Epoh Maxepoh Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma

Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 80 Setelah melalui tahap penyesuaian bobot, maka program akan melakukan perhitungan MSE tiap-tiap unit pada lapisan keluaran. Setelah melakukan penghitungan MSE maka program akan menemui percabangan, jika MSE1 target error dan MSE2 target error, maka program akan menghentikan proses pembelajaran dan langsung menyimpan bobot-bobot ke dalam tabel hasil belajar. Akan tetapi jika kondisi sebaliknya maka program akan terus melakukan proses pembelajaran.

b. Epoh Maxepoh

Jika kondisi ini terpenuhi, maka hasil pelatihan disimpan kedalam tabel hasil belajar. Tabel berikut ini menunjukan secara jelas dimana data hasil pelatihan tersebut disimpan. Tabel 3.16 Nama JST berikut Tabel Belajar yang digunakan Nama JST Tabel Hasil yang digunakan JST Ketepatan Diagnosa menurut Klasifikasi Asma tabel hasil belajar 1 JST Ketepatan Penilaian Beratnya Serangan Asma tabel hasil belajar 2 JST Ketepatan Waktu dalam Meminta Pertolongan Dokter tabel hasil belajar 3 Dengan demikian proses pelatihan telah selesai dan dapat dilakukan proses pