BAB 3 ANALISIS DAN PERANCANGAN. mengetahui penyakit yang diderita. - Pasien kesulitan jika ingin mencari racikan obat tradisional

Transkripsi

1 BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Permasalahan Identifikasi Masalah yang dihadapi - Pasien memerlukan banyak waktu, biaya dan tenaga hanya untuk mengetahui penyakit yang diderita - Obat kimia yang digunakan memiliki efek samping yang berbahaya bagi kesehatan pasien - Pasien kesulitan jika ingin mencari racikan obat tradisional Solusi Permasalahan - Pasien dapat mengetahui penyakit yang di derita kapan saja, dan dimana saja dengan mengisi gejala gejala awal yang dirasakan kedalam aplikasi - Pasien dapat mengetahui obat tradisional yang aman dan tanpa memiliki efek samping yang berbahaya bagi kesehatan Masalah utamanya adalah jumlah pakar yang sangat terbatas bila dibandingkan dengan kebutuhannya. Karena untuk menjadi seorang pakar dibutuhkan pengetahuan yang banyak dan pengalaman selama bertahun-tahun. untuk mengatasi hal tersebut diperlukan suatu metode untuk menyebarkan kepakaran yang dimiliki oleh pakar tersebut. Dengan membuat suatu aplikasi 44

2 45 android yang berisi tentang kepakaran yang dimiliki oleh seorang pakar untuk mendiagnosa penyakit yang melibatkan sistem penyakit umum, diharapkan dapat membantu masyarakat untuk mengenali gejala-gejala yang timbul dan membuat obat sendiri dengan menggunakan tanaman-tanaman obat yang diolah menjadi obat tradisional. Selain itu juga memungkinkan setiap individu untuk menghemat waktu, biaya dan tenaga dalam mendapatkan pelayanan kesehatan dan pengobatan. Penggunaan obat-obatan kimia yang memiliki efek samping yang lebih berbahaya dari obat tradisional memungkinkan user lebih memilih obat tradisional sebagai pengganti obat kimia sebagai solusi dari penyakit yang dideritanya. Karena alasan-alasan itulah kemudian penulis ingin membuat sebuah sistem pakar untuk memudahkan user dalam mendiagnosa penyakit yang diderita dan meracik obat tradisional mereka sendiri. Traditional Medic Application merupakan salah satu contoh sistem pakar yang dapat digunakan oleh banyak user yang menggunakan gadget berbasis android. Sistem ini berfungsi untuk memberikan informasi kepada para user tentang penyakit yang diderita dengan menganalisa gejala gejala penyakit yang diinput oleh user dan memberikan obat tradisional sebagai solusinya.

3 Kuesioner Pra Program Kuesioner Pra Program pada aplikasi ini berisikan 9 pertanyaan yang disebarkan kepada 50 orang secara random (baik karyawan maupun mahasiswa). Adapun pertanyaan dan hasil yang didapat dari kuesioner tersebut adalah sebagai berikut : Tabel 3.1 Jawaban Survei 1 1. Apakah anda pengguna obat tradisional? Ya 70 % 35 Orang Tidak 30 % 15 Orang Total Peserta Survey 50 Orang Gambar 3.1 Diagram Jawaban Survei 1 Tabel 3.2 Jawaban Survei 2 2. Menurut anda, adakah efek samping dari pengguna obat tradisional? Ada 20 % 10 Orang

4 47 Tidak Ada 80 % 40 Orang Total Peserta Survey 50 Orang Gambar 3.2 Diagram Jawaban Survei 2 Tabel 3.3 Jawaban Survei 3 3. Menurut anda, obat tradisional itu baik (aman) atau tidak bagi pengonsumsinya? Ya 70 % 35 Orang Tidak 30 % 15 Orang Total Peserta Survey 50 Orang Gambar 3.3 Diagram Jawaban Survei 3

5 48 Tabel 3.4 Jawaban Survei 4 4. Apakah anda memiliki kesulitan dalam mencari racikan obat tradisional? Ya 80 % 40 Orang Tidak 20 % 10 Orang Total Peserta Survey 50 Orang Gambar 3.4 Diagram Jawaban Survei 4 Tabel 3.5 Jawaban Survei 5 5. Seberapa pentingnya aplikasi aplikasi android untuk anda? Sangat Penting 60 % 30 Orang Penting 20 % 10 Orang Kurang 10 % 5 Orang Sangat Kurang 6 % 3 Orang Tidak Penting Sama Sekali 4 % 2 Orang Total Peserta Survey 50 Orang

6 49 Gambar 3.5 Diagram Jawaban Survei 5 Tabel 3.6 Jawaban Survei 6 6. Apakah anda sering menggunakan aplikasi yang disediakan ponsel android? Sering 90 % 45 Orang Jarang 10 % 5 Orang Tidak Pernah 0 % 0 Orang Total Peserta Survey 50 Orang Gambar 3.6 Diagram Jawaban Survei 6

7 50 Tabel 3.7 Jawaban Survei 7 7. Apakah anda memiliki kesulitan mendiagnosa gejala gejala awal? Ya 70 % 35 Orang Tidak 30 % 15 Orang Total Peserta Survey 50 Orang Gambar 3.7 Diagram Jawaban Survei 7 Tabel 3.8 Jawaban Survei 8 8. Apakah aplikasi untuk menentukan diagnosa awal itu dibutuhkan? Ya 80 % 40 Orang Tidak 20 % 10 Orang Total Peserta Survey 50 Orang

8 51 Gambar 3.8 Diagram Jawaban Survei 8 Tabel 3.9 Jawaban Survei 9 9. Menurut anda, apakah aplikasi Traditional Medic dalam diagnosa awal penyakit pada android akan dapat membantu anda dalam pengobatan penyakit? Ya 70 % 35 Orang Tidak 30 % 15 Orang Total Peserta Survey 50 Orang Gambar 3.9 Diagram Jawaban Survei 9

9 Wawancara dengan Pakar Dalam perancangan sistem pakar ini, terlebih dahulu dilakukan wawancara dengan seorang dokter. Karena penyakit yang ingin diketahui adalah penyakit umum, maka pakar/dokter yang kami gunakan adalah dokter umum. Dan telah dilakukan wawancara dengan dr.moh Abduh M.Sc yang pada saat ini bekerja di Klinik Dokter 24 Jam dan Rumah Bersalin YAMC. Dalam wawancara ini dengan dokter telah dibahas mengenai prosedur pendiagnosaan berbagai macam penyakit terkait penyakit umum yang ingin diketahui, juga mengenai gejala yang ditimbulkan. Menurut beliau, untuk dapat menentukan suatu penyakit, maka dokter harus mengetahui minimal 3 gejala awal yang dirasakan oleh pasien. Oleh karena itu, dokter menyarankan sistem yang akan dibangun dapat mengarahkan pengguna untuk memilih 3 gejala untuk dapat menentukan diagnosa awal penyakit yang diderita. Berikut adalah hasil wawancara dengan pakar yang kami sajikan dalam bentuk matriks. Tabel 3.10 Wawancara dengan pakar dalam bentuk matriks. Tanya 1. Sudah berapa lama Anda bekerja sebagai dokter? 2. Penyakit umum apa saja yang paling sering Anda temui? 3. Gejala apa saja yang paling sering pasien keluhkan, kemudian Anda dapat simpulkan bahwa pasien Jawab 1. Saya berprofesi sebagai dokter selama 24 tahun. 2. Banyak. Diantaranya: ISPA, Diare, Darah Tinggi, Maag, Infeksi Saluran kemih, Exim/penyakit kulit, Asma 3. Untuk ISPA gejala yang utama adalah Panas, Batuk, Pilek, Tenggorokan sakit, Dahak, Mual,

10 53 menderita suatu penyakit? 4. Apakah Anda dapat mendiagnosa awal penyakit hanya dengan melihat gejala-gejala yang ada? 5. Bisakah dokter memberikan nilai berdasarkan pengalaman dan pengamatan, jika diberikan range angka dari 0 sampai 1 sebagai nilai probabilitas gejala yang paling sering muncul terhadap suatu penyakit? Lemas. Kemudian untuk Darah tinggi gejala yang paling utama adalah Sakit kepala berat, Mual, dan Lemas. 4. Ya. Menurut pengalaman dan pengamatan saya, saya dapat mendiagnosa awal penyakit yang diderita oleh pasien dengan mengetahui 3 gejala utama yang paling dirasakan oleh pasien. 5. Untuk penyakit Darah Tinggi, gejala yang hampir pasti dirasakan adalah Sakit Kepala. Jadi saya memberikan nilai probabilitas 0,9. Kemudian diikuti Mual dengan probabilitas 0,8 dan lemas dengan probabilitas 0,7. Berikut adalah hasil wawancara kami dengan Bapak Iswanto pakar obat obatan tradisional yang disajikan dalam bentuk matriks. Tabel 3.11 Wawancara dengan pakar obat tradisional dalam bentuk matriks. Tanya Jawab Sudah berapa lama anda menjadi Shinse di bidang pengobatan tradisional? Saya menjadi shinse sudah 15 tahun. Dari bulan juli tahun Menurut Anda, apa saja kelebihan obat tradisional? Harganya yang relatif murah, efek sampingnya relatif rendah, dalam suatu ramuan dengan komponen berbeda memiliki efek saling mendukung, pada satu tanaman memiliki lebih dari satu efek farmakologi serta lebih sesuai untuk

11 54 penyakit-penyakit metabolik dan degeneratif. Adakah efek samping penggunaan obat tradisional? Efek samping penggunaan obat tradisional relative kecil dan bahkan tidak ada jika digunakan secara tepat, baik takaran, waktu, dan pemilihan bahan. Apabila obat tradisional dikonsumsi terus menerus dan tidak ada perubahan berarti, adakah efek sampingnya? Seperti yang telah saya katakan tadi, penggunaan obat tradisional memiliki efek samping yang kecil atau bahkan tidak ada jika digunakan secara tepat. Apabila dalam penggunaan obat tradisional tidak mengalami perubahan, sebaiknya melakukan konsultasi ulang kepada dokter atau shinse yang ada. Dari hasil wawancara dengan bapak Iswanto, berikut adalah table perbandingan antara obat tradisional dengan obat kimia. Tabel 3.12 Tabel perbandingan antara obat tradisional dengan obat kimia. No. Obat Tradisional Obat Kimia 1. Harganya terjangkau Harga relatif mahal karena faktor

12 55 impor. Efek samping relatif kecil bahkan ada 2. yang sama sekali tidak menimbulkan Efek samping pengobatan lebih efek samping jika digunakan secara sering terjadi. tepat. 3. Reaksinya lambat. Reaksinya cepat. 4. Memperbaiki keseluruhan sistem tubuh. Hanya memperbaiki beberapa sistem tubuh. 5. Efektif untuk penyakit kronis yang sulit Relatif kurang efektif untuk diatasi dengan obat kimia. penyakit kronis 6. Terapi sampingan: Diet terhadap makanan tertentu. Terapi sampingan: diet terhadap makanan tertentu dan perlakuan tertentu pada tubuh seperti bedah atau operasi dan manajemen stres Solusi yang Diusulkan Dari analisis pemasalahan yang telah dilakukan, maka diusulkan untuk membangun sistem yang dapat melakukan diagnosa awal penyakit dengan cara memindahkan pengetahuan yang dimiliki pakar ke dalam sistem komputer. Sistem yang akan dibangun adalah sebuah aplikasi berbasis sistem pakar untuk diagnosa awal penyakit umum menggunakan metoda probabilitas bayesian. Aplikasi ini bertujuan membantu masyarakat umum untuk dapat

