ANALISA DAN PERANCANGAN CASE BASED REASONING DIAGNOSA PENYAKIT GIGI PADA MANUSIA. Nurmala Mukhtar AH

Transkripsi

1 ANALISA DAN PERANCANGAN CASE BASED REASONING DIAGNOSA PENYAKIT GIGI PADA MANUSIA Nurala Mukhtar AH Progra Studi Siste Inforasi, Fakultas Teknik dan Ilu Koputer Universitas Isla Indragiri (UNISI) Jl. Parit 1 Tebilahan Hulu, Tebilahan Riau nurala.ukhtar.ah@gail.co ABSTRAK Gigi erupakan bagian dari alat pengunyahan pada siste pencernaan dala tubuh anusia, sehingga secara tidak langsung berperan dala status kesehatan perorangan.penyakit gigi erupakan penyakit yang paling sering dikeluhkan asyarakatindonesia karena banyaknya orang yang tidak peduli akan kesehatan gigi. Kebanyakan asyarakat tidak engetahui bahaya penyakit gigi yang dapat berujung keatian.rancangan siste pakar untuk endiagnosa penyakit gigi dengan enggunakan etode Case Based Reasoning (CBR) yaitu salah satu etode untuk ebangun siste pakar dengan pengabilan keputusan dari kasus yang baru dengan solusi dari kasus-kasus sebelunya.proses diagnosa dilakukan dengan cara easukkan kasus baru (target case) yang berisigejala-gejala penyakit yang akan didiagnosa, keudian dilakukan prosessiilaritas antara kasus baru dengan kasus-kasus (source case) yang sudahtersipan di dala basis data (case-based) siste. Kasus dengan nilaisiilaritas tertinggi akan diabil dan keudian solusi dari kasus tersebut akandijadikan solusi bagi kasus yang baru. Metode siilaritas yang digunakan adalah Nearest Neighbour.Jika suatu kasus tidak berhasil didiagnosa, akaakan dilakukan revisi kasus oleh pakar. Kasus yang berhasil direvisi akandisipan untuk dijadikan pengetahuan baru yang nantinya akan enjadi solusi untuk kasus baru. Kata Kunci :Case Based Reasoning, Siilarity K-NN, Penyakit Gigi. 1. PENDAHULUAN Penyakit gigi erupakan penyakit yang paling sering dikeluhkan asyarakatindonesia karena banyaknya orang yang tidak peduli akan kesehatan gigi. Kesehatangigi seseorang sangat berpengaruh terhadap kesehatan organ tubuh yang lain dankesehatan gigi hingga kini belu enjadi perhatian utaa. Kebanyakan asyarakat tidak engetahui bahaya penyakit gigi yang dapat berujung keatian. Penyakit gigi apabila terus enerus di biarkan akan berujung pada tuor gigi. Hal tersebut terjadi karena penderita sering engabaikan penyakit gigi setelah rasa sakitnya hilang saat einu obat yang di beli dari apotik tanpa resep dokter atau ahli gigi.terkadang penderita erasa alas berobat ke ruah sakit karena harus engantri panjang saat berobat.padahal penyakit gigi perlu endapat penanganan langsung dari dokter atau ahli gigi sehingga dapat diberikan penanganan yang aksial. Rancangan siste pakar untuk endiagnosa penyakit gigi dengan enggunakan etode Case Based Reasoning (CBR) yaitu salah satu etode untuk ebangun siste pakar dengan pengabilan keputusan dari kasus yang baru dengan solusi dari kasus-kasus sebelunya.ide dasar dari CBR eniru keapuan anusia, yaitu enyelesaikan asalah baru enggunakan jawaban atau pengalaan dari asalah laa.penyajian pengetahuan (knowledge representation dibuat dala bentuk kasus-kasus (cases).setiap kasus berisi asalah dan jawaban, sehingga ebandingkan kasus baru dengan suatu pola tertentu. Proses diagnosa dilakukan dengan cara easukkan kasus baru (target case) yang berisigejalagejala penyakit yang akan didiagnosa, keudian dilakukan prosessiilaritas antara kasus baru dengan kasus-kasus (source case) yang sudahtersipan di dala basis data (case-based) siste. Kasus dengan nilaisiilaritas tertinggi akan diabil dan keudian solusi dari kasus tersebut akandijadikan solusi bagi kasus yang baru. Metode siilaritas yang digunakanadalah Nearest Neighbour.Jika suatu kasus tidak berhasil didiagnosa, akaakan dilakukan revisi kasus oleh 1

2 pakar.kasus yang berhasil direvisi akandisipan untuk dijadikan pengetahuan baru (fresh knowledge). Penelitian ini enggunakan Visual Basic 6.0 ini, berguna untuk ebantu kinerja ahli gigi, dengan deikian progra ini akan eberikan pebelajaran kepada edis akan pentingnya teknologi inforasi yang bisa dianfaatkan sebagai penyedia inforasi tentang berbagai aca penyakit dan solusi pengobatan. Siste pakar ini tidak berarti enggantikan kedudukan dokter, tetapi hanya dala pengabilan keputusan, karena ungkin bisa terdapat banyak alternatif yang harus dipilih secara cepat dan tepat. 2. LANDASAN TEORI Kecerdasan buatan berasal dari bahasa Inggris Artificial Intelligence atau singkatan AI, yaitu intelligence adalah kata sifat yang berarti cerdas, sedangkan artificial artinya buatan. Kecerdasan buatan yang diaksud disini erujuk pada esin yang apu berfikir, enibang tindakan yang akan diabil dan apu engabil keputusan seperti yang dilakukan oleh anusia (Sutojo dkk, 2010). Penalaran berbasis kasus (case based reasoning/cbr) pertaa kali disapaikan oleh Roger Schank dan R. Abelson pada tahun CBR adalah teknik untuk enyelesaikan asalah-asalah baru dengan cara engadaptasi solusi-solusi yang sudah digunakan untuk enyelesaikan asalahasalah sebelunya. CBR telah banyak diaplikasikan dala berbagai bidang seperti bidang huku, kedokteran, bahasa, sejarah, akanan/nutrisi, peneuan rute dan lingkungan (Labellapansa, 2013).Case based reasoning adalah siste berbasis pengetahuan yang enyelesaikan asaah dengan elakukan penalaran berdasarkan pengetahuan paling relevan yang telah diiliki. Selanjutnya, siste akan elakukan proses adaptasi terhadap pengetahuan tersebut untuk enyesuaikan dengan perasalahan baru. Hal tersebut ebuat case based reasoning dapat belajar dan beradaptasi terhadap kasus-kasus yang baru (Wicaksono dkk, 2014). Ada 4 (epat) tahapan proses pada case based reasoning yaitu retrieve, reuse, revise dan retain. a. Tahapan Retrieve Proses retrieve adalah proses ekstraksi kasus yang irip dengan kasus baru dari kasus-kasus yang laa (Aribowo, 2010). Salah satu tahap penting dala siklus case based reasoning adalah pengabilan kebali (retrieve) terhadap kasus-kasus sebelunya yang dapat digunakan untuk enyelesaikan asalah baru. Salah satu pertanyaan endasar adalah atas dasar atau pertibangan aparetrieval tersebut dilakukan.salah satu yang dijadikan pertibangan dala banyak penelitian adlaha penilaian kesaaan (siilarity assesent). Dala beberapa aplikasi case based reasoning, sudah cukup eadai untuk enilai kesaaan terhadap kasus-kasus yang tersipan berdasarkan ciriciri yang napak. Yang diaksud ciri-ciri yang napak dari suatu kasus adalah penjelasan yang diilikinya dan bentuk penyajian enggunakan pasangan-pasangan nilai atribut. Pada aplikasiaplikasi yang lain seringkali ciri-ciri diperoleh dari penjelasan kasus-kasus dengan elakukan inferensi sesuai dengan doain pengetahuan. Dala aplikasi yang lain, sebuah kasus disajikan dala struktur yang kopleks, seperti graf, aka untuk retrieval ebutuhkan penilaian terhadap kesaaan strukturnya (Mulyana dan Hartati, 2009). b. Tahapan Reuse Proses adaptasi pada case based reasoning erupakan proses penyesuaian dari solusi yang terapil diana solusi tersebut telah eiliki keiripan paling tinggi. Penyesuaian dilakukan agar solusi yang terabil tersebut sesuai dengan perasalahan yang sedang dialai dan ebuat pengetahuan siste cerdas enjadi berkebang. Langkah yang dapat diabil dala proses adaptasi yaitu solusi yang dihasilkan dari case based reasoning yang diabil dapat dipergunakan sebagai solusi dari perasalahan yang sedang dialai baik tanpa ataupun dengan elalui odifikasi. Ketika ternyata dari proses retrieval endapatkan lebih dari satu kasus yang paling relevan, solusi bisa didapatkan dari salah satu kasus diantarnaya kasus yang paling relevan (Prakoso dkk, 2012). c. Tahapan Revise Proses revise adalah proses peninjauan kebali kasus dan solusi yang diberikan jika pada proses retrieve siste tidak dapat eberikan hasil diagnosa yang tepat. Inforasi berupa asukan gejala pada kasus baru yang tidak diteukan keiripanya dengan basis pengetahuan (rule) terssebut akan ditapung pada suatu tabel khusus (tabel revise) yang selanjutnya akan dievaluasi dan diperbaiki kebali oleh pakar untuk eneukan solusi yang tepat (Octaviani dkk, 2011). 2

3 d. Tahapan Retain Setelah proses revise selesai dan sudah diteukan solusi yang benar-benar tepat barulah pakar ulai enabah aturan dengan easukkan data kasus baru yang sudah diteukan solusinya tersebut kedala basis pengetahuan yang nantinya dapat digunakan untuk kasus berikutnya yang eiliki perasalahan yang saa (Octaviani dkk, 2011).Retain erupakan tahap terakhir dala siklus case based reasoning yang enghasilkan penyelesaian asalah terbaru yang digabungkan dala siste pengetahuan. Hal ini telah diterjeahkan enjadi berbagai pendekatan untuk ereka hasil dari penyelesaian asalah sebagai sebuah kasus baru dan dapat ditabahkan dala basis kasus (Mulyana dan Hartati, 2009).Dala proses retain gejala baru disipan dala sebuah case based. Case tersebut dapat digunakan sebagai acuan kasus baru baik enggunakan bantuan gejala lain atau gejala itu sendiri (Wihayanti dan Guilang, 2014). e. Siilarity etode Nearest Neighbour Siilarity antara dua objek erupakan ukuran nueric dari seberapa irip dua buah objek.siilarity epunyai nilai yang lebih tinggi jika objek-objek tersebut saa dan eiliki range nilai [0,1] (Herawati, 2013).Fungsi siilarity (keiripan) akan enghasilkan nilai yang enentukan apakah ada keiripan antara kasus yang baru dengan kasus-kasus yang ada dala case base. Salah satu etode siilarity yaitu nearest neighbor erupakan teknik sederhana yang enyediakan sebuah ukuran seberapa irip kasus baru dengan kasus laa (Fakhrurrifqi dan Wardoyo, 2013).Menurut Kusrini (dikutip dari Roadhan, 2013) Nearest Neighbour adalah pendekatan untuk encari kasus dengan enghitung kedekatan antara kasus baru dengan kasus laa, yaitu berdasarkan pada pencocokan bobot dari sejulah fitur yang ada.misalnya diinginkan untuk encari solusi terhadap seorang pasien baru dengan enggunakan solusi dari pasien terdahulu. Untuk encari kasus pasien ana yang akan digunakan aka dihitung kedekatan kasus pasien baru dengan seua kasus pasien laa. Kasus pasien laa dengan kedekatan terbesarlah yang akan diabil solusinya untuk digunakan pada kasus pasien baru. Berikut ruus siilarity : Siilarity (proble, case) = s1 w1+s2 w2+ sn wn w1+w2+ +wn Keterangan : s = siilarity (nilai keiripan [1][0]) w = weight (bobot yang diberikan) Tabel 1.Pebobotan Gejala Kode Gejala Bobot G001 Terdapat lobang kecil pada gigi sapai ke dentin 5 G002 Terasa sakit bila terkena air atau akanan dingin 5 G003 Terdapat plak pada gigi 3 G004 Terasa ngilu 1 G005 Terdapat nanah pada gusi dekat gigi 5 G006 Terdapat lobang pada gigi hingga ke pulpa 5 G007 Bengkak di sekitar pipi 3 G008 Terasa sakit bila di tekan 3 G009 Bila abses pecah aka akan berbau busuk dan terasa 5 G010 Sakit berdenyut-denyut di daerah abses 5 G011 Terasa sakit saat engunyah 3 G012 Gigi lebih sensitif dengan akanan atau inuan di 3 G013 Dea 1 G014 Bengkak dan sakit bila di raba 1 G015 Terdapat kupulan plak-plak pada gigi 5 G016 Gigi terlihat kuning 3 G017 Aroa ulut tidak sedap 1 G018 Terdapat daging tubuh pada gigi yang berlubang 5 G019 Mudah berdarah 5 3

4 G020 Sakit bila engunyah (terkena akanan) 3 G021 Bengkak 3 G022 Nyeri 1 G023 Wajah ebengkak karena tuor gigi yang tubuh 5 G024 Pebengkakan pada gusi 3 f. Penyakit Gigi Menurut dr. Hairuni penyakit gigi erupakan rasa nyeri pada gigi. Sakit gigi disebabkan oleh berbagai asalah pada gigi dan rahang, seperti karies gigi.penyakit gigi juga dapat enyebabkan penyakit jantung dan stroke oleh karena itu kita wajib elakukan perawatan gigi inial seinggu sekali.rasa sakit gigi biasanya erujuk pada rasa sakit disekitar gigi atau rahang terutaa sebagai akibat dari kondisi gigi.tingkat keparahan penyakit gigi dapat berkisar dari ringan hingga kronis, taja dan enyiksa.rasa sakit dapat diperburuk oleh engunyah dan rasa dingin atau panas pada akanan atau inuan yang di akan penderita penyakit gigi. Gabar 1. Gabar Penyakit Gigi Berdasarkan gabar di atas ada ena penyakit gigi yaitu : (1) Kerusakan ahkota gigi sapai lapisan dentin disertai karang gigi, (2) Kerusakan ahkota gigi sapai pulpa disertai dengan terbentuknya nanah (abses), (3) Abses jaringan pendukung, (4) Karang gigi, (5) Pulpa Polip dan (6) Tuor gigi. (Hairuni, 2014) 3. ANALISA DAN PERANCANGAN SISTEM Perancangan analisa siste ini enggunakan etode perancangan Syste developent life cycle (SDLC) dengan enggunakan odel waterfall. Planning Analysis 1. Retrieve 2. Reuse 3. Revise 4. Retain Design 1. CD 2. DFD 3. ERD Testing Ipleentasi Gabar 2. Metode Pengebangan Siste a. Analisa Retrieve Berikut contoh kasus laa dan kasus baru untuk enguji tahapan-tahapan case based reasoning. Tabel 2. Contoh Kasus Laa Penyakit Gigi Kasus Laa ID KS003 Kasus Laa ID KS010 Kasus Laa ID KS Terdapat daging tubuh pada gigi yang berlubang 2. Mudah berdarah 3. Sakit bila engunyah (terkena akanan) 1. Terdapat daging tubuh pada gigi yang berlubang 2. Sakit bila engunyah (terkena akanan) 3. Bengkak 1. Bila abses pecah aka akan berbau busuk dan terasa asin pada ulut 2. Sakit berdenyut-denyut di daerah abses 4

5 4. Bengkak 5. Nyeri 4. Nyeri 3. Terasa sakit saat engunyah 4. Gigi lebih sensitif dengan akanan atau inuan dingin dan panas 5. Dea 6. Bengkak dan sakit bila di raba. Penyakit : Pulpa Polip Penyakit : Pulpa Polip Penyakit : Abses Jaringan Pengobatan : 1. Dokter eberikan analgesic dan antibiotik sapai rasa sakit hilang 2. Lalu dilanjutkan dengan perawatan saluran akar yaitu ebersihkan dan engangkat tersebut 3. Dilakukan pencabutan gigi. Perhitungan kasus 1 : daging Pengobatan : 1. Dokter eberikan analgesic dan antibiotik sapai rasa sakit hilang 2. Lalu dilanjutkan dengan perawatan saluran akar yaitu ebersihkan dan engangkat daging tersebut 3. Dilakukan pencabutan gigi. Tabel 3. Contoh Kasus Baru Penyakit Gigi Kasus Baru x 1. Nyeri 2. Mudah berdarah 3. Terdapat daging tubuh pada gigi yang berlubang 4. Sakit bila engunyah (terkena akanan) Penyakit : x Solusi : x Pendukung Pengobatan : 1. Dokter eberikan antibiotik sapai bengkak dan rasa sakit hilang 2. Dilakukan incisi pada daerah abses (pengangkatan nanah) 3. Dilakukan pencabutan pada gigi yang tersisa. Kasus Baru x 1. Terdapat daging tubuh pada gigi yang berlubang 2. Nyeri 3. Mudah berdarah 4. Sakit bila engunyah (terkena akanan) Kasus Laa : KS Terdapat daging tubuh pada gigi yang berlubang 2. Nyeri 3. Bengkak 4. Mudah berdarah 5. Sakit bila engunyah (terkena akanan) Siilarity (x, KS003) = (1.5)+(1.1)+(0.3)+(1.5)+(1.3) = = 0,82 Perhitungan kasus 2 : Kasus Baru x 1. Terdapat daging tubuh pada gigi yang berlubang 2. Nyeri 3. Mudah berdarah 4. Sakit bila engunyah (terkena akanan) Kasus Laa : KS Terdapat daging tubuh pada gigi yang berlubang 2. Sakit bila engunyah (terkena akanan) 3. Bengkak 4. Nyeri 5

6 Siilarity (x, KS010) = (1.5)+(1.3)+(0.3)+(1.1) = 9 12 = 0,75 Perhitungan kasus 3 : Kasus Baru x 1. Terdapat daging tubuh pada gigi yang berlubang 2. Nyeri 3. Mudah berdarah 4. Sakit bila engunyah (terkena akanan) Kasus Laa : KS Bila abses pecah aka akan berbau busuk dan terasa asin pada ulut 2. Sakit berdenyut-denyut di daerah abses 3. Terasa sakit saat engunyah 4. Gigi lebih sesnitif dengan akanan atua inuan dingin dan panas 5. dea Siilarity (x, KS001) = (0.5)+(0.3)+(1.3)+(0.3)+(0+1) = 1 15 = 0,07 b. Analisa Reuse Dari perhitungan diatas kasus yang eiliki bobot keiripan paling rendah adalah kasus KS001 yaitu sebesar 0,07. Kasus KS003 dan KS010 enghasilkan bobot keiripan yang tinggi yaitu 0,82 dan 0,75. Pada proses reuse solusi yang diberikan adalah solusi dengan bobot keiripan kasus laa dengan kasus baru yang paling tinggi, dala contoh kasus ini adalah kasus KS003 yaitu penyakit Pulpa Polip. Hasil perhitungan dengan bobot enunjukkan tingkat kepercayaan lebih dari 80%, jdai solusi kasus K003 yang direkoendasikan kepada pengguna yaitu dokter eberikan antibiotik sapai bengkak dan rasa sakit hilang, dilakukan incisi pada daerah abses (pengangkatan nanah) dan dilakukan pencabutan pada gigi yang tersisa. c. Analisa Revise Proses revise adalah prses peninjauan kebali kasus dan solusi yang diberikan jika pada proses retrieve siste tidak dapat eberikan hasil diagnosa yang tepat. Pada contoh ini kasus KS003 sudah enghasilkan solusi dengan tingkat kepercayaan diatas 80%, jadi solusi yang dihasilkan dapat langsung diberikan. Tetapi jika ternyata setelah dilakukan proses perhitungan dan tidak ada kasus yang irip dengan kasus baru tersebut aka dilakukan proses revise. Inforasi berupa asukan gejala pada kasus baru yang tidak diteukan keiripannya dengan database kasus akan ditapung pada suatu tabel khusus (tabel revise) yang selanjutnya akan dievaluasi dan diperbaiki kebali