BAB III ANALISIS DAN DESAIN SISTEM

Transkripsi

1 BAB III ANALISIS DAN DESAIN SISTEM Pada bab ini penulis akan membahas mengenai perancangan sistem pakar identifikasi penyakit pada kulit sapi dengan menggunakan metode certainty Factor yang meliputi analisa sistem yang sedang berjalan saat ini dan desain sistem. III.1 Analisa Sistem yang Sedang Berjalan Pada sistem yang sedang berjalan belum ada atau belum tersedia sistem pakar tempat konsultasi yang berbasis komputer yang menjelaskan tentang penyakit yang dialami seorang peternak terhadap sapi dan permasalahan seputar kulit sapi. Sistem yang berjalan, para peternak akan mencari informasi dari sumber pengetahuan seperti sesama peternak sapi, buku serta majalah tentang peternakan hewan. Namun diprakteknya masih ada saja peternakan yang mengalami kegagalan dalam menentukan solusi yang tepat untuk mengatasi permasalahan tersebut. III.1.1 Analisa Input Pada sistem yang berjalan, belum ada sistem pakar berbasis komputer sebagai tempat untuk berkonsultasi para pengguna, sehingga peternak yang ingin berkonsultasi akan mencari informasi melalui buku dan informasi dari penyuluh peternakan. 37

2 38 III.1.2 Analisa Proses Pengguna Administrasi Penyuluh -kd_penyakit Data Pengguna Data gejala Data Pengguna Data gejala Input data pengguna dan gejala penyakit Proses konsultasi Data Pengguna Data gejala Analisa hasil konsultasi Analisa Hasil Konsultasi Analisa hasil konsultasi Gambar III.1. Flow of Document Letak Konsultasi Berikut merupakan penjelasan dari flow of document tersebut diatas adalah sebagai berikut : 1. Start. 2. Peternak akan mencari keterangan tentang penyakit pada kulit sapi. 3. Peternak akan menanyakan informasi seputar penyakit pada sapi kepada sesama peternakan ataupun mendatangin dokter hewan. 4. Jika informasi dan solusi penyakit pada peternak sapi sudah ditemukan.

3 39 5. Maka peternak akan melaksanakan solusi yang didapat sesuai dengan anjuran penyuluh peternakan. 6. End III.1.3. Analisa Output Keluaran atau output data dari sistem yang sedang berjalan setelah diinput dan diproses akan ditampilkan hasilnya dalam bentuk output. Adapun sebagai output dari proses yang dilakukan adalah hasil analisa tentang penyakit pada sapi yang diberikan dalam bentuk jawaban dari dokter hewan. III.2 Evaluasi Sistem yang Berjalan Setelah penulis melakukan analisa terhadap sistem yang berjalan pada sistem konsultasi tersebut, maka penulis dapat menarik kesimpulan atas sistem yang sedang berjalan yakni mengetahui kelemahan sistem yang ada. Adapun kelemahan sistem yang sedang berjalan setelah mengevaluasi sistem yang berjalan, maka ada beberapa kendala antara lain sebagai berikut : 1. Dalam proses konsultasi yang dilakukan, terlalu banyak membuang waktu dan tenaga untuk biaya pembelian buku. 2. Waktu yang banyak terbuang untuk membeli buku, dan mengkonsultasikannya dengan penyuluh peternakan sapi. 3. Dari sistem yang lama dapat dilihat ke efektifan waktunya, seperti melakukan proses pencarian terhadap sebuah informasi dari buku, memerlukan waktu yang lama dan memerlukan ketelitian yang tinggi,

4 40 sedangkan pada rancangan yang di usulkan proses pencarian dapat dilakukan dengan mudah dan cepat. III.2.1 Strategi Pemecahan Masalah Adapun strategi pemecahan masalah yang diusulkan dalam permasalahan informasi dan konsultasi tentang permasalahan yang dihadapi peternak sapi adalah dengan membuat sebuah sistem pakar yang akan digunakan untuk mendeteksi Penyakit pada kulit sapi. Sistem pakar berbasis komputer yang diusulkan adalah sistem pakar yang mampu mendeteksi penyakit pada kulit sapi sesuai dengan gejala yang dipilih dan dimasukkan oleh pengguna. Sistem pakar yang diusulkan sebagai pemecahan masalah adalah sistem pakar yang akan menampilkan solusi dari penyakit pada kulit sapi yang dihadapi berdasarkan gejala. III.3 Penerapan Metode Certainty Factor Representasi pengetahuan merupakan metode yang digunakan untuk mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan (knowledge base). Basis pengetahuan mengandung pengetahuan untuk pemahaman dan merupakan inti dari sistem pakar, yaitu berupa representasi pengetahuan dari pakar yang tersusun atas dua (2) elemen dasar yaitu, fakta dan aturan, dan mesin inferensi.

5 41 III.3.1 Basis pengetahuan Basis pengetahuan yang terdapat dalam sistem pakar ini akan digunakan untuk menentukan proses pencarian atau menentukan kesimpulan yang diperoleh dari hasil analisis. Hasil yang diperoleh setelah pengguna melakukan interaksi dengan sistem pakar yaitu dengan menjawab pertanyaan yang diajukan oleh sistem pakar. Basis pengetahuan yang di gunakan didalam sistem pakar ini terdiri dari : gejala-gejala yang penyakit kulit sapi dan derajat/tingkat keyakinan yang diberikan oleh pakar. Tabel keputusan untuk gejala-gejala yang terjadi adalah seperti ditunjukkan oleh tabel III.1 dibawah ini: III Data Gejala No Id Nama Gejala Tabel III.1 Daftar Gejala Penyakit 1. G0001 Timbul sisik pada kulit 2. G0002 Kulit dan rambut kering 3. G0003 Iritasi kulit dan rambut terlihat kusam tidak mengkilat serta gatal. 4. G0004 Lesi berawal sebagai eritema, yang kemudian menebal berwarna abu abu 5. G0005 Kulit yang menebal akan berubah menjadi fissura 6. G0006 kulit berwarna merah permukaannya kasar, kulit bersisik-sisik 7. G0007 kulit menjadi tebal dan bengkak 8. G0008 Rambut rontok dan bagian yang terkena keratosis menjadi kasar berkerut pada permukaannya 9. G0009 Sapi merasa gelisah dan susah tidur 10. G0010 Nyeri pada kulit menyebabkan penderita menggosokgosokkan bagian tubuh yang gatal ke obyek keras 11. G0011 Lesi terbatas pada kulit yang mengalami luka atau lecetlecet dan tertutup nanah

6 G0012 Penebalan pada saluran limfe, meradang dan terjadi proses granulasi dalam bentuk keras. 13. G0013 Kulit yang mengalami peradangan yang luas akan timbul uremia, rasa sakit pada kulit 14. G0014 Kulit tiba-tiba rusak dengan beberapa jam dan mengelupas dibeberapa bagian 15. G0015 Gatal, sapi menjadi tidak tenang, nafsu makan menuru, terdapat luka-luka dan badan kurusan 16. G0016 Pembengkaan pada celah kuku dan sekitar tumit, kemudian diikuti keluarnya cairan bewarna putih kekun 17. G0017 Selaput kuku mengelupas karena jaringannya mati, sapi akan pincang karena kesakitan bahkan mau lumpu 18. G0018 Produksi susu turun 19. G0019 Abortus pada pertengahan kebungtingan dan biasanya terjadi retensi plasenta, metritis, serta inferti III Data Penyakit Tabel III.2 Tabel Data Penyakit No Id Nama Penyakit Pada Kulit Sapi 1. P0001 Pityriasis (ketombe) 2. P0002 Parakeratosis 3. P0003 Hiperkeratosis 4. P0004 Skabies 5. P0005 Oedema Angioneurotik 6. P0006 Sela Karang (saccharomycosis) 7. P0007 Radang kulit (Dermatitis) 8. P0008 Luka Bakar 9. P0009 Kudis 10. P0010 Kutu Busuk 11. P0011 Leptospirosis

7 43 III Data rule Tabel III.3 Data Rule No Id Gejala Id 1. Rule 1 If G0001 Then P Rule 2 If G0002 Then P Rule 3 If G0003 Then P Rule 4 If G0004 Then P Rule 5 If G0005 Then P Rule 6 If G0006 Then P Rule 7 If G0007 Then P Rule 8 If G0008 Then P Rule 9 If G0009 Then P Rule 10 If G0010 Then P Rule 11 If G0011 Then P Rule 12 If G0012 Then P Rule 13 If G0013 Then P Rule 14 If G0014 Then P Rule 15 If G0015 Then P Rule 16 If G0016 Then P Rule 17 If G0017 Then P Rule 18 If G0018 Then P Rule 19 If G0019 Then P0011

8 44 Tabel III.4 Penelusuran Jenis Penyakit G H X 2 X 3 X 4 X 5 X 6 X 7 8 X 9 X 10 X 11 X 12 X 13 X 14 X 15 X 16 X 17 X 18 X 19 X Keterangan Evidence : gejala Hipotesa : menunjukan penyakit Penjelasan mengenai tabel 1. Pada tabel III.4 gejala ditunjukan oleh kode G dan seterusnya, dan penyakit ditunjukan oleh kode H. 2. Pada tabel III.4 gejala semuanya hanya satu tapi penyakit lebih dari satu. III.3.2 Penerapan Dan Perhitungan Metode Certainty Factor Untuk menghitung nilai Certainty Factor digunakan rumus CF = MB MD CF = Certainty Factor MB = Nilai kepercayaan pakar (Meansure Believe) MD = Nilai ketidak percayaan pakar (Meansure Disbelieve)

9 45 Sedangkan untuk nilai Certainty Factor dari suatu rule digunakan rumus CF(H,e) = CF(H,E) Contoh perhitungan nilai certainty factor untuk sistem ini adalah sebagai berikut: If kulit berwarna merah permukaannya kasar, kulit bersisik-sisik Then Pityriasis (ketombe) Then Skabies, Parakeratosis, Radang kulit (Dermatitis) Dengan menganggap E 1 E 2 E 3 : Skabies : Parakeratosis : Radang kulit (Dermatitis) Nilai certainty factor hipotesis pada saat evidence pasti adalah : CF(H,e) = CF(H,E 1 E 2 E 3 ) Dalam kasus ini, kondisi gejala tidak dapat ditentukan dengan pasti. Certainty factor evidence E yang dipengaruhi partial evidence e ditunjukkan dengan nilai sebagai berikut: Tabel III.5 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 1 Timbul sisik pada kulit Pityriasis (ketombe) a. Perhitungan CF CF = MB MD = = 0.7 atau 70%

10 46 Hal ini berarti besarnya kepercayaan pakar dengan rule 1 terhadap P001 hampir pasti adalah 0.7 atau persentasi 70% Tabel III.6 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 2 Kulit dan rambut kering Pityriasis (ketombe) a. Perhitungan CF CF = MB MD = = 0.6 atau 60% Hal ini berarti besarnya kepercayaan pakar dengan rule 2 terhadap P001 hampir pasti adalah 0.7 atau persentasi 70% Tabel III.7 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 3 Iritasi kulit dan rambut terlihat kusam tidak mengkilat serta gatal Skabies a. Perhitungan CF CF = MB MD = = 0.8 atau 80% dan, Hal ini berarti besarnya kepercayaan pakar dengan rule 3 terhadap P004 hampir pasti adalah 0.8 atau persentasi 80%

11 47 Tabel III.8 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 4 Lesi berawal sebagai eritema, yang kemudian menebal berwarna abu abu Parakeratosis a. Perhitungan CF CF = MB MD = = 0.7 atau 70% Hal ini berarti besarnya kepercayaan pakar dengan rule 4 terhadap P002 hampir pasti adalah 0.7 atau persentasi 70% Tabel III.9 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 5 Kulit yang menebal akan Parakeratosis berubah menjadi fissure a. Perhitungan CF CF = MB MD = = 0.6 atau 60% Hal ini berarti besarnya kepercayaan pakar dengan rule 5 terhadap P002 kemungkinan besar adalah 0.6 atau persentasi 60%

12 48 Tabel III.10 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 6 kulit berwarna merah permukaannya kasar, kulit bersisik-sisik Skabies a. Perhitungan CF CF = MB MD = = 0.9 atau 90% dan, Hal ini berarti besarnya kepercayaan pakar dengan rule 6 terhadap P007 pasti adalah 0.9 atau persentasi 90% Tabel III.11 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 7 kulit menjadi tebal dan Hiperkeratosis bengkak a. Perhitungan CF CF = MB MD = = 0.8 atau 80% dan, Hal ini berarti besarnya kepercayaan pakar dengan rule 7 terhadap P003 hampir pasti adalah 0.8 atau persentasi 80%

13 49 Tabel III.12 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 8 Rambut rontok dan bagian yang terkena keratosis menjadi kasar berkerut pada permukaannya Hiperkeratosis a. Perhitungan CF CF = MB MD = = 0.7 atau 70% Hal ini berarti besarnya kepercayaan pakar dengan rule 8 terhadap P003 hampir pasti adalah 0.7 atau persentasi 70% Tabel III.13 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 9 Sapi merasa gelisah dan susah tidur Skabies a. Perhitungan CF CF = MB MD = = 0.6 atau 60% Hal ini berarti besarnya kepercayaan pakar dengan rule 9 terhadap P004 kemungkinan besar adalah 0.6 atau persentasi 60%

14 50 Tabel III.14 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 10 Nyeri pada kulit menyebabkan penderita menggosok-gosokkan bagian tubuh yang gatal ke obyek keras Oedema Angioneurotik a. Perhitungan CF CF = MB MD = = 0.8 atau 80% Hal ini berarti besarnya kepercayaan pakar dengan rule 10 terhadap P005 hampir pasti adalah 0.8 atau persentasi 80% Tabel III.15 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 11 Lesi terbatas pada kulit yang mengalami luka atau lecet-lecet dan tertutup nanah Radang kulit (Dermatitis) a. Perhitungan CF CF = MB MD = = 0.8 atau 80% dan, Hal ini berarti besarnya kepercayaan pakar dengan rule 11 terhadap P007 hampir pasti adalah 0.8 atau persentasi 80%

15 51 Tabel III.16 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 12 Penebalan pada saluran limfe, meradang dan terjadi proses granulasi dalam bentuk keras Sela Karang (saccharomycosis) a. Perhitungan CF CF = MB MD = = 0.6 atau 60% Hal ini berarti besarnya kepercayaan pakar dengan rule 12 terhadap P006 kemungkinan besar adalah 0.6 atau persentasi 60% Tabel III.17 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 13 Kulit yang mengalami peradangan yang luas akan timbul uremia, rasa sakit pada kulit Radang kulit (Dermatitis) a. Perhitungan CF CF = MB MD = = 0.7 atau 70% Hal ini berarti besarnya kepercayaan pakar dengan rule 13 terhadap P007 hampir pasti adalah 0.7 atau persentasi 70%

16 52 Tabel III.18 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 14 Kulit tiba-tiba rusak dengan beberapa jam dan mengelupas dibeberapa bagian Luka Bakar a. Perhitungan CF CF = MB MD = = 0.7 atau 80% Hal ini berarti besarnya kepercayaan pakar dengan rule 14 terhadap P008 hampir pasti adalah 0.8 atau persentasi 80% Tabel III.19 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 15 Gatal, sapi menjadi tidak tenang, nafsu makan menuru, terdapat luka-luka dan badan kurusan Kudis a. Perhitungan CF CF = MB MD = = 1.0 atau 100% Hal ini berarti besarnya kepercayaan pakar dengan rule 15 terhadap P009 hampir pasti adalah 1.0 atau persentasi 100%

17 53 Tabel III.20 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 16 Pembengkaan pada celah kuku dan sekitar tumit, kemudian diikuti keluarnya cairan bewarna putih kekuningan Kutu Busuk a. Perhitungan CF CF = MB MD = = 0.9 atau 90% Hal ini berarti besarnya kepercayaan pakar dengan rule 16 terhadap P010 hampir pasti adalah 0.9 atau persentasi 90% Tabel III.21 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 17 Selaput kuku mengelupas karena jaringannya mati, sapi akan pincang karena kesakitan bahkan mau lumpuh Kutu Busuk a. Perhitungan CF CF = MB MD = = 0.8 atau 80% Hal ini berarti besarnya kepercayaan pakar dengan rule 17 terhadap P010 hampir pasti adalah 0.8 atau persentasi 80%

18 54 Tabel III.21 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 18 Produksi susu turun Leptospirosis a. Perhitungan CF CF = MB MD = = 0.8 atau 80% Hal ini berarti besarnya kepercayaan pakar dengan rule 18 terhadap P011 hampir pasti adalah 0.8 atau persentasi 80% Tabel III.22 Nilai MB, MD dan CF Rule Gejala Penyakit MB MD CF 19 Abortus pada pertengahan kebungtingan dan biasanya terjadi retensi plasenta, metritis, serta infertilitas. Leptospirosis a. Perhitungan CF CF = MB MD = = 0.6 atau 60% Hal ini berarti besarnya kepercayaan pakar dengan rule 19 terhadap P011 hampir pasti adalah 0.6 atau persentasi 60% III.4 Desain Sistem Kelemahan sistem yang sedang berjalan perlu dipikirkan dan mencari solusi terbaik. Kelemahan ini dapat diperkecil dengan merancang suatu sistem

19 55 yang dapat menutupi kelemahan pada sistem yang berjalan tersebut. Dalam hal ini penulis akan mendesain dan memberikan gambaran yang jelas mengenai rancang bangun sistem yang akan diusulkan sebagai alternatif perbaikan pada sistem yang sedang berjalan. Pada tahap ini perlu membatasi rancang bangun sistem yang diusulkan agar lebih mudah dalam memahami sistem nantinya. Tahap ini terdapat dua bagian yakni, disain sistem secara global dan disain sistem secara detail. III.4.1 Desain Sistem Secara Global Perancangan sistem secara global akan menjelaskan gambaran umum sistem serta model sistem yang akan diusulkan. Karena sistem yang diusulkan akan menghasilkan sebuah perangkat lunak yang berorientasi objek, maka perlu melakukan pemodelan sistem berdasarkan objek-objek yang digunakan. Dalam pemodelan ini penulis menggunakan Unfied Modeling Languange (UML). Pada tahap pemodelan ataupun disain sistem secara global, penulis akan merancang sistem berdasarkan kebutuhan sistem yang akan diusulkan, seperti pembuata use case diagram, sequence diagram dan class diagram.

20 56 III Use case Diagram Log In Data Penyakit <<include>> <<include>> Data Gejala Pakar <<include>> Data Aturan Pakar <<include>> <<include>> User Data Solusi <<include>> Konsultasi <<include>> Hasil Dari Konsultasi Berupa Solusi Gambar III.2 Use case Diagram Use case diagram tersebut digunakan untuk memahami bagaimana interaksi pengguna sistem dengan sistem yang dipakai secara keseluruhan. Pada use case diagram ini juga akan menjelaskan kegiatan apa saja yang dapat dilakukan oleh pengguna sistem dan batasan dalam mengakses sistem.

21 57 III Class Diagram Class diagram adalah memperlihatkan hubungan antar kelas dan penjelasan detail tiap tiap kelas didalam model disain dari suatu sistem. Adapun class diagram yang diusulkan dapat dilihat pada gambar berikut ini : Gejala kd_gejala*:char(5) nm_gejala: varchar(100) Input() Ubah() Hapus() Pengunjung ID*:varchar(5) Tgl_daftar:date Nm_pengunjung: varchar(50) Alamat: text Usernm: varchar(50) Passwd: varchar(50) Input() Ubah() Hapus() Pengunjung Konsul Id*: int(11) Tgl_konsul: date userid: varchar(5) Input() Ubah() Hapus() Aturan Kd_gejala: varchar(5) Kd_penyakit: varchar(5) MB_val: double MD_val: double CF_val: double Input() Ubah() Hapus() Analisa Hasil id: int(5) userid: char(5) kd_gejala: char(5) kd_penyakit: char(5) tanggal: date Input() Ubah() Hapus() Pakar PakarID :char(5) Nama_pakar: varchar(60) alamat: varchar(10) userid:varchar(50) PassID:varchar(200) Input() Ubah() Hapus() Penyakit kd_penyakit*:char(5) nm_penyakit: text solusi : text Input() Ubah() Hapus() 1 Tmp_Analisa userid: Char(5) kd_gejala*:char(5) kd_penyakit: varchar(5) Tmp_Proses userid: Char(5) kd_gejala*:char(5) Gambar III.3 Class Diagram Sistem Pakar Diagnosa Penyakit Kulit Pada Sapi Dengan Menggunakan Metode CF III Sequence Diagram Sequence Diagram menggambarkan interaksi antara sejumlah object dalam urutan waktu. Kegunaannya untuk menunjukkan rangkaian pesan yang dikirim antara object serta interaksi antar object yang terjadi pada titik

22 58 tertentu dalam eksekusi sistem yang diusulkan. Adapun perancangan sequence diagram pada sistem yang diusulkan adalah sebagai berikut: III Sequence Diagram Interaksi Login Pakar Serangkaian kinerja sistem login yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.4 berikut : Admiin Form login Controller Hal Admin Database Pakar 1: Menu login() 2:Halaman Login Tampil() 3:Masukkan Username dan Password() 4: Login() 5:Validasi() 7:pesan informasi() 6: Hasil() 8:Login sukses() 9: Cancel() 10: Reset Field() Gambar III.4 Sequence Diagram Login Pakar

23 59 III Sequence Diagram Penyakit Serangkaian kinerja pengolahan data penyakit yang dilakukan oleh admin dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.5 berikut : Admiin Hal Penyakit Proses Database Penyakit 1: Menu Penyakit() 2: Halaman Data Penyakit() 3: Tambah data() 4: Ubah () 5: Hapus() 6: Validasi() 7:Result() 8:Pesan Informasi () 9: Data berhasil disimpan() Gambar III.5 Sequence Diagram Penyakit

24 60 III Sequence Diagram Gejala Serangkaian kinerja pengolahan data gejala yang dilakukan oleh admin dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.6 berikut : Admin Hal Gejala Proses Database Gejala 1: Menu Gejala() 2: Halaman Data gejala() 3: Tambah data() 4: Ubah () 5: Hapus() 6: Validasi() 8:Pesan Informasi () 7:Result() 9: Data berhasil disimpan() Gambar III.6 Sequence Diagram Gejala

25 61 III Sequence Diagram Aturan Pakar Serangkaian kinerja sistem pengolahan data aturan pakar yang dilakukan oleh admin dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.7 berikut: Admin Hal Relasi Proses Database Aturan 1: Menu Relasi() 2: Halaman Data Relasi() 3: Tambah data() 4: Ubah () 5: Hapus() 8:Pesan Informasi () 9: Data berhasil disimpan() 6: Validasi() 7:Result() Gambar III.7 Sequence Diagram Aturan Pakar

26 62 III Sequence Diagram User Serangkaian kinerja sistem login user yang dilakukan oleh pengunjung dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.8 berikut : Hal Utama Hal Penyakit Hal Konsultasi Database Pengunjung user 1:pilih menu() 2:Menu Home() 3:Home() 4:Penyakit() 5:Halaman Penyakit() 6:ambil data() 7:Hasil() 8:Konsultasi() 9:halaman Konsultasi() Gambar III.8 Sequence Diagram User

27 63 III Sequence Diagram Solusi Serangkaian kinerja sistem solusi yang dilakukan oleh admin dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.9 berikut : Admin Hal Solusi Proses Database Proses 1: Menu Solusi() 2: Halaman Data Solusi() 3: Tambah data() 4: Ubah () 5: Hapus() 6: Validasi() 8:Pesan Informasi () 7:Result() 9: Data berhasil disimpan() Gambar III.9 Sequence Diagram Solusi

28 64 III Sequence Diagram Halaman Konsultasi Serangkaian kinerja sistem hasil konsultasi yang dilakukan oleh user dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.10 berikut : User Hal Utama Hal Konsultasi Database 1:konsultasi() 2: Halaman konsultasi() 3: masukkan data pengguna() 4: menampilkan pertanyaan () 5:Pilih pertanyaan () Hasil analisa () 7:Result() Gambar III.10 Sequence Diagram Halaman Konsultasi III.4.2 Desain Sistem Secara Detail III Desain Output Desain output Sistem global sebagaimana telah dijelaskan di atas tidak dapat menggambarkan secara keseluruhan proses yang terjadi dalam sistem, sehingga dibutuhkan disain sistem secara detail yang dapat menjelaskan alur proses yang terjadi di dalam sistem tersebut. Adapun

29 65 disain sistem secara detail yang diusulkan akan dijelaskan satu persatu berikut ini. III Desain Output Halaman Home Desain output halaman home yang telah dirancang pada sistem yang diakses oleh user dalam melihat informasi mengenai testimoni dapat diterangkan pada gambar III.11 : Header Login User Pengunjung Username Password Diagnosa Penyakit Kulit Sapi Testimoni Menu Pengunjung Konsultasi Cetak Hasil Konsultasi Logout Registrasi Pengunjung Edit Registrasi Bantuan Materi Konsultasi Daftar Penyakit FAQ Gejala POST Penyakit POST Foother Gambar III.11 Desain Output Halaman Home

30 66 III Desain Output Halaman penyakit Desain output halaman penyakit yang telah dirancang pada sistem yang diakses oleh user dalam melihat informasi mengenai daftar penyakit dapat diterangkan pada gambar III.12 : Header Login User Pengunjung Username Password Search Pages [x] Menu Pengunjung [Kode] [Nama Penyakit] [Cek] Konsultasi Cetak Hasil Konsultasi Logout Registrasi Pengunjung Edit Registrasi Bantuan Materi Konsultasi Daftar Penyakit FAQ Gejala POST Penyakit POST Foother Gambar III.12 Desain Output Halaman Penyakit

31 67 III Desain Output Halaman Registrasi Pengunjung Desain output halaman registrasi pengunjung yang telah dirancang pada sistem yang diakses oleh user dalam mendaftar sebagai pengunjung dapat diterangkan pada gambar III.13 : Header Tanggal Selamat Datang Di Sistem Pakar Diagnosa Penyakit Kulit Sapi Login User Pengunjung Username Password Menu Pengunjung Konsultasi Cetak Hasil Konsultasi Logout Registrasi Pengunjung Edit Registrasi Bantuan Materi Konsultasi Daftar Penyakit FAQ Form Isian Data Pengunjung Sistem Pakar Data Pribadi User Pengguna Sistem Nama Lengkap Alamat Data Login Pengunjung Username Password Ulangi Password Kode Verifikasi (Input Kode Pada Gambar) XXXXX Kode Baru Kode Verifikasi Simpan Registrasi Gejala POST Penyakit POST Foother Gambar III.13 Desain Output Halaman Register Pengunjung

32 68 III Desain Output Halaman Bantuan Desain output halaman bantuan pengunjung yang telah dirancang pada sistem yang diakses oleh user dalam melihat berbagai informasi dapat diterangkan pada gambar III.14 : Header Tanggal Selamat Datang Di Sistem Pakar Diagnosa Penyakit Kulit Sapi Login User Pengunjung Username Password TATA CARA MELAKUKAN KONSULTASI Alur Konsultasi Menu Pengunjung Konsultasi Cetak Hasil Konsultasi Logout Informasi Bantuan Registrasi Pengunjung Edit Registrasi Bantuan Materi Konsultasi Daftar Penyakit FAQ Gejala POST Penyakit POST Foother Gambar III.14 Desain Output Halaman Bantuan

33 69 III Desain Output Halaman Konsultasi Desain output halaman konsultasi pengunjung yang telah dirancang pada sistem yang diakses oleh user dalam mediagnosa berbagai gejala dapat diterangkan pada gambar III.15 : Header Tanggal Login User Pengunjung Username Password Menu Pengunjung Konsultasi Cetak Hasil Konsultasi Logout Gambar Nama : xxxxx Alamat : xxxxx Tgl Konsultasi : xx-xx-xxxx Konsultasi : x Proses Diagnosa Gejala Penyakit [Cek] [Kode] [NamaGejala] Registrasi Pengunjung Edit Registrasi Bantuan Materi Konsultasi Daftar Penyakit FAQ Gejala POST Penyakit POST Foother Gambar III.15 Output Halaman Konsultasi

34 70 III Desain Output Halaman Cetak Hasil Konsultasi Desain output halaman cetak hasil konsultasi yang telah dirancang pada sistem yang diakses oleh user dalam mencetak hasil diagnosa dapat diterangkan pada gambar III.16 : Header Tanggal Login User Pengunjung Username Password Menu Pengunjung Konsultasi Cetak Hasil Konsultasi Logout Gambar Nama : xxxxx Alamat : xxxxx Jlh Konsultasi : x Daftar Hasil Konsultasi No Tanggal Konsultasi Cetak Registrasi Pengunjung Edit Registrasi Bantuan Materi Konsultasi Daftar Penyakit FAQ Gejala POST Penyakit POST Foother Gambar III.16 Output Halaman Cetak Hasil Konsultasi

35 71 III Desain Output Hasil Proses Konsultasi Penyakit Kulit Sapi Desain output hasil proses konsultasi penyakit yang telah dirancang pada sistem yang diakses oleh user dalam hasil konsultasi diagnosa gejala dapat diterangkan pada gambar III.17 : Tanggal Login User Pengunjung Username Password Menu Pengunjung Konsultasi Cetak Hasil Konsultasi Logout Registrasi Pengunjung Edit Registrasi Bantuan Materi Konsultasi Daftar Penyakit Gejala POST FAQ Header Hasil Proses Konsultasi Penyakit Kulit Sapi Nama Alamat Tgl Konsultasi Konsultasi Ke Gejala : xxxxx : xxxxx : xx-xx-xxxx : x Hasil Diagnosa Penyakit Kulit Sapi No Penyakit Nilai CF SAVE Persentase Penyakit dan Solusi Nilai Rentan Certainty Factory Paralel MD/MD xx / xxx Certain Term Keterangan Hipotesa Analisis Certainty Factor Menentukan Nilai Terbesar Berdasarkan Kepercayaan Pakar No Nilai MB Nilai MD Nilai MB MIN Nilai MB MAX Nilai MD MAX Penyakit POST Nilai CF Gabungan Nilai CF Gabungan Hasil Akhir Diagnosa Penyakit Kulit Sapi Nilai Kepercayaan Pakar Terhadap Penyakit Kulit Sapi Dalam Kasus Ini Bernilai 0.6 Kemungkinan Besar Yaitu 60 % Kepercayaan Pakar Terhadap Penyakit Tersebut Gambar III.17 Output Hasil Proses Konsultasi Penyakit Kulit Sapi

36 72 III Desain Output Halaman Admin Desain output halaman admin yang telah dirancang pada sistem yang diakses oleh pakar halaman utama dapat diterangkan pada gambar III.18 : Header Username Password Login Pakar Tambah Data Pakar Edit Data Pakar Logout Selamat Datang Admin Gambar Basis Pengetahuan Data Penyakit Data Gejala Basis Aturan Aturan Pakar Laporan Data Penyakit Data Gejala Data Aturan Pakar Data Pengunjung Data Konsultasi Foother Gambar III.18 Output Halaman Admin

37 73 III Desain Output Admin Data Penyakit Desain output halaman data penyakit yang telah dirancang pada sistem yang diakses oleh pakar dalam penginputan jenis-jenis penyakit dapat diterangkan pada gambar III.19 : Header Username Password Login Pakar Tambah Data Pakar Edit Data Pakar Logout BASIS PENGETAHUAN : DAFTAR PENYAKIT Search Pages [x] Kode Nama Penyakit Solusi Tool Edit/H apus Basis Pengetahuan Data Penyakit Data Gejala Basis Aturan Aturan Pakar Laporan Data Penyakit Data Gejala Data Aturan Pakar Data Pengunjung Data Konsultasi Foother Gambar III.19 Output Halaman Admin Data Penyakit

38 74 III Desain Output Admin Data Gejala Desain output admin data gejala yang telah dirancang pada sistem yang diakses oleh pakar dalam penginputan jenis-jenis gejala dapat diterangkan pada gambar III.20 : Header Login Pakar BASIS PENGETAHUAN : DAFTAR GEJALA Username Password Search Pages [x] Tambah Data Pakar Edit Data Pakar Logout Kode Gejala Nama Gejala Tool Edit/Hapus Basis Pengetahuan Data Penyakit Data Gejala Basis Aturan Aturan Pakar Laporan Data Penyakit Data Gejala Data Aturan Pakar Data Pengunjung Data Konsultasi Foother Gambar III.20 Output Halaman Admin Data Gejala

39 75 III Desain Output Halaman Laporan Penyakit Desain output halaman laporan penyakit merupakan halaman hasil keseluruhan laporan jenis-jenis penyakit yang telah diiinput oleh pakar dan keterangan pada gambar III.21 : SISTEM PAKAR DIAGNOSA PENYAKIT KULIT SAPI LAPORAN DATA SELURUH PENYAKIT KULIT SAPI NO KODE PENYAKIT NAMA PENYAKIT SOLUSI Gambar III.21 Desain Output Halaman Laporan Penyakit III Desain Output Halaman Laporan Gejala Desain output halaman laporan geajala merupakan halaman hasil keseluruhan laporan gejala yang telah diiinput oleh pakar dan keterangan pada gambar III.22 :

40 76 SISTEM PAKAR DIAGNOSA PENYAKIT KULIT SAPI LAPORAN DATA SELURUH GEJALA PENYAKIT KULIT SAPI NO KODE GEJALA NAMA GEJALA SOLUSI Gambar III.22 Desain Output Halaman Laporan Gejala III Desain Output Halaman Laporan Aturan Pakar Desain output halaman laporan aturan pakar merupakan halaman hasil keseluruhan laporan aturan pakar yang telah diiinput oleh pakar dan keterangan pada gambar III.23 : SISTEM PAKAR DIAGNOSA PENYAKIT KULIT SAPI LAPORAN ATURAN DIAGNOSA PAKAR METODE CF NO NAMA GEJALA NAMA PENYAKIT MB MD CF Gambar III.23 Desain Output Halaman Laporan Aturan Pakar III Desain Output Halaman Laporan Pengunjung Desain output halaman laporan pengunjung merupakan halaman hasil keseluruhan laporan pengunjung keterangan pada gambar III.24 :

41 77 SISTEM PAKAR DIAGNOSA PENYAKIT KULIT SAPI LAPORAN DATA PENGUNJUNG NO DAFTAR NAMA PENGUNJUNG ALAMAT Gambar III.24 Desain Output Halaman Laporan Pengunjung III Desain Output Halaman Laporan Hasil Konsultasi Desain output halaman laporan hasil konsultasi merupakan halaman hasil keseluruhan laporan konsultasi diagnosa yang telah dilakukan oleh user dan keterangan pada gambar III.25: SISTEM PAKAR DIAGNOSA PENYAKIT KULIT SAPI DAFTAR HASIL KONSULTASI NO ID PENGUNJUNG NAMA PENGUNJUNG USER CETAK Gambar III.25 Desain Output Halaman Laporan Hasil Konsultasi III Desain Input Sistem ini mempunyai beberapa halaman yang akan menjadi intput. Dalam perancangannya, sistem yang diusulkan mempunyai tiga halaman sebagai keluaran akhir, yaitu :

42 78 III Desain Input Halaman Tambah Penyakit Desain input halaman tambah penyakit merupakan halaman penambahan jenis penyakit yang diakses oleh pakar dan keterangan pada gambar III.26 : Header Username Password Login Pakar Tambah Data Pakar Edit Data Pakar Logout Basis Pengetahuan Data Penyakit Data Gejala Basis Aturan Aturan Pakar Laporan Data Penyakit Data Gejala Data Aturan Pakar Data Pengunjung Data Konsultasi Gambar FORM ISIAN DATA PENYAKIT Data Penyakit Kode Penyakit Nama Penyakit Nama Solusi SAVE Foother Gambar III.26 Desain Halaman Tambah Penyakit

43 79 III Desain Input Halaman Tambah Gejala Desain input halaman tambah gejala merupakan halaman penambahan gejala yang diakses oleh pakar dan keterangan pada gambar III.27 : Header Username Password Login Pakar Tambah Data Pakar Edit Data Pakar Logout Basis Pengetahuan Data Penyakit Data Gejala Basis Aturan Aturan Pakar Laporan Data Penyakit Data Gejala Data Aturan Pakar Data Pengunjung Data Konsultasi Gambar FORM ISIAN DATA GEJALA Data Gejala Kode Gejala Nama Gejala SAVE Foother Gambar III.27 Desain Halaman Tambah Gejala

44 80 III Desain Basis Data (database) Tahap ini merupakan tahap dimana penulis menempatkan data yang sudah ada pada bagian server. Data tersebut nantinya akan diproses oleh data yang sudah dibuat. Tempat untuk menampung data tersebut disebut dengan basisdata atau database strukturnya yang terdiri dari atas tabel-tabel yang dibuat dengan menggunakan program Xampp server. Adapun struktur tabelnya dapat dilihat sebagai berikut: III Kamus Data Database dictionary atau Kamus data adalah suatu daftar data elemen yang terorganisir dengan definisi yang tetap dan sesuai dengan sistem, sehingga user dan analis sistem mempunyai pengertian yang sama tentang input, output dan komponen data store. Pembentukan kamus data didasarkan pada alur data yang terdapat pada Diagram Alir data bersifat global (hanya menunjukkan nama alur datanya tanpa menunjukkan struktur dari alur data). Untuk menunjukkan struktur dari alur data secara rinci maka dibentuklah kamus data. Bentuk dari form kamus data dapat dilihat pada tabel berikut ini. Penyakit : Kd_Penyakit+Nm_Penyakit+ Solusi Gejala : Kd_gejala+nm_gejala Analisa_hasil : Alamat+Id+Kd_Penyakit+Kelamin+Nam a+noip+pekerjaan+tanggal Pakar : PassID+UserID Relasi : Kd_gejala+Kd_Penyakit Temp_analisa : Kd_gejala+Kd_Penyakit+userid Temp_proses : Kd_gejala+userid Pengunjung : Id+tgl_daftar+nama_pengunjung+alamat +usernm+passwd

45 81 Users : Blokir+ +Id_session+level+Nama_l engkap+no_telp+password+username III Normalisasi Normalisasi data merupakan proses pemecahan tabel flat menjadi tabel-tabel relasi yang berhubungan satu dengan lainnya. Normalisasi dibutuhkan mengurangi adanya reduransi data karena adanya tumpang tindih data yang disimpan menjadi satu tabel. 1. Rancangan Normalisasi Kd_gejala Nm_gejala Gejala Penyakit Kd_penyakit Nm_penyakit Solusi Tmp_Analisa Kd_gejala Kd_penyakit UserID UserID Kd_gejala Tmp_Proses Aturan Kd_gejala Kd_penyakit MB_Val MD_Val CF_Val Pakar PakarId Nama_pakar Alamat UserID PassID Pengunjung_Konsul Id Tgl_konsul UserID Pengunjung Id Tgl_Daftar Nama_Pengunjung Gambar III.28 Tabel Relasi

46 82 2. Bentuk Normalisasi Berikut ini adalah bentuk tabel normal pertama dari database sistem sistem sistem pakar penyakit kulit sapi. 1 NF Suatu relasi dikatakan sudah memenuhi bentuk normal pertama bila setiap data bersifat atomik yaitu setiap irisan baris dan kolom hanya mempunyai satu nilai data. Kd_pen yakit P0001 Tabel III.23 Bentuk Normalisasi 1 NF Nm_penyakit Pityriasis (ketombe) Parakeratosis Solusi 1. untuk menghilangkan ketombenya sendiri dilakuka... P0002 Skabies 1. oleskan saleb keratolik dan salisil. P0011 Leptospirosis 1. Isolasi sapi yang sakit. 2 NF Suatu relasi dikatakan sudah memenuhi bentuk normal kedua bila relasi tersebut sudah memenuhi bentuk normal pertama, dan atribut yang bukan key sudah tergantung penuh terhadap key nya. Tabel III.24 Bentuk Normalisasi 2 NF Kd_pen Nm_penyakit Solusi yakit P0001 Pityriasis (ketombe) 1. untuk menghilangkan ketombenya sendiri dilakuka... P0002 Parakeratosis 1. oleskan saleb keratolik dan salisil. P0011 Leptospirosis 2. Isolasi sapi yang sakit.

47 83 3 NF Tabel III.25 Bentuk Normalisasi 3 NF Gejala Kd_gejala G0001 G0002 G0003 Nama_gejala Timbul sisik pada kulit Kulit dan rambut kering Iritasi kulit dan rambut terlihat kusam tidak meng... Tabel III.26 Bentuk Normalisasi 3 NF Penyakit Kd_penyakit Nama_penyakit Solusi P0001 Pityriasis (ketombe) untuk menghilangkan ketombenya sendiri dilakuka... P0002 Parakeratosis oleskan saleb keratolik dan salisil. P0011 Leptospirosis 3. Isolasi sapi yang sakit. Tabel III.27 Bentuk Normalisasi 3 NF Analisa Hasil UserID Kd_gejala Kd_penyakit G0003 P G0003 P00004 G0007 G0003 P00006 III Basis Data (Database) Dalam perancangan database Sistem pakar mendeteksi Penyakit pada kulit sapi, menggunakan tabel tabel basis data sebagai berikut: 1. Tabel Penyakit Tabel Penyakit digunakan untuk menampung data Penyakit dan solusi keseluruhan. Berikut ditampilkan rancangan struktur data Penyakit.

48 84 Nama Database Nama Tabel Field Key : sp_kulitsapi : Penyakit : kd_penyakit Tabel III.28 Tabel Penyakit Kulit Sapi No Nama Field Data Type Width Keterangan 1 Kd_Penyakit Varchar 5 Id Penyakit 2 Nm_Penyakit Text 50 Nama Penyakit 3 Solusi Text 200 Solusi 2. Tabel Gejala Tabel gejala digunakan untuk menampung data gejala keseluruhan. Berikut ditampilkan rancangan struktur data Gejala. Nama Database Nama Tabel Field Key : sp_kulitsapi : Gejala : kd_gejala Tabel III.29 Tabel Gejala Penyakit Kulit Sapi No Nama Field Data Type Width Keterangan 1 Kd_gejala Varchar 5 Id gejala 2 Nm_gejala Varchar 100 nama_gejala 3. Tabel Analisa Hasil Tabel Analisa Hasil digunakan untuk menampung hasil analisa sementara untuk membuat sebuah hipotesis keseluruhan. Berikut ditampilkan rancangan struktur data hasil analisa. Nama Database : sp_kulitsapi

49 85 Nama Tabel : Analisa_Hasil Tabel III.30 Tabel Analisa Hasil Konsultasi Kulit Sapi No Nama Field Data Type Width Keterangan 1 Kd_gejala Char 5 Kode gejala 2 kd_penyakit Char 50 Id Penyakit 3 Id int 4 Id 4 UserID Char 5 User 5 Tanggal Date Tanggal 4. Tabel Temp_Analisa Tabel Temp_analisa digunakan untuk menampung sementara analisa. Berikut ditampilkan rancangan struktur data hasil analisa. Nama Database Nama Tabel Field Key : sp_kulitsapi : temp_analisa : kd_penyakit Tabel III.31 Tabel temp_gejala Kulit Sapi No Nama Field Data Type Width Keterangan 1 Kd_gejala Char 5 Kode gejala 2 Kd_penyakit Char 5 Kode Penyakit 3 Userid Char 5 User ID 5. Tabel Temp_Proses Tabel Temp_Proses digunakan untuk menampung data analisa penyakit sementara yang banyak di pertanyakan. Berikut ditampilkan rancangan struktur data Temp_Proses.

50 86 Nama Database Nama Tabel Field Key : sp_kulitsapi : temp_proses : kd_penyakit Tabel III.32 Tabel Temp_Penyakit Kulit Sapi No Nama Field Data Type Width Keterangan 1 kd_gejala Char 5 Kode gejala 2 Userid char 5 Userid 6. Tabel Pengunjung Tabel pengunjung digunakan untuk menampung data pengguna/user keseluruhan. Berikut ditampilkan rancangan struktur data pengunjung. Nama Database Nama Tabel Field Key : sp_kulitsapi : pengunjung : id Tabel III.33 Tabel User Kulit Sapi No Nama Field Data Type Width Keterangan 1 id Varchar 5 Id Pengunjung 2 Tgl_daftar Date - Tgl Daftar 3 Nama_pengunjung Varchar 50 Nama User 4 Alamat Text 150 Alamat 5 Usernm Varchar 50 Nama User 6 Passwd Varchar 50 Password user

51 87 7. Tabel Pengunjung Konsultasi Tabel Analisa Hasil digunakan untuk menampung hasil analisa keseluruhan. Berikut ditampilkan rancangan struktur data hasil analisa. Nama Database Nama Tabel Field Key : sp_kulitsapi : pengunjung_konsul : id Tabel III.34 Tabel Tmp_pengguna Kulit Sapi No Nama Field Data Type Width Keterangan 1 Alamat Varchar 10 Alamat 2 Id Text 50 Id pengguna 3 Kelamin Text 150 Jenis Kelamin 4 Nama Text 150 Nama 5 Noip Text 50 Noip 6 Pekerjaan Text 20 Pekerjaan 7 Tanggal Varchar 20 Tanggal 8. Tabel Aturan Tabel aturan digunakan untuk menampung data aturan keseluruhan. Berikut ditampilkan rancangan struktur data aturan. Nama Database Nama Tabel Field Key : sp_kulitsapi : aturan : id

52 88 Tabel III.35 Tabel Relasi Kulit Sapi No Nama Field Data Type Width Keterangan 1 Kd_gejala Varchar 5 Kode gejala 2 Kd_Penyakit Varchar 5 Kode Penyakit 3 MB_VAL Double 4 MD_VAL Double 5 CF_VAL Double III ERD ( Entity Relation Diagram) Nm_penyakit Penyakit Kd_penyakit Gejala Kd_gejala Nm_gejala Solusi Id Aturan Pakar Kd_penyakit Kd_gejala User_Id Kd_gejala Kd_penyakit Tanggal Analisa_hasil PakarId Nama_Pakar id Tgl_Daftar Pakar Alamat UserId Nm_pengunjung Alamat Usernm passwd Pengunjung PassID Gambar III.29 Entity Relationship Diagram (ERD)