IMPLEMENTASI SISTEM PAKAR UNTUK MENDIAGNOSA TINGKAT DEPRESI PADA MAHASISWA TINGKAT AKHIR DENGAN METODE CERTAINTY FACTOR SKRIPSI

Transkripsi

1 IMPLEMENTASI SISTEM PAKAR UNTUK MENDIAGNOSA TINGKAT DEPRESI PADA MAHASISWA TINGKAT AKHIR DENGAN METODE CERTAINTY FACTOR SKRIPSI Oleh: SASMITA JAYA TEKNIK INFORMATIKA SEKOLAH TINGGI TEKNOLOGI PELITA BANGSA BEKASI 2018

2 IMPLEMENTASI SISTEM PAKAR UNTUK MENDIAGNOSA TINGKAT DEPRESI PADA MAHASISWA TINGKAT AKHIR DENGAN METODE CERTAINTY FACTOR SKRIPSI Diajukan Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Strata Satu (S1) pada Program Studi Teknik Informatika Oleh: SASMITA JAYA TEKNIK INFORMATIKA SEKOLAH TINGGI TEKNOLOGI PELITA BANGSA BEKASI 2018

3 i

4 ii

5 iii

6 MOTTO SELESAIKAN APA YANG KAMU MULAI, JANGAN PERNAH MENINGALKAN YANG BELUM SELESAI KERJA KERAS, KERJA CERDAS DAN KERJA IKHLAS iv

7 PERSEMBAHAN Skripsi ini saya persembahkan untuk :. Bapak & Ibu tercinta Mereka adalah orang tua hebat yang telah membesarkan dan mendidikku dengan penuh kasih sayang. Terima kasih atas pengorbanan, nasehat dan do a yang tiada hentinya yang di berikan kepadaku selama ini.. Istriku tercinta. Sahabat-Sahabatku Yang selalu menghiburku disaat pusing melanda dalam mengerjakan skripsi. Terima kasih atas dukungan serta do a kalian, semoga Tuhan Senantiasa memberi kesehatan bagi kalian (Amin).. Dan tak terlupakan kenangan selama menuntut ilmu di STT Pelita Bangsa yaitu, keluarga besar TI.14.B3 yang telah mengenalkanku arti sebuah keluarga, sahabat dan arti kebersamaan. v

8 KATA PENGANTAR Puji syukur penulis panjatkan ke hadiran Allah SWT. yang telah melimpahkan segala rahmat dan hidayah-nya, sehingga tersusunlah Skripsi yang berjudul IMPLEMENTSI SISTEM PAKAR UNTUK MENDIAGNOSA TINGKAT DEPRESI PADA MAHASISWA TINGKAT AKHIR DENGAN METODE CERTAINTY FACTOR. Skripsi tersusun dalam rangka melengkapi salah satu persyaratan dalam rangka menempuh ujian akhir untuk memperoleh gelar Sarjana Komputer (S.Kom.) pada Program Studi Teknik Informatika di Sekolah Tinggi Teknologi Pelita Bangsa. Penulis sungguh sangat menyadari, bahwa penulisan Skripsi ini tidak akan terwujud tanpa adanya dukungan dan bantuan dari berbagai pihak. Sudah selayaknya, dalam kesempatan ini penulis menghaturkan penghargaan dan ucapan terima kasih yang sebesar-besarnya kepada: a. Bapak Dr. Ir. Suprianto, M.P selaku Ketua STT Pelita Bangsa b. Bapak Aswan Sunge, S.E, M.Kom selaku Ketua Program Studi Teknik Informatika STT Pelita Bangsa. c. Bapak Edi Widodo, S.Kom, M.Kom selaku Pembimbing Utama yang telah banyak memberikan arahan dan bimbingan kepada penulis dalam penyusunan Skripsi ini. d. Bapak Sugeng Budi Rahardjo, ST,. MM selaku Pembimbing Dua yang telah banyak memberikan arahan dan bimbingan kepada penulis dalam penyusunan Skripsi ini. e. Seluruh Dosen STT Pelita Bangsa yang telah membekali penulis dengan wawasan dan ilmu di bidang teknik informatika. f. Seluruh staf STT Pelita Bangsa yang telah memberikan pelayanan terbaiknya kepada penulis selama perjalanan studi jenjang Strata 1. g. Rekan-rekan mahasiswa STT Pelita Bangsa, khususnya angkatan 2014, yang telah banyak memberikan inspirasi dan semangat kepada penulis untuk dapat menyelesaikan studi jenjang Strata 1. vi

9 h. Ibu dan Ayah tercinta yang senantiasa mendo akan dan memberikan semangat dalam perjalanan studi Strata 1 maupun dalam kehidupan penulis. Akhir kata, penulis mohon maaf atas kekeliruan dan kesalahan yang terdapat dalam Skripsi ini dan berharap semoga Skripsi ini dapat memberikan manfaat bagi khasanah pengetahuan Teknologi Informasi di lingkungan STT Pelita Bangsa khususnya dan Indonesia pada umumnya. Bekasi, November 2018 Penulis vii

10 DAFTAR ISI PERSETUJUAN... i PENGESAHAN... ii PERNYATAAN KEASLIAN PENELITIAN... iii MOTTO... iv PERSEMBAHAN... v KATA PENGANTAR... vi DAFTAR ISI... viii DAFTAR TABEL... xiii DAFTAR GAMBAR... xiv ABSTRACT... xvi ABSTRAK... xvii BAB I PENDAHULUAN Latar Belakang Identifikasi Masalah Rumusan Masalah Batasan Masalah Tujuan dan Manfaat Tujuan Manfaat viii

11 BAB II TINJAUAN PUSTAKA Penelitian Terdahulu Kerangka Pemikiran Depresi Pengertian Depresi Kriteria Tingkat depresi Sistem Pakar Pengertian Sistem Pakar Kelebihan dan Kekurangan Sistem Pakar Konsep Umum Sistem Pakar Ciri-ciri Sistem Pakar Struktur Sistem Pakar Faktor Kepastian (Certainty Factor) Pengertian Aplikasi Web Pengertian PHP Sejarah PHP Software Penunjang Xampp MySQL Basis Data Database Management System (DBMS) ix

12 2.9.2 Entity Relationship Diagram Unified Modeling Language (UML) Diagram Use Case Diagram Use Sequence Diagram Activity Diagram Class Metode Pengujain Pengujian White-Box Metode Perancangan Keuntungan Metode Waterfall Kelemahan Metode Waterfall BAB III METODE PENELITIAN Jenis Penelitian Tempat dan Waktu Penelitian Tempat Waktu Analisa Permasalahan Tahapan Penelitian Metode Pengumpulan Data Perencanaan Sistem Memasukan Gejala Depresi x

13 3.6.2 Memasukan Data Tingkat depresi Memasukan Nilai MB dan MD Memasukan Kaidah Produksi (Rule) Perancangan Sistem Perancangan Desain Perancangan Basis Data Perancangan Antarmuka BAB IV HASIL DAN PEMBAHASAN Hasil Spesifikasi Perangkat Lunak Spesifikasi Perangkat keras Implementasi Implementasi Database Implementasi Sistem Hasil Penelitian Pembahasan Pengujian White Box BAB V KESIMPULAN Kesimpulan Saran DAFTAR PUSTAKA xi

14 LAMPIRAN LAMPIRAN 1 Surat Permohonan Penelitian LAMPIRAN 2 Form Kendali Bimbingan Skripsi LAMPIRAN 3 Kuisioner LAMPIRAN 4 Hasil Kuisioner LAMPIRAN 5 Hasil Wawancara Dengan Pakar LAMPIRAN 6 Daftar Riwayat Hidup xii

15 DAFTAR TABEL Tabel 2.1 Penelitian Terdahulu Tabel 2.2 Perbandingan Seorang Pakar dengan Sistem Pakar Tabel 2.1 Interpretasi Certainty Factor Tabel 3.1 Gejala Depresi Tabel 3.2 Data Penyakit Tabel 3.3 Nilai MB dan MD Pada Tiap Gejala Tabel 3.4 Aturan (Rule) Tabel 3.5 Data User Tabel 3.6 Data Pakar Tabel 3.7 Gejala Tabel 3.8 Penyakit Tabel 3.9 Relasi Tabel 3.10 Hasil Diagnosa Tabel 3.1 Gejala Depresi Tabel 4.1 Hasil Penelitian Tabel 4.2 Jawaban Kuisioner Amin xiii

16 DAFTAR GAMBAR Gambar 1 Kerangka Pemikiran Penelitian Gambar 2 Komponen Dalam Sebuah Sistem Pakar Gambar 3 Tampilan Xampp Gambar 4 Komponen Entity Relationship Diagram Gambar 5 Contoh Use Case Diagram Gambar 6 Contoh Sequence Diagram Pemesanan Kamar di Hotel Gambar 7 Contoh Activity Diagram Pengambilan Uang melalui ATM Gambar 8 Contoh Diagram Class transaksi Pembelian Barang Gambar 9 Metode Perancangan Waterfall Gambar 10 Tahapan Penelitian Gambar 10 Tahapan Penelitian Gambar 11 Flowchart Sistem Pakar Gambar 12 Use Case Diagram Sistem Pakar Gambar 13 Activity Diagram Login Gambar 14 Activity Diagram Inpu Data Gejala Gambar 15 Activity Diagram Inpu Data Penyakit Gambar 16 Activity Diagram Inpu Relasi Gambar 17 Activity Diagram Diagnosa Penyakit Gambar 18 Sequence Diagram Login Gambar 19 Class Diagram Sistem Pakar Gambar 20 Entity Relationship Diagram (ERD) Gambar 21 Form Login Gambar 22 Form Utama USer xiv

17 Gambar 23 Form Utama Pakar Gambar 24 Form Data Penyakit Gambar 25 Form Data Gejala Gambar 26 Form Data Relasi Gambar 27 Form Diagnosa Penyakit Gambar 28 Tabel Login Gambar 29 Tabel Data Gejala Gambar 30 Ttabel Data Penyakit Gambar 31 Tabel Relasi Gambar 32 Halaman Login Gambar 33 Halaman Utama Admin Gambar 34 Halaman Data Penyakit Gambar 35 Halaman Data Gejala Gambar 36 Halaman Data Relasi Gambar 37 Halaman Diagnosa Penyakit xv

18 ABSTRACT The level of depression in students has increased compared to the age of children and adulthood, in depressed people tend not to pay attention to their diet and physical activity. One method that is still widely used in psychology to detect the level of depression is by making questionnaires or a series of questions. This method is considered less effective and efficient because it is still done manually. With this basis, an expert system is needed to help students detect the level of depression. In this study, expert systems are built on the web so that they can be used by students and institutions/agencies in need. The development of a depression diagnosis expert system implements the Certainty Factor method as a reasoning method to determine the certainty factor of the symptoms shown. Based on the tests carried out, from the results of the data as many as 30 experiments, the results of the calculation of system diagnostics in accordance with the results of calculation of expert diagnosis. With the results of an accuracy ratio of 97%, the expert system application for diagnosing the level of depression in these final year students can help psychologists/experts diagnose the level of depression in students. In addition, the system can operate properly. Keyworad : Expert System, Certanty Factor, Depression, Web xvi

19 ABSTRAK Tingkat depresi pada mahasiswa mengalami peningkatan dibandingkan usia anak anak dan usia dewasa, pada orang depresi cenderung tidak akan memperhatikan pola makan dan aktivitas fisiknya. Salah satu metode yang masih banyak digunakan dalam ilmu psikologi untuk mendeteksi tingkat depresi yakni dengan cara membuat quesioner atau serangkaian pertanyaan. Metode ini dirasa kurang efektif dan efisien karena masih dilakukan secara manual. Dengan dasar tersebut maka diperlukan sebuah sistem pakar untuk membantu mahasiswa dalam mendeteksi tingkat depresi. Dalam penelitian ini sistem pakar dibangun berbasis web agar dapat digunakan oleh mahasiswa dan lembaga/instansi yang membutuhkan. Adapun pengembangan sistem pakar diagnosa depresi ini mengimplementasikan metode Certainty Factor sebagai metode penalaran untuk menentukan faktor kepastian gejala yang ditunjukkan. Berdasarkan pengujian yang dilakukan, dari hasil data sebanyak 30 percobaan, hasil perhitungan diagnosa sistem sesuai dengan hasil perhitungan diagnosa pakar. Dengan hasil perbandingan keakuratan 97%, aplikasi sistem pakar diagnosa tingkat depresi pada mahasiswa tingkat akhir ini dapat membantu psikolog/pakar dalam mendiagnosa tingkat depresi mahasiswa. Selain itu sistem dapat beroperasi dengan baik. Kata kunci : Sistem Pakar, Certainty Factor, Depresi, Web. xvii

20 BAB I PENDAHULUAN 1.1 Latar Belakang Tingkat depresi pada mahasiswa mengalami peningkatan dibandingkan usia anak anak dan usia dewasa, pada orang depresi cenderung tidak akan memperhatikan pola makan dan aktivitas fisiknya (Medika, 2016). Studi sebelumnya melaporkan bahwa depresi pada mahasiswa tercatat di seluruh dunia dan prevalensi tampaknya meningkat. Pada tahun 2011, American College Health Association - National College Health Assesment ( ACHA - NCHA ) meneliti perjalanan mahasiswa dari tahun ke dua hingga empat diberbagai institusi pendidikan di Amerika, dan menemukan ada 30% dari mahasiswa yang menyatakan bahwa merasa tertekan hingga tidak dapat berbuat apa - apa terutama pada tingkat akhir ( Depression and College Students, n.d.). Hal ini menyimpulkan bahwa depresi mampu menurunkan performa dalam bidang akademik. Depresi merupakan gangguan kejiwaan pada alam perasaan ( affective / mooddisorder ) yang ditandai dengan gejala kemurungan, kelesuan, tidak ada gairah hidup, merasa tidak berguna, kekecewaan yang mendalam, rasa putus asa, pikiran kematian dan keinginan bunuh diri. Pada orang depresi cenderung tidak akan memperhatikan pola makan dan aktivitas fisiknya. Mahasiswa yang mengalami depresi tentu akan menjadi penghambat untuk melakukan aktivitasnya. Kurangnya pengetahuan tentang cara mengatasi masalah depresi akan menyebabkan kejadian depresi yang lebih besar. 1

21 2 Pada praktik selama ini di dalam ilmu psikologi sebagian besar masih menggunakan cara-cara dan metode lama dalam proses memahami dan mempelajari sisi psikologis seorang manusia dengan segala sikap dan tingkah lakunya. Salah satu metode yang masih banyak digunakan dalam ilmu psikologi yakni dengan cara membuat quesioner atau serangkaian pertanyaan. Metode ini dirasa kurang efektif dan efisien karena masih dilakukan secara manual. Pada penelitian sebelumnya terdapat beberapa penelitian tentang diagnosa tingkat depresi, Penelitian dari (Jasmir, 2012) Rancangan sistem pakar dengan metode forward chainging dan heteroassociative memory untuk mendiagnosa tingkat depresi seseorang. Pada penelitian ini dilakukan analaisa dan perancangan untuk mendeteksi tingkat depresi pada seseorang dengan penerapan metode reteroassociative memory. Dari hasil penelitian yang dilakukan, menghasilkan sebuah aplikasi sistem pakar yang nantinya dapat digunakan untuk mendiagnosa tingkat depresi yang di alami seseorang yang dapat membantu halnya seorang pakar, serta penelitian (Astuti, 2015) Sistem pakar untuk mendiagnosa gangguan depresi mayor dengan menggunakan faktor kepastian. Hasilnya, Data hasil uji pakar dilakukan 5 kali uji pakar. Dari 5 data tersebut sesuai dengan perhitungan manual oleh pakar. Dan dalam peneliti (Kurniati, Mubarok, & Reinaldi, 2017) mendiagnosa tingkat depresi pada mahasiswa tingkat akhir dengan metode Fuzzy Tsukamoto melakukan uji coba dengan membagikan instrumen BDI II ( Beck Depression Inventory II ) kepada 25 responden. Dari hasil uji coba diperoleh kesesuaian antara tingkat depresi BDI II dan Fuzzy Tsukamoto sebanyak 24 data serta menghasilkan perbandingan keakuratan sebesar 96 %.

22 3 Kemudian untuk mempermudah melakukan diagnosa tingkat depresi pada mahasiswa tingkat akhir, maka dibutuhkan sebuah sistem yang dapat mewakili seorang pakar yang memiliki basis pengetahuan dan pengalaman. Sistem pakar merupakan program komputer yang meniru proses pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah tertentu. Implementasi sistem pakar banyak digunakan dalam bidang kecerdasan buatan karena sistem pakar dipandang sebagai cara penyimpanan pengetahuan pakar pada bidang tertentu dalam program komputer, sehingga keputusan dapat diberikan dalam melakukan penalaran secara cerdas (Veradani, 2014). Metode Certainty Factor merupakan metode yang mendefenisikan ukuran kepastian terhadap suatu fakta atau aturan, untuk menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi, dengan menggunakan Certainty Factor ini dapat menggambarkan tingkat keyakinan pakar. Untuk itu, dalam penelitian ini akan dilakukan analisa data tingkat depresi pada mahasiswa tingkat akhir menggunakan metode Certainty Factor. Penelitian ini menjadi penting untuk mengantisipasi kemungkinan terjadinya depresi, mengingat berbagai dampak dari depresi yang dapat berpengaruh terhadap kondisi kesehatan mahasiswa. 1.2 Identifikasi Masalah 1. Gangguan depresi merupakan masalah utama kesehatan jiwa pada mahasiswa tingkat akhir. 2. Minimnya pengetahuan mahasiswa yang mengalami depresi dan cara pencegahannya.

23 4 1.3 Rumusan Masalah Depresi yang dialami mahasiswa dapat tergolong ringan, sedang dan berat. Oleh karena itu timbul beberapa pertanyaan dari peneliti, antara lain sebagai berikut: 1. Apakah dengan bantuan aplikasi sistem pakar dapat mempercepat analisis diagnosa tingkat depresi? 2. Apakah metode Certainty Factor dapat mendiagnosa tingkat depresi pada mahasiswa tingkat akhir? 1.4 Batasan Masalah Perlunya suatu ruang lingkup agar penelitian dapat terfokus, maka dalam penelitian ini hanya dibatasi sebagai berikut : 1. Pengumpulan data dilakukan dengan mwewancarai pakar dan melakukan kuisioner kepada mahasiswa tingkat akhir di STT Pelita Bangsa. 2. Sistem pakar lebih ditekankan pada penerapan metode Certainty Factor untuk perhitungan kepastian. 3. Metode Certainty Factor digunakan untuk memperoleh rules dan mendiagnosa tingkat depresi pada mahasiswa tingkat akhir. 4. Aplikasi yang diterapkan pada sistem pakar ini berupa aplikasi berbasis Web menggunakan PHP dan MySQL. 1.5 Tujuan dan Manfaat Tujuan Tujuan yang ingin dilakukan dan dicapai dalam penelitian ini adalah : 1. Diharapkan dengan bantuan pendekatan metode certainty factor sistem pakar dapat mempercepat analisis diagnosa tingkat depresi.

24 5 2. Mengimplementasikan metode Certainty Factor ke dalam sistem pakar Manfaat 1. Manfaat Teoritis Penelitian ini diharapkan dapat menjadi bahan rujukan dalam pengembangan penelitian yang sejenis, terutama bagi peneliti yang memusatkan perhatian tentang diagnosa terhadap tingkat depresi pada mahasiswa tingkat akhir. 2. Manfaat Praktis Bagi Penulis : Sebagai sarana untuk menambah wawasan dan pengetahuan yang berkaitan dengan masalah yang diteliti, yaitu mengetahui tingkat depresi pada mahasiswa tingkat akhir yang mengerjakan skripsi. Bagi Mahasiswa STT Pelita Bangsa : Penelitian ini diharapkan menjadi suatu informasi yang berguna bagi mahasiswa mengenai gejala gejala depresi, tingkat depresi, dan solusi untuk melakukan penanganan terhadap depresi. Bidang psikologi : diharapkan dapat membantu pengembangan ilmu psikologi, khususnya bidang psikologi depresi, dan hasil penelitian dapat dijadikan sebagai bahan pertimbangan dalam proses konseling akademik. dalam memperkaya bahan kajian pada penelitian penulis. Berikut merupakan penelitian terdahulu berupa beberapa jurnal terkait dengan penelitian yang dilakukan penulis.

25 6 BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian terdahulu ini menjadi salah satu acuan penulis dalam melakukan penelitian sehingga penulis dapat memperkaya teori yang digunakan dalam mengkaji penelitian yang dilakukan. Dari penelitian terdahulu, penulis tidak menemukan penelitian dengan judul yang sama seperti judul penelitian penulis. Namun penulis mengangkat beberapa penelitian yang identik sebagai referensi Table 2.1 Penelitian Terdahulu Penulis Judul Metode Hasil Catatan 1 Jasmir, 2012 Rancangan Sistem Pakar Dengan Metode Forward Chaining Dan Heteroassoco ative Memory Untuk Mendeteksi Tingkat Depresi Seseorang. Forward Chaining dan Heteroass ociative Dari hasil penelitian yang dilakukan menghasilk an sebuah rancangan aplikasi sistem pakar yang dapat digunakan untuk mendiagnos a tingkat depresi yang di alami seseorang yang dapat membantu halnya seorang pakar. Pada penelitian ini batasan usia yang di diagnosa tingkat depresinya usia 15 tahun sampai 50 tahun

26 7 2 Aninda Astuti, Kusrini, 2015 Sistem Pakar Untuk Mengetahui Gangguan Depresi Mayor Dengan Menggunaka n Faktor Kepastian. Metode Logic Fuzzy Dari hasil uji pakar dengan sistem pakar yang dilakukan 5 kali pengujian, kelima data uji tersebut sesuai dengan perhitungan manual. Pada penelitian ini penginputan data fuzzy, nilai min dan nilai max masih dihitung manual. 3 Neng Ika Kurniati, Husni Mubarok,Angga Reinaldi, 2017 Rancang Bangun Sistem Pakar Diagnosa Tingkat Depresi Pada Mahasiswa Tingkat Akhir Menggunaka n Metode Fuzzy Tsukamoto (Studi Kasus : Universitas Siliwangi). Metode Fuzzy Tsukamot o Dari hasil uji coba diperoleh kesesuaian antara tingkat depresi BDI II dan Fuzzy Tsukamoto sebanyak 24 data. Dengan probabilitas kesesuaian tingkat depresi antara BDI II dengan Fuzzy Tsukamoto sebesar 96%. Pada penelitian ini perlu ditambahkan fitur auto update atau pembaruan otomatis agar aplikasi tetap up to date dari sisi penambahan gejala, pengetahuan dan lainnya. Dari hasil perbandingan jurnal penelitian terdahulu dengan penelitian penulis bahwa penelitian yang dilakukan oleh Jasmir terdapat 21 gejala untuk mendiagnosa tingkat depresi serta menggunakan metode heteroassociate memory dalam menetukan nilai kepastian tingkat depresi. Pada penelitian Aninda Astuti dan

27 8 kusrini ketidakpastian hasil diagnosa digunakan metode certainty factor untuk menetukan faktor kepastian gejala dan metode fuzzy digunakan untuk menentukan tingkat gangguan serta persentasi gangguan. Penelitian Neng Ika Kurniati, Husni Mubarok, Angga Renaldi Menggunakan metode fuzzy tsukamoto untuk memperoleh rules dan mendiagnosa tingkat akhir. Sedangkan penelitian penulis menggunakan metode certainty factor untuk memperoleh rules dan mendiagnosa tingkat depresi. Sistem pakar berbasis web diimplemetasikan dengan bahasa pemograman PHP dan MySQL untuk databasenya. 2.2 Kerangka Pemikiran Kerangka pemikiran merupakan alur pikir penulis yang dijadikan sebagai skema pemikiran atau dasar-dasar pemikiran untuk memperkuat indikator yang melatar belakangi penelitian ini. Dalam kerangka pemikiran ini peneliti akan mencoba menjelaskan masalah pokok penelitian. Penjelasan yang disusun akan menggabungkan antara teori dengan masalah yang diangkat dalam penelitian ini. Berikut adalah diagram kerangka pikir yang ditunjukan pada gambar 2.1 :

28 Gambar 2.1 Kerangka Pemikiran Penelitian 9

29 Depresi Pengertian Depresi Depresi adalah emosi yang datang ditengahh ketidakberdayaan, kegagalan individu, dan datang saat individu berusaha untuk mendapatkan kekuasaan yang belum dapat direalisasikan ( Seligman, 1993 ). Depresi adalah perasaan sedih, pesimis, dan merasa sendirian yang merupakan bagian dari depresi mayor dan gangguan masalah mood lainnya ( Kaplan & Sadock, 1996 ). Depresi merupakan gangguan kejiwaan pada alam perasaan ( affective / mooddisorder ) yang ditandai dengan gejala kemurungan, kelesuan, tidak ada gairah hidup, merasa tidak berguna, kekecewaan yang mendalam, rasa putus asa, pikiran kematian dan keinginan bunuh diri ( Hawari, 2010 ). Menurut Nasional Insitute of Mental Health ( dalam Siswanto ), gangguan depresi dipahami sebagai suatu penyakit tubuh yang menyeluruh ( whole - body ), yang meliputi tubuh, suasana perasaan dan pikiran. Ini berpengaruh terhadap cara makan dan tidur, cara seseorang merasa mengenai dirinya sendiri dan cara orang berpikir mengenai sesuatu. Gangguan depresi tidak sama dengan suasana murung ( blue mood ). Ini juga tidak sama dengan kelemahan pribadi atau suatu kondisi yang dapat dikehendaki atau diharapkan berlaku. Orang dengan penyakit depresi tidak dapat begitu saja memaksa diri mereka sendiri dan menjadi lebih baik.

30 11 Berdasarkan pendapat - pendapat di atas, disimpulkan bahwa depresi pada mahasiswa adalah suatu kelompok gangguan klinis yang ditandai oleh hilangnya perasaan kendali dan pengalaman subyektif adanya penderitaan berat, simtom - simtom yang muncul seperti kesedihan, keputusasaan, perasaan tidak berharga dan perasaan bersalah, menarik diri dari orang lain, gangguan makan, gangguan tidur, menarik diri, kehilangan konsentrasi, ide yang meloncat - loncat, tegang, kehilangan energi dan munculnya pikiran atau ide bunuh diri Kriteria Tingkat Depresi Menurut Lubis ( 2009 ), tingkatan depresi ada 3 yaitu : 1. Mild depression ( Depresi Ringan ) Pada tingkatan ini gejala yang biasanya berdampak pada aktivitas sehari hari ornag yang mengalaminya seperti kurang tertarik untuk melakukan hal hal yang biasanya sering dilakukan, mudah marah, motivasi untuk bekerja jadi berkurang. Depresi ini tidak terlalu mengganggu, namun harus diobati untuk mencegah kondisi yang semakin memburuk. 2. Middle Depression ( Depresi Ringan ) Depresi ini menyebabkan seseorang mengalami kesulitan dalam hal sosial, pekerjaan dan kegiatan domestik. Pada depresi moderat biasanya seseorang menjadi kurang percaya diri dan atau harga diri sehingga mengakibatkan kurang termotivasi

31 12 untuk melakukan sesuatu. Seringkali seseorang mulai khawatir tentang hal hal yang tidak perlu lebih sensitif dan rentan terhadap perasaan sakit hati atau tersinggung dalam hubungan pribadi. 3. Severe Depression ( Depresi Berat ) Pada depresi ini menyebabkan seseorang mengalai penderitaan yang berat seperti merasa kehilangan harga diri atau perasaan tidak berguna dan rasa bersalah serta ingin bunuh diri. Seseorang yang terkena depresi berat tidak dapat mengelola emosinya sehingga mudah mengalami perasaan putus asa. Orang dengan episode depresi berat mungkin juga menderita delusi, halusinasi atau stupor depresif. Menurut Burns ( 1980 ), bahwa gejala gejala depresi yang biasanya dialami oleh remaja adalah sebagai berikut : 1. Sedih 2. Kelelahan melakukan aktivitas 3. Kurang berkonsentrasi 4. Bosan atau jenuh 5. Sering melamun 6. Tidak bersemangat 7. Sering galau 8. Pesimis mengenai masa depan

32 13 9. Sering menangis dengan alasan yang tidak jelas 10. Mempunyai gangguan tidur atau insomnia 11. Sering cemas 12. Kecewa dengan diri sendiri 13. Terganggu dengan segala hal 14. Lebih sering terlihat murung 15. Kehilangan minat dalam kegiatan atau hobi yang dulu disenangi 16. Kesepian 17. Mempunyai perasaan bersalah 18. Mempunyai perasaan dihukum 19. Mempunyai perasaan benci terhadap diri sendiri 20. Mudah tersinggung 21. Kehilangan selera makan 22. Khawatir tentang penampilan 23. Sangat sensitive atau mudah marah terhadap orang disekitar 24. Lebih suka menyendiri 25. Mempunyai pikiran untuk bunuh diri 26. Sulit mengambil keputusan 27. Sulit melakukan kegiatan dengan baik

33 Ada perubahan penambahan atau penurunan berat badan 29. Kurang percaya diri 2.4 Sistem Pakar Pengertian Sistem Pakar Menurut Turban, sistem pakar adalah sistem yang menggunakan pengetahuan manusia dimana pengetahuan tersebut dimasukan ke dalam sebuah komputer dan kemudian digunakan untuk menyelesaikan masalah yang membutuhkan kepakaran atau keahlian manusia ( Azmi dan Yasin, 2017:12 ). Menurut Muhammad Arhami dalam bukunya yang berjudul Konsep Dasar Sistem Pakar, adad beberapa definisi sistem pakar, antara lain ( Muhammad Arhami, 2005 ) : 1. Sistem pakar adalah salah satu cabang dari Artficial Intellegences ( AI ) yang membuat penggunaan secara knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. 2. Sistem pakar adalah sustu sistem komputer yang menyamai ( emulates ) keampuan pengambilan keputusan dari seorang pakar. 3. Sistem pakar ( Expert System ) merupakan paket perangkat lunak atau paket program komputer yang ditujukan sebagai penyedia nasehat dan sarana bantuan dalam memecahkan masalah di

34 15 bidang bidang spesialisasi tertentu seperti sains, perekayasaan, matematika, kedokteran, pendidikan, dan sebagainya Kelebihan dan kekurangan sistem pakar Menurut Azmi & Yasin ( 2017:14 ), secara garis besar banyak keuntungan yang didapatkan dengan adanya sistem pakar, ntara lain : 1. Menjadikan pengetahuan dan nasihat lebih mudah didapat. 2. Meningkatkan output dan produktivitas. 3. Menyimpan keahlian dan kemampuan pakar. 4. Meningkatkan penyelasaian masalah, menerusi paduan pakar, penerangan sistem pakar khas. 5. Meningkatkan realibilitas. 6. Memberikan respon ( jawaban ) yang cepat. 7. Merupakan panduan yang intellegence ( cerdas ). 8. Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian. 9. Dapat digunakan untuk mengakses basis data dengan cara cerdas. Selain kelebihan kelebihan yang disebutkan diatas, sistem pakar juga memiliki kekurangan, diantaranya yaitu : 1. Masalah dalam mendapatkan pengetahuan, dimana pengetahuan tidak selalu bisa didapatkan dengan mudah. Karena kadangkala pakar dari masalah yang kita buat tidak ada, dan kalaupun ada

35 16 kadang kadang pendekatan yang dimiliki pakar berbeda beda. 2. Untuk membuat sistem pakar yang benar benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan dan pemeliharaannya. 3. Boleh jadi sistem tidak dapat membuat keputusan. 4. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tidak sempurna atau tidak terlalu benar. Oleh karena itu perlu diuji ulang secara teliti sebelum digunakan. Kelemahan kelemahan atau kekurangan dari sistem pakar tersebut bukanlah sama sekali tidak bisa diatasi, tetapi dengan terus melakukan perbaikan dan pengolahan berdasarkan pengalaman yang telah ada maka hal itu diyakini akan dapat diatasi, walaupun dalam waktu yang panjang dan terus menerus Konsep Umum Sistem Pakar Pengetahuan dari suatu sistem pakar mungkin dapat dipresentasikan dalam sejumlah cara. Salah satu metode yang paling umum untuk mempresentasikan pengetahuan adalah dalam bentuk tipe aturan ( rule ) IF...THEN ( jika...maka ). Turban (1995 ), menyatakan bahwa konsep dari suatu sistem pakar mengandung beberapa unsur / elemen, yaitu keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan.

36 17 Menurut Turban ( 1995 ), terdapat tiga orang yang terlibat dalam lingkungan sistem pakar, yaitu : 1. Pakar Pakar adalah orang yang mempunyai keahlian dalam bidang tertentu, yaitu pakar yang mempunyai knowledge ( pengetahuan ) atau kemampuan khusus yang orang lain tidak mengetahui atau mampu dalam bidang yang dimilikinya. Seorang pakar dengan sistem pakar mempunyai banyak perbedaan. Darkin ( 1994 ) mengemukakan perbandingan kemampuan antara seorang pakar dengan sebuah sistem pakar seperti tabel 2.1 berikut ini : Tabel 2.2 Perbandingan kemampuan seorang pakar dengan sistem pakar Faktor Pakar Sistem Pakar Time availability Hari Kerja Setiap saat Geografis Local / tertentu Dimana saja Keamanan Tidak tergantikan Dapat diganti Perishable / dapat habis Ya Tidak Performasi Variable Konsisten Kecepatan Variable Konsisten Biaya Tinggi Terjangkau 2. Perekayasa Sistem ( Knowledge Engineer ) Knowledge Engineeer adalah orang yang membantu pakar dalam menyusun era permasalahan dengan menginterpretasikan dan mengintergrasikan jawaban jawaban pakar atas pertanyaan yang diajukan, menggambarkan analogi, mengajukan counte example dan menerangkan kesulitan kesulitan konseptual.

37 18 3. Pemakai Sistem pakar memiliki beberapa pemakai, yaitu pemakai bukan pakar, pembangun sistem pakar yang ingin meningkatkan dan menambah basis pengetahuan dan pakar Ciri ciri sistem pakar Menurut Azmi dan Yasin ( 2017:14 ), ada 8 ciri-ciri sistem pakar yaitu: 1. Terbatas pada domain keahlian tertentu. 2. Dapat memberikan penalaran untuk data-data yang tidak lengkapatau tidak pasti. 3. Dapat menjelaskan alasan-alasan dengan cara yang dapat dipahami. 4. Bekerja berdasarkan pada kaidah atau rule tertentu. 5. Mudah dimodifikasi. 6. Basis pengetahuan dan mekanisme inferensi terpisah. 7. Output bersifat anjuran. 8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai Struktur sistem pakar Menurut Azmi dan Yasin ( 2017:15 ), Ada dua bagian penting dari sistem pakar yaitu lingkungan pengembangan ( develovment environment ) dan lingkungan konsultasi ( consultation environment

38 19 ). Lingkungan pengembangan digunakan oleh pembuat sistem pakar untuk membangun momponen-komponennya dan memperkenalkan pengetahuan ke dalam knowledge base ( basis pengetahuan ). Sedangkan lingkungan konsultasi digunakan pengguna untuk berkonsultasi, sehingga pengguna mendapatkan pengetahuan dan nasihat dari sistem pakar layaknya berkonsultasi dengan pakar. Gambar 2.2 Komponen dalam sebuah sistem pakar Pada bagan diatas dapat kita lihat secara jelas seluruh komponen yang menyusun sistem pakar yaitu user interface ( antarmuka pengguna ), basis pengetahuan, akuisisi pengetahuan, mesin inferensi, workplace ( area kerja ), fasilitas penjelasasn dan perbaikan pengetahuan. 1. Akusisi Pengetahuan Sub sistem ini digunakan utuk memasukan pengetahuan dari seorang pakar dengan cara merekayasa pengetahuan agar bisa

39 20 diproses oleh komputer dan meletakannya kedalam basis pengetahuan. Sumber-sumber pengetahuan bisa diperoleh dari pakar, buku, dokumen multimedia, basis data, laporan riset khusus, dan informasi yang terdapat di web ( Azmi & Yasin, 2017:15 ). Metode Akusisi Pengetahuan : a. Wawancara Metode yang paling banyak digunakan, yang melibatkan pembicaraan dengan pakar secara langsung dalam suatu wawancara. b. Analisis protokol Dalam metode ini pakar diminta untuk melakukan suatu pekerjaan dan mengungkapkan proses pemikirannya dengan menggunakan kata - kata. Pekerjaan tersebut direkam, dituliskan, dan dianalisis. c. Observasi pada pekerjaan pakar Pekerjaan dalam bidang tertentu yang dilakukan pakar direkam dan diobservasi. d. Induksi aturan dari contoh Induksi adalah suatu proses penalaran dari khusus ke umum. Suatu sistem induksi aturan diberi contoh - contoh dari suatu masalah yang hasilnya telah diketahui. Setelah diberikan beberapa contoh, sistem induksi aturan tersebut dapat membuat aturan yang benar untuk kasus - kasus contoh. Selanjutnya

40 21 aturan dapat digunakan untuk menilai kasus yang hasilnya tidak diketahui. 2. Basis Pengetahuan ( Knowledge Base ) Basis pengetetahuan mengndung pengetahuan yang diperlukan untuk memahami, memformulasikan, dan menyelesaikan masalah. Basis pengetahuan terdiri dari dua elemen dasar, yaitu : a. Fakta, misalnya situasi, kondisi, atau permasalahan yang ada. b. Rule ( Aturan ), untuk mengarahkan penggunaan pengetahuan dalam memecahkan masalah ( Azmi & Yasin, 2017:15 ). 3. Mesin Inferensi ( Inference Engine ) Mesin inferensi adalah sebuah program yang berfungsi untuk memandu proses penalaran terhadap suatu kondisi berdasarkan pada basis pengetahuan yang ada, manipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan untuk mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi pengendalian, yaitu strategi yang berfungsi sebagai panduan arah dalam melakukan proses penalaran ( Azmi & Yasin, 2017:16 ). 4. Area Kerja ( Workplace ) Untuk merekam hasil sementara yang akan dijadikan sebagai keputusan dan untuk menjelaskan sebuah masalah yang sedang terjadi, sistem pakar membutuhkan workplace, yaitu area pada memori yang berfungsi sebagai basis data. Tiga tipe keputusan yang dapat direkam pada workplace, yaitu:

41 22 a. Rencana : bagaimana menjadi masalah b. Agenda : aksi - aksi potensial yang sedang menunggu untuk dieksekusi. c. Solusi : calon aksi yang akan dibangkitkan ( Azmi & Yasin, 2017:16 ). 5. Antarmuka Pemakai ( User Interface ) Digunakan sebagai media komunikasi antara pengguna dan sistem pakar. Komunikasi disajikan dalam bentuk alami ( natural language ) dan dilengkapi dengan grafik, menu, dan formulir elektronik. Pada bagian ini akan terjadi dialog antara sistem pakar dan pengguna ( Azmi & Yasin, 2017:16 ). 6. Sub sistem penjelasan ( Explanation Subsystem / Justifier ) Berfungsi memberi penjelasan kepada pengguna, kesimpulan dapat diambil. Kemampuan seperti ini sangat penting bagi pengguna untuk mengetahui proses pemindahan keahlian pakar maupun dalam pemecahan masalah ( Azmi & Yasin, 2017:16 ). 7. Sistem Perbaikan Pengetahuan ( Knowledge Refining System ) Kemampuan memperbaiki pengetahuan ( Knowledge Refining System ) dari seorang pakar diperlukan untuk menganalisis pengetahuan, belajar dari kesaslahan masalalu, kemudian memperbaiki pengetahuannya sehingga dapat dipakai pada masa mendatang. Kemampuan evaluasi diri seperti itu diperlukan oleh program agar dapat menganalisis untuk mengambil kesimpulan.

42 23 Dengan cara ini basis pengetahuan yang lebih baik dan penalaran yang lebih efektif akan dihasilkan ( Azmi & Yasin, 2017:17 ). 8. Pengguna ( User ) Pada umumnya pengguna sistem pakar bukan lah seorang pakar ( non-expert ) yang membutuhkan solusi, saran, atau pelatihan ( training ) dari berbagai permasalahan yang ada ( Azmi & Yasin, 2017:17 ). 2.5 Faktor Kepastian ( Certainty Factor ) Definisi menurut David McAllister, Certainty Factor ( Faktor Kepastian ) adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti atau tidak pasti yang berbentuk metrik yang biasanya digunakan dalam sistem pakar. Teori Certainty Factor ( CF ) diusulkan oleh Shortliffe dan Buchanan pada tahun 1975 untuk mengakomodasi ketidakpastian pemikiran ( inexact reasoning ) seorang pakar. Seorang pakar, misalnya dokter menganalisis informasi yang ada dengan ungakapan seperti mungkin, kemungkinan besar, hampir seperti. Untuk mengakomodisi hal ini kita menggunakan Certainty Factor ( CF ) guna menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi ( Azmi & Yasin, 2017:91 ). Certainty Factor merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukan besarnya kepercayaan. CF menunjukan ukuran kepastian terhadap suatu fakta atau aturan. CF menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap data. CF memperkenalkan konsep keyakinan dan ketidak yakinan yang kemudian diformulasikan rumusan dasar sebagai berikut :

43 24 CF [H,E] = MB [H,E] MD [H,E].[2.1] Keterangan : CF[H,E] : Certainty factor hipotesa yang dipengaruhi oleh evidence e diketahui dengan pasti. MB[H,E] : Measure of belief terhadap hipotesa H, jika diberikan evidence E (antara 0 dan 1) MD : Measure of Disbelief ( Nilai Ketidakpercayaan ) P : Probability E : Evidence (Peristiwa/Fakta) Formula dasar digunakan apabila belum ada nilai CF untuk setiap gejala yang menyebabkan penyakit. Kombinasi certainty factor yang digunakan untuk mendiagnosa penyakit adalah ( Turban, 2005 ) : 1. Certainty Factor untuk kaidah dengan premis tunggal ( single premis rules ) : CFgejala= CF[user]*CFp[akar]...[2.2] 2. Certainty Factor untuk kaidah dengan kesimpulan yang serupa ( similiarly concluded rules ) atau lebih dari satu gejala, maka CF selanjutnya dihitung dengan persamaan : CFCOMBINE = CFold + CFgejala * (1-CFold) [2.3] 3. Sedangkan untuk menghitung persentase terhadap penyakit, digunakan persamaan : CFpersentase = CFcombine * [2.4]

44 25 Untuk menentukan keterangan faktor keyakinan dari pakar, dilihat dari CFcombine dengan berpedoman dari tabel interpretasi (term) certainty factor. Adapun tabel tersebut dapat dilihat pada Tabel berikut. Tabel 2.3 Tabel Interpretasi Certainty Factor No. Certainty Term CFakhir 1. Pasti Tidak -1,0 2. Hampir Pasti Tidak -0,8 3. Kemungkinan Besar Tidak -0,6 4. Mungkin Tidak -0,4 5. Tidak Tahu/Tidak Yakin -0, ,2 6. Mungkin 0,4 7. Kemungkinan Besar 0,6 8. Hampir Pasti 0,8 9. Pasti 1,0 Proses penghitungan prosentase keyakinan diawali dengan pemecahan sebuah kaidah ( rule ) yang memiliki gejala majemuk, menjadi kaidah - kaidah ( rules ) yang memiliki gejala tunggal. Kemudian masing - masing rule baru dihitung CF nya dengan memggunakan persamaan 2.2 : CFgejala= CF[user]*CFp[akar] Namun apabila terdapat lebih dari satu gejala, maka CF penyakit dihitung dengan menggunakan persamaan 2.3 : CFCOMBINE = CFold + CFgejala * (1-CFold).

45 Pengertian Aplikasi Web World wide web (www) mendapat perhatian publik yang sangat besar yang tidak dapat disamai oleh aplikasi internet lainnya. Pada tahun 1995, www menggantikan FTP (File Transfer Protocol) sebagai aplikasi internet yang bertanggung jawab atas sebagian besar lalu lintas internet. Web telah menjadi sedemikian terkenalnya sehingga kadang dicampuradukkan dengan istilah internet itu sendiri meskipun pengertian "di Web" dan "di Internet" sebenarnya tidaklah sama. Web adalah sistem pengiriman dokumen tersebar yang berjalan di internet. Web dikembangkan di CERN (European Center for Nuclear Research), suatu lembaga bagi penelitian fisika energi tinggi di Geneva, Swiss. Tujuan semula dari lembaga ini adalah untuk membantu para fisikawan di berbagai lokasi yang berbeda dalam bekerja sama dan berbagi material penelitian. Web dengan cepat berkembang ke luar lingkup masyarakat fisika energi tinggi. Pada tahun 1993, terdapat 130 server web di internet. Setahun kemudian jumlahnya meningkat menjadi 2.738, dan pada bulan Juni 1995 terdapat server web. Sekarang ini web telah memiliki pemirsa dalam jumlah yang sangat besar di luar lingkup akademis : kurang lebih 30% dari server web yang tengah beroperasi saat ini berada di komputer dalam domain komersial, dan di sebagian industri, di mana keberadaaan perusahaan web sama pentingnya dengan memiliki telpon atau faks bagi tujuan komunikasi bisnis.

46 Pengertian PHP PHP adalah bahasa skrip yang dapat ditanamkan atau disisipkan ke dalam HTML. PHP banyak dipakai untuk memrogram situs web dinamis. PHP dapat digunakan untuk membangun sebuah CMS. Contoh terkenal dari aplikasi PHP adalah forum (phpbb) dan MediaWiki (software di belakang Wikipedia). PHP juga dapat dilihat sebagai pilihan lain dari ASP.NET/C#/VB.NET Microsoft, ColdFusion Macromedia, JSP/Java Sun Microsistems, dan CGI/Perl. Contoh aplikasi lain yang lebih kompleks berupa CMS yang dibangun menggunakan PHP adalah Mambo, Joomla!, Postnuke, Xaraya, dan lain-lain Sejarah PHP Pada awalnya PHP merupakan kependekan dari Personal Home Page (Situs personal). PHP pertama kali dibuat oleh Rasmus Lerdorf pada tahun Pada waktu itu PHP masih bernama Form Interpreted (FI), yang wujudnya berupa sekumpulan skrip yang digunakan untuk mengolah data formulir dari web. Selanjutnya Rasmus merilis kode sumber tersebut untuk umum dan menamakannya PHP/FI. Dengan perilisan kode sumber ini menjadi sumber terbuka, maka banyak pemrogram yang tertarik untuk ikut mengembangkan PHP. Pada November 1997, dirilis PHP/FI 2.0. Pada rilis ini, interpreter PHP sudah diimplementasikan dalam program C. Dalam rilis ini disertakan juga modul-modul ekstensi yang meningkatkan kemampuan PHP/FI secara signifikan. Pada tahun 1997, sebuah perusahaan bernama Zend menulis ulang interpreter PHP menjadi lebih bersih, lebih baik, dan lebih cepat.

47 28 Kemudian pada Juni 1998, perusahaan tersebut merilis interpreter baru untuk PHP dan meresmikan rilis tersebut sebagai PHP 3.0 dan singkatan PHP diubah menjadi akronim berulang PHP: Hypertext Preprocessing. Pada pertengahan tahun 1999, Zend merilis interpreter PHP baru dan rilis tersebut dikenal dengan PHP 4.0. PHP 4.0 adalah versi PHP yang paling banyak dipakai pada awal abad ke-21. Versi ini banyak dipakai disebabkan kemampuannya untuk membangun aplikasi web kompleks tetapi tetap memiliki kecepatan dan stabilitas yang tinggi. Pada Juni 2004, Zend merilis PHP 5.0. Dalam versi ini, inti dari interpreter PHP mengalami perubahan besar. Versi ini juga memasukkan model pemrograman berorientasi objek ke dalam PHP untuk menjawab perkembangan bahasa pemrograman ke arah paradigma berorientasi objek. Contoh Program Program Hello World Program Hello World yang ditulis menggunakan PHP adalah sebagai berikut: <?php echo "Hello World";?>

48 Software Penunjang Xampp Untuk menjalankan Database Mysql dibutuhkan sebuah server, yang juga dikenal dengan istilah HTTP ( Hypertext Transfer Protocol Deamon ) atau HTTP server, adalah service yang bekerja untuk untuk melayani request dari HTTP client ( web browser ) ke komputer server. Web server yang banyak digunakan adalah Apache Xampp. Apache merupakan salah satu freeware web server yang menyimpan serta mendistribusikan data dari server ke computer client melalui internet yang meminta informasi tersebut. Apache web server merupakan tulang punggung dari World Wide Web ( WWW ). Xampp merupakan singkatan dari X (empat sistem operasi apapun), Apache, Mysql, Php, Perl. Xampp merupakan tools yang menyediakan paket perangkat lunak ke dalam satu buah paket. Dalam paketnya sudah terdapat Apache ( web server ), Mysql ( database ), PHP ( Server Side Scripting ), Perl, FTP Server, PHPmyadmin dan berbagai pustaka bantu lainnya. Dengan menginstall Xampp maka tidak perlu lagi melakukan instalasi dan konfiguarsi web server apache, PHP dan Mysql secara manual. Xampp akan menginstalasi dan mengkonfigurasikannya secara otomatis.

49 30 Gambar 2.3 Tampilan Xampp MySQL MySql adalah sebuah perangkat lunak sistem manajemen basis data SQL atau DBMS yang multitheread, multi-user, dengan sekitar 6 juta instalasi diseluruh dunia. MySQL merupakan server basis data dimana pemrosesan terjadi di server, dan client hanya mengirim data serta meminta data. Oleh karena itu terjadi di server sehingga pengaksesan data tidak terbatas. MySQL termasuk dalam kategori manajemen basis data yaitu basis data terstruktur dalam pengolahan dan penampilan data. Ada beberapa alasan mengapa MySQL menjadi program database sangat populer dan di gunakan oleh banyak orang. Alasan - alasannya adalah sebagai berikut : 1. MySQL merupakan basis data yang memiliki kecepatan yang tinggi dalam melakukan pemprosesan data, dapat diandalkan dan mudah digunakan serta mudah dipelajari.

50 31 2. MySQL mendukung banyak pemrograman seperti C, C++, Perl, Phyton, Java, Visual Basic, dan PHP. 3. MySQL dapat menangani basis data dengan skala yang sangat besar dengan jumlah record mencapai lebih dari 50 juta. 4. MySQL merupakan software basis data yang bersifat bebas atau gratis tanpa bayaran, jadi kita tidak perlu susah - susah mengeluarkan uang untuk sekedar membayar lisensi. 2.9 Basis Data Basis data adalah kumpulan informasi yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh informasi dari basis data tersebut. Perangkat lunak yang digunakan untuk mengelola dan memanggil kueri ( query ) basis data disebut sistem manajemen basis data ( database management system, DBMS ). Sistem basis data dipelajari dalam ilmu informasi. Konsep dasar dari basis data adalah kumpulan dari catatan - catatan, atau potongan dari pengetahuan. Sebuah basis data memiliki penjelasan terstruktur dari jenis fakta yang tersimpan di dalamnya, penjelasan ini disebut skema. Skema menggambarkan obyek yang diwakili suatu basis data, dan hubungan diantara objek tersebut. Ada banyak cara untuk mengorganisasi skema, atau memodelkan struktur basis data ini dikenal sebagai model basis data atau model data. Model yang umum digunakan sekarang adalah model relasional, yang menurut istilah layman mewakili semua informasi dalam bentuk tabel - tabel yang saling berhubungan dimana setiap tabel terdiri dari baris dan kolom ( definisi yang sebenarnya menggunakan terminologi matematika ). Dalam model ini, hubungan antar tabel diwakili dengan

51 32 menggunakan nilai yang sama antar tabel. Model yang lain seperti model hierarki dan model jaringan menggunakan cara yang lebih eksplisit untuk mewakili hubungan antar tabel Database Management System ( DBMS ) Database Management System adalah perangkat lunak yang memungkinkan pengguna dapat mendefinisikan, membuat, merawat dan dapat mengatur akses ke database. Biasanya DBMS memungkinkan pengguna untuk mendefinisikan database melalui sebuah Data Definition Language ( DDL ), menspesifikasikan tipe data, struktur, dan batasan pada data yang disimpan pada database. Kemudian juga memungkinkan insert, update, delete, dan mengambil data dari database melalui Data Manipulation Languaage ( DML ), mempunyai pusat penyimpanan untuk semua data dan deskripsi data memungkinkan DML untuk menyediakan fasilitas umum untuk data tersebut yang umumnya disebut bahasa query ( Connolly & Begg, 2010:6 ) Entity Relationship Diagram ( ERD ) Entity Relationship Diagram ( ERD ) Adalah salah satu metode pemodelan basis data yang digunakan untuk menghasilkan skema konseptual untuk jenis / model data semantik sistem. Dimana sistem seringkali memiliki basis data relasional, dan ketentuannya bersifat top-down. Diagram untuk menggambarkan model entitiy

52 33 relationship ini disebut Entitiy Relationship Diagram, ER diagram, atau ERD. Komponen komponen ERD : Gambar 2.4 Komponen Entity Relationship Diagram 2.10 Unified Modeling Language ( UML ) Unified Modeling Language adalah suatu bahasa yang digunakan untuk menentukan, memvisualisasikan, membangun, dan mendokumentasikan suatu sistem informasi. UML dikembangkan sebagai suatu alat untuk analisis dan desain berorientasi objek oleh Grady Booch, Jim Rumbaugh, dan Ivar Jacobson. Namun demikian UML dapat digunakan untuk memahami dan mendokumentasikan setiap sistem informasi. Penggunaan UML dalam industri terus meningkat. Ini merupakan standar terbuka yang menjadikannya sebagai bahasa pemodelan yang umum dalam industri peranti lunak dan pengembangan sistem.

53 34 Uml adalah Sistem yang dibangun yang menggunakan konsep Object Oriented Programming ( OOP ) untuk memudahkan pengembangan lebih lanjut. Karena menggunakan konsep OOP, maka perancangan pada pembuatan sistem ini menggunakan UML untuk mempermudah pengembang dalam membangun sistem ini. Pemecahan masalah utama dari Object Oriented biasanya dengan penggambaran dalam bentuk model. Model abstrak ( semu ) merupakan gambaran detail dari inti masalah yang ada, umumnya sama seperti refleksi dari problem yang ada pada kenyataan. Beberapa modeling tools yang dipakai adalah bagian dari dasar UML, kependekan dari United Modeling Language. UML terdiri atas beberapa diagram : 1. Diagram UseCase 2. Diagram Class 3. Diagram Package 4. Diagram Sequency 5. Diagram Calloboration 6. Diagram StateChart 7. DiagramActivity 8. Diagram Dyployment Semakin kompleks bentukan sistem yang akan dibuat, maka semakin sulit komunikasi antara orang - orang yang saling terkait dalam pembuatan dan pengembangan software yang akan dibuat. Pada masa lalu, UML mempunyai peranan sebagai software blue print ( gambaran ) language untuk analisis sistem, designer, dan programmer. Sedangkan pada saat ini, merupakan bagian dari

54 35 software trade ( bisnis software ). UML memberikan jalur komunikasi dari sistem analis kemudian designer, lalu programmer mengenai rancangan software yang akan dikerjakan. Salah satu pemecahan masalah Object Oriented adalah dengan menggunakan UML. Oleh karena itu orang - orang yang berminat dalam mempelajari UML harus mengetahui dasar - dasar mengenai Object Oriented Solving ( pemecahan masalah OOP ). Tahap pertama, pembentukan model. Model adalah gambaran abstrak dari suatu dasar masalah, dan dunia nyata atau tempat dimana masalah itu timbul bisa disebut dengan domain. Model mengandung obyek - obyek yang beraktifitas dengan saling mengirimkan messages ( pesan pesan ). Obyek mempunyai sesuatu yang diketahui ( atribut / attributes ) dan sesuatu yang dilakukan ( behaviors atau operations ). Attributes hanya berlaku dalam ruang lingkup obyek itu sendiri ( state ). Lalu blue print dari suatu obyek adalah Classes ( kelas ). Obyek merupakan bagian - bagian dari kelas. Berikut akan dijelaskan 4 macam diagram yang paling sering digunakan dalam pembangunan aplikasi berorientasi object, yaitu Use Case diagram, Sequence diagram, Activity diagram, dan Class diagram Diagram Use Case Use Case Diagram menggambarkan apa saja aktifitas yang dilakukan oleh suatu sistem dari sudut pandang pengamatan luar. yang menjadi persoalan itu apa yang dilakukan bukan bagaimana melakukannya. Use Case Diagram dekat kaitannya dengan kejadian - kejadian. Kejadian ( Scenario ) merupakan contoh apa yang terjadi

55 36 ketika seseorang berinteraksi dengan sistem. untuk lebih memperjelas lihat gambaran suatu peristiwa untuk sebuah klinik kesehatan di bawah ini : Gambar 2.5 Contoh Use Case Diagram Dalam dunia Use Case berguna dalam tiga hal : 1. Menjelaskan fasilitas yang ada ( requirements ) Use Case baru selalu menghasilkan fasilitas baru ketika sistem di analisa, dan desain menjadi lebih jelas. 2. Komunikasi dengan klien Penggunaan notasi dan simbol dalam Use Case Diagram membuat pengembang lebih mudah berkomuikasi dengan klien kliennya. 3. Membuat test dari kasus kasus secara umum Kumpulan dari kejadian kejadian untuk Use Case bisa dilakukan test kasus layak untuk kejadian kejadian tersebut Diagram Sequence Sequence Diagram merupakan salah satu diagram Interaction yang menjelaskan bagaimana suatu operasi itu dilakukan message ( pesan ) apa yang dikirim dan kapan pelaksanaannya. Diagram ini diatur berdasarkan waktu. Obyek - obyek yang berkaitan dengan proses

56 37 berjalannya operasi diurutkan dari kiri ke kanan berdasarkan waktu terjadinya dalam pesan yang terurut. Di bawah ini adalah diagram Sequence untuk pembuatan Hotel Reservation. Obyek yang mengawali urutan message adalah Reservation Window. Gambar 2.6 Contoh Sequence Diagram Pemesanan kamar di Hotel Reservation window mengirim pesan make Reservation () ke Hotel Chain. Kemudian Hotel Chain mengirim pesan yang sama ke Hotel. Bila Hotel punya kamar kosong, maka dibuat Reservation dan Confirmation. Lifeline adalah garis dot ( putus putus ) vertikal pada gambar, menerangkan waktu terjadinya suatu obyek. Setiap panah yang ada adalah pemanggilan suatu pesan. Panah berasal dari pengirim ke

57 38 bagian paling atas dari batang kegiatan ( activation bar ) dari suatu pesan pada lifeline penerima. Activation bar menerangkan lamanya suatu pesan diproses. Pada gambar diagram, terlihat bahwa Hotel telah melakukan pemanggilan diri sendiri untuk pemeriksaan jika ada kamar kosong. Bila benar, maka Hotel membuat Reservation dan Confirmation. Pemanggilan diri sendiri disebut dengan iterasi. Expression yeng dikurung dengan [], adalah condition ( keadaan kondisi ). Pada diagram dapat dibuat note ( catatan ). Pada gambar, terlihat seperti selembar kertas yang berisikan teks. Note bisa diletakan dimana saja pada diagram UML Diagram Activity Pada dasarnya diagram Activity sering digunakan oleh flowchart. Diagram ini berhubungan dengan diagram Statechart. Diagram Statechart berfokus pada obyek yang dalam suatu proses ( atau proses menjadi suatu obyek ), diagram Activity berfokus pada aktifitas - aktifitas yang terjadi yang terkait dalam suatu proses tunggal. Jadi dengan kata lain, diagram ini menunjukkan bagaimana aktifitas aktifitas tersebut bergantung satu sama lain.

58 39 Gambar 2.7 Contoh Activity Diagram Pengambilan Uang melalui ATM. Diagram Activity dapat dibagi menjadi beberapa jalur kelompok yang menunjukkan obyek yang mana bertanggung jawab untuk suatu aktifitas. Peralihan tunggal ( single transition ) timbul dari setiap adanya activity ( aktifitas ), yang saling menghubungi pada aktifitas berikutnya Diagram Class Diagram Class memberikan pandangan secara luas dari suatu sistem dengan menunjukan kelas - kelasnya dan hubungan mereka. Diagram Class bersifat statis, menggambarkan hubungan apa yang terjadi bukan apa yang terjadi jika mereka berhubungan. Diagram Class mempunyai 3macam relationalships ( hubungan ), sebagai berikut :

59 40 1. Association Suatu hubungan antara bagian dari dua kelas. Terjadi association antara dua kelas jika salah satu bagian dari kelas mengetahui yang lainnya dalam melakukan suatu kegiatan. Di dalam diagram, sebuah association adalah penghubung yang menghubungkandua kelas. 2. Aggregation Suatu association dimana salah satu kelasnya merupakan bagian dari suatu kumpulan. Aggregation memiliki titik pusat yang mencakup keseluruhan bagian. Sebagai contoh : Order Detail merupakan kumpulan dari Order. 3. Generalization Suatu hubungan turunan dengan mengasumsikan satu kelas merupakan suatu super Class ( kelas super ) dari kelas yang lain. Generalization memiliki tingkatan yang berpusat pada super Class. Contoh : Payment adalah super Class dari Cash, Check, dan Credit. Setiap diagram Class memiliki Class ( kelas ), association, dan multiplicity. Sedangkan navigability ( alur arah ) dan rule ( kegiatan ) merupakan optional ( tidak diharuskan ).

60 41 Gambar 2.8 Contoh Diagram Class transaksi Pembelian barang Metode Pengujian Testing ( Pengujian Perangkat Lunak ) adalah elemen kritis dari jaminan kualitas perangkat lunak dan mempresentasikan kajian pokok dari spesifikasi, desain, dan pengkodean. Pentingnya pengujainperangkat lunak dan implikasinya yang mengacu pada kualitas perangkat lunak tidak dapat terlalu ditekan karena melibatkan sederetan aktivitas produksi dimana peluang terjadinya kesalahan manusia sangat besar dan karena ketidakmampuan manusia untuk melakukan dan berkomunikasi dengan sempurna maka pengembangan perangkat lunak diiringi dengan aktivitas jaminan kualitas.

61 42 Meninkatnya visibilitas ( kemampuan ) perangkat lunak sebagai suatu elemen sistem dan biaya yang muncul akibat kegagalan perangkat lunak, memotivasi dilakukannya perencanaan yang baik melalui pengujian yang teliti. Pada dasarnya, pengujian merupakan satu langkah dalam proses rekayasa perangkat lunak yang dapat dianggap sebagai hal yang merusak daripada membangun. lunak adalah : Sejumlah aturan yang berfungsi sebagai sasaran pengujian pada perangkat 1. Pengujian adalah proses eksekusi suatu program dengan maksud menemukan kesalahan. 2. Test case yang baik adalah test case yang memiliki probabilitas tinggi untuk menemukan kesalahan yang belum pernah ditemukan sebelumnya. 3. Pengujian yang sukses adalah pengujian yang mengungkap semua kesalahan yang belum pernah ditemukan sebelumnya. Sasaran itu berlawanan dengan pandangan yang biasanya dipegang yang menyatakan bahwa pengujian yang berhasil adalah pengujian yang tidak ada kesalahan yang ditemukan. Data yang dikumpulkan pada saat pengujian dilakukan memberikan indikasi yang baik mengenai reliabilitas perangkat lunak dan beberapa menunjukan kualitas perangkat lunak secara keseluruhan, tetapi ada satu hal yang tidak dapat dilakukan pengujian, yaitu pengujian tidak dapat memperlihatkan tidak adanya cacat, pengujian hanya dapat memperlihatkan bahwa ada kesalahan perangkat lunak. Sasaran utama desain test case adalah untuk mendapatkan serangkaian pengujian yang memiliki kemungkinan tertinggi di dalam pengungkapan kesalahan

62 43 pada perangkat lunak. Dalam penelitian ini untuk mencapai sasaran tersebut, digunakan dua kategori yang berbeda dari tehnik desain test case yaitupengujian white-box dan pengujian black-box Pengujain White Box Berfokus pada struktur kontrol program. Test case dilakukan untuk memastikan bahwa semua statemen pada program telah dieksekusi paling tidak satu kali selama pengujian dan bahwa semua kondisi logis telah diuji. Pengujian basic path, tehnik pengujian white-box, menggunakan grafik (matriks grafiks) untuk melakukan serangkaian pengujian yang independent secara linear yang akan memastikan cakupan.pengujian aliran data dan kondisi lebih lanjut menggunakan logika program dan pengujian loop menyempurnakan tehnik white-box yang lain dengan memberikan sebuah prosedur untuk menguji loop dari tingkat kompleksitas yang bervariasi. Pengujian white-box didesain untuk mengungkap kesalahan pada persyaratan fungsional tanpa mengabaikan kerja internal dari suatu program.uji coba white box adalah metode perancangan Test case yang menggunakan struktur kontrol dari perancangan prosedural untuk mendapatkan test case. Dengan rnenggunakan metode white box, analis sistem akan dapat memperoleh Test case yang menjamin seluruh independent path di dalam modul yang dikerjakan sekurangkurangnya sekali, mengerjakan seluruh keputusan logikal, mengerjakan seluruh loop yang sesuai dengan batasannya, mengerjakan seluruh struktur data internal yang menjamin validitas.

63 Metode Perancangan Metode yang digunakan dalam pengembangan software pada penelitian ini adalah metode waterfall. Metode ini membagi proses pembangunan perangkat lunak kedalam fase - fase individu atau langkah - langkah. Fase atau langkah yang satu dengan yang lainnya terpisah secara kronologis dan fungsional. Model waterfall merupakan salah satu dari model - model yang terdapat pada penerapan Daur Hidup Pengembangan Sistem ( Roger S. Pressman, 2010 : 29 ), membagi model waterfall kedalam beberapa tahap, yaitu : Requirements definition, System and software design, Implementation and unit testing, Integration and system testing, dan Operation and maintenance. Gambar 2.9 Metode Perancngan Waterfall Secara garis besar metode Waterfall mempunyai langkah - langkah sebagai berikut :

64 45 1. Requirements definition Langkah ini merupakan analisa terhadap kebutuhan sistem. Pengumpulan data dalam tahap ini bisa malakukan sebuah penelitian, wawancara atau studi literatur. Seorang sistem analis akan menggali informasi sebanyak - banyaknya dari user sehingga akan tercipta sebuah sistem komputer yang bisa melakukan tugas - tugas yang diinginkan oleh user tersebut. Tahapan ini akan menghasilkan dokumen user requirment atau bisa dikatakan sebagai data yang berhubungan dengan keinginan user dalam pembuatan sistem. Dokumen ini lah yang akan menjadi acuan sistem analis untuk menterjemahkan ke dalam bahasa pemprogram. 2. System and software design Proses desain akan menerjemahkan syarat kebutuhan ke sebuah perancangan perangkat lunak yang dapat diperkirakan sebelum dibuat coding. Proses ini berfokus pada : struktur data, arsitektur perangkat lunak, representasi interface, dan detail ( algoritma ) prosedural. Tahapan ini akan menghasilkan dokumen yang disebut software requirment. Dokumen inilah yang akan digunakan programmer untuk melakukan aktivitas pembuatan sistemnya. 3. Implementation and unit testing Coding merupan penerjemahan desain dalam bahasa yang bisa dikenali oleh komputer. Dilakukan oleh programmer yang akan meterjemahkan transaksi yang diminta oleh user. Tahapan ini lah yang merupakan tahapan secara nyata dalam mengerjakan suatu sistem. Dalam artian penggunaan komputer

65 46 akan dimaksimalkan dalam tahapan ini. Setelah pengkodean selesai maka akan dilakukan testing terhadap sistem yang telah dibuat tadi. Tujuan testing adalah menemukan kesalahan - kesalahan terhadap sistem tersebut dan kemudian bisa diperbaiki. 4. Integration and system testing Tahapan ini bisa dikatakan final dalam pembuatan sebuah sistem. Setelah melakukan analisa, desain dan pengkodean maka sistem yang sudah jadi akan digunakan oleh user. 5. Operation and maintenance 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 operasi baru ) baru, atau karena pelanggan membutuhkan perkembangan fungsional Keuntungan Metode Waterfall 1. Kualitas dari sistem yang dihasilkan akan baik. Ini dikarenakan oleh pelaksanaannya secara bertahap. Sehingga tidak terfokus pada tahapan tertentu. 2. Dokumen pengembangan sistem sangat terorganisir, karena setiap fase harus terselesaikan dengan lengkap sebelum melangkah ke fase berikutnya. Jadi setiap fase atau tahapan akan mempunyai dokumen tertentu.

66 Kelemahan Metode Waterfall 1. Diperlukan majemen yang baik, karena proses pengembangan tidak dapat dilakukan secara berulang sebelum terjadinya suatu produk. 2. Kesalahan kecil akan menjadi masalah besar jika tidak diketahui sejak awal pengembangan. 3. Pelanggan sulit menyatakan kebutuhan secara eksplisit sehingga tidak dapat mengakomodasi ketidakpastian pada saat awal pengembangan.

67 48 BAB III METODE PENELITIAN 3.1 Jenis Penelitian Penelitian ini menggunakan metode deskriptif, Sugiono ( 2009,21 ). Dimana penelitian ini bertujuan untuk memecahkan fenomena (masalah) yang ada pada saat ini, pada penelitian ini kasus yang diambil adalah diagnosa tingkat depresi pada mahasiswa tingkat akhir. Metode deskriptif mempunyai ciri-ciri sebagai berikut : 1. Berpusat pada penyelesain masalah pada masa sekarang, dan pada masalah yang aktual. 2. Data yang terkumpul terlebih dulu disusun, dijelaskan dan dianalisa karena metode ini sering disebut metode analitik. 3.2 Tempat dan Waktu Penelitian Tempat Penelitian ini dilaksanakan di STT Pelita Bangsa yang beralamat di Jalan Inspeksi Kalimalang Tegal Danas Arah Deltamas Cikarang Pusat, Bekasi Waktu Waktu penelitian dilakukan dari tanggal 1 Agustus 2018 sampai dengan 30 Oktober Analisa Permasalahan Analisa data merupakan proses awal yang harus dilaksanakan untuk menentukan permasalahan yang sedang dihadapi. Tahap ini adalah sangat penting

68 49, karena proses analisis data yang kurang akurat akan menyebabkan hasil dari suatu sistem tidak sesuai dengan yang diharapkan. Sebelum merancang dan mengusulkan sebuah sistem pakar mengenai gejala - gejala depresi, penulis perlu mengetahui analisis terhadap mahasiswa dengan cara memberikan beberapa pertanyaan untuk mengetahui tingkat depresi mahasiswa ( Lubis, 2009 ). Adapun dengan pertanyaan tersebut kemudian penulis menentukan gejala tingkat depresi yang dialami mahasiswa semester akhir. Tingkat depresi pada mahasiswa semester akhir dibagi atas beberapa kriteria, yaitu : 1. Mild Depression ( Depresi Ringan ) 2. Middle Depression ( Depresi Sedang ) 3. Severe Depression ( Depresi Berat ) 3.4 Tahapan Penelitian Tahapan penelitian yaitu tahapan yang akan dilakukan untuk mempermudah dalam melakukan penelitian. Metode yang digunakan dalam pembuatan sistem ini adalah metode Waterfall. Secara garis besar metode Waterfall mempunyai langkah yaitu analisa kebutuhan, desain sistem, penulisan kode program, pengujian program serta penerapan program dan pemeliharaan. Tahapan penelitian ini di tunjukan pada gambar 3.1 :

69 50 Gambar 3.1 Tahapan Penelitian Pada gambar 3.1 Metodologi dijelaskan bahwa, metode pengembangan aplikasi waterfall, berikut uraian penjelasannya :

70 51 1. Comuunication Pada tahap Communication dilakukan identifikasi masalah dan pengumpulan data untuk mengetahui masalah yang sedang di hadapi dan solusi-solusi yang dapat menyelesaikan masalah-masalah tersebut. Kemudian penulis melakukan wawancara kepada pihak yang bersangkutan tentang masalah yang dihadapi saat ini guna untuk menemukan solusi pemecahan masalah. 2. Planning Pada tahap selanjutnya yaitu planning yaitu menganalisi kebutuhan user dan menganalisis kebutuhan sistem. Dalam analisis kebutuhan user berisi hasil wawancara dan observasi, lalu menganalisisnya. 3. Modelling Ada beberapa tiga pokok dalam tahapan ini, yang pertama adalah perancangan UML (Unified Modeling Language). UML yang dirancang terdiri dari Use Case Diagram, Class Diagram, Activity Diagram, Sequence Diagram. Kedua, perancangan Database yang berisi rancangan dan isi tabel seperti nama, tipe data, ukuran, dan keterangan. Ketiga, perancangan tampilan yang berisi rancangan awal tampilan pada halaman sistem yang akan di buat. 4. Implementation Tahap selanjutnya adalah Implementation atau pembuatan, Terdapat dua pokok dalam tahap ini yaitu pembuatan aplikasi berbasis web dengan PHP dan pembuatan database dengan MySql. Di tahap ini dilakukan proses testing dan evaluasi dengan menggunakan White Box Testing.

71 52 5. Deployment Setelah melalui proses evaluasi, dilanjutkan ke tahap Deployment, yaitu wawancara dengan pihak Kampus untuk mendapatkan feedback dari user agar bisa ada perbaikan atau pembenaran di pengembangan selanjutnya. 3.5 Metode Pengumpulan Data 1. Pengamatan ( Observasi ) Dalam penyusunan skripsi ini, dilakukan pengamatan langsung / observasi dengan mengumpulkan beberapa data depresi mahasiswa tingkat akhir. 2. Wawancara ( Interview ) Selain observasi, dilakukan juga wawancara langsung terhadap para pakar yang memiliki pengetahuan khusus tentang depresi. 3. Studi Pustaka ( Literatur ) Pada metode ini, dilakukan pencarian dan pembelajaran dari berbagai macam literatur dan dokumen yang menunjang pengerjaan penelitian ini, diantaranya dari buku, artikel ilmiah, juga dari berbagai macam website. 3.6 Perencanaan Sistem Dalam menyelesaikan permaslahan yang terjadi dalam mendiagnosa tingkat depresi pada mahasiswa tingkat akhir berdasarkan gejala gejala yang dialami mahasiswa, representasi pengetahuannya adalah metode yang digunakan untuk pengkodean basis pengetahuann ( knowledge base ) sistem pakar. Dibutuhkan algoritma untuk menginplementasikan ke dalam program aplikasi ini, yaitu langkah langkah intruksi sehingga dicapai hasil yang diinginkan. Berikut adalah algoritma sistem pada penyelesaian sistem pakar diagnosa tingkat depresi pada mahasiswa tingkat akhir, yaitu :

72 Gambar 3.2 Flowchart Sistem Pakar 53

73 54 1. Memasukan gejala gejala tingkat depresi. 2. Memasukan jenis tingkat depresi. 3. Memasukan nilai MB dan MD. 4. Memasukan kaidah produksi ( Rule ). 5. Perhitungan metode Certainty Factor ( CF ). 6. Hasil perhitungan dan diagnosa Memasukan Gejala Tingkat Depresi Berdasarkan hasil wawancara, berikut gejala gejala tingkat depresi pada mahasiswa tingkat akhir, yaitu : Kode Gejala Tabel 3.1 Gejala Depresi Nama Gejala Tingkat Depresi P1 P2 P3 P4 G01 Sedih X X X X G02 Kelelahan melakukan aktivitas X X G03 Kurang berkonsentrasi X G04 Bosan atau jenuh X G05 Sering melamun X G06 Tidak bersemangat X X G07 Sering galau X G08 Pesimis mengenai masa depan X G09 Sering menangis dengan alasan yang tidak jelas X X G10 Mempunyai gangguan tidur atau insomnia X G11 Sering cemas X G12 Kecewa dengan diri sendiri X X G13 Terganggu dengan segala hal X X G14 Lebih sering terlihat murung X G15 Kehilangan minat atau hobi yang dulu disenangi X G16 Kesepian X G17 Mempunyai perasaan bersalah X G18 Mempunyai perasaan dihukum X G19 Mempunyai perasaan benci terhadap diri sendiri X X G20 Mudah tersinggung X X G21 Kehilangan selera makan X X

74 55 G22 Khawatir tentang penampilan X G23 Sangat sensitif atau mudah marah dengan orang disekitar X G24 Lebih suka menyendiri X G25 Mempunyai pikiran untuk bunuh diri X G26 Sulit mengambil keputusan X X G27 Sulit melakukan kegiatan dengan baik X G28 Ada perubahan penambahan atau penurunan berat badan X G29 Kurang percaya diri X Memasukan Data Tingkat Depresi Data depresi merupakan data tingkatan yang ada dalam sistem yang disajikan pada tabel 2.3 Table 3.2 Data Penyakit Kode Depresi P1 P2 P3 P4 Nama Penyakit Gangguan mood Depresi ringan Depresi sedang Depresi berat Memasukan Nilai MB dan MD Pada tabel 3.3 merupakan nilai Certainty Factor yang diperoleh dari pakar Kode Gejala Table 3.3 Nilai MB dan MD pada tiap gejala Nama Gejala MB Nilai G01 Sedih G02 Kelelahan melakukan aktivitas G03 Kurang berkonsentrasi G04 Bosan atau jenuh G05 Sering melamun MD

75 56 G06 Tidak bersemangat G07 Sering galau G08 Pesimis mengenai masa depan G09 Sering menangis dengan alasan yang tidak jelas G10 Mempunyai gangguan tidur atau insomnia G11 Sering cemas G12 Kecewa dengan diri sendiri G13 Terganggu dengan segala hal G14 Lebih sering terlihat murung G15 Kehilangan minat atau hobi yang dulu disenangi G16 Kesepian G17 Mempunyai perasaan bersalah G18 Mempunyai perasaan dihukum G19 Mempunyai perasaan benci terhadap diri sendiri G20 Mudah tersinggung G21 Kehilangan selera makan G22 Khawatir tentang penampilan G23 Sangat sensitif atau mudah marah dengan orang disekitar G24 Lebih suka menyendiri G25 Mempunyai pikiran untuk bunuh diri G26 Sulit mengambil keputusan G27 Sulit melakukan kegiatan dengan baik G28 Ada perubahan penambahan atau penurunan berat badan G29 Kurang percaya diri Memasukan Kaidah Produksi ( Rule ) Dalam perancangan basis pengetahuan ini digunakan kaidah produksi sebagai sarana untuk representasi pengetahuan. Kaidah produksi dituliskan dalam bentuk pernyataan JIKA [ premis ] MAKA [ konklusi ]. Pada perancangan basis pengetahuan sistem pakar ini premis adalah gejala gejala yang terlihat dan konklusi adalah jenis tingkat depresi, sehingga bentuk pernyataannya adalah JIKA [ gejala ] MAKA [ tingkat depresi ]. Bagian premis dalam aturan produksi dapat memiliki lebih dari satu

76 57 proposisi yaitu berarti sistem pakar ini dalam satu kaidah dapat memiliki lebih dari satu gejala. Gejala gejala tersebut dihubungkan dengan menggunakan operator logika DAN. Bentuk pernyataannya adalah : JIKA [ gejala 1 ] DAN [ gejala 2 ] DAN [ gejala 3 ] MAKA [ tingkat depresi ] Pada tabel 2.6 merupakan aturan dari mesin inferensi sistem pakar identifikasi tingkat depresi mahawiswa tingkat akhir. Table 3.4 Tabel aturan ( Rule ) If -> And -> Then ( Rule ) IF G1,G2,G3,G4,G5,G7 THEN IF G6,G8,G10,G11,G14, G15,G16, G22 THEN IF G9,G12,G13,G16,G17, G20,G23,G27 THEN IF G18,G19,G21,G24, G25,G26,G28,G29 THEN Goal/Tingkat Depresi Gangguan mood Depresi ringan Depresi sedang Depresi berat 3.7 Perancangan Sistem Walaupun model waterfall yang digunakan dalam pengembangan aplikasi ini, tapi tidak semua tahapan dilakukan. Sedangkan tahapan tahapan dalam model proses waterfall yang digunakan untuk menyelesaikan penelitian ini adalah sebagai berikut :

77 Perancangan Desain Desain sistem yang digunakan dalam perancangan sistem ini menggunakan UML ( Unified Modeling Language ) adalah alat bantu analisis serta perancangan perangkat lunak berbasis objek. ( Adi Nugroho, 2005:21 ). Suatu metode modeling generasi ketiga dan bahasa spesifikasi yang sifatnya non - proprietary. Sebenarnya penggunaan dari UML itu sendiri tidak terbatas hanya pada dunia software modeling, tetapi bisa pula digunakan untuk modeling hardware ( engineering systems ) dan sering digunakan sebagai modeling untuk proses bisnis dan juga modeling untuk struktur organisasi. Untuk lebih memudahkan dalam memahami pada kasus ini berikut digambarkan dalam bentuk diagram. 1. Use Case Diagram Untuk menjelaskan gambaran sistem dan aktor yang terlibat secara keseluruhan perlu dibuat Use Case Diagram. Komponen use case diagram terdiri dari : Actor, Use Case dan Relation. Actor adalah pemain, sedangkan use case adalah apa yang dimainkan / dilakukannya dengan relation sebagai penunjuknya.

78 59 Gambatr 3.3 Use Case Diagram Sistem Pakar Diagnosa Tingkat depresi Pada Mahasiswa Tingkat Akhir Pembahasan Use Case : 1. Aktor adalah mewakili perang orang, sistem yang lain, atau alat berkomunikasi dengan use case, dan di gambar diagram use case ini pun terdapat 2 actor, yaitu sebagai berikut : a. User yang dapat menakses system login dan diagnosa. b. Pakar yang bisa mengakses login, menginput data gejala, menginput data penyakit, menginput data relasi.

79 60 2. Use case adalah abstraksi dan interaksi antara sistem dan aktor dan di gambar use case tersebut ada terdapat beberapa use case yaitu sebagai berikut: a. Input Gejala Even pada input gejala digunakan untuk menginputkan basis pengetahuan mengenai gejala-gejala depresi. b. Input data penyakit / solusi Event pada proses input data penyakit / solusi digunakan untuk menginputkan data penyakit dan solusi yang berdasarkan basis pengetahuan para pakar. c. Input data relasi Data relasi digunakan untuk pengaturan relasi dari tabel gejala penyakit berdasarkan nilai CF yang diberikan oleh pakar. d. Pertanyaan gejala / Diagnosa Sistem akan mengajukan pertanyaan berupa gejala -gejala apa saja yang diderita oleh user. e. Hasil diagnosa Hasil diagnosa merupakan proses akhir dari sistem pakar. hasil yang diberikan berupa penyakit yang diderita oleh user tersebut serta solusi penanganannya. 2. Activity Diagram Pada bagian ini dijelaskan mengenai urutan proses sistem yang akan dibuat melalui activity diagram, diagram ini muncul karena diagram use

80 61 case tidak mampu menjelaskan bagaimana sistem melakukan proses. Diagram use case hanya mampu menjelaskan apa yang dilakukan sistem. Sedangkan class diagram hanya menjelaskan hubungan antar siapa dengan siapa (class to class) dan bagaimana hubungan itu, walaupun di dalam diagram kelas ada operation, tetapi tidak mendeskripsikan bagaimana langkah proses itu dilakukan. Berikut Activity Diagram pada kasus ini : a. Activity Diagram Login Untuk menjaga keamanan setelah dimasukan username dan password maka dilakukan validasi data sesuai dengan data yang ada atau tidak di database, jika data yang di masukkan valid maka akan menampilkan Form Utama.

81 62 Gambar 3. 4 Activity Diagram Login b. Activity Diagram Input Data Gejala Gambar 3.5 Activity Diagram Input Data Gejala

82 63 c. Activity Diagram Input Data Penyakit Gambar 3.6 Activity Diagram Input Data Penyakit d. Activity Input Relasi Gambar 3.7 Activity Diagram Input Relasi

83 64 e. Activity Diagram Diagnosa Gambar 3.8 Activity Diagram Diagnosa

84 65 3. Sequence Diagram Sequence diagram menjelaskan interaksi antar obyek yang disusun dalam suatu urutan waktu yaitu urutan kejadian yang dilakukan oleh seorang actor dalam menjalankan sistem. Diagram ini secara khusus berasosiasi dengan use case. Diagram ini menunjukkan bagaimana detil operasi dilakukan, pesan apa yang dikirim dan kapan terjadinya. Berikut adalah rancangan sequence diagram yang dipetakan dari obyek-obyek yang ada pada class diagram. a. Sequence Diagram Login Gambar 3.9 Sequence Diagram Login

85 66 b. Sequence Diagram Logout Gambar 3.10 Sequence Diagram Logout 4. Class Diagram Setelah kita membuat Use Case Diagram, langkah selanjutnya adalah membuat Class Diagram berdasarkan use case diagram tersebut. Class diagram ini berisikan objek objek. Berikut Class Diagram kasus ini :

86 Perancangan Basis Data Gambar 3.11 Class Diagram Sistem Pakar Rancangan data base bertujuan untuk membangun basis data daripada sistem. Sub bagian dari pengerjaan basis data meliputi perancangan ERD, rancangan relasi tabel dan rancangan tabel. Berikut adalah perancangan basis data dari penelitian ini yang meliputi : 1. Entity Relationship Diagram ERD merupakan suatu model untuk menjelaskan hubungan antar data dalam basis data berdasarkan objek - objek dasar data yang mempunyai hubungan antar relasi. ERD untuk memodelkan struktur data dan hubungan antar data, untuk menggambarkannya digunakan beberapa

87 68 notasi dan simbol. Untuk lebih jelasnya dapat dilihat pada gambar 3.10 berikut : Gambar 3.12 ERD ( Entity Relationship Diagram ) 1. Struktur Database Selanjutnya setelah perancangan Entity Relationship Diagram yang dibuat, adalah merancang struktur database. Tujuannya adalah untuk mempermudah dan menjaga kosistensi perangkat lunak yang akan dibuat. Adapun tabel - tabel yang digunakan adalah sebagai berikut :

88 69 a. Tabel Pengguna ( user ) Tabel user digunakan untuk menampung data user yang melakukan registrasi dan diagnosa pada web sistem pakar diagnosa tingkat depresi. Adapun rancangan tabelnya dapat dilihat pada tabel 3.5 berikut : Table 3.5 Tabel Data User Nama Tabel : data_user Primary Key : username Field Data Type Description Width Username Varchar Username 50 Password Varchar Password 10 nama_user Varchar nama_user 30 Usia Interger Usia 2 jenis_kelamin Enum jenis_kelamin L, P b. Tabel Admin ( Pakar ) Tabel admin digunakan untuk menyimpan nama admin para pakar. Adapun rancangannya seperti pada tabel 3.6 berikut : Table 3.6 Tabel Data Pakar ( Admin ) Nama Tabel : data_pakar Primary Key : username Field Data Type Description Width Username Interger Userame 50 Password Varchar Password 10

89 70 c. Tabel gejala digunakan untuk menyimpan data gejala - gejala depresi. Adapun rancangannya seperti pada tabel 3.7 berikut : Table 3.7 Tabel Gejala Nama Tabel : gejala Primary Key : username Field Data Type Description Width kode_gejala Interger kode_gejala 4 nama_gejala Varchar nama_gejala 50 d. Tabel penyakit digunakan untuk menyimpan data - data penyakit pada depresi. Rancangannya pada tabel 3.8 berikut : Table 3.8 Tabel Penyakit Nama Tabel : penyakit Primary Key : username Field Data Type Description Width kode_penyakit Interger kode_penyakit 4 nama_penyakit Varchar nama_karyawan 30 e. Tabel relasi digunakan untuk menginputkan data relasi antara gejala dan penyakit. Pengesetan relasi ini digunakan untuk membuat rule dari berdasarkan pada metode Certainty Factor. Adapun rancangannya seperti pada tabel 3.9 berikut :

90 71 Table 3.9 Tabel Relasi Nama Tabel : relasi Primary Key : kode_penyakit Field Data Type Description Width kode_penyakit Interger kode_penyakit 4 kode_gejala Interger kode_gejala 4 f. Tabel hasil diagnosa digunakan untuk menampung data hasil dari diagnosa penyakit. Adapun rancangan tabelnya dapat dilihat pada tabel 3.10 berikut : Table 3.10 Tabel Hasil Diagnosa Nama Tabel : hasil_diagnosa Primary Key : id_diagnosa Field Data Type Description Width Id_diagnosa Interger Id_diagnosa 4 Username Varchar Username 50 kode_penyakit Interger kode_penyakit 4 tanggal_diagnosa Datetime tanggal_diagnosa - Persentase Interger Persentase User Interface Desain Berikut ini adalah tampilan tatap muka dari aplikasi sistem pakar diagnosa tingkat depresi pada mahasiswa tingkat akhir :

91 72 1. Form Login Desain form login di rancang untuk user dan pakar, sebelum konsultasi user diharuskan login sebagai user, sedangkan pakar digunakan untuk mengelola basis pengetahuan dengan hak akses pakar. Ini diperlukan untuk menjadi keamanan data dari pihak yang tidak bertanggung jawab. Adapun desain tampilannya adalah sebagai berikut : Gambar 3.13 Form Login 2. Form Utama User Desain Form Utama User ini sebagai tampilan utama ketika user telah valid memasukan user name dan password. Form Utama User berisi semua tentang aplikasi dan form - form yang terkait. Adapun desain tampilannya adalah sebagai berikut :

92 73 Gambar 3.14 Form Utama User 3. Form Utama Pakar Desain Form Pakar User ini sebagai tampilan utama ketika user telah valid memasukan user name dan password. Form Utama Pakar berisi semua tentang aplikasi dan form - form yang terkait. Adapun desain tampilannya adalah sebagai berikut :

93 74 4. Form Data Penyakit Gambar 3.15 Form Utama Pakar Halaman data penyakit digunakan untuk menginputkan data-data penyakit yang terdapat pada depresi. Adapun rancangannya dapat dilihat pada gambar 3.14 berikut : Gambar 3.16 Form Data Penyakit

94 75 5. Form Data Gejala Halaman data gejala digunakan untuk menginputkan data gejala-gejala penyakit yang terdapat pada depresi. Adapun rancangannya dapat dilihat pada gambar 3.15 berikut : Gambar 3.17 Form Data Gejala 6. Form Data Relasi Halaman input data relasi digunakan untuk menginputkan data-data relasi serta pengesetan bobot pada tiap-tiap gejala. Adapun rancangannya dapat dilihat pada gambar 3.16 berikut :

95 76 Gambar 3.18 Form Data Gejala 7. Form Diagnosa Penyakit Halaman diagnosa digunakan untuk user yang akan melakukan diagnosa penyakit. Pada halaman diagnosa akan ditampilkan gejala - gejala yang akan dipilih oleh user. Adapun rancangannya dapat dilihat pada gambar 3.17 berikut : Gambar 3.19 Form Data Gejala

96 77 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Untuk melihat hasil dan implementasi dari penelitian ini adalah dibangunnya sebuah aplikasi Sistem Pakar. Aplikasi ini akan menampilkan hasil yang telah diolah menggunkan metode Certainty Factor, berikut spesifikasi aplikasi perangkat keras, dan perangkat lunak pendukung yang digunakan Spesifikasi Perangkat Lunak ( Software ) Spesifikasi perangkat lunak yang penulis gunakan adalah sebagai berikut : 1. Bahasa Pemograman PHP. 2. Database MySql. 3. Sistem Operasi Windows 10 Profesional. 4. Microsoft Office Sublime Text Editor Spesifikasi Perangkat Keras ( Hardware ) Spesifikasi perangkat keras yang digunakan penulis adalah sebagai berikut : 1. Laptop Dell Lattitude E Layar Screen 14 Inch. 3. Processor Intel core i5-3230m GHz. 4. RAM Kapasitas 8.0 GB 5. Harddisk 500 GB

97 Implementasi Database Implementasi database terdiri dari beberapa tabel. Berikut ini adalah tabel-tabel dalam database yang digunakan dalam menjalankan sistem pakar diagnosa depresi dari awal sampai akhir bisa dilihat pada tabel-tabel dibawah ini : 1. Tabel Login Tabel Login digunakan untuk menyimpan data user / admin yang diberikan hak akses untuk menjalankan sistem. 2. Tabel Data Gejala Gambar 4.1 Tabel Login Tabel data gejala digunakan untuk menyimpan data gejala.

98 79 Gambar 4.2 Tabel Data Gejala 3. Tabel Data Penyakit Tabel penyakit digunakan untuk melihat dan menyimpan data penyakit. Gambar 4.3 Tabel Data Penyakit 4. Tabel Relasi Tabel relasi digunakan untuk melihat dan menyimpan data relasi / basis pengetahuan

99 Gambar 4.4 Tabel Relasi 80

100 Implementasi Sistem Tahapan ini merupakan tahapan dimana hasil dari perancangan antarmuka yang telah diimplementasikan kedala program yang dibuat dengan menggunakan bahasa pemograman PHP dan basis data yang digunakan adalah MySQL. 1. Halaman Login Form login digunakan untuk melakukan login admin atau user untuk masuk ke halaman utama aplikasi. Tampilan form login dapat dilihat pada gambar 4.5 berikut : Gambar 4.5 Tampilan Form Login 2. Halaman Utama Administrator Halaman utama administrator merupakan halaman utama pada bagian admin untuk melakukan semua kegiatan dalam sistem. Administrator dapat

101 82 mengelola data gejala, data penyakit, data relasi dan melakukan diagnosa pada sistem.adapun tampilannya dapat dilihat pada gambar 4.6 berikut : Gambar 4.6 Form Halaman Utama Admin 3. Halaman Data Penyakit Halaman data penyakit digunakan untuk menginputkan data penyakit dan untuk menampilkan data penyakit. Tampilannya seperti pada gambar 4.7 berikut :

102 83 Gambar 4.7 Tampilan halaman Data Penyakit 4. Halaman Data Gejala Form data gejala digunakan untuk menginputkan dan menampilkan data gejala. Tampilannya seperti pada gambar 4.8 berikut : Gambar 4.8 Halaman Data Gejala

103 84 5. Halaman Data Relasi Form data relasi digunakan untuk mengatur relasi antar penyakit dan gejala. Adapun tampilannya dapat dilihat pada gambar 4.9 berikut : Gambar 4.9 Halaman Data Relasi 6. Halaman Diagnosa Form diagnosa penyakit digunakan untuk memilih penyakit yang diderita oleh user ( pengguna ). Adapun tampilannya dapat dilihat pada gambar 4.10 berikut :

104 85 7. Halaman Hasil Diagnosa Gambar 4.10 Halaman Diagnosa Penyakit Gambar 4.11 Hasil Diagnosa

105 Hasil Penelitian Analisis Perhitungan Metode menjelaskan perhitungan tingkat depresi menggunakan Certinty Factor. Sebelumnya telah dilakukan penyebaran kuisioner kepada 30 mahasiswa Jurusan Teknik Informatika STT Pelita Bangsa Bekasi sebagai objek penelitian. Dan dari hasil penyebaran instrument tersebut diperoleh data berikut : Tabel 4.1 Hasil Penelitian No Nama Mahasiswa Nilai Persentase Tingkat Depresi Kuisioner Sistem Pakar Kuisioner Sistem Pakar 1 Amin 60% 60% Depresi Sedang Depresi Sedang 2 Ujang Supriadi 55% 55% Depresi Ringan Depresi Ringan 3 Ahmad Muttohir 83.3% 83.3% Depresi Berat Depresi Berat 4 Yoyon 60% 60% Depresi Ringan Depresi Ringan 5 Aris Kapisa 75% 75% Gangguan Mood Gangguan Mood 6 Musrofingatun 86.9% 86.9% Depresi Berat Depresi Berat 7 Ridwan 34.2% 34.2% Gangguan Mood Gangguan Mood 8 Hana Kristian 69.4% 69.4% Depresi Berat Depresi Berat 9 Ahmad Burhan 60% 60% Gangguan Mood Gangguan Mood 10 Grace 50% 50% Depresi Ringan Depresi Ringan 11 Suparjo 70% 70% Depresi Ringan Depresi Ringan 12 Septian Arie Prayoga 55% 55% Gangguan Mood Gangguan Mood 13 Anita 60% 60% Depresi Ringan Depresi Ringan 14 Karina 27.4% 27.4% Gangguan Mood Gangguan Mood 15 Arifin 86.9% 86.9% Depresi Berat Depresi Berat 16 Royati Adelia 70% 70% Gangguan Mood Gangguan Mood 17 Ahmad Kamal 70% 70% Depresi Ringan Depresi Ringan 18 Casdi 51.6% 51.6% Depresi Sedang Depresi Sedang 19 Singgih Prasetyo 90% 90% Gangguan Mood Gangguan Mood 20 Eko Wibowo 50% 50% Depresi Sedang Depresi Sedang 21 Hary Prasetyo 50% 50% Depresi Ringan Depresi Ringan 22 Hambali Adi Wijaya 75% 75% Gangguan Mood Gangguan Mood 23 Darmono 70% 70% Depresi Sedang Depresi Sedang 24 Andri Kurniawan 69.5% 69.5% Depresi Sedang Depresi Sedang 25 Setiyo Wahyu Riantono 75% 75% Gangguan Mood Gangguan Mood 26 Fikri 53.1% 53.1% Gangguan Mood Gangguan Mood 27 Arif Cahya Prananda 75% 75% Gangguan Mood Gangguan Mood 28 Ahmad Muslimin 55% 75% Depresi Ringan Gangguan Mood

106 87 29 Edi Susanto 58.1% 58.1% Depresi Sedeng Depresi Sedeng 30 Muhamad Rusdiana 68.1% 68.1% Depresi Berat Depresi Berat 4.5 Pembahasan Dari data data pada tabel 4.1 diambil satu objek penelitian sebagai kasus pada perhitungan metode certainty factor. Misalkan kasus yang diambil adalah data dari Amin dengan total persentase 60%. Gejala yang dialami oleh Amin adalah sebagai berikut : Tabel 4.2 Jawaban Kuisioner Amin Kode Gejala Gejala Jawaban G1 Sedih tidak G2 Kelelahan melakukan aktivitas Ya G3 Kurang berkonsentrasi Ya G4 Bosan atau jenuh Ya G5 Sering melamun tidak G6 Tidak bersemangat Ya G7 Sering galau tidak G8 Pesimis mengenai Semasa depan tidak G9 Sering menangis dengan alasan yang tidak jelas tidak G10 Mempunyai gangguan tidur atau insomnia tidak G11 Sering cemas tidak G12 Kecewa dengan diri sendiri tidak G13 Terganggu dengan segala hal tidak G14 Lebih sering terlihat murung tidak G15 Kehilangan minat atau hobi yang dulu disenangi Ya G16 Kesepian tidak G17 Mempunyai perasaan bersalah tidak G18 Mempunyai perasaan dihukum tidak G19 Mempunyai perasaan benci terhadap diri sendiri tidak G20 Mudah tersinggung ya G21 Kehilangan selera makan ya G22 Khawatir tentang penampilan ya G23 Sangat sensitif atau mudah marah dengan orang disekitar tidak G24 Lebih suka menyendiri tidak G25 Mempunyai pikiran untuk bunuh diri tidak G26 Sulit mengambil keputusan Tidak

107 88 G27 Sulit melakukan kegiatan dengan baik Ya G28 Ada perubahan penambahan atau penurunan berat badan Ya G29 Kurang percaya diri Tidak Gejala-gejala yang dipilih dimasukan kedalam kategori sesuai jenis penyakit : 1. Gangguan Mood : G2,G3,G4 2. Depresi Ringan : G6, G15, G22 3. Depresi Sedang : G20, G27 Maka perhitungan manualnya sebagai berikut : 1. Gangguan Mood : G2,G3,G4 MB ( Gangguan Mood, G2^G3 ) = 0,8 + 0,95 * (1-0,8) = 0,8 + (0,95 * 0,2) = 0,8 + 0,19 = 0,99 MD ( Gangguan Mood, G2^G3 ) = 0,2 + 0,05 * (1-0,2) = 0,2 + (0,05* 0,8) = 0,2 + 0,04 = 0,24 CF[H,E]1 = 0,99 0,24 = 0,75 MB ( Gangguan Mood, G2^G3,G4 ) = 0,99 + 0,75 * (1-0,99) = 0,99 + (0,75 * 0,01) = 0,99 + 0,0075 = 0,9975 MD ( Gangguan Mood, G2^G3,G4 ) = 0,24 + 0,25 * (1-0,24) = 0,24 + (0,25* 0,76) = 0,24 + 0,19 = 0,43 CF[H,E]2 = 0,9975 0,43 = 0,5675 Persentase = 0,5675 * 100% = 56,75%

108 89 2. Depresi Ringan : G6,G15 MB ( Depresi Ringan, G6^G15 ) = 0,9 + 0,75 * (1-0,9) = 0,9 + (0,75 * 0,1) = 0,9 + 0,075 = 0,975 MD ( Depresi Ringan, G6^G15 ) = 0,1 + 0,25 * (1-0,1) = 0,1 + (0,25 * 0,9) = 0,1 + 0,225 = 0,325 CF[H,E]1 = 0, = 0,65 MB ( Depresi Ringan, G6^G15,G22 ) = 0, ,75 * (1-0,975) = 0,975 + (0,75 * 0,025) = 0, ,01875 = 0,99375 MD ( Depresi Ringan, G6^G15,G22 ) = 0, ,25 * (1-0,325) = 0,325+ (0,25* 0,325) = 0, ,16875 = 0,49375 CF[H,E]2 = 0, ,49375 = 0,50 Persentase = 0.50 * 100% = 50% 3. Depresi Sedang : G20, G27 MB ( Depresi Sedang, G20^G27 ) = 0,85 + 0,75 * (1-0,85) = 0,85 + (0,75 * 0,15) = 0,85 + 0,1125 = 0,9625 MD ( Depresi Sedang, G20^G27 ) = 0,15 + 0,25 * (1-0,15) = 0,15 + (0,25 * 0,85) = 0,15 + 0,2125 =

109 90 CF[H,E]1 = 0,9625 0,3625 = 0,60 Persentase = 0,60 * 100% = 60 % Dari hasil perhitungan diatas maka dapat disimpulkan bahwa penyakit yang niali CF nya paling besar adalah DEPRESI SEDANG. 4.6 Pengujian White Box Berikut adalah hasil pengujian White Box Testing dalam bentuk tabel : No Pengujian Tes Case Benar Tes Case Salah Kesimpulan 1 <?php details p'); //Start session session_start(); //Include database connection require_once('koneksi_db.ph Masukan User Name dan Password tampil ke menu utama Username kosong Password kosong aka nada peringatan salah. Jika intruksi benar maka akan dilanjutakan dan jika salah tidak di lanjutkan errors //Array to store validation $errmsg_arr = array(); //Validation error flag $errflag = false; //Function to sanitize values received from the form. Prevents SQL injection function clean($str) { $str if(get_magic_quotes_gpc()) { stripslashes($str); $str = } return mysql_real_escape_string($str); }

110 91 //Sanitize the POST values $username = clean($_post['username']); $password = $_POST['password']; $status = clean($_post['status']); //Input Validations if($username == '') { $errmsg_arr[] = 'Login ID missing'; } $errflag = true; if($password == '') { $errmsg_arr[] = 'Password missing'; } $errflag = true; //If there are input validations, redirect back to the login form if($errflag) { $_SESSION['ERRMSG_AR R'] = $errmsg_arr; index.php"); } session_write_close(); header("location: exit(); //Create query if($status=='pakar'){ $qry="select * FROM data_pakar WHERE username='$username' AND password='".md5($_post['password '])."'"; $result=mysql_query($qry); }

111 92 else { $qry="select * FROM data_user WHERE username='$username' AND password='".md5($_post['password '])."'"; $result=mysql_query($qry);; } //Check whether the query was successful or not if($result) { if(mysql_num_rows($result) == 1) { Successful //Login if ($status=='pakar'){ session_regenerate_id(); $member = mysql_fetch_assoc($result); $_SESSION['SESS_USERN AME'] = $member['username']; $_SESSION['SESS_PASSW ORD'] = $member['password']; session_write_close(); header("location: pakar_index.php"); exit(); else { session_regenerate_id(); $member = mysql_fetch_assoc($result); $_SESSION['SESS_USERN AME'] = $member['username']; $_SESSION['SESS_PASSW ORD'] = $member['password']; session_write_close() header("location: user_index.php"); exit(); }

112 93 } } else { ($status=='pakar'){ failed if //Login echo "<meta http-equiv=\"refresh\" content=\"0; url=index.php?page=gagal_login2\"> "; failed exit(); else { } //Login echo "<meta httpequiv=\"refresh\" content=\"0; url=index.php?page=gagal_login\">" ; }else { } } exit(); } die("query failed"); $act=$_get['act']; if ($act=="logout"){ session_start(); unset($_session['sess_u SERNAME']); "<meta http-equiv=\"refresh\" content=\"0; url=index.php>"; }?>

113 94 2 <?php define('db_host', 'localhost'); define('db_user','root'); define('db_password', ''); Koneksi ke server database berhasil Koneksi ke server database gagal Jika koneksi gagal maka aplikasi tidak akan bisa ditampilkan define('db_name', 'db_cf'); define('www', ' or/'); $con b_password,db_name) or die('<center><strong>error!</strong > Koneksi ke server database gagal.</center>');?>

114 BAB V KESIMPULAN 5.1 Kesimpulan Setelah melakukan serangkaian penelitian, maka pada bab ini akan menyimpulkan dari uraian penelitian pada bab sebelumnya. Kesimpulan yang diperoleh adalah sebagai berikut : 1. Berdasarkan pengujian yang dilakukan, dari hasil data sebanyak 30 percobaan, sistem pakar dapat mempercepat diagnosa tingkat depresi pada mahasiswa. 2. Metode certainty Factor dapat di diimplemetasikan untuk mendiagnosa tingkat depresi pada sistem pakar. Dengan perbandingan keakuratan sebesar 97%, aplikasi sistem pakar diagnosa tingkat depresi pada mahasiswa tingkat akhir ini dapat membantu psikolog/pakar dalam mendiagnosa tingkat depresi pada mahasiswa. 5.2 Saran Berdasarkan kesimpulan yang telah dikemukakan, dapat diajukan beberapa saran untuk pengembangan lebih lanjut ; 1. Aplikasi ini dapat dikembangakan menjadi aplikasi berbasis mobile agar lebih mudah dalam penggunaannya. 2. Sebaiknya sistem dikombinasikan dengan metode theorma bayes agar nilai keakuratannya lebih besar. 95

115 96 DAFTAR PUSTAKA Arhami, Muhammad, (2005). Konsep Dasar Sistem Pakar, Yogyakarta: Penerbit ANDI Astuti, A. (2015). Konferensi Nasional Sistem & Informatika 2015 Sistem Pakar Untuk Mengetahui Gangguan Depresi Mayor Dengan Menggunakan Faktor Kepastian, Azmi, Yasin, (2017). Pengantar Sistem Pakar dan Metode. Jakarta: Penerbit Mitra Wacana Media. Burns, David, Terapi Kognitif: Pendekatan Baru Bagi Penanganan Depresi, Penerbit Erlangga, Jakarta, 1980 Hawari, D. (2010). Psikopatologi Bunuh Diri. Jakarta: Balai Penerbit FK UI Jasmir. Rancangan Sistem Pakar Dengan Metode Forward Chaining Dan Heteroassocoative Memory Untuk Mendeteksi Tingkat Depresi Seseorang. STIKOM Kaplan, H.I & Sadock, B.J. (1996). Pocket Handbook of Clinical Psychiatry. Baltimore : Williams and Wilkins Kurniati, N. I., Mubarok, H., & Reinaldi, A. (2017). Rancang Bangun Sistem Pakar Diagnosa tingkat Depresi Pada Mahasiswa Tingkat Akhir Menggunakan Metode Fuzzy Tsukamoto ( Studi Kasus : Universitas Siliwangi ), 2(1), Lubis, Namora Lumongga. (2009). Depresi Tinjauan Psikologis. Jakarta: Kencana Prenada media Group Medika, E. (2016). Gambaran Tingkat Depresi Dan Obesitas Pada Mahasiswa Fakultas Kedokteran Angkatan 2013 Universitas Warmadewa Denpasar Bali I Putu Eka Pramana Putra Program Studi Pendidikan Dokter, Fakultas Kedokteran Universitas Udayana Fakultas Kedokteran Universitas U, 5(5), National Institutes of Mental Health, (2012).Depression and College Students". United States: Departement Of Health And Human Services. Kom, S., & Kom, M. (2013). Jurnal Processor Vol. 8 No. 1 - Februari 2013 STIKOM Dinamika Bangsa - Jambi 1, 8(1), 1 9. Seligman, M.E.P. (1993). What You Can Change : The Complete Guide to Successful Self-Improvement. New York : Fawcett Columbine Turban, E., dan Aronson, J.E. (2001). Decision Support System and Intelligent System, 6th Edition. New Jersey: Prentice Hall International Edition. Veradani, O. (2014). Sistem Pakar Untuk Mendiagnosa Baby Blues Pada Wanita Dalam Masa Nifas Dengan Menerapkan,

116 97 SURAT PERMOHONAN PENELITIAN (LAMPIRAN 1)

117 98 FORM KENDALI BIMNINGAN SKRIPSI (LAMPIRAN 2)

118 99 KUISIONER (LAMPIRAN 3) ( diisi oleh peneliti ) Petunjuk Pengisian : 1. Bacalah pertanyaan dan pernyataan berikut dengan baik 2. Anda sebagai responden diperbolehkan bertanya kepada peneliti, jika ada pertanyaan yang tidak dimengerti 3. Beri tanda cheklist ( ) pada pernyataan dan kolom yang sesuai dengan pendapat anda atau kondisi anda 4. Selamat mengisi dan terima kasih atas kerjasamanya A. Identitas Responden 1. Nama : 2. Usia :... Tahun 3. Jenis Kelamin : ( ) : Laki-laki ( ) : Perempuan B. Tingkat Depresi Mahasiswa Bacalah setiap pernyataan dan beri tanda ( ) di sebelah kanan yang sesuai dengan bagaimana perasaan atau kondisi Anda dalam waktu seminggu terakhir. Tidak ada jawaban yang salah atau benar. Sebaiknya Anda jangan menghabiskan waktu hanya pada salah satu pernyataan, segera berikan jawaban yang menggambarkan atau kondisi Anda dalam waktu seminggu terakhir. 1. Apakah anda merasa sedih? Ya ( ) Tidak ( ) 2. Apakah anda merasa kelelahan melakukan aktivitas? Ya ( ) Tidak ( ) 3. Apakah anda merasa kurang berkonsentrasi? Ya ( ) Tidak ( ) 4. Apakah anda merasa bosan atau jenuh? Ya ( ) Tidak ( ) 5. Apakah anda sering melamun?

119 100 (Lanjutan) Ya ( ) Tidak ( ) 6. Apakah anda merasa tidak bersemangat? Ya ( ) Tidak ( ) 7. Apakah anda merasa sering galau? Ya ( ) Tidak ( ) 8. Apakah anda mersa pesimis mengenai masa depan? Ya ( ) Tidak ( ) 9. Apakah anda sering menangis dengan alasan yang tidak jelas? Ya ( ) Tidak ( ) 10. Apakah anda mempunyai gangguan tidur atau insomnia? Ya ( ) Tidak ( ) 11. Apakah anda merasa sering cemas? Ya ( ) Tidak ( ) 12. Apakah anda merasa kecewa dengan diri sendiri? Ya ( ) Tidak ( ) 13. Apakah anda merasa terganggu dengan segala hal? Ya ( ) Tidak ( ) 14. Apakah anda lebih sering terlihat murung? Ya ( ) Tidak ( ) 15. Apakah anda merasa kehilangan hobi atau minat yang dulu disenangi? Ya ( ) Tidak ( ) 16. Apakah anda merasa kesepian? Ya ( ) Tidak ( ) 17. Apakah anda mempunyai perasaan bersalah? Ya ( ) Tidak ( ) 18. Apakah anda mempunyai perasaan dihukum? Ya ( ) Tidak ( ) 19. Apakah anda mempunyai perasaan benci terhadap diri sendiri? Ya ( ) Tidak ( ) 20. Apakah anda merasa mudah tersinggung? Ya ( ) Tidak ( ) 21. Apakah anda merasa kehilangan selera makan? Ya ( ) Tidak ( ) 22. Apakah anda merasa khawatir tentang penampilan? Ya ( ) Tidak ( )

120 101 (Lanjutan) 23. Apakah anda merasa sangat sensitif dan mudah marah dengan orang sekitar? Ya ( ) Tidak ( ) 24. Apakah anda lebih suka menyendiri? Ya ( ) Tidak ( ) 25. Apakah anda mempunyai pikiran untuk bunuh diri? Ya ( ) Tidak ( ) 26. Apakah anda merasa sulit untuk mengambil keputusan? Ya ( ) Tidak ( ) 27. Apakah anda merasa sulit melakukan kegiatan dengan baik? Ya ( ) Tidak ( ) 28. Apakah ada perubahan penambahan atau penurunan berat badan? Ya ( ) Tidak ( ) 29. Apakah anda merasa kurang percaya diri? Ya ( ) Tidak ( ) Terima Kasih atas Partisipasi Anda...

121 102 HASIL KUISIONER (LAMPIRAN 4)

122 103 (Lanjutan)

123 104 HASIL WAWANCARA DENGAN PAKAR (LAMPIRAN 5) Pakar : Dra. Elly Rahmi Djayusman, S.Psi, MM (RS. Dewi Sri Hospital) Penulis Pakar Penulis Pakar Penulis Pakar Penulis Pakar Penulis Pakar : Selama ini pernahkah menemukan sistem pakar untuk mendiagnosa tingkat depresi? : Selama ini belum saya temukan : Jika hadir sistem komputer (sistem pakar) yang membantu diagnosa tingkat depresi, untuk siapakah sasaran objek pemakai yang tepat? : Bisa untuk bidang akademik seperti mahasiswa, dapat juga untuk keperluan masyarakat umum. : Apa perbedaan antara kesedihan yang normal/rasa berduka dan depresi? : Setiap orang mengalami rentang emosi selama beberapa hari atau beberapa minggu, biasanya bervariasi berdasarkan kejadian atau keadaan. Ketika kecewa, kita biasanya merasa sedih. Ketika merasa kehilangan, kita berduka. Normalnya, perasaan ini naik dan turun. Perasaan-perasaan ini bereaksi terhadap masukan dan perubahan. Sebaliknya, depresi cenderung terasa berat dan konstan. Orang yang mengalami depresi cenderung tidak ceria, tidak nyaman, atau tidak tenang. Orang yang pulih dari depresi seringkali kembali ingin agar mereka punya kemampuan untuk merasa sedih secara normal lagi, sebagai lawan dari mengalami hari yang buruk, beban yang memberati pikiran dan jiwa mereka setiap hari. : Setelah seseorang didiagnosa dan diobati depresinya apakah depresinya itu akan cenderung kembali lagi? : Orang yang didiagnosa mengalami depresi berat, yang diobati dan kemudian pulih, setidaknya setengahnya cenderung untuk mengalami kekambuhan pada suatu waktu di masa kemudian. Masalah tersebut dapat datang dengan segera atau pada waktu yang lama setelah itu. Kekambuhan ini bisa muncul karena dipicu atau tidak dipicu oleh kejadian dalam hidup [misalnya karena beban ekonomi, stres karena lingkungan dsb. Setelah beberapa episode depresi berat, seorang psikiater mungkin menyarankan sebuah pengobatan dalam jangka waktu yang panjang. : Pengobatan macam apakah yang berhasil untuk depresi? : Banyak jenis pengobatan terbukti efektif dalam memulihkan depresi. Beberapa di antaranya :

124 105 (Lanjutan) melibatkan wicara dan pengubahan perilaku. Yang lainnya melibatkan obat-obatan medis. Ada sejumlah teknik yang menitikberatkan pada modulasi sel saraf, termasuk terapi kejut listrik (electroconvulsive therapy ECT), vagus-nerve stimulation (VNS), transcranial magnetic stimulation (TMS) dan percobaan deepbrain stimulation (DBS). Pilihan terapi seharusnya dipandu oleh kekhasan dan keparahan depresinya, respon di masa lalu terhadap pengobatan, serta kepercayaan dan pilihan pasien dan keluarganya tersebut. Pendekatan apapun yang dipilih, sang pasien selayaknya menyatakan bersedia untuk bekerjasama dan berpartisipasi secara aktif; misalnya terlibat dalam terapi wicara atau secara teratur meminum obat. Penulis Pakar : Apa yang harus saya konsultasikan bersama dokter ketika mendiskusikan perasaan depresif saya? : Keterbukaan total merupakan hal yang penting. Anda sebaiknya bicara kepada dokter Anda tentang semua gejala yang Anda alami, kejadian penting dalam hidup Anda serta riwayat trauma dan penyalahgunaan zat. Juga katakanlah kepada dokter Anda tentang riwayat depresi atau gejala-gejala alam perasaan diri dan anggota keluarga Anda, riwayat medis, obat yang Anda minum yang diresepkan dan yang di luar itu, bagaimana depresi telah mempengaruhi kehidupan sehari-hari Anda serta apakah Anda pernah berpikir tentang bunuh diri. Sumber : Wawancara tanggal 04 September 2018

125 106 Daftar Riwayat Hidup (LAMPIRAN 6) Nama : Sasmita Jaya Nama Panggilan : Sasmita empat & Tanggal Lahir : Bekasi, 21 Mei 1991 Hobby : Basket Motto : Kerja keras, Kerja cerdas, Kerja Ikhlas Agama : Islam Alamat Sekarang : Kp. Jegang RT. 001/01 Ds. Sukasejati, Kec. Cikarang Selatan, Kab. Bekasi No. HP : sasmitajaya22@gmail.com Riwayat Pendidikan : Nama Sekolah Tahun SDN Ciantra SMPN 01 Cikarang selatan 2007 SMKN 01 Cikarang Selatan 2010