13 melakukan diagnosa awal penyakit, rekomendasi obat tradisional dan cara meraciknya sendiri Analisa Sistem Pakar Sistem pakar merupakan sistem yang dirancang untuk dapat memecahkan suatu masalah dengan meniru kerja dari para ahli. Dalam mengembangkan sistem pakar ini diperlukan pengetahuan dan informasi yang diperoleh dari berbagai sumber, yaitu dari buku-buku materi pendukung dan seorang pakar. Pakar adalah seorang yang ahli dan menguasai dalam bidang tertentu dan mempunyai pengetahuan atau keahlian khusus yang tidak dikuasai dan dimiliki oleh kebanyakan orang sehingga dapat memecahkan permasalahan yang tidak dapat dipecahkan oleh kebanyakan orang atau dapat memecahkan masalah tersebut dengan lebih efisien. Dalam menentukan suatu penyakit, seorang dokter memerlukan gejala gejala awal yang dirasakan oleh pasien untuk kemudian disimpulkan dan menemukan penyakit yang diderita secara akurat. Tidak semua penyakit dapat disimpulkan secara akurat dan tepat oleh sistem pakar, oleh karena itu sistem pakar ini digunakan untuk membantu user dalam menentukan penyakit yang diderita dengan memasukkan gejala gejala awal yang dirasakan ke dalam aplikasi Analisa Sistem Pakar Aplikasi Sejenis. Sistem pakar untuk melakukan diagnosa kesehatan telah dikembangkan sejak pertengahan tahun 1970 yang pertama kali dibuat oleh

14 57 Bruce Buchanan dan Edward Shortliffe di Standford University diberi nama MYCIN. MYCIN merupakan program interaktif yang melakukan diagnosa penyakit meningitis dan infeksi bacremia serta memberikan rekomendasi terapi antimikrobia. MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Dalam uji coba, program ini mampu menunjukkan kemampuan seperti seorang spesialis. Meskipun MYCIN tidak pernah digunakan secara rutin oleh dokter, MYCIN merupakan referensi yang bagus dalam penelitian kecerdasan buatan yang lain (Kusrini,2006,p13) Akuisisi Pengetahuan Sumber Pengetahuan Dalam merancang aplikasi sistem pakar ini, diperlukan proses akuisisi pengetahuan terhadap seorang pakar dalam bidang penyakit umum. Dalam proses ini, akuisisi pengetahuan dilakukan dengan melakukan wawancara kepada dokter Moh. Abduh M.Sc yaitu seorang dokter dalam bidang penyakit umum di Klinik Dokter 24 jam dan Rumah Bersalin YAMC Representasi Pengetahuan Dalam representasi pengetahuan, dilakukan pengumpulan dari informasi yang diperoleh dari pakar dan literatur.

15 Tabel Gejala Penyakit dan Probabilitasnya Untuk membantu pengembangan aplikasi sistem pakar ini, maka pengetahuan yang diperoleh akan diubah ke dalam tabel. Dari tabel ini, ditampilkan data-data hubungan antara gejala dan penyakit. Seorang pakar memberikan data penyakit dan kemungkinan gejala yang terjadi pada pasien. Serta memberikan nilai probabilitas yang berdasarkan dari pengalaman seorang pakar yang telah menangani beberapa pasien terhadap gejala suatu penyakit. Dengan adanya nilai probabilitas maka data akan dapat diaplikasikan ke dalam sistem yang sedang dibuat. Tabel 3.13 Tabel Gejala Penyakit Penyakit Nama Gejala Probabilitas ISPA 1) Panas 0.9 2) Batuk Pilek 0.9 3) Tenggorokan Sakit 0.9 4) Dahak 0.8 5) Mual 0.8 6) Lemas 0.7 Diare 1) BAB Encer 0.9 2) Panas 0.9 3) Sakit Perut (Mules) 0.8

