31 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Analisis Sistem Secara umum penyakit kulit yang diakibatkan oleh adanya infeksi jamur terdiri dari 8 jenis penyakit yang berbeda. Dari keseluruhan jenisjenis penyakit tersebut memiliki gejala yang hampir sama. Oleh sebab itu pada perancangan sistem ini menggunakan metode Bayesian Network dikarenakan metode ini dapat mempresentasikan hubungan sebab akibat antara penyakit dan gejalanya dan menghitung probabilitas gejala suatu penyakit sehingga mempermudah pengguna dalam menentukan jenis penyakit kulit apa yang diderita. Struktur dan proses sistem pakar diagnosa penyakit kulit akibat infeksi jamur dapat dilihat pada gambar 4.1 di bawah ini. Pemakai Basis Pengetahuan Antarmuka Fasilitas Penjelasan Pakar Mesin Inferensi Gambar 4.1 Arsitektur Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur 31
32 Komponenkomponen yang terdapat pada arsitektur Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur: 1. Antarmuka Pengguna (user interface) Pada bagian ini terjadi dialog antara program dan pemakai, dimana sistem memberikan pertanyaanpertanyaan dan pemakai menjawab sesuai yang dialaminya. Kemudian sistem memberikan solusi atas jawaban dari pemakai yang telah diproses pada mesin inferensi. 2. Basis Pengetahuan Data yang dibutuhkan dalam penerapan metode Bayesian Network pada Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur ini meliputi data jenisjenis penyakit, definisi dari tiap penyakit, data gejalagejala, pengobatannya serta aturan untuk menarik kesimpulan. Adapun basis pengetahuan tersebut dapat berasal dari pakar, jurnal dan sumber pengetahuan lain. Dari basis pengetahuan ini, diperoleh terdapat 6 jenis penyakit kulit, 6 lokasi bagian tubuh yang diserang penyakit kulit serta 15 gejalagejala yang berbeda. Aturan yang dibuat berdasarkan data yang diperoleh dan mengarahkan pengguna dalam penyelesaian masalah. Data jenis penyakit, lokasi bagian tubuh yang diserang penyakit kulit dan gejalanya dapat dilihat pada tabel 4.1, dan tabel 4.2 berikut : Tabel 4.1 Jenisjenis Penyakit Kulit Akibat Infeksi Jamur Kode Penyakit P01 P02 P03 P04 Nama Penyakit Tinea Manus Tinea Unguium Tinea Pedis Tinea Nigra Palmaris
33 Tabel 4.1 Jenisjenis Penyakit Kulit Akibat Infeksi Jamur (Lanjutan) Kode Penyakit P05 P06 Tinea Kapitis Tinea Krusis Nama Penyakit Tabel 4.2 Gejala dari Penyakit Kulit Akibat Infeksi Jamur Kode Gejala B01 B02 B03 B04 B05 B06 B07 B08 B09 B10 B11 B12 B13 B14 B15 B16 B17 B18 B19 B20 B21 Gejala Kulit Berpola Gatal Terdapat pada Tangan Luka Terbuka Kecil Penebalan Kulit Terdapat pada Kuku Kuku Rapuh Kuku Suram Bercak Putih Terdapat pada Selasela Jari Bercak Banyak Radang Berbau Berbintik Kemerahan Nyeri Bercak Hitam Terdapat pada Telapak Terdapat pada Kepala BenjolanBenjolan Kecil Terdapat pada Selangkangan Bersisik Kasar
34 Tabel 4.3 Klasifikasi Gejala dari Penyakit Kulit Akibat Infeksi Jamur Kode Penyakit Nama Penyakit Kode Gejala Gejala P01 P02 P03 P04 P05 P06 Tinea Manus Tinea Unguium Tinea Pedis Tinea Nigra Palmaris Tinea Kapitis Tinea Kruris B03 B04 B01 B02 B06 B09 B05 B08 B07 B10 B09 B11 B01 B12 B13 B17 B16 B01 B15 B02 B18 B19 B16 B14 B02 B15 B20 B01 B05 B02 B14 B21 Tangan Luka Terbuka Kecil Kulit Berpola Gatal Kuku Bercak Putih Penebalan Kulit Kuku Suram Kuku Rapuh Selasela Jari Bercak Putih Bercak Banyak Kulit Berpola Radang Berbau Telapak Bercak Hitam Kulit Berpola Nyeri Gatal Kepala Benjolan Kecil Bercak Hitam Berbintik Kemerahan Gatal Nyeri Selangkangan Kulit Berpola Penebalan Kulit Gatal Berbintik Kemerahan Bersisik Kasar Selanjutnya diberikan tabel penjelasan penyakit, penyebab serta cara pengobatannya dapat dilihat pada tabel 4.4 pada halaman (Lampiran).
