BAB III ANALISA DAN DESAIN SISTEM

BAB III ANALISA DAN DESAIN SISTEM III.1. Analisa Sistem Analisa sistem yang dijelaskan pada bab ini adalah sebagai bahan perbandingan dengan sistem yang akan dirancang. Adapun sistem yang sedang berjalan sebelum menggunakan sistem pakar ini masih menggunakan manualisasi. Pasien datang ke dokter dengan keluhan gejala penyakit yang diderita oleh pasien, kemudian dokter tersebut menganalisa penyakit yang diderita oleh pasien dan melakukan beberapa tahap pemeriksaan. Setelah diketahui penyakit yang diderita oleh pasien, dokter memberikan solusi. III.1.1. Analisa Input Agar proses konsultasi dapat dilakukan dan menghasilkan keluaran sesuai dengan yang diharapkan maka dokter perlu mengambil data input dari pasien. Data input yang diberikan pasien kepada dokter masih diinputkan secara manual yaitu dengan menyampaikan langsung data pasien kepada dokter. Adapun data inputan pasien yang diperlukan adalah nama, usia pasien, dan alamat. III.1.2. Analisa Proses Berdasarkan sistem yang sedang berjalan, tahapan-tahapan kerja atau proses diagnosa penyakit kanker mulut rahim adalah sebagai berikut : 1. Pasien yang ingin konsultasi harus terlebih dahulu mengisi data pasien. 36

37 2. Admin menerima data pasien dan menyerahkannya ke dokter. 3. Dokter meneriama data pasien dan menanyakan keluhan-keluhan yang dialami oleh pasien. 4. Setelah mengetahui keluhan yang diderita pasien, dokter melakukan diagnosa penyakit yang dialami pasien dan memberikan solusi Adapun proses dari mendiagnosa penyakit kanker mulut rahim digambarkan dengan FOD (Flow of Document) yang ditunjukkan pada Gambar III.1. Pasien Admin Dokter Mulai Mengisi Data Pasien Data Pasien Menerima Data Pasien Menanyakan Keluhan Pasien Melakukan Diagnosa Penyakit dan Memberi Solusi Data Hasil Diagnosa dan Solusi Data Hasil Diagnosa dan Solusi Selesai Gambar III.1. Flow Of Document (FOD)

38 III.1.3. Analisa Output Output yang dihasilkan dari sistem ini adalah berupa informasi apakah seseorang terkena penyakit kanker mulut rahim atau tidak. Adapun contoh dokumen output ditunjukkan pada Gambar III.2. Gambar III.2. Output Diagnosa Penyakit Kanker Mulut Rahim (Sumber: Rumah Sakit Siti Hajar Medan)

39 III.2. Evaluasi Sistem Yang Berjalan Berdasarkan analisa terhadap input, proses dan output pada sistem pakar diagnosa penyakit kanker mulut rahim yang sedang berjalan, penulis menemukan beberapa kelemahan antara lain : 1. Waktu yang dibutuhkan untuk melakukan konsultasi relatif tidak efektif karena pada umumnya pasien yang akan melakukan konsultasi harus membuat janji dan mengantri untuk bertemu dengan pakar (dokter). 2. Biaya yang dikeluarkan relatif tidak murah. 3. Tidak ada database untuk menyimpan data pasien. Untuk menangani kelemahan-kelemahan sistem yang ada, salah satu solusi yang ditawarkan adalah dengan merancang sistem pakar untuk mendiagnosa penyakit kanker mulut rahim menggunakan bahasa pemrograman Visual Basic 2010 dan database SQL Server 2008 R2. Metode sistem pakar yang digunakan yaitu membandingkan penggunaan metode Dempster Shafer dengan metode Certainty Factor dalam mendiagnosa penyakit kanker mulut rahim. III.3. Representasi Pengetahuan Representasi pengetahuan merupakan metode yang digunakan untuk mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan (knowledge base). Basis pengetahuan mengandung pengetahuan untuk pemahaman dan merupakan inti dari sistem pakar, yaitu berupa representasi pengetahuan dari pakar yang tersusun atas dua elemen dasar yaitu, fakta dan aturan, dan mesin inferensi untuk mendiagnosa penyakit kanker mulut rahim.

40 Basis pengetahuan di dalam sistem pakar ini akan digunakan untuk menentukan proses pencarian atau menentukan kesimpulan yang diperoleh dari hasil analisis. Hasil yang diperoleh setelah pengguna melakukan interaksi dengan sistem pakar yaitu dengan menjawab pertanyaan yang diajukan oleh sistem pakar. Basis pengetahuan yang di gunakan didalam sistem pakar ini terdiri dari nama penyakit serta gejala-gejala yang diderita oleh pasien. Nilai keyakinan terhadap gejala-gejala penyakit kanker mulut rahim ditunjukkan pada tabel III.1. Tabel III.1. Tabel Nilai Keyakinan Gejala Kanker Mulut Rahim Gejala ID Gejala DS/CF Nilai 01 G0 Keputihan 0.8 02 G0 Peningkatan frekuensi urin 0.8 03 G0 Kesulitan dalam buang air kecil 0.7 04 G0 Nyeri selama hubungan seksual 0.6 05 G0 Gangguan pencernaan 0.7 06 G0 Kehilangan nafsu makan 0.6

41 07 G0 Nyeri panggul 0.6 08 G0 Kelelahan 0.6 09 G0 Pendarahan pada vagina 0.8 10 G0 Nyeri di sekitar pinggul 0.7 11 G0 Pendarahan setelah monopause 0.8 G0 Keputihan yang abnormal (diluar 0.8 12 biasanya) 13 G0 Pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya 0.7 14 G0 Sakit punggung 0.8 15 G0 Nyeri tulang atau patah tulang 0.8 16 G0 Keluarnya urin atau feses dari vagina 0.8 17 G0 Nyeri pada kaki 0.7 G0 Kaki bengkak 0.7

42 18 19 G0 Menurunnya berat badan 0.6 Adapun jenis stadium penyakit kanker mulut rahim ditunjukkan pada tabel III.2. Tabel III.2. Tabel Penyakit Kanker Mulut Rahim Id Nama Penyakit Penyakit P001 Kanker Mulut Rahim Stadium Awal P002 Kanker Mulut Rahim Stadium Sedang P003 Kanker Mulut Rahim Stadium Lanjut Tabel keputusan untuk gejala-gejala penyakit kanker mulut rahim dapat dilihat pada Tabel III.3. Tabel III.3. Tabel Keputusan Untuk Penyakit Kanker Mulut Rahim Gejala ID Gejala yakit Pen G001 Keputihan Kan G002 Peningkatan frekuensi urin ker Mulut

43 G003 Kesulitan dalam buang air kecil Rahim G004 G005 G006 G007 G008 G009 Nyeri selama hubungan seksual Gangguan pencernaan Kehilangan nafsu makan Nyeri panggul Kelelahan Pendarahan pada vagina Stadium Awal G004 Nyeri selama hubungan seksual G010 Nyeri di sekitar pinggul G011 Pendarahan setelah monopause G012 Keputihan yang abnormal (diluar biasanya) Pendarahan menstruasi yang lebih G013 panjang dan lebih berat dari biasanya Kan ker Mulut Rahim Stadium Sedang G014 G015 G008 G016 G017 G006 G007 G018 Sakit punggung Nyeri tulang atau patah tulang Kelelahan Keluarnya urin atau feses dari vagina Nyeri pada kaki Kehilangan nafsu makan Nyeri panggul Kaki bengkak Kan ker Mulut Rahim Stadium Lanjut

44 G019 Menurunnya berat badan tabel III.4. Adapun solusi pengobatan penyakit kanker mulut rahim ditunjukkan pada Tabel III.4. Solusi Pengobatan Penyakit Kanker Mulut Rahim Penyakit Solusi Pengobatan Mengkonsumsi Jus Amazon Plus, Kanker Mulut Rahim Stadium Awal yang berkomposisi Acai Berry, Blueberry, Zaitun, Delima Merah, Manggis, dan Tomat. Kanker Mulut Rahim Stadium Sedang Kanker Mulut Rahim Stadium Lanjut Operasi pengangkatan sebagian atau seluruh organ rahim, radioterapi, atau kombinasi keduanya. Radioterapi atau kemoterapi, dan kadang operasi juga perlu dilakukan. Metode representasi pengetahuan yang digunakan dalam sistem ini adalah representasi logika. Sehingga representasi pengetahuan untuk mendiagnosa penyakit kanker mulut rahim memiliki rule base sebagai berikut : 1. IF Keputihan (0.8) AND Peningkatan frekuensi urin (0.8) AND Kesulitan dalam buang air kecil (0.7) AND Nyeri selama hubungan seksual (0.6)

45 AND Gangguan pencernaan (0.7) AND Kehilangan nafsu makan(0.6) AND Nyeri panggul(0.6) AND Kelelahan(0.6) THEN Kanker mulut rahim stadium awal (P001) 2. IF Pendarahan pada vagina (0.8) AND Nyeri selama hubungan seksual (0.6) AND Nyeri di sekitar pinggul (0.7) AND Pendarahan setelah monopause (0.8) AND Keputihan yang abnormal (diluar biasanya) (0.8) AND Pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya (0.7) THEN Kanker mulut rahim stadium sedang (P002) 3. IF Sakit punggung (0.8) AND Nyeri tulang atau patah tulang (0.8) AND Kelelahan (0.6) AND Keluarnya urin atau feses dari vagina (0.8) AND Nyeri pada kaki (0.7) AND Kehilangan nafsu makan (0.6) AND Nyeri panggul (0.6) AND Kaki bengkak (0.7)

46 AND Menurunnya berat badan (0.6) THEN Kanker mulut rahim stadium lanjut (P003) Pohon keputusan digunakan sebagai alat pendukung keputusan untuk mengklasifikasikan penyakit kanker mulut rahim berdasarkan serangkaian pertanyaan mengenai gejala-gejala kanker mulut rahim yang dialami pasien. Adapun pohon keputusan dalam mendiagnosa penyakit kanker mulut rahim ditunjukkan pada Gambar III.3. G001 Y T G008 Y Y G003 T G002 T G003 G004 G004 G004 Y T Y T Y T G005 G005 G005 G005 Y T Y T Y T Y T G006 G006 Y T Y T G007 G008 G007 Y T G006 G006 G006 Y T Y T Y T G007 G007 G007 G007 Y T Y T Y T Y T Y T Y T G008 G008 G008 G008 G008 Y T Y T Y T Y T Y T Y T Y T P001 G010 Y T G004 Y T G010 Y T G011 G011 G011 Y T Y T Y T G012 G012 G012 G012 Y T Y T Y T Y T G013 G013 G013 G013 G013 T Y T Y T Y T Y T P002 Y G019 Y G018 G009 G007 T Y G014 T G015 G015 Y T Y T G008 G008 G008 Y T Y T Y T G016 G016 G016 G016 Y T Y T Y T Y T G017 G017 Y T Y T G006 G007 G006 G017 G017 G017 Y T Y T Y T G006 G006 G006 G006 Y T Y T Y T Y T Y T Y T G007 G007 G007 G007 G007 Y T Y T Y T Y T Y T Y T Y T T G019 Y T Y T G018 G018 G018 G018 G018 G018 G018 Y T Y T Y T Y T Y T Y T Y T G019 G019 G019 G019 G019 G019 G019 Y Y Y Y T T T T Y T Y T Y T P003 Gambar III.3. Pohon Keputusan

47 III.4. Penerapan Metode Disini akan dijelaskan penerapan dari metode yang digunakan dalam sistem pakar mendiagnosa penyakit kanker mulut rahim yang akan dibangun, yaitu metode Dempster Shafer dengan metode Certainty Factor. III.4.1. Penerapan Metode Dempster Shafer Secara umum teori Dempster-Shafer ditulis dalam suatu interval : [Belief,Plausibility]. Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian. Dimana nilai bel yaitu (0-0.9). Plausibility (Pls) akan mengurangi tingkat kepastian dari evidence. Plausibility bernilai 0 sampai 1. Jika yakin akan X, maka dapat dikatakan bahwa Bel(X ) = 1, sehingga rumus di atas nilai dari Pls(X) = 0. Fungsi Belief dapat diformulasikan dan ditunjukkan pada persamaan (1) : Dan Plausibility dinotasikan pada persamaan (2) : Dimana : Bel (X) Pls (X) m (X) m (Y) = Belief (X) = Plausibility (X) = mass function dari (X) = mass function dari (Y)

48 Teori Dempster-Shafer menyatakan adanya frame of discrement yang dinotasikan dengan simbol (θ). Frame of discrement merupakan semesta pembicaraan dari sekumpulan hipotesis. Mass function (m) dalam teori Dempster-shafer adalah tingkat kepercayaan dari suatu evidence (gejala), sering disebut dengan evidence measure sehingga dinotasikan dengan (m). Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya. Sehingga jika θ berisi n elemen, maka subset θ adalah 2n. Jumlah semua m dalam subset θ sama dengan 1. Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai : m{θ} = 1,0 Apabila diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m1 dan m2 sebagai m3, yaitu ditunjukkan pada persamaan (3) : Dimana : m3(z) m 1 (X) = mass function dari evidence (Z) = mass function dari evidence (X), yang diperoleh dari nilai keyakinan suatu evidence dikalikan dengan nilai disbelief dari evidence tersebut.

49 m 2 (Y) = mass function dari evidence (Y), yang diperoleh dari nilai keyakinan suatu evidence dikalikan dengan nilai disbelief dari evidence tersebut. = merupakan nilai kekuatan dari evidence Z yang diperoleh dari kombinasi nilai keyakinan sekumpulan evidence. Adapun gambaran alur sistem (flowchart) dari penerapan metode dempster shafer dalam mendiagnosa penyakit kanker mulut rahim dapat dilihat pada gambar III.4.

50 Start Input nilai belief dari gejala Bel (X) = m (Y) Hitung nilai plausibility Pls (X) = 1 Bel (X) = 1 - m (X) Menghitung tingkat keyakinan (m) combine Hasil diagnosa kenker mulut rahim metode dempster shafer End Gambar III.4. Flowchart Metode Dempster Shafer Contoh Kasus : Contoh 1: Berikut contoh kasus penerapan metode dempster shafer dalam mendiagnosa penyakit kanker mulut rahim stadium awal (P001). Kaidah-kaidah produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium awal adalah sebagai berikut :

51 IF Keputihan AND Peningkatan frekuensi urin AND Kesulitan dalam buang air kecil AND Nyeri selama hubungan seksual AND Gangguan pencernaan AND Kehilangan nafsu makan AND Nyeri panggul AND Kelelahan THEN Kanker Mulut Rahim Stadium Awal 1. Gejala-1 : Keputihan Langkah pertama hitung nilai dari belief dan plausibility dari gejala keputihan (G1), dengan rumus (1) dan (2) : m 1 (G1) = 0.8 m 1 {θ} = 1 m 1 (G1) = 1 0.8 = 0.2 2. Gejala-2 : Peningkatan frekuensi urin Apabila diketahui adanya gejala baru, yaitu peningkatan frekuensi urin (G2), dengan mengacu pada rumus (1) dan (2), maka nilai keyakinannya : m 2 (G2) = 0.8 m 2 {θ} = 1 m 2 (G2) = 1 0.8 = 0.2

52 Tabel III.5. Ilustrasi Nilai Keyakinan Terhadap 2 Gejala m 2 (G2) = m 2 {θ} = 0.2 m 1 (G1) = 0.8 0.64 0.16 0.8 m 1 {θ} = 0.2-0.04 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 3. Gejala-3 : Kesulitan dalam buang air kecil Kemudian apabila diketahui adanya gejala baru, yaitu kesulitan dalam buang air kecil (G3), dengan rumus (1) dan (2) : m 4 (G3) = 0.7 m 4 {θ} = 1 m 4 (G3) = 1 0.7 = 0.3

53 Tabel III.6. Ilustrasi Nilai Keyakinan Terhadap 3 Gejala m 4 (G3) = m 4 {θ} = 0.3 m 3 = 0.8 0.56 0.24 0.7 m 3 {θ} = - 0.012 0.04 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 4. Gejala-4 : Nyeri selama hubungan seksual Kemudian apabila diketahui adanya gejala baru, yaitu nyeri selama hubungan seksual (G4), dengan rumus (1) dan (2), maka : m 6 (G4) = 0.6 m 6 {θ} = 1 m 6 (G4) = 1 0.6 = 0.4

54 Tabel III.7. Ilustrasi Nilai Keyakinan Terhadap 4 Gejala m 6 (G4) = m 6 {θ} = 0.4 m 5 = 0.8 0.48 0.32 0.6 m 5 {θ} = - 0.005 0.012 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 5. Gejala-5 : Gangguan pencernaan Kemudian apabila diketahui adanya gejala baru, yaitu gangguan pencernaan (G5), dengan rumus (1) dan (2), maka : m 8 (G5) = 0.7 m 8 {θ} = 1 m 8 (G5) = 1 0.7 = 0.3

55 Tabel III.8. Ilustrasi Nilai Keyakinan Terhadap 5 Gejala m 8 (G5) = m 8 {θ} = 0.3 m 7 = 0.8 0.56 0.24 0.7 m 7 {θ} = - 0.0015 0.005 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 6. Gejala-6 : Kehilangan nafsu makan Kemudian apabila diketahui adanya gejala baru, yaitu kehilangan nafsu makan (G6), dengan rumus (1) dan (2), maka : m 10 (G6) = 0.6 m 10 {θ} = 1 m 10 (G6) = 1 0.6 = 0.4

56 Tabel III.9. Ilustrasi Nilai Keyakinan Terhadap 6 Gejala m 10 (G6) = m 10 {θ} = 0.4 m 9 = 0.8 0.48 0.32 0.6 m 9 {θ} = - 0.0006 0.0015 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 7. Gejala-7 : Nyeri panggul Kemudian apabila diketahui adanya gejala baru, yaitu nyeri panggul (G7), dengan rumus (1) dan (2), maka : m 12 (G7) = 0.6 m 12 {θ} = 1 m 12 (G7) = 1 0.6 = 0.4

57 Tabel III.10. Ilustrasi Nilai Keyakinan Terhadap 7 Gejala m 12 (G7) = m 12 {θ} = 0.4 m 11 = 0.8 0.48 0.32 0.6 m 11 {θ} = - 0.0002 0.0006 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 8. Gejala-8 : Kelelahan Kemudian apabila diketahui adanya gejala baru, yaitu kelelahan (G8), dengan rumus (2) dan (2), maka : m 14 (G8) = 0.6 m 14 {θ} = 1 m 14 (G8) = 1 0.6 = 0.4

58 Tabel III.11. Ilustrasi Nilai Keyakinan Terhadap 8 Gejala m 14 (G8) = m 14 {θ} = 0.4 m 13 = 0.8 0.48 0.32 0.6 m 13 {θ} = - 0.00008 0.0002 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : Nilai Akhir = (m 15 + m 15 {θ}) * 100% = (0.8 + 0.00008) * 100% = 0.80008 * 100 % = 80.01 % Contoh 2: Berikut contoh kasus penerapan metode dempster shafer dalam mendiagnosa penyakit kanker mulut rahim stadium sedang (P002). Kaidah-kaidah

59 produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium sedang adalah sebagai berikut : IF Pendarahan pada vagina AND Nyeri selama hubungan seksual AND Nyeri di sekitar pinggul AND Pendarahan setelah monopause AND Keputihan yang abnormal (diluar biasanya) AND Pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya THEN Kanker Mulut Rahim Stadium Sedang 1. Gejala-1 : Pendarahan pada vagina Langkah pertama hitung nilai dari belief dan plausibility dari gejala pendarahan pada vagina (G1), dengan rumus (1) dan (2) : m 1 (G1) = 0.8 m 1 {θ} = 1 m 1 (G1) = 1 0.8 = 0.2 2. Gejala-2 : Nyeri selama hubungan seksual Apabila diketahui adanya gejala baru, yaitu nyeri selama hubungan seksual (G2), dengan mengacu pada rumus (1) dan (2), maka nilai keyakinannya : m 2 (G2) = 0.6 m 2 {θ} = 1 m 2 (G2)

60 = 1 0.6 = 0.4 Tabel III.12. Ilustrasi Nilai Keyakinan Terhadap 2 Gejala m 2 (G2) = m 2 {θ} = 0.4 m 1 (G1) = 0.8 0.48 0.32 0.6 m 1 {θ} = 0.2-0.08 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 3. Gejala-3 : Nyeri disekitar pinggul Kemudian apabila diketahui adanya gejala baru, yaitu nyeri disekitar pinggul (G3), dengan rumus (1) dan (2) : m 4 (G3) = 0.7 m 4 {θ} = 1 m 4 (G3) = 1 0.7 = 0.3

61 Tabel III.13. Ilustrasi Nilai Keyakinan Terhadap 3 Gejala m 4 (G3) = m 4 {θ} = 0.3 m 3 = 0.8 0.56 0.24 0.7 m 3 {θ} = - 0.024 0.08 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 4. Gejala-4 : Pendarahan setelah monopause Kemudian apabila diketahui adanya gejala baru, yaitu pendarahan setelah monopause (G4), dengan rumus (1) dan (2), maka : m 6 (G4) = 0.8 m 6 {θ} = 1 m 6 (G4) = 1 0.8 = 0.2

62 Tabel III.14. Ilustrasi Nilai Keyakinan Terhadap 4 Gejala m 6 (G4) = m 6 {θ} = 0.2 m 5 = 0.8 0.64 0.16 0.8 m 5 {θ} = - 0.004 0.024 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 5. Gejala-5 : Keputihan yang abnormal (diluar biasanya) Kemudian apabila diketahui adanya gejala baru, yaitu keputihan yang abnormal (diluar biasanya) (G5), dengan rumus (1) dan (2), maka : m 8 (G5) = 0.8 m 8 {θ} = 1 m 8 (G5) = 1 0.8 = 0.2

63 Tabel III.15. Ilustrasi Nilai Keyakinan Terhadap 5 Gejala m 8 (G5) = m 8 {θ} = 0.2 m 7 = 0.8 0.64 0.16 0.8 m 7 {θ} = - 0.0008 0.004 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 6. Gejala-6 : Pendarahan menstruasi lebih panjang dan lebih berat dari biasanya. Kemudian apabila diketahui adanya gejala baru, yaitu pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya (G6), dengan rumus (1) dan (2), maka : m 10 (G6) = 0.7 m 10 {θ} = 1 m 10 (G6) = 1 0.7 = 0.3

64 Tabel III.16. Ilustrasi Nilai Keyakinan Terhadap 6 Gejala m 10 (G6) = m 10 {θ} = 0.3 m 9 = 0.8 0.56 0.24 0.7 m 9 {θ} = - 0.0002 0.0008 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : Nilai Akhir = (m 11 + m 11 {θ}) * 100% = (0.8 + 0.0002) * 100% = 0.8002 * 100 % = 80.02 % Contoh 3: Berikut contoh kasus penerapan metode dempster shafer dalam mendiagnosa penyakit kanker mulut rahim stadium lanjut (P003). Kaidah-kaidah

65 produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium lanjut adalah sebagai berikut : IF Sakit punggung AND Nyeri tulang atau patah tulang AND Kelelahan AND Keluarnya urin atau feses dari vagina AND Nyeri pada kaki AND Kehilangan nafsu makan AND Nyeri panggul AND Kaki bengkak AND Menurunnya berat badan THEN Kanker Mulut Rahim Stadium Lanjut 1. Gejala-1 : Sakit punggung Langkah pertama hitung nilai dari belief dan plausibility dari gejala sakit punggung (G1), dengan rumus (1) dan (2) : m 1 (G1) = 0.8 m 1 {θ} = 1 m 1 (G1) = 1 0.8 = 0.2 2. Gejala-2 : Nyeri tulang atau patah tulang Apabila diketahui adanya gejala baru, yaitu nyeri tulang atau patah tulang (G2), dengan mengacu pada rumus (1) dan (2), maka nilai keyakinannya :

66 m 2 (G2) = 0.8 m 2 {θ} = 1 m 2 (G2) = 1 0.8 = 0.2 Tabel III.17. Ilustrasi Nilai Keyakinan Terhadap 2 Gejala m 2 (G2) = m 2 {θ} = 0.2 m 1 (G1) = 0.8 0.64 0.16 0.8 m 1 {θ} = 0.2-0.04 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 3. Gejala-3 : Kelelahan Kemudian apabila diketahui adanya gejala baru, yaitu kelelahan (G3), dengan rumus (1) dan (2) : m 4 (G3) = 0.6 m 4 {θ} = 1 m 4 (G3) = 1 0.6 = 0.4

67 Tabel III.18. Ilustrasi Nilai Keyakinan Terhadap 3 Gejala m 4 (G3) = m 4 {θ} = 0.4 m 3 = 0.8 0.48 0.32 0.6 m 3 {θ} = - 0.016 0.04 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 4. Gejala-4 : Keluarnya urin atau feses dari vagina Kemudian apabila diketahui adanya gejala baru, yaitu keluarnya urin atau feses dari vagina (G4), dengan rumus (1) dan (2), maka : m 6 (G4) = 0.8 m 6 {θ} = 1 m 6 (G4) = 1 0.8 = 0.2

68 Tabel III.19. Ilustrasi Nilai Keyakinan Terhadap 4 Gejala m 6 (G4) = m 6 {θ} = 0.2 m 5 = 0.8 0.64 0.16 0.8 m 5 {θ} = - 0.0032 0.016 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 5. Gejala-5 : Nyeri pada kaki Kemudian apabila diketahui adanya gejala baru, yaitu nyeri pada kaki (G5), dengan rumus (1) dan (2), maka : m 8 (G5) = 0.7 m 8 {θ} = 1 m 8 (G5) = 1 0.7 = 0.3

69 Tabel III.20. Ilustrasi Nilai Keyakinan Terhadap 5 Gejala m 8 (G5) = m 8 {θ} = 0.3 m 7 = 0.8 0.56 0.24 0.7 m 7 {θ} = - 0.00096 0.0032 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 6. Gejala-6 : Kehilangan nafsu makan Kemudian apabila diketahui adanya gejala baru, yaitu kehilangan nafsu makan (G6), dengan rumus (1) dan (2), maka : m 10 (G6) = 0.6 m 10 {θ} = 1 m 10 (G6) = 1 0.6 = 0.4

70 Tabel III.21. Ilustrasi Nilai Keyakinan Terhadap 6 Gejala m 10 (G6) = m 10 {θ} = 0.4 m 9 = 0.8 0.48 0.32 0.6 m 9 {θ} = - 0.0004 0.00096 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 7. Gejala-7 : Nyeri panggul Kemudian apabila diketahui adanya gejala baru, yaitu nyeri panggul (G7), dengan rumus (1) dan (2), maka : m 12 (G7) = 0.6 m 12 {θ} = 1 m 12 (G7) = 1 0.6 = 0.4

71 Tabel III.22. Ilustrasi Nilai Keyakinan Terhadap 7 Gejala m 12 (G7) = m 12 {θ} = 0.4 m 11 = 0.8 0.48 0.32 0.6 m 11 {θ} = - 0.0002 0.0004 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 8. Gejala-8 : Kaki bengkak Kemudian apabila diketahui adanya gejala baru, yaitu kaki bengkak (G8), dengan rumus (1) dan (2), maka : m 14 (G8) = 0.7 m 14 {θ} = 1 m 14 (G8) = 1 0.7 = 0.3

72 Tabel III.23. Ilustrasi Nilai Keyakinan Terhadap 8 Gejala m 14 (G8) = m 14 {θ} = 0.3 m 13 = 0.8 0.56 0.24 0.7 m 13 {θ} = - 0.00006 0.0002 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : 9. Gejala-9 : Menurunya berat badan Kemudian apabila diketahui adanya gejala baru, yaitu menurunya berat badan (G9), dengan rumus (1) dan (2), maka : m 16 (G9) = 0.6 m 16 {θ} = 1 m 16 (G9) = 1 0.6 = 0.4

73 Tabel III.24. Ilustrasi Nilai Keyakinan Terhadap 9 Gejala m 16 (G9) = m 16 {θ} = 0.4 m 15 = 0.8 0.48 0.32 0.6 m 15 {θ} = - 0.00002 0.00006 Selanjutnya menghitung tingkat keyakinan (m) combine dengan rumus (3), maka : Nilai Akhir = (m 17 + m 17 {θ}) * 100% = (0.8 + 0.00002) * 100% = 0.80002 * 100 % = 80.00 % III.4.2. Penerapan Metode Certainty Factor Faktor kepastian (certainty factor) menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesa) berdasar bukti atau penilaian pakar. Certainty factor

74 menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data. Adapun langkah-langkah proses perhitungan metode certainty factor sebagai berikut : CF combine CF[H,E] 1,2 = CF [H,E] 1 + CF[H,E] 2 * [1-CF[H,E] 1 ] CF combine CF[H,E] old, 3 = CF[H,E] old + CF[H,E] 3 * [1-CF[H,E] old ]...(4)...(5) Adapun gambaran alur sistem (flowchart) dari penerapan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim dapat dilihat pada gambar III.5 Start Menentukan nilai CF untuk masingmasing gejala Mengkombinasikan nilai CF dari masing-masing kaidah CF combine CF[H,E] 1,2 = CF [H,E] 1 + CF[H,E] 2 * [1- CF[H,E] 1 ] Hasil diagnosa kanker mulut rahim metode Certainty factor End Gambar III.5. Flowchart Metode Certainty Factor

75 Contoh Kasus : Contoh 1: Berikut contoh kasus penerapan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim stadium awal (P001). Kaidah-kaidah produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium awal adalah sebagai berikut : IF Keputihan AND Peningkatan frekuensi urin AND Kesulitan dalam buang air kecil AND Nyeri selama hubungan seksual AND Gangguan pencernaan AND Kehilangan nafsu makan AND Nyeri panggul AND Kelelahan THEN Kanker Mulut Rahim Stadium Awal Langkah pertama yaitu menentukan nilai CF untuk masing-masing gejala sebagai berikut : CF[H,E] 1 (Keputihan) = 0.8 CF[H,E] 2 (Peningkatan frekuensi urin) = 0.8 CF[H,E] 3 (Kesulitan dalam buang air kecil) = 0.7 CF[H,E] 4 (Nyeri selama hubungan seksual) = 0.6 CF[H,E] 5 (Gangguan pencernaan) = 0.7 CF[H,E] 6 (Kehilangan nafsu makan) = 0.6

76 CF[H,E] 7 (Nyeri panggul) = 0.6 CF[H,E] 8 (Kelelahan) = 0.6 Langkah senjutnya adalah mengkombinasikan nilai CF dari masingmasing kaidah. Berikut adalah kombinasi CF[H,E] 1 dengan CF[H,E] 2 : CF combine CF[H,E] 1,2 = CF[H,E] 1 + CF[H,E] 2 * (1-CF[H,E] 1 ) = 0.8 + 0.8 * (1 0.8) = 0.8 + 0.16 = 0.96 old CF combine CF[H,E] old,3 = CF[H,E] old + CF[H,E] 3 * (1-CF[H,E] old ) = 0.96 + 0.7 * (1 0.96) = 0.96 + 0.02 = 0.98 old2 CF combine CF[H,E] old2,4 = CF[H,E] old2 + CF[H,E] 4 * (1-CF[H,E] old2 ) = 0.98 + 0.6 * (1 0.98) = 0.98 + 0.01 = 0.99 old3 CF combine CF[H,E] old3,5 = CF[H,E] old3 + CF[H,E] 5 * (1-CF[H,E] old3 ) = 0.99 + 0.7 * (1 0.99) = 0.99 + 0.007 = 0.997 old4 CF combine CF[H,E] old4,6 = CF[H,E] old4 + CF[H,E] 6 * (1-CF[H,E] old4 ) = 0.997 + 0.6 * (1 0.997)

77 = 0.997 + 0.0018 = 0.9988 old5 CF combine CF[H,E] old5,7 = CF[H,E] old5 + CF[H,E] 7 * (1-CF[H,E] old5 ) = 0.9988 + 0.6 * (1 0.9988) = 0.9988 + 0.0007 = 0.9995 old6 CF combine CF[H,E] old6,8 = CF[H,E] old6 + CF[H,E] 8 * (1-CF[H,E] old6 ) = 0.9995 + 0.6 * (1 0.9995) = 0.9995 + 0.0003 = 0.9998 old7 CF[H,E] old7 * 100 % = 0.9998 * 100% = 99.98 % Contoh 2 : Berikut contoh kasus penerapan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim stadium sedang (P002). Kaidah-kaidah produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium sedang adalah sebagai berikut : IF Pendarahan pada vagina AND Nyeri selama hubungan seksual AND Nyeri di sekitar pinggul AND Pendarahan setelah monopause AND Keputihan yang abnormal (diluar biasanya)

78 AND Pendarahan menstruasi yang lebih panjang dan lebih berat dari biasanya THEN Kanker Mulut Rahim Stadium Sedang Langkah pertama yaitu menentukan nilai CF untuk masing-masing gejala sebagai berikut : CF[H,E] 1 (Pendarahan pada vagina) = 0.8 CF[H,E] 2 (Nyeri selama hubungan seksual) = 0.6 CF[H,E] 3 (Nyeri di sekitar pinggul) = 0.7 CF[H,E] 4 (Pendarahan setelah monopause) = 0.8 CF[H,E] 5 (Keputihan yang abnormal (diluar biasanya) = 0.8 CF[H,E] 6 (Pendarahan menstruasi lebih panjang & lebih berat dari biasanya) = 0.7 Langkah senjutnya adalah mengkombinasikan nilai CF dari masingmasing kaidah. Berikut adalah kombinasi CF[H,E] 1 dengan CF[H,E] 2 : CF combine CF[H,E] 1,2 = CF[H,E] 1 + CF[H,E] 2 * (1-CF[H,E] 1 ) = 0.8 + 0.6 * (1 0.8) = 0.8 + 0.12 = 0.92 old CF combine CF[H,E] old,3 = CF[H,E] old + CF[H,E] 3 * (1-CF[H,E] old ) = 0.92 + 0.7 * (1 0.92) = 0.92 + 0.05 = 0.97 old2 CF combine CF[H,E] old2,4 = CF[H,E] old2 + CF[H,E] 4 * (1-CF[H,E] old2 )

79 = 0.97 + 0.8 * (1 0.97) = 0.97 + 0.02 = 0.99 old3 CF combine CF[H,E] old3,5 = CF[H,E] old3 + CF[H,E] 5 * (1-CF[H,E] old3 ) = 0.99 + 0.8 * (1 0.99) = 0.99 + 0.008 = 0.998 old4 CF combine CF[H,E] old4,6 = CF[H,E] old4 + CF[H,E] 6 * (1-CF[H,E] old4 ) = 0.998 + 0.7 * (1 0.998) = 0.998 + 0.001 = 0.999 old5 CF[H,E] old5 * 100 % = 0.999 * 100% = 99.90 % Contoh 3: Berikut contoh kasus penerapan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim stadium lanjut (P003). Kaidah-kaidah produksi atau rule yang berkaitan dengan penyakit kanker mulut rahim stadium lanjut adalah sebagai berikut : IF Sakit punggung AND Nyeri tulang atau patah tulang AND Kelelahan AND Keluarnya urin atau feses dari vagina

80 AND Nyeri pada kaki AND Kehilangan nafsu makan AND Nyeri panggul AND Kaki bengkak AND Menurunnya berat badan THEN Kanker Mulut Rahim Stadium Lanjut Langkah pertama yaitu menentukan nilai CF untuk masing-masing gejala sebagai berikut : CF[H,E] 1 (Sakit punggug) = 0.8 CF[H,E] 2 (Nyeri tulang atau patah tulang) = 0.8 CF[H,E] 3 (Kelelahan) = 0.6 CF[H,E] 4 (Keluarnya urin atau feses dari vagina) = 0.8 CF[H,E] 5 (Nyeri pada kaki) = 0.7 CF[H,E] 6 (Kehilangan nafsu makan) = 0.6 CF[H,E] 7 (Nyeri panggul) = 0.6 CF[H,E] 8 (Kaki bengkak) = 0.7 CF[H,E] 9 (Menurunya berat badan) = 0.6 Langkah senjutnya adalah mengkombinasikan nilai CF dari masingmasing kaidah. Berikut adalah kombinasi CF[H,E] 1 dengan CF[H,E] 2 : CF combine CF[H,E] 1,2 = CF[H,E] 1 + CF[H,E] 2 * (1-CF[H,E] 1 ) = 0.8 + 0.8 * (1 0.8)

81 = 0.8 + 0.16 = 0.96 old CF combine CF[H,E] old,3 = CF[H,E] old + CF[H,E] 3 * (1-CF[H,E] old ) = 0.96 + 0.6 * (1 0.96) = 0.96 + 0.02 = 0.98 old2 CF combine CF[H,E] old2,4 = CF[H,E] old2 + CF[H,E] 4 * (1-CF[H,E] old2 ) = 0.98 + 0.8 * (1 0.98) = 0.98 + 0.01 = 0.99 old3 CF combine CF[H,E] old3,5 = CF[H,E] old3 + CF[H,E] 5 * (1-CF[H,E] old3 ) = 0.99 + 0.7 * (1 0.99) = 0.99 + 0.007 = 0.997 old4 CF combine CF[H,E] old4,6 = CF[H,E] old4 + CF[H,E] 6 * (1-CF[H,E] old4 ) = 0.997 + 0.6 * (1 0.997) = 0.997 + 0.0018 = 0.9988 old5 CF combine CF[H,E] old5,7 = CF[H,E] old5 + CF[H,E] 7 * (1-CF[H,E] old5 ) = 0.9988 + 0.6 * (1 0.9988) = 0.9988 + 0.0007 = 0.9995 old6

82 CF combine CF[H,E] old6,8 = CF[H,E] old6 + CF[H,E] 8 * (1-CF[H,E] old6 ) = 0.9995 + 0.7 * (1 0.9995) = 0.9995 + 0.0003 = 0.9998 old7 CF combine CF[H,E] old7,9 = CF[H,E] old7 + CF[H,E] 9 * (1-CF[H,E] old7 ) = 0.9998 + 0.6 * (1 0.9998) = 0.9998 + 0.0001 = 0.9999 old8 CF[H,E] old8 * 100 % = 0.9999 * 100% = 99.99 % Tabel III.25. Hasil Perbandingan Kode Penyakit Dempster Shafer Certainty Factor P001 80.01 % 99.98 % P002 80.02 % 99.90 % P003 80.00 % 99.99 % Dari hasil penerapan metode dempster shafer dan metode certainty factor dalam mendiagnosa penyakit kanker mulut rahim dapat dilihat bahwa persentase tingkat keyakinan seseorang menderita penyakit kanker mulut rahim dengan menggunakan metode certainty factor lebih besar daripada persentase tingkat keyakinan dengan metode dempster shafer.

83 III.5. Desain Sistem Perancangan desain sistem yang akan dibangun menggunakan pemodelan Unified Modelling System (UML). Diagram-diagram yang digunakan yaitu use case diagram, class diagram, activity diagram dan Sequence diagram. III.5.1. Use Case Diagram Use case diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. Yang ditekankan adalah apa yang diperbuat sistem, dan bukan bagaimana. Sebuah use case merepresentasikan sebuah interaksi antara aktor dengan sistem. Use case merupakan sebuah pekerjaan tertentu, misalnya login ke sistem, mengelola data pasien, dan sebagainya. Seorang/sebuah aktor adalah sebuah entitas manusia atau mesin yang berinteraksi dengan sistem untuk melakukan pekerjaan-pekerjaan tertentu. Bentuk use case diagram yang penulis rancang dapat dilihat pada gambar III.6.

84 Membandingkan Metode Dempster Shafer Dengan Metode Certainty Factor Dalam Sistem Pakar Mendiagnosa Penyakit Kanker Mulut Rahim (Studi Kasus : Rumah Sakit Siti Hajar Medan) Login Melakukan Diagnosa/ Konsultasi <<include>> Mengelola Data Pasien Mengelola Data Penyakit Admin Pengguna Hasil Diagnosa <<extend>> <<include>> <<include>> Cetak Laporan Hasil Diagnosa Melakukan Setting Rule <<include>> Mengelola Data Gejala Pakar Mengubah Password Logout Gambar III.6. Use Case Diagram Sistem Pakar Mendiagnosa Penyakit Kanker Mulut Rahim III.5.2. Class Diagram Class diagram digunakan untuk menggambarkan perbedaan yang mendasar antara class-class, hubungan antar-class, di mana sub-sistem class tersebut. Pada class diagram terdapat nama class, attributes, operations, serta association (hubungan antar-class). Bentuk class diagram dari sistem yang akan dibangun dapat dilihat pada gambar III.7.

85 tblgejala -id -namagejala -pertanyaan -cf +simpan +edit +hapus * * tblnilai -idgejala2 -pleusibility +cetak * * -username -password -level +masuk +bersih tbllogin 1 * -idrule -idpenyakit -idgejala -ya -tidak +simpan +edit +hapus tblrule tblpenyakit tblpasien -id -namapenyakit -keterangan -pengobatan +simpan +edit +hapus 1 * -id -namapasien -usia -tanggal -idpenyakit2 +simpan +bersih Gambar III.7. Class Diagram Sistem Pakar Mendiagnosa Penyakit Kanker Mulut Rahim III.5.3. Activity Diagram Activity diagram menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram juga dapat

86 menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi. Bentuk activity diagram yang penulis rancang sebagai berikut : 1. Activity Diagram Login Activity diagram login menggambarkan aktivitas untuk masuk kedalam menu admin/pakar. Bentuk activity diagram login yang penulis rancang dapat dilihat pada gambar III.8. Login Admin/Pakar Admin/Pakar Sistem Pilih Menu Masuk Tampil Form Login Pilih Level Login, Input Username dan Password Cek Validasi Klik Button Login Salah Benar Form Utama Admin/Pakar Gambar III.8. Activity Diagram Login 2. Activity Diagram Data Pasien Activity diagram data pasien menggambarkan aktivitas untuk pengolahan data pasien yang dilakukan oleh admin. Bentuk activity diagram data pasien yang penulis rancang dapat dilihat pada gambar III.9.

87 Data Pasien Admin Sistem Pilih Menu Pasien Tampil Form Data Pasien Klik Kanan Data Pasien Yang akan Dihapus, Pilih Delete Ya Hapus Tidak Hapus Data Pasien Tampil Data Pasien Gambar III.9. Activity Diagram Data Pasien 3. Activity Diagram Data Penyakit Activity diagram data penyakit menggambarkan aktivitas untuk pengolahan data penyakit yang dilakukan oleh admin/pakar. Bentuk activity diagram data penyakit yang penulis rancang dapat dilihat pada gambar III.10.

88 Data Penyakit Admin/Pakar Sistem Pilih Menu Penyakit Tampil Form Penyakit Input Data Penyakit Ya Simpan Tidak Klik Button Save Simpan Data Penyakit Ubah Data Penyakit Ya Edit Tidak Klik Button Update Simpan Perubahan Data Penyakit Double Klik Data yang akan Dihapus, Klik Button Delete Ya Hapus Tidak Hapus Data Penyakit Tampil Data Penyakit Gambar III.10. Activity Diagram Data Penyakit 4. Activity Diagram Data Gejala Activity diagram data gejala menggambarkan aktivitas untuk pengolahan data gejala kanker mulut rahim yang dilakukan oleh admin/pakar. Bentuk activity diagram data gejala yang penulis rancang dapat dilihat pada gambar III.11.

89 Data Gejala Admin/Pakar Sistem Pilih Menu Gejala Tampil Form Gejala Input Data Gejala Ya Simpan Tidak Klik Button Save Simpan Data Gejala Ubah Data Gejala Ya Edit Tidak Klik Button Update Simpan Perubahan Data Gejala Double Klik Data Gejala, Lalu Klik Button Delete Ya Hapus Tidak Hapus Data Gejala Tampil Data Gejala Gambar III.11. Activity Diagram Data Gejala 5. Activity Diagram Setting Rule Activity diagram setting rule menggambarkan aktivitas untuk pengolahan data basis pengetahuan penyakit kanker mulut rahim yang dilakukan oleh admin/pakar. Bentuk activity diagram setting rule yang penulis rancang dapat dilihat pada gambar III.12.

90 Setting Rule Admin/Pakar Sistem Pilih Menu Setting Rule Tampil Form Rule Pilih Nama Penyakit, Gejala, Jawaban Ya dan Tidak Ya Simpan Tidak Klik Button Save Simpan Data Rule Ubah Data Rule Ya Edit Tidak Klik Button Update Simpan Perubahan Data Rule Double klik data rule yang akan Dihapus, Klik Button Delete Ya Hapus Tidak Hapus Data Rule Tampil Data Rule Gambar III.12. Activity Diagram Setting Rule 6. Activity Diagram Ubah Password Activity diagram ubah password menggambarkan aktivitas untuk merubah password yang digunakan untuk login yang dilakukan oleh admin/pakar.

91 Bentuk activity diagram ubah password yang penulis rancang dapat dilihat pada gambar III.13. Ubah Password Admin/Pakar Sistem Pilih Menu Ubah Password Tampil Form Ubah Password Masukkan Password Baru Ya Ubah Tidak Konfirmasi Password Baru Simpan Password Baru Klik Button Update Gambar III.13. Activity Diagram Ubah Password 7. Activity Diagram Log Out Activity diagram log out menggambarkan aktivitas untuk keluar dari menu admin/pakar. Bentuk activity diagram log out yang penulis rancang dapat dilihat pada gambar III.14.

92 Log Out Admin/Pakar Sistem Pilih Menu Keluar Disable Form Admin/Pakar Tampil Form Utama User Gambar III.14. Activity Diagram Log Out 8. Activity Diagram Konsultasi Activity diagram konsultasi menggambarkan aktivitas untuk melakukan proses diagnosa/konsultasi penyakit kanker mulut rahim yang dilakukan oleh pengguna. Adapun bentuk activity diagram konsultasi yang penulis rancang dapat dilihat pada gambar III.15.