16 59 4) Muntah 0.8 5) Lemas 0.7 Maag 1) Sakit Ulu Hati 0.9 2) Mual 0.8 3) Muntah 0.8 4) Kembung 0.8 5) Sesak Ulu Hati 0.7 Eksim / Penyakit Kulit 1) Ruam Kulit 0.9 2) Gatal 0.9 3) Merah ada Nanah 0.7 Darah Tinggi 1) Sakit Kepala 0.9 2) Mual 0.8 3) Lemas 0.7 Asma 1) Sesak Nafas (Bunyi) 0.9 2) Batuk Pilek 0.9 3) Dahak 0.8 Infeksi Kemih Saluran 1) Panas 0.9 2) Sakit Pinggang 0.9 3) BAK Sakit 0.9

17 60 4) BAK Sering 0.8 5) BAK Merah 0.7 6) Sakit Perut Depan Perancangan Sistem Metode perancangan yang digunakan untuk mengembangkan sistem pakar untuk diagnosis ini berupa Use Case Diagram,Sequence Diagram dan Activity Diagram Hasil Perancangan Berdasarkan analisis dan pengembangan yang telah dilakukan maka dapat diketahui apa saja yang menjadi input sistem, output sistem, metode yang digunakan sistem, serta antar muka sistem yang dibuat, sehingga sistem dan aplikasi yang dibuat akan sesuai dengan apa yang diharapkan. Perancangan sistem pakar ini akan dibagi menjadi beberapa subsistem yaitu : 1. Perancangan Use Case Diagram 2. Perancangan Sequence Diagram 3. Perancangan Class Diagram 4. Perancangan Activity Diagram 5. Perancangan Antarmuka

18 Perancangan Use case diagram Diagram Use Case yang digunakan dalam sistem pakar diagnosa penyakit umum hanya memiliki satu aktor yaitu, user. Dalam sistem ini user melakukan pemilihan gejala penyakit yang diderita. Gambar 3.10 Use Case Diagram Sistem Pakar Diagnosa Awal Penyakit Umum Definisi Actor Berikut adalah tabel Definisi Actor yang menjelaskan siapa saja yang terlibat di dalamnya serta penjelasannya secara rinci. Tabel 3.14 Definisi Actor NO Aktor Deskripsi 1 User User dapat melakukan diagnosa awal

19 62 dengan memilih gejala penyakit yang dirasakan Definisi Use Case Berikut adalah tabel Definisi Use Case yang menjelaskan apa saja yang dapat dilakukan di dalam sistem dan penjelasannya. Tabel 3.15 Definisi Use Case No Use Case Deskripsi 1 Memilih Gejala Use Case memilih gejala adalah Use Case yang dilakukan oleh user untuk memilih gejala yang dirasakan. 2 Diagnosa Awal Use Case Diagnosa Awal adalah Use Case yang dilakukan user untuk mendiagnosa awal penyakit yang dirasakan oleh user. 3 Rekomendasi Obat Tradisional Use Case Rekomendasi Obat Tradisional dilakukan oleh user untuk mendapatkan obat tradisional.

20 63 4. Peracikan Obat Tradisional Use Case ini dilakukan user untuk meracik obat tradisional yang diperoleh Sequence Diagram Memilih Gejala Gambar 3.11 Sequence Diagram Memilih Gejala Dari Gambar 3.11 dapat dijelaskan prosesnya sebagai berikut : User akan memilih 3 gejala yang paling dirasakan dan main system akan mendapatkan gejala gejala yang dipilih dari database.

21 Sequence Diagram Diagnosa Awal Gambar 3.12 Sequance Diagram Diagnosa Awal Dari Gambar 3.12 dapat dijelaskan prosesnya sebagai berikut : Setelah User memilih 3 gejala, User akan mendapatkan hasil dari diagnosa awal berupa penyakit dan nilai probabilitas dari database.

22 Sequence Diagram Rekomendasi Obat Tradisional Gambar 3.13 Sequance Diagram Rekomendasi Obat Tradisional Dari Gambar 3.13 dapat dijelaskan prosesnya sebagai berikut : Setelah user memilih 3 gejala dan hasil diagnosa awal, user akan mendapatkan bahan bahan untuk membuat obat tradisional.

