BAB III ANALISIS DAN DESAIN SISTEM

dokumen-dokumen yang mirip
BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

Berdasarkan sistem yang sedang berjalan, tahapan-tahapan proses. deteksi adanya viskositas darah dalam tubuh adalah sebagai berikut :

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB I PENDAHULUAN. adalah melindungi tubuh terhadap serangan penyakit dari luar dan menjaga suhu

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN PERANCANGAN

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM


BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN PERANCANGAN

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM. dari sistem yang selama ini dijalankan oleh perusahaan serta memahami

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN PERANCANGAN

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN PERANCANGAN

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM. serangan musuh, dengan terlihat sehat, musuh tidak akan menyerang. Berdasarkan

BAB III ANALISIS DAN DESAIN SISTEM

CARA MENGGUNAKAN APLIKASI

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM

Transkripsi:

39 BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Masalah Balai Pengobatan masih menggunakan Microsoft Word dan juga menggunakan buku besar dalam proses pencatatan dan mendiagnosa penyakit dan masih disimpan dalam berkas-berkas atau file-file.tidak adanya database untuk menyimpan data sehingga menyulitkan pihak administrasi dalam mencari data pasien pada Balai Pengobatan.Hal ini sangat tidak efektif dan efisien. Oleh karena itu,untuk menjawab permasalahan tersebut dibutuhkan sebuah sistem yang dapat mempermudah untuk mendiagnosa suatu penyakit dan mengetahui solusi mengenai penyakit Acne Vulgaris menggunakan metode Perceptron, metode ini digunakan untuk mengetahui bobot dari setiap gejalagejala yang ada dan berapa persen tingkat kemungkinan terkena penyakit Acne Vulgaris. III.1.1. Analisa Input Pada saat sebelum sistem ini dirancang, secara umum masyarakat tidak pernah mengetahui bagaimana cara untuk mendiagnosa penyakit Acne Vulgaris. Hal yang pertama kali dilakukan adalah dengan datang kedokter atau ke pusat kesehatan (Balai Pengobatan) yang ada dan menyampaikan keluhan atas gejala yang dialami. Hal inilah yang menjadi masukan bagi dokter untuk mengobati si pasien penderita penyakit kulit Acne Vulgaris tersebut. 39

40 Gambar III.1.Form Input Data Pasien Sumber : Balai Pengobatan III.1.2. Proses Proses yang dilakukan oleh dokter dalam menangani pasien adalah dengan menginputkan data-data pasien, kemudian memeriksa kondisi fisik dari pasien itu sendiri agar dapat ditemukan sebenarnya penyakit yang dideritanya. Setelah ditemukannya penyakit tersebut, dokter mendiagnosa penyakit Acne vulgaris pada pasien, berapa besar tingkat keyakinan si pasien menderita penyakit Acne Vulgaris serta memberikan solusi dari penyakit yang dialami pasien. III.1.3. Output Output merupakan hasil dari pengolahan data yang telah diinputkan. Output atau hasil keluaran dari sistem pakar ini adalah apa gejala-gejala seseorang terkena penyakit kulit Acne vulgaris dan berapa besar tingkat keyakinan pasien terkena penyakit Acne vulgaris serta solusi dari hasil analisa penyakit kulit Acne Vulgaris tersebut.

41 Gambar III.2.Form Diagnosa Acne Vulgaris Sumber : Balai Pengobatan III.1.4. Evaluasi Sistem Berjalan Sistem yang ada saat ini masih menggunakan Microsoft Word dan terkadang masih menggunakan Buku besar dan belum ada database sehingga berkas-berkas masih tersimpan dalam arsip balai pengobatan yang akan menyulitkan proses pencarian data apabila sedang dibutuhkan.proses pencatatan data pasien memerlukan waktu yang lama karena tidak adanya aplikasi yang menampilkan hasil diagnosis serta penanganannya. Berdasarkan uraian diatas maka penulis akan merancang aplikasi sistem pakar yang bertujuan agar dapat memberikan kontribusi positif dalam hal mengetahui bentuk gejala dari penyakit kulit Acne Vulgaris. Oleh karena itu penulis merancang sistem pakar mendiagnosa penyakit kulit Acne Vulgaris

42 menggunakan metode perceptron Pada Balai Pengobatan dan menggunakan Visual Basic 2010 dan SQL Server 2008R2. III.2. Penerapan Metode / Algoritma Secara umum teori Perceptron termasuk salah satu bentuk Jaringan Syaraf Tiruan (Neural Network) yang sederhana. Pada dasarnya perceptron pada Jaringan Syaraf Tiruan (Neural Network) dengan satu lapisan memiliki bobot yang bisa diatur dan suatu nilai ambang.algoritma yang digunakan oleh aturan perceptron ini akan mengatur parameter-parameter bebasnya melalui proses pembelajaran. Fungsi aktivasi dibuat sedemikian rupa sehingga terjadi pembatasan antara daerah positif dan daerah negatif. untuk mengontrol perubahan bobot pada setiap iterasi, Besarnya nilai lebih besar dari 0 (nol) dan maksimal Besarnya perubahan bobot yang terjadi pada setiap iterasi adalah: Adapun Rumus Metode Perceptron berikut ini : Y_in = Xi.Wi Keterangan : input y_in pada neuron Y merupakan penjumlahan dari perkalian neuron-neuron input dengan masing-masing bobot yang bersesuaian.lalu di berikan fungsi aktivasi untuk menghasilkan neuron Y ⁿ Y = Xi.Wi i=0 Keterangan : Wi = nilai bobot xi= masukan/inputan

43 Penjumlahan bobot yang berada di atas atau di bawah nilai ambang (threshold) yang telah ditentukan dengan aturannya sebagai berikut : Menentukan hasil Aktivasi dan target error : y = {0, Jika x<0,5 {1, Jika x>= 0,5 Error : (t-y) Dimana : t = nilai keluaran (output) Keluaran ini kemudian dibandingkan dengan hasil (target) yang diinginkan.sehingga dihasilkan keluaran yang sesuai dengan hasil yang diinginkan dengan rumus perubahan bobotnya : Wi (baru) = Wi (Lama) + a (t-y) Xi Keterangan : a = Kecepatan belajar/learning rate t = nilai keluaran y = nilai aktivasi. xi = masukan/inputan yang sudah ditentukan. III.2.1.Contoh Kasus Jaringan Saraf tiruan untuk melakukan pembelajaran terhadap fungsi logika OR dengan input biner dan target biner sebagai berikut :

44 X1 X2 OR 0 0 0 0 1 1 1 0 1 1 1 1 Gunakan algoritma pelatihan delta rule,bila ditentukan nilai learning rate (a) = 0,2 dan bobot awal yang dipilih w1 = 0,1 dan w2 = 0,3 serta fungsi aktivasi yang digunakan adalah fungsi undak biner dengan thershold(θ) = 0,5. Penyelesaian : Epoch ke-1 --------------------------------------------------------------------------------------------------- Data ke-1 (x1 = 0 x2= 0 target t=0) w1 = 0,1 dan w2= 0,3 = 0.0,1 + 0.0,3 = 0 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x>= 0,5 Hasil aktivasi y = 0 Eror =( t - y) = (0-0) = 0 w1(baru) = w1(lama) + a( t y)*x1 = 0,1 + 0,2.0.0 = 0,1 w2(baru) = w2(lama) + a(t y)*x2 = 0,3 + 0,2.0.0 = 0,3