93 Konsultasi Pengguna Sistem Buka Aplikasi Tampil Form Utama Pilih Menu Diagnosa/ Konsultasi Tampil Form Input Data Pasien Input Data Pasien Ya Konsultasi Tidak Klik Button Save Tampil Data Pasien Klik Button Lanjut ke Proses Diagnosa Tampil Form Diagnosa Pilih Jawaban untuk Pertanyaan yang Muncul Klik Button Next Tampil Hasil Diagnosa Klik Button Print Ya Cetak Laporan Tidak Tampil Laporan Hasil Diagnosa Gambar III.15. Activity Diagram Konsultasi

94 III.5.4. Sequence Diagram Sequence diagram menggambarkan perilaku pada sebuah skenario, diagram ini menunjukkan sejumlah contoh objek dan message (pesan) yang diletakkan diantara objek-objek ini di dalam use case. Bentuk sequence diagram yang penulis rancang sebagai berikut : 1. Sequence Diagram Login Sequence diagram login menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam melakukan login. Bentuk sequence diagram login yang penulis rancang dapat dilihat pada Gambar III.16. Admin/Pakar Menu Login Menu Utama Proses tbllogin Pilih Level Login, Input Username dan Password Validasi Login Koneksi Database () Username dan Password Salah Username dan Password Benar Gambar III.16. Sequence Diagram Login 2. Sequence Diagram Data Pasien Sequence diagram data pasien menggambarkan interaksi admin dengan aplikasi dan database dalam mengelola data pasien. Bentuk sequence diagram data pasien yang penulis rancang dapat dilihat pada Gambar III.17.

95 Admin Form Data Pasien Proses tblpasien Pilih Menu Pasien Hapus Data Pasien Koneksi Database () Menampilkan Data Pasien Gambar III.17. Sequence Diagram Data Pasien 3. Sequence Diagram Data Penyakit Sequence diagram data penyakit menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam mengelola data penyakit kanker mulut rahim. Bentuk sequence diagram data penyakit yang penulis rancang dapat dilihat pada Gambar III.18.

96 Admin/Pakar Form Data Penyakit Proses tblpenyakit Input Data Penyakit Simpan Data Penyakit Koneksi Database () Menampilkan Data Penyakit Ubah Data Penyakit Edit Data Penyakit Koneksi Database () Menampilkan Data Penyakit Double Klik Data Penyakit Hapus Data Penyakit Koneksi Database () Menampilkan Data Penyakit Gambar III.18. Sequence Diagram Data Penyakit 4. Sequence Diagram Data Gejala Sequence diagram data gejala menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam mengelola data gejala penyakit kanker mulut rahim. Bentuk sequence diagram data gejala yang penulis rancang dapat dilihat pada Gambar III.19.

97 Admin/Pakar Input Data Gejala Form Data Gejala Proses tblgejala Simpan Data Gejala Koneksi Database () Menampilkan Data Gejala Ubah Data Gejala Edit Data Gejala Koneksi Database () Menampilkan Data Gejala Double Klik Data Gejala Hapus Data Gejala Koneksi Database () Menampilkan Data Gejala Gambar III.19. Sequence Diagram Data Gejala 5. Sequence Diagram Setting Rule Sequence diagram setting rule menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam mengelola rule pengetahuan penyakit kanker mulut rahim. Bentuk sequence diagram setting rule yang penulis rancang dapat dilihat pada Gambar III.20.

98 Admin/Pakar Pilih Data untuk Rule Penyakit Form Setting Rule/Relasi Proses tblpenyakit Simpan Data Rule Koneksi Database () Koneksi Database () tblgejala Koneksi Database () tblrule Menampilkan Data Rule Ubah Data Rule Edit Data Rule Koneksi Database () Koneksi Database () Koneksi Database () Menampilkan Data Rule Double Klik Data Rule Hapus Data Rule Koneksi Database () Menampilkan Data Rule Gambar III.20. Sequence Diagram Setting Rule 6. Sequence Diagram Ubah Password Sequence diagram ubah password menggambarkan interaksi admin/pakar dengan aplikasi dan database dalam merubah password yang digunakan untuk login. Bentuk sequence diagram ubah password yang penulis rancang dapat dilihat pada Gambar III.21.

99 Admin/Pakar Input Password Baru Form Ubah Password Proses tbllogin Simpan Password Baru Koneksi Database () Gambar III.21. Sequence Diagram Ubah Password 7. Sequence Diagram Konsultasi Sequence diagram konsultasi menggambarkan interaksi pengguna dengan aplikasi dan database dalam melakukan konsultasi untuk mendiagnosa penyakit kanker mulut rahim. Bentuk sequence diagram konsultasi yang penulis rancang dapat dilihat pada Gambar III.22.

100 Pengguna Form Diagnosa Penyakit Proses tblpasien tblrule tblnilai Input Data Pasien Simpan Data Pasien Koneksi Database () Tampil Pertanyaan Pilih Jawaban Lanjut Pertanyaan Koneksi Database () Koneksi Database () Koneksi Database () Hasil Diagnosa Klik Button Cetak Cetak Laporan Koneksi Database () Koneksi Database () Koneksi Database () Laporan Hasil Diagnosa Gambar III.22. Sequence Diagram Konsultasi III.6. Desain User Interface Tahap ini adalah tahap perancangan tampilan sistem yang akan dibangun, yaitu tahap desain output dan desain input dari sitem pakar mendiagnosa penyakit kanker mulut rahim yang dibangun. III.6.1. Desain Output Perancangan output merupakan suatu proses perancangan hasil dari pengolahan data yang kemudian dapat menghasilkan informasi sesuai dengan kebutuhan. Perancangan output dari sistem yang diusulkan adalah :

101 1. Tampilan Form Data Pasien Rancangan tampilan form data pasien merupakan tampilan admin untuk melihat data-data pasien yang telah melakukan konsultasi. Tampilan form data pasien dapat dilihat pada gambar III.23. Data Pasien Data Pasien ID Pasien Nama Pasien Usia Nama Penyakit XXXX XXXXXXXXXX XX XXXXXXXXXX XXXX XXXXXXXXXX XX XXXXXXXXXX XXXX XXXXXXXXXX XX XXXXXXXXXX XXXX XXXXXXXXXX XX XXXXXXXXXX XXXX XXXXXXXXXX XX XXXXXXXXXX XXXX XXXXXXXXXX XX XXXXXXXXXX * Keterangan : Klik kanan pada data Pasien yang hendak dihapus. Gambar III.23. Desain Tampilan Form Data Pasien 2. Tampilan Form Diagnosa Penyakit Rancangan tampilan form diagnosa penyakit merupakan tampilan pengguna untuk melakukan konsultasi dengan menjawab pertanyaan yang diajukan oleh sistem. Tampilan form diagnosa penyakit dapat dilihat pada gambar III.24.

102 Diagnosa Penyakit Pertanyaan : XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX Ya Tidak Next >> Close Gambar III.24. Desain Tampilan Form Diagnosa Penyakit 3. Tampilan Form Hasil Diagnosa Rancangan tampilan form hasil diagnosa merupakan tampilan pengguna untuk melihat hasil diagnosa penyakit kanker mulut rahim. Tampilan form hasil diagnosa dapat dilihat pada gambar III.25.

103 Diagnosa Penyakit Hasil Diagnosa : Nama Penyakit : XXXXXXXXXXXXXXXXXXX Image Keterangan : Gejala yang Dialami : Pengobatan : XXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXX Persentase Keyakinan Certainty factor : Dempster Shafer : XXXXX XXXXX Print Close Gambar III.25. Desain Tampilan Form Hasil Diagnosa 4. Tampilan Laporan Hasil Diagnosa Rancangan tampilan laporan hasil diagnosa merupakan tampilan pengguna untuk mencetak laporan hasil diagnosa penyakit kanker mulut rahim. Tampilan laporan hasil diagnosa dapat dilihat pada gambar III.26.

104 Logo Rumah Sakit Umum Siti Hajar Medan Alamat : Jl. Jamin Ginting, Merdeka, Medan Baru, Kota Medan, Sumatera Utara HASIL DIAGNOSA PENYAKIT KANKER MULUT RAHIM dd/mm/yyyy Nama Pasien : XXXXXXXXXXX Hasil Diagnosa : XXXXXXXXXXXXXXXXXXXX Persentasi Keyakinan : Certainty Factor : XXXXX Dempster Shafer : XXXXX Pengobatan : XXXXXXXXXXXXXXXXXXXX Diketahui Oleh : Petugas RSU Siti Hajar Medan (...) Gambar III.26. Desain Laporan Hasil Diagnosa III.6.2. Desain Input Perancangan input merupakan masukan yang penulis desain guna lebih memudahkan dalam entry data. Entry data yang dirancang akan lebih mudah dan cepat dan meminimalisir kesalahan penulisan dan memudahkan perubahan. Perancangan input dari sistem yang diusulkan sebagai berikut: 1. Tampilan Form Menu Utama Rancangan tampilan form menu utama merupakan tampilan awal saat membuaka aplikasi. Tampilan form menu utama dapat dilihat pada gambar III.27.

105 Menu Utama Masuk Penyakit Gejala Setting Rule Pasien Diagnosa/ Konsultasi Tentang Penyakit Tentang Pembuat Ubah Password Keluar Username : Level : Membandingkan Metode Dempster Shafer Dengan Metode Certainty Factor Dalam Sistem Pakar Mendiagnosa Penyakit Kanker Mulut Rahim (Studi Kasus : Rumah Sakit Siti Hajar Medan) Gambar III.27. Desain Tampilan Form Menu Utama 2. Tampilan Form Login Rancangan tampilan form login merupakan tampilan admin/pakar dalam melakukan login untuk masuk ke form admin/pakar. Tampilan form login dapat dilihat pada gambar III.28. Log In Level : XXXXXXXXXXXXXX Username : XXXXXXXXXXXXXXXXXXXX Password : XXXXXXXXXXXXXXXXXXXX Image Login Clear Cancel Gambar III.28. Desain Tampilan Form Login

106 3. Tampilan Form Input Data Pasien Rancangan tampilan form input data pasien merupakan tampilan pengguna untuk mengisi data pasien sebelum melakukan konsultasi. Tampilan form input data pasien dapat dilihat pada gambar III.29. Input Data Pasien Input Data ID Pasien : XXXXX Nama Pasien : Usia : XXXXXXXXXXXXXXXXXXXXXXXX XX Tahun XXXXXXXXXXXXXXXXXXXXXXXXXX Image Save Clear Lanjut ke Proses Diagnosa >> Gambar III.29. Desain Tampilan Form Input Data Pasien 4. Tampilan Form Input Data Penyakit Rancangan tampilan form data penyakit merupakan tampilan admin/pakar untuk mengelola data penyakit kanker mulut rahim. Tampilan form data penyakit dapat dilihat pada gambar III.30.

107 Data Penyakit Input Data Search By : XXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXX ID Penyakit : XXXXX Nama Penyakit : Keterangan : Pengobatan : XXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXX ID Penyakit Nama Penyakit Keterangan Pengobatan XXXXX XXXXX XXXXX XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX Image Save Update Delete Clear XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX Gambar III.30. Desain Tampilan Form Input Data Penyakit 5. Tampilan Form Input Data Gejala Rancangan tampilan form data gejala merupakan tampilan admin/pakar untuk mengelola data gejala penyakit kanker mulut rahim. Tampilan form data gejala dapat dilihat pada gambar III.31. Data Gejala Input Data Search By : XXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXX ID Gejala : XXXXX Nama Gejala : Pertanyaan : Bobot : XXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXX XXXXX ID Gejala Nama Gejala Pertanyaan Bobot XXXXX XXXXX XXXXX XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXX XXXXX XXXXX XXXXX Image Save Update Delete Clear XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXX XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXXXXX XXXXX Gambar III.31. Desain Tampilan Form Input Data Gejala

108 6. Tampilan Form Setting Rule Rancangan tampilan form setting rule merupakan tampilan admin/pakar untuk melakukan setting rule pengetahuan penyakit kanker mulut rahim. Tampilan form setting rule dapat dilihat pada gambar III.32. Setting Rule / Relasi Input Data Filter By : XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX ID Rule : XXXXX Nama Penyakit : Nama Gejala : Jawaban Ya : XXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXX ID Rule Nama Penyakit Nama Gejala Jawaban Ya Jawaban Tidak XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXX XXXXXXXX XXXXXXXX XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXX XXXXXXXX XXXXXXXX Jawaban Tidak : XXXXXXXXXXXXXXXXXXXXXX XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXX XXXXXXXX XXXXXXXX Image Save Update Delete Clear XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXX XXXXXXXX XXXXXXXX XXXXX XXXXXXXXXXXXXXX XXXXXXXXXXXX XXXXXXXX XXXXXXXX Gambar III.32 Desain Tampilan Form Setting Rule 7. Tampilan Form Ubah Password Rancangan tampilan form ubah password merupakan tampilan admin/pakar untuk mengubah password yang digunakan untuk login. Tampilan form ubah password dapat dilihat pada gambar III.33.

109 Ubah Password Ubah Password Username : XXXXXXXXXXXXX Level : Password : Password Baru : Konfirmasi : XXXXXXXXXXXXX XXXXXXXXXXXXX XXXXXXXXXXXXX XXXXXXXXXXXXX Image Update Clear Gambar III.33. Desain Tampilan Form Ubah Password III.7. Desain Database Database adalah sekumpulan data operasional yang saling berhubungan dengan redudansi minimal, yang digunakan secara bersama oleh beberapa aplikasi. Database diterapkan untuk mengatasi masalah pengolahan data dengan cara konvensional, yaitu jika struktur data diubah maka program harus disesuaikan. Keuntungan yang diperoleh dari penggunaan database adalah redudansi dan inkonsistensi data dapat diminimalkan. III.7.1. Kamus Data Kamus data merupakan uraian yang menjelaskan tentang tabel data atau entitas serta field-field yang terdapat pada entitas yang ada. Kamus data digunakan sebagai acuan dalam pembangunan suatu database dan sebagai panduan bagi

110 pemakai sistem maupun untuk keperluan pengembangan sistem database. Adapun tabel data atau entitas yang dibentuk adalah seperti berikut ini : 1. Kamus Data Tabel Login tbllogin : [@username + password + level] 2. Kamus Data Tabel Gejala tblgejala : [@id + namagejala + pertanyaan + cf] 3. Kamus Data Tabel Nilai tblnilai : [@@idgejala2 + plausibility] 4. Kamus Data Tabel Penyakit tblpenyakit : [@id + namapenyakit + keterangan + pengobatan] 5. Kamus Data Tabel Pasien tblpasien : [@id + namapasien + usia + tanggal + @@idpenyakit2] 6. Kamus Data Tabel Rule tblrule : [@idrule + @@idpenyakit + @@idgejala + ya + tidak] III.7.2. Normalisasi Normalisasi database biasanya jarang dilakukan dalam database skala kecil, dan dianggap tidak di perlukan pada pengguna personal. Namun seiring berkembangnya infromasi yang dikandung dalam sebuah database, proses normalisasi akan sangat membantu dalam menghemat ruang yang digunakan oleh setiap tabel didalamnya, sekaligus mempercepat proses permintaan data. Pada tahap ini semua data direkam, data tanpa format tertentu dan data bisa jadi