35 4.1.2 Penerapan Bayesian Network Terdapat beberapa langkah dalam menerapkan metode Bayesian Network, Langkahlangkahnya adalah sebagai berikut: a. Membangun struktur Bayesian Network. b. Menentukan Parameter (Prior Probability) c. Membuat Conditional Probability Table (CPT) d. Membuat Joint Probability Distribution (JPD) e. Menghitung Posterior Probability f. Inferensi Probabilistik Berikut penjelasan dari beberapa langkah penerapan Bayesian Network yang telah disebutkan diatas : a. Membangun struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur. Berdasarkan data gejala dan penyakit yang telah diperoleh, dapat digambarkan struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur adalah sebagai berikut:
36 Kulit Berpola Gatal Penebalan Kulit Tangan Bercak Putih Kuku Bercak Putih Berbintik Kemerahan Nyeri Luka Terbuka Kecil Penebalan Kulit Kuku Rapuh Berbintik Kemerahan SelaSela Jari Nyeri Bercak Banyak Bercak Hitam P01 P01 Radang Radang Telapak Selangkangan Berbau Berbau Kuku P04 Kepala Bersisik Kasar PX P03 P03 Kuku Rapuh Berbintik Kemerahan Benjolan Kecil PX P06 P06 Kuku Suram Kuku Suram P05 P05 P02 P02 Gambar 4.2 Struktur Bayesian Network Penyakit Kulit Akibat Infeksi Jamur
37 Keterangan : : Jawanban Ya : Jawaban Tidak P01 : Tinea Manus P04 : Tinea Nigra Palmaris P02 : Tinea Unguium P05 : Tinea Kapitis P03 : Tinea Pedis P06 : Tinea Krusis PX : Bukan penyakit kulit akibat jamur Setelah dibangun Struktur Bayesian Network dari diagnosa penyakit kulit akibat jamur, kemudian dibuat rule table untuk menjelasakan alur dari struktur Bayesian Network diatas. Rule table dari struktur Bayesian Network diatas dapat dilihat pada tabel 4.5 berikut:
38 Tabel 4.5 Rule Table Struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur Kode Gejala Gejala Penyakit Fakta P01 P02 P03 P04 P05 P06 Ya Tidak B01 Kulit Berpola X B02 B05 B02 Gatal X B03 B09 B03 Terdapat pada Tangan X B04 B05 B04 Luka Terbuka Kecil X P01 P01 B05 Penebalan Kulit B06 B09 B06 Terdapat pada Kuku B07 B14 B07 Kuku Rapuh B08 B08 B08 Kuku Suram P02 P02 B09 Bercak Putih B10 B14 B10 Terdapat pada SelaSela Jari B11 B06 B11 Bercak Banyak B12 B12 B12 Radang B13 B13 B13 Berbau P03 P03 B14 Berbintik Kemerahan B15 B15
39 Tabel 4.5 Rule Table Struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur (Lanjutan) Kode Gejala Gejala Penyakit Fakta P01 P02 P03 P04 P05 P06 Ya Tidak B15 Nyeri B16 B20 B16 Bercak Hitam B17 B20 B17 Terdapat pada Telapak P04 B18 B18 Terdapat pada Kepala B19 PX B19 BenjolanBenjolan Kecil P05 P05 B20 Terdapat pada Selangkangan B21 PX B21 Bersisik Kasar P06 P06
40 b. Menentukan Parameter. Setelah struktur Bayesian Network terbentuk, langkah selanjutnya adalah menentukan parameter (Prior Probability) dari tiaptiap gejala. Prior Probability merupakan derajat kepercayaan dari suatu gejala yang digunakan ketika tidak ada informasi lain yang dapat digunakan untuk melihat kemungkinan suatu event terjadi, tetapi begitu informasi baru diketahui maka probabilitas yang baru harus dilihat berdasarkan informasi yang baru diketahui tersebut. Parameter dari seluruh gejala penyakit kulit akibat infeksi jamur dapat dilihat pada tabel 4.6 pada halaman (Lampiran). c. Membuat Conditional Probability Table (CPT). Conditional Probability adalah probabilitas suatu event B apabila event A telah terjadi. Setiap tabel yang berisi probabilitas dari setiap kemungkinan nilai A dan B disebut Conditional Probability table (CPT). Berikut ini diberikan contoh dalam menentukan Conditional Probability dari gejala (Gatal) : Gatal Infeksi P. Kulit (a) (b) Present Absent Present 0,9 0,9 Absent 0,1 0,1 (c) (d) 1 1 (a) Peluang seseorang terkena infeksi kulit apabila dia merasa gatal 0,9 (b) Peluang seseorang terkena infeksi kulit apabila dia tidak merasa gatal 0,1 (c) Peluang seseorang tidak terkena infeksi kulit apabila dia merasa gatal 0,9 (d) Peluang seseorang tidak terkena infeksi kulit apabila dia tidak merasa gatal 0,1
