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 dari penerapan metode Teorema Bayes untuk mendiagnosa penyakit yang disebabkan bakteri E.coli yang telah dijelaskan pada bab sebelumnya. Di bawah ini akan dijelaskan tiap-tiap tampilan yang ada pada program. IV.1.1. Tampilan Menu Utama Tampilan ini merupakan tampilan menu utama pada saat aplikasi dijalankan dan bisa diakses oleh siapa saja. Di tampilan ini juga merupakan tampilan untuk admin dan pngunjung yang sudah memiliki username dan password. Seperti terlihat pada gambar IV.1. berikut: Gambar IV.1. Tampilan Menu Utama 68
69 IV.1.2. Tampilan Login Admin Tampilan ini merupakan tampilan login admin. Admin harus mengisi username dan password untuk masuk ke dalam sistem. Gambar tampilan Login ditunjukkan pada gambar IV.2. berikut ini: Gambar IV.2. Tampilan Login Admin IV.1.3. Tampilan Menu Admin Tampilan ini merupakan tampilan yang hanya bisa diakses oleh admin yang telah mempunyai username dan password yang tersimpan dalam database. Seperti terlihat pada gambar IV.3. berikut :
70 Gambar IV.3. Tampilan Menu Utama Admin IV.1.4. Tampilan Menu Master Data Admin Tampilan ini akan mengelola semua data gejala, penyakit, basis aturan dan laporan pengunjung yang ditunjukkan pada gambar IV.4. berikut ini: Gambar IV.4. Tampilan Menu Master Data Admin
71 IV.1.5. Tampilan Data Gejala Tampilan ini merupakan tampilan untuk memanipulasi data gejala seperti menambah data gejala baru, mengedit data gejala yang ada, atau menghapus data gejala yang ada. Gambar tampilan data gejala ditunjukkan pada gambar IV.5. berikut ini: Gambar IV.5. Tampilan Data Gejala IV.1.6. Tampilan Data Penyakit Tampilan ini merupakan tampilan untuk memanipulasi data penyakit seperti mengedit data penyakit dan solusi yang ada, atau menghapus data penyakit dan solusi yang ada. Gambar tampilan data penyakit ditunjukkan pada gambar IV.6. berikut ini:
72 Gambar IV.6. Tampilan Data Penyakit IV.1.7. Tampilan Basis Aturan Tampilan basis aturan merupakan menu untuk edit dan hapus aturan yang dibuat untuk konsultasi pada penyakit yang disebabkan bakteri E.coli. Tampilan basis aturan ini seperti terlihat pada gambar IV.7. berikut ini:
73 Gambar IV.7. Tampilan Basis Aturan IV.1.8. Tampilan Laporan Hasil Konsultasi Tampilan ini merupakan tampilan laporan hasil konsultasi seperti terlihat pada gambar IV.8. berikut:
74 Gambar IV.8. Tampilan Laporan Hasil Konsultasi IV.1.9. Tampilan Halaman Konsultasi Pengunjung Tampilan ini merupakan tampilan untuk memulai konsultasi dengan menjawab pertanyaan yang ditampilkan oleh sistem. Gambar tampilan halaman konsultasi pengunjung ditunjukkan pada gambar IV.9. berikut ini: Gambar IV.9. Tampilan Halaman Konsultasi Pengunjung
75 IV.1.10. Tampilan Hasil Konsultasi Pengunjung Tampilan ini merupakan tampilan hasil dari konsultasi pengunjung. Seperti terlihat pada gambar IV.11. berikut: Gambar IV.10. Tampilan Hasil Konsultasi Pengunjung IV.1.11. Tampilan Cetak Hasil Konsultasi Tampilan ini merupakan tampilan cetak hasil konsultasi pengunjung. Tampilan cetak hasil dapat terlihat seperti terlihat pada gambar IV.12. berikut ini: Gambar IV.11. Tampilan Cetak Hasil Konsultasi
76 IV.2. Pembahasan Dalam membangun perancangan sistem pakar mendiagnosa penyakit yang disebabkan bakteri E.coli dengan metode Teorema Bayes ini, penulis menggunakan bahasa pemograman PHP dan Mysql sebagai databasenya. Perintah-perintah yang ada pada program yang penulis buat juga cukup mudah untuk dipahami karena user/pengguna hanya perlu meng-klik tombol-tombol yang sudah tersedia dan tinggal memasukkan data-data yang akan dimasukkan. Alasan diatas dapat menjadi tujuan untuk meningkatkan efektivitas kerja dan bisa lebih memaksimalkan sumber daya yang terkait dalam mendiagnosa penyakit yang disebabkan bakteri E.coli. IV.2.1. Uji Coba Sistem Uji coba sistem adalah pengujian dimana user memasukan data ke dalam sistem informasi yang sudah dibuat. Dengan adanya pengujian ini maka data yang di masukkan akan sesuai dengan kondisi yang telah di buat. IV.2.1.1. Skenario Pengujian Metode pengujian yang penulis lakukan yaitu metode pengujian Black box karena berfokus pada domain informasi dari perangkat lunak, dengan melakukan test case dengan mempartisi domain input dari suatu program dengan cara yang memberikan cakupan pengujian yang mendalam. Berikut merupakan rencana pengujian yang akan dilakukan :
77 Tabel IV.1. Skenario Pengujian Sistem Kelas Uji Butir Uji Jenis Pengujian Konsultasi Login Admin Input Data Gejala Input Data Penyakit Pilih Gejala Memproses Konsultasi Menyimpan Konsultasi Verifikasi Username Veripikasi Password Tambah Gejala Ubah Gejala Hapus Gejala Tambah Penyakit Ubah Penyakit Hapus Penyakit Black Box Black Box Black Box Black Box Black Box Black Box Black Box Black Box Black Box Black Box Black Box Basis Aturan Ubah Basis Aturan Black Box IV.2.2. Hasil Pengujian Pengujian dilakukan dengan menguji setiap proses dan kemungkinan kesalahan yang terjadi untuk setiap proses. Pengujian ini dilakukan secara Black Box yaitu pengujian dilakukan dengan hanya memperhatikan masukan ke sistem dan keluaran ke sistem.
78 IV.2.2.1. Pengujian Konsultasi Tabel IV.2. Pengujian Konsultasi Kasus Dan Hasil Uji (Data Normal) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Data Konsultasi Semua keterangan data Menampilkan Diterima Harus terisi konsultasi terisi. keterangan Semua Menampilkan persentase keterangan persentase kemungkinan kemungkinan terkena terkena penyakit penyakit yang yang disebabkan disebabkan bakteri bakteri E.coli dan E.coli dan solusi penanganan solusi penanganan secara umum Kasus Dan Hasil Uji (Data Salah) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Data konsultasi Aplikasi dapat Aplikasi dapat Diterima ada yang tidak terpilih menyimpan data masukan. Menampilkan penyakit sesuai gejala menyimpan data masukan. Menampilkan yang dipilih penyakit sesuai gejala yang dipilih
79 IV.2.2.2. Pengujian Login Admin Tabel IV.3. Pengujian Login Admin Kasus Dan Hasil Uji (Data Normal) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Username dan Login berhasil tampil Username dan Diterima Password ada menu utama admin Password ada. Login berhasil. Halaman menu utama admin tampil. Kasus Dan Hasil Uji (Data Salah) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Username dan Tidak dapat login dan User tidak dapat Diterima password tidak menampilkan pesan login dan ada Username dan password menampilkan anda salah pesan Username dan password anda salah Sesuai yang diharapkan.
80 IV.2.2.3. Pengujian Data Gejala Tabel IV.4. Pengujian Data Gejala Kasus Dan Hasil Uji (Data Normal) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Data Gejala Semua keterangan data Semua keterangan Diterima Harus terisi gejala terisi. data gejala terisi. Semua Menampilkan pesan Menampilkan data tersimpan pesan tersimpan data Kasus Dan Hasil Uji (Data Salah) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Data Gejala Aplikasi tidak dapat Aplikasi tidak Diterima ada yang tidak terisi menyimpan data masukan. Menampilkan pesan data tidak boleh kosong dapat menyimpan data masukan. Menampilkan pesan data tidak boleh kosong
81 IV.2.2.4. Pengujian Data Penyakit Tabel IV.5. Pengujian Data Penyakit Kasus Dan Hasil Uji (Data Normal) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Data penyakit Semua keterangan data Semua keterangan Diterima harus terisi penyakit terisi. data penyakit semua Menampilkan pesan terisi. data tersimpan Menampilkan pesan data tersimpan Kasus Dan Hasil Uji (Data Salah) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Data pasien ada Aplikasi tidak dapat Aplikasi tidak Diterima yang tidak terisi menyimpan data masukan. Menampilkan pesan data tidak boleh kosong dapat menyimpan data masukan. Menampilkan pesan data tidak boleh kosong
82 IV.2.2.5. Pengujian Basis Aturan Tabel IV.6. Pengujian Basis Aturan Kasus Dan Hasil Uji (Data Normal) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Data pola harus Semua keterangan data Semua Diterima terisi semua pola terisi. Menampilkan keterangan data pesan data baru pola terisi. tersimpan. Menampilkan pesan data baru tersimpan Kasus Dan Hasil Uji (Data Salah) Data Masukkan Yang Diharapkan Pengamatan Kesimpulan Data pola ada Aplikasi tidak dapat Aplikasi tidak dapat Diterima yang tidak terisi menyimpan data menyimpan data masukan. masukan. Menampilkan pesan Menampilkan pesan data masih ada yang belum terisi data masih ada yang belum terisi
83 IV.2.2.6. Pengujian Perhitungan Metode Teorema Bayes Tabel IV.7. Pengujian Perhitungan Teorema Bayes No Data Konsultasi Perhitungan Manual Sistem Kesimpulan 1 G1 : 0.40 7 K=1 = G1+G2+G3+G4+G5+ Menampilkan Diterima G2 : 0.40 G6+G7 halaman konsultasi, G3 : 0.60 = 0.40+0.40+0.60+0.70 +0.75 dan sistem G4 : 0.70 G5 : 0.75 G6 : 0.80 G7 : 0.80 +0.80+0.80 = 4.45 P(H1) = = = 0.0899 menganalisa gejala yang dipilih dan menentukan penyakit Diare. P(H2) = = = 0.0899 P(H3) = = = Nilai 70.80% kepastian 0.1348 P(H4) = = = 0.1573 P(H5) = = = 0.1685 P(H6) = = =
84 0.1798 P(H7) = = = 0.1798 P(Hi)* P(E Hi) P(H1)* P(E H1) + P(H2)* P(E H2) + P(H3)* P(E H3) + P(H4)* P(E H4) + P(H5)* P(E H5) + P(H6)* P(E H6) + P(H7)* P(E H7) 0.0899*0.40+0.0899 *0.40 +0.1348*0.60+ 0.1573*0.70 + 0.1685*0.75 + 0.1798 *0.80 + 0.1798 * 0.80 0.6770 P(H1 E) 0.0531 P(H2 E) 0.0531 P(H3 E) 0.1195
85 P(H4 E) 0.1627 P(H5 E) 0.1867 P(H6 E) 0.2124 P(H7 E) 0.2124 bayes1+ bayes2+ bayes3+ bayes4+ bayes5+ bayes6+ bayes7 (0.40*0.0531)+ (0.40* 0.053) + (0.60*0.1195) + (0.70*0.1627) + (0.75* 0.1867) + (0.80*0.2124) + (0.80*0.2124) 0.7080 * 100% 70.80 Persentase Penyakit : 70.80% 2 G1 : 0.40 8 K=1 = G1+G2+G3+G4+G5+ Menampilkan Diterima
86 G2 : 0.40 G6+G8+G9 halaman konsultasi, G3 : 0.60 = 0.40+0.40+0.60+0.70+0.75 dan sistem G4 : 0.70 G5 : 0.75 G6 : 0.80 G8 : 0.80 +0.80+0.80+0.75 = 5.30 P(H1) = = = 0.0755 menganalisa gejala yang dipilih dan menentukan penyakit Diare G9 : 0.85 P(H2) = = = Disenti. Nilai 0.0755 kepastian 73.55% P(H3) = = = 0.1132 P(H4) = = = 0.1321 P(H5) = = = 0.1415 P(H6) = = = 0.1509 P(H8) = = = 0.1590
87 P(H9) = = = 0.1604 P(Hi)* P(E Hi) P(H1)* P(E H1) + P(H2)* P(E H2) + P(H3)* P(E H3) + P(H4)* P(E H4) + P(H5)* P(E H5) + P(H6)* P(E H6) + P(H8)* P(E H8) + P(H9)* P(E H9) 0.0755*0.40+0.0755 *0.40 +0.1132*0.60+0.1321 *0.70+ 0.1415*0.75+0.1509*0.80+ 0.1509*0.80+0.1604*0.85 0.7047 P(H1 E) 0.0428 P(H2 E) 0.0428 P(H3 E) 0.0964
88 P(H4 E) 0.1312 P(H5 E) 0.1506 P(H6 E) 0.1714 P(H8 E) 0.1714 P(H9 E) 0.1934 bayes1+ bayes2+ bayes3+ bayes4+ bayes5+ bayes6+ bayes7+ bayes8 (0.40*0.0428)+ (0.40* 0.0428) + (0.60*0.0964) + (0.70*0.1312) + (0.75* 0.1506) + (0.80*0.1714) + (0.80*0.1714) +
89 (0.85*0.1934) 0.7355 * 100% 73.55 Persentase penyakit : 73.55% 3 G1 = 0.40 10 K=1 = G1+G2+G10+G11+ Menampilkan Diterima G2 = 0.40 G10 = 0.60 G11 = 0.65 G12+G13+G14+G15+G16+ G17 halaman konsultasi, dan sistem G12 = 0.65 = 0.40+0.40+0.60+0.65+0.65 menganalisa gejala G13 = 0.70 G14 = 0.75 G15 = 0.80 +0.70+0.75+0.80+0.85+0.85 = 6.65 yang dipilih dan menentukan G16 = 0.85 G17 = 0.85 P(H1) = = = 0.0602 penyakit Meningitis Nilai kepastian 72.89% P(H2) = = = 0.0602 P(H10) = = = 0.0902 P(H11) = = = 0.0977 P(H12) = = =
90 0.0977 P(H13) = = = 0.1053 P(H14) = = = 0.1128 P(H15) = = = 0.1203 P(H16) = = = 0.1278 P(H17) = = = 0.1278 P(Hi)* P(E Hi) P(H1)* P(E H1) + P(H2)* P(E H2) + P(H10)* P(E H10) + P(H11)* P(E H11) + P(H12)* P(E H12) + P(H13)* P(E H13) + P(H14)*P(E H14) + P(H15)* P(E H15) + P(H16)* P(E H16) + P(H17)*
91 P(E H17) 0.0602*0.40 + 0.0602*0.40 + 0.0902 *0.60 + 0.0977*0.65 + 0.0977*0.65 + 0.1053*0.70 + 0.1128 *0.75 + 0.1203*0.80 +0.1278*0.85 + 0.1278*0.85 0.7011 P(H1 E) 0.0343 P(H2 E) 0.0343 P(H10 E) 0.0772 P(H11 E) 0.0906 P(H12 E) 0.0906 P(H13 E) 0.1051
