BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem diperlukan untuk mengetahui permasalahan dan kebutuhan yang diperlukan dalam pembangunan sistem. Analisis terdiri dari 2 dua bagian yaitu
analisis permasalahan yang ada dan analisis kebutuhan akan perangkat lunak yang nantinya akan dibuat.
3.1.1 Analisis Permasalahan
Analisis sistem diperlukan untuk mengetahui permasalahan dan kebutuhan yang diperlukan dalam pembangunan sistem.Sistem pakar yang dibangun merupakan
sistem yang merepresentasikan kemampuan atau keahlian seorang pakar atau orang yang berpengalaman di bidang tertentu untuk membantu pengguna dalam mengatasi
masalah.
Dari hasil analisis permasalahan tersebut, perlu dirancang sebuah aplikasi yang mampu mendiuagnosis penyakit mulut.Dimana sisitem ini dapat membantu
Universitas Sumatera Utara
sipenderita dalam mendiagnosis penyakit mulut. Dan sipenderita juga bias mengakses informasi tanpa terbatas ruang dan waktu. Perancangan sebuah aplikasi harus dibuat
secara matang, supaya tampilanya mudah dipahami dan hasilnya bermanfaat dan memuaskan bagi para pemakai.
3.1.2 Analisis Kebutuhan
Sebagai langkah awal dari proses analisis kebutuhan ini, akan diuraikan kembali tujuan dari tugas akhir sesuai dengan bab sebelumnya, adalah merancang sistem pakar
yang dapat membantu para pakar dalam mendiagnosis penyakit mulut dengan metode Fuzzy.
Sesuai dengan tujuan tugas akhir di atas, maka kriteria yang nantinya menjadi spesifikasi perangkat lunak yang dibangun adalah sebagai berikut:
a. Perangkat lunak yang dapat menerapkan metode inferensi forward chaining untuk memperoleh gejala yang diderita oleh user.
b. Perangkat lunak yang dapat menerapkan metode fuzzydalam penentuan kemungkinan penyakit mulut oleh user.
Untuk memenuhi kriteria tersebut, maka dilakukan langkah-langkah seperti yang akan dijelaskan pada subbab-subbab selanjutnya.
3.2 Perancangan Sistem
Pada subbab ini akan diuraikan tentang perancangan sistem yang terdiri dari perancangan mesin inferensi, perancangan flowchart, perancangan basis data, bentuk
tabel information sistem, dan perancangan algoritma.
Universitas Sumatera Utara
3.2.1 Perancangan Mesin Inferensi
Pada perancangan sistem pakar untuk mendiagnosis suatu penyakit dilakukan dengan menggunakan mesin inferensi. Mesin inferensi forward chaining digunakan dalam
sistem ini untuk mendiagnosis suatu penyakit setelah menerima gejala-gejala yang diinputoleh user. Setelah proses inputdata gejala selesai, maka sistem akan
memberikan beberapa pertanyaan berkaitan dengan frekuensi dan intensitas gejala yang dirasakan oleh user tersebut. Dalam menjawab setiap pertanyaan, sistem telah
menyediakan pilihan jawaban yang akan digunakan oleh user, dimana setiap jawaban merupakan representasi dari nilai fuzzy yang telah ditentukan pada sistem.
Setiap jawaban yang diberikan oleh user akan dicari nilai kesesuaian kesamaannya dengan nilai gejala suatu penyakit tertentu yang ada dalam knowledge –
based, sehingga diperoleh nilai kesesuaian berdasarkan frekuensi dan intensitas untuk masing – masing data gejala yang telah diinputpada penyakit tertentu.
Setelah mendapatkan nilai kesesuaiannya, kemudian dilakukan pengelompokan nilai kesesuaian untuk setiap penyakit lalu menjumlahkannya. Setelah
mendapatkan jumlah nilai kesesuaian untuk setiap penyakit, selanjutnya mencari nilai probability untuk setiap penyakit dengan cara membandingkan jumlah nilai
kesesuaian setiap penyakit dengan banyaknya gejala yang dimiliki oleh penyakit tersebut di knowledge-based.
Setelah mendapatkan nilai probability untuk setiap penyakit, kemudian dilakukan pengurutan secara menurun descending untuk kemungkinan penyakit
yang diderita oleh user. Sehingga secara keseluruhan proses dari forward chaining mencakup proses inputgejala user, perhitungan nilai kesesuaian sampai perhitungan
Universitas Sumatera Utara
nilai probability untuk setiap penyakit. Untuk lebih jelasnya dapat dilihat pada flowchart pada Gambar 3.1 di bawah ini.
Universitas Sumatera Utara
START
END Input Gejala User
Jumlah_nilai_kesesuaian=0
gejala_knowledge_based[j] =0
Hitung nilai probability Hasil_diagnosa[a]=
Jumlah_nilai_kesesuaianp a++
Count p= Countgejala_knowledge_based
For j=1 to p Count n=
Countpenyakit_knowledge_based For k=1 to n
For i=1 to m
Tidak Tidak
Ya
Jumlah_nilai_kesesuaian= jumlah_nilai_kesesuaian+nilai_kes
esuaian i=m
Ya a=0
k=n Tidak
Ya Gejala=List gejala yang diisi
Count m=CountGejala
Hitung nilai_kesesuaian gejala_user[i] terhadap
gejala_knowledge_based[i]
Cetak hasil_diagnosa[a]
descending
Gambar 3.1 Flowchart Mesin Inferensi Forward Chaining
Universitas Sumatera Utara
3.2.2 Perancangan Basis Data
Dalam perancangan basis data ini terdiri dari perancangan DFD, perancangan kamus data, dan perancangan antarmuka.
3.2.3.1 Perancangan DFD
Diagram Aliran DataData Flow Diagram DFD adalah alat yang biasa dipakai untuk mendokumentasi proses dalam sistem atau sebuah teknis grafis yang menggambarkan
aliran informasi dan transformasi yang diaplikasikan pada saat data bergerak dari input menjadi output. Gambar 3.1 menggambarkan diagram aliran data dari sistem
yang akan dibuat.
Data Fuzzy Data tentag Mulut
Data Gejala Hasil Diagnosis Data Kriteria
User name passwordData Intensitas gejala Data Penyakit Data Penyakit
Tentang Mulut Data penyakit
tentang saya
Gamabar 3.2 Diagram Konteks Sistem
Penjelasan proses diagram konteks DFD sistem pakaruntuk diagnosa penyakit mulut dengan metode fuzzy adalah sebagai berikut:
Sistem Pakar Untuk
Mendiagnosis Penyakit Mulut
dgn Metode Fuzzy
Admin Use
Universitas Sumatera Utara
a. Proses Nama proses : Sistem Pakar untuk diagnosis penyakit mulut dengan metode fuzzy
Keterangan : Proses diagnosa penyakit mulut berdasarkan gejala-gejala pada
mulut. b. Arus Data
Masukan : - Username dan password
- Data gejala - Data penyakit
- Data fuzzy - Data kriteria
- Data intensitas gejala Keluaran
: - data username dan password - data tentang mulut
- data penyakit - tentang saya
- hasil diagnosis c. Entitas Luar
Nama Entitas : Admin Keterangan
: merupakan bagian yang menambah data pada sistem Masukan
: - data username dan password - data penyakit
Universitas Sumatera Utara
- tentang mulut Keluaran
: - data username dan password - data gejala
- data penyakit - data kriteria
- data fuzzy Nama Entitas : User
Keterangan : Pengguna yang menggunakan sistem untuk mendeteksi penyakit yang
dideritanya. Masukan
: - data penyakit - tentang mulut
- hasil diagnosis - tentang saya
Keluaran : - Intensitas Gejala
Proses yang ada pada diagram konteks dapat dipecah lagi menjadi proses- proses yang lebih kecil dan lengkap dalam DFD level1. Diagram untuk DFD level 1
dapat dilihat pada gambar di bawah ini.
Universitas Sumatera Utara
Data Username password
Data Username password
Tabel data admin Data Username
Data fuzzy data fuzzy
data fuzzy tabel data fuzzy
data gejala data gejala
data gejala tabel data gejala
data kriteria data kriteria
data kriteria tabel data kriteria
data penyakit data penyakit
tabel data penyakit data gejala
data gejala tabel data fuzzy
tabel data gejala prioritas penyakit
tabel data kriteria tabel data penyakit
Gambar 3.3. DFD Level 1
Penjelasan proses diagram level nol sistem pakar fuzzy untuk diagnosa penyakit Mulut adalah sebagai berikut:
a. Proses 1P Nama Proses : otentifikasi user
Masukan : Data username dan password
Keluaran :Data username dan password
Keterangan : Proses untuk mengecek kebenaran username dan password
administrator yang masuk b. Proses 2P
Nama Proses : proses data fuzzy
P1 Otentikasi
Admin P2 Input
data fuzzy
P3 input data
gejala P4 input
data kriteria
P5 input data
penyaki t
P6 proses
diagnos i
P7 hitung
fuzzy Admin
User
Universitas Sumatera Utara
Masukan : data fuzzy
Keluaran : data fuzzy
Keterangan : menambah data gejala fuzzy
c. Proses 3P Nama Proses : Proses data gejala
Masukan : Data gejala
Keluaran : Data gejala
Keterangan : menambah data gejala penyakit mulut
d. Proses 4P Proses
: proses data kriteria Masukan
: data kriteria Keluaran
: data kriteria Keterangan
: menambah kriteria nilai intensitas gejala e. Proses 5P
Proses : proses data penyakit
Masukan : data penyakit
Keluaran : data penyakit
Keterangan : menambah data penyakit mulut
f. Proses 6P Proses
: proses diagnosis Masukan
: data gejala Keluaran
: data gejala Keterangan
: mengolah hasil diagnosis penyakit setelah dilakukan proses perhitungan keseluruhan nilai gejala
g. Proses 7P Proses
: hitung fuzzy Masukan
: - data penyakit -
data kriteria -
data fuzzy
Universitas Sumatera Utara
- data gejala
Keluaran : prioritas penyakit
Keterangan : menampilkan nama penyakit
3.2.3.2 Perancangan Kamus Data
Kamus data dipersiapkan untuk menjelaskan datayang dipakai untuk fase implementasi
.
Tabel 3.1 Tabel Kamus Data
No Field
Tipe data Panjang
Keterangan
1 kode_penyakit
Char 2
Kode untuk penyakit dimana huruf pertama merupakan
nama penyakit diikuti nomor urutnya.
2 nama_penyakit
Char 30
Nama Penyakit Mulut
3 kode_gejala
Varchar 2
Kode untuk gejala dimana huruf pertama dan kedua
berasal dari nama gejala diikuti nomor urutnya
4 nama_gejala
Varchar 50
Nama gejala penyakit yang terlihat
5 kode_kriteria
Varchar 8
Kode yang berisi no kriteria dari intensitas penyakit
6 nama_kriteria
Varchar 50
Nama kriteria terdiri dari : sangat banyak, banyak, sedikit,
tidak ada
Universitas Sumatera Utara
7 nilai_kriteria
Varchar 10
Berisi nilai diantara 0 – 1 yaitu 0; 0,3, 0,6 dan 1
8 Keterangan
Varchar 20
Nilai intensitas gejala terhadap penyakit
9 Nama
Varchar 10
Nama Admin untuk login ke halaman admin
10 Password
Varchar 8
Password admin untuk login ke halaman admin
3.2.3 Bentuk Tabel Information System
Pada bab 2 telah dinyatakan bahwa penerapan sistem fuzzy dalam sistem pakaruntuk merepresentasikan pengetahuan dalam lingkungan yang tidak pasti dan tidak lengkap
serta sangat kompleks. Penggabungan kedua sistem tersebut dikenal dengan sistem pakar fuzzy.Jika pada sistem pakar cara kerjanya mengacu pada rule based yang nilai
perhitungannya hanya terdiri dari 0 dan 1, maka pada sistem pakar fuzzy lebih mengacu pada perhitungan nilai fuzzy yang berada pada interval 0 sampai dengan
1.Adapun nilai fuzzy dari gejala-gejala penyakit untuk suatu penyakit ditampilkan pada tabel information system. Tabel berikut merupakan information system dari
gejala-gejala penyakit pada mulut yang diperoleh dari seorang pakar berdasarkan nilai intensitasnya.
Universitas Sumatera Utara
Tabel 3.2 Tabel Informasi Sistem Berdasarkan Nilai Intensitas Gejala
No N.pen
yakit J1
J2 J3
J4 J5
J6 J7
J8 J9
J10 J11
J12 J13
J14 J15
J16 J17
J18
1 HL
0,3 0 1
1 2
KO 0,6 0,3 1
3 KA
1 1
4 CB
0,6 0 1
5 LB
1 6
LG 1
1 7
GA 1
1 1
8 SAR
1 1
0,6 1 1
dengan J = Gejala
Keterangan : 1. HL
: Herpes Labialis 2. KO
: Kandidas Oral 3. KA
: Keilitis Angularis 4. CB
: Cheek Bite 5. LB
: Lidah Berfisur 6. LG
: Lidah Geografik 7. GA
: Glositis Atrofik 8. SAR : Stomatitis Aphtosa Rekumen
Universitas Sumatera Utara
Tabel 3.3 Tabel Keterangan Kode Gejala
No Kode Gejala Nama Gejala
1 J1
Diawali perasaan menusuk terbakar
2 J2
Berwarna merah
3 J3
Ada plak keputih-putihan
4 J4
Dlm 24 jam timbul vesikel
5 J5
Keropeng nodula-nodula granulomatosa kecoklatan
6 J6
Keropeng sembuh beberapa waktu
7 J7
Abrasi traumatik dr permukaan epitel mukosa
8 J8
Bercak-bercak gundul dr papila filiformis
9 J9
Bercak-bercak gundul dr papila filiformis
10 J10
Dorsum awalnya tampak pucat
11 J11
Permukaan lidah tanpa papila-papila
12 J12
Tampak licin,kering mengkilat
13 J13
Ulser membesar dlm wkt 48-72 jam
14 J14
Lesi dangkal,bulat,simetris
15 J15
Lesi sembuh secara spontan dlm wkt 10-14 hari
16 J16
Lesi bisa mencapai 2-5 mm
17 J17
Ada garis fisur pd dorsal dr 23 anterior lidah
18 J18
Tidak ada koyakan jaringan
Gejala penyakit ini sudah diringkas untuk gejala yang umum pada penyakit mulut.Untuk mempermudah mendiagnosa dan mempermudah user dalam
menggunakanya.
Universitas Sumatera Utara
3.2.4 Proses Perhitungan Nilai Fuzzy
Untuk mengetahui jenis penyakit mulut yang diderita maka diperlukan proses perhitungan nilai fuzzy berdasarkan gejala yang diinputkan user. Proses nilai fuzzy
terdiri dari dua bagian yaitu : nilai kesesuaian tiap – tiap gejala untuk suatu penyakit dan perhitungan nilai fuzzy conditional probility suatu penyakit berdasarkan hasil
inputan gejala dari user.
Misalnya jika U adalah suatu knowledge-based gejala suatu set dari penyakit yang dinyatakan sebagai sebuah fuzzy set terhadap gejala A dan B adalah gejala yang
di-inputkanoleh user yang dinyatakan sebagai suatu fuzzy set terhadap A, dimana A={a
1
, a
2
, a
3
, ..., a
n
} sedangkan U={µ
uj
a
1
a
1
, µ
uj
a
2
a
2
, µ
uj
a
3
a
3
, µ
uj
a
4
a
4
} dan B={µ
B
a
1
a
1
, µ
B
a
2
a
2
, µ
B
a
3
a
3
, µ
B
a
4
a
4
}. Untuk mencari nilai kesesuaian antara fuzzy set U dengan B maka dicari seberapa besar selisih antara
µ
uj
a
1
yang merupakan nilai fuzzy set gejala a
1
menurut knowledge-based dengan µ
B
a
1
yang merupakan nilai fuzzy set gejala a
1
yang diinputkan oleh user dibagi dengan nilai µ
uj
a
1
.
Misalnya gejala yang diinputkan oleh user adalah : - diawali perasaan menusukatau perasaan terbakar pada suatu tempat dibibir
dengan intensitas yang banyak - plak keputih – putihan dengan dasar berwarna merah dengan intensitas sangat
banyak - dalam 24 jam timbul vesikel yang akan pecah dalam waktu 48 jam dengan
intensitas yang sedikit
Universitas Sumatera Utara
Maka sesuai dengan Tabel Information System pada tabel 3.3, gejala yang diinputkan user B = { 0,6 a1, 0,3 a2, 1 a4 }. Dengan menggunakan rumus 2.1
maka dihitung nilai kesesuaiannya :
RBa
1
, U
1
a
1
= Max = Max0, 1 = 1
RBa
1
, U
5
a
1
= Max = Max0, 1 = 1
RBa
1
, U
7
a
1
=Max = Max0, 0.0 = 0
RBa
2
, U
1
a
2
= Max = Max0, 1 = 1
RBa
2
, U
3
a
2
=Max = Max0, 0,5 = 0,5
RBa
2
, U
8
a
2
=Max = Max0, 0,5 = 0,5
RBa
4
, U
1
a
4
= Max = Max0,1 = 1
RBa
4
, U
2
a
4
= Max = Max0,1 = 1
Dari perhitungan di atas dapat dilihat nilai kesesuaian yang dihasilkan tiap gejala yang diinput user terhadap gejala yang ada pada knowledge-based untuk setiap
penyakit yang memiliki gejala tersebut.
Setelah perhitungan nilai kesesuaian gejala antara gejala yang diinput oleh user dengan gejala yang ada pada knowledge – based, maka selanjutnya adalah
penjumlahan nilai kesesuaian untuk setiap penyakit, selanjutnya mencari nilai fuzzy conditional probality untuk setiap penyakit dengan banyaknya gejala yang dimiliki
oleh penyakit tersebut di knowledge – based dengan menggunakan rumus 3.3 maka dapat dihitung nilai fuzzy conditional probality dari data diatas :
Universitas Sumatera Utara
PB, U
1
=
=
PB, U
2
= = = 0,33
PB, U
3
= =
= 0,16 PB, U
5
= = = 0
PB, U
7
= = = 0
PB, U
8
= =
=0,16
Dari hasil yang diperoleh dari perhitungan diatas perlu dilakukan laporan kemungkinan penyakit mulut yang diderita sipenderita dengan menggunakan bahasa
yang sering dipakai manusia Variabel Linguistik , contohnya : kecil, agak besar, sangat besar dan besar. Nilai hasil diagnosis untuk tiap penyakit diambil dua
dibelakang koma dan akan diubah dalam bentuk persentase. Hasil akhirnya adalah sebagai berikut :
PB,U
1
= 1 100 = 100 untuk penyakit Kandidas Oral dengan kemungkinan besar
PB,U
2
= 0,42 100 = 42 untuk penyakit Keilitis Angularis dengan
kemungkinan agak besar PB,U
3
dan PB,U
8
= 0,16 100 = 16 untuk penyakit Vheek Bite dan
herpes labialis dengan kemungkinan kecil.