41 Conditional Probability Table (CPT) dari gejalagejala Penyakit Kulit Akibat Infeksi Jamur dapat dilihat pada tabel 4.7 pada halaman (Lampiran). d. Membuat Joint Probability Distribution (JPD). Joint Probability Distribution adalah probabbilitas kemunculan bersama untuk semua kombinasi kemungkinan nilainilai yang terdapat pada variabel A dan B. Sama halnya dengan CPT, Joint Probability Distribution dari suatu variabel A dan B adalah sebuah tabel yang berisi probabilitas untuk setiap nilai A dan B yang dapat terjadi. Notasi P(A,B) dapat ditulis dalam bentuk persamaan : P(A,B) = P(A B).P(B) Berdasarkan persamaan diatas, cara menghitung Joint Probability Distribution suatu Gejala adalah dengan mengalikan nilai Conditional Probability dengan Prior Probability. Diberikan contoh dalam menghitung Joint Probability Distribution dari gejala (Gatal). Dari data diatas, diperoleh nilai Prior Probability (Gatal) Present adalah 0,24 sedangkan absent 0,76. Conditional Probability Table (CPT) dari gejala (Gatal) adalah : [Gejala Gatal] (Prior Present) (CPT Present) 0,24 0,9 = 0,216 [Gejala Gatal] (Prior Present) (CPT Present) 0,24 0,1 = 0,024 Gatal Infeksi P. Kulit Present Absent Present 0,9 0,9 Absent 0,1 0,1 [Gejala Gatal] (Prior Absent) (CPT Absent) 0,76 0,9 = 0,684 [Gejala Gatal] (Prior Absent) (CPT Absent) 0,76 0,1 = 0,076 Selanjutnya, untuk mendapatkan hasil dari Joint Probability Distribution dari gejala (gatal) adalah dengan mengalikan nilai Prior Present dengan nilai CPT
42 Present Penyakit Kulit dari gejala (Gatal), serta mengalikan nilai Prior Absent dengan nilai CPT Absent Penyakit Kulit dari gejala (Gatal), sehingga diperoleh Joint Probability Distribution dari gejala (gatal) adalah : Gatal Infeksi P. Kulit Present Absent Present 0,216 0,684 Absent 0,024 0,076 Nilai Joint Probability Distribution dari seluruh gejala Penyakit Kulit akibat Infeksi Jamur dapat dilihat pada tabel 4.8 dalam halaman (Lampiran). e. Menghitung Posterior Probability. Untuk mendapatkan nilai Posterior Probability, dapat dihitung dari hasil Joint Probability Distribution yang telah diperoleh, lalu nilai inilah yang digunakan untuk menghitung nilai probabilitas kemunculan suatu gejala. Berikut ini diberikan contoh dalam menghitung nilai Posterior Probability dari gejala (Gatal). Dalam menghitung nilai Posterior Probability dari tiap gejala diperlukan nilai dari Joint Probability Distribution. Dari data diatas diperoleh nilai Joint Probability Distribution dari (Gatal) adalah : Gatal Infeksi P. Kulit Present Absent Present 0,216 0,684 Absent 0,024 0,076 Berdasarkan Joint Probability Distribution tersebut, dapat dihitung Posterior Probability dari gejala (Gatal) adalah : = 0,24
43 Tabel yang berisi nilai Posterior Probability dapat dilihat pada tabel berikut : Tabel 4.9 Posterior Probability Dari Tiap Gejala Penyakit Kulit Akibat Infeksi Jamur. Kode Gejala Gejala Nilai B01 Kulit Berpola 0,4586 B02 Gatal 0,24 B03 Terdapat pada Tangan 0,95 B04 Luka Terbuka Kecil 0,89 B05 Penebalan Kulit 0,48 B06 Terdapat pada Kuku 0,95 B07 Kuku Rapuh 0,9825 B08 Kuku Suram 0,9471 B09 Bercak Putih 0,8926 B10 Terdapat pada SelaSela Jari 0,9638 B11 Bercak Banyak 0,9551 B12 Radang 0,93 B13 Berbau 0,932 B14 Berbintik Kemerahan 0,5 B15 Nyeri 0,4667 B16 Bercak Hitam 0,9474 B17 Terdapat pada Telapak 0,95 B18 Terdapat pada Kepala 0,95 B19 BenjolanBenjolan Kecil 0,9084 B20 Terdapat pada Selangkangan 0,956 B21 Bersisik Kasar 0,8372 f. Inferensi Probabilistik Data yang digunakan dalam melakukan inferensi diperoleh dari jawaban yang telah diberikan oleh pengguna atas pertanyaan mengenai gejala yang diaujakan oleh sistem. Berikut contoh graf penelusuran penyakit untuk dua jenis penyakit.
44 Graf untuk penelusuran penyakit Tinea Manus (P01) memiliki 4 gejala yang digambarkan seperti berikut ini : B03 B04 B01 P01 B02 Gambar 4.3 Graf Penyakit Tinea Manus (P01) Graf untuk penelusuran penyakit Tinea Unguium (P02) memiliki 5 gejala yang digambarkan seperti berikut ini : B06 B09 B05 P02 B08 B07 Gambar 4.4 Graf Penelusuran Penyakut Tinea Unguium (P02) Setelah rule table serta nilai posterior dari tiap gejala telah diketahui, selanjutnya dihitung probabilitas gejala dari tiaptiap penyakit dari struktur Bayesian Network yang telah dibuat. Proses penghitungan probabilitas ini dimaksudkan untuk mengetahui estimasi nilai dari gejalagejala yang diderita si pasien sehingga kita dapat mengetahui seberapa besar probabilitas pasien tersebut
45 mengidap satu penyakit. Proses penghitungan probabilitas gejala dari tiaptiap penyakit bias dilihat pada tabel berikut : 1. Proses perhitungan probabilitas gejala dari penyakit Tinea Manus (P01) Tabel 4.10 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Manus (P01) Kode Gejala B01 B02 B03 B04 Gejala Kulit Berpola Gatal Tangan Luka Terbuka Kecil Jumlah Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak 0,4586 0,6986 1,6486 2,5386 0,4586 0,6986 1,6486 1,6486 100% 100% 63.47% 54.95% 2. Proses perhitungan probabilitas gejala dari penyakit Tinea Unguium (P02) Tabel 4.11 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Unguium (P02) Kode Gejala B05 B09 B06 B07 B08 Gejala Penebalan Kulit Bercak Putih Kuku Kuku Rapuh Kuku Suram Jumlah Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak 0,48 1,43 2,4125 3,3596 0,48 0,8926 1,8426 2,8251 3,7722 0 100% 100% 83.99% 94.31%
46 3. Proses perhitungan probabilitas gejala dari penyakit Tinea Pedis (P03) Tabel 4.12 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Pedis (P03) Kode Gejala B01 B02 B09 B10 B11 B12 B13 Gejala Kulit Berpola Gatal Bercak Putih Selasela Jari Bercak Banyak Radang Berbau Jumlah Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak 0,4586 1,3512 2,315 3,2701 4,2001 5,1321 0,4586 0,4586 0,6986 1,5912 2,555 3,5101 4,4401 5,3721 100% 100% 85.54% 76.74% 4. Proses perhitungan probabilitas gejala dari penyakit Tinea Nigra Palmaris (P04) Tabel 4.13 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Nigra Palmaris (P04) Kode Gejala B01 B02 B14 B15 B16 B17 Gejala Kulit Berpola Gatal Berbintik Kemerahan Nyeri Bercak Hitam Telapak Jumlah Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak 0,4586 0,6986 1,1653 2,1127 3,0627 0,6986 0,4586 0,6986 1,1986 1,6653 2,6127 3,5627 100% 100% 61.25% 59.38%
47 5. Proses perhitungan probabilitas gejala dari penyakit Tinea Kapitis (P05) Tabel 4.14 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Kapitis (P05) Kode Gejala B01 B02 B14 B15 B16 B18 B19 Gejala Kulit Berpola Gatal Berbintik Kemerahan Nyeri Bercak Hitam Kepala Benjolan Kecil Jumlah Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak 0,5 0,9667 1,9141 2,8641 3,7725 0 0 0,4586 0,6966 1,1986 1,6653 2,6127 3,5627 4,4711 100% 100% 75.45% 63.87% 6. Proses perhitungan probabilitas gejala dari penyakit Tinea Kruris (P06) Tabel 4.15 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Kruris (P06) Kode Gejala B01 B02 B05 B14 B20 B21 Gejala Kulit Berpola Gatal Penebalan Kulit Berbintik Kemerahan Selangkangan Bersisik Kasar Jumlah Probabilitas 1 Probabilitas 2 Ya Tidak Ya Tidak 0,4586 0,6986 1,1786 1,6786 2,6346 3,4718 0,5 1,456 2,2932 0 0 0 100% 100% 75.45% 76.44%
48 4.1.3 Desain Sistem Pada tahap ini penyusun merancang desain proses, diagram alir data (DAD), entity relationship diagram (ERD), dan tampilan interface dari sistem pakar diagnosa penyakit penyakit kulit akibat jamur. 1. Desain Proses Administrator Data Pasien Data Diagnosa Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur Input Data Pasien Input Jawaban Ya atau Tidak Laporan Hasil Diagnosis Pasien Data Jenis Penyakit Data Penjelasan Penyakit Data Gejala Data Penyebab Penyakit Data Cara Pengobatan Dokter Gambar 4.5 Diagram Konteks Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur
49 2. DAD Level 0 Administrator Data Pasien 1.0 F1 Data Jenis Penyakit F2 Data Penjelasan Penyakit Dokter Data Jenis Penyakit Data Penjelasan Penyakit Data Gejala Data Penyebab Penyakit Data Cara Pengobatan Input Data F3 Data Gejala F4 Data Penyebab Penyakit F5 Data Cara Pengobatan F6 Data Pasien 2.0 Basis Pengetahuan Data Jenis Penyakit Data Penjelasan Penyakit Data Gejala Data Penyebab Penyakit Data Cara Pengobatan Pasien Input Data Pasien Input Jawaban Ya atau Tidak Laporan Data Pasien Laporan Hasil Diagnosis 3.0 Proses Diagnosis Data Pasien Hasil Diagnosis F6 Data Pasien F7 Hasil Diagnosis Data Pasien Hasil Diagnosis 4.0 Laporan Gambar 4.6 DAD Level 0
50 3. ERD (Entity Relationalship Diagram) detail_penyakit id_penyakit penyebab_penyakit nm_penyakit id_solusi id_penyakit nm_penyakit solusi jika_ya jika_tidak prior_present fakta_tidak fakta_ya question 1 Penyakit 1 1 1 Memiliki 1 Solusi prior_absent cpt_a Gejala id_question N Memiliki cpt_b posterior Menghasilkan cpt_c cpt_d jpd_a jpd_d jpd_c jpd_b Menghasilkan 1 nama_pasien umur Pasien 1 no_konsutasi jam_konsiltasi tgl_konsultasi 1 Diagnosis 1 Menghasilkan menderita_penyakit nilai_probabilitas solusi jenis_kelamin alamat Gambar 4.7 Hubungan Antar Tabel ERD (Enitity Relationalship Diagram)
51 Adapun keterangan dari gambar hubungan antar tabel ERD diatas yaitu : a. Hubungan antar tabel penyakit dengan tabel gejala adalah one to many. Dikarenakan 1 penyakit memiliki banyak gejala. b. Hubungan antar tabel penyakit dengan tabel solusi adalah one to one. Dikarenakan 1 penyakit hanya memiliki 1 pengobatan. c. Hubungan antar tabel penyakit dengan tabel hasil penyakit adalah one to one. Dikarenakan 1 penyakit menghasilkan 1 hasil diagnosa. d. Hubungan antar tabel pasien dengan tabel hasil diagnosa adalah one to one. Dikarenakan 1 pasien menghasilkan 1 hasil diagnosa. e. Hubungan antar tabel pasien dengan tabel penyakit adalah one to one. Dikarenakan 1 pasien hanya menghasilkan 1 penyakit. f. Hubungan antar tabel pasien dengan tabel solusi adalah one to one. Dikarenakan 1 pasien hanya menghasilkan 1 pengobatan. 4. Rancangan Database Dalam perancangan database pada sistem pakar ini filefile yang digunakan adalah sebagai berikut : Tabel 4.16 Penyakit Field Type Inde Size Keterangan id_penyakit nm_penyakit detail_penyakit penyebab_penyakit Tet Tet Memo Memo Primary Key 3 10 ID Penyakit Jenis Penyakit Penjelasan Penyakit Penyebab Penyakit
52 Tabel 4.17 Gejala id_question question fakta_ya fakta_tidak jika_ya jika_tidak prior_present prior_absent cpt_a cpt_b cpt_c cpt_d jpd_a jpd_b jpd_c jpd_d posterior Field Type Inde Size Keterangan Tet Tet Tet Tet Tet Tet Tet Tet Number Number Number Number Number Number Number Number Number Primary Key 3 3 3 4 4 4 4 4 4 4 4 4 4 5 ID Pertanyaan/Gejala Pertanyaan/Gejala Fakta Ya Fakta Tidak Jika jawaban Ya Jika jawaban Tidak Nilai Prior Present Nilai Prior Absent Nilai CPT a Nilai CPT b Nilai CPT c Nilai CPT d Nilai JPD a Nilai JPD b Nilai JPD c Nilai JPD d Nilai Posterior Tabel 4.18 Solusi Field Type Inde Size Keterangan id_solusi solusi id_penyakit Tet Memo Tet Primary Key Foreign Key 3 3 ID Pengobatan Cara Pengobatan ID Penyakit Tabel 4.19 Pasien Field Type Inde Size Keterangan no_konsultasi jam_konsultasi tgl_konsultasi nama_pasien umur Tet Tet Tet Tet Tet Primary Key 5 6 2 No. Konsultasi Jam Konsultasi Hari/Tgl Konsultasi Nama Pasien Umur
53 Tabel 4.19 Pasien (Lanjutan) Field Type Inde Size Keterangan jenis_kelamin alamat menderita_penyakit nilai_probabilitas id_solusi Tet Tet Tet Tet Tet Foreign Key 10 4 5 Jenis Kelamin Alamat Pasien Penyakit yang Diderita Nilai Probabilitas ID Pengobatan Tabel 4.20 Pengguna id_user username pass level Field Type Inde Size Keterangan Tet Tet Tet Tet Primary Key 4 10 8 ID User Username Password Level User 5. Rancangan Tampilan Interface Setelah penerapan metode Bayesian Network pada Sistem Pakar Diagnosa Penyakit Kulit Akibat Jamur terbentuk, kemudian dibuatkan rancangan awal tampilan program yaitu seperti berikut ini : a. Rancangan Interface Program. 1.) Form Login SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur Sistem Login Level : User ID : Password : Masuk Keluar Gambar 4.8 Interface Form Login
54 2.) Form Halaman Utama SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur Halaman Utama Gambar Edit Pengetahuan Proses Diagnosis Batal Keluar Gambar 4.9 Interface Form Halaman Utama 3.) Form Edit Pengetahuan Untuk Form Edit Pengetahuan terdapat 5 frame didalamnya yang meliputi : 1.1. Frame User SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur Edit Pengetahuan Edit Data User Level : User ID : Username : Password : Simpan Bersih Keluar ID User Username Password Level Gambar 4.10 Interface Form Edit Pengetahuan (Frame User)