45 --------------------------------------------------------------------------------------------------- Data ke-2 (x1 = 0 x2= 1 target t=1) w1 = 0,1 dan w2= 0,3 = 0.0,1 + 1.0,3 = 0 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x>= 0,5 Hasil aktivasi y = 0 Eror =( t - y) = (1-0) = 1 w1(baru) = w1(lama) + a( t y)*x1 = 0,1 + 0,2.1.0 = 0,1 w2(baru) = w2(lama) + a(t y)*x2 = 0,3 + 0,2.1.1 = 0,5 --------------------------------------------------------------------------------------------------- Data ke-3 (x1 = 0 x2= 0 target t=1) w1 = 0,1 dan w2= 0,5 = 1.0,1 + 0.0,5 = 0,1 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x>= 0,5 Hasil aktivasi y = 0 Eror =( t - y) = (1-0) = 1 w1(baru) = w1(lama) + a( t y)*x1 = 0,1 + 0,2.1.1 = 0,3 w2(baru) = w2(lama) + a(t y)*x2 = 0,5 + 0,2.1.0 = 0,5

46 Data ke-4 (x1 = 1 x2= 1 target t=1) w1 = 0,3 dan w2= 0,5 = 1.0,3 + 1.0,5 = 0,8 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x>= 0,5 Hasil aktivasi y = 1 Eror =( t - y) = (1-1) = 0 w1(baru) = w1(lama) + a( t y)*x1 = 0,3 + 0,2.0.1 = 0,3 w2(baru) = w2(lama) + a(t y)*x2 = 0,3 + 0,2.0.1 = 0,5 Lakukan terus menerus sampai epoch diperoleh eror = 0 untuk semua data.oleh karena itu proses pembelajaran dihentikan dan diperoleh bobot w1 = 0,5 dan w2 = 0,5. Jika sama maka 100% seluruh data benar.berikut ini adalah tabel gejala dari penyakit Acne Vulgaris. Tabel gejala Acne Vulgaris dapat dilihat pada Tabel III.1 di bawah ini : Tabel III.1. Tabel Gejala Nama Gejala Gejala Gejala Gejala Gejala Gejala Gejala Gejala Target Pasien A B C D E F G H Anisa + + + + - + + - 1 Sarah + + - + - - - - 1 Rian + + + - - - - - 1 Andi + + + + - + - - 1

47 Ayu + + - - - + + + 1 Rio - - - - - + + + 0 Bayu - - - - - + + + 0 Karin + - - - - - + + 1 Ket : Gejala dari Acne Vulgaris 1 Menyatakan Acne Vulgaris Berat sebesar >35%. Gejala dari Acne Vulgaris 0 Menyatakan Acne Vulgaris Ringan sebesar <=35%. Untuk mengetahui hasil Diagnosa penyebab penyakit ini, maka dilakukan pengujian proses Diagnosa. Proses pengujian sistem berupa sekumpulan ciri-ciri atau gejala yang dapat dilihat oleh mata secara langsung pada pasien yang mengalami masing-masing gejala,dimana diambil berdasarkan hasil pengamatan dan penelusuran.ciri-ciri atau gejala penyakit Acne Vulgaris dikelompokkan menjadi 8 jenis : Nama Gejala Nilai Bobot Gejala A : bintik-bintik merah 0.3 Gejala B : merah benjol besar 0.5 Gejala C : komedo berminyak 0.7 Gejala D : benjol bernanah 0.9 Gejala E : benjol berdarah 0.9 Gejala F : benjol berwarna kuning 0.9 Gejala G : merah-merah kecil 0.9 Gejala H : benjol gatal-gatal 0.7

48 Dimana untuk gejala A,B,C,D,E,F = 1 merupakan gejala dari penyakit Acne Vulgaris Berat,dan gejala F,G,dan H = 0 adalah gejala dari penyakit Acne Vulgaris Ringan.Jika Laki-laki = 0 dan Perempuan = 1. Tabel III.2. Tabel Normalisasi Gejala x1 x2 OR 1 1 1 1 1 1 0 1 1 0 1 1 1 1 1 0 0 0 0 0 0 1 0 1 Keterangan : Nama Pasien = x1 Gejala = x2 Target = Or Nilai-nilai parameter jaringan yang ditetapkan yaitu : - Learning Rate (a) = 0,2 - Bobot Awal o w1 = 0,1

