Juli 2015 Agustus 2015 Sept 2015 Waktu Pelaksanaan Okt 2015 Nv 2015 Des 2015 Jan 2015 Feb 2016 Maret 2016 Analisis Desain Cding Test Pemeliharaan Tempat Penelitian Penelitian tugas akhir ini bertempat di UPTD (Unit Pelaksana Teknis Daerah) Puskesmas Lasu dan Labratrium Prdia Kendari. 3.2 Prsedur dan Pengumpulan Data Jenis Data 1. Data Kualitatif Data kualitatif adalah data yang berbentuk kata-kata, bukan dalam bentuk angka. Data kualitatif diperleh melalui berbagai macam teknik pengumpulan data misalnya wawancara, analisis dkumen, diskusi terfkus, atau bservasi yang telah dituangkan dalam catatan lapangan (transkrip). Data kualitatif meliputi macam-macam kriteria inputan berupa gejala-gejala yang diderita leh pasien Diabetes Melitus (DM). 30

44 31 2. Data Kuantitatif Data kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan bentuknya, data kuantitatif dapat dilah atau dianalisis menggunakan teknik perhitungan matematika atau statistika. Data kuantitatif meliputi bbt nilai dari tiap kriteria Sumber Data 1. Data Primer Data primer adalah data yang diperleh langsung dari respnden dengan cara wawancara kepada pasien diabetes melitus (DM) untuk mengetahui gejala yang diderita. 2. Data Sekunder Data sekunder diperleh dari data rekam medik (RM) UPTD Puskesmas Lasu Pengumpulan Data Beberapa metde yang digunakan dalam pembuatan sistem ini adalah sebagai berikut: 1. Studi Literatur Pada tahap ini peneliti mengumpulkan infrmasi dan mempelajari materi serta sumber-sumber data yang diperlukan untuk membangun sistem metde Multi Criteria Decisin Making berdasarkan kriteria-kriteria yang telah diberikan. 2. Wawancara Peneliti melakukan wawancara dengan dkter spesialis penyakit dalam seputar penyakit diabetes yang bernama dr. Tpan Binawan, SP.PD., M.Kes, dan kepada pasien pengidap penyakit Diabetes Melitus untuk mendapatkan infrmasi gejala awal yang dialami penderita, penanganan awal yang dilakukan penderita, dan perawatan apa yang telah didapatkan leh penderita.

45 Prsedur Pengembangan Perangkat Lunak Metde pengembangan perangkat lunak yang digunakan dalam pembangunan sistem ini adalah metde Waterfall yang terdiri dari beberapa tahap, yaitu: 1. Analisis Pada tahap analisis adalah tahap dimana peneliti menganalisis permasalahan yang ada yaitu kriteria-kriteria penyakit diabetes melitus yang meliputi gejalagejala yang diderita leh pasien, tinggi badan, berat badan, gula darah puasa, gula darah 2 jam setelah makan dan umur. 2. Desain Pada tahap desain merupakan tahap dimana peneliti merancang tampilan awal atau interface dari aplikasi yang akan dibangun. Tampilan interface akan dirancang melalui data-data yang telah diperleh pada saat tahap analisis. 3. Cding Pada tahap cding yaitu menerjemahkan aplikasi kedalam bahasa pemrgraman yang telah ditentukan yaitu bahasa pemrgraman Java. 4. Test Test Merupakan tahap pengujian terhadap aplikasi diagnsa penyakit diabetes mellitus yang telah dibuat menjadi suatu perangkat lunak yang siap pakai dengan tujuan untuk mengetahui apakah sistem yang dibuat sudah sesuai dengan yang diharapkan. 5. Pemeliharaan Pada tahap pemeliharaan yaitu tahap dimana melakukan kreksi dari berbagai errr yang tidak ditemukan pada tahap-tahap sebelumnya sehingga dilakukan perbaikan, agar dapat menghasilkan sistem yang lebih baik dari sebelumnya.

46 BAB IV ANALISIS DAN PRANCANGAN SISTM 4.1 Gambaran Sistem Gambaran Sistem yang Sedang Berjalan Gambaran umum sistem yang sedang berjalan di masyarakat dalam mendiagnsis penyakit diabetes melitus adalah pasien melakukan knsultasi awal ke puskesmas tentang keluhan yang diderita. Setelah melakukan knsultasi apabila pasien berptensi terkena penyakit DM berdasarkan gejala-gejala yang telah disebutkan maka penderita akan melakukan tes gula darah di labratrium. Kemudian pasien menunggu hasil tes tersebut. Setelah pasien memperleh hasil tes gula darah, pasien kembali melakukan knsultasi ke puskesmas untuk diperiksa lebih lanjut Gambaran Sistem yang Diusulkan Gambaran umum sistem yang diusulkan dalam mendiagnsis penyakit diabetes melitus yaitu sebuah aplikasi diagnsis penyakit diabetes melitus menggunakan metde Fuzzy Multi Criteria Decisin Making (FMCDM). Dalam mendiagnsis penyakit diabetes melitus menggunakan aplikasi ini, langkah awal pasien tetap melakukan knsultasi ke puskesmas. Apabila hasil diagnsis dari puskesmas berptensi terkena penyakit diabetes melitus maka pasien melakukan tes gula darah ke labratrium agar hasil tes gula darah yang diperleh akurat, kemudian pasien datang dengan membawa hasil tes gula darah untuk selanjutnya user memasukkan data ke dalam aplikasi yang mencakup data diri pasien, hasil tes gula darah dan gejala yang diderita leh pasien. Selanjutnya, sistem akan memprses data yang telah di-input menggunakan metde fuzzy multi criteria decisin making, setelah data diprses maka sistem akan menampilkan hasil penglahan data dari pasien yang berupa jenis/tipe penyakit diabetes melitus yang diderita. 33

47 Flwchart Prses Metde Fuzzy Multi Criteria Decisin Making Flwchart metde Fuzzy Multi Criteria Decisin Making secara keseluruhan dapat dijelaskan seperti pada Gambar 4.1 Mulai Representasi Masalah valuasi himpunan fuzzy Mengevaluasi bbt pada setiap kriteria dan derajat kecckan dan alternatif terhadap kriteria Agregasi bbt k Y t = 1 k Q t = 1 k Z t = 1 k t=1 k t=1 k t=1 it a t P it b t q it c t Menyeleksi alternatif ptimal I T F = 1 2 αc + b + 1 α a Hasil diagnsis tertinggi Selesai Gambar 4.1 Flwchart Fuzzy MCDM

48 Pemecahan Masalah dengan Metde Fuzzy Multi Criteria Decisin Making Pada penelitian ini penulis menggunakan metde Fuzzy Multi Criteria Decisin Making (FMCDM) dalam mendiagnsis penyakit diabetes melitus. Metde ini memerlukan kriteria-kriteria dan bbt untuk melakukan perhitungannya sehingga akan didapat alternatif terbaik sebagai hasil utput sistem Representasi Masalah 1. Identifikasi tujuan dan kumpulan alternatif keputusan Mempresentasikan permasalahan dengan melakukan pengidentifikasi tujuan pencarian dalam mengetahui alternatif penyakit diabetes melitus. Terdapat 4 (empat) alternatif penyakit diabetes melitus. Dapat dilihat pada Tabel 4.1. Tabel 4.1 Alternatif penyakit diabetes melitus N. Alternatif Nama Penyakit 1 A1 Nrmal / tidak terdiagnsis berpenyakit diabetes melitus (DM) 2 A2 Pradiabetes 3 A3 Diabetes Melitus tipe 1 4 A4 Diabetes Melitus tipe 2 Sumber : dr. Tpan Binawan, SP.PD., M.Kes 2. Identifikasi kriteria Berdasarkan alternatif pada Tabel 4.1 memiliki beberapa kriteria yang dibutuhkan untuk menentukan jenis penyakit diabetes melitus yang diderita leh pasien penderita penyakit diabetes melitus. Adapun kriterianya dijelaskan pada Tabel 4.2 Tabel 4.2 Kriteria Variabel Kriteria Keterangan G1 Umur Data fuzzy G2 Indeks Masa Tubuh (IMT) Data fuzzy G3 Haus berlebih Data fuzzy

49 36 Tabel 4.2 Kriteria (lanjutan) Variabel Kriteria Keterangan G4 Lapar yang berlebih Data fuzzy G5 Sering berkemih terutama malam hari Data fuzzy G6 Berat badan menurun Data nn-fuzzy G7 Penglihatan kabur Data nn-fuzzy G8 Mudah infeksi pada kulit Data fuzzy G9 Nyeri atau baal Data fuzzy G10 Sering capek Data fuzzy G11 Mudah ngantuk Data fuzzy G12 Gula Darah Puasa (GDP) Data fuzzy G13 Gula darah 2 jam Pst Prandial (GDPP) Data fuzzy G14 Faktr turunan Data nn-fuzzy Berdasarkan dari 14 kriteria yang terdapat pada Tabel 4.2 terbagi menjadi 2 jenis data yaitu data fuzzy dan data nn-fuzzy. Adapaun data fuzzy yang terdapat pada Tabel 4.2 yaitu haus berlebih, umur, IMT (Indeks Masa Tubuh), lapar yang berlebih, sering berkemih terutama malam hari, berat badan menurun, mudah infeksi pada kulit, nyeri atau baal, sering capek, mudah ngantuk, Gula Darah Puasa (GDP), dan Gula Darah 2 jam Pst Prandial (GDPP). Disebut data fuzzy karena pada kriteria yang telah disebutkan sebelumnya memiliki variabel linguistik yang bernilai samar/kabur. Adapun data nn-fuzzy yaitu penglihatan kabur, faktr turunan, dan berat badan menurun. Disebut data nn-fuzzy karena pada kriteria yang telah disebutkan sebelumnya memiliki variabel linguistik yang bernilai benar atau salah. 3. Membangun struktur hirarki Dari alternatif dan kriteria di atas dapat dibangun struktur hirarki dari permasalahan tersebut. Struktur hirarki dari sistem yang dibangun dapat dilihat pada Lampiran 1.

50 valuasi Himpunan Fuzzy Dalam tahap evaluasi himpunan fuzzy ini, ada tiga sub tahapan, antara lain: 1. Memilih himpunan rating untuk bbt-bbt kriteria dan derajat kecckan setiap alternatif dengan kriterianya. Himpunan rating untuk bbt derajat kepentingan setiap alternatif dengan kriterianya akan dibagi sesuai dengan kriteria yang digunakan. Di mana G = {G1, G2, G3, G4, G5, G6, G7, G8, G9, G10, G11, G12, G13, G14}, G1 = Umur, G2 = Indeks Masa Tubuh (IMT), G3 = Haus berlebih, G4 = Mudah lapar, G5 = Sering berkemih, G6 = Berat badan menurun, G7 = Penglihatan kabur, G8 = Mudah infeksi, G9 = Mudah nyeri, G10 = Mudah lelah, G11 = Mudah ngantuk, G12 = Gula darah puasa (GDP), G13 = Gula darah 2 jam PP (Pst Prandial) (GDPP) dan G14 = Faktr turunan. Dan A = {A1, A2, A3, A4}, A1 = Nrmal / Tidak terdiagnsis berpenyakit DM, A2 = Pradiabetes, A3 = Diabetes melitus tipe 1 dan A4 = Diabetes melitus tipe 2. Dari masing-masing kriteria pada Tabel 4.2 tersebut akan ditentukan bbtbbtnya berdasarkan bilangan fuzzy segitiga. Dalam hal ini nilai yang diperleh dari fuzzy segitiga bukan hasil dari perhitungan derajat keanggtaan, tetapi nilai dari data fuzzy yang direpresentasikan ke dalam bbt nilai yang diperleh dari hasil wawancara kepada pakar. Fuzzy segitiga digunakan untuk memudahkan dalam merepresentasikan nilai titik rendah, tengah, dan tinggi pada data fuzzy. Adapun bbt-bbtnya dijelaskan pada Tabel 4.3 Tabel 4.3 Bbt kepentingan kriteria penyakit diabetes melitus Kriteria Haus berlebih Lapar yang berlebih Sering berkemih terutama pada malam hari Mudah infeksi pada kulit Variabel Linguistik Bbt Y Q Z Tidak 0 0,2 0,4 Jarang 0,3 0,5 0,7 Ya 0,6 0,8 1 1/2 Prsi 0 0 0,4 1 Prsi 0,2 0,4 0,6 > 1 Prsi 0,4 0,6 0,8 Nrmal 0 0,3 0,6 Sering 0,4 0,6 0,8 Sangat sering 0,7 1 1 Tidak 0 0,2 0,4 Jarang 0,3 0,5 0,7 Ya 0,6 0,8 1

51 38 Tabel 4.3 Bbt kepentingan kriteria penyakit diabetes melitus (lanjutan) Kriteria Mudah ngantuk Nyeri atau baal Sering capek Penglihatan kabur Indeks masa tubuh (IMT) Faktr turunan Berat badan menurun Gula darah puasa (GDP) Gula darah 2 jam Pst Prandial (GDPP) Umur Variabel Linguistik Bbt Y Q Z Tidak pernah 0 0 0,3 Jarang 0,2 0,5 0,7 Sering 0,5 0,7 1 Tidak pernah 0 0 0,3 Jarang 0,2 0,5 0,7 Sering 0,5 0,7 1 Tidak pernah 0 0 0,3 Jarang 0,2 0,5 0,7 Sering 0,5 0,7 1 Tidak 0 0 0,5 Ya 0 0,5 1 Kurus 0 0 0,2 Sedang 0 0,2 0,4 Gemuk 0,3 0,5 0,7 Obesitas 0,6 0,8 1 Ya 0 0,5 1 Tidak 0 0 0,5 Nrmal 0 0 0,5 Drastis 0 0,4 0,8 GDP 1 (GDP < 100) 0 0,2 0,4 GDP 2 (GDP 100 dan GDP 125) 0,2 0,4 0,6 GDP 3 (GDP > 125 dan GDP 200) 0,4 0,6 0,8 GDP 4 (GDP > 200) 0,6 0,8 1 GDPP 1 (GDPP < 140) 0 0,2 0,4 GDPP 2 (GDPP 140 dan GDPP 200) 0,2 0,4 0,6 GDPP 3 (GDPP > 200 dan GDPP 300) 0,4 0,6 0,8 GDPP 4 (GDPP > 300) 0,6 0,8 1 Usia 1 (0 18 tahun) 0,6 0,8 1 Usia 2 (17 30 tahun) 0,4 0,6 0,8 Usia 3 )25 40 tahun) 0 0,3 0,5 Usia 4 ( > 40 tahun) 0 0 0,4 Himpunan rating untuk derajat kecckan yang merepresentasikan bbt kepentingan untuk setiap kriteria sebagai berikut :

52 39 TB = Tidak Berpengaruh KB = Kurang Berpengaruh CB = Cukup Berpengaruh B = Berpengaruh SB = Sangat Berpengaruh Fungsi keanggtaan untuk setiap elemen direpresentasikan dengan menggunakan bilangan fuzzy segitiga. Untuk menentukan bbt nilai pada derajat kecckan yaitu sama halnya dengan menentukan bbt nilai pada derajat kepentingan hanya saja yang membedakan adalah variabel linguistik yang dimiliki leh derajat kecckan. Tabel 4.4 Merupakan tabel bbt derajat kecckan Tabel 4.4 Bbt derajat kecckan Variabel Linguistik Bbt Y Q Z Tidak Berpengaruh 0 0 0,2 Kurang Berpengaruh 0 0,2 0,4 Cukup Berpengaruh 0,3 0,5 0,7 Berpengaruh 0,6 0,8 1 Sangat Berpengaruh 0, Mengevaluasi bbt-bbt kriteria dan derajat kecckan setiap alternatif dengan kriterianya. Tabel 4.5 Derajat kecckan alternatif terhadap kriteria keputusan Alternatif G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G14 A1 CB B B B CB B CB CB CB B B A2 CB B CB B CB B CB CB CB B CB A3 CB CB CB CB CB CB B B CB CB SB A4 CB CB CB CB B B B B CB B CB

53 40 Tabel 4.6 Derajat kecckan untuk kriteria umur Kriteria G1 Kndisi Nrmal Pradiabetes Alternatif Diabetes Melitus I UMUR >= 15 & UMUR <= 24 SB KB SB KB UMUR >= 25 & UMUR <=34 SB CB CB CB UMUR >= 35 & UMUR <= 44 SB B B B UMUR >= 45 SB KB KB SB Diabetes Melitus II Tabel 4.7 Derajat kecckan untuk kriteria gula darah puasa Kriteria G12 Alternatif Kndisi Diabetes Diabetes Nrmal Pradiabetes Melitus I Melitus II GDP < 100 SB KB KB KB GDP >= 100 dan GDP TB <= 125 B B CB GDP > 125 dan GDP <= 200 TB B B SB GDP > 200 TB B B SB Tabel 4.8 Derajat kecckan untuk kriteria gula darah 2 jam PP Kriteria G13 Alternatif Kndisi Diabetes Diabetes Nrmal Pradiabetes Melitus I Melitus II GDPP < 140 SB KB KB KB GDPP >= 140 dan GDPP <= 200 TB B B CB GDPP > 200 dan GDPP <= 300 TB B B SB GDPP > 300 TB B B SB 3. Mengagregasikan bbt-bbt kriteria dan derajat kecckan setiap alternatif dengan kriterianya dengan menggunakan Persamaan 2.3, 2.4, dan Seleksi Alternatif Optimal Mempriritaskan alternatif keputusan berdasarkan hasil agregasi untuk prses perangkingan alternatif keputusan dengan menggunakan metde nilai ttal

54 41 integral pada Persamaan 2.6. Setelah diperleh hasil dari perhitungan pada Persamaan 2.6 maka dipilih alternatif keputusan dengan priritas tertinggi sebagai alternatif yang ptimal. 4.3 Ilustrasi Perhitungan Metde Fuzzy Multi Criteria Decisin Making Implementasi perhitungan Fuzzy Multi Criteria Decisin Making dalam sistem. Berikut adalah cnth dari perhitungan mdel Fuzzy Multi Criteria Decisin Making untuk aplikasi diagnsis penyakit diabetes melitus : 1. User memasukkan data pasien. Tabel 4.9 Tabel data pasien Infrmasi Data Pasien Keterangan Nama Waw Umur 38 Jenis kelamin Perempuan Tinggi badan 165 cm Berat badan 60 kg Gula Darah Puasa 319 mg/dl Gula Darah 2 Jam PP 405 mg/dl Riwayat keluarga berpenyakit DM Tidak ada Berkemih terutama pada malam hari Sering sekali Seberapa banyak anda mengksumsi nasi 1 Prsi Merasakan haus yang berlebih Ya Berat badan menurun Nrmal Penglihatan kabur Ya Mudah lelah Sering Luka lama sembuh Tidak Mudah ngantuk Sering Nyeri atau baal pada tangan atau kulit Tidak pernah Dari Tabel 4.9 menerangkan tentang data awal pasien yang bernama Waw. Berdasarkan data sampel pasien bernama Waw berumur 38 tahun dimana pada

55 42 Tabel 4.3 dijelaskan bahwa usia antara tahun dikategrikan sebagai usia 3. Gula darah puasa yang dimiliki leh sampel bernilai 319 mg/dl dimana pada Tabel 4.3 dijelaskan bahwa gula darah puasa diatas 200 dikategrikan sebagai GDP 4. GDP merupakan singkatan dari Gula Darah Puasa. Untuk gula darah 2 jam PP (Pst Prandial) bernilai 405 yang sebelumnya telah dijelaskan pada Tabel 4.3 bahwa untuk gula darah 2 jam PP yang bernilai diatas 300 mg/dl dikategrikan sebagai GDPP4. GDPP merupakan singkatan dari Gula Darah 2 jam PP. Dari data yang telah di-input leh user dibuatlah rating kepentingan pada Tabel Tabel 4.10 Rating kepentingan KRITRIA G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12 G13 G14 RATING KPNTINGAN Usia3 S Y 1 P SS N Y T TP S S GDP4 GDPP4 T Pada alternatif A1 Untuk menghitung nilai Y pada Persamaan 2.3. dengan memperhatikan bbt Y pada tabel bbt kriteria untuk G1 sampai G14 berdasarkan rating kepentingan yang dimiliki leh pasien dikalikan dengan bbt derajat kecckan untuk setiap kriteria pada setiap alternatif. Untuk lebih jelasnya dapat dilihat pada perhitungan dibawah ini : Y = (Usia 3 x SB) + (S x KB) + (Y x B) + (1P x B) + (SS x B) + (N x B) + (Y x B) + (T x B) + (TP x B) + (S x B) + (S x B) + (GDP4 x TB) + (GDPP4 x TB) + (T x KB) Dari data perhitungan Y setiap kategri disubtitusikan menggunakan bbt kriteria dan bbt derajat kecckan yang diperlah dari nilai fuzzy segitiga. Y = 0 0, ,3 + 0,6 0,6 + 0,2 0,6 + 0,7 0, , , , ,3 + 0,5 0,3 + 0,5 0,6 + 0, , ,6 = 0,096 dengan detail perhitungan sebagai berikut : Pada alternatif A1 : Y = 0 0, ,3 + 0,6 0,6 + 0,2 0,6 + 0,7 0, , , , ,3 + 0,5 0,3 + 0,5 0,6 + 0, , ,6 = 0,096

56 43 Q = 0, ,2 0,5 + 0,8 0,8 + 0,4 0, , ,5 + 0,5 0,8 + 0,2 0, ,5 + 0,7 0,5 + 0,7 0,8 + 0,8 0,2 + 0,8 0, ,8 = 0,278 Z = 0, ,4 0, , ,5 0, ,4 0,7 + 0,3 0, , , ,4 + 0,5 1 = 0,587 Pada alternatif A2 : Y = 0 0, ,3 + 0,6 0,6 + 0,2 0,6 + 0,7 0, , , , ,3 + 0,5 0,3 + 0,5 0,6 + 0,6 0,3 + 0,6 0, ,3 = 0,112 Q = 0,3 0,8 + 0,2 0,5 + 0,8 0,8 + 0,4 0, , ,5 + 0,5 0,8 + 0,2 0, ,5 + 0,7 0,5 + 0,7 0,8 + 0,8 0,5 + 0,8 0, ,5 = Z = 0, ,4 0, , ,5 0, ,4 0,7 + 0,3 0, , , ,7 + 0,5 0,7 = 0,619 Pada alternatif A3 : Y = 0 0, ,3 + 0,6 0,3 + 0,2 0,3 + 0,7 0, , , , ,6 + 0,5 0,3 + 0,5 0,3 + 0,6 0,9 + 0,6 0, ,9 = 0,131 Q = 0,3 0,8 + 0,2 0,5 + 0,8 0,5 + 0,4 0, , ,5 + 0,5 0,5 + 0,2 0, ,8 + 0,7 0,5 + 0,7 0,5 + 0, , = 0,296 Z = 0, ,4 0, ,7 + 0,6 0, ,7 + 0,5 0, ,7 + 0, , , , ,5 1 = 0,589 Pada alternatif A4 : Y = 0 0, ,3 + 0,6 0,3 + 0,2 0,3 + 0,7 0, , , , ,6 + 0,5 0,3 + 0,5 0,6 + 0,6 0,9 + 0,6 0, ,3 = 0,141

57 44 Q = 0,3 0,8 + 0,2 0,5 + 0,8 0,5 + 0,4 0, , ,8 + 0,5 0,8 + 0,2 0, ,8 + 0,7 0,5 + 0,7 0,8 + 0, , ,5 = 0,322 Z = 0, ,4 0, ,7 + 0,6 0, ,7 + 0, , , , ,5 0,7 = 0,632 Berdasarkan dari hasil perhitungan Y, Q, Z pada setiap alternatif didapatkan nilai indeks kecckan fuzzy untuk setiap alternatif. Dapat dilihat pada Tabel 4.11 Tabel 4.11 Rating kecckan setiap alternatif Rating Kecckan Indeks Kecckam Alter Fuzzy natif G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12 G13 G14 Y Q Z A 1 SB CB B B B CB B CB CB CB B KB KB B ,278 0,587 A 2 B CB B B B CB B CB CB CB B CB CB CB 0,112 0,308 0,619 A 3 B CB CB CB CB CB CB B B CB CB SB SB SB 0,131 0,296 0,589 A 4 B CB CB CB CB B B B B CB B SB SB CB 0,141 0,322 0, Seleksi alternatif ptimal (tahap utput) Dengan mensubtitusikan indeks kecckan fuzzy pada Tabel 4.11 ke persamaan 2.6 dengan mengambil derajat keptimasan α = 0 (tidak ptimis), α = 0,5 (ptimis), α = 1 (sangat ptimis), maka akan diperleh nilai ttal integral untuk setiap alternatif. Pada perhitungan seleksi alternatif ptimal pada alternatif A1 untuk menghitung nilai α = 0 pada Persamaan 2.6. Keterangan : a = hasil perhitungan Y b = hasil perhitungan Q c = hasil perhitungan Z maka nilai Y, Q, Z disubtitusikan ke nilai a, b, c yang terdapat pada Persamaan 2.6. Untuk lebih jelasnya dapat dilihan pada perhitungan di bawah ini : Untuk α = 0 Hasil subtitusi : I α T = 1 (αc + b + 1 α a ) 2 I 0 1 = 1 (αz + Q + 1 Y a ) 2

58 45 I 0 1 = 1 ( 0 0, , ) = 0,187 2 Dengan detail perhitungan sebagai berikut : Pada alternatif A1 : Untuk α = 0 I 0 1 = 1 ( 0 0, , ) = 0,187 2 Untuk α = 0,5 I 0,5 2 = 1 ( 0,5 0, , , ) = 0,31 2 Untuk α = 1 I 1 3 = 1 ( 1 0, , ) = 0,433 2 Pada alternatif A2 : Untuk α = 0 I 0 1 = 1 ( 0 0, , ,112 ) = 0,215 2 Untuk α = 0,5 I 0,5 2 = 1 ( 0,5 0, , ,5 0,112 ) = 0,339 2 Untuk α = 1 I 1 3 = 1 ( 1 0, , ,112 ) = 0,464 2 Pada alternatif A3 : Untuk α = 0 I 0 1 = 1 ( 0 0, , ,131 ) = 0,214 2 Untuk α = 0,5 I 0,5 2 = 1 ( 0,5 0, , ,5 0,131 ) = 0,328 2 Untuk α = 1 I 1 3 = 1 ( 1 0, , ,131 ) = 0,443 2

59 46 Pada alternatif A4 : Untuk α = 0 I 0 1 = 1 ( 0 0, , ,114 ) = 0,232 2 Untuk α = 0,5 I 0,5 2 = 1 ( 0,5 0, , ,5 0,114 ) = 0,354 2 Untuk α = 1 I 1 3 = 1 ( 1 0, , ,114 ) = 0,477 2 Tabel 4.12 Nilai ttal perhitungan setiap alternatif Alternatif Nama penyakit Nilai Ttal Integral α = 0 α = 0,5 α = 1 Jumlah A1 Nrmal/tidak terdiagnsis berpenyakit DM 0,187 0,31 0,433 0,929 A2 Pradiabetes 0,215 0,339 0,464 1,018 A3 Diabetes melitus tipe 1 0,214 0,328 0,443 0,985 A4 Diabetes melitus tipe 2 0,232 0,354 0,477 1,063 Dari perhitungan data sampel menggunakan metde fuzzy multi criteria decisin making diperleh hasil nilai perhitungan alternatif dengan priritas tertinggi sebagai alternatif yang ptimal yaitu alternatif A4, sehingga penyakit diabetes melitus tipe 2 terpilih sebagai penyakit ptimal untuk diagnsis penyakit diabetes melitus pada pasien Waw. 4.4 UML (Unified Mdeling Language) Diagram use case Pada diagram use case, user dapat mengakses menu diagnsis, meng-input data diri dan gejala pasien, melihat hasil diagnsis, mencetak hasil diagnsis, mengakses menu rekam medik, mencetak data rekam medik. Gambar diagram use case dapat dilihat pada Gambar 4.2

60 Activity Diagram Pada diagram activity menu aplikasi diagnsis penyakit diabetes melitus, user mengakses aplikasi, sistem menampilkan frm utama, lalu user memilih menu diagnsis, kemudian user meng-input data diri pasien serta gejala yang diderita leh pasien setelah itu user menekan tmbl prses untuk selanjutnya sistem akan memprses berdasarkan metde Fuzzy MCDM, jika berhasil maka sistem menampilkan hasil keputusan. Gambar diagram activity untuk aplikasi diagnsis penyakit diabetes melitus dapat dilihat pada Gambar 4.3. Mengakses menu diagnsis User Meng-input data diri dan gejala pasien Melihat hasil diagnsis Mencetak hasil diagnsis Mengakses menu rekam medik Mencetak data rekam medik Gambar 4.2 Diagram Use case user

61 48 Gambar 4.3 Activity diagram diagnsis penyakit diabetes melitus Sequence Diagram Pada diagram sequence menu aplikasi diagnsis penyakit diabetes melitus, user mengakses aplikasi, sistem menampilkan frm utama, lalu user memilih menu diagnsis, kemudian user meng-input data diri pasien serta gejala yang diderita leh pasien setelah itu user menekan tmbl prses untuk selanjutnya sistem akan memprses berdasarkan metde Fuzzy MCDM, jika berhasil maka sistem menampilkan hasil keputusan. Gambar diagram sequence untuk diagnsis penyakit diabetes mellitus dapat dilihat pada Gambar 4.4.

62 49 Gambar 4.4 Sequence diagram diagnsis penyakit diabetes melitus 4.5 RD (ntity Relatinship Diagram) Sistem ntity Relatinship Diagram adalah suatu mdel untuk menjelaskan hubungan antar data dalam basis data berdasarkan bjek-bjek dasar data yang mempunyai hubungan antar relasi. Gambar RD aplikasi diagnsis penyakit diabetes mellitus dapat dilihat pada Gambar 4.5.

63 50 Gambar 4.5 ntity relatinship diagram sistem Gambar 4.5 entitas pasien merupakan entitas inti pada pembuatan database aplikasi ini. Dimana entitas pasien memiliki relasi dengan entitas hasil_fmcdm yang berhubungan untuk menampilkan hasil perhitungan fuzzy multi criteria decisin making dan entitas pasien memliki relasi dengan entitas hasil yang berhubungan untuk menampilkan gejala dan hasil diagnsis. Pada entitas gejala berelasi dengan entitas hasil yang berhubungan untuk menampilkan gejala pada diabetes melitus. 4.6 Perancangan Basis Data Aplikasi ini menggunakan MySQL dalam perancangan basis datanya yang diberi nama app.

64 51 1. Tabel Pasien Tabel ini berisi data pasien yang diinput leh pegawai kesehatan rumah sakit (user). Struktur tabel dapat dilihat pada Tabel Tabel 4.13 Struktur Tabel Pasien Field Name Data Type Keterangan id_pasien integer Primary Key nama Varchar - umur integer - jk Varchar - tb duble - bb duble - imt duble - gd_puasa integer - gd_2jmstlhmkn integer - gen Varchar - tanggall Varchar - jam Varchar - 2. Tabel Hasil Tabel ini berisi hasil dari jawaban setiap gejala yang ditanyakan serta berisi hasil diagnsis pasien. Struktur tabel dapat dilihat pada Tabel Tabel 4.14 Struktur Tabel Hasil Field Name Data Type Keterangan id_hasil integer Primary Key id_pasien integer - id_gejala integer - g3 Varchar - g4 Varchar - g5 Varchar - g6 Varchar - -

65 52 Tabel 4.14 Struktus Tabel Hasil (lanjutan) Field Name Data Type Keterangan g7 Varchar - g8 Varchar - g9 Varchar - g10 Varchar - g11 Varchar - hasildiag Varchar - 3. Tabel Hasil FMCDM Tabel ini berisi hasil perhitungan metde fuzzy multi criteria decisin making. Struktur tabel dapat dilihat pada Tabel Tabel 4.15 Struktur Tabel Hasil FMCDM Field Name Data Type Keterangan idhasil_fmcdm integer Primary Key id_pasien integer - a1v1 duble - a1v2 duble - a1v3 duble - a2v1 duble - a2v2 duble - a2v3 duble - a3v1 duble - a3v2 duble - a3v3 duble - a4v1 duble - a4v2 duble - a4v3 duble -

66 53 4. Tabel Gejala Tabel ini berisi data gejala penyakit diabetes melitus. Struktur tabel dapat dilihat pada Tabel Tabel 4.16 Struktur Tabel Gejala Field Name Data Type Keterangan id_gejala integer Primary Key g1 Varchar - g2 Varchar - g3 Varchar - g4 Varchar - g5 Varchar - g6 Varchar - g7 Varchar - g8 Varchar - g9 Varchar -

67 BAB V IMPLMNTASI DAN PNGUJIAN SISTM 5.1 Kebutuhan Sistem Tahap implementasi sistem merupakan prses pengubahan sistem yang telah dirancang pada bab sebelumnya menjadi sistem yang dapat dijalankan. Dalam mendiagnsis penyakit diabetes melitus ini diperlukan perangkat lunak (sftware) dan perangkat keras (hardware) dalam pembuatannya agar sistem dapat berjalan sesuai dengan yang diharapkan. Adapun kebutuhan-kebutuhan yang digunakan dalam perancangan aplikasi baik dari kebutuhan perangkat keras maupun kebutuhan perangkat lunak adalah sebagai berikut. 1. Perangkat lunak a. Sistem Operasi yang digunakan adalah Windws 7. b. Database Management System yang digunakan adalah MySQL (XAMPP v3.2.2). c. Prgram aplikasi yang digunakan adalah NetBeans ID dan ireprt d. Penghubung antara database dan NetBeans yang digunakan adalah MySQL Cnnectr/ODBC Perangkat keras a. Laptp ASUS dengan spesifikasi prcessr Intel Atm. b. RAM 2 GB c. Hardisk 500 GB 5.2 Implementasi Antarmuka Aplikasi Diagnsis Penyakit Diabetes melitus Setelah memenuhi kebutuhan sistem, prses selanjutnya adalah menjelaskan fungsi setiap frm yang ada di dalam aplikasi diagnsis penyakit diabetes melitus menggunakan metde Fuzzy Multi Criteria Decisin Making. 54

68 Frm Menu Utama Frm menu utama merupakan tampilan antar muka yang muncul ketika aplikasi dijalankan pertama kali. Pada frm utama ini terdapat 3 menu yaitu diagnsis, rekam medik, dan menu exit. Gambar 5.1 Merupakan gambar tampilan frm Utama pada aplikasi diagnsis penyakit diabetes melitus. Gambar 5.1 Tampilan frm utama Frm Diagnsis Frm diagnsis merupakan tampilan antar muka yang muncul ketika memilih menu diagnsis. Pada Frm diagnsis user meng-input data diri dan gejala pasien. Gambar 5.2 Merupakan gambar tampilan frm Diagnsis pada aplikasi diagnsis penyakit diabetes melitus.

69 56 Gambar 5.2 Tampilan frm diagnsis Pada frm diagnsis user akan meng-input data diri pasien serta memilih gejala yang terdapat disebelah kanan pengisian data diri pasien. Setelah data diri dan gejala di-input maka user akan memilih tmbl prses. Tmbl prses berguna untuk memprses data yang telah di-input. Apabila user memilih tmbl prses maka akan muncul tampilan infrmasi bahwa data telah berhasil disimpan ke dalam database sistem. Gambar 5.3 Merupakan gambar tampilan infrmasi data berhasil disimpan. Gambar 5.3 Tampilan infrmasi data berhasil disimpan

70 Frm Hasil Diagnsis Frm hasil diagnsis merupakan tampilan antar muka yang tampil ketika tmbl prses pada frm diagnsis dipilih. Pada frm hasil diagnsis sistem menampilkan data diri pasien, gejala yang diderita, hasil perhitungan metde fuzzy multi criteria decisin making dan jenis penyakit diabetes melitus yang terdiagnsis. Gambar 5.4 Merupakan gambar tampilan frm Hasil Diagnsis pada aplikasi diagnsis penyakit diabetes melitus. Gambar 5.4 Tampilan frm hasil diagnsis Pada frm hasil diagnsis tersedia tmbl print. Tmbl print berfungsi untuk mencetak data hasil diagnsis yang terdiri dari : id pasien, nama, umur, jenis kelamin, tinggi badan, berat badan, IMT, riwayat keluarga penderita diabetes melitus, gula darah puasa, gula darah puasa, gula darah 2 jam PP, dan hasil diagnsis. Gambar 5.5 Merupakan gambar tampilan print Hasil Diagnsis.

71 58 Gambar 5.5 Tampilan print hasil diagnsis Frm Rekam Medik Frm rekam medik merupakan tampilan antar muka yang muncul ketika memilih menu rekam medik. Pada frm rekam medik user dapat melihat data pasien penderita diabetes melitus yang pernah didiagnsis menggunakan aplikasi diagnsis penyakit diabetes melitus. Pada frm rekam medik user dapat menampilkan data penderita diabetes melitus berdasarkan jenis diabetes melitus yang terdiagnsis. Gambar 5.6 Merupakan gambar tampilan frm Rekam Medik pada aplikasi diagnsis penyakit diabetes melitus.

72 59 Gambar 5.6 Tampilan frm rekam medik Pada frm rekam medik tersedia tmbl print. Tmbl print berfungsi untuk mencetak data rekam medik berdasarkan hasil diagnsis. Pada tmbl print user dapat mencetak data berdasarkan data jenis penyakit diabetes melitus yang diderita leh pasien. Gambar 5.7 merupakan gambar tampilan print data Rekam Medik. Gambar 5.7 Tampilan print data rekam medik

APLIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING

APLIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING semantik, Vol.2, No.1, Jan-Jun 2016, pp. 177-186 ISSN : 2502-8928 (Online) 177 APLIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING Indah Lestari Sumitro

Lebih terperinci

PENDAHULUAN. Data dan Informasi. Sistem Informasi. Komponen sistem informasi. Basis data

PENDAHULUAN. Data dan Informasi. Sistem Informasi. Komponen sistem informasi. Basis data UNIVERSITAS UNIVERSAL BATAM 2016 PENDAHULUAN Data dan Infrmasi Data merupakan nilai (value) yang turut merepresentasikan deskripsi dari suatu bjek atau kejadian (event) Infrmasi merupakan hasil dari penglahan

Lebih terperinci

Teknik Informatika S1

Teknik Informatika S1 Teknik Infrmatika S1 Object Oriented Analysis and Design Pendahuluan Disusun Oleh: Egia Rsi Subhiyakt, M.Km, M.CS Teknik Infrmatika UDINUS egia@dsn.dinus.ac.id +6285740278021 AGENDA PERKULIAHAN Kntrak

Lebih terperinci

BAB III TEORI PENUNJANG

BAB III TEORI PENUNJANG 8 BAB III TEORI PENUNJANG 3.1 Bimbingan dan Penyuluhan Prayitn dan Erman Amti (2004:99) mengemukakan bahwa bimbingan adalah prses pemberian bantuan yang dilakukan leh rang yang ahli kepada serang atau

Lebih terperinci

BAB III METODE PENELITIAN. terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar

BAB III METODE PENELITIAN. terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar BAB III METODE PENELITIAN Bab III berisi tentang metode penelitian. Metode penelitian yang digunakan terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar aplikasi. A. Teknik

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Prttype Menurut Rger S. Pressman (2002) pendekatan prttipe atau prttyping paradigma sangat cck digunakan untuk sistem atau perangkat lunak yang dibangun mengikuti kebutuhan pengguna,

Lebih terperinci

JURNAL SISTEM PENGAMBILAN KEPUTUSAN PEMILIHAN SEPATU DENGAN METODE PROMETHEE DI TOKO SEPATU STARS

JURNAL SISTEM PENGAMBILAN KEPUTUSAN PEMILIHAN SEPATU DENGAN METODE PROMETHEE DI TOKO SEPATU STARS JURNAL SISTEM PENGAMBILAN KEPUTUSAN PEMILIHAN SEPATU DENGAN METODE PROMETHEE DI TOKO SEPATU STARS DECISION SUPPORT SYSTEM OF SHOES SELECTION WITH PROMETHEE METHOD OF STARS SHOES STORE Oleh: PRASETYO AJI

Lebih terperinci

Software Requirement (Persyaratan PL)

Software Requirement (Persyaratan PL) Sftware Requirement ( PL) Arna Fariza 1 Rekayasa Perangkat Lunak Tujuan Memperkenalkan knsep persyaratan user dan sistem Menjelaskan persyaratan fungsinal dan nnfungsinal Menjelaskan bagaimana persyaratan

Lebih terperinci

APLIKASI DIAGNOSA PENYAKIT DIABETES PADA HANDPHONE MENGGUNAKAN OS SYMBIAN DENGAN J2ME TUGAS AKHIR

APLIKASI DIAGNOSA PENYAKIT DIABETES PADA HANDPHONE MENGGUNAKAN OS SYMBIAN DENGAN J2ME TUGAS AKHIR APLIKASI DIAGNOSA PENYAKIT DIABETES PADA HANDPHONE MENGGUNAKAN OS SYMBIAN DENGAN J2ME TUGAS AKHIR Diajukan Untuk Memenuhi Sebagai Persyaratan Dalam memperoleh Gelar Sarjana Komputer Program Studi Teknik

Lebih terperinci

BAB I PENDAHULUAN. dalam suatu perusahaan, karena persediaan akan dijual secara terus menerus untuk

BAB I PENDAHULUAN. dalam suatu perusahaan, karena persediaan akan dijual secara terus menerus untuk BAB I PENDAHULUAN I.1. Latar Belakang Persediaan Barang merupakan komponen utama yang sangat penting dalam suatu perusahaan, karena persediaan akan dijual secara terus menerus untuk kelangsungan hidup

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System)

BAB 2 LANDASAN TEORI. 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System) BAB 2 LANDASAN TEORI 2.1 Defenisi Sistem Pendukung Keputusan (Decision Support System) Pada dasarnya Sistem Pendukung Keputusan ini merupakan pengembangan lebih lanjut dari sistem informasi manajemen terkomputerisasi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Sistem pendukung keputusan (SPK) Konsep sistem pendukung keputusan atau decision support system (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton

Lebih terperinci

SISTEM INFORMASI PENGOLAHAN BANK SAMPAH MALANG

SISTEM INFORMASI PENGOLAHAN BANK SAMPAH MALANG SISTEM INFORMASI PENGOLAHAN BANK SAMPAH MALANG Haryati Wattimena Danang Aditya Nugraha 1 Manajemen Infrmatika,Universitas Kanjuruhan Malang, haryati.watimena@gmail.cm 2 Teknik Infrmatika, Universitas Kanjuruhan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI D3 KOMPUTERISASI AKUNTANSI FAKULTAS ILMU TERAPAN TELKOM UNIVERSITY

RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI D3 KOMPUTERISASI AKUNTANSI FAKULTAS ILMU TERAPAN TELKOM UNIVERSITY RENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI D3 KOMPUTERISASI AKUNTANSI FAKULTAS ILMU TERAPAN TELKOM UNIVERSITY MATA KULIAH KODE RUMPUN MK BOBOT (SKS) SEMESTER DIREVISI P = 1 Analisis dan Perancangan Sistem

Lebih terperinci

BAB IV DESKRIPSI KERJA PRAKTIK. tersebut, diperlukan langkah-langkah sebagai berikut. di harapkan akan dapat menyelesaikan permasalahan yang ada.