55 1.2. Frame Pasien SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur Edit Pengetahuan Edit Data Pasien No. Konsutasi : Jam / Tanggal Konsultasi : Nama Pasien : Umur : Alamat : Penyakit yang diderita : Dengan nilai Probabilitas : Jenis Kelamin : Ubah Bersih Hapus Keluar No. Konsul Jam Konsul Tgl Konsul Nama Pasien Umur Jenis Kelamin Alamat Menderita Penyakit Nilai Probabilitas Solusi Gambar 4.11 Interface Form Edit Pengetahuan (Frame Pasien) 1.3. Frame Penyakit SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur Edit Pengetahuan Edit Penyakit ID Penyakit : Nama Penyakit : Penjelasan Penyakit : Penyebab : Simpan Ubah Hapus Bersih Keluar ID Penyakit Nama Penyakit Penjelasan Penyakit Penyebab Penyakit Gambar 4.12 Interface Form Edit Pengetahuan (Frame Penyakit)
56 1.4. Frame Gejala SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur 1.5. Edit Pengetahuan Edit Gejala ID Question : Question : Fakta Ya : Fakta Tidak : JIka Ya : Jika Tidak : Nilai Bayesian Network Prior Present : Prior Absent : Conditional Probability Table Join Probability Distribution Posterior Probability : Simpan Ubah Hapus Bersih Keluar ID Question Question Fakta Ya Fakta Tidak Jika Ya Jika Tidak Prior Present Prior Absent CPT a CPT b CPT c CPT d JPD a JPD b JPD c JPD d Posterior Gambar 4.13 Interface Form Edit Pengetahuan (Frame Gejala) 1.5. Frame Solusi SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur Edit Pengetahuan Edit Solusi ID Solusi : Simpan Ubah Hapus Bersih Keluar Solusi : ID Penyakit : Nama Penyakit : ID Solusi Solusi ID Penyakit Nama Penyakit Gambar 4.14 Interface Form Edit Pengetahuan (Frame Solusi) 1.6. Frame Laporan dan Hasil Diagnosis Pasien Untuk frame Laporan dan Hasil Diagnosis Pasien ini masih terdapat pada from Edit Pengetahuan. Untuk memilih data mana yang hendak kita cetak yaitu dengan memilih salah satu pilihan laporan yang ada pada Combo Bo Cetak Berdasarkan, seperti yang terlihat pada gambar 4.15 dibawah ini :
57 SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur Edit Pengetahuan Cetak Laporan dan Hasil Diagnosis Pasien Cari Berdasarkan : No. Konsultasi : Nama Pasien : Bersih Cari No. Konsul Jam Konsul Tgl Konsul Nama Pasien Umur Jenis Kelamin Alamat Menderita Penyakit Nilai Probabilitas Solusi Cetak Gambar 4.15 Interface Form Edit Pengetahuan (Frame Cetak Laporan dan Hasil Diagnosis Pasien) b. Rancangan Interface Laporan Konsultasi dan Hasil Diagnosis Pasien. 1.) Laporan Data Konsultasi Pasien LOGO BLUD RSU PROF. DR. H ALOEI SABOE POLIKLINIK SPESIALIS PENYAKIT KULIT DAN KELAMIN Jln. Aloei Saboe Kel. Wongkaditi Kec. Kota Utara Kota Gorontalo Laporan Data Konsultasi Pasien LOGO NO. No. Konsultasi Waktu Konsultasi Hari & Tgl Konsultasi Nama Pasien Umur Jenis Kelamin Alamat Menderita Penyakit Solusi Dr. Wahyuni Sp.KK, M.Kes Spesialis Kulit dan Kelamin Gambar 4.16 Interface Laporan Data Konsultasi Pasien
58 2.) Laporan Hasil Diagnosa Pasien LOGO BLUD RSU PROF. DR. H ALOEI SABOE POLIKLINIK SPESIALIS PENYAKIT KULIT DAN KELAMIN Jln. Aloei Saboe Kel. Wongkaditi Kec. Kota Utara Kota Gorontalo Laporan Hasil Diagnosa Pasien LOGO No. Konsultasi : Hari / Tanggal Konsultasi : DATA LENGKAP PASIEN NAMA LENGKAP : UMUR : JENIS KELAMIN : ALAMAT : HASIL DIAGNOSIS SERTA CARA PENGOBATAN Didiagnosa menderita penyakit : Dengan nilai probabilitas sebesar : Berikut adalah cara pengobatannya : Dr. Wahyuni Sp.KK, M.Kes Spesialis Kulit dan Kelamin Gambar 4.17 Interface Hasil Diagnosa Pasien
59 4.2 Pembahasan 4.2.1 Implementasi Sistem Penerapan metode Bayesian Network dalam membangun sistem pakar diagnosa penyakit kulit akibat jamur pada manusia ini diaplikasikan kedalam suatu bahasa pemograman dengan menggunakan bahasa pemograman Visual Basic 6.0. Berdasarkan rancangan sistem yang telah dibuat, maka berikut adalah hasil implementasinya : 1. Form Login Gambar 4.18 Tampilan Sistem Login Form login ini bertujuan sebagai pengamanan program. Dalam sistem login ini terdapat 3 level pengguna yaitu Pasien, Pakar dan Administrator. Untuk dapat mengakses program ini dibutuhkan user ID dan password yang diisi dengan benar kemudian dilanjutkan dengan menekan tombol masuk maka akan masuk pada form
60 halaman utama, kecuali level pasien dapat langsung masuk pada form halaman utama tanpa memasukkan user ID dan password. 2. Form Halaman Utama Gambar 4.19 Tampilan Form Utama Dalam form halaman utama terdapat 2 tombol utama, yakni tombol Edit Pengetahuan dan tombol Proses Diagnosis. Setiap level pengguna memiliki hak akses berbedabeda, berikut adalah perbedaan hak akses setiap level pengguna: a. Pasien Level Pasien hanya dapat mengakses tombol Proses Diagnosis (untuk mengetahui penyakit apa yang diderita) serta Hasil Diagnosis (untuk dapat mengetahui hasil dari diagnosis serta nilai probabilitas dari penyakit yang diderita kemudian cara pengobatannya) yang akan muncul ketika pengguna melakukan proses diagnosis.
