Kebutuhan Sistem Implementasi Sistem

BAB 4 IMPLEMENTASI DAN PENGUJIAN

4.1. Kebutuhan Sistem

Kebutuhan sistem yang dibutuhkan dalam implementasi pengkombinasian metode Demster-Shafer dan metode Theorema Bayes dalam sistem pakar dibedakan menjadi dua diantaranya, kebutuhan perangkat keras, kebutuhan perangkat lunak, kebutuhan pengguna. 4.1.1. Perangkat Keras Spesifikasi kebutuhan sistem perangkat keras dalam implementasi pengkombinasian metode Demster-Shafer dan metode Theorema Bayes dalam sistem pakar yang dibutuhkan adalah sebagai berikut: 1. Processor Intel Core i3 2. RAM 2 Gb 3. Hardisk 500 Gb 4. Keyboard dan Mouse 5. Monitor 14“ 4.1.2. Perangkat Lunak Spesifikasi kebutuhan sistem perangkat lunak dalam implementasi pengkombinasian metode Demster-Shafer dan metode Theorema Bayes dalam sistem pakar yang dibutuhkan adalah sebagai berikut : 1. Sistem operasi menggunakan minimal Microsoft Windows XP. 2. Bahasa pemrograman menggunakanVB2010 4.1.3. Kebutuhan Pengguna Adapun untuk mendukung dalam mengolah informasi, dibutuhkan spesifikasi kebutuhan pengguna pada sistem yang akan dibangun. Kebutuhan pengguna terdiri dari beberapa kategori adalah sebagai berikut: a. Admin Universitas Sumatera Utara Seorang admin harus memiliki kemampuan diantaranya, harus mempunyai kemampuan dasar di bidang komputer khususnya di bidang pemrograman VB2010dan dapat mengolah dataset. Mampu mengoperasikan sistem operasi minimal Microsoft Windows XP. b. Pengunjung Adapun karakteristik pengunjung yang dibutuhkan dalam menjalankan sistem yang akan dibangun yaitu, mempunyai kemampuan menggunakan komputer. Mampu mengoperasikan sistem operasi minimal Microsoft Windows XP.

4.2. Implementasi Sistem

4.2.1. Halaman Utama Aplikasi Sistem Pakar Tampilan halaman utama aplikasi dalam implementasi pengkombinasian metode Demster-Shafer dan metode Theorema Bayes dalam sistem pakar dapat digambarkan sebagai berikut : Gambar 4.1 Tampilan Halaman Utama Aplikasi Sistem Pakar Berdasarkan gambar 4.1 tampilan halaman utama aplikasi sistem pakar menjelaskan nilai kepastian pada penyakit acne vulgaris. Gejala acne vulgaris dimasukan kedalam 12 gejala yang masing-masing dikategorikan tiga kategori yaitu, Universitas Sumatera Utara kategori acne ringan, kategori acne sedang, kategori acne berat. Selanjutnya gambar 4.1 juga menjelaskan jenis penyakit kedalam tiga jenis yaitu, ringan, sedang dan berat. Gambar 4.2 Tampilan Input Data Diagnosa Penyakit Acne Ringan Berdasarkan gambar 4.2 tampilan input data diagnosa penyakit acne ringan menjelaskan nilai kepastian pada penyakit acne vulgaris. Gejala acne vulgaris ringan yang digunakan pada kasus pertama yaitu, komedo hitam dengan kode G01, komedo putih dengan kode G02, papula dengan kode G03. Selanjutnya gambar 4.2 juga menjelaskan jenis penyakit kedalam acne ringan. Gambar 4.3 Tampilan Hasil Diagnosa Penyakit Acne Ringan Berdasarkan gambar 4.3 tampilan hasil diagnosa penyakit acne ringan menjelaskan nilai kepastian pada penyakit acne vulgaris. Berdasarkan gejala acne vulgaris ringan yang digunakan pada kasus pertama yaitu, komedo hitam dengan kode Universitas Sumatera Utara G01, komedo putih dengan kode G02, papula dengan kode G03. Selanjutnya gambar 4.3 juga menjelaskan jenis penyakit kedalam acne ringan. Perhitungan dengan cara pengkombinasian yang dihasilkan pada gejala penyakit acne ringan menggunakan metode theorema bayes adalah 0.8 dan perhitungan berdasarkan gejala menggunakan metode demster shafer adalah 1. Gambar 4.3 Tampilan Input Data Diagnosa Penyakit Acne Sedang Berdasarkan gambar 4.3 tampilan input data diagnosa penyakit acne sedang menjelaskan nilai kepastian pada penyakit acne vulgaris. Gejala acne vulgaris sedang yang digunakan pada kasus kedua yaitu, nodul dengan kode G05, postula dengan kode G04, makula dengan kode G06. Selanjutnya gambar 4.3 juga menjelaskan jenis penyakit kedalam acne sedang. Gambar 4.4 Tampilan Hasil Diagnosa Penyakit Acne Sedang Universitas Sumatera Utara Berdasarkan gambar 4.4 tampilan hasil diagnosa penyakit acne sedang menjelaskan nilai kepastian pada penyakit acne vulgaris. Berdasarkan gejala acne vulgaris sedang yang digunakan pada kasus kedua yaitu, nodul dengan kode G05, postula dengan kode G04, makula dengan kode G06. Selanjutnya gambar 4.4 juga menjelaskan jenis penyakit kedalam acne sedang. Perhitungan dengan cara pengkombinasian yang dihasilkan pada gejala penyakit acne sedang menggunakan metode theorema bayes adalah 0.7 dan perhitungan berdasarkan gejala menggunakan metode demster shafer adalah 1. Gambar 4.5 Tampilan Input Data Diagnosa Penyakit Acne Berat Berdasarkan gambar 4.5 tampilan input data diagnosa penyakit acne berat menjelaskan nilai kepastian pada penyakit acne vulgaris. Gejala acne vulgaris berat yang digunakan pada kasus ketiga yaitu, kista dengan kode G09, rasa gatal dengan kode G10, skuama dengan kode G12. Selanjutnya gambar 4.5 juga menjelaskan jenis penyakit kedalam acne berat. Universitas Sumatera Utara Gambar 4.5 Tampilan Hasil Diagnosa Penyakit Acne Berat Berdasarkan gambar 4.6 tampilan hasil diagnosa penyakit acne berat menjelaskan nilai kepastian pada penyakit acne vulgaris. Berdasarkan gejala acne vulgaris berat yang digunakan pada kasus ketiga yaitu, kista dengan kode G09, rasa gatal dengan kode G10, skuama dengan kode G12. Selanjutnya gambar 4.6 juga menjelaskan jenis penyakit kedalam acne berat. Perhitungan dengan cara pengkombinasian yang dihasilkan pada gejala penyakit acne berat menggunakan metode theorema bayes adalah 0.8 dan perhitungan berdasarkan gejala menggunakan metode demster shafer adalah 1. 4.3.Hasil Pengujian Hasil pengujian pada implementasi pengkombinasian antar metode demster shafer dan metode theorem bayes dalam sistem pakar dapat dijelaskan sebagai berikut:

4.4. Penyakit Acne Vulgaris Berdasarkan Faktor Gejala Di Klinik Bunda Medan Tahun 2014-2015