92 P(H14 E) 0.1206 P(H15 E) 0.1373 P(H16 E) 0.1550 P(H17 E) 0.1550 bayes1+ bayes2+ bayes10+ bayes11+ bayes12+ bayes13+ bayes14 +bayes15+ bayes16+ bayes17 (0.40*0.0343)+ (0.40* 0.0343)+ (0.60*0.0772)+ (0.65*0.0906) + (0.65* 0.0906) + (0.70*0.1051)+ (0.75*0.1206)+(0.80*0.1373) + (0.85*0.1550)+ (0.85* 0.1550) 0.7289 * 100%
93 72.89 Persentasi penyakit 72.89% 4 G18 = 0.70 4 K=1 = G18+G19+G20+G21 Menampilkan Diterima G19 = 0.70 G20 = 0.80 G21 = 0.85 = 0.70+0.70+0.80+0.80= 3.00 P(H18) = = = halaman konsultasi, dan sistem 0.2333 menganalisa gejala yang dipilih dan P(H19) = = = menentukan 0.2333 penyakit Sepsis P(H20) = = = 0.2667 Nilai 75.66% kepastian P(H21) = = = 0.2667 P(Hi)* P(E Hi) P(H18)* P(E H18) + P(H19)* P(E H19) + P(H20)* P(E H20) + P(H21)*P(E H21) 0.2333*0.70+0.2333 *0.70+0.2667*0.80+0.2667* 0.80 0.7533
94 P(H18 E) 0.2168 P(H19 E) 0.2168 P(H20 E) 0.2832 P(H21 E) 0.2832 bayes18+ bayes19+ bayes20+ bayes21 (0.70*0.2168)+ (0.70* 0.2168) + (0.80*0.2832) + (0.80*0.2832) 0.7566 * 100% 75.66 Persentasi penyakit 75.66%
95 5 G22 = 0.60 G23 = 0.60 G24 = 0.65 G25 = 0.75 G26 = 0.80 G27 = 0.85 6 K=1 = G22+G23+G24+ G25+ G26+G27 = 0.60+0.60+0.65+0.75 +0.80 +0.85 = 4.25 P(H22) = = = 0.1412 P(H23) = = = Menampilkan halaman konsultasi, dan sistem menganalisa gejala yang dipilih dan menentukan penyakit Infeksi Saluran Kemih 0.1412 P(H24) = = = Nilai 73.50% kepastian 0.1529 P(H25) = = = 0.1765 P(H26) = = = 0.1882 P(H27) = = = 0.2000 P(Hi)* P(E Hi) P(H22)* P(E H22) +
96 P(H23)* P(E H23) + P(H24)* P(E H24) + P(H25)*P(E H25) + P(H26)* P(E H26) + P(H27)* P(E H27) 0.1412*0.60+0.1412 *0.60+0.1529 *0.65 +0.1765*0.75 +0.1882 *0.80 +0.2000*0.85 0.7218 P(H22 E) 0.1174 P(H23 E) 0.1174 P(H24 E) 0.1377 P(H25 E) 0.1834 P(H26 E) 0.2086
97 P(H27 E) 0.2355 bayes22+ bayes23+ bayes24+ bayes25+ bayes26+ bayes27 (0.60*0.1174)+ (0.60* 0.1174) + (0.65*0.1377) + (0.75*0.1834) + (0.80* 0.2086) + (0.85*0.2355) 0.7350 * 100% 73.50 Persentasi penyakit 73.50% IV.3. Kelebihan dan Kekurangan Sistem Adapun kelebihan dari sistem yang akan dirancang yaitu: 1. Dengan adanya sistem ini proses penginputan data bisa lebih efektif dan efisien. 2. Aplikasi ini sangat mudah dimengerti dan mudah digunakan oleh user. 3. Aplikasi sistem pakar ini memberikan hasil kemungkinan terbesar terkena penyakit yang disebabkan bakteri E.coli. 4. Terdapat batasan yang jelas antara user dan admin, sehingga tidak sembarangan orang dapat mengakses sistem.
98 Adapun yang menjadi kekurangan dari sistem yang dirancang yaitu: 1. Aplikasi ini hanya berlaku untuk mendiagnosa penyakit yang disebabkan bakteri E.coli yang diderita oleh pasien saja. 2. Tidak ada panduan dalam menggunakan aplikasi sistem pakar ini. 3. Jika sistem yang dibuat tidak selalu update sesuai dengan pengetahuan baru, maka sistem tidak dapat memberikan solusi yang terbaik.