BAB IV DESKRIPSI KERJA PRAKTIK. tersebut, diperlukan langkah-langkah sebagai berikut. di harapkan akan dapat menyelesaikan permasalahan yang ada. BAB IV DESKRIPSI KERJA PRAKTIK 4.1 Prsedur Kerja Berdasarkan hasil pengamatan dan survey yang dilakukan pada saat kerja praktik di PT. Karana Line, terdapat permasalahan tentang prses penggajian yang menggunakan

Lebih terperinci

E-journal Teknik Informatika, Volume 5, No. 1 (2015), ISSN :

E-journal Teknik Informatika, Volume 5, No. 1 (2015), ISSN : E-jurnal Teknik Infrmatika, Vlume 5, N. 1 (2015), ISSN : 2301-8364 1 SISTEM PENDUKUNG KEPUTUSAN PENERIMA BEASISWA DENGAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION DI UNIVERSITAS

Lebih terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

FUZZY MULTI-CRITERIA DECISION MAKING Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas

Lebih terperinci

BAB IV DESKRIPSI KERJA PRAKTEK. agar pekerjaan jauh lebih efisien serta meminimalisir terjadinya human eror. Untuk

BAB IV DESKRIPSI KERJA PRAKTEK. agar pekerjaan jauh lebih efisien serta meminimalisir terjadinya human eror. Untuk BAB IV DESKRIPSI KERJA PRAKTEK Berdasarkan hasil analisis sistem yang sedang berjalan pada CV. Sinergi Design, prses perhitungan gaji masih menggunakan rumus sendiri sehingga dalam prses pembuatan lapran

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini terlebih dahulu akan dibahas tentang identifikasi permasalahan, analisis permasalahan, slusi permasalahan dan perancangan sistem dalam rancang bangun

Lebih terperinci

BAB 1 PENDAHULUAN. Setiap usaha yang didirikan dengan orientasi laba (keuntungan) mempunyai

BAB 1 PENDAHULUAN. Setiap usaha yang didirikan dengan orientasi laba (keuntungan) mempunyai BAB 1 PENDAHULUAN 1.1 Latar Belakang. Setiap usaha yang didirikan dengan rientasi laba (keuntungan) mempunyai tujuan untuk mencapai laba (keuntungan) yang ptimal, sehingga kelangsungan hidup badan usaha

Lebih terperinci

BAB 1 Pengenalan Pemrograman Komputer

BAB 1 Pengenalan Pemrograman Komputer BAB 1 Pengenalan Pemrgraman Kmputer 1.1 Tujuan Bagian ini akan membahas dasar dasar kmpnen dari kmputer meliputi hardware (perangkat keras) dan sftware (perangkat lunak). Kami juga akan menyertakan gambaran

Lebih terperinci

DATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM

DATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM DATA & INFORMASI DALAM SISTEM INFORMASI BISNIS ASIH ROHMANI,M.KOM PENGERTIAN DATA Data adalah kenyataan yang menggambarkan suatu kejadian-kejadian dan kesatuan nyata. PENGERTIAN DATA Data adalah deskripsi

Lebih terperinci

BAB IV DESKRIPSI KERJA PRAKTIK. sistem yang ada saat ini pada CV. Rahayu Sentosa. Hasil yang ditemukan dalam

BAB IV DESKRIPSI KERJA PRAKTIK. sistem yang ada saat ini pada CV. Rahayu Sentosa. Hasil yang ditemukan dalam BAB IV DESKRIPSI KERJA PRAKTIK 1.1 Analisis Sistem Dalam pengembangan teknlgi dibutuhkan analisis dan perancangan sistem yang ada saat ini pada CV. Rahayu Sentsa. Hasil yang ditemukan dalam analisa sistem

Lebih terperinci

BAB 1 PENDAHULUAN. masyarakat dengan Kuliah Kerja Nyata (KKN) merupakan suatu bentuk kegiatan

BAB 1 PENDAHULUAN. masyarakat dengan Kuliah Kerja Nyata (KKN) merupakan suatu bentuk kegiatan BAB 1 PENDAHULUAN 1.1 Latar Belakang Kuliah Pengabdian Masyarakat (KPM) atau yang biasa dikenal masyarakat dengan Kuliah Kerja Nyata (KKN) merupakan suatu bentuk kegiatan pengabdian kepada masyarakat oleh

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Pengenalan Algoritma dan Pemrograman

BAB I PENDAHULUAN. 1.1 Pengenalan Algoritma dan Pemrograman BAB I PENDAHULUAN 1.1 Pengenalan Algritma dan Pemrgraman A. Tujuan Pembelajaran Mahasiswa mengenal definisi algritma dan pemrgraman Mahasiswa mengenal knsep dasar pemetaan algritma ke dalam bahasa algritmik.

Lebih terperinci

BAB III ANALISIS_DAN_PERANCANGAN_APLIKASI. kontrak kru yaitu menggunakan metode System Development Lyfe Cycle (SDLC)

BAB III ANALISIS_DAN_PERANCANGAN_APLIKASI. kontrak kru yaitu menggunakan metode System Development Lyfe Cycle (SDLC) BAB III ANALISIS_DAN_PERANCANGAN_APLIKASI 3.1 Analisis Metde yang digunakan dalam pembutan Aplikasi pengendalian dkumen kntrak kru yaitu menggunakan metde System Develpment Lyfe Cycle (SDLC) mdel waterfall

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. menggunakan model waterfall. Pada model waterfall terdapat tahapan analisis

BAB III ANALISIS DAN PERANCANGAN SISTEM. menggunakan model waterfall. Pada model waterfall terdapat tahapan analisis BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Pada tahapan ini dilakukan beberapa prses yang berhubungan dengan tahapan awal metde penelitian. Pada metde penelitian yang diambil menggunakan

Lebih terperinci

JURNAL EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING FUZZY BEST MULTI CRITERIA DECISION MAKING (FMCDM) CASE STUDY CUSTOM CAPS KEDIRI

JURNAL EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING FUZZY BEST MULTI CRITERIA DECISION MAKING (FMCDM) CASE STUDY CUSTOM CAPS KEDIRI JURNAL SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KARYAWAN TERBAIK MENGGUNAKAN METODE FUZZY MULTY CRITERIA DECISION MAKING (FMCDM) STUDI KASUS TOPI CUSTOM KEDIRI EMPLOYEE ASSESSMENT DECISION SUPPORT SYSTEM USING

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. Berdasarkan System Development Life Cycle (SDLC) metode waterfall yang

BAB III ANALISIS DAN PERANCANGAN SISTEM. Berdasarkan System Development Life Cycle (SDLC) metode waterfall yang BAB III ANALISIS DAN PERANCANGAN SISTEM Berdasarkan System Develpment Life Cycle (SDLC) metde waterfall yang digunakan dalam pembuatan aplikasi penentuan harga jual, terdapat beberapa tahapan yang terdiri

Lebih terperinci

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN Pada bab ini akan menjelaskan mengenai dasar awal pada pembuatan laporan tugas akhir. Dasar awal tersebut terdiri dari latar belakang masalah, rumusan masalah, maksud dan tujuan dilakukan

Lebih terperinci

PERANCANGAN SISTEM INFORMASI DATA PASIEN BIDAN BERBASIS OPEN SOURCE MENGGUNAKAN ALGORITMA AJAX LIVE SEARCH

PERANCANGAN SISTEM INFORMASI DATA PASIEN BIDAN BERBASIS OPEN SOURCE MENGGUNAKAN ALGORITMA AJAX LIVE SEARCH PERANCANGAN SISTEM INFORMASI DATA PASIEN BIDAN BERBASIS OPEN SOURCE MENGGUNAKAN ALGORITMA AJAX LIVE SEARCH Ikhsan Mirza Harwanto 41513110032 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNVERSITAS

Lebih terperinci

BAB IV DESKRIPSI KERJA PRAKTEK. Berdasarkan hasil wawancara dengan pihak CV. Bintang Anggara Jaya

BAB IV DESKRIPSI KERJA PRAKTEK. Berdasarkan hasil wawancara dengan pihak CV. Bintang Anggara Jaya BAB IV DESKRIPSI KERJA PRAKTEK 4.1 Identifikasi Masalah Berdasarkan hasil wawancara dengan pihak CV. Bintang Anggara Jaya pada saat kerja praktek, maka dapat diketahui aplikasi pendukung yang dapat mengatasi

Lebih terperinci

SISTEM PAKAR MENDIAGNOSA PENYAKIT GINJAL MENGGUNAKAN METODE ALGORITMA FUZZY LOGIC SKRIPSI

SISTEM PAKAR MENDIAGNOSA PENYAKIT GINJAL MENGGUNAKAN METODE ALGORITMA FUZZY LOGIC SKRIPSI SISTEM PAKAR MENDIAGNOSA PENYAKIT GINJAL MENGGUNAKAN METODE ALGORITMA FUZZY LOGIC SKRIPSI Oleh : Ennanda Putrie A.S 0734010385 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS PEMBANGUNAN

Lebih terperinci

BAB I PENDAHULUAN. hal proses pengolahan data, baik itu data siswa, guru, administrasi sekolah maupun data

BAB I PENDAHULUAN. hal proses pengolahan data, baik itu data siswa, guru, administrasi sekolah maupun data BAB I PENDAHULUAN 1.1. Latar Belakang Dalam dunia pendidikan, teknologi informasi sangat banyak membantu seperti dalam hal proses pengolahan data, baik itu data siswa, guru, administrasi sekolah maupun

Lebih terperinci

BAB I PENDAHULUAN. PLN, di ganti menjadi kwh meter digital yang dapat memberikan nilai lebih

BAB I PENDAHULUAN. PLN, di ganti menjadi kwh meter digital yang dapat memberikan nilai lebih BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknlgi selalu berkembang setiap saat, ada saja yang dilakukan manusia untuk memberikan kemudahan pada kehidupan sehari-hari. Salah satu cnth kemudahan

Lebih terperinci

APLIKASI UJIAN ONLINE DENGAN JAWABAN ESSAY BERBASIS WEB DENGAN PHP DAN MYSQL NOVITA INDHIT EKASARI

APLIKASI UJIAN ONLINE DENGAN JAWABAN ESSAY BERBASIS WEB DENGAN PHP DAN MYSQL NOVITA INDHIT EKASARI APLIKASI UJIAN ONLINE DENGAN JAWABAN ESSAY BERBASIS WEB DENGAN PHP DAN MYSQL NOVITA INDHIT EKASARI 41511010032 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2015

Lebih terperinci

[Summary] Sistem Informasi Perusahaan Chapter 1 & 2

[Summary] Sistem Informasi Perusahaan Chapter 1 & 2 [Summary] Sistem Infrmasi Perusahaan Chapter 1 & 2 CHAPTER 1 PENGANTAR Integrated enterprise infrmatin system: Enterprise (perusahaan): rganisasi yang didirikan untuk mencapai suatu tujuan tertentu dengan

Lebih terperinci

A. IDENTITAS B. DESKRIPSI MATAKULIAH C. TUJUAN MATAKULIAH

A. IDENTITAS B. DESKRIPSI MATAKULIAH C. TUJUAN MATAKULIAH A. IDENTITAS Nama Mata Kuliah : Sistem Infrmasi Akuntansi Kde Mata Kuliah : AKT 207 Tipe : Mata Kuliah Keahlian Berkarya (MKB) Bbt SKS : 3 SKS / 3 JP Prasyarat : Aplikasi Kmputer Pengantar B. DESKRIPSI

Lebih terperinci

BAB III ANALISA DAN PERANCANGAN SISTEM. Identifikasi permasalahan merupakan langkah awal yang harus dilakukan

BAB III ANALISA DAN PERANCANGAN SISTEM. Identifikasi permasalahan merupakan langkah awal yang harus dilakukan BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 Identifikasi Permasalahan Identifikasi permasalahan merupakan langkah awal yang harus dilakukan dalam membuat suatu sistem yang baru. Langkah awal yang dilakukan

Lebih terperinci

BAB IV DESKRIPSI PEKERJAAN

BAB IV DESKRIPSI PEKERJAAN BAB IV DESKRIPSI PEKERJAAN 4.1. Analisis Kebutuhan Aplikasi Analisis kebutuhan sistem adalah tahap awal dalam membuat aplikasi baru. Langkah awalnya dengan melakukan wawancara dan pengamatan. Wawancara

Lebih terperinci

APLIKASI SISTEM PAKAR FUZZY SUGENO UNTUK REKOMENDASI PENGOBATAN DIABETES MELLITUS TIPE 2 TUGAS AKHIR

APLIKASI SISTEM PAKAR FUZZY SUGENO UNTUK REKOMENDASI PENGOBATAN DIABETES MELLITUS TIPE 2 TUGAS AKHIR APLIKASI SISTEM PAKAR FUZZY SUGENO UNTUK REKOMENDASI PENGOBATAN DIABETES MELLITUS TIPE 2 TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelas Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang

Lebih terperinci

DESAI EVALU IMPLEM BAB I PENDAHULUAN

DESAI EVALU IMPLEM BAB I PENDAHULUAN BAB I PENDAHULUAN Pertemuan ke : 1 Alkasi waktu : 0,5 Jam Kmpetensi dasar : 1. Mahasiswa mampu memahami pentingnya mempelajari perancangan antarmuka pengguna. Indikatr : 1. Menuliskan dan menjelaskan knsep

Lebih terperinci

Desain Software. Arna Fariza PENS. Rekayasa Perangkat Lunak. Materi. Apakah desain software itu? Apakah modularisasi itu? Model

Desain Software. Arna Fariza PENS. Rekayasa Perangkat Lunak. Materi. Apakah desain software itu? Apakah modularisasi itu? Model Desain Sftware Arna Fariza PENS 1 Materi Apakah desain sftware itu? Apakah mdularisasi itu? Mdel 2 Apakah Desain Sftware itu? Desain adalah prses mengubah persyaratan sistem ke dalam prduk yang lengkap

Lebih terperinci

IMPLEMENTASI METODE FUZZY SUGENO SEBAGAI PENENTU STATUS GIZI DAN SOLUSI REKOMENDASI NUTRISI BAGI PENDERITA DIABETES BERBASIS ANDROID MOBILE

IMPLEMENTASI METODE FUZZY SUGENO SEBAGAI PENENTU STATUS GIZI DAN SOLUSI REKOMENDASI NUTRISI BAGI PENDERITA DIABETES BERBASIS ANDROID MOBILE IMPLEMENTASI METODE FUZZY SUGENO SEBAGAI PENENTU STATUS GIZI DAN SOLUSI REKOMENDASI NUTRISI BAGI PENDERITA DIABETES BERBASIS ANDROID MOBILE TUGAS AKHIR Sebagai Persyaratan Guna Meraih Sarjana Strata 1

Lebih terperinci

PERANCANGAN SISTEM INFORMASI BERBASIS WEB UNTUK MENGETAHUI PRODUKSI PERIKANAN BERDASARKAN WILAYAH PENGELOLAAN PERIKANAN (WPP) MELALUI PETA

PERANCANGAN SISTEM INFORMASI BERBASIS WEB UNTUK MENGETAHUI PRODUKSI PERIKANAN BERDASARKAN WILAYAH PENGELOLAAN PERIKANAN (WPP) MELALUI PETA PERANCANGAN SISTEM INFORMASI BERBASIS WEB UNTUK MENGETAHUI PRODUKSI PERIKANAN BERDASARKAN WILAYAH PENGELOLAAN PERIKANAN (WPP) MELALUI PETA AYU ARSANTI SUKMAFITRI 41810120045 PROGRAM STUDI SISTEM INFORMASI

Lebih terperinci

SISTEM MONITORING PENGANTARAN OBAT PADA PT. XYZ DENGAN PEMROGRAMAN JAVA ANDROID DAN WEB

SISTEM MONITORING PENGANTARAN OBAT PADA PT. XYZ DENGAN PEMROGRAMAN JAVA ANDROID DAN WEB SISTEM MONITORING PENGANTARAN OBAT PADA PT. XYZ DENGAN PEMROGRAMAN JAVA ANDROID DAN WEB Rivan Junizar 41513120145 FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA 2015 SISTEM MONITORING PENGANTARAN OBAT

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN DALAM PENENTUAN CALON PENERIMA BANTUAN ORANG TUA ASUH DI SMA 1 BAE KUDUS

SISTEM PENDUKUNG KEPUTUSAN DALAM PENENTUAN CALON PENERIMA BANTUAN ORANG TUA ASUH DI SMA 1 BAE KUDUS LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN DALAM PENENTUAN CALON PENERIMA BANTUAN ORANG TUA ASUH DI SMA 1 BAE KUDUS Laporan ini disusun guna memenuhi salah satu syarat untuk menyelesaikan program studi

Lebih terperinci

Sistem Pakar Untuk Mendiagnosa Penyakit Kulit pada Anak Menggunakan Metode Teorema Bayes Berbasis Web

Sistem Pakar Untuk Mendiagnosa Penyakit Kulit pada Anak Menggunakan Metode Teorema Bayes Berbasis Web LAPORAN SKRIPSI Sistem Pakar Untuk Mendiagnosa Penyakit Kulit pada Anak Menggunakan Metode Teorema Bayes Berbasis Web Disusun Oleh : Nama : Ratih Dwi Ariyani NIM : 2009-53-129 Program Studi : Sistem Informasi

Lebih terperinci

Proses Software. Tujuan

Proses Software. Tujuan Prses Sftware Arna Fariza PENS-ITS 1 Tujuan Memperkenalkan mdel prses sftware Menggambarkan beberapa mdel prses dan kapan digunakan Menggambarkan utline mdel prses untuk rekayasa persyaratan, pengembangan

Lebih terperinci

BAB 1 PENDAHULUAN PENDAHULUAN. dampak bermunculannya banyak developer game di negara-negara tersebut.

BAB 1 PENDAHULUAN PENDAHULUAN. dampak bermunculannya banyak developer game di negara-negara tersebut. BAB 1 PENDAHULUAN PENDAHULUAN 1.1 Latar Belakang Saat ini industri game telah menjadi salah satu sumber pemasukan terbesar bagi negara-negara maju di luar sana, yang dimana sebagian besar didminasi leh

Lebih terperinci

Rancang Bangun dan Analisis Decision Support System Menggunakan Metode Analytical Hierarchy Process untuk Penilaian Kinerja Karyawan

Rancang Bangun dan Analisis Decision Support System Menggunakan Metode Analytical Hierarchy Process untuk Penilaian Kinerja Karyawan 91 Rancang Bangun dan Analisis Decisin Supprt System Menggunakan Metde Analytical Hierarchy Prcess untuk Penilaian Kinerja Karyawan Ysep Agus Prant, M.Aziz Muslim dan Rini Nur Hasanah Abstrak - Decisin

Lebih terperinci

Sistem Penunjang Keputusan Penerima Beasiswa PPA dan BBM di Universitas Muria Kudus Menggunakan Metode TOPSIS Berbasis WEB

Sistem Penunjang Keputusan Penerima Beasiswa PPA dan BBM di Universitas Muria Kudus Menggunakan Metode TOPSIS Berbasis WEB LAPORAN SKRIPSI Sistem Penunjang Keputusan Penerima Beasiswa PPA dan BBM di Universitas Muria Kudus Menggunakan Metode TOPSIS Berbasis WEB Laporan ini disusun untuk memenuhi salah satu syarat menyelesaikan

Lebih terperinci

PERANCANGAN APLIKASI LAPORAN GANGGUAN TELEPON BERBASIS WEB PADA PT. TELEKOMUNIKASI INDONESIA (AREA JAKARTA BARAT) Oleh: Roy Setiadi

PERANCANGAN APLIKASI LAPORAN GANGGUAN TELEPON BERBASIS WEB PADA PT. TELEKOMUNIKASI INDONESIA (AREA JAKARTA BARAT) Oleh: Roy Setiadi PERANCANGAN APLIKASI LAPORAN GANGGUAN TELEPON BERBASIS WEB PADA PT. TELEKOMUNIKASI INDONESIA (AREA JAKARTA BARAT) Oleh: Roy Setiadi 4150401-008 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN TERAPI JUS BUAH DAN SAYUR UNTUK PENYEMBUHAN MACAM PENYAKIT MENGGUNAKAN METODE FUZZY MULTIPLE ATTRIBUTE DECISION MAKING

SISTEM PENDUKUNG KEPUTUSAN TERAPI JUS BUAH DAN SAYUR UNTUK PENYEMBUHAN MACAM PENYAKIT MENGGUNAKAN METODE FUZZY MULTIPLE ATTRIBUTE DECISION MAKING SKRIPSI SISTEM PENDUKUNG KEPUTUSAN TERAPI JUS BUAH DAN SAYUR UNTUK PENYEMBUHAN MACAM PENYAKIT MENGGUNAKAN METODE FUZZY MULTIPLE ATTRIBUTE DECISION MAKING Oleh : CAHYA MARDANI 2010-51-183 PROGRAM STUDI

Lebih terperinci

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PERSETUJUAN... ii. HALAMAN PENGESAHAN...iii. MOTTO... iv. HALAMAN PERSEMBAHAN... v. INTISARI...

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PERSETUJUAN... ii. HALAMAN PENGESAHAN...iii. MOTTO... iv. HALAMAN PERSEMBAHAN... v. INTISARI... DAFTAR ISI HALAMAN JUDUL... i HALAMAN PERSETUJUAN... ii HALAMAN PENGESAHAN...iii MOTTO... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii DAFTAR ISI... ix DAFTAR GAMBAR... xii DAFTAR TABEL...

Lebih terperinci

APLIKASI PENGELOLAAN SEWA UNIT APARTEMEN TELUK INTAN BERBASIS WEB STUDI KASUS PT. TRIKA BUMI PERTIWI

APLIKASI PENGELOLAAN SEWA UNIT APARTEMEN TELUK INTAN BERBASIS WEB STUDI KASUS PT. TRIKA BUMI PERTIWI APLIKASI PENGELOLAAN SEWA UNIT APARTEMEN TELUK INTAN BERBASIS WEB STUDI KASUS PT. TRIKA BUMI PERTIWI IKA NURFAIDAH 41813010134 PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCUBUANA

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) Matakuliah : Lgika Fuzzy Kde : TSK-710 Teri : 2 sks Praktikum : - Deskripsi Matakuliah Standar Kmpetensi Prgram Studi : Himpunan Fuzzy dan Lgika Fuzzy: mtivasi,

Lebih terperinci

Denis Benz Rizki PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2017

Denis Benz Rizki PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2017 ANALISA PERANCANGAN SISTEM APLIKASI PELAPORAN METER AIR DAN PEMBAYARAN TAGIHAN PELANGGAN PDAM TIRTA KERTA RAHARJA KABUPATEN TANGERANG BERBASIS SMS GATEWAY Denis Benz Rizki 41813120104 PROGRAM STUDI SISTEM

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2. 1. Fuzzy Logic Fuzzy logic pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun 1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasi pikiran manusia

Lebih terperinci

Rancang Bangun Pembuatan Aplikasi Pemantauan (Monitoring) Kondisi Fasilitas Gedung Berbasis Web dan Android Client

Rancang Bangun Pembuatan Aplikasi Pemantauan (Monitoring) Kondisi Fasilitas Gedung Berbasis Web dan Android Client Rancang Bangun Pembuatan Aplikasi Pemantauan (Monitoring) Kondisi Fasilitas Gedung Berbasis Web dan Android Client Rahmat 41511120068 PROGRAM STUDI INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU

Lebih terperinci

Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algoritma Bayesian

Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algoritma Bayesian 13 Sistem Pendukung Keputusan untuk Investasi Perumahan Area Malang Menggunakan Algritma Bayesian Mhammad Taufan AZ, Sunary dan Wijn Abstrak Faktr yang menjadi pertimbangan dalam menentukan keputusan untuk

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 63 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur Sistem Pakar Forward Chaining Wawancara Pakar Studi Literatur Permasalahan Perawatan Penderita DBD Sebaran Angket Aturan/Kaidah Data

Lebih terperinci

PERANCANGAN SISTEM INFORMASI PENDISTRIBUSIAN SURAT MASUK BERBASIS WEB DI DIVISI MANAJEMEN PRODUK PADA PT. BANK NEGARA INDONESIA (Persero) TBK.

PERANCANGAN SISTEM INFORMASI PENDISTRIBUSIAN SURAT MASUK BERBASIS WEB DI DIVISI MANAJEMEN PRODUK PADA PT. BANK NEGARA INDONESIA (Persero) TBK. PERANCANGAN SISTEM INFORMASI PENDISTRIBUSIAN SURAT MASUK BERBASIS WEB DI DIVISI MANAJEMEN PRODUK PADA PT. BANK NEGARA INDONESIA (Persero) TBK. OLEH: RUDI KURNIAWAN 41810120070 PROGRAM STUDI SISTEM INFORMASI

Lebih terperinci

APLIKASI PENCARIAN LOKASI RUMAH SAKIT BPJS BERBASIS ANDROID AHMAD SUBHAN

APLIKASI PENCARIAN LOKASI RUMAH SAKIT BPJS BERBASIS ANDROID AHMAD SUBHAN APLIKASI PENCARIAN LOKASI RUMAH SAKIT BPJS BERBASIS ANDROID AHMAD SUBHAN 41510010048 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2015 APLIKASI PENCARIAN LOKASI

Lebih terperinci

1. BAB 1 PENDAHULUAN. 1.1 Latar Belakang

1. BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1. BAB 1 PENDAHULUAN 1.1 Latar Belakang Poliklinik umum atau poli umum merupakan salah satu dari banyak poliklinik di puskesmas yang memberikan pelayanan kesehatan kepada masyarakat yang bersifat umum

Lebih terperinci

Oleh Peserta PKL beranggotakan : Mokhammad Ali Imron Jamaal Wira Prasaja Candra Mukti Wijaya Ilham Mashudi. Dosen Pembimbing : Anita, S.

Oleh Peserta PKL beranggotakan : Mokhammad Ali Imron Jamaal Wira Prasaja Candra Mukti Wijaya Ilham Mashudi. Dosen Pembimbing : Anita, S. SISTEM INFORMASI GEOGRAFIS FASILITAS KEBERSIHAN DI KOTA MALANG DENGAN MEMANFAATKAN FITUR PEMETAAN LEAFLET (Studi Kasus Pada Dinas Kebersihan dan Pertamanan Kta Malang) Oleh Peserta PKL beranggtakan : Mkhammad

Lebih terperinci

BAB I PENDAHULUAN. pelaksana diagnosa digantikan oleh sebuah sistem pakar, maka sistem pakar

BAB I PENDAHULUAN. pelaksana diagnosa digantikan oleh sebuah sistem pakar, maka sistem pakar BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar menirukan perilaku seorang pakar dalam menangani suatu persoalan. Pada suatu kasus seorang pasien mendatangi dokter untuk memeriksa badannya yang mengalami

Lebih terperinci

BAB II LANDASAN TEORI. Sistem adalah suatu jaringan kerja dari prosedur-prosedur yang saling

BAB II LANDASAN TEORI. Sistem adalah suatu jaringan kerja dari prosedur-prosedur yang saling 6 BAB II LANDASAN TEORI 2.1 Sistem Sistem adalah suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan atau untuk menyelesaikan suatu

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN. Pengelolaan Kas Fakultas Teknik Universitas 45 Surabaya memiliki

BAB V HASIL DAN PEMBAHASAN. Pengelolaan Kas Fakultas Teknik Universitas 45 Surabaya memiliki BAB V HASIL DAN PEMBAHASAN Pengellaan Kas Fakultas Teknik Universitas 45 Surabaya memiliki prsedur sistem yang sedikit berbeda dengan beberapa Fakultas. Hal ini diakibatkan karena sistem yang dijalankan

Lebih terperinci

Konsep Basisdata Bab 1

Konsep Basisdata Bab 1 Knsep Basisdata Bab 1 Sebuah Pengantar Pengampu Matakuliah A Didimus Rumpak, M.Si. hp.: 085691055061 dimurumpak@yah.cm 1 Bab Tujuan Identifikasi tujuan dan ruang lingkup buku ini Survei mengapa, apa, dan

Lebih terperinci

APLIKASI PELATIHAN SOAL DAN KOREKSI UJIAN AKHIR NEGARA BIOLOGI UNTUK SMA KELAS 3 BERBASIS WEB HANDOKO SUWANDI

APLIKASI PELATIHAN SOAL DAN KOREKSI UJIAN AKHIR NEGARA BIOLOGI UNTUK SMA KELAS 3 BERBASIS WEB HANDOKO SUWANDI APLIKASI PELATIHAN SOAL DAN KOREKSI UJIAN AKHIR NEGARA BIOLOGI UNTUK SMA KELAS 3 BERBASIS WEB HANDOKO SUWANDI 41508010131 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA

Lebih terperinci

BAB I PENDAHULUAN. Kabupaten Ponorogo suatu daerah yang memiliki luas 1.371,78 km² yang

BAB I PENDAHULUAN. Kabupaten Ponorogo suatu daerah yang memiliki luas 1.371,78 km² yang BAB I PENDAHULUAN A. Latar Belakang Masalah Kabupaten Ponorogo suatu daerah yang memiliki luas 1.371,78 km² yang secara astronomis berada diantara 111 17-111 52 Bujur Timur dan 7 49-8 20 Lintang Selatan

Lebih terperinci

Bohal K. Simorangkir UTSU Agustus 2013

Bohal K. Simorangkir UTSU Agustus 2013 BASIS DATA I 1 Bhal K. Simrangkir UTSU Agustus 2013 PENDAHULUAN (1) Aplikasi basis data tradisinal merupakan infrmasi yang disimpan dan diakses melalui kumpulan data dalam bentuk data teks maupun numerik.

Lebih terperinci

Rancang Bangun Aplikasi Penjadwalan Berbasis Web Untuk Teknisi Dalam Perawatan Fasilitas Hotel Royal Safari Garden

Rancang Bangun Aplikasi Penjadwalan Berbasis Web Untuk Teknisi Dalam Perawatan Fasilitas Hotel Royal Safari Garden Rancang Bangun Aplikasi Penjadwalan Berbasis Web Untuk Teknisi Dalam Perawatan Fasilitas Hotel Royal Safari Garden Romi Syahputra Lubis 41511120102 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI DAFTAR ISI ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR GAMBAR... vi DAFTAR TABEL... ix DAFTAR SIMBOL... x BAB I PENDAHULUAN.... Latar Belakang.... Rumusan Masalah... 3.3 Tujuan...

Lebih terperinci

BAB IV DESKRIPSI KERJA PRAKTEK

BAB IV DESKRIPSI KERJA PRAKTEK BAB IV DESKRIPSI KERJA PRAKTEK Berdasarkan hasil pengamatan dan bservasi yang dilakukan saat kerja praktek di CV. Bintang Anggara Jaya. Penulis mendapati suatu permasalahan di dalam perusahaan yang selama

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Umum Pada bab ini akan dijelaskan mengenai pembuatan Rancang Bangun Aplikasi Perencanaan Stok Barang dengan Menggunakan Teori Trafik dari tahap awal perancangan sampai

Lebih terperinci

BAB III. Metode Penelitian

BAB III. Metode Penelitian BAB III Metode Penelitian 3.1 Desain Penelitian Dalam penelitian ini penulis menggunakan metode penelitian deskriptif dan tindakan(actionresearch). Menurut Prof. Dr. Suharsimi Arikunto (2005:234) : Penelitian

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1. 1. Latar Belakang Bidang keuangan merupakan bidang yang berperan penting di dalam suatu perusahaan. Perusahaan dapat bertahan atau dapat tumbuh berkembang apabila perusahaan dapat

Lebih terperinci

SISTEM INFORMASI PENGELOLAAN PENJUALAN BARANG PADA KOPERASI PONDOK PESANTREN YAYASAN MANAFIUL ULUM BERBASIS JAVA DEKSTOP

SISTEM INFORMASI PENGELOLAAN PENJUALAN BARANG PADA KOPERASI PONDOK PESANTREN YAYASAN MANAFIUL ULUM BERBASIS JAVA DEKSTOP LAPORAN SKRIPSI SISTEM INFORMASI PENGELOLAAN PENJUALAN BARANG PADA KOPERASI PONDOK PESANTREN YAYASAN MANAFIUL ULUM BERBASIS JAVA DEKSTOP Laporan ini disusun guna memenuhi salah satu syarat untuk menyelesaikan

Lebih terperinci

Konsep Sistem Informasi Manajemen

Konsep Sistem Informasi Manajemen Knsep Sistem Infrmasi Manajemen Sistem Infrmasi Sistem Infrmasi telah menjadi pndasi bagi mdel dan prses bisnis Sistem Infrmasi memungkinkan distribusi pengetahuan: suatu sistem kmunikasi antara manusia

Lebih terperinci

APLIKASI MONITORING PELANGGARAN SISWA ONLINE BERBASIS ANDROID WEB APP BUDIMAN RAHARDJO

APLIKASI MONITORING PELANGGARAN SISWA ONLINE BERBASIS ANDROID WEB APP BUDIMAN RAHARDJO APLIKASI MONITORING PELANGGARAN SISWA ONLINE BERBASIS ANDROID WEB APP BUDIMAN RAHARDJO 41512110016 PROGRAM STUDI INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2016 APLIKASI MONITORING

Lebih terperinci

P14 FMADM Dengan Pengembangan. A. Sidiq P.

P14 FMADM Dengan Pengembangan. A. Sidiq P. P14 FMADM Dengan Pengembangan A. Sidiq P. http://sidiq.mercubuana-yogya.ac.id Program Studi Teknik Informatika Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan teknologi yang berkembang saat ini mengharuskan segala macam bentuk transaksi diubah dari konvensional menjadi komputerisasi. Baik dari segi laporan dan proses

Lebih terperinci

IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL

IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL INFOKAM Nomor II/Th. X/September/14 23 IMPLEMENTASI FUZZY LOGIC MULTI CRITERIA DECISION MAKING (MCDM) UNTUK MENENTUKAN JENIS KAYU SEBAGAI BAHAN BAKU PRODUKSI MEBEL SUMARDI (Dosen Amik JTC Semarang) ABSTRAK

Lebih terperinci

APLIKASI BERBASIS WEB SISTEM MAINTENANCE BACKWALL POND S PADA PT UNILEVER INDONESIA IRAWAN ADI SETIA

APLIKASI BERBASIS WEB SISTEM MAINTENANCE BACKWALL POND S PADA PT UNILEVER INDONESIA IRAWAN ADI SETIA APLIKASI BERBASIS WEB SISTEM MAINTENANCE BACKWALL POND S PADA PT UNILEVER INDONESIA IRAWAN ADI SETIA 41509110126 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA Bab Tinjauan Pustaka memuat uraian gambaran umum dan fungsi-fungsi pada perpustakaan, pengertian sistem informasi, dan kaitan antara perpustakaan dan sistem informasi. 2.1. Perpustakaan

Lebih terperinci

SISTEM APLIKASI INFORMASI LAYANAN PUBLIK DI KOTA KUDUS BERBASIS ANDROID

SISTEM APLIKASI INFORMASI LAYANAN PUBLIK DI KOTA KUDUS BERBASIS ANDROID LAPORAN SKRIPSI SISTEM APLIKASI INFORMASI LAYANAN PUBLIK DI KOTA KUDUS BERBASIS ANDROID Laporan ini disusun guna memenuhi salah satu syarat untuk menyelesaikan Program Studi Sistem Informasi S-1 pada Fakultas

Lebih terperinci

LAPORAN SKRIPSI SISTEM PAKAR DETEKSI KELAINAN REFRAKSI MATA PADA MANUSIA MENGGUNAKAN METODE CERTAINTY FACTOR BERBASIS WEB

LAPORAN SKRIPSI SISTEM PAKAR DETEKSI KELAINAN REFRAKSI MATA PADA MANUSIA MENGGUNAKAN METODE CERTAINTY FACTOR BERBASIS WEB LAPORAN SKRIPSI SISTEM PAKAR DETEKSI KELAINAN REFRAKSI MATA PADA MANUSIA MENGGUNAKAN METODE CERTAINTY FACTOR BERBASIS WEB Laporan ini disusun guna memenuhi salah satu syarat untuk menyelesaikan program

Lebih terperinci

APLIKASI INFORMASI GEOGRAFIS PENYEBARAN DAN PENCARIAN LOKASI KLINIK BPJS DI JAKARTA BERBASIS WEB (STUDI KASUS KANTOR PUSAT BPJS KESEHATAN)

APLIKASI INFORMASI GEOGRAFIS PENYEBARAN DAN PENCARIAN LOKASI KLINIK BPJS DI JAKARTA BERBASIS WEB (STUDI KASUS KANTOR PUSAT BPJS KESEHATAN) APLIKASI INFORMASI GEOGRAFIS PENYEBARAN DAN PENCARIAN LOKASI KLINIK BPJS DI JAKARTA BERBASIS WEB (STUDI KASUS KANTOR PUSAT BPJS KESEHATAN) ARIP HAMDANI 41813010007 PROGRAM STUDI SISTEM INFORMASI FAKULTAS

Lebih terperinci

APLIKASI E-ABSENSI PERHITUNGAN GAJI KARYAWAN PT. PUTRA MAJU LESTARI BERBASIS ANDROID

APLIKASI E-ABSENSI PERHITUNGAN GAJI KARYAWAN PT. PUTRA MAJU LESTARI BERBASIS ANDROID APLIKASI E-ABSENSI PERHITUNGAN GAJI KARYAWAN PT. PUTRA MAJU LESTARI BERBASIS ANDROID SUGIYONO DWI PAMUNGKAS 41512120028 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan

BAB III METODE PENELITIAN. Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilakukan

Lebih terperinci

SISTEM INFORMASI PENJADWALAN DAN PENILAIAN SEKOLAH BERDASAR KURIKULUM 2013 (STUDI KASUS : SMA PGRI SUMBERREJO)

SISTEM INFORMASI PENJADWALAN DAN PENILAIAN SEKOLAH BERDASAR KURIKULUM 2013 (STUDI KASUS : SMA PGRI SUMBERREJO) SISTEM INFORMASI PENJADWALAN DAN PENILAIAN SEKOLAH BERDASAR KURIKULUM 2013 (STUDI KASUS : SMA PGRI SUMBERREJO) Friesta Isyateen S 1, Rangsang Purnama 2, Latifah Rifani 3 1,2,3 Prgram Studi Sistem Infrmasi,

Lebih terperinci

Implementasi Metode Dempster Shafer Pada Sistem Pakar Untuk Diagnosa Jenis-jenis Penyakit Diabetes Melitus

Implementasi Metode Dempster Shafer Pada Sistem Pakar Untuk Diagnosa Jenis-jenis Penyakit Diabetes Melitus Implementasi Metode Dempster Shafer Pada Sistem Pakar Untuk Diagnosa Jenis-jenis Penyakit Diabetes Melitus Dewi Pratama Kurniawati Jurusan Teknik Informatika. Fakultas Ilmu Komputer Universitas Dian Nuswantoro,

Lebih terperinci

APLIKASI LATIHAN SOAL UJIAN TEORI SURAT IZIN MENGEMUDI BERBASIS WEB. Laporan Tugas Akhir

APLIKASI LATIHAN SOAL UJIAN TEORI SURAT IZIN MENGEMUDI BERBASIS WEB. Laporan Tugas Akhir APLIKASI LATIHAN SOAL UJIAN TEORI SURAT IZIN MENGEMUDI BERBASIS WEB Laporan Tugas Akhir Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer ANDRI SETIAWAN 41508110045 PROGRAM

Lebih terperinci

APLIKASI PENCARIAN GEDUNG SERBAGUNA DI JAKARTA BERBASIS WEB

APLIKASI PENCARIAN GEDUNG SERBAGUNA DI JAKARTA BERBASIS WEB APLIKASI PENCARIAN GEDUNG SERBAGUNA DI JAKARTA BERBASIS WEB ERFIN WAHYU SAHPUTRO 41813010031 PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2017 APLIKASI PENCARIAN

Lebih terperinci

BAB 1 PENDAHULUAN. memasuki berbagai aspek kehidupan. Salah satunya adalah semakin banyak

BAB 1 PENDAHULUAN. memasuki berbagai aspek kehidupan. Salah satunya adalah semakin banyak BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan dunia teknologi informasi saat ini semakin cepat hingga memasuki berbagai aspek kehidupan. Salah satunya adalah semakin banyak perusahaan yang berusaha

Lebih terperinci

LAPORAN TUGAS AKHIR PENERAPAN METODE FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA DSLR

LAPORAN TUGAS AKHIR PENERAPAN METODE FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA DSLR LAPORAN TUGAS AKHIR PENERAPAN METODE FUZZY DALAM SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KAMERA DSLR Nama NIM Disusun Oleh : : Ari Sukma Firmanullah : A11.2009.04758 Program Studi : Teknik Informatika S-1

Lebih terperinci

PERANCANGAN SISTEM APLIKASI PELACAK KARGO UDARA BERBASIS WEB UNTUK PT. AYUTRANS UTAMA

PERANCANGAN SISTEM APLIKASI PELACAK KARGO UDARA BERBASIS WEB UNTUK PT. AYUTRANS UTAMA PERANCANGAN SISTEM APLIKASI PELACAK KARGO UDARA BERBASIS WEB UNTUK PT. AYUTRANS UTAMA DAIMAL FADLI 41511110128 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2016

Lebih terperinci

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM BAB III ANALISA DAN DESAIN SISTEM III.1. Analisa Sistem Yang Berjalan Analisa sistem yang berjalan selama ini masih menggunakan sistem yang manual. Analisa input yang ada pada sistem yang sedang berjalan

Lebih terperinci