oleh pakar untuk eneukan solusi yang tepat. d. Analisa Retain Setelah proses revise selesai dan sudah diteukan solusi yang benar-benar tepat barulah pakar ulai enabah aturan dengan easukkan data kasus baru yag sudah diteukan solusinya tersebut kedala database kasus yang nantinya dapat digunakan untuk kasus berikutnya yang eiliki perasalahan yang saa. Proses inilah yang disebut dengan retain. e. Context Diagra Adin Data gejala Data kasus Data pasien Info gejala Info kasus Info pasien CBR Diagnosa Penyakit Gigi pada Manusia Hasil diagnosa Data kasus baru p_diagnosa p_casebased p_siilarity Gabar 3. Context Diagra Pakar 6

7 Dala siste identifikasi penyakit gigi enggunakan case base reasoning enunjukkanadanya hubungan antar entitas adin dan pakar. Dala diagra konteks pada gabar adin eberikan asukan kedala siste berupa data kasus dan data gejala keudian siste eberikan keluaran berupa inforasi gejala dan inforasi kasus bahwa kasus sudah asuk kedala database. Sedangkan pakar eberikan asukan kedala siste berupa data kasus baru dan siste eberikan keluaran kepada user berupa hasil diagnosa setelah elakukan proses case based dengan bantuan perhitungan siilarity. f. Data Flow Diagra Adin Data gejala Data kasus Data pasien Info gejala Info kasus 1.1 Data Master Data gejala Data kasus Data pasien Gejala Kasus Pasien Pakar p_diagnosa p_casebased p_siilarity Data kasus baru 1.2 Diagnosa Proses perhitungan Proses perhitungan Proses perhitungan p_diagnosa p_casebased p_siilarity Proses diagnosa Hasil diagnosa 1.3 Perhitungan Siilarity Gabar 4.DFDLevel 1 Pada data flow diagra level 1 terdapat tiga proses yang terbagi dari context diagra yang enjadi proses 1, proses 2 dan proses 3. Proses 1 adalah proses pengolahan data aster yang dilakukan oleh adin yaitu easukkan data gejala dan data kasus ke dala database gejala dan kasus. Sedangkan pada proses 2pakar easukkan data kasus baru ke dala proses diagnosa, dari proses diagnosa enghasilkan tabel p_diagnosa, tabel p_casebased dan tabel p_siilarity. Masingasing tabel tersebut eiliki fungsi perhitungan untuk endapatkan hasil diagnosa. Pada proses 3 dilakukan perhitungan siilaritysiste akan ebandingkan kasus baru dengan data pada tabel gejala dan tabel kasus untuk endapatkan hasil diagnosa dibantu dengan tabel p_diagnosa, p_casebased dan p_siilarity. g. Entity Relationship Data JenKel Usia naa id_pasien id_kasus siilarity pasien 1 p_casebased penyakit gejala eiliki enghasilkan id_kasus tanggal kode GEJALA bobot enyebabkan KASUS id_pasien penyakit gejala solusi eiliki enghasilkan 1 p_diagnosa 1 p_siilarity kode Naa_gejala id_kasus siilarity Gabar 5.Entity Relationship Data Diana gejala eiliki beberapa atribut yaitu kode, gejala dan bobot berelasi pada kasus yang eiliki atribut id_kasus, tanggal, naa, jenkel, usia, penyakit, gejala dan solusi. Diana banyak gejala enyebabkan banyak kasus dan banyak kasusdisebabkan banyak gejala.gejala juga eiliki 7