23 Sequence Diagram Pembuatan Obat Tradisional Gambar 3.14 Sequance Diagram Pembuatan Obat Tradisional Dari Gambar 3.14 dapat dijelaskan prosesnya sebagai berikut : Setelah user memilih 3 gejala, hasil diagnosa awal, dan bahan. User akan mendapatkan cara untuk membuat obat tradisional.

24 Activity Diagram Model Pengguna Sistem Membuka Aplikasi Menampilkan List Gejala Memilih 3 gejala Kurang dari 3 gejala Ya Tidak Masuk tampilan diagnosa awal Gambar 3.15 Activity Diagram Memilih Gejala.

25 68 Pengguna Sistem Pilih Proses Menampilkan Hasil Diagnosa Awal Masuk Tampilan Bahan Obat Tradisional Gambar 3.16 Activity Diagram Diagnosa Awal.

26 69 Pengguna Sistem Pilih Menu Bahan Menampilkan Bahan Obat Tradisional Masuk Tampilan Cara Pembuatan Obat Tradisional Gambar 3.17 Activity Diagram Rekomendasi Obat Tradisional.

27 70 Pengguna Sistem Pilih Menu Cara Menampilkan Cara Pembuatan Obat Tradisional Gambar 3.18 Activity Diagram Cara Pembuatan Obat. Gambar diatas merupakan aliran aktivitas yang dilakukan pada saat sitem aplikasi berjalan. Di awal user memilih gejala penyakit mulai dari gejala yang paling sakit dirasakan hingga gejala yang baru dirasakan. Kemudian, sistem akan mengkalkulasi nilai yang sebelumnya dimasukkan oleh user. Setelah selesai melakukan kalkulasi, sistem akan menampilkan informasi penyakit dan probabilitasnya. Kemudian, sistem akan menampilkan informasi tentang obat tradisional yang digunakan untuk mengobati penyakit yang diderita user. Setelah itu, sistem akan menampilkan bahan dan cara meracik obat tradisional.

28 Class Diagram Model Gambar 3.19 Class Diagram Model Sistem Pakar Diagnosa Penyakit Perancangan Bayes Untuk membantu menyelesaikan masalah ketidakpastian terhadap hipotesis diagnosa, maka digunakan metode statistik perhitungan probabilitas bayesian Perhitungan dengan Teorema Bayes Saat diagnosa dimulai, sistem akan melakukan kalkulasi bayes sekaligus dimana satu sisi perhitungan dilakukan terhadap bobot prior yang sudah direkam dari Pakar dan disimpan di basis pengetahuan. Sedangkan sisi lainnya, bobot prior ditentukan oleh user

29 72 yang melakukan proses diagnosa. Hal ini dilakukan karena masalah ketidakpastian melibatkan hipotesis yang berbeda-beda dari pengambil keputusan. Oleh karena itu bobot prior sangat bergantung dari kepakaran dan pengalaman si pengambil keputusan itu sendiri. Selanjutnya yang akan dilakukan oleh sistem adalah mengirimkan output ke user berupa hasil perhitungan probabilitas dari prior yang di masukan oleh user dan probabilitas dari prior yang direkam oleh sistem dari pakar. Dengan : p(h i E) = n Σ K=1 p(e H i )*p(h i ) p(e H k )*p(h k ) p(hi E ) = probabilitas hipotesis benar jika diberikan evidence (fakta) E p(e Hi) = probabilitas munculnya evidence(fakta) E jika diketahui hipotesis Hi benar p(hi) = probabilitas hipotesis Hi (menurut hasil sebelumnya) tanpa memandang evidence(fakta) apapun n = jumlah hipotesis yang mungkin

