BAB IV HASIL DAN UJI COBA

BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, yang digunakan untuk memperjelas tentang tampilan-tampilan yang ada pada aplikasi sistem pakar. Sehingga hasil implementasinya dapat dilihat sesuai dengan hasil program yang telah dibuat. Dibawah ini akan dijelaskan tiap-tiap tampilan yang ada pada program. IV.1.1. Tampilan Menu Awal Tampilan menu awal merupakan tampilan menu pembuka atau menu utama pada aplikasi. Pada tampilan ini terdapat home yang berisi tentang penjelasan penyakit gigi, menu konsultasi untuk mengakses aplikasi pertanyaan konsultasi, serta menu login pakar untuk untuk mengakses aplikasi sebagai pakar. Gambar tampilan menu awal ditunjukkan pada gambar IV.1 berikut ini: 71

72 Gambar IV.1 Tampilan Menu awal IV.1.2. Tampilan Menu Login Pakar Tampilan ini merupakan tampilan login sebagai seorang pakar sebelum mengkakses menu awal pakar. Pada menu ini sebelum login pakar harus menginputkan username dan password yang valid. Gambar tampilan Loginpakar ditunjukkan pada gambar IV.2 berikut ini:

73 Gambar IV.2 Tampilan Loginpakar IV.1.3. Tampilan Menu Daftar User Tampilan ini merupakan tampilan akses penuh dari pakar untuk memanipulasi data penyakit, gejala, pertanyaan, solusi daftar user serta logout. Untuk menjalankannya cukup meng-klik salah satu menu yang ada. Gambar tampilan menu awal pakar ditunjukkan pada gambar IV.3 berikut ini:

74 Gambar IV.3 Tampilan Menu Daftar User IV.1.4. Tampilan Menu Penyakit Tampilan ini merupakan tampilan untuk memanipulasi data penyakit seperti menambah data penyakit baru, mengedit data penyakit yang ada atau menghapus data yang ada. Gambar tampilan menu penyakit ditunjukkan pada gambar IV.4 berikut ini:

75 Gambar IV.4 Tampilan Menu Penyakit IV.1.5. Tampilan Menu Pertanyaan Tampilan ini merupakan tampilan untuk memanipulasi data gejala seperti menambah data gejala baru, mengedit data gejala yang ada atau menghapus data yang ada. Gambar tampilan menu pertanyaan ditunjukkan pada gambar IV.5 berikut ini:

76 Gambar IV.5 Tampilan Menu Pertanyaan IV.1.6. Tampilan Menu Konsultasi Tampilan ini merupakan tampilan untuk mengakses aplikasi sebagai pasien. Sebelum melakukan konsultasi data pasien tidak boleh kosong. Gambar tampilan Konsultasi ditunjukkan pada gambar IV.6 berikut ini:

77 Gambar IV.6 Tampilan Menu Konsultasi IV.1.7. Tampilan Tanyajawab Tampilan ini merupakan tampilan untuk memulai konsultasi dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem setelah menekan tombol konsultasi, kemudian sistem akan memberikan output berupa hasil konsultasi berdasarkan jawaban dari pasien terhadap pertanyaan yang diajukan oleh aplikasi. Gambar tampilan Tanyajawab untuk menjawab pertanyaan yang diajukan sistem ditunjukkan pada gambar IV.7 berikut ini:

78 Gambar IV.7 Tampilan Tanyajawab IV.1.8. Tampilan Hasilkonsultasi Tampilan ini merupakan tampilan untuk menampilkan hasil dari konsultasi yang dilakukan oleh pasien. Gambar tampilan hasil ditunjukkan pada gambar IV.8 berikut ini:

79 Gambar IV.8 Tampilan Hasil Konsultasi IV.1.9. Tampilan Menu Basis Aturan Tampilan ini merupakan tampilan untuk menampilkan aturan yang dilakukan oleh pakar. Gambar tampilan hasil ditunjukkan pada gambar IV.9 berikut ini:

80 Gambar IV.9 Tampilan Basis Aturan IV.2. Uji Coba Dalam perancangan Sistem Informasi Mendeteksi Penyakit Gigi Menggunakan Metode Certainty Factor Berbasis Web, penulis menggunakan program yang berbasis pada Macromedia Dreamweaver 8 khususnya PHP dan menggunakan MySQL sebagai database. Perintah yang ada pada program yang penulis buat juga cukup mudah untuk dipahami karena user hanya perlu mengklik tombol (button) yang sudah tersedia sesuai dengan kebutuhan.

81 IV.2.1 Metode Certainty Factor Metode certainty factor yang akan diterapkan dalam pembuatan sistem pakar ini adalah metode dengan rumus certainty factor sebagai berikut : CF(H,e) = CF(E,e) - CF(H,E) Di mana CF(E,e) : certainty factor evidence E yang dipengaruhi oleh evidence e. CF(H,E) : certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E,e) = 1. CF(H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e. Karena semua evidence pada antecedent diketahui dengan pasti maka rumusnya menjadi : CF(H,e) * CF(H,E) Contoh perhitungan nilai certainty factor untuk sistem ini adalah sebagai berikut: JIKA AND AND Gigi terasa linu jika terkena rangsangan Gigi terasa berdenyut yang terjadi secara spontan Rasa sakit yang tajam dan dapat menjalar ke kepala, telinga, dan kadang punggung MAKA Terkena Penyakit kd KPS1 Dengan menganggap E 1 E 2 E 3 : Gigi terasa linu jika terkena rangsangan : Gigi terasa berdenyut yang terjadi secara spontan : Rasa sakit yang tajam dan dapat menjalar ke kepala, telinga, dan kadang punggung

82 Nilai certainty factor hipotesis pada saat evidence pasti adalah : CF(H,E) = CF(H,E 1 ^ E 2 ^ E 3 ^ E 4^ E 5 ) = 0.7 Dalam kasus ini, kondisi pasien tidak dapat ditentukan dengan pasti. Certainty factor evidence E yang dipengaruhi partial evidence e ditunjukkan dengan nilai sebagai berikut: CF(E 1, e) = 0.7 CF(E 2, e) = 0.9 CF(E 3, e) = 0.8 CF(E 4, e) = 0 CF(E 5, e) = 0 Sehingga CF(E,e) = CF(E 1 ^ E 2 ^ E 3 ^ E 4 ^ E 5, e) = Com [CF(E 1,e), CF(E 2,e), CF(E 3,e), CF(E 4,e), CF(E 5,e)] = Com [0.7, 0.9, 0.8, 0,0] = 2.4 Nilai certainty factor hipotesis adalah: CF(H,e) = CF(E,e) * CF(1-E1) = 2,4 * (1-0.7) = 0,72 Hal ini berarti besarnya kepercayaan pakar terhadap kemungkinan menderita penyakit kd KPS1 adalah 0,72 atau bila diprosentasekan nilainya menjadi 72%.

83 IV.2.2 Hasil Uji Coba Setelah melakukan beberapa percobaan terhadap sistem yang digunakan maka dapat disimpulkan hasil yang didapatkan, yaitu: 1. Sistem memiliki tampilan yang relatif stabil. 2. Sistem telah menghasilkan informasi yang valid. 3. Antarmuka yang sederhana dapat mempermudah pengguna dalam mempelajari sistem ini. IV.2.3. Kasus dan Hasil Pengujian IV.2.3.1 Pengujian Login Tabel IV.1. Login Pakar Kasus dan Hasil Uji (Data Valid) Data Masuk Skenario Uji Yang diharapkan Hasil Pengujian Kesimpulan Login Pakar Input username dan password sesuai ketentuan Masuk dapat ke form utama pakar sesuai dengan hak akses pakar Dapat masuk ke form utama sesuai yang diharapkan Kasus dan Hasil Uji (Data Invalid) [ ]ditolak Login Pakar Input username dan password tidak sesuai ketentuan Tidak dapat masuk ke form utama muncul pesan username dan assword anda salah) Tidak dapat masuk ke halaman utama [ ]ditolak

84 IV.2.3.2. Pengujian Konsultasi Tabel IV.2 Pengujian Konsultasi Kasus dan Hasil Uji (Data Valid) Data Masuk Skenario Uji Yang diharapkan Hasil Pengujian Kesimpulan Input Data Konsultasi Input data pasien dan data gejala Data dapat disimpan dan menampilkan hasil diagnosa dapat disimpan dan menampilkan hasil diagnosa sesuai yang diharapkan Kasus dan Hasil Uji (Data Invalid) [ ]ditolak Input Data Konsultasi Input data pasien dan data gejala Sistem akan menolak untuk menampilkan hasil diagnosa Tidak dapat menampilkan sesuai yang diharapkan [ ]ditolak IV.2.3.3. Pengujian Daftar User Tabel IV.3 Pengujian Daftar User Kasus dan Hasil Uji (Data Valid) Data Masuk Skenario Uji Yang diharapkan Hasil Pengujian Kesimpulan Tampilkan Daftar User Hapus data Data dapat Data dapat pasien yang tampil dan data tampil terhapus sudah yang dihapus sesuai dengan tersimpan akan terhapus yang otomatis sesuai dengan diharapkan yang diharapkan Kasus dan Hasil Uji (Data Invalid) [ ]ditolak Tampilkan Daftar User Hapus data pasien yang sudah tersimpan otomatis Tidak dapat menampilkan daftar user yang akan dihapus Tidak dapat menampilkan daftar user yang akan dihapus [ ]ditolak

85 IV.2.3.4. Pengujian Penyakit Tabel IV.4 Pengujian Penyakit Kasus dan Hasil Uji (Data Valid) Data Masuk Skenario Uji Yang diharapkan Hasil Pengujian Kesimpulan Input Penyakit Input data Dapat terinput ke Dapat terinput penyakit form penyakit ke form sesuai penyakit sesuai ketentuan dengan yang diharapkan Kasus dan Hasil Uji (Data Salah) [ ]ditolak Input Penyakit Input data penyakit tidak sesuai ketentuan Data yang diinput tidak dapat tersimpan Data yang diinput tidak dapat tersimpan [ ]ditolak IV.2.3.5. Pengujian Gejala Tabel IV.5 Pengujian Gejala Kasus dan Hasil Uji (Data Normal) Data Masuk Skenario Uji Yang diharapkan Hasil Pengujian Kesimpulan Input Gejala Input data Dapat terinput ke Dapat terinput gejala sesuai form gejala ke form gejala ketentuan sesuai dengan yang diharapkan Kasus dan Hasil Uji (Data Salah) [ ]ditolak Input Gejala Input data gejala tidak sesuai ketentuan Data yang diinput tidak dapat tersimpan Data yang diinput tidak dapat tersimpan [ ] ditolak

86 IV.2.3.6. Pengujian Basis Aturan Tabel IV.6 Pengujian Basis Aturan Kasus dan Hasil Uji (Data Valid) Data Masuk Skenario Uji Yang diharapkan Hasil Pengujian Kesimpulan Input Basis Aturan Input data Dapat terinput ke Dapat terinput sesuai form basis aturan ke form basis ketentuan aturan sesuai dengan yang diharapkan Kasus dan Hasil Uji (Data Salah) [ ] ditolak Input Basis Aturan Input data tidak sesuai ketentuan Data yang diinput tidak dapat tersimpan Data yang diinput tidak dapat tersimpan [ ] ditolak Tabel IV.7 Pengujian nilai CF Penyakit Kasus hasil uji (Data Invalid) No Data konsultasi Perhitungan manual 1. CF(E1, e) = 0.3 CF(E2, e) = 0.4 CF(E3, e) = 0.8 CF(E4, e) = 0.8 CF(E5, e) = 0.5 CF(E,e)= CF(E1 E2 E3 E4 E5, e) = min [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e), CF(E5,e)] = min [0.3, 0.4, 0.8, 0.8, 0.5] = 0.84 x 100% = 84% Sistem Menampilkan halaman Analisa Hasil, dan sistem menganalisa gejala yang dimasukkan dan menentukan penyakit pulpitis(kps1). Nilai Kepastian 84% Kesimpulan [ ] diterima [] ditolak 2. CF(E1, e) = 0.2 CF(E,e)= Menampilkan [ ] diterima CF(E2, e) = 0.3 CF(E1 E2 E3 halaman Analisa [] ditolak CF(E3, e) = 0.8 E4 E5, e) Hasil, sistem

87 CF(E4, e) = 0.3 = min [CF(E1,e), menganalisa gejala CF(E5, e) = 0.3 CF(E2,e), CF(E3,e), yang dimasukkan dan CF(E4,e) CF(E5,e) menentukan penyakit = min [0.2, 0.3, 0.8, nekrosis (KPS2). Nilai 0.3, 0.3] kepastian 38% = 0.38 x 100% = 38% 3. CF(E1, e) = 0.2 CF(E,e)= Menampilkan [ ] diterima CF(E2, e) = 0.4 CF(E1 E2 E3 halaman Analisa [] ditolak CF(E3, e) = 0.8 E4 E5 E6, e) Hasil, sistem CF(E4, e) = 0.3 = min [CF(E1,e), menganalisa gejala CF(E5, e) = 0.3 CF(E2,e), CF(E3,e), yang dimasukkan dan CF(E4,e) CF(E5,e)] sistem menentukan = min [0.2, 0.4, 0.8, penyakit 0.3, 0.3] gingivitis(kps3). = 0.4 x 100% = 40% Nilai kepastian 40% Kasus hasil uji (Data Invalid) No Data konsultasi Yang diharapkan Pengamatan Kesimpulan 4. Konsultasi gejala tidak sesuai Rule (Aturan) Akan ada pesan bahwa data penyakit tidak ditemukan. Muncul Pesan [ ] diterima bahwa data [] ditolak penyakit yang dianalisa berdasarkan gejala tidak ditemukan IV.3. Kelebihan dan Kekurangan Sistem yang dirancang Adapun beberapa kelebihan yang dimiliki oleh sistem pakar ini adalah sebagai berikut :

88 1. Aplikasi dapat mendiagnosa penyakit yang diderita oleh pasien berdasarkan gejala yang sudah diinput oleh ahli pakar nilai, dikelompokan dengan kerusakan jawaban yang diberikan oleh pasien. 2. Aplikasi sistem pakar ini memberikan gejala-gejala berserta solusi. 3. Terdapat batasan yang jelas antara user atau pengguna dan pakar, sehingga tidak sembarangan orang dapat mengakses sistem yang dibangun. 4. Id inputan selalu otomatis untuk menghindari terjadinya redudansi pada database. 5. Nilai penyakit diinput oleh ahli pakar secara otomatis sistem yang dibangun menyerupai ahli pakar tersebut. Setiap sistem yang dibangun tentunya memiliki kekurangan, kekurangan yang dimiliki sistem ini adalah : 1. Jika sistem yang dibuat tidak selalu update sesuai dengan pengetahuan baru, maka sistem tidak dapat memberikan solusi yang terbaik. 2. Nilai certainty factor pada penyakit di input didalam kode pemograman, jadi setiap penambahan penyakit baru tentunya juga inputkan nilai didalam kode. 3. Sistem hanya akan memberikan hasil akurat bila dimasukkan gejala yang sesuai. 4. Hanya bisa menginputkan maksimum 5 gejala. 5. Sistem hanya mendiagnosa penyakit berdasarkan gejala yang dialami pasien. 6. Belum adanya security pengaman berupa fitur anti virus sebagai media untuk melindungi database.