61 b. Pakar Level Pakar dapat mengakses menu meliputi Proses Diagnosis dan Hasil Diagnosis serta Edit Pengetahuan (Edit User, Cetak Hasil Diagnosis Pasien, Edit Penyakit, Edit Gejala, Edit Solusi). Level Pakar tidak masuk pada menu Edit Pasien tentunya dikarenakan menu Edit pasien adalah Hak Akses Level Administrator. c. Administrator Level Administrator tidak dapat mengakses menu meliputi Proses Diagnosis dan Hasil Diagnosis serta Edit Pengetahuan (Edit User, Edit Data Pasien, Cetak Data Pasien, Cetak Hasil Diagnosis Pasien). 3. Form Edit Pengetahuan Gambar 4.20 Tampilan Form Edit Pengetahuan
62 Dalam form Edit Pengetahuan terdapat 3 menu utama yang terdiri dari menu File, menu Data dan menu Tentang yang memiliki submenu masingmasing: a. Menu File Dalam menu File terdapat submenu Halaman login (akses untuk ke form Sistem Login), halaman utama (akses untuk ke form Halaman Utama) dan keluar (akses untuk menutup program). b. Menu Data Dalam menu Data terdapat 3 submenu yakni Data User (Edit User), Data Pasien (Edit Data Pasien, Cetak Data dan Hasil Diagnosis), dan Data Pengetahuan (Edit Penyakit, Edit Gejala, Edit Solusi). 1.) Submenu Data User (Frame Edit User) Gambar 4.21 Tampilan Frame Edit User pada Form Edit Pengetahuan Submenu Edit user diperlukan untuk menginput ataupun mengubah data level pengguna. Dalam frame ini, data yang dimasukkan berupa data username dan password yang nantinya akan digunakan untuk hak akses program.
63 2.) Submenu Data Pasien (Frame Edit Data Pasien) Gambar 4.22 Tampilan Frame Edit Data Pasien pada Form Edit Pengetahuan Frame Edit Data Pasien ini berfungsi untuk mengubah data yang keliru atau ada kesalahan data yang diinput yang dimasukkan oleh pasien dari form Proses Diagnosis. Data yang dapat diubah meliputi Nama Pasien, Umur, Jenis Kelamin, dan Alamat. 3.) Submenu Data Pasien (Frame Cetak Data dan Hasil Diagnosis) Gambar 4.23 Tampilan Frame Cetak Data dan Hasil Diagnosis pada Form Edit Pengetahuan
64 Frame Cetak Data dan Hasil Diagnosis ini terdapat combo bo Cetak Berdasarkan. Dalam combo bo ini terdapat 2 pilihan perintah yaitu Laporan Data Pasien dan Hasil Diagnosis Pasien, Jika combo bo kita pilih pada Laporan Data Pasien maka perintah ini berfungsi untuk mencetak semua data pasien yang telah menggunakan program ini yang dibuat dalam satu laporan. Jika kita pilih combo bo Hasil Diagnosis Pasien maka kita dapat mencetak hasil diagnosis dari pasien yang telah melakukan proses diagnosis sebelumnya. 4.) Laporan Data Pasien Gambar 4.24 Tampilan Laporan Data Pasien
65 5.) Laporan Hasil Diagnosis Pasien Gambar 4.25 Tampilan Laporan Hasil Diagnosis Pasien 6.) Submenu Edit Pengetahuan (Frame Edit Penyakit) Gambar 4.26 Tampilan Frame Edit Penyakit pada Form Edit Pengetahuan Pada frame Edit Penyakit ini difungsikan untuk menginput ataupun mengubah data penyakit, penjelasan penyakit serta penyebab penyakit.
66 7.) Submenu Edit Pengetahuan (Frame Edit Gejala) Gambar 4.27 Tampilan Frame Edit Gejala pada Form Edit Pengetahuan Frame Edit Gejala ini digunakan untuk menginput ataupun mengubah data gejala, aturan dari tiaptiap gejala serta nilai probabilitas dari gejala tersebut. Pada frame gejala ini terdapat tombol petunjuk yang dapat mengarahkan kepada form petunjuk yakni sebagai berikut: Gambar 4.28 Tampilan Form Petunjuk pada Frame Edit Edit Gejala
67 8.) Submenu Edit Pengetahuan (Frame Edit Solusi) Gambar 4.29 Tampilan Frame Edit Solusi pada Form Edit Pengetahuan Frame Edit solusi ini dapat digunakan untuk menginput ataupun mengubah data tentang cara pengobatan dari tiap penyakit. 4. Form Proses Diagnosis (Frame Proses Diagnosis) Gambar 4.30 Tampilan Form Proses Diagnosis
68 Form Proses Diagnosis ini digunakan untuk melakukan proses diagnosa penyakit kulit akibat infeksi jamur terhadap pasien. Pada form ini porses yang dilakukan adalah dengan menerima jawaban Ya atau Tidak yang diinput dari pasien dan kemudian dari proses ini akan diperoleh penyakit apa yang ia derita dengan perhitungan probabilitas dari gejalagejala yang diinput. Selanjutnya setelah melakukan proses diagnosis maka akan muncul frame Hasil Diagnosis. 5. Form Proses Diagnosis (Frame Hasil Diagnosa) Gambar 4.31 Tampilan Hasil Diagnosa pada Form Proses Diagnosis Dari frame Hasil Diagnosa diatas terdapat tombol Lihat Detail, jika menekan tombol Lihat Detail maka akan muncul form Hasil Diagnosa dari proses diagnosis yang telah dilakukan tadi.
69 6. Form Hasil Diagnosis Gambar 4.32 Tampilan Form Hasis Diagnosis Form Hasil Diagnosa ini digunakan untuk menampilkan hasil diagnosa dari proses diagnosa yang telah dilakukan tadi. Pada form ini ditampilkan data berupa penyakit yang diderita dengan probibabilitasnya, keterangan atau penjelasan dari penyakit, gejala yang dirasakan, penyebab penyakit serta cara pengobatannya.
70 4.2.2 Pengujian Sistem Setelah implementasi sistem selesai dibuat, kemudian sistem akan diuji apakah sistem yang telah dibuat ini sudah layak untuk digunakan atau belum. Pada tahap ini, pengujian dilakukan dengan mengunakan metode pengujian blackbo. Pada pengujian blackbo yang di ambil adalah form login, frame edit gejala pada form edit pengetahuan dan form diagnosis. Hasil dari pengujian sistem dapat dilihat pada tabeltabel berikut: 1. Pengujian Login Tabel 4.21 Pengujian Form Login Data Masukan Proses Pengamatan Kesimpulan Level, Username dan password terisi dengan benar Level, Username dan password salah Akan Menampilkan Halaman Utama program Akan menampilkan pesan Username Tidak Tersedia Menampilkan Halaman Utama Menampilkan Pesan Sesuai Sesuai 2. Pengujian Edit Pengetahuan Tabel 4.22 Pengujian Frame Edit Gejala pada Form Edit Pengetahuan Data Masukan Proses Pengamatan Kesimpulan Input data gejala dengan benar dan lengkap Tombol Petunjuk Data tersimpan di tabel gejala Tombol Simpan berfungsi dengan benar Menampilkan Menampilkan form petunjuk form petunjuk Tombol Ubah Data diperbaharui Tombol Edit berfungsi dengan benar Tombol Hapus Data dihapus Data berhasil dihapus Sesuai Sesuai Sesuai Sesuai
71 Tabel 4.22 Pengujian Frame Edit Penyakit pada Form Edit Pengetahuan (Lanjutan) Data Masukan Proses Pengamatan Kesimpulan Tombol Bersih Tombol Keluar Semua Tet Bo kosong Keluar dari form Edit Pengetahuan dan kembali ke form Halaman Utama Tet Bo kosong Tombol Keluar berfungsi dengan baik Sesuai Sesuai 3. Pengujian Proses Diagnosa Tabel 4.23 Pengujian Form Proses Diagnosa Data Masukan Proses Pengamatan Kesimpulan Tombol Proses Input data pasien salah Mulai melakukan proses diagnosa jika input data pasien diisi dengan baik dan benar Menampilkan pesan Data yang anda masukan belum lengkap! Proses diagnosa dimulai Menampilkan pesan Sesuai Sesuai Tombol Bersih Semua te bo kosong te bo kosong Sesuai Tombol Batal Keluar dari form Proses Diagnosa kembali ke form Halaman Utama Tombol Batal Berfungsi dengan baik Sesuai Tombol Ya Tombol Tidak Melakukan proses pelemparan ke pertanyaan berikutnya apabila pengguna menjawab ya Melakukan proses pelemparan ke pertanyaan berikutnya apabila pengguna menjawab ya Proses pelembaran jawaban berjalan dengan baik Proses pelembaran jawaban berjalan dengan baik Sesuai Sesuai
72 Dengan melihat hasil pengujian yang telah dilakukan diatas, menunjukan bahwa sistem yang dibangun sudah memenuhi persyaratan secara fungsional, artinya sistem ini sudah dapat digunakan karena dapat menghasikan keluaran yang sesuai dengan yang diharapkan.