49 o w2 = 0,3 - Fungsi Aktivasi Undak biner - Threshold (θ) = 0,5 Epoch ke-1 --------------------------------------------------------------------------------------------------- Data ke-1 (x1 = 1 x2= 1 target t=1) w1 = 0,1 dan w2= 0,3 = 1.0,1 + 1.0,3 = 0,4 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x> 0,5 Hasil aktivasi y = 0 Eror =( t - y) = (1-0) = 1 w1(baru) = w1(lama) + a( t y)*x1 = 0,1 + 0,2.1.1 = 0,3 w2(baru) = w2(lama) + a (t y)*x2 = 0,3 + 0,2.1.1 = 0,5 --------------------------------------------------------------------------------------------------- Data ke-2 (x1 = 1 x2= 1 target t=1) w1 = 0,3 dan w2= 0,5 = 1.0,3 + 1.0,5 = 0,8 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x> 0,5 Hasil aktivasi y = 1

50 Eror =( t - y) = (1-1) = 0 w1(baru) = w1(lama) + a( t y)*x1 = 0,3 + 0,2.0.1 = 0,3 w2(baru) = w2(lama) + a (t y)*x2 = 0,5 + 0,2.0.1 = 0,5 --------------------------------------------------------------------------------------------------- Data ke-3 (x1 = 0 x2= 1 target t=1) w1 = 0,3 dan w2= 0,5 = 0.0,5 + 1.0,3 = 0,3 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x> 0,5 Hasil aktivasi y = 0 Eror =( t - y) = (1-0) = 1 w1(baru) = w1(lama) + a( t y)*x1 = 0,3 + 0,2.1.0 = 0,3 w2(baru) = w2(lama) + a (t y)*x2 = 0,5 + 0,2.1.1 = 0,7 --------------------------------------------------------------------------------------------------- Data ke-4 (x1 = 0 x2= 1 target t=1) w1 = 0,3 dan w2= 0,7 = 0.0,3 + 1.0,7 = 0,7 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x> 0,5 Hasil aktivasi y = 1 Eror =( t - y) = (1-1) = 0 w1(baru) = w1(lama) + a( t y)*x1 = 0,3 + 0,2.0.0 = 0,3

51 w2(baru) = w2(lama) + a (t y)*x2 = 0,7 + 0,2.0.1 = 0,9 --------------------------------------------------------------------------------------------------- Data ke-5 (x1 = 1 x2= 1 target t=1) w1 = 0,3 dan w2= 0,9 = 1.0,1 + 1.0,9 = 1 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x> 0,5 Hasil aktivasi y = 1 Eror =( t - y) = (1-1) = 0 w1(baru) = w1(lama) + a( t y)*x1 = 0,3 + 0,2.0.1 = 0,3 w2(baru) = w2(lama) + a (t y)*x2 = 0,9 + 0,2.0.1 = 0,9 --------------------------------------------------------------------------------------------------- Data ke-6 (x1 = 0 x2= 0 target t=0) w1 = 0,3 dan w2= 0,9 = 0.0,3 + 0.0,9 = 0 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x> 0,5 Hasil aktivasi y = 0 Eror =( t - y) = (1-0) = 1 w1(baru) = w1(lama) + a( t y)*x1 = 0,3 + 0,2.1.0 = 0,3 w2(baru) = w2(lama) + a (t y)*x2 = 0,9 + 0,2.1.0 = 0,9

52 --------------------------------------------------------------------------------------------------- Data ke-7 (x1 = 0 x2= 0 target t=0) w1 = 0,3 dan w2= 0,9 = 0.0,3 + 0.0,9 = 0 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x> 0,5 Hasil aktivasi y = 0 Eror =( t - y) = (0-0) = 0 w1(baru) = w1(lama) + a( t y)*x1 = 0,3 + 0,2.0.0 = 0,3 w2(baru) = w2(lama) + a (t y)*x2 = 0,9 + 0,2.0.0 = 0,9 --------------------------------------------------------------------------------------------------- Data ke-8 (x1 = 1 x2= 0 target t=1) w1 = 0,3 dan w2= 0,9 = 1.0,3 + 0.0,9 = 0,3 Fungsi aktivasi : y = {0, jika x< 0,5 {1, jika x> 0,5 Hasil aktivasi y = 0 Eror =( t - y) = (1-0) = 1 w1(baru) = w1(lama) + a( t y)*x1 = 0,3 + 0,2.1.1 = 0,5 w2(baru) = w2(lama) + a (t y)*x2 = 0,7 + 0,2.1.0 = 0,7 ---------------------------------------------------------------------------------------------------

53 Lakukan terus menerus sampai epoch diperoleh eror = 0 untuk semua data. proses pembelajaran dihentikan dan diperoleh bobot w1 = 0,5 dan w2 = 0,5. Jika sama maka 100% seluruh data benar.pada data ini berhenti pada epoch ke-4 target dan Output harus sama.jika data target sama dengan network output atau w1(lama) dan w2(baru) maka pasien benar-benar terkena penyakit kulit Acne Vulgaris.untuk menentukan nilai kemungkinan berapa % terkena penyakit Acne Vulgaris maka hitung persentase dari data yang sudah ditraining adalah : Bobot lama Bobot baru x 100% = 0.5 0.5 x 100% = 100% III.3. Desain Sistem Pada tahap ini akan dilakukan perancangan terhadap sistem yang diusulkan. Adapun perancangan dari sistem ini dapat digambarkan dengan Unified Modelling Language (UML). MENDIAGNOSA PENYAKIT KULIT ACNE VULGARIS MENGGUNAKAN METODE PERCEPTRON PADA BALAI PENGOBATAN Mengelola Gejala Include Kriteria gejala yang dialami Login Proses Perhitungan Konsultasi Extend Admin Hasil Konsultasi Pasien LogOut Gambar III.3. Use Case Diagram Acne Vulgaris

54 III.3.1. Class Diagram Class diagram menggambarkan struktur statis dari kelas dalam sistem dan menggambarkan atribut, operasi dan hubungan antara kelas. TAMBAH PENGGUNA LOGIN 1 + user_id + user_name + password + re-password + user_name + password + New Account () + Login () + Exit () 1 + Save () + Edit () + Delete () + Clear () + Back To Menu () 1..* 0..* KONSULTASI + Pilih Gejala + Nama Gejala + Nilai Bobot 1..* PASIEN + Add Gejala () + Reset Gejala () + Proses () + Menu Utama () + id_pasien + nama pasien + umur_pasien +jenis_kelamin + berat_badan + alamat_pasien + notelp_pasien + Save () + Edit () + Delete () + Clear () + Menu Utama () 1 1..* GEJALA + id_gejala + nama_gejala + nilai bobot + Save () + Edit () + Delete () + Clear () + Menu Utama () 1..* Gambar III.4. Class Diagram Acne Vulgaris III.3.2. Activity Diagram Activity diagram menggambarkan aktifitas-aktifitas, objek, state, transisi state dan event. Dengan kata lain kegiatan diagram alur kerja menggambarkan perilaku sistem untuk aktivitas.

55 Adm System Isi Username dan Password Cek Username dan Password Apakah ada? Tidak Ya Masuk Ke Menu Admin Gambar III.5. Activity Diagram Login Admin

56 Adm System Pilih data pasien Form data pasien Input data baru Ya Isi data baru Simpan Data Tersimpan Tidak Pilih data pasien Edit data Pilih edit Ya Tidak Pilih data Hapus data Ya Data terhapus Gambar III.6. Activity Diagram Data Pasien

57 Adm System Pilih data gejala Form data gejala Input gejala baru Isi gejala baru Ya Simpan Data Gejala Tersimpan Tidak Pilih data gejala Edit gejala Pilih edit Ya Tidak Pilih gejala Hapus gejala Ya Data gejala terhapus Gambar III.7. Activity Diagram Data Gejala

58 Adm System Pilih data tambah pengguna Form data tambah pengguna Input data baru Isi tambah pengguna baru Ya Simpan Data Tersimpan Tidak Pilih data tambah pengguna Edit tambah pengguna Pilih edit Ya Tidak Pilih data tambah pengguna Hapus tambah pengguna Ya Data terhapus Gambar III.8. Activity Diagram Account Manager

59 User System Aktifkan Form Konsultasi Form Konsultasi Input gejala dan nilai bobot Hasil Konsultasi dan Solusi Gambar III.9. Activity Diagram Konsultasi III.3.3. Sequence Diagram Sequence diagram menjelaskan interaksi objek yang disusun berdasarkan urutan waktu. Sequence Diagram mendiagnosa penyakit Acne vulgaris dapat digambarkan sebagai berikut :

60 Form Menu Utama Proses Tabel Gejala User Menu Utama Konsultasi Pilih Gejala Nama Gejala Koneksi database Koneksi database Nilai Bobot Koneksi database Tentang Sistem Pakar Profil Penulis Gambar III.10. Sequence Diagram Menu Utama Form Login Tabel Login Menu Admin Admin Login Input Username Input Password Validasi Login Verifikasi Data Gagal Verifikasi data valid Gambar III.11. Sequence Diagram Login

61 Form Menu Admin Proses Tabel Pasien Tabel Gejala Tabel Account Manager Admin Menu Admin Data Pasien Input Data Pasien Tampilan Data Pasien Koneksi database Data Gejala Input Data Gejala Tampilan Data Gejala Koneksi database Account Manager Logout Input Account Manager Tampilan Account Manager Koneksi database Gambar III.12. Sequence Diagram Menu Admin Form data pasien Proses Tabel Pasien Admin Masukkan Data Pasien Data Pasien Dimasukkan Koneksi Database Cek atau Ubah Data Pasien Data Pasien Di Update Koneksi Database Hapus Data Pasien Data Pasien Di Hapus Koneksi Database Tampilkan Data Pasien Return Tampil Data Pasien Gambar III.13. Sequence Diagram Data Pasien

62 Form data gejala Proses Tabel Gejala Admin Masukkan Data Gejala Data Gejala Dimasukkan Koneksi Database Cek atau Ubah Data Gejala Data Gejala Di Update Koneksi Database Hapus Data Gejala Data Gejala Di Hapus Koneksi Database Tampilkan Data Gejala Retun Tampil Data Gejala Gambar III.14. Sequence Diagram Data Gejala Form Konsultasi Proses Tabel gejala User Pilih Data Gejala Data Gejala yang dipilih Koneksi Database Edit dan Hapus Data Gejala Data Gejala yang di Hapus dan di Edit Koneksi Database Proses Diagnosa Data Gejala Data Yang Telah Diproses Koneksi Database Hasil Nilai Kemungkinan diagnosa penyakit Acne Vulgaris Return Hasil Nilai Kemungkinan diagnosa penyakit Acne Vulgaris Gambar III.15. Sequence Diagram Konsultasi

63 III.3.4. Desain Database Database merupakan kumpulan dari data yang saling berhubungan satu dengan yang lainnya.untuk merancangnya diperlukan alat bantu, baik menggambarkan relasinya maupun mengoptimalkan rancangan database. III.3.5. Kamus Data Kamus data merupakan suatu daftar terorganisasi tentang komposisi elemen data, aliran data dan store yang digunakan. Pengisian data dictionary dilakukan setiap saat selama proses pengembangan berlangsung, ketika diketahui adanya data saat diperlukan penambahan data item kedalam sistem. Berikut ini adalah kamus data dari sistem pakar mendiagnosa penyakit kulit acne vulgaris menggunakan metode perceptron pada balai pengobatan sebagai berikut : 1. Tambah Pengguna = user_id + user_name + password 2. Login = user_name + password 3. Gejala = id_gejala + nama_gejala + nilai bobot 4. Pasien = id_pasien + nama_pasien + umur_pasien + jenis_kelamin + berat_badan + alamat_pasien + notelp_pasien 5. Konsultasi = id_gejala + nama_gejela + nilai bobot III.3.6. Normalisasi Normalisasi dibuat agar menghasilkan tabel/file yang akan digunakan sebagai penyimpan data.

64 1. Normalisasi 1NF Tabel III.3. Tabel Normalisasi 1NF - user_id - user_name - password - id_gejala - nama_gejala - id_pasien - nama_pasien - umur_pasien - jenis_pasien - berat_badan - alamat_pasien - notelp_pasien 2. Normalisasi 2NF Tabel III.4. Tabel Login user_id user_name Password

65 Tabel III.5. Tabel Gejala id_gejala nama_gejala Nilai_bobot Tabel III.6. Tabel Pasien id_pasien nama_pasien umur_pas jenis_kela berat_badan alamat_p notelp_pasien ien min asien III.3.6.1. Desain Tabel Berdasarkan data tersebut di atas, maka struktur tabel data yang terbentuk adalah sebagai berikut: a. Struktur login, tabel ini memiliki struktur sebagai berikut : Nama Database Nama Tabel Primary Key : Sistem Pakar Acne Vulgaris.mdf : tabel_user : user_id Tabel tabel_user adalah tabel untuk menyimpan data pengguna dan data login dari si pengguna. Tabel III.7 Struktur Tabel Login Nama Field Tipe Data Panjang Keterangan user_id Varchar 20 Id pengguna user_name Varchar 20 Nama pengguna

66 password Nchar 15 Password pengguna b. Struktur gejala, tabel ini memiliki struktur sebagai berikut: Nama Database Nama Tabel Primary Key : Sistem Pakar Acne Vulgaris.mdf : tabel_gejala : id_gejala Tabel tabel_gejala adalah tabel untuk menyimpan gejala-gejala yang dialami si pasien. Tabel III.8 Struktur Tabel Gejala Nama Field Tipe Data Panjang Keterangan Id_gejala Varchar 50 Id gejala nama_gejala Varchar 50 Nama gejala nilai Varchar 20 Nilai bobot c. Struktur pasien, tabel ini memiliki struktur sebagai berikut : Nama Database Nama Tabel Primary Key : Sistem Pakar Acne Vulgaris.mdf : tabel_pasien : id_pasien Tabel tabel_pasien adalah tabel untuk menyimpan data-data pasien saat melakukan pemeriksaan atau konsultasi.

67 Tabel III.9 Struktur Tabel Pasien Nama Field Tipe Data Panjang Keterangan Id_pasien Varchar 10 Id pasien nama_pasien Varchar 50 Nama pasien umur_pasien Nchar 10 Umur pasien jenis_kelamin Varchar 20 Jenis kelamin berat_badan nchar 10 Berat badan alamat_pasien Varchar 50 Alamat pasien no_telp Varchar 15 No. Telp pasien III.3.7. Desain User Interface Desain sistem yang penulis lakukan pada sistem pakar mendiagnosa penyakit kulit Acne Vulgaris dengan menggunakan metode perceptron dan aplikasi program yang lebih akurat dan sederhana agar lebih mudah dalam pengoperasiannya Adapun tampilan aplikasi sistem pakar mendiagnosa penyakit kulit Acne Vulgaris terdiri dari : 1. Tampilan Form Menu Utama Gambar III.16 Form Menu Utama

68 2. Tampilan Form Konsultasi Gambar III.17 Form Konsultasi 3. Tampilan Form Tentang Sistem Pakar Gambar III.18 Form Tentang Sistem Pakar

69 4. Tampilan Form Profil Penulis Gambar III.19 Form Profil Penulis 5. Tampilan Form Menu Admin Gambar III.20 Form Menu Admin

70 6. Tampilan Input Login Admin Gambar III.21 Form Login Admin 7. Tampilan Form Input Data Pasien Gambar III.22 Form Data Pasien

71 8. Tampilan Form Data Gejala Gambar III.23 Form Data Gejala 9. Tampilan Form Input Tambah Pengguna Gambar III.24 Form Tambah Pengguna