terbatas pada menu File, Penelusuran dan About. Seorang User dapat menggunakan sistem dengan hak akses penuh harus melakukan login terlebih
dahulu. Pada proses login, pengguna harus memilih menu File kemudian Login. Tampilan dari form login dapat dilihat pada Gambar 4.14.
Gambar 4.13 Tampilan menu utama
Gambar 414 Tampilan form login
1. Menu Knowledge Base
Menu ini adalah menu yang hanya dapat diakses oleh user dengan hak akses sebagai pakar. Menu ini memiliki beberapa sub menu yaitu Data Pakar
terdiri dari data penyakit, penyebab, gejala dan solusi dan menu Rule. Sub menu Data Pakar adalah fasilitas yang digunakan untuk memasukan data pengetahuan
knowledge base yaitu data penyakit, penyebab, gejala dan solusi. Sedangkan sub menu Rule adalah fasilitas sistem yang berfungsi sebagai antarmuka untuk
memasukan data basis aturan kedalam sistem.
Tampilan salah satu sub menu Data Pakar pengisian data gejala di tunjukan dengan gambar 4.15 dan pengaturan basis aturan rule base di tunjukan pada
gambar 4.16.
Gambar 4.15 Tampilan form input gejala
Gambar 4.16 Tampilan form rule base
2. Menu Penelusuran
Menu Penelusuran digunakan oleh user untuk melakukan proses diagnosa terhadap penyakit kandungan. Proses diagnosa dilakukan dengan cara memasukan
gejala-gejala yang dialami pasien. Pemasukan gejala dengan memilih daftar seluruh gejala yang bersesuaian dengan keadaan pasien.
Jika semua gejala yang dialami pasien sudah di pilih, selanjutnya user dapat mengklik tombol diagnosa untuk mengetahui hasil analisa sistem terhadap gejala-
gejala yang dialami. Daftar seluruh gejala, kemungkinan penyakit yang mengikuti serta nilai probabilitas masing-masing gejala di tampilkan pada list di bagian bawah
form diagnosa. Sistem akan melakukan analisa gejala dengan mencocokan basis aturan yang
tersimpan dalam basis data. Perhitungan nilai kepastian menggunakan metode dampster shafer dilakukan menggunakan nilai probabilitas pada masing-masing
gejala. User harus memilih minimal dua buah gejala yang di alami pasien. Jika terdapat kombinasi penyakit yang mengikuti gejala yang di pilih, maka sistem
meniympulkan penyakit yang paling sesuai adalah penyakit dengan persentase nilai kepercayaan paling tinggi sebagai kesimpulan hasil diagnosa.
Ilustrasi pemilihan gejala sampai dengan penentuan hasil diagnosa di tunjukan pada gambar 4.17, 4.18, 4.19 dan gambar 4.20. Contoh kasus, user memilih gejala
pendarahan menstruasi tidak normal G002 sebagai gejala awal lihat gambar 4.17. Nilai probabilitas G002 adalah 0,5 dan penyakit yang mengikuti gejala
tersebut adalah P001, P002, P003 dan P006. Sehingga,
m1 {P001,P002,P003,P006} = 0,5 m θ
= 1 – 0,5 = 0,5
Gambar 4.17 Pemilihan gejala awal G002
Selanjutnya user memilih gejala kedua yaitu pendarahan menstruasi lebih banyak dari biasanya G021 dengan nilai probabilitas 0,6 lihat gambar 5.16.
Penyakit yang mengikuti gejala G021 adalah P004 dan P006. Sehingga,
m2 {P004,P006} = 0,6
m θ = 1
– 0,6 = 0,4 Dengan munculnya gejala kedua G021, maka harus dilakukan penghitungan
densitas baru untuk beberapa kombinasi m3. Perhitungan himpunan-himpunan bagian yang terbentuk dimasukkan ke dalam tabel 4.14. Kolom pertama diisi dengan
gejala yang pertama m1. Sedangkan baris pertama diisi dengan gejala yang kedua m2 . Sehingga diperoleh nilai m3 sebagai hasil kombinasi m1 dan m2.
Tabel 4.14 Tabel perhitungan gejala G002 dan G021
{P004,P005} 0,6 θ 0,4 {P001,P002,P003,P006} 0,5
{P006} 0,3 { P001,P002,P003,P006} 0,2 θ 0,5
{P004,P006} 0,3 θ 0,2
Sehingga dapat dihitung : m3 {P006}
= 0,3
= 0,30
1-0,2 m3 {P004,P006}
= 0,3
= 0,30
1-0,2 m3
{P001,P002,P003,P006} =
0,2 =
0,25 1-0,2
m3 { θ } =
0,2 =
0,25 1-0,2
Gambar 4.18 Pemilihan gejala kedua G021
Dari hasil perhitungan nilai densitas m3 kombinasi di atas, dapat dilihat bahwa nilai {P006} sama dengan {P004,P006} sebesar 0,3. Sedangkan nilai
{P001,P002,P003,P0046} sebesar 0,25. Jika kemudian terdapat gejala ketiga yaitu mengalami perdarahan setelah bersetubuh G035 dengan nilai probabilitas 0,9
lihat gambar 4.19 dan penyakit yang mengikuti gejala G035 adalah P006.
Gambar 4.19 Pemilihan gejala ketiga G035
Sehingga, m4 { P006} = 0,9
m θ = 1
– 0,9 = 0,1 Dengan munculnya gejala ketiga G035, maka harus dilakukan penghitungan
densitas baru untuk beberapa kombinasi m5 seperti disajikan pada tabel 4.15. Tabel 4.15 Tabel perhitungan gejala G002, G021 dan G035
{ P006} 0,9 θ 0,1 {P006} 0,3
{P006} 0,27 { P006} 0,03 {P004, P006} 0,3
{P006} 0,27 { P004,P006} 0,03 {P001,P002,P003,P006} 0,2
{P006} 0,18 { P001,P002,P003,P006} 0,02 θ 0,2
{P006} 0,18 θ 0,02
Sehingga dapat dihitung : m5 {P006}
= 0,27+0,27+0,18+0,18+0,03
= 0,95
1-0.02 m5 {P004,P006}
= 0,03
= 0,03
1-0,02 m5
{P001,P002,P003,P006} =
0,02 =
0,02 1-0,02
m5 { θ } =
0,02 =
0,02 1-0,02
Hasil perhitungan nilai densitas m5 kombinasi di atas, dapat dilihat bahwa nilai {P006} sebesar 0,95. Sedangkan nilai {P004,P006} dan {P001,P002,P003,P0046}
masing-masing sebesar 0,03 dan 0,02. Dari hasil perhitungan diatas diketahui bahwa nilai kepercayaan P006 terhadap gejala G002, G021 dan G035 adalah yang
paling tinggi yaitu sebesar 0,95 atau 95. Sehingga disimpulkan bahwa P006 Kanker Rahim Kanker Uterus = Carcinoma Uteri adalah penyakit yang
menyerang pasien tersebut. Selanjutnya sistem akan menampilkan form hasil diagnosa seperti pada tamiplan gambar 4.20. Form ini dilengkapi dengan tombol
Cetak untuk membuat printout melalui printer.
Gambar 4.20 Tampilan form hasil diagnosa
4.1 Penanganan Ketidakpastian