30 73 Sebagai contoh jika pada saat diagnosa user memilih gejala dan bobot prior seperti berikut : Sakit kepala : 0.6 Mual : 0.8 Lemes : 0.7 Maka sistem akan memecah data yang dimasukkan oleh user menjadi Gejala Nilai Prior Sakit Kepala 0.6 Mual 0.8 Lemas 0.7 Setelah itu sistem akan mengunakan gejala yang sudah diproses untuk mendapatkan gejala dari tabel gejala, yang berguna untuk memasukan nilai dari gejala ke kasus-kasus dimana gejala tersebut berada. Setelah itu kedua sisi proses perhitungan dilakukan dan melakukan cek apakah ada evidence baru terhadap suatu hipotesis atau tidak, dari contoh diatas terdapat evidence lain yaitu mual dan lemas. Maka rumus yg digunakan adalah :

31 74 p( H E, e ) = p( H E)*p( e E, H ) p( e E ) Dengan : e E = evidence lama = evidence observasi baru p(h E,e) = probabilitas hipotesis H benar jika muncul evidence baru dari evidence lama e p(h E) = probabilitas hipotesis H benar jika diberikan evidence E p(e E,H) = kaitan antara e dan E jika hipotesis H benar p(e H) = kaitan antara e dan E jika hipotesis H benar Observasi baru menunjukkan bahwa orang terkena darah tinggi pasti mengalami sakit kepala, jika diketahui probabilitas terkena darah tinggi bila sakit kepala p(darah tinggi sakit kepala) = 0,9. Setelah itu sistem akan mencocokkan keterkaitan antara mual, lemas dan sakit kepala bila seseorang terkena darah tinggi dengan nilai yang diambil/direkam dari pakar p(mual lemas sakit kepala, darah tinggi) = 0,8 dan keterkaitan antara mual, lemas dan batuk berdahak p(mual lemas sakit kepala) = 0,9 Maka : P(darah tinggi sakit kepala, mual, lemas) = P(darah tinggi sakit kepala) * P(mual lemas sakit kepala, darah tinggi p(mual lemas sakit kepala)

32 75 p(darah tinggi sakit kepala, mual, lemes) = (0,9) * (0,8) / (0,9) = 0,80 dari hasil di atas menunjukan bahwa probabilitas terkena darah tinggi lebih besar jika seseorang mengalami mual, lemas dan sakit kepala dibandingkan seseorang yang hanya mengalami sakit kepala Perancangan Antar Muka Dalam pembuatan sistem pakar untuk mendiagnosa penyakit umum, terdapat beberapa rancangan antar muka yang terdiri dari, halaman utama, halaman tutorial, halaman pemilihan gejala penyakit, diagnosa, bahan obat tradisional dan cara pembuatan obat tradisional Rancangan Antar Muka Halaman Utama Rancangan antar muka halaman utama dapat dilihat pada awal program. Tersedia 2 tombol yaitu Tutorial dan Select Symptom yang dapat user pilih untuk tindakan selanjutnya. Traditional Medic Keterangan Penggunaan. Tutorial Pilih Gejala Gambar 3.20 Tampilan Antar Muka Halaman Utama.

33 Rancangan Antar Muka Tutorial Rancangan antar muka tutorial dapat dilihat ketika user memilih Tutorial pada halaman utama. Dalam halaman ini user dapat melihat dan mengetahui tentang cara menggunakan aplikasi ini. Traditional Medic Penjelasan tutorial aplikasi Kembali Gambar 3.21 Tampilan Antar Muka Tutorial Rancangan Antar Muka Pilih Gejala Dalam halaman ini user dapat memilih 3 gejala penyakit yang dialami. Apabila user memilih gejala penyakit kurang dari 3, maka aplikasi akan memberikan warning kepada user.

34 77 Traditional Medic Pilih gejala 1 Pilih gejala 2 Pilih gejala 3 Proses Gambar 3.22 Tampilan Antar Muka Pilih Gejala Rancangan Antar Muka Diagnosa Awal Dalam halaman ini user dapat mengetahui diagnosa awal dari penyakit yang diderita dan besarnya probabilitas penyakit. Traditional Medic Diagnosa awal Bahan Cara Penjelasan penyakit Nilai probabilitas Gambar 3.23 Tampilan Antar Muka Diagnosa Awal.

35 Rancangan Antar Muka Bahan Obat Tradisional Dalam halaman ini user dapat mengetahui bahan bahan obat tradisional yang akan diracik dari penyakit yang diderita. Traditional Medic Diagnosa awal Bahan Cara Informasi bahan bahan obat tradisional Gambar 3.24 Tampilan Antar Muka Bahan Obat Tradisional Rancangan Antar Muka Cara Pembuatan dan Cara Pemakaian Obat Tradisional Dalam Halaman ini user dapat mengetahui informasi bagaimana cara pembuatan dan cara pemakaian obat tradisonal yang akan diracik dari penyakit yang diderita.

36 79 Tradisional Medic Diagnosa awal Bahan Cara Informasi Cara Pembuatan dan Cara Pemakaian Obat Tradisional Gambar 3.25 Tampilan Antar Muka Cara Pembuatan dan Pemakaian Obat Tradisional. 3.4 Pendekatan Yang Digunakan Perhitungan Dengan Teorema Bayes Jika seseorang mengalami gejala Sakit kepala, Mual dan Lemas. Kemudian dokter menduga bahwa ia terkena penyakit darah tinggi dengan probabilitas : P(sakit kepala darah tinggi) = P(SK DT) = 0.9 (pilihan gejala pertama) P(Mual darah tinggi) = P(M DT) = 0.8 P(Lemas darah tinggi) = P(L DT) = 0.7

37 80 Maka : p( H E, e ) = p( H E)*p( e E, H ) p( e E ) Dengan : e = evidence lama E = evidence observasi baru p(h E,e) = probabilitas hipotesis H benar jika muncul evidence baru dari evidence lama e p(h E) = probabilitas hipotesis H benar jika diberikan evidence E p(e E,H) = kaitan antara e dan E jika hipotesis H benar p(e H) = kaitan antara e dan E jika hipotesis H benar maka: P(darah tinggi sakit kepala, mual, lemas) = P(darah tinggi sakit kepala) * P(mual lemas sakit kepala, darah tinggi p(mual lemas sakit kepala) p(darah tinggi sakit kepala, mual, lemes) = (0,9) * (0,8) / (0,9) = 0,80 Kesimpulan : Dari hasil diatas menunjukkan bahwa probabilitas penderita terkena darah tinggi sebesar 80 %, apabila gejala utama yang dirasakan adalah sakit kepala. contoh 2: P(lemas darah tinggi) = P(SK DT) = 0.7 (pilihan gejala pertama) P(Mual darah tinggi) = P(M DT) = 0.8 P(Sakit kepala darah tinggi) = P(L DT) = 0.9

38 81 P(darah tinggi lemas, mual, sakit kepala) = P(darah tinggi lemas) * P(mual lemas sakit kepala, darah tinggi ) p(mual lemas sakit kepala) p(darah tinggi lemas, mual, sakit kepala) = (0,7) * (0,8) / (0,9) = 0,62 Kesimpulan : Dari hasil diatas menunjukkan bahwa probabilitas penderita terkena darah tinggi sebesar 62 %, apabila gejala utama yang dirasakan adalah lemas. contoh 3: P(BABencer diare) = P(BE DI) = 0.9 (pilihan gejala pertama) P(Muntah diare) = P(MU DI) = 0.8 P(Lemas diare) = P(L DI) = 0.7 P(diare BAB encer, muntah, lemas) = P(diare BABencer) * P(muntah lemas BABencer, diare ) p(muntah lemas BABencer) p(diare BAB encer, muntahl, lemas) = (0,9) * (0,6) / (0,8) = 0,67 Kesimpulan : Dari hasil diatas menunjukkan bahwa probabilitas penderita terkena diare sebesar 67 %, apabila gejala utama yang dirasakan adalah BAB Encer.