BAB III ANALISIS DAN DESAIN SISTEM

BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes, analisis dilakukan agar dapat menemukan masalah-masalah dalam pengolahan diagnosis penyakit Akromegali Dengan Metode Teorema bayes dalam menentukan nilai dari setiap gejala agar mudah dalam menentukan penyakit yang diderita oleh pasien. Adapun kelemahan pada sistem terdahulu adalah : 1. Minimnya informasi mengenai penyakit Akromegali dikalangan masyarakat umum. 2. Belum adanya sistem pakar yang membantu pihak masyarakat ataupun medis untuk memprediksi nilai penyakit Akromegali berdasarkan gejala yang dialami oleh pasien. 3. Tidak adanya implementasi sistem pakar penyakit Akromegali dengan menggunakan metode Teorema Bayes III.2. Penerapan Metode / Algoritma (Agustina ; 2014 : 125) Dalam bidang kedokteran teorema bayes sudah dikenal tetapi teorema ini lebih banyak diterapkan dalam logika kedokteran modern. Teorema ini lebih banyak diterapkan pada hal-hal yang berkenan dengan diagnosa secara statistik yang berhubungan dengan probabilitas serta 34

35 kemungkinan dari penyakit dan gejala-gejala yang berkaitan. Secara umum teorema bayes dengan dapat dituliskan dalam bentuk : P (S1 Gn) P (Gn S1) * P (S1) (P(Gn S1) * P (S1)) + (P(Gn S2) * P (S2)) P (S2 Gn) P (Gn S2) * P (S2) (P(Gn S1) * P (S1)) + (P(Gn S2) * P (S2)) Keterangan : P (S1 Gn) : Probabilitas stadium 1 terhadap gejala P (S1) : Probabilitas stadium 1 P (S2) : Probabilitas stadium 2 P (Gn) : Probabilitas Gejala

36 III.2.1. Perhitungan Manual Metode / Algoritma Teorema Bayes a. Tabel Stadium (Probabilitas Penyakit) Kode Stadium Tabel III.1 Tabel Stadium Stadium Probabilitas S1 Stadium Awal 0,4 S2 Stadium Lanjut 0,6 b. Tabel Gejala Kode Gejala G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12 G13 Tabel III.2 Tabel Gejala Gejala Fitur Wajah Yang Kasar Pembengkakan Tangan dan Kaki Penebalan Pada Kulit Rambut Terasa Kasar Keringat Berlebihan Rahang Menonjol (Prognatisme) Suara Serak Nyeri Sendi Rusuk Menebal Siklus Menstruasi Tidak Teratur (Jika Anda Wanita) Kuantitas Sperma Menurun (Jika Anda Pria) Kelelahan dan Kelemahan Otot Gangguan Penglihatan Kode Stadiu m c. Rule Based (Aturan) Tabel III.3 Tabel Rule Base Kode Gejala G0 G0 G0 G0 G0 G0 G0 G0 G0 G1 G1 G1 1 2 3 4 5 6 7 8 9 0 1 2 S1 * * * * * * * * S2 * * * * * * * * * * * Tabel III.4 Tabel Nilai Probabilitas Gejala Terhadap Penyakit Kode Kode Gejala Stadiu m G0 1 G0 2 G0 3 G0 4 G0 5 G0 6 G0 7 G0 8 G0 9 G1 0 G1 1 G1 2 G1 3 S1 0,2 0,1 0,8 0,7 0,5 0,3 0,3 0,6 S2 0,7 0,5 0,4 0,6 0,2 0,6 0,1 0,7 0,3 0,1 0,3 G1 3

37 Contoh Kasus : Diketahui seorang pasien bernama madi mengalami gejala sebagai berikut : 1. Fitur Wajah Yang Kasar (G1) 2. Rambut Terasa Kasar (G4) 3. Suara Serak (G7) 4. Nyeri Sendi (G8) 5. Gangguan Penglihatan (G13) Perhitungan manual : 1. Stadium Awal P(S1) 0,4 Terhadap Fitur Wajah Yang Kasar : P(G1 S1) : 0,2 P (S1 G1) P (G1 S1) * P (S1) (P(G1 S1) * P (S1)) + (P(G1 S2) * P (S2)) 0,2 * 0,4 (0,2 * 0,4) + (0,7 * 0,6) 0,08 0,08 + 0,42 0,16 0,08 0,5 Terhadap Rambut Terasa Kasar : P(G4 S1) : 0 Terhadap Suara Serak : P(G7 S1) : 0,7 P (S1 G7) P (G7 S1) * P (S1) (P(G7 S1) * P (S1)) + (P(G7 S2) * P (S2)) 0,7 * 0,4 (0,7 * 0,4) + (0,1 * 0,6)

38 0,28 0,28 + 0,06 0,28 0,34 0,8235 Terhadap Nyeri Sendi : P(G8 S1) : 0,5 P (S1 G8) P (G8 S1) * P (S1) (P(G8 S1) * P (S1)) + (P(G8 S2) * P (S2)) 0,5 * 0,4 (0,5 * 0,4) + (0 * 0,6) 0,2 0,2 + 0 0,2 0,2 1 Terhadap Gangguan Penglihatan : P(G13 S1) : 0,6 P (S1 G13) P (G13 S1) * P (S1) (P(G13 S1) * P (S1)) + (P(G13 S2) * P (S2)) 0,6 * 0,4 (0,6 * 0,4) + (0 * 0,6) 0,24 0,24 + 0

39 0,24 0,24 1 Total Bayes Stadium Awal : 0,16 + 0 + 0,8235 + 1 + 1 2,9835 2. Stadium Lanjut P(S2) 0,6 Terhadap Fitur Wajah Yang Kasar : P(G1 S2) : 0,7 P (S2 G1) 0,84 P (G1 S2) * P (S2) (P(G1 S1) * P (S1)) + (P(G1 S2) * P (S2)) 0,7 * 0,6 (0,2 * 0,4) + (0,7 * 0,6) 0,42 0,08 + 0,42 0,42 0,5 Terhadap Rambut Terasa Kasar : P(G4 S2) : 0,6 P (S2 G4) P (G4 S2) * P (S2) (P(G4 S1) * P (S1)) + (P(G4 S2) * P (S2)) 0,6 * 0,6 (0 * 0,4) + (0,6 * 0,6) 0,36 0 + 0,36

40 1 0,36 0,36 Terhadap Suara Serak : P(G7 S2) : 0,1 P (S2 G7) P (G7 S2) * P (S2) (P(G7 S1) * P (S1)) + (P(G7 S2) * P (S2)) 0,1 * 0,6 (0,7 * 0,4) + (0,1 * 0,6) 0,06 0,28 + 0,06 0,06 0,34 0,1765 Terhadap Nyeri Sendi : P(G8 S2) : 0 Terhadap Gangguan Penglihatan : P(G13 S2) : 0 Total Bayes Stadium Lanjut : 0,84 + 1 + 0,1765 + 0 + 0 2,0165 Selanjutnya dilakukan perhitungan untuk menentukan persentase pada masing-masing stadium : Hasil total bayes stadium awal + total bayes stadium lanjut 2,9835 + 2,0165 5 Persentase Stadium Awal (total bayes stadium awal / hasil) * 100% (2,9835 / 5) * 100 % 59,67 %

41 Persentase Stadium Lanjut (total bayes stadium lanjut / hasil) * 100% (2,0165 / 5) * 100 % 40,33 % Berdasarkan perhitungan manual, pasien bernama madi diketahui menderita penyakit akromegali Stadium Awal dengan perhitungan total bayes tertinggi yaitu 59,67%. III.3. Desain Sistem Desain sistem secara global menggunakan bahasa pemodelan UML yang terdiri dari Usecase Diagram, Class Diagram, Activity Diagram dan Sequence Diagram. III.3.1.Usecase Diagram Secara garis besar, bisnis proses sistem yang akan dirancang digambarkan dengan usecase diagram yang terdapat pada Gambar III.1 : Sistem Pakar Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes Pakar Login <extends> Daftar Edit Data pengaturan <extends> Stadium <include> <extends> <include> Login logout Gejala <include> Diagnosa Pasien Pakar <extends> <include> Rule Based <include> <include> Riwayat Logout <extends> <extends> Tambah Gejala Hapus Gejala Gambar III.1. Use Case Diagram Sistem Pakar Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes

42 III.3.2. Class Diagram Rancangan kelas-kelas yang akan digunakan pada sistem yang akan dirancang dapat dilihat pada gambar III.2 : Pasien Gejala kode_gejala nama_gejala 1..* 1 kode_pasien nama jenis_kelamin alamat usia username password +simpan 1..* +baru +simpan +edit +hapus Konsultasi kode_konsultasi tanggal kode_pasien hasil_diagnosa nilai_bayes penyakit kode_penyakit nama_penyakit probabilitas deskripsi pengobatan pencegahan rule 1 +Masukkan gejala +diagnosa +simpan 1 kode_relasi kode_stadium nama_gejala probabilitas 1 Pakar +tambah +hapus kode_pakar username password +baru +simpan +edit +hapus stadium kode_stadium stadium probabilitas solusi +baru +simpan +edit +hapus 1 Gambar III.2. Class Diagram Sistem Pakar Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes

43 III.3.3. Activity Diagram Bisnis proses yang telah digambarkan pada usecase diagram diatas dijabarkan dengan activity diagram : 1. Activity Diagram Login Pakar Aktifitas sistem login yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.3 berikut: Buka Aplikasi Login Isi Username Gagal Isi Password Enter Berhasil Gambar III.3. Activity Diagram Login Pakar 2. Activity Diagram Data Pakar Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.4 berikut :

44 Mulai Tampil Form pakar Input Data pakar Ya Baru? Tidak Edit? tidak Hapus? ya ya Simpan? tidak ya Ubah Data Simpan Batal tidak Hapus Data Gambar III.4. Activity Diagram Data Pakar 3. Activity Diagram Data Stadium Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data stadium dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.5 berikut : Mulai Tampil Form stadium Input Data stadium Ya Baru? Tidak Edit? tidak Hapus? ya ya Simpan? tidak ya Ubah Data Simpan Batal tidak Hapus Data Gambar III.5. Activity Diagram Data Stadium

45 4. Activity Diagram Data Gejala Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data gejala dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.6 berikut : Mulai Tampil Form gejala Input Data gejala Ya Baru? Tidak Edit? tidak Hapus? ya ya Simpan? tidak ya Ubah Data Simpan Batal tidak Hapus Data Gambar III.6. Activity Diagram Data Gejala 5. Activity Diagram Data Rule Based Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data rule based dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.7 berikut :

46 Mulai Tampil Form rule base Tentukan kode stadium tambah? tidak Hapus? ya Simpan? ya ya tidak tambah Data gejala Simpan Batal tidak Hapus Data Gambar III.7. Activity Diagram Data Rule Based 6. Activity Diagram Daftar Pasien Aktifitas sistem daftar pasien yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.8 berikut : Memilih aksi pada form Menu Click Form Daftar Pasien Isi data pasien Click daftar Gambar III.8. Activity Diagram Daftar Pasien

47 7. Activity Diagram Login Pasien Aktifitas sistem login yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.9 berikut: Buka Aplikasi Login Isi Username Gagal Isi Password Enter Berhasil Gambar III.9. Activity Diagram Login Pasien 8. Activity Diagram Data Konsultasi Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data sistem pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.10 berikut :

48 Memilih aksi pada form Menu Click Form Sistem Pakar Mengisi data gejala Click Diagnosa Lihat informasi hasil konsultasi Gambar III.10. Activity Diagram Data Konsultasi 9. Activity Diagram Melihat Riwayat Konsultasi Aktifitas sistem yang dilakukan dalam melihat informasi mengenai laporan hasil konsultasi dapat diterangkan pada gambar III.11 : Pilih Form Riwayat Konsultasi Click Cetak Laporan Lihat Informasi Konsultasi Gambar III.11. Activity Diagram Melihat Riwayat Konsultasi

49 III.3.4. Sequence Diagram Rangkaian kegiatan pada setiap terjadi event sistem digambarkan pada sequence diagram berikut : 1. Sequence Diagram Login Pakar Serangkaian kinerja sistem login yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.12 berikut : Form Login Pakar Form Login Proses Tabel pakar Halaman Pakar Form login Validasi nama dan password () Koneksi Database () Invalid () Login sukses () Gambar III.12. Sequence Diagram Login Pakar

50 2. Sequence Diagram Data Pakar Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.13 berikut : Form pakar Tampilkan Fom () Main Form Form pakar Proses Tabel pakar pakar Menu () click form pakar () Click baru () Click simpan () Koneksi database () Click Edit () Koneksi database () Click Hapus () Close form () Koneksi database () Gambar III.13. Sequence Diagram Data Pakar

51 3. Sequence Diagram Data Stadium Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data stadium dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.14 berikut : Form stadium Tampilkan Fom () Main Form Form stadium Proses Tabel stadium pakar Menu () click form stadium () Click baru () Click simpan () Koneksi database () Click Edit () Koneksi database () Click Hapus () Close form () Koneksi database () Gambar III.14. Sequence Diagram Data Stadium

52 4. Sequence Diagram Data Gejala Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data gejala dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.15 berikut : Form gejala Tampilkan Fom () Main Form Form gejala Proses Tabel gejala pakar Menu () click form gejala () Click baru () Click simpan () Koneksi database () Click Edit () Koneksi database () Click Hapus () Close form () Koneksi database () Gambar III.15. Sequence Diagram Data Gejala

53 5. Sequence Diagram Data Rule Based Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data rule based dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.16 berikut : Form rule base Tampilkan Fom () Main Form Form rule base Form Input rule Proses Tabel rule base Pasien Menu () click form rule base () Tambah gejala () simpan gejala () Koneksi database () Hapus Gejala () Koneksi database () Close form () Gambar III.16. Sequence Diagram Data Rule Based

54 6. Sequence Diagram Daftar Pasien Serangkaian kinerja sistem daftar pasien yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.17 berikut : Form Daftar Pasien Pasien Form Daftar Pasien Proses Form Login Form login Isi data Pasien Click Daftar Koneksi database () Datar Tersimpan () Koneksi database () Gambar III.17. Sequence Diagram Daftar Pasien

55 7. Sequence Diagram Login Pasien Serangkaian kinerja sistem login yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.18 berikut : Form Login Pasien Form Login Proses Tabel Pasien Halaman Pasien Form login Validasi nama dan password () Koneksi Database () Invalid () Login sukses () Gambar III.18. Sequence Diagram Login Pasien

56 8. Sequence Diagram Data Diagnosa Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data diagnosa dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.19 berikut : Form diagnosa Tampilkan Fom () Main Form Form diagnosa Proses Tabel diagnosa Pasien Menu () click form diagnosa () Masukan gejala () Click diagnosa () Koneksi database () Click simpan () Close form () Koneksi database () Gambar III.19. Sequence Diagram Data Diagnosa

