UNIVERSITAS SUMATERA UTARA
Gambar 4.15 Tampilan Halaman Admin Daftar Data Gejala
4.1.15. Tampilan Halaman Admin Daftar Data Pasien
Halaman admin daftar pasien ini berupa form untuk menampilkan daftar data pasien yang telah melakukan konsultasi. Tampilan halaman ini dapat dilihat pada
Gambar 4.16.
Gambar 4.16 Tampilan Halaman Admin Daftar Data Pasien
4.2. Pengujian Sistem
Setelah tahapan implementasi sistem telah dilakukan, maka tahap selanjutnya yaitu melakukan pengujian terhadap sistem pakar, untuk mengetahui kelayakan dari sistem
apakah hasil diagnosis dari sistem pakar ini telah berjalan sesuai dengan hasil diagnosis yang telah dihitung secara manual menggunakan metode Naive Bayesian.
Universitas Sumatera Utara
UNIVERSITAS SUMATERA UTARA Berikut ini adalah tahapan dalam pendiagnosaan menggunakan perhitungan
metode Naive Bayesian dan kemudian dibandingkan hasilnya apakah sesuai dengan pencarian manual dan aplikasi sistem pakar berbasis Android.
a. Menghitung Probabilitas berdasarkan jawaban pasien Pada Tabel 4.1 rincian jawaban dimana user memasukan gejala yang sering
mereka rasakan untuk mendapatkan hasil konsultasi.
Tabel 4.1. Jawaban Pasien
IDG G1 G2
G3 G4
G5 G6
G7 G8
G9 G10 G11 G12 G13 G14 Diagnosa
User Y
Y Y
Y Y
Y T
T Y
Y T
Y T
Y ?
Probabilitas gejala untuk PDisleksia PDisleksia =
PDisleksia PG1|Y PG2|Y PG3|Y PG4|Y PG5|Y PG6|Y PG7|T PG8|T PG9|Y
PG10|Y PG11|T PG12|Y PG13|T PG14|Y = 0,5 0,875 1 0,75 1 0,875 0,75 0,125 0,125
0,75 0,875 0,25 0,875 0,125 1 = 0.00006037484854459
Probabilitas gejala untuk PTidak Disleksia PTDisleksia =
PTDisleksia PG1|Y PG2|Y PG3|Y PG4|Y PG5|Y PG6|Y PG7|T PG8|T PG9|Y
PG10|Y PG11|T PG12|Y PG13|T PG14|Y
= 0,5 0,875 0.125 0,875 0,625 0,75 0,5 0,25 0,125 0,375 0,75 0,25 0,75 0,125 0,375
= 0,00000144391378853
Universitas Sumatera Utara
UNIVERSITAS SUMATERA UTARA b. Setelah menghitung probabilitas terindikasi disleksia atau tidak dari setiap gejala,
maka rincian jawabannya dibandingkan untuk mengetahui hasil diagnosanya.
Tabel 4.2. Hasil Perhitungan Naive Bayesian ID Gejala
User Disleksia
Tidak Disleksia
G1 Ya
0,875 0,875
G2 Ya
1 0,125
G3 Ya
0,75 0,875
G4 Ya
1 0,625
G5 Ya
0,875 0,75
G6 Ya
0,75 0,5
G7 Tidak
0,125 0,25
G8 Tidak
0,125 0,125
G9 Ya
0,75 0,375
G10 Ya
0,875 0,75
G11 Tidak
0,25 0,25
G12 Ya
0,875 0,75
G13 Tidak
0,125 0,125
G14 Ya
1 0,375
Diagnosa Kemungkinan Disleksia
Membandingkan probabilitas dari: PGejala|Disleksia dan PGejala|Tidak Disleksia =
0.0000603748 0,00000144 Hasil diagnosa berdasarkan perhitungan Naive
Bayesian yaitu Pasien diduga Disleksia
Universitas Sumatera Utara
UNIVERSITAS SUMATERA UTARA
Gambar 4.17. Tampilan Hasil Pengujian Dengan Metode Naive Bayesian
Gambar 4.17 menunjukkan hasil diagnosa berdasarkan gejala yang telah dipilih user seperti yang telihat pada tabel 4.1. menunjukkan hasil perhitungan pada aplikasi
sistem pakar sesuai dengan perhitungan manual.
Universitas Sumatera Utara
UNIVERSITAS SUMATERA UTARA BAB V
PENUTUP
5.1. Kesimpulan