8 nilai p_diagnosa.kasus enghasilkan perhitungan p_casebased yang eiliki ID, id_kasus, siilarity yang telah di seleksi dan naa penyakit.kasus juga enghasilkan perhitungan p_siilirity yang eiliki ID, id_kasus, dan siilarity yang belu di seleksi. 4. IMPLEMENTASI DAN PEMBAHASAN a. Ipleentasi Siste Berikut ipleentasi siste dari penerapan case based reasoningdiagnosa penyakit gigi pada anusia. Gabar 6. For login For login digunakan untuk asuk ke enu utaa adin ataupun pakar sesuai user dan password yang diasukkan. Adin eiliki hak akses untuk enginput dapat aster sedangkan pakar eiliki hak akses untuk elakukan diagnosa. Jika data kasong atau belu terisi seua saat engklik tobol login aka akan keluar MsgBox Login gagal dan saat engklik tobol batal aka akan keluar juga MsgBox peringatan keluar. Gabar 7. For utaa For enu utaa adin dapat elakukan proses tabah, edit, dan hapus pada data aster pasien, kasus dan gejala sedangkan pada for utaa pakar terdapat sub enu berupa diagosa. Pada for utaa adin ataupun pakar juga terdapat enu exitdan help.jika engklik enu exit aka akan keluar Msgbox peringatan keluar. Gabar 8. For Diagnosa 8

9 For ini erupakan for diagnosa tahap awal yaitu easukkan naa pasien untuk encari id pasien. Jika id pasien tidak diteukan klik tabah data pasien pada Id pasien aka akan tibul for baru untuk ebuat data pasien baru. Setelah data pasien lengkap akan tibul for baru untuk tahap selanjutnya. Jika data belu terisi seua aka akan keluar sgbox peringatan isi seua data. Gabar 9. For Diagnosa (pilih gejala) For diagnosa ini uncul setelah pengisian data pasien pada forsebelunya sudah dilakukan. For ini berisi gejala-gejala penyakit gigi dala bentuk cekbox.setelah selesai engklis gejala aka lanjut enekan tobol sipan dan lanjut untuk engetahui hasil diagnosa.tetapi jika ingin keluar klik tobol batal. Gabar 10. For hasil diagnosa For hasil diagnosa erupakan hasil dari diagnosa. For ini berisikan identitas pasien, penyakit dan solusinya. Jika ingin encetak data klik cetak dan klik tutup jika ingin keluar. b. Pengujian Siste Setelah siste selesai dibuat, selanjutnya siste akan diuji kelayakannya. Pada tahap ini pengujian dilakukan dengan etode white box dan black box. Untuk pengujian white box diabil dari source code proses sebagai pengukuran sedangkan black box diabil dari for diagnosa. Hasil pengujian siste dapat dilihat sebagai berikut. 9

10 Sub PROSES1() 1 R1 Y = 0 2 Y = Me.lstOLD.ListCo unt? no 3 P1 4 5 yes END str1 = Me.lstOLD.List(Y) X = 0 A = 0 R2 6 P2 P4 7 9 X = Me.lstNEW.ListC ount? no 8 P3 R yes B = A / Me.lstNEW.ListCount str1 = Me.lstNEW.List(X)? 10 R3 11 R4 15 P5 R6 yes no 12 yes Me.List1.AddIte "1" B > 0? no Me.List1.AddIte "0" A = A + 1 X = X + 1 A = A + 0 Keterangan : Region = 6 Node = 15 E (busur) = 19 Predikat = 5 Y = Y + 1 Gabar 11. Pengujian White box PathProses Berikut perhitungan kopleksitas sikloatis dari source code proses. V (G) = julah region 6 V (G) = E N + 2 (19 15) + 2 = 6 V (G) = P = 6 Tabel 4. Pengujian for diagnosaenggunakan Black-Box Data Masukan Proses Pengaatan Kesipulan Ceklis gejala - gejala yang sesuai dengan keluhan pasien. Mengklik tobol checkbox gejalagejala yang di derita pasien Tobol checkbox berfungsi dengan benar. Sesuai Klik tobol sipan dan lanjut pada for diagnosa. Data tersipan di databasa dan siste elakukan proses perhitungan. Keluar dari for diagnosa asuk ke for hasil diagnosa. Tobol sipan dan lanjut berfungsi dengan benar. Sesuai Klik tobol batal jika ingin ebatalkan proses diagnosa Sebelu keluar dari for akan keluar sgbox Anda ingin ebatalkan proses diagnosa? Tobol batal berfungsi dengan benar begitu juga sgbox peringatan keluar. Sesuai Berdasarkan hasil pengujian white box, black box dan pengujian responden enggunakan skala likert progra case based reasoning diagnosa penyakit gigi pada anusia ini dapat diteria oleh pengguna pada tepat penelitian. Karena pada pengujian white box perhitungan region dan predikat alur siste sesuai dan pada pengujian black box perintah progra yang diasukkan dan yang dikeluarkan oleh siste sesuai dengan harapan. 10

11 5. KESIMPULAN DAN SARAN Berdasarkan hasil ipleentasi dan analisis siste pada penerapan case based reasoningdiagnosa penyakit gigi, aka dapat diabil kesipulan sebagai berikut: (1) Setelah engetahui bahaya penyakit gigi penderita lebih eilih berobat ke praktek gigi ataupun ruah sakit dan tidak ebeli obat tanpa resep dari dokter, (2) Pasien tidak harus enunggu laa untuk proses diagnosa karena dengan adanya siste dapat ebantu eperudah kinerja ahli gigi, (3) Siste ebantu ahli gigi dala eberikan penanganan kepada pasiennya tanpa harus lupa pengobatan atau saran apa yang harus di berikan kepada pasien dikarenakan siste telah enyipan seua pengetahuan ahli gigi kedala koputer dan (4) Dengan adanya siste casebased reasoning diagnosa penyakit gigi ini apu eberikan hasil diagnosa berdasarkan kasus terdahulu dan enjadikan kasus baru sebagai pengetahuan baru untuk pengabilan keputusan. Penerapan etode casebased reasoning apu enjawab perasalahan pasien dala enganalisis jenis penyakit yang diderita berupa nilai persentase dari hasil perhitungan siilarity nearest neighbor Dari beberapa kesipulan yang telah diabil, aka dapat dikeukakan saran-saranyang akan sangat ebantu untuk pengebangan siste ini selanjutnya. Perlu dipertibangkan untuk enabah gejala dan jenis penyakit gigi yangbisa didiagnosa, sehingga siste pakar ini dapat endiagnosa lebih banyakpenyakit gigi dan diharapkan siste ini dapat dikebangkan sehingga dapat digunakan untukendiagnosa berbagai aca penyakit (tidak sebatas penyakit gigi). REFERENSI Aribowo, A. S. (2010). Pengebangan Siste Cerdas Menggunakan Penalaran Berbasis Kasus (Case Based Reasoning) Untuk Diagnosa Penyakit Akibat Virus Eksantena. Teleatika, Fakhrurrifqi, M., & Wardoyo, R. (2013). Perbandingan Algorita Nearest Neighbor, C4.5 Dan LVQ Untuk Klasifikasi Keapuan Mahasiswa. IJCCS, Labellapansa, A. (2013). Siste Penalaran Berbasis Aturan Dan Kasus Untuk Diagnosa Gangguan Kejiwaan Psikosis. Ilu Koputer, Mulyana, S., & Hartati, S. (2009). Tinjauan Singkat Perkebangan Case Based Reasoning. UPN, 1-8. Octaviani, F., Purwadi, J., Delia, R., &. (2011). Ipleentasi Case Based Reasoning Untuk Siste Diagnosa Penyakit Anjing. Infoatika, 1-9. Prakoso, I. M., Anggraeni, W., & Mukhlason, A. (2012). Penerapan Case Based Reasoning Pada Siste Cerdas Untuk Pendeteksian dan Penanganan Dini Penyakit Sapi. Teknik ITS, Roadhan, A. N. (2013). Ipleentasi Case Based Reasoning Untuk Pendukung Dokter Jaga Dala Mendiagnosa Penyakit Pada RSU PKU Muhaadiyah Delanggu. Naskah Publikasi, Sutojo, T., Mulyanto, E., & Suhartono, V. (2011). Kecerdasan Buatan. Yogyakarta: Andi. Wicaksono, B. S., Roadhony, A., & Sulistiyo, M. D. (2014). Analisis Dan Ipleentasi Siste Pendiagnosis Penyakit Tuberculosis Menggunakan Metode Case Based Reasoning. SNATI, Wihayanti, T., & Guilang, S. F. (2014). Penerapan Metode Case Based Reasoning Dan Forward Chaining Pada Siste Pakar Untuk Diagnosa Awal Penyakit Ginjal. KNSI,