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

Transkripsi

1 BAB III METODE PENELITIAN Bab III berisi tentang metode penelitian. Metode penelitian yang digunakan terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar aplikasi. A. Teknik Pengumpulan Data Penelitian ini menggunakan data sekunder yang diambil dari buku bahan ajar mahasiswa kedokteran Buku Ilmu Penyakit Dalam, jurnal jurnal tentang penyakit tropis, serta wawancara dengan seorang dokter. Data yang diperoleh berupa gejala atau kriteria dari beberapa penyakit tropis yaitu sebanyak 122 kriteria dari 26 jenis penyakit tropis infeksi. B. Teknik Analisis Data Analisis data bertujuan untuk memperoleh hasil diagnosis berdasarkan gejala yang dimasukkan. Dalam penelitian ini digunakan metode Fuzzy Multy Criteria Decision Making (FMCDM). Alasan Metode FMCDM menerapkan pembobotan menggunakan derajat kecocokan dari setiap kriteria terhadap alternatif. Oleh karena pembobotan masing masing kriteria terhadap masing masing alternatif pada penelitian ini tidak sama, maka dirasa lebih tepat jika digunakan metode FMCDM. Adapun langkah langkah penelitian yang dilakukan yaitu: 1. Studi pustaka dan wawancara mengenai penyakit tropis dan gejalanya. 2. Merepresentasikan masaah yang meliputi penentuan tujuan dan allternatif keputusannya, mengidentifikasi kriteria, serta membangun struktur hirarki berdasarkan pertimbangan tertentu. 53

2 Jika terdapat m alternatif keputusan dari diagnosis penyakit tropis, maka alternatif alternatif tersebut dapat ditulis sebagai A = {Ai i = 1,2,3,, m}. Serta jika terdapat k kriteria, maka dapat dituliskan C = {Ct t = 1,2,3,, k}. Berikut adalah gambaran umum struktur hirarki dari suatu masalah. tujuan Kriteria C1 Kriteria C2. Kriteria Ck Alternatif A1 Alternatif A2. Alternatif Am Gambar 3. 1 Struktur Hirarki 3. Evaluasi Himpunan Fuzzy Pada tahap evaluasi himpunan fuzzy terdapat 3 proses yang perlu dilakukan, yaitu: a. Memilih himpunan rating untuk kepentingan kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Secara umum, himpunan rating terdiri atas 3 elemen, yaitu: variabel linguistik (x) yang merepresentasikan kepentingan kriteria dan kecocokan setiap alternatif dengan kriterianya, T(x) yang merepresentasikan rating variabel linguistik, serta fungsi keanggotaan yang berhubungan dengan setiap 54

3 elemen T(x). Misal, rating untuk bobot pada variabel bobot untuk setiap kriteria didefinisikan sebagai : T(kecocokan)={SANGAT KURANG COCOK, KURANG COCOK, AGAK COCOK, COCOK, SANGAT COCOK}. Setelah himpunan rating ini ditentukan, maka selanjutnya ditentukan fungsi keanggotaan untuk setiap rating. Pada kasus ini digunakan fungsi segitiga yang digambarkan sebagai berikut: Gambar 3. 2 Fungsi Keanggotaan Segitiga Dimana persamaanya adalah seperti pada 3.1: 0; x a atau x c x a μ[x] = { ; a x b b a 3. 1 x b ; b x c c b Misal W t adalah rating kepentingan dari kriteria C t ; S it adalah rating fuzzy untuk derajat kecocokan alternatif kecocokan A i dengan kriteria C t ; dan F i adalah indeks kecocokan fuzzy dari alternatif A i yang merepresentasikan derajat kecocokan alternatif keputusan dengan kriteria keputusan yang diperoleh dari hasil agregasi S it dan W t, dengan i=1,2,3, m dan t = 1,2,3, k. 55

4 b. Mengevaluasi kepentingan kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. c. Mengagregasikan kepentingan - kepentingan kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Terdapat beberapa macam metode yang dapat digunakan untuk melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara lain: mean, median, max, min, dan operator campuran. Metode mean lebih banyak digunakan. Operator dan adalah operator yang digunakan untuk penjumlahan dan perkalian pada bilangan fuzzy. Dengan menggunakan operator mean, F i dirumuskan sebagai: F i = ( 1 k ) [(S i1 W 1 ) (S i2 W 2 ) (S ik W k )] 3. 2 Dengan cara mensubstitusikan S it dan W t dengan bilangan fuzzy segitiga, yaitu S it = (o it, p it, q it ) ; dan W t = (a t, b t, c t ); maka F t dapat didekati F i (Y i, Q i, Z i ) 3. 3 dengan Y i = ( 1 ) k (o k t=1 it, a i ) 3. 4 Q i = ( 1 ) k (p k t=1 it, b i ) 3. 5 Z i = ( 1 ) k (q k t=1 it, c i ) 3. 6 i = 1,2,3,, m. 4. Seleksi Alternatif yang Optimal Dalam tahapan ini terdapat 2 aktivitas yang perlu dilakukan, yaitu: a. Memprioritaskan alternatif keputusan berdasarkan hasil agregasi; 56

5 Prioritas dari hasil agregasi dibutuhkan untuk proses perangkingan alternatif keputusan. Karena hasil agregasi ini direpresentasikan dengan bilangan fuzzy segitiga, maka dibutuhkan metode perangkingan untuk bilangan fuzzy segitiga. Salah satu metode yang dapat digunakan adalah metode total integral. Misalkan F adalah bilangan fuzzy segitiga, F = (a, b, c) maka nilai total integralnya dapat dirumuskan sebagai berikut: I α T (F) = ( 1 ) (αc + b + (1 α)a) Nilai α adalah indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan (0 α 1). Nilai α semakin besar mengindikasikan bahwa derajat keoptimisannya semakin besar. b. Memilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal. Semakin besar nilai F i maka kecocokan terbesar dari alternatif keputusan untuk kriteria keputusan, dan nilai inilah yang menjadi tujuannya sehingga ditentukan alternatif terbaik yang dipilih adalah yang memiliki nilai I T α (F) terbesar. Tujuan dari keputusan ini adalah diagnosa penyakit tropis yang mempunyai ranking tertinggi. 5. Mengimplementasikan sistem menggunakan user-interface (tampilan antarmuka pengguna). 6. Contoh kasus Diberikan sebuah contoh kasus untuk memberikan gambaran yang lebih jelas menganai proses penerapak FMCDM. 57

6 7. Validasi oleh dokter. Validasi oleh dokter dilakukan untuk mengetahui kelayakan system dan untuk mengetahui keakurasian hasil diagnosis menggunakan FMCDM. 8. Posting ke web Sistem hasil penelitian ini diposting ke web dengan tujuan agar dapat digunakan oleh orang banyak. Secara singkat berikut adalah diagram dari langkah langkah penelitian: Gambar 3. 3 Langkah langkah penelitian C. Perencanaan Layar Aplikasi Setelah diperoleh hasil perankingan yang baik, maka tampilan sistem fuzzy dapat dibentuk dengan user interface. Tujuannya adalah agar tampilan yang dihasilkan lebih menarik dan mudah pengoperasiannya. Rancangan user interface ini dibangun dengan menggunakan bahasa 58

7 pemrograman PHP. Rancangan awal user interface diagnosis penyakit tropis ditunjukkan pada gambar 3.4: Gambar 3. 4 Halaman Depan Sebelum Login Gambar 3. 5 Halaman Setelah Login Gambar 3. 6 Halaman Alur Pemakaian 59

8 Gambar 3. 7 Halaman Kontak Gambar 3. 8 Halaman Daftar Penyakit Gambar 3. 9 Halaman Diagnosis 60

9 Gambar Halaman Hasil Diagnosis Proses pembuatan user interface disesuaikan dengan urutan pemanggilan dan proses perintah pada sistem. Berikut adalah langkah langkah pembuatan sistem user interface. 1. Menulis judul program, diletakkan di bagian kanan atas program. 2. Membuat halaman depan yang berisi ucapan selamat dating. 3. Membuat bagan alur pemakaian. 4. Membuat halaman kontak yang berisi foto, nama, nomor hp, dan alamat penulis seperti pada halaman Kotak login digunakan untuk masuk ke halaman untuk proses diagnosis. Berisi username dan password. Jika belum mengetahui username dan password disarankan untuk menghubungi kontak yang tertera. 6. Halaman daftar penyakit. Berisi tentang beberapa penyakit dan gejalanya seperti pada halaman Halaman diagnosis. Pengguna dapat memasukkan gejala yang dirasakan dan kemudian mengeklik tombol proses yang akan diperoleh hasil diagnosis yang berupa urutan penyakit seperti pada

10 8. Tombol Logout ditekan 9. Background tamplate yang diperoleh dari (Nugroho, 2014). D. Posting Web ke Hosting Tampilan antarmuka yang telah dibangun menggunakan bahasa pemrograman PHP di atas akan diupload agar dapat diakses oleh orang banyak. 62