57 9. Sequence Diagram Melihat Riwayat Konsultasi Serangkaian kinerja sistem yang dilakukan dalam melihat informasi mengenai laporan hasil konsultasi dapat diterangkan pada gambar III.20 : Form riwayat konsultasi pasien Form riwayat konsultasi Proses Tabel konsultasi Tampilkan Fom () Menu () click form Cetak laporan () Informasi data () Keluar form () Gambar III.20. Sequence Diagram Melihat Riwayat Konsultasi

58 III.4.Desain Basis Data Desain basis data terdiri dari tahap melakukan perancangan normalisasi tabel dan merancang struktur tabel. III.4.1. Normalisasi Tahap normalisasi ini bertujuan untuk menghilangkan masalah berupa ketidak konsistenan apabila dilakukannya proses manipulasi data seperti penghapusan, perubahan dan penambahan data sehingga data tidak ambigu. III.4.1.1. Normalisasi Data Hasil Analisa Normalisasi data nilai dilakukan dengan beberapa tahap normalisasi sampai data nilai ini masuk ke tahap normal di mana tidak ada lagi redundansi data. Berikut ini adalah tahapan normalisasinya : 1. Bentuk Tidak Normal Bentuk tidak normal dari data nilai ditandai dengan adanya baris yang satu atau lebih atributnya tidak terisi, bentuk ini dapat dilihat pada tabel III.5 di bawah ini : Tabel III.5 Data Hasil Analisa Tidak Normal Kode Konsultasi Tanggal Kode Pasien Gejala Hasil Diagnosa Nilai 1 21/04/2015 PS00000001 GJ00000001 Stadium Awal 3,5508 GJ00000002 GJ00000003 2 GJ00000004 Stadium Lanjut 4,6971 GJ00000005 GJ00000006 3 PS00000002 2,1298 4 GJ00000001 Stadium Awal 1,7273 GJ00000002 GJ00000003

59 2. Bentuk Normal Pertama (1NF) Bentuk normal pertama dari data nilai merupakan bentuk tidak normal yang atribut kosongnya diisi sesuai dengan atribut induk dari record-nya, bentuk ini dapat dilihat pada tabel III.6 di berikut ini: Tabel III.6 Data Hasil Normal Pertama Kode Konsultasi Tanggal Kode Pasien Gejala Hasil Diagnosa Nilai 1 21/04/2015 PS00000001 GJ00000001 Stadium Awal 3,5508 21/04/2015 PS00000001 GJ00000002 21/04/2015 PS00000001 GJ00000003 2 21/04/2015 PS00000001 GJ00000004 Stadium Lanjut 4,6971 21/04/2015 PS00000001 GJ00000005 21/04/2015 PS00000001 GJ00000006 3 21/04/2015 PS00000002 GJ00000004 Stadium Lanjut 2,1298 21/04/2015 PS00000002 GJ00000005 21/04/2015 PS00000002 GJ00000006 4 21/04/2015 PS00000002 GJ00000001 Stadium Awal 1,7273 21/04/2015 PS00000002 GJ00000002 21/04/2015 PS00000002 GJ00000003 3. Bentuk Normal Kedua (2NF) Bentuk normal kedua dari data nilai merupakan bentuk normal pertama, dimana telah dilakukan pemisahan data sehingga tidak adanya ketergantungan parsial. Setiap data memiliki kunci primer untuk membuat relasi antar data, bentuk ini dapat dilihat pada tabel III.7 berikut ini : a. Bentuk Normal Kedua (2NF) Tabel Pasien Tabel III.7. Data Pasien 2NF Kode Pasien Nama Jenis Kelamin Alamat Usia Username Password PS00000001 Riana Perempuan Jl. Timur 22 riana riana PS00000002 Rahmadi Laki - laki Jl. Pelita 21 madi madi

60 b. Bentuk Normal Kedua (2NF) Tabel Gejala Tabel III.8. Data Gejala 2NF Kode Gejala Nama GJ00000001 Fitur wajah yang kasar GJ00000002 Pembengkakan tangan dan kaki GJ00000003 Penebalan pada kulit GJ00000004 Rambut terasa kasar GJ00000005 Keringat berlebihan GJ00000006 Rahang menonjol ( prognatisme ) c. Bentuk Normal Kedua (2NF) Tabel Stadium Tabel III.9. Data Stadium 2NF Kode Stadium Stadium Probalitias Solusi ST00000001 Stadium Awal 0,4 ST00000002 Stadium Lanjut 0,6 Periksa lebih lanjut ke dokter untuk mendapatkan resep obat yang dapat mengurangi pertumbuhan hormon pada kelenjar pituitary (hipofisis). Meskipun ada obat yang membantu mengurangi produksi hormon pertumbuhan pengobatan pilihan adalah operasi atau terapi radiasi. 4. Bentuk Normal Ketiga (3NF) Bentuk normal ketiga dari data analisa yang sebagai penentu data gejala merupakan bentuk normal pertama, dimana telah dilakukan pemisahan data sehingga tidak adanya ketergantungan parsial. Setiap data memiliki kunci primer untuk membuat relasi antar data, bentuk ini dapat dilihat pada tabel berikut ini :

61 Tabel III.10. Normalisasi 3NF Tabel Konsultasi Nama Field Tipe Data Kode_Konsultasi Int Tanggal Date Kode_Pasien Varchar(50) Hasil_Diagnosa Varchar(50) Nilai_Bayes Real Kode Pasien Nama Jenis Kelamin Alamat Usia Username Password PS000000001 Riana Perempuan Jl. Timur 22 riana riana PS000000002 Rahmadi Laki-laki Jl. Pelita 21 madi madi III.4.2. Desain Tabel Setelah melakukan tahap normalisasi, maka tahap selanjutnya yang dikerjakan yaitu merancang struktur tabel pada basis data sistem yang akan dibuat, berikut ini merupakan rancangan struktur tabel tersebut : 1. Struktur Tabel Gejala Tabel gejala digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.11 berikut : Tabel III.11. Rancangan Tabel gejala Nama Database Akromegali Nama Tabel dbo.gejala No Nama Field Tipe Data Boleh Kosong Kunci 1. kode_gejala varchar(10) Tidak Primary Key 2. nama_gejala varchar(200) Tidak - 2. Struktur Tabel Konsultasi Tabel konsultasi digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.12 berikut :

62 Tabel III.12. Rancangan Tabel Konsultasi Nama Database Akromegali Nama Tabel dbo.konsultasi No Nama Field Tipe Data Boleh Kosong Kunci 1. kode_konsultasi Int Tidak Primary key 2. tanggal Date Tidak - 3. kode_pasien varchar(50) Tidak - 4. hasil_diagnosa varchar(50) Tidak - 5. nilai_bayes varchar(10) Tidak - 3. Struktur Tabel Pakar Tabel pakar digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.13 berikut : Tabel III.13. Rancangan Tabel Pakar Nama Database Akromegali Nama Tabel dbo.pakar No Nama Field Tipe Data Boleh Kosong Kunci 1. kode_pakar varchar(10) Tidak Primary Key 2. username varchar(30) Tidak - 3. password varchar(30) Tidak - 4. Struktur Tabel Pasien Tabel pasien digunakan untuk menyimpan selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.14 berikut : Tabel III.14. Rancangan Tabel Pasien Nama Database Akromegali Nama Tabel dbo.pasien No Nama Field Tipe Data Boleh Kosong Kunci 1. kode_pasien varchar(10) Tidak Primary Key 2. nama varchar(50) Tidak - 3. jenis_kelamin varchar(20) Tidak - 4. alamat Text Tidak - 5. usia varchar(2) Tidak - 6. username varchar(30) Tidak - 7. password varchar(30) Tidak -

63 5. Struktur Tabel Penyakit Tabel penyakit digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.15 berikut: Tabel III.15. Rancangan Tabel Penyakit Nama Database Akromegali Nama Tabel dbo.penyakit No Nama Field Tipe Data Boleh Kosong Kunci 1. kode_penyakit varchar(50) Tidak Primary Key 2. nama_penyakit varchar(50) Tidak - 3. probabilitas Real Tidak - 4. deskripsi Text Tidak - 5. pengobatan Text Tidak - 6. pencegahan Text Tidak - 6. Struktur Tabel rule Tabel rule digunakan untuk menyimpan selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.16 berikut : Tabel III.16. Rancangan Tabel Rule Nama Database Akromegali Nama Tabel dbo.rule No Nama Field Tipe Data Boleh Kosong Kunci 1. kode_relasi Int Tidak - 2. kode_stadium varchar(10) Tidak - 3. nama_gejala varchar(200) Tidak - 4. probabilitas Real Tidak - 7. Struktur Tabel stadium Tabel stadium digunakan untuk menyimpan selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.17 berikut :

64 Tabel III.17. Rancangan Tabel stadium Nama Database Akromegali Nama Tabel dbo.stadium No Nama Field Tipe Data Boleh Kosong Kunci 1. kode_stadium varchar(10) Tidak - 2. Stadium varchar(30) Tidak - 3. Probabilitas Real Tidak - 4. Solusi Text Tidak - III.5. Desain User Interface Tahap perancangan berikutnya yaitu desain sistem secara detail yang meliputi desain output sistem dan desain input sistem. III.5.1. Desain Output Berikut ini adalah rancangan tampilan desain output yang akan dihasilkan oleh sistem : 1. Desain Form Melihat Riwayat Konsultasi Desain form untuk sistem yang dilakukan dalam melihat informasi mengenai laporan hasil konsultasi dapat diterangkan pada gambar III.21 : Riwayat Konsultasi Cetak Laporan Gambar III.21. Desain Form Melihat Riwayat Konsultasi

65 Laporan Gambar III.22. Desain Form Laporan Riwayat Konsultasi III.5.2. Desain Input Berikut ini adalah rancangan atau desain input sebagai antarmuka pengguna : 1. Desain Form Login Pakar Desain form untuk sistem login yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.23 berikut : Form Login Username: Password : Login Gambar III.23. Desain Form Login Pakar

66 2. Desain Form Data Pakar Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.24 berikut : Form Pakar Kode Pakar : Username : Password : Baru Simpan Edit Hapus Gambar III.24. Desain Form Data Pakar 3. Desain Form Data Stadium Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data stadium dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.25 berikut :

67 Form Stadium Kode Stadium : Stadium : Probalitas : Solusi : Baru Simpan Edit Hapus Gambar III.25. Desain Form Data Stadium 4. Desain Form Data Gejala Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data gejala dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.26 berikut : Form Gejala Kode Gejala : Nama Gejala : Baru Simpan Edit Hapus Gambar III.26. Desain Form Data Gejala

68 5. Desain Form Data Rule Based Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data rule based dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.27 berikut : Form Rule Stadium : Tambah Gejala Hapus Gejala Gambar III.27. Desain Form Data Rule Based 6. Desain Form Daftar Pasien Desain form untuk sistem daftar pasien yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.28 berikut :

69 Form Daftar Pasien Kode Pasien : Nama Pasien : Jenis Kelamin : Alamat : Usia : Username : Password : Daftar Gambar III.28. Desain Form Daftar Pasien 7. Desain Form Login Pasien Desain form untuk sistem login yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.29 berikut : Form Login Username: Password : Login Gambar III.29. Desain Form Login Pasien 8. Desain Form Data Diagnosa Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data diagnosa dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.30 berikut :

70 Form Diagnosa Nama Pasien : Masukkan Gejala Yang Anda Alami Diagnosa Simpan Sistem menyatakan anda mengalami penyakit akromegali : Gambar III.30. Desain Form Data Diagnosa