Universitas Sumatera Utara
3.2.5 Perancangan Antarmuka
Perancanngan antarmuka interface merupakan tampilan program aplikasi yang digunakan oleh pemakai user untuk dapat berkomunikasi dengan computer.Adapun
yang menjadi rancangan antarmuka dalam perancangan ini adalah rancangan menu utama program. Perancangan antarmka form sistem yang akan dibuat yaitu:
1. Rancangan Halaman Utama Halaman ini merupakan halaman pertama yang akan muncul ketika program
dijalankan. Halaman ini berisi menu: diagnosis penyakit mulut, penyakit mulut, tentang mulut, Tentang Saya dan Admin. Rancangan halaman utama
dapat dilihat pada gambar dibawah ini:
4
Gambar 3. 4 Rancangan Halaman Utama
Keterangan : 1. Gambar judul Aplikasi sistem
2. Isi penjelasan singkat dr sistem pakar HEADER 1
ISI 2
FOOTER 3 DIAGNOSIS P.
PENYAKIT TENTANG MULUT
TENTANG SAYA ADMIN
Universitas Sumatera Utara
3. Nama pembuat sistem 4. Link yaitu ketika di pilih tentang saya maka akan muncul pembuat web
2. Rancangan HalamanMenu Diagnosis Penyakit Mulut
Gambar 3. 5 Rancangan Halaman Input Intensitas Gejala
Keterangan : 1. Input data nilai kriteria
Halaman yang muncul setelah user menginput intensitas gejala yaitu halaman hasil diagnosis. Halaman hasil diagnosis dapat dilihat pada gambar dibawah ini :
HEADER
PENYAKIT TENTANG Mulut
Isilah Gejala yang terlihat pada Mulut
Seberapa banyak gejala ke-1 O Sangat Banyak
O banyak 1
O sedikit O tidak ada
FOOTER Sinpan
DIAGNOSIS P M l
TENTANG SAYA BERANDA
Universitas Sumatera Utara
Gambar 3. 6 Rancangan Halaman Hasil Diagnosis
Keterangan : 1. Halaman hasil diagnosis
3. Halaman Rancangan Menu Penyakit Mulut Halaman ini dapat dillihat pada gambar dibawah ini:
HEADER Hasil Diagnosis : 1
Nama penyakit persentase
HL 100
LG 25
CH 25
SAR
FOOTER PENYAKIT
TENTANG MULUT TENTANG SAYA
ADMIN
KEMBA
BERANDA
Universitas Sumatera Utara
Gambar 3.7 Rancangan Halaman Penyakit Mulut
Keterangan : 1. Nama- nama penyakit mulut yang diderita
HEADER
Nama-nama penyakit mulut •
Herpes Labialis •
Kandidosis Oral •
Keilitis Angularis 1
• Cheek bite
• Lidah Geografik
. . . •
Penyakit ke-n
FOOTER DIAGNOSIS P.
TENTANG MULUT PENYAKIT
TENTANG SAYA ADMIN
BERANDA
Universitas Sumatera Utara
4. Halaman Rancangan Menu Tentang Mulut
Gambar 3. 8 Rancangan Halaman Tentang Mulut
Keterangan : 1. Informasi mengenai penyakit mulut
5. Halaman Rancangan Menu Tentang Saya Halaman ini dapat dilihat pada gambar dibawah ini:
Gambar 3. 9 Rancangan Halaman Tentang Saya
HEADER
TENTANG MULUT Faktor Predisposisi Penyakit Mulut
1
FOOTER DIAGNOSIS
PENYAKIT TENTANG
TENTANG SAYA
HEADER
TENTANG SAYA 1 NAMA : JELITA SIMANJUNTAK
NIM : 071401006 ALAMAT: Jl. Abdul Hakim gg.Susuk 1 no 2
Padang Bulan. Meda ILMU KOMPUTER
UNIVERSITAS SUMATERA UTARA E-mail: jelita_pudanyahoo.com
FOOTER DIAGNOSIS
PENYAKIT TENTANG MULUT
foto BERANDA
ADMIN BERANDA
Universitas Sumatera Utara
Keterangan : 1. Informasi tentang pembuat web
6. Halaman Rancangan Menu Admin Pada halaman ini Admin bias menambah data penyakit, data gejala, data
kriteria, data gejala fuzzy. Halaman ini hanya Admin yang bisa membukanya karena untuk kehalaman selanjutnya dibutuhkan nama dan password yang
dikenali oleh sistem. Adapun halaman menu Admin terlihat seperti pada gambar dibawah ini :
Gambar 3. 10 Rancangan Halaman Login Admin
Keterangan: 1. Login agar bias masuk ke halaman administrator
HEADER
Silahkan Isi Data Diri Anda
Nama jelita
Password 1
FOOTER PENYAKIT
TENTANG MULUT
KIRIM
DIAGNOSIS TENTANG SAYA
BERANDA
Universitas Sumatera Utara
Setelah admin login maka akan muncul halaman menu untuk menambah data. Pada halaman ini terdapat menu data penyakit, data gejala, data kriteria, data fuzzy,
dan keluar. Jika dipilih menu data penyakit maka admin akan masuk ke halaman input data penyakit, jika admin memilih data gejala maka admin akan masuk ke halaman
input data gejala, jika admin memilih data kriteria maka admin akan masuk ke halaman input data kriteria, jika admin memilih data fuzzy maka admin akan masuk
ke halaman input data fuzzy dan jika admin memilih menu keluar maka admin akan keluar dari halaman administrator. Adapun rancangan halaman admin tambah data
dapat dilihat pada gambar dibawah ini :
Gambar 3. 11 Rancangan Halaman Menu Administrator
Keterangan : 1. Halaman menu administrator untuk memperbaharui data penyakit,gejala,data
fuzzy dan data kriteria. HEADER
Selamat Datang di Menu Administrator …
1
FOOTER DATA GEJALA
DATA KRITERIA DATA PENYAKIT
DATA FUZZY KELUAR
Universitas Sumatera Utara
7. Halaman Rancangan Input Data Penyakit
Gambar 3.12 Rancangan Halaman Input Data Penyakit
Keterangan : 1. Halaman dimana Admin memperbaharui data penyakit
8. Halaman Rancangan Input Data Gejala HEADER
Input Data Penyakit 1 Kode penyakit :
Nama Penyakit :
Kode Gejala Nama Gejala
FOOTER DATA GEJALA
DATA KRITERIA DATA PENYAKIT
DATA FUZZY KELUAR
Simpa
Universitas Sumatera Utara
Gambar 3.13 Rancangan Halaman Input Gejala
Keterangan : 1. Halaman dimana Admin bisa memperbaharui data gejala
9. Halaman Rancangan Input Data Kriteria HEADER
Input Data Gejala 1 Kode gejala :
Nama gejala :
Kode Gejala Nama Gejala
FOOTER DATA GEJALA
DATA KRITERIA DATA PENYAKIT
DATA FUZZY KELUAR
Simpan
Universitas Sumatera Utara
Gambar 3.14 Rancangan Halaman Input Kriteria
Keterangan : 1. Halaman dimana Admin memperbaharui data kriteria
10. Halaman Rancangan Input Data Fuzzy HEADER
Input Data Kriteria 1 Kode kriteria :
Nama kriteria :
Kode kriteria
Nama kriteria
Nilai kriteria
FOOTER DATA GEJALA
DATA KRITERIA DATA PENYAKIT
DATA FUZZY KELUAR
Simpa
Universitas Sumatera Utara
Gambar 3.15 Rancangan Halaman Input Data Fuzzy
Keterangan : 1. Halaman dimana Admin memperbaharui data fuzzy
HEADER Input Data Fuzzy 1
Kode Penyakit : Kode Gejala :
Kode Nilai :
Nama penyakit
Nama gejala keterangan
FOOTER DATA GEJALA
DATA KRITERIA DATA PENYAKIT
DATA FUZZY KELUAR
Simpa
Universitas Sumatera Utara
BAB 4
IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi