Sistem Pakar untuk Mendiagnosis Penyakit Sinusitis Menggunakan Algoritma Certainty Factor dan Forward Chaining

(1)

SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT SINUSITIS

MENGGUNAKAN ALGORITMA

CERTAINTY FACTOR

DAN

FORWARD CHAINING

SKRIPSI

NURDIN SIREGAR

131421036

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015

(2)

SISTEM PAKAR UNTUK MEDIAGNOSIS PENYAKIT SINUSITIS MENGGUNAKAN METODE CERTAINTY FACTOR DAN

FORWARD CHINING

SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

Oleh :

NURDIN SIREGAR 131421036

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2015

(3)

PERSETUJUAN

Judul : SISTEM PAKAR UNTUK MENDIAGNOSIS

PENYAKIT SINUSITIS MENGGUNAKAN

ALGORTITMA CERTAINTY FACTOR DAN

FORWARD CHAINING

Kategori : SKRIPSI

Nama : NURDIN SIREGAR

Nomor Induk Mahasiswa : 131421036

Program Studi : S1 ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Agustus 2015 Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Handrizal, S.Si, M.Comp, Sc Dian Rachmawati S.Si, M.Kom

NIP. - NIP. 198307232009122004

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom NIP. 19620317 199103 1 011

(4)

PERNYATAAN

SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT SINUSITIS MENGGUNAKAN ALGORITMA CERTAINTY FACTOR DAN

FORWARD CHAINING

SKRIPSI

Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, Agustus 2015

Nurdin Siregar 131421036

(5)

PENGHARGAAN

Alhamdulillah segala puji dan syukur atas nikmat yang luas kepada Allah Yang Maha Esa sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

Ucapan terima kasih Penulis sampaikan kepada semua pihak yang telah membantu Penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung, teristimewa orangtua penulis yang sangat mengasihi dan menyayangi penulis dan memberi dukungan tiada henti. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:

1. Bapak Prof. Subhilhar, Ph.D selaku PJ Rektor Universitas Sumatera Utara. 2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer

dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan sebagai Dosen Pembanding I yang telah memberikan memberikan kritik dan saran dalam penyempurnaan skripsi ini.

4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

5. Ibu Dian Rachmawati S.Si, M.Kom selaku Dosen Pembimbing I yang telah memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam penyempurnaan skripsi ini.

6. Bapak Handrizal, S.Si, M.Comp. Sc selaku Dosen Pembimbing II yang telah memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam penyempurnaan skripsi ini.

(6)

7. Bapak Muhammad Andri Budiman, S.T, M.Comp.Sc selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.

8. Ibu dr. Rehulina Surbakti, Sp.THT-KL yang telah bersedia menjadi seorang Pakar dalam penelitian ini.

9. Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

10. Keluarga besar penulis, Orang tua Amansari Siregar dan Melliana Pane yang senantiasa mendoakan dan mendukung serta saudara tersayang Irvan Syah Putra Siregar dan keluarga lainnya.

11. Irina Dian Syahfitri yang telah banyak mendukung dan memberi motivasi kepada penulis

12. Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013, Riwandy Septiansyah, Damora Azri Mohara, Dhita Pratiwi, Dwi Septiana Sari, Rika Rentika.

13. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.

Medan, Agustus 2015 Penulis,

(7)

SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT SINUSITIS MENGGUNAKAN ALGORITMA CERTAINTY FACTOR DAN

FORWARD CHAINING

ABSTRAK

Sinusitis merupakan peradangan yang terjadi pada organ sinus. Sinus sendiri adalah rongga udara yang terdapat didaerah wajah yang langsung terhubung dengan hidung. Peradangan pada sinus ini dapat menyebabkan penimbunan lendir pada rongga sinus dan menjadi media bagi pertumbuhan bakteri. Saat ini di Indonesia penyakit sinusitis merupakan penyakit dengan jumlah penderita cukup banyak. Selain itu masyarakat Indonesia sedikit sulit mengetahui gejala penyakit sinusitis karena hampir sama dengan gejala penyakit flu biasa. Pada penelitian ini penulis membangun sebuah sistem pakar yang dapat mendiagnosis penyakit sinusitis dengan menggunakan algoritma certainty factor dan forward chaining. Dari penelitian ini dihasilkan sebuah sistem pakar yang dapat memberikan kemudahan bagi masyarakat dalam mendiagnosis sinusitis.

Kata-kata Kunci : Sinusitis, sistem pakar, Diagnosis , Certainty Factor, Forward Chaining.

(8)

EXPERT SYSTEM FOR DIAGNOSIS SINUSITIS USING CERTAINTY FACTOR AND FORWARD CHAINING ALGORITHM

ABSTRACT

Sinusitis is an inflammation of the sinus organ . Sinus is contained air cavity face area which directly connected to the nose. Sinuses inflammation cause mucus accumulation in the sinus cavity and a medium for bacterial growth . Now in Indonesia sinusitis is a disease with a number of people quite a lot. In addition the Indonesian people difficult to know the symptoms of sinusitis almost same as the symptoms of the common flu . In this study, the authors build an expert system that can diagnose sinusitis using certainty factor and forward chaining algorithm. From this study produced an expert system that can provide convenience for people in diagnosing sinusitis.

(9)

vii

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak v

Abstract vi

Daftar Isi vii

Daftar Tabel ix

Daftar Gambar x

BAB 1 PENDAHULUAN

1.1. Latar Belakang 1

1.2. Rumusan Masalah 2

1.3. Batasan Masalah 2

1.4. Tujuan Penelitian 3

1.5. Manfaat Penelitian 3

1.6. Metodologi Penelitian 3

1.7. Sistematika Penulisan 4

BAB 2 LANDASAN TEORI

2.1. Kecerdasan Buatan 6

2.2. Sistem Pakar 6

2.2.1. Konsep Sistem Pakar 7

2.2.2. Arsitektur Sistem Pakar 8

2.3. Sinusitis 11

2.3.1. Sinus Pada Manusia 11

2.4. Algoritma Forward Chaining (Runut Maju) 13

2.5. Certainty Factor 14

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis Sistem 16

31.1. Analisis Permasalahan 16

3.2. Analisis Kebutuhan Sistem

3.2.1. Kebutuhan fungsional 18

(10)

viii

3.3.1. Perancangan Flowchart 21

3.3.2. Use Case Diagram 21

3.3.3 Skenario Use Case 22

3.3.4. Activity Diagram 24

3.3.5. Sequence Diagram 25

3.4. Analisis Proses 26

3.4.1. Analisis Proses Algoritma Forward Chaining 27 3.4.2. Analisis Proses Algoritma Certainty Factor 28 3.5. Perancangan Antar Muka Sistem (Interface) 32

3.5.1. Rancangan Halaman Beranda 33

3.5.2. Rancangan Halaman Petunjuk 34

3.5.3. Rancangan Halaman Diagnosis 35

3.5.4. Rancangan Halaman Pertanyaan Gejala 36 3.5.5. Rancangan Halaman Penyakit dan Gejala 37

3.5.6. Rancangan Halaman Tambah Gejala 38

3.5.7. Rancangan Halaman Edit Gejala 39

3.5.8. Rancangan Halaman Hasil Diagnosa 40

BAB 4 IMPLEMENTASI DAN PENGUJIAN

4.1. Implementasi 41

4.1.1. Tampilan Halaman Beranda 41

4.1.2. Tampilan Halaman Petunjuk 42

4.1.3. Tampilan Halaman Diagnosis 43

4.1.4. Tampilan Halaman Pertanyaan Gejala 43 4.1.5. Tampilan Halaman Penyakit dan Gejala 44

4.1.6. Tampilan Halaman Tambah Gejala 45

4.1.7. Tampilan Halaman Edit Gejala 45

4.1.8. Tampilan Halaman Hasil Diagnosis 46

4.2. Pengujian 46

4.2.1. Pengujian Sistem Algoritma Forward Chaining 47 Pengujian Sistem Algoritma Certainty Factor 47

BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan 51

5.2. Saran 51

(11)

DAFTAR TABEL

Halaman

Tabel 2.1. Nilai ketidakpastian

Tabel 3.1. Use Case 22

Tabel 3.2. Scenario-01 23

Tabel 3.3. Scenario-02 23

Tabel 3.4. Scenario-03 24

Tabel 3.5. Scenario-04 24

Tabel 3.6. Gejala-gejala Penayakit Sinusitis 28

Tabel 3.7. Nilai CF yang telah diisi oleh pakar dr. Rehulina Surbakti, Sp.THT-KL berdasarkan gejala yang sering di derita pasien 29 Tabel 4.1. Nilai CF yang telah diisi oleh pakar dr. Rehulina Surbakti,

Sp.THT-KL berdasarkan gejala yang sering di derita pasien

(12)

DAFTAR GAMBAR

Halaman

Gambar 2.1. Arsitektur Sistem Pakar 9

Gambar 2.2. Daerah-Daerah Sinus 13

Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah 17

Gambar 3.2. Flowchart Utama 21

Gambar 3.3. Use Case Metode Sistem Pakar 22

Gambar 3.4. Activity Diagram Sistem 25

Gambar 3.5. Diagram Sequence System 26

Gambar 3.6. Rancangan Halaman Beranda 33

Gambar 3.7. Rancangan Halaman Petunjuk 34

Gambar 3.8. Rancangan Halaman Diagnosa 35

Gambar 3.9. Rancangan Halaman Pertanyaan Gejala 36

Gambar 3.11. Rancangan Halaman Penyakit dan Gejala 37

Gambar 3.12. Rancangan Halaman Tambah Gejala 38

Gambar 3.13. Rancangan Halaman Edit Gejala 39

Gambar 3.14. Rancangan Halaman Hasil Diagnosis 40

Gambar 3.15. Rancangan Halaman Info Kanker Payudara 57

Gambar 4.1. Halaman Beranda 42

Gambar 4.2. Halaman Petunjuk 42

Gambar 4.3. Halaman Diagnosis 43

Gambar 4.4. Halaman Pertanyaan Gejala 44

Gambar 4.5. Halaman Penyakit dan Gejala 44

Gambar 4.6. Halaman Tambah Gejala 45

Gambar 4.7. Halaman Edit Gejala 46

(13)

SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT SINUSITIS MENGGUNAKAN ALGORITMA CERTAINTY FACTOR DAN

FORWARD CHAINING

ABSTRAK

Kata-kata Kunci : Sinusitis, sistem pakar, Diagnosis , Certainty Factor, Forward Chaining.

(14)

EXPERT SYSTEM FOR DIAGNOSIS SINUSITIS USING CERTAINTY FACTOR AND FORWARD CHAINING ALGORITHM

ABSTRACT

(15)

BAB 1 PENDAHULUAN

1.1. Latar Belakang

Sistem Pakar adalah sistem yang menirukan penalaran seorang pakar agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Pengetahuan yang disimpan didalam sistem pakar umumnya diambil dari seorang manusia yang pakar dalam masalah tersebut. Peran penting seorang pakar dapat digantikan oleh program komputer yang pada prinsip kerjanya untuk memberikan solusi yang pasti seperti yang biasa dilakukan oleh pakar. Sistem pakar biasanya digunakan untuk konsultasi, analisis, diagnosis dan membantu mengambil keputusan.

Saat ini di Indonesia penyakit sinusitis merupakan penyakit dengan jumlah penderita cukup banyak. Selain itu masyarakat Indonesia sedikit mengetahui gejala penyakit sinusitis karena hampir sama dengan gejala penyakit flu biasa. Hal ini bisa menyebabkan kesalahan dalam menindaklanjuti penyakit sinusitis dan bisa menyebabkan dampak yang lebih besar lagi.

Maka dari itu diperlukan sebuah sistem pakar yang fungsinya nanti menggantikan seorang pakar atau dokter dan sistem nantinya dapat diakses oleh siapaun. Sehingga tidak terjadi lagi kesalahan dalam menindaklanjuti apabila

(16)

Algoritma yang digunakan adalah algoritma certainty factor dan forward chaining.

Pemilihan kedua algoritma ini karena certainty factor adalah metode yang sangat cocok digunakan dalam menghitun sesuatu yang belum pasti dalam hal ini mendiagosis penyakit sinusitis. Ditambah lagi perhitungan dalam algortima ini hanya dapat mengolah dua data saja sehingga keakuratannya dapat terjaga. Sedangkan pemilihan

forward chaining, algoritma ini akan berjalan sangat baik ketika permasalahan bermula dari mengumpulkan ataupun menyatukan informasi lalu kemudian mencari kesimpulan yang dapat diambil dari informasi tersebut. Dan memiliki kemampuan untuk memberikan kesimpulan dengan data yang terbatas.

1.2. Rumusan Masalah

Bagaimana rancangan suatu sistem pakar yang dapat membantu para ahli dan masyarakat dalam mendiagnosa penyakit sinusitis menggunakan algoritma certainty faktor dan forward chaining

1.3. Batasan Masalah / Ruang Lingkup Penelitian

Batasan masalah pada penelitian ini adalah :

1. Sistem pakar ini dibangun dengan menggabungkan metode certainty factor dan

forward chaining. Certainty factor untuk menghitung derajat kepastian dan

forward chaining untuk proses reasoning.

2. Jenis Penyakit sinusitis yang dibahas ada 4 yaitu : sinus maksilaris, sinus frontalis, sinus etmoidalis, sinus sfenoidalis.

3. Interaksi yang digunakan antar pemakai dan sistem berupa tanya-jawab dari pertanyaan yang telah diberikan kepada user, dan berakhir pada suatu kesimpulan.

4. Sistem dibuat menggunakan bahasa pemgograman PHP dan Mysql sebagai Database Management System (DBMS)

(17)

1.4. Tujuan Penelitian

Tujuan dari penelitian ini adalah merancang aplikasi yang dapat mendiagnosa penyakit sinusitis menggunakan metode certainty factor dan forward chaining.

1.5. Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut :

1. Memberikan kemudahan dalam mendiagnosa penyakit sinusitis

2. Memberikan saran untuk tindakan selanjutnya setelah terdiagnosis penyakit sinusitis.

1.6. Metode Penelitian

Dalam menyusun skripsi ini penulis melakukan beberapa penerapan metode penelitian untuk menyelesaikan permasalahan. Metode penelitian yang dilakukan adalah dengan cara:

1. Studi pustaka untuk mengumpulkan, mempelajari serta menyeleksi bahan-bahan tentang jenis-jenis penyakit sinusitis dan gejala-gejalanya yang nantinya diperlukan untuk penulisan skripsi ini.

2. Wawancara

Wawancara dilakuka di sebuah klinik dokter spesialis THT mengenai gejala-gejala sinusitis.

3. Pengumpulan data yang berhubungan dengan tugas akhir.

Data yang dibutuhkan adalah data-data jenis penyakiri sinusitis beserta gejala-gejala yang akan di analisis.

(18)

4. Analisis Sistem

Melakukan analisis terhadap data-data penyakit sinusitis serta algoritma

certainty factor dan forward yang akan digunakan pada sistem. 5. Perancangan Sistem

Merancang suatu aplikasi sistem pakar untuk mendiagnosi penyakit sinusitis. Termasuk di dalamnya yaitu perancangan basis data, Unified Modeling Language (UML), desain interface dan perancangan sistem.

6. Implementasi Sistem (Coding)

Menyusun kode program untuk aplikasi sistem pakar untuk mendiagnosis penyakit sinusitis menggunakan PHP dan MySQL.

7. Testing

Melakukan pengujian sistem yang telah dibangun sehingga dapat melakukan perbaikan sistem apabila ditemukan kesalahan pada sistem.

8. Dokumentasi Sistem

Pembuatan dokumentasi sistem, lengkap dengan analisis yang telah diperoleh.

1.7.Sistematika Penulisan

Sistematika penulisan tugas akhir ini dibagi dalam lima bab, masing-masing bab diuraikan sebagai berikut :

BAB I : PENDAHULUAN

Bab ini mencakup latar belakang permasalahan, perumusan masalah, tujuan dan manfaat batasan masalah, rumusan masalah, metodologi penelitian, dan sistematika penulisan sistem pakar untuk mendiagnosis penyakit sinusitis.

(19)

BAB 2 : DASAR TEORI

Bab ini menguraikan tentang teori yang berkaitan dengan kecerdasan buatan, sistem pakar, sinusistis, metode certainty factor dan forward chaining.

BAB 3 : ANALISIS DAN PERANCANGAN SISTEM

Bab ini menjelaskan mengenai tahapan-tahapan dala aplikasi yang dibangun, komponen yang digunakan, pembahasan basis data, metode certainty factor dan forward chaining,

perancangan Unified Modeling Language (UML), dan perancangan antarmuka (user interface).

BAB 4 : IMPELEMENTASI DAN PENGUJIAN SISTEM

Bab ini membahas tentang cara kerja dari perangkat lunak yang mengulas analisis hasil pengujian terhadap sistem pakar untuk mendiagnosis penyakit sinusitis menggunakan algoritma certainty factor dan forward chaining.

BAB 5 : PENUTUP

Bab ini berisi tentang kesimpulan dari hasil penulisan dan saran-saran, guna perbaikan dan pengembambangan sistem pakar untuk mendiagnosis penyakit sinusitis menggunakan algoritma certainty factor dan forward chaining.

(20)

BAB 2

LANDASAN TEORI

2.1. Kecerdasan Buatan

Kecerdasan buatan adalah cabang ilmu komputer yang bertujuan untuk membuat sebuah komputer dapat berpikir dan bernalar seperti manusia. Tujuan praktis dari kecerdasan buatan ini adalah membuat komputer semakin berguna bagi manusia. Kecerdasan buatan dapat membantu manusia dalam membuat keputusan, mencari informasi secara lebih akurat, atau membuat komputer lebih mudah digunakan dengan tampilan yang menggunakan bahasa natural sehingga mudah dipahami. Salah satu bagian dari sistem kecerdasan buatan adalah sistem pakar dimana sistem pakar adalah bagian dari ilmu Kecerdasan buatan yang secara spesifik berusaha mengadopsi kepakaran seseorang di bidang tertentu ke dalam suatu sistem atau program komputer.

2.2. Sistim Pakar

Menurut Martin dan Oxman (1988) sistem pakar adalah sistem yang berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut (Kusrini, 2006).

Feigenbaum (1982) mendefinisikan sistem pakar sebagai suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan prosedur inferensi untuk menyelesaikan masalah yang cukup rumit yang membutuhkan seorang ahli untuk menyelesaikannya (Arhami, 2006).

(21)

7 Dari beberapa defenisi tersebut dapat disimpulkan bahwa sistem pakar adalah sistem komputer yang menyamai kemampuan pengambilan keputusan seorang pakar. Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaiakan masalah yang tidak dapat diselesaikan oleh orang awam. Sebagai contoh, dokter adalah seorang pakar yang mampu mendiagnosis penyakit yang diderita pasien serta dapat memberikan solusi terhadap penyakit tersebut.

Sistem pakar mencoba memecahkan masalah yang biasanya hanya bisa dipecahkan oleh seorang pakar, dipandang berhasil ketika mampu mengambil keputusan seperti yang dilakukan oleh pakar aslinya baik dari sisi proses pengambilan keputusannya maupun hasil keputusan yang diperoleh.

2.2.1. Konsep Sistem Pakar

Menurut Turban, konsep dasar sistem pakar mengandung : keahlian, ahli pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan. Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian adalah:

a. Fakta-fakta pada lingkup permasalahan tertentu. b. Teori-teori pada lingkup permasalahan tertentu.

c. Prosedur-posedur dan aturan-aturan berkenaan dengan lingkungan hidup permasalahan tertentu.

d. Strategi-strategi global untuk menyelesaikan masalah. e. Meta-knowledge (pengetahuan tentang pengetahuan).

Bentuk-bentuk ini memungkinkan para ahli untuk dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan ahli. Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan (domain), menyusun kembali pengetahuan jika dipandang perlu, memecah aturan-aturan jika dibutuhkan, dan menentukan relevan tidaknya keahlian mereka. Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi

(22)

8 ke orang lain yang bukan ahli, merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas yaitu :

a. Tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya). b. Representasi pengetahuan (ke komputer).

c. Inferensi pengetahuan.

d. Pengalihan pengetahuan ke user.

Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan. Ada 2 tipe pengetahuan, yaitu : fakta dan prosedur (biasanya berupa aturan). Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia program yang mampu mengakses basis data, maka komputer harus dapat diprogram untuk membuat inferensi. Proses inferensi ini dikemas dalam bentuk motor inferensi (inference engine). Sebagian besar sistem pakar komersial dibuat dalam bentuk rule-based systems, yang mana pengetahuannya disimpan dalam bentuk aturan-aturan. Aturan tersebut biasanya berbentuk IF-THEN. Fitur lainnya dari sistem pakar adalah kemampuan untuk merekomendasi. Kemampuan inilah yang membedakan sistem pakar dengan sistem konvensional.

2.2.3. Arsitektur Sistem Pakar

Menurut Giarratano dan Riley dalam (Hartati dan Iswanti, 2008) menyatakan sistem pakar sebagai sebuah program yang difungsikan untuk menirukan pakar manusia harus bisa melakukan hal-hal yang dapat dikerjakan oleh seorang pakar. Untuk membangun sistem yang seperti itu maka komponen-komponen yang harus dimiliki dapat dilihat pada gambar 2.1 berikut ini :

(23)

Gambar 2.1: Arsitektur Sistem Pakar

(Sumber: Hartati, S., Iswanti S 2008. Sistem Pakar & Pengembangannya) Berikut adalah penjelasan tentang komponen-komponen tersebut.

1. Antarmuka pengguna (user interface) adalah perangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistem. Antarmuka menerima informasi dari pengguna dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem. Selain itu antarmuka menerima informasi dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pengguna.

2. Basis pengetahuan (knowledge base) merupakan kumpulan pengetahuan bidang tertentu pada tingkatan pakar dalam format tertentu. Pengetahuan ini diperoleh dari akumulasi pengetahuan pakar dan sumber-sumber pengetahuan lainnya seperti buku-buku, majalah, jurnal ilmiah, maupun dokumentasi yang tercetak lainnya. 3. Mekanisme inferensi (inference machine) merupakan perangkat lunak yang

melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir.

Dalam komponen ini dilakukan pemodelan proses berpikir manusia. Pada prinsipnya mesin inferensi inilah yang mencari solusi dari suatu permasalahan.

(24)

10 4. Memori kerja (working memory) merupakan bagian dari sistem pakar yang menyimpan fakta-fakta yang diperoleh saat dilakukan proses konsultasi. Fakta-fakta inilah nantinya akan diolah oleh mesin inferensi berdasarkan pengetahuan yang disimpan dalam basis pengetahuan untuk menentukan suatu keputusan pemecahan masalah. Konklusinya bisa berupa hasil diagnosa, tindakan, dan akibat.

Sedangkan utuk menjadikan sistem pakar menjadi lebih menyerupai seorang pakar yang berinteraksi dengan pemakai, maka dilengkapi dengan fasilitas berikut : 1. Fasilitas penjelasan (explanation facility) merupkan proses menentukan keputusan

yang dilakukan oleh mesin inferensi selama sesi konsultasi mencerminkan proses penalaran seorang pakar. Karena pemakai kadangkala bukanlah ahli dalam bidang tersebut, maka dibutuhkan fasilitas penjelasan. Fasilitas penjelasan inilah yang dapat memberikan informasi kepada pemakai mengenai jalannya penalaran sehingga dihasilkan suatu keputusan. Bentuk penjelasannya dapat berupa keterangan yang diberikan setelah suatu pertanyaan diajukan, yaitu penjelasan atas pertanyaan mengapa, atau penjelasan atas pertanyaan bagaimana sistem mencapai konklusi.

2. Fasilitas akuisisi pengetahuan (knowledge acquisition facility) merupakan perangkat lunak yang menyediakan fasilitas dialog antara pakar dengan sistem. Fasilitas akuisisi ini digunakan untuk memasukkan fakta-fakta dan kaidah-kaidah sesuai dengan perkembangan ilmu. Meliputi proses pengumpulan, pemidahan, dan perubahan dari kemampuan pemecahan masalah seorang pakar atau sumber pengetahuan terdokumentasi (buku, dll) ke program komputer, yang bertujuan untuk memperbaiki dan atau mengembangkan basis pengetahuan (knowledge base).

2.3. Sinusitis

Menurut Kamus Kedokteran (Dorland 2002), sinusitis adalah peradangan sinus, biasanya sinus paranasales; mungkin purulen atau nonpurulen, akut atau kronik.

Tipe-tipe peradangan ini dinamakan sesuai dengan sinus yang terkena. Ethmoid sinusitis adalah peradangan sinus ethmoidalis, disebut juga ethmoiditis. Frontal sinusitis adalah peradangan sinus frontalis. Maxillary sinusitis adalah peradangan sinus

(25)

11 maxillaris, disebut juga antritis. Sphenoid sinusitis adalah peradangan sinus sphenoidalis, disebut juga sphenoiditis. (Kamus Kedokteran Dorland, 2002).

2.3.1. Sinus Pada Manusia

Ada delapan buah sinus paranasal, empat buah di tiap sisi hidung. Sinus frontal kanan dan kiri, sinus etmoid kanan dan kiri, sinus maksila kanan dan kiri dan sinus sfenoid kanan dan kiri. Semua rongga hidung tersebut merupakan kelanjutan dari mukosa hidung yang berisi udara dan semua bermuara di rongga hidung melalui ostium masing-masing. (Aisyah, 2011).

a. Sinus Frontalis (Frontal Sinus)

Bentuk dan ukuran sinus frontal sangat bervariasi, dan seringkali juga sangat berbeda bentuk dan ukurannya dari sinus pasangannya. Ukuran rata-rata sinus frontal yaitu tinggi 3 cm, lebar 2-2,5 cm, dalam 1,5-2 cm dan isi rata-rata 6-7 ml. Dinding depan sinus frontal hampir selalu diploik, terutama pada bagian luar atau sudut infero-lateral dan pada sulkus superior tempat pertemuan dinding anterior dan posterior. (Aisyah, 2011).

b. Sinus Etmoidalis (Ethmoid Sinus)

Sinus Etmoid Sinus etmoid pada orang dewasa berbentuk seperti piramid dengan dasarnya pada bagian posterior. Ukurannya dari anterior ke posterior adalah 4-5 cm, tinggi 2,4 cm dan lebarnya 0,5 cm di anterior sedangkan di bagian posterior 1,5 cm. (Soetjipto, 2007). Sinus etmoid berongga-rongga yang terdiri dari sel-sel seperti sarang tawon, terdapat di dalam massa bagian lateral os etmoid dan terletak di antara konka media dan dinding medial orbita.(Soetjipto, 2007).

c. Sinus Maksilaris (Maxilarry Sinus)

Sinus maksila berbentuk piramid. Dinding anterior sinus ialah permukaan fasial os maksila yang disebut fosa kanina, dinding posteriornya adalah permukaan infra temporal maksila, dinding medialnya ialah dinding lateral rongga hidung,

(26)

12 dinding superiornya ialah dasar orbita dan dinding inferiornya ialah prosesus alveolaris dan palatum.(Soetjipto, 2007)

d. Sinus Sfenoidalis (Sphenoid Sinus)

Sinus sfenoid terletak di os sfenoid, di belakang sinus etmoid posterior. Sinus sfenoid dibagi dua oleh sekat yang jarang terletak di tengah disebut septum intersfenoid. (Soetjipto, 2007). Ukuran sinus ini kira-kira pada saat usia 1 tahun 2,5 x 2,5 x 1,5, pada usia 9 tahun 15 x 12 x 10,5 mm. Isi rata-rata sekitar 7,5 ml (0,05-30 ml). (Aisyah, 2011).

Berikut ini adalah gambar kempat sinus pada yang dimiliki oleh manusia seperti yang ditunjukkan oleh gambar 2 berikut ini :

Gambar 2.2 : Daerah-daerah Sinus

(27)

2.4. Algoritma Forward Chaining (Runut Maju)

Metode Forward Chaining merupakan proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Runut maju biasa juga disebut sebagai penalaran forward (forward reasoning) atau pencarian yang dimotori data (data driven search). Jadi dimulai dari premis-premis atau informasi masukan (if) dahulu kemudian menuju konklusi atau drived information (then) atau dapat dimodelkan sebagai berikut :

IF (informasi masukan) THEN (konklusi)

Informasi masukan dapat berupa data, bukti, temuan, atau pengamatan. Sedangkan konklusi dapat berupa tujuan, hipotesa, penjelasan atau diagnosis. Sehingga jalannya penalaran runut maju dapat dimulai dari data menuju tujuan, dari bukti menuju hipotesa, dari temuan menuju penjelasan, atau dari pengamatan menuju diagnosa.(Giarattano, 2005). Dan berikut ini adalah contoh dari forward chaining.

IF nyeri pada wajah AND hidung tersumbat

AND nyeri pada kepala AND nyeri pada telinga THEN sinusitis sfenoid

Secara sederhana runut maju diterangkan sebagai berikut secara sederhana untuk kaidah diatas, agar system pakar mencapai konklusi harus disuplay dahulu fakta nyeri pada wajah . hidung tersumbat dan nyeri pada kepala dan nyeri pada telinga. Barulah sistem mengeluarkan konklusi bahwa user menderita penyakit sinusitis sfenoid.

2.5. Certainty Factor

Dalam aplikasi sistem pakar terdapat suatu metode untuk menyelesaikan masalah ketidakpastian data, salah satu metode yang digunakan adalah faktor kepastian

(28)

14 kepastian yang diisikan oleh pakar bersana denga aturan dan factor kepastian yang diberikan pengguna. Faktor kepastian yang diisikan oleh pakar menggambarkan kepercayaan pakar terhadap hubungan antara antecedent dan konsekuen. Sementara itu kepastian dari pegguna menunjukkan besarnya kepercayaan terhadap keberadaan masing-masing elemen dalam antecedent.(Kusrini, 2008).

Nilai Certainty factor (CF) didapat dari interpretasi “term” dari pakar yang

diubah menjadi nilai Certainty factor (CF) tertentu sesuai tabel berikut ini :

Tabel 2.1 : Nilai Ketidakpastian

Uncertain Term Nilai CF

Definitly not (pasti tidak) -1.0

Almost certainty not (hampir pasti tidak) -0.8

Probably not (kemingkinan besar tidak) -0.6

Maybe not (mungkin tidak) -0.4

Unknown (tidak tahu) -0.2 – 0.2

Maybe 0.4

Probably 0.6

Almost Certainty 0.8

Definitly 1.0

(Sumber : Mulyanto E., Sutojo T. & Suhartono. Kecerdasan Buatan. 2011)

Certainty factor (CF) merupakan salah satu teknik yang digunakan untuk mengatasi ketidakpastian dalam mengambil keputusan. Certainty factor (CF) dapat terjadi dengan berbagai kondisi. Diantara kondisi yang terjadi adalah terdapat beberapa antenseden (dalam rule yang berbeda) dengan satu konsekuen yang sama. Dalam kasus ini kita harus mengkombinasikan nilai CF keseluruhan dari kondisi yang ada. Berikut formula yang digunakan menurut MYCIN (Widiyanto, 2015)

(29)

15 Berikut rumus untuk melakukan perhitungan CF kombinasi

Keterangan :

CFkomb = Certainty Factor (CF) kombinasi antara CF awal dan CF akhir CF1 = Certainty factor awal

CF2 = Certainty factor akhir

CF1 + CF2 * (1-CF1) kedua-duanya > 0

CF1 + CF2 salah satu < 0

1-min(|CF1|,|CF2|)

(CF1 + CF2) * (1 – CF1) kedua-duanya < 0

(30)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis Sistem

Analisis sistem merupakan suatu tahapan untuk membantu memahami sesuatu yang di butuhkan sistem dan mempelajari permasalahan-permasalahan yang ada untuk kemudian dilakukannya solusi penyelesaian yang didasarkan pada kebutuhan pengguna sistem agar tercipta sebuah sistem yang bermanfaat bagi pengguna.

3.1.1. Analisis Permasalahan

Permasalahan yang dihadapi dalam perancangan sistem ini adalah bagaimana rancangan sistem yang dapat mendiagnosis penyakit sinusitis menggunakan algoritma

certainty factor dan forward chaining.

Gambar 3.1 merupakan diagram Ishikawa yang dapat digunakan untuk menganalisis masalah. Bagian kepala atau segiempat yang berada di sebelah kanan merupakan masalah. Sementara di pada bagian tulang merupakan penyebab.

(31)

Bagaimana mendiagnosis penyakit sinusitis dengan merancang suatu sistem pakar

METHOD MACHINE

MAN MATERIAL

User membutuhkan sistem dalam mendiagnois penyakit

sinusitis

Pada umumnya sesorang pasien sinusitis akan terdiagnosis menderita sinusitis setelah diperiksa

oleh dokter

Belum adanya aplikasi yang khusus untuk mendiagnosis

sinusitis Selama ini perhitungan dilakukan dengan bantuan

kertas dan alat hitung lainnya untuk mendapatkan

hitungan kepastian

Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah

Keterangan gambar 3.1. diagram ishikawa adalah sebagai berikut:

People

1. Dengan adanya sistem yang akan dibangun, user dapat mendiagnosis penyakit sinusitis.

Material

1. Sistem yang akan dibangun diharapkan dapat menampilkan hasil diagnosis dan saran untuk tindakan selanjutnya.

Method

1. Sistem nantinya akan menggunakan algoritma certainty factor dan forward chaining dalam mendiagnosis penyakit sinusitis.

(32)

Machine

1. Sistem yang akan dibangun nantinya akan mengunakan bahasa pemrograman php dan Mysql sebagai database management system (DBMS).

Analisis sistem diperlukan untuk mengetahui permasalahan dan kebutuhan yang diperlukan dalam pengembangan sistem. Analisis terdiri dari Analisis permasalahan yang ada dan Analisis kebutuhan sistem.

3.2.Analisis Kebutuhan Sistem

Untuk membangun sebuah sistem, perlu dilakukan sebuah tahap analisis kebutuhan sistem. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu: kebutuhan fungsional dan kebutuhan non-fungsional.

3.2.1. Kebutuhan Fungsional

Kebutuhan fungsional adalah kebutuhan yang harus diberikan oleh sistem. Dimana sistem harus berupa input, proses, output, maupun penyimpanan data (Harahap, 2013). Kebutuhan fungsional yang dimaksud adalah sistem dapat menyelesaikan masalah dalam dalam mendiagnosis penyakit sinusitis menggunakan algoritma certainty factor

dan forward chaining.

Kebutuhan fungsional yang pertama sistem yang akan dibangun harus mampu menerinma inputan sebagai berikut :

1. User menginput data diri sebelum menjawab pertanyaan pertanyaan gejala. 2. User menginput jawaban Ya atau Tidak untuk setiap gejala yang ditanyakan

sesuai yang dialami oleh user.

3. Admin menginput username dan password untuk login ke sistem.

4. Admin menginput data gejala penyakit serta nilai certainty factor untuk setiap gejala, data tersebut lah yang nantinya diolah sehingga sitem dapat mendiagnosis jenis penyakit sinusitis yang dialami oleh user.

(33)

19 Kebutuhan fungsional yang kedua sistem yang akan dibangun harus mampu melakukan proses sebagai berikut:

1. Sistem harus mampu memproses data yang diinputkan dan menampilkannya kembali sebagai informasi dan hasilnya harus sesuai dengan apa yang diinputkan sebelumnya oleh admin.

2. Sistem harus mampu memproses jawaban-jawaban yang dinputkan oleh user

sehingga nantinya memberikan hasil diagnosis penyakit yang diderita oleh user.

Kebutuhan fungsional yang ketiga sistem yang akan dibangun harus mampu memberikan output sebagai berikut:

1. Sistem harus mampu memberikan hasil diagnosis sesuai dengan jawaban-jawaban yang diberikan oleh user.

Kebutuhan fungsional yang keempat sistem yang akan dibangun harus memiliki penyimpanan berupa database yang digunakan untuk menyimpan hasil input,proses

dan output.

3.2.2. Kebutuhan Non-Fungsional

Kebutuhan non fungsional yang menjadi pendukung sistem dapat dikategorikan berdasarkan :

1. Performance

Sistem yang baru diharapkan dapat mempermudah dan mempersingkat waktu kerja

user.

2. Information

Sistem yang baru diharapkan dapat dengan gampang dalam memberikan informasi yang dibutuhkan dikarenakan data yang disimpan disistem sudah menggunakan

database.

3. Economic

Sistem yang baru diharapkan dapat mengurangi pemakian untuk penyimpanan data seperti sistem yang lama yang masih menggunakan kertas sebagai media penyimpanan data dengan demikian dapat menghemat biaya.

(34)

20 Sistem yang baru diharapkan dapat membatasi user yang menggunakan sistem sehingga tidak semua berhak dalam menggunakan sistem yang baru.

5. Eficiency

Sistem yang baru diharapkan dapat lebih membantu dan bekerja dengan baik dalam mendiagnosis penyakit sinusitis.

6. Service

Sistem diharapkan mudah untuk digunakan user

3.3. Perancangan Sistem

Penulis akan menguraikan tentang pemodelan sistem yang akan dirancang yang bertujuan untuk menggambarkan kondisi dan bagian-bagian yang berperan dalam sistem yang dirancang. Pemodelan sistem yang dilakukan adalah dengan membuat perancangan flowchart,use-case diagram, activity diagram dan sequence diagram.

(35)

Ya

3.3.1. Perancangan Flowchart Mulai Tampilkan Beranda Ya Tidak Tampilkan Petunjuk Tidak Tampilkan Form Data Pasien Ya Ya Tampilkan Gejala Mengambil Data Jawaban Pasien Proses Diagnosa

CF Combine (CF1,CF2)=CF1+[CF2*(1-CF1)]

Hasil Diagnosa dan Tampilkan Saran Selesai Tidak Beranda Petunjuk Dianosa

Gambar 3.2. Flowchart Menu Utama

3.3.2. Use-Case Diagram

Use case diagram sebuah kegiatan yang dilakukan oleh sistem, biasanya dalam menanggapi permintaan dari pengguna sistem. (Triandini E. & Suardika, I.G : 2012)

Use case pada gambar 3.4 menjelaskan aktivitas yang dapat dilakukan oleh user,

user dapat melakukan pendaftaran, diagnosis yaitu memilih jawaban terhadap gejala penyakit sesuai gejala yang dia rasakan dan system akan memproses semua gejala yang

(36)

22 telah dipilih user, system juga dapat menghasilkan kesimpulan dari gejala yang telah dipilih user, dan system juga dapat saran untuk tindakan selanjutnya.

,Gambar 3.3. Use Case Algoritma Sistem Pakar Tabel 3.1 Use Case

UC ID Use Case

UC-1 Pendaftaran

UC-2 Menjawab Pertanyaan Gejala UC-3 Perhitungan CertaintyFactor

UC-4 Hasil Diagnosis dan saran

3.3.3 Skenario Use Case

ID : SC-01 Nama Use Case : Pendaftaran

Deskripsi : Seorang user ketika akan masuk kedalam sistem, terlebih dahulu mengisi data di halaman pendaftaran. Tujuan utama use case ini adalah data pasien tersimpan di dalam system.

Pre-kondisi : User belum mengisi form Pendaftaran ke dalam sistem Skenario :

(37)

Tabel 3.2. Scenario-01

Aksi Actor Reaksi Sistem

Skenario Normal

1. Pendaftaran

2.Menampilkan form registrasi 3.Mengisi form Pendaftaran

1.Masuk ke Halaman Pertanyaan Gejala

Skenario Alternatif

1. Pendaftaran

2. Mengisi form registrasi

3. Tidak dapat masukke Halaman Pertanyaan Gejala

ID : SC-02

Nama Use Case : Menjawab Pertanyaan Gejala

Deskripsi : Seorang user memilih gejala yang dirasakannya, Pilih Ya jika user merasakan gejala tersebut dan pilih Tidak jika gejala tersebut tidak dirasakan user.

Pre-kondisi : User belum mengetahui gejala yang pasti untuk mendiagnosis penyakit sinusitis

Skenario :

Tabel 3.3. Scenario-02

Aksi Actor Reaksi Sistem

Skenario Normal

1. Menjawab Pertanyaan Gejala

2. Masuk kehalaman Pertanyaan Gejala 3. Menampilkan halaman Pertanyaan Gejala 4. Pilih Ya jika merasakan gejala tersebut dan pilih Tidak jika gejala tersebut tidak dirasakan

Skenario Alternatif

1. Menjawab Pertanyaan Gejala

2. Tidak dapat Menampilkan halaman Pertanyaan Gejala.

ID : SC-03

Nama Use Case : Perhitungan Certainty Factor

Deskripsi : Seorang user akan mengetahui nilai kepastian dalam diagnosis penyakit sinusitisnya ketika dia masuk kehalaman hasil

Pre-kondisi : User belum mengetahui nilai kepastian dalam mendiagnosis penyakit sinusitisnya

(38)

Tabel 3.4. Scenario-03

Aksi Actor Reaksi Sistem

Skenario Normal

1. Perhitungan Certainty Factor

2. Masuk kehalaman Hasil 3. Menampilkan Nilai CF

4. Menampilkan Hasil Diagnosis 5. Menampilkan Saran

Skenario Alternatif

1. Perhitungan Certainty Factor

2. Masuk kehalaman Hasil

3. Tidak dapat menampilkan hasil dan saran

ID : SC-04

Nama Use Case : Hasil Diagnosis dan Saran

Deskripsi : Seorang user akan mengetahui nilai kepastian dalam diagnosis penyakit sinusitisnya ketika dia masuk kehalaman hasil

Pre-kondisi : User belum mengetahui nilai kepastian dalam mendiagnosis penyakit sinusitisnya

Skenario :

Tabel 3.5. Scenario-04

Aksi Actor Reaksi Sistem

Skenario Normal

1. Hasil Diagnosis

2. Masuk ke halaman Hasil 3. Menampilkan Nilai CF

4. Menampilkan Hasil Diagnosis 5. Menampilkan Saran

Skenario Alternatif

1. Hasil Diagnosis

2. Tidak dapat Menampilkan Hasil Diagnosis dan saran

3.3.4 Activity Diagram

Activity diagram adalah sebuah diagram alur kerja mejelaskan berbagai kegiatan pengguna (atau sistem), orang yang melakukan masing-masing aktivitas, dan aliran sekuensial dan aktivitas-aktivitas tersebut (Triandini E. & Suardika, I.G : 2012)

(39)

Activity diagram pada gambar 3.4. berfungsi untuk melihat, menspesifikasikan serta mendokumentasikan sifat dari sekumpulan objek, selain itu juga dapat digunakan memodelkan aliran kendali dari suatu operasi.

Gambar 3.4. Activity Diagram Sistem

3.3.5. Sequence Diagram

Sequence Diagram merupakan aktivitas yang paling kritikal dari proses desain karena artifak inilah yang menjadi pedoman dalam proses pemrograman nantinya dan berisi aliran control dari program. Oleh karena itu berharga untuk meluangkan waktu lebih lama di pembuatan sequence diagram ini untuk menghasilkan sequence diagram yang terdesain dengan baik. (Hermawan, J :2000). Squence diagram sistem dapat dilihat pada gambar 3.5. berikut ini

(40)

Gambar 3.5. Diagaram Sequence System

Dari keterangan diatas dapat digambarkan dengan sequence diagram mengenai informasi sistem yang berjalan saat ini, sehingga dengan diagram ini dapat menggambarkan pergerakan sebuah objek dan pesan yang terjadi di dalam sistem penyampaian informasi

3.4. Analisis Proses

Dalam mendiagnosis penyakit sinusitis, sistem pakar ini menggunakan proses utama yaitu proses mendiagnosis penyakit sinusitis menggunakan algoritma CertaintyFactor

dan forward chaining. Untuk mengetahui bagaimana sebuah sistem pakar berkerja dapat di proses ke dalam analisis proses.

(41)

3.4.1. Analisis proses algoritma Forward Chaining

Langka-langkah yang dilakukan dalam analisis sistem dengan proses algoritma

Forward chaining adalah sebagai berikut :

1. Menentukan premis-premis atau informasi masukan (if)

2. Kemudian menuju konklusi atau drived information (then)

Untuk keempat jenis penyakit sinusitis tersebut dapat dimodelkan sebagai berikut : a. Sinus Frontalis

IF demam AND lesu

AND ingus kental dan berbau AND hidung tersumbat

AND nyeri di dahi dan seluruh kepala THEN sinusitis frontalis.

b. Sinus Etmoidalis

IF demam AND lesu

AND ingus kental dan berbau AND hidung tersumbat AND nyeri di pangkal hidung AND nyeri di kentus medius

AND nyeri di bola mata dan belakangnya AND nyeri di pelipis

THEN sinusitis Etmoidalis

c. Sinus Sfenoidalis

IF demam AND lesu

AND ingus kental dan berbau AND nyeri di verteks

AND nyeri di oksipital

(42)

AND nyeri di daerah mastoid THEN sinusitis Sfenoidalis

d. Sinus Maksilaris

IF demam AND lesu

AND ingus kental dan berbau AND hidung tersumbat

AND nyeri di bawah kelopak mata AND nyeri di gigi

AND nyeri di dahi THEN sinusitis Maksilaris

3.4.2. Analisis proses algoritma Certainty Factor

Langkah-langkah yang dilakukan dalam analisis sistem pakar dengan proses algoritma

Certainty Factor adalah sebagai berikut :

1. Menentukan Gejala-gejala penyakit sinusitis.

Tabel 3.6. Gejala-gejala Penyakit sinusitis

SINUSITIS MAKSILARIS

NO GEJALA

1 Demam 2 Lesu

3 Ingus kental dan Berbau 4 Hidung Tersumbat

5 Nyeri di bawah Kelopak Mata 6 Kadang Terasa Nyeri di Gigi

Nyeri Alih

1 Nyeri di Dahi

SINUSITIS ETMOID

NO GEJALA

1 Demam 2 Lesu

(43)

29 4 Hidung Tersumbat

5 Nyeri di Pangkal Hidung 6 Nyeri di Kentus Medius

Kadang Terasa Nyeri di Bola Mata dan di Belakangnya dan Nyeri Bertambah Bila Mata Digerakkan

Nyeri Alih

1 Nyeri di Pelipis

SINUSITIS FRONTALIS

NO GEJALA

1 Demam 2 Lesu

3 Ingus kental dan Berbau 4 Hidung Tersumbat

5 Nyeri di Dahi atau di Seluruh Kepala

SINUSITIS SFENOID

NO GEJALA

1 Demam 2 Lesu

3 Ingus kental dan Berbau 4 Nyeri di Verteks

5 Nyeri di Oksipital

6 Nyeri di Belakang Bola Mata 7 Nyeri di Daerah Mastoid

2. Memberikan nilai CF untuk setiap gejala yang ada. Seorang pakar, dr.Rehulina Surbakti, SP.THT-KL memberikan nilai CF (Certainty Factor) Nilai kepastian pada setiap gejala penyakit sinusitis seperti pada tabel 3.8 berikut ini :

Tabel 3.8. Nilai CF yang telah diisi oleh pakardr.Reulina Surbakti, SP.THT-KL berdasarkan gejala yang sering di derita pasien.

No Gejala CF

Frontalis CF Etmoidalis CF Spenoidalis CF Maksilaris

1 Demam 0.3 0.7 0.3 0.4

2 Lesu 0.6 0.8 0.3 0.3

3 Ingus Kental dan Berbau 0.2 0.3 0.3 0.8

4 Hidung Tersumbat 0.7 - 0.7 1

5 Nyeri di Pangkal Hidung - - 0.2 -

(44)

Nyeri di Bola Mata dan Belakangnya, dan Nyeri

bertambah bila mata digerakkan - - 0.8 -

8 Nyeri di Pelipis - - 0.7 -

9 Nyeri di Dahi dan Seluruh Kepala 1 - - -

10 Nyeri di Vertex - 0.6 - -

11 Nyeri di Daerah Oksipital - 0.8 - -

12 Nyeri di Daerah Bola Mata - 0.9 - -

13 Nyeri di daerah Mastoid - 0.4 - -

14 Nyeri di Bawah Kelopak Mata - - - 0.6

15 Nyeri di Gigi - - - 0.4

16 Nyeri di Dahi - - - 0.7

3. Menghitung nilai Certainty Factor untuk Gejala 1, 2, 3 user menjawab “YA” dan

4 Jika user Menjawab “Tidak” dan menjawab tidak untuk semua gejala lainnya. Nilai CF untuk frontalis

Dik: CF1 = 0,3

CF2 = 0,6

CF3 = 0,2

CF4 = 0

Sehingga

CFcombine A= CF1+ [CF2 * (1- CF1)]

= 0,3 + [0,6 * (1-0,3)] = 0,3 + [0,6*0,7] = 0,3 + 0,42 = 0,72A

CFcombine B= CF3+ [CFA * (1- CF3)]

= 0,2 + [0,72 * (1-0,2)] = 0,2 + [0,72*0,8] = 0,77B

CFcombine C= CF4+ [CFB * (1- CF4)]

= 0 + [0,77 * (1-0)] = 0 + [0,77*1] = 0 + 0.77 = 0,77c

(45)

31 Nilai CF untuk spenoid

Dik: CF1 = 0,7

CF2 = 0,8

CF3 = 0,3

CF4 = 0

Sehingga

CFcombine A= CF1+ [CF2 * (1- CF1)]

= 0,7 + [0,8 * (1-0,7)] = 0,7 + [0,8*0,3] = 0,7 + 0,24 = 0,94A

CFcombine B= CF3+ [CFA * (1- CF3)]

= 0,3 + [0,94 * (1-0,3)] = 0,3 + [0,94*0,7] = 0,95B

CFcombine C= CF4+ [CFB * (1- CF4)]

= 0 + [0,95 * (1-0)] = 0 + [0,95*1] = 0 + 0.95 = 0,95c

Nilai CF untuk edmoidalis

Dik: CF1 = 0,3

CF2 = 0,3

CF3 = 0,3

CF4 = 0

Sehingga

CFcombine A= CF1+ [CF2 * (1- CF1)]

= 0,3 + [0,3 * (1-0,3)] = 0,3 + [0,3*0,7] = 0,3 + 0,21 = 0,51A

CFcombine B= CF3+ [CFA * (1- CF3)]

= 0,3 + [0,51 * (1-0,3)] = 0,3 + [0,51*0,7] = 0,65B

CFcombine C= CF4+ [CFB * (1- CF4)]

= 0 + [0,65 * (1-0)] = 0 + [0,65*1] = 0 + 0.65

(46)

32 Nilai CF untuk maksilaris

Dik: CF1 = 0,4

CF2 = 0,3

CF3 = 0,8

CF4 = 0

Sehingga

CFcombine A= CF1+ [CF2 * (1- CF1)]

= 0,4 + [0,3 * (1-0,4)] = 0,4 + [0,3*0,6] = 0,4 + 0,18 = 0,58A

CFcombine B= CF3+ [CFA * (1- CF3)]

= 0,8 + [0,58 * (1-0,8)] = 0,8 + [0,58*0,2] = 0,91B

CFcombine C= CF4+ [CFB * (1- CF4)]

= 0 + [0,91 * (1-0)] = 0 + [0,91*1] = 0 + 0.91 = 0,91c

Dari perhitungan diatas maka di dapatkan hasil nilai CF untuk tiap-tiap penyakit,

frontalis (0,77), spenoid (0,95), etmoid (0.65), maksilaris (0,91). Maka dapat disimpulkan bahwa user menderita penyakit sinusitis spenoid, dengan persentase sebesar 0,95 x 100 = 95 %.

3.5. Perancangan Antarmuka Sistem (Interface)

Antarmuka (interface) merupakan bagian dari sistem pakar yang digunakan sebagai alat komunikasi antara sistem dan user. Untuk lebih memudahkan pembuatan suatu sistem, perlu dilakukan terlebih dahulu perancangan struktur menu program dari sistem yang akan dibangun, hal ini akan membantu kita dalam merancang bagian-bagian dari sistem yang sebenarnya dan untuk mengetahui bagian mana yang terlebih dahulu nantinya yang akan diakses setelah program tersebut selesai.

(47)

3.5.1. Rancangan Halaman Beranda

Halaman beranda adalah halaman awal yang pertama ditampilkan saat aplikasi di jalankan di web browser. Halaman beranda ini terdiri dari beberapa menu yaitu menu beranda, menu petunjuk, menu diagnosis dan menu admin. Rancangan halaman beranda dapat dilihat pada Gambar 3.6.

3 4

Gambar 3.6 Rancangan Halaman Beranda

Keterangan:

1. Gambar header dengan extensi .png 2. Pilihan menu untuk user.

3. Gambar yang menunjukkan perbedaan sinus sehat dan yang sinusitis dengan extensi .png

4. Text area yang menjelaskan tentang aplikasi. 5. Gambar footer dengan extensi .png.

(48)

3.5.2. Rancangan Halaman Petunjuk

Halaman petunjuk adalah halaman yang menjelaskan bagaimana cara penggunaan aplikasi, di halaman ini user diberitahukan bagaimana cara untuk menggunakan aplikasi mulai dari mengisi data sampai nantinya mendapatkan hasil diagnosis. Rancangan halaman petunjuk dapat dilihat pada Gambar 3.7

3 4

Gambar 3.7. Rancangan Halaman Petunjuk

Keterangan :

1. Gambar header dengan extensi .png 2. Pilihan menu untuk user.

3. Gambar sebuah buku petunjuk dengan extensi .png

4. Text area yang menjelaskan tentang cara penggunaan aplikasi 5. Gambar footer dengan extensi .png.

(49)

3.5.3. Rancangan Halaman Diagnosis

Halaman diagnosis adalah halaman yang digunakan untuk mendiagnosis penyakit sinusitis yang diderita. Pada halaman ini user untuk pertama kalinya diminta untuk mengisi data, setelah itu diminta untuk memnjawab pertanyaan gejala yang diajukan. Rancangan halaman diagnosis dapat dilihat pada Gambar 3.8

7 3

6 5

Gambar 3.8. Rancangan Halaman Diagnosis

Keterangan :

1. Gambar header dengan extensi .png 2. Pilihan menu untuk user.

3. Gambar seorang perawat yanag sedang menginput data denga extensi .png 4. Form utuk isian data user.

5. Button untuk submit data pasien. 6. Button untuk reset data pasien. 7. Gambar footer dengan extensi .png.

(50)

3.5.4. Rancangan Halaman Pertanyaan Gejala

Halaman pertanyaan gejala adalah halaman yang berisi pertanyaan-pertanyaan yang ditanyakan kepada user, di halaman ini user diminta untuk memilih jawaban sesuai dengan gelaja-gejala yang di derita. Dan system akan melakukan penghitungan untuk mendapakan jenis penyakit sinus yang paling tepat yanag di derita oleh user. Rancangan halaman pertanyaan gejala dapat dilihat pada Gambar 3.9.

5 6

Gambar 3.9. Rancangan Halaman Pertanyaan Gejala

Keterangan :

1. Gambar header dengan extensi .png 2. Pilihan menu untuk user.

3. Text area panduan untuk mengisi pertanyaan gejala. 4. Table yang berisi pertanyaan-pertanyaan gejala. 5. Radio button untuk jawaban ya.

6. Radio button untuk jawaban tidak. 7. Gambar footer dengan extensi .png.

(51)

3.5.5. Rancangan Halaman Penyakit dan Gejala

Halaman penyakit dan gejala merupakan sebuah halaman admin yang berisi jenis-jenis penyakit sinusitis dan bobot nilai CF untuk setiap gejala terhadapa suatu jenis penyakit. Di halaman ini admin dapat menghapus dan memperbaharui suatu gejala, baik dari bobot CF nya dan gejalanya sendiri. Rancangan halaman penyaki dan gejala dapat dilihat pada Gambar 3.10.

8 3

6 2

4 5

Gambar 3.10. Rancangan Halaman Penyakit dan Gejala

Keterangan :

1. Gambar header dengan extensi .png 2. Pilihan menu untuk user.

3. Button untuk pilihan jenis penyakit.

4. Button untuk hapus gejala beserta bobotnya. 5. Button untuk edit gejala beserta bobotnya. 6. Table untuk gejala dan nilai Certainty Factornya.

7. Button untuk menambah gejala besrta nilai certainty factornya.

(52)

3.5.6. Rancangan Halaman Tambah Gejala

Halaman tambah gejala adalah tempat dimana seorang admin dapat menambah gejala dan nilai Certainty Factor terhadap sebuah penyakit. Untuk dapat masuk ke halaman ini seorang admin harus login terlebih dahulu sehingga tidak sembarang orang dapat masuk ke dalam halaman ini. Rancangan halaman tambah gejala dapat dilihat pada Gambar 3.11.

Gambar 3.11. Rancangan Halaman Tambah Gejala

Keterangan :

1. Gambar header dengan extensi .png 2. Pilihan menu untuk user.

3. Pilihan menu jenis penyakit untuk admin

4. Form untuk isian gejala dan nilai CF yang akan ditambah 5. Button untuk simpan gejala

(53)

3.5.7.Rancangan Halaman Edit Gejala

Halaman tambah gejala adalah tempat dimana seorang admin dapat merobah gejala dan nilai Certainty Factor terhadap sebuah penyakit. Untuk dapat masuk ke halaman ini seorang admin harus login terlebih dahulu sehingga tidak sembarang orang dapat masuk ke dalam halaman ini. Rancangan halaman edit gejala dapat dilihat pada Gambar 3.11.

Gambar 3.11. Rancangan Halaman Edit Gejala

Keterangan :

1. Gambar header dengan extensi .png 2. Pilihan menu untuk user.

3. Pilihan menu jenis penyakit untuk admin

4. Form untuk isian gejala dan nilai CF yang akan ditambah 5. Button untuk simpan gejala

(54)

3.5.8. Rancangan Halaman Hasil Diagnosis

Halaman hasil diagnosis merupakan halaman yang menampilkan hasil atas jawaban-jawaban gejala yang diberikan oleh user, dan dilakukan perhitungan oleh system. Di halaman ini di tunjukkan data pasien, hasil diagnosis dan gambar yang menunjukkan daerah sinus yang terinfeksi.

6 3

4 2

Gambar 3.12. Rancangan Halaman Hasil Diagnosis

Keterangan :

1. Gambar header dengan extensi .png 2. Pilihan menu untuk user.

3. Gambar seorang perawat.png 4. Text area data pasien.

5. Text area yang menjelaskan hasil diagnosis 6. Gambar footer dengan extensi .png.

(55)

BAB 4

IMPLEMENTASI DAN PENGUJIAN

4.1.Implementasi

Tahap Implementasi adalah tahap dimana sistem informasi telah digunakan pengguna. Sebelum benar-benar bisa digunakan dengan baik oleh pengguna, sistem harus melalui tahap pengujian terlebih dahulu untuk menjamin tidak ada kendala fatal yang muncul saat pengguna memanfaatkan sistemnya. (Fatta, H.A 2007)

Sistem pakar untuk mendiagnosis penyakit sinusitis ini dibuat menggnakan bahasa pemrogrman php dan Mysql sebagai database management systemnya. Sistem pakar ini juga menggunakan algortima certainty factor untuk menentukan bobot kepastiannya dan algortima forward chaining untuk proses reasoningnya.

4.1.1 Halaman Beranda

Halaman beranda merupakan halaman awal yang muncul pada saat sistem pertama kali dijalankan. Halaman beranda menampilkan menu yang tersedia pada program. Halaman beranda terdiri dari 4 pilihan menu yaitu, menu beranda, petunjuk, diagnosis dan menu admin. Tampilan halaman beranda dapat dilihat pada Gambar 4.1.

(56)

Gambar 4.1. Halaman Beranda

4.1.2 Halaman Petunjuk

Halaman petunjuk adalah halaman yang menjelaskan bagaimana cara penggunaan aplikasi, di halaman ini user diberitahukan bagaimana cara untuk menggunakan aplikasi mulai dari mengisi data sampai nantinya mendapatkan hasil diagnosis. Tampilan halaman petunjuk dapat dilihat pada Gambar 4.2

(57)

4.1.3. Halaman Diagnosis

Halaman diagnosis adalah halaman yang digunakan untuk mendiagnosis penyakit sinusitis yang diderita. Pada halaman ini user untuk pertama kalinya diminta untuk mengisi data, setelah itu diminta untuk memnjawab pertanyaan gejala yang diajukan. Tampilan halaman diagnosis dapat dilihat pada Gambar 4.3.

Gambar 4.3. HalamanDiagnosis

4.1.4. Halaman Pertanyaan Gejala

Halaman pertanyaan gejala adalah halaman yang berisi pertanyaan-pertanyaan yang ditanyakan kepada user, di halaman ini user diminta untuk memilih jawaban sesuai dengan gelaja-gejala yang di derita. Dan sistem akan melakukan penghitungan untuk mendapakan jenis penyakit sinus yang paling tepat yanag di derita oleh user. Tampilan halaman pertanyaan gejala dapat dilihat pada Gambar 4.4.

(58)

Gambar 4.4. Halaman Pertanyaan Gejala

4.1.5. Halaman Penyakit dan Gejala

Halaman penyakit dan gejala merupakan sebuah halaman admin yang berisi jenis-jenis penyakit sinusitis dan bobot nilai Certainty Factor untuk setiap gejala terhadap suatu jenis penyakit. Di halaman ini admin dapat menghapus dan memperbaharui suatu gejala, baik dari bobot Certainty Factor nya dan gejalanya sendiri. Tampilan halaman penyakit dan gejala dapat dilihat pada Gambar 4.5

(59)

4.1.6. Halaman Tambah Gejala

Halaman tambah gejala adalah tempat dimana seorang admin dapat menambah gejala dan nilai Certainty Factor terhadap sebuah penyakit. Untuk dapat masuk ke halaman ini seorang admin harus login terlebih dahulu sehingga tidak sembarang orang dapat masuk ke dalam halaman ini. Tampilan halaman tambah gejala dapat dilihat pada Gambar 4.6

Gambar 4.6. Halaman Tambah Gejala

4.1.7. Halaman Edit Gejala

Halaman edit gejala adalah tempat dimana seorang admin dapat memperbaharui gejala dan nilai Certainty Factor terhadap sebuah penyakit. Untuk dapat masuk ke halaman ini seorang admin harus login terlebih dahulu sehingga tidak sembarang orang dapat masuk ke dalam halaman ini. Tampilan halaman tambah gejala dapat dilihat pada Gambar 4.7.

(60)

Gambar 4.7. Halaman Edit Gejala

4.1.8. Halaman Hasil Diagnosis

(61)

4.2. Pengujian

Tahap pengujian sistem dilakukan untuk menguji hasil diagnosis sistem dengan hasil diagnosis yang telah dihitung secara manual denggan menggunakan algoritma

forward chaining dan certainty factor.

4.2.1 Pengujian Dengan Algoritma Forward Chaining

Tahap pengujian sistem merupakan lanjutan dari tahap implementasi sistem. Pengujian ini dilakukan dengan cara perhitungan secara manual dan dibandingkan dengan perhitungan yang telah dibuat sistem.

Jika seorang user memilih jawaban ya untuk gejala demam, lesu, ingus kental dan berbau dan memilih jawaban tidak untuk semua gejala lainnya maka jawaban yang didapat dengan algoritma forward chaining adalah keempat jenis sinusitis tersebut, karena tiga gejala tersebut biasanya dialami oleh pasien sinusitis. Dengan rule sebagai berikut :

IF demam AND lesu

AND ingus kental dan berbau

THEN sinusitis frontalis or etmoidalis or spenoidalis or maksilaris

4.2.2 Pengujian Dengan Algoritma Certainty Factor

Tabel 4.1. Inputan user berdasarkan Gejala yang dirasakannya dan Nilai CF

No Gejala CF

Frontalis CF Etmoidalis CF Spenoidalis CF Maksilaris

1 Demam 0.3 0.7 0.3 0.4

2 Lesu 0.6 0.8 0.3 0.3

3 Ingus Kental dan Berbau 0.2 0.3 0.3 0.8

4 Hidung Tersumbat 0.7 - 0.7 1

5 Nyeri di Pangkal Hidung - - 0.2 -

6 Nyeri di Kentus Medius - - 0.9 -

Nyeri di Bola Mata dan

(62)

Sehingga Perhitungan Manualnya Nilai CF untuk frontalis

Dik: CF1 = 0,3

CF2 = 0,6

CF3 = 0,2

CF4 = 0

Sehingga

CFcombine A= CF1+ [CF2 * (1- CF1)]

= 0,3 + [0,6 * (1-0,3)] = 0,3 + [0,6*0,7] = 0,3 + 0,42 = 0,72A

CFcombine B= CF3+ [CFA * (1- CF3)]

= 0,2 + [0,72 * (1-0,2)] = 0,2 + [0,72*0,8] = 0,77B

CFcombine C= CF4+ [CFB * (1- CF4)]

= 0 + [0,77 * (1-0)] = 0 + [0,77*1] = 0 + 0.77 = 0,77c

Nilai CF untuk spenoid

Dik: CF1 = 0,7

CF2 = 0,8

CF3 = 0,3

CF4 = 0

bertambah bila mata digerakkan

8 Nyeri di Pelipis - - 0.7 -

Nyeri di Dahi dan Seluruh

Kepala 1 - - -

10 Nyeri di Vertex - 0.6 - -

11 Nyeri di Daerah Oksipital - 0.8 - -

12 Nyeri di Daerah Bola Mata - 0.9 - -

13 Nyeri di daerah Mastoid - 0.4 - -

14 Nyeri di Bawah Kelopak Mata - - - 0.6

15 Nyeri di Gigi - - - 0.4

16 Nyeri di Dahi - - - 0.7

(63)

Sehingga

CFcombine A= CF1+ [CF2 * (1- CF1)]

= 0,7 + [0,8 * (1-0,7)] = 0,7 + [0,8*0,3] = 0,7 + 0,24 = 0,94A

CFcombine B= CF3+ [CFA * (1- CF3)]

= 0,3 + [0,94 * (1-0,3)] = 0,3 + [0,94*0,7] = 0,95B

CFcombine C= CF4+ [CFB * (1- CF4)]

= 0 + [0,95 * (1-0)] = 0 + [0,95*1] = 0 + 0.95 = 0,95c

Nilai CF untuk edmoidalis

Dik: CF1 = 0,3

CF2 = 0,3

CF3 = 0,3

CF4 = 0

Sehingga

CFcombine A= CF1+ [CF2 * (1- CF1)]

= 0,3 + [0,3 * (1-0,3)] = 0,3 + [0,3*0,7] = 0,3 + 0,21 = 0,51A

CFcombine B= CF3+ [CFA * (1- CF3)]

= 0,3 + [0,51 * (1-0,3)] = 0,3 + [0,51*0,7] = 0,65B

CFcombine C= CF4+ [CFB * (1- CF4)]

= 0 + [0,65 * (1-0)] = 0 + [0,65*1] = 0 + 0.65 = 0,65c

Nilai CF untuk maksilaris

Dik: CF1 = 0,4

(64)

CF4 = 0

Sehingga

CFcombine A= CF1+ [CF2 * (1- CF1)]

= 0,4 + [0,3 * (1-0,4)] = 0,4 + [0,3*0,6] = 0,4 + 0,18 = 0,58A

CFcombine B= CF3+ [CFA * (1- CF3)]

= 0,8 + [0,58 * (1-0,8)] = 0,8 + [0,58*0,2] = 0,91B

CFcombine C= CF4+ [CFB * (1- CF4)]

= 0 + [0,91 * (1-0)] = 0 + [0,91*1] = 0 + 0.91 = 0,91c

Dari perhitungan manual tersebut maka di dapatkan hasil nilai Certainty Factor untuk tiap-tiap penyakit, frontalis (0,77), spenoidalis (0,95), etmoidalis (0.65), maksilaris (0,91). Maka dapat disimpulkan bahwa user menderita penyakit sinusitis spenoid,

dengan persentase sebesar 0,95 x 100 = 95 %. Apabila di hitung dengan sistem maka akan menghasilkan seperti yang ditunjukkan oleh Gambar 4.8 berikut ini :

(65)

BAB 5

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Kesimpulan dari penelitian ini adalah :

1. Sistem pakar yang dibuat dapat mendiagnosis penyakit sinusitis dan memberikan saran untuk tindakan selanjutnya.

2. Sistem pakar yang dibuat memberikan kemudahan kepada user dalam mendiagnosis penyakit sinusitis.

3. Algoritma yang digunakan dalam sistem pakar ini adalah algortima certainty factor dan forward chaining.

4. Metode Certainty Factor digunakan untuk proses perhitungan tingkat kepastian suatu penyakit dari gejala-gejala yang dialami oleh user.

5.2. Saran

Saran yang dapat diberikan oleh penulis setelah penelitian ini dilakukan adalah : 1. Sistem dapat dikembangkan ke bahasa pemrograman yang berbasis mobile. 2. Dalam pengembangannya penyakit yang dibahas tidak hanya penyakit

sinusitis.

3. Sistem yang dibuat kiranya memiliki user interface yang jauh lebih baik. 4. Fasilitas yang diberikan oleh sistem ditambah banyak lagi misalnya dengan

adanya form konsultasi antara pasien dengan pakar, lokasi tempat konsultasi dengan pakar

(66)

DAFTAR PUSTAKA

Aisyah Siti. Gambaran Penderita Rinosinusitis di RSUP. Haji Adam Malik Medan pada Tahun 2010. Skripsi. Universitas Sumatera Utara.

Arhami, Muhammad. 2006. Konsep Dasar Sistem Pakar. Andi. Yogyakarta Brunilda Nazario, MD, 2014, Sinusitis Infection (Online)

http://www.webmd.com/allergies/sinusitis-and-sinus-infection. Dorland, 2002. Kamus Saku Kedokteran, edisi 25. EGC. Jakarta.

Fatta, H.A. 2007. Analisis dan Perancangan Sistem Informasi. CV Andi Offset: Yogyakarta.

Hartati, S. & Iswanti, S. 2008. Sistem Pakar & Pengembangannya. Graha Ilmu. Yogyakarta.

Hermawan, J. 2004. Analisa Desain dan Pemrograman Obyek UML dan Visual Basic.Net. Andi: Yogyakarta

Kusrini. 2006. Sistem Pakar Teori Dan Aplikasi. Andi. Yogyakarta.

Mulyanto E., Sutojo T. & Suhartono. 2011. Kecerdasan Buatan. Andi. Yogyakarta.

Kusrini, 2008, Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna Dengan Metode Kuantifikasi Pertanyaan, Penerbit Andi, Yogyakarta.

Soetjipto, D., et al., 2007. Sinusitis. In: Soepardi, E.A., ed. Buku Ajar Ilmu Kesehatan Telinga Hidung Tenggorok Kepala & Leher. Edisi 6. Jakarta: Badan Penerbit FKUI. Triandini, E & Suardi, I.G. 2012. Step by step Desain ProyekMenggunakan UML. Andi:

Yogyakarta.

Widiyanto, A.B. 2015, Sistem Pakar untuk Mengidentifikasi Jenis Kayu dengan Metode Certainty Factor dan Forward Chaining. Skripsi: Universitas Sebelas Maret. Surakarta.

(67)

A-1 SISTEM PAKAR UNTUK MENDAGNOSIS PENYAKIT SINUSITIS MENGGUNAKAN

ALGORRITMA CERTAINTY FACTOR DAN FORWARD CHAINING

Listing Program

Index

<title>CEK Sinusmu Sekarang</title>

<body>

<div class="header2"> <?php

error_reporting(0);

if ($_GET['n']=="hal_depan") { include"halaman_depan.php"; }

elseif ($_GET['a']=="hal_admin") { include"halaman_admin.php"; }

else{

include"halaman_depan.php"; }

?> </div> </div>

</div>

(68)

A-2 error_reporting(0);

if ($_GET['n']=="beranda") {

include"menu/beranda/index.php"; }

elseif ($_GET['n']=="petunjuk") {

include"menu/petunjuk/index.php"; }

elseif ($_GET['n']=="diagnosa") {

include"menu/diagnosa/datapasien.php"; }

elseif ($_GET['n']=="pertanyaan") {

include"menu/diagnosa/pertanyaan.php"; }

elseif ($_GET['n']=="hasil") {

include"menu/diagnosa/hasil.php"; }

elseif ($_GET['n']=="admin") {

include"menu/admin/login.php"; }

elseif ($_GET['m']=="input") {

include"menu/admin/input/index.php"; }

else{

include"menu/beranda/index.php"; }

?> </div> </div>

</div> </div> </body> </html>

(69)

A-3 Halaman Depan

<li><a href="?n=beranda">BERANDA</a></li> <li><a href="?n=petunjuk">PETUNJUK</a></li> <li><a href="?n=diagnosa">DIAGNOSIS</a></li> <li><a href="?n=admin">ADMIN</a></li>

</ul>

Index Halaman Beranda

<div class="content2"><span class="text-pembuka">Aplikasi ini

dirancang untuk dapat mendiagnosis sinusitis yang anda derita. Anda hanya diminta memilih jawaban yang disediakan.</span> </div>

Index Halaman Petunjuk

<span class="petunjuk-penggunaan">Petunjuk Penggunaan</span><br>

<span class="ringkasan">Sinusitis adalah peradangan sinus, biasanya sinus paranasal, mungkin purulen atau nonpurulen, akut atau kronik.Tipe-tipe peradangan ini dinamakan sesuai dengan sinus yang terkena.Ada empat jenis penyakit sinusitis yaitu frontalis, etmoidalis,spenoidalis dan maksilaris. Sistem pakar ini dibuat untuk dapat mendiagnosis salah satu penyakit

sinusitis yang diderita oleh pasien. Setelah itu pasien akan mendapatkan saran untuk tindakan berikutnya. :</span><br><br>

<span class="petunjuk-penggunaan">Berikut langkah-langkah penggunaan sistem pakar</span>

<table>

<td class="langkah-langkah-penggunaan"><br>Pengguna dianggap sudah membuka sistem dan masuk ke menu petunjuk untuk melihat cara

penggunaan aplikasi</td> </tr>

(70)

A-4 <tr><td class="langkah-langkah-penggunaan">2.</td>

<td class="langkah-langkah-penggunaan">Pilih menu Diagnosis, akan muncul form untuk isian data pasien.</td></tr>

<td class="langkah-langkah-penggunaan">Isi data diri pengguna dan pilih tombol "Simpan" jika ingin melanjutkan dan "Reset" jika ingin mengulang pengisian data</td></tr>

<tr>

<td class="langkah-langkah-penggunaan">Jawablah pertanyaan yang diberikan sistem dengan memilih "Ya" atau "Tidak" sesuai dengan gejala yang anda rasakan untuk setiap pertanyaan</td></tr>

<tr>

<td class="langkah-langkah-penggunaan">Jika semua pertanyaan telah dijawab, klik tombol "Diagnosis" untuk menyimpan jawaban ke

sistem</td></tr> <tr>

<td class="langkah-langkah-penggunaan">Akan muncul hasil diagnosis jenis sinusitis yang anda derita beserta Saran untuk tindakan berikutnya</td></tr>

</table> </div>

Halaman Diagnosis

<tr>

(1)

Proses (Cf) Untuk Hasil Maksilaris <?php

session_start();

mysql_connect('localhost','root',''); mysql_select_db('sinusitis');

date_default_timezone_set("Asia/Jakarta"); $date = date('d-m-Y');

$sqljoin_mak = mysql_query("select * from jawaban, data where

jawaban.id_pasien='".$_SESSION['max_id']."' and jawaban.tanggal='$date' and data.penyakit='Maksilaris' and data.id = jawaban.id");

$no_m = 0;

$jawab_yes_m = 0;

while ($data_m = mysql_fetch_array($sqljoin_mak)) { if ($data_m['jawab']=="yes") {

$sqly_m = mysql_query("select * from data where id ='".$data_m['id']."'"); $cf_data_m = mysql_fetch_array($sqly_m);

$nilai_cf_m[$no_m] = $cf_data_m['nilai_cf']; $jawab_yes_m++;

$no_m++; }

}

$nmr_m = 0;

while ($nmr_m < $jawab_yes_m) { if ($cf_nilai_m[0]==0) {

$cf_nilai_m[$nmr_m] = $nilai_cf_m[$nmr_m] + $nilai_cf_m[$nmr_m+1] * (1- $nilai_cf_m[$nmr_m]);

} else{

$cf_nilai_m[$nmr_m] = $cf_nilai_m[$nmr_m-1] + $nilai_cf_m[$nmr_m+1] * (1- $cf_nilai_m[$nmr_m-1]);

}

$nmr_m++; } $cfMaksilaris = $cf_nilai_m[$jawab_yes_m-1];

echo "Sinusitis Maksilaris = $cfMaksilaris </br>"; ?>

(2)

Halaman Admin Halaman Login

<span class="text-admin">HALAMAN LOGIN ADMIN</span> </div>

<span class="text-username">Username</span>

<span class="text-pass">Password</span>

</div> </div>

Proses Login <?php

mysql_connect('localhost','root',''); mysql_select_db('admin');

session_start();

$username=$_POST['user']; $password=$_POST['password'];

$menampilkan=mysql_query("select * from login where username='$username'and password='$password'");

$row = mysql_num_rows($menampilkan); if($row<1){

header('location:../../index.php?m=login&g=gagal'); }

else{

(3)

header('location:../../index.php?a=hal_admin&m=input'); }

Halaman Gejala

<span class="nama-penyakit">Gejala Sinusitis Frontalis</span> <br><br>

<td>GEJALA</td> <td>NILAI CF</td> <td>AKSI</td></tr> <?php

include"koneksi.php";

$sql=mysql_query("select * from data where penyakit='Frontalis'"); while($data = mysql_fetch_array($sql))

{ echo

"<tr><td>$data[id]</td> <td>$data[gejala]</td> <td>$data[nilai_cf]</td> <td>

href='menu/admin/input/frontalis/proses_hapus_frontalis.php?id=$data[id]' >Hapus</a>||

href='?a=hal_admin&m=input&p=frontal&p=edit_frontalis&id=$data[id]'>Edit</a ></td></tr>";

} ?>

</table>

(4)

Tambah Gejala <div>

<td>Nilai CF</td>

<tr>

<td>Gejala</td>

<tr>

</tr> </table> </form>

</div>

Proses Tambah Gejala <?php

mysql_connect('localhost','root',''); mysql_select_db('sinusitis');

$nilaicf=$_POST['nilai_cf']; $gejala=$_POST['gejala'];

$sql=mysql_query("insert into data

values('','$gejala','$nilaicf','Frontalis')"); if($sql)

{

header('location:../../../../index.php?a=hal_admin&m=input&p=frontal'); }

(5)

Edit Gejala

<div class="edit-gejala"> <?php

include"koneksi.php"; $id=$_GET['id'];

$sql=mysql_query("select * from data where id='$id'"); $d=mysql_fetch_array($sql);

echo"<form

action='menu/admin/input/frontalis/proses_edit_gejala.php?id=$id' method='post'>

<td>Nilai CF</td>

<tr>

<td>Gejala</td>

<td><textarea rows='3' name='gejala'>$d[gejala]</textarea></td> </tr>

</table>"; ?> <tr>

</tr> </form> </div>

Proses Edit Gejala <?php

include"koneksi.php"; $id=$_GET['id'];

$nilaicf=$_POST['nilai_cf']; $gejala=$_POST['gejala'];

mysql_query("update data set nilai_cf='$nilaicf',gejala='$gejala' where id='".$id."'");

header('location:../../../../index.php?a=hal_admin&m=input&p=frontal'); ?>

(6)

Proses Hapus Gejala <?php

include"koneksi.php"; $id=$_GET['id'];

$delete=mysql_query("delete from data where id='$id'"); if($delete){

header('location:../../../../index.php?a=hal_admin&m=input&p=frontal'); }

Sistem Pakar untuk Mendiagnosis Penyakit Sinusitis Menggunakan Algoritma Certainty Factor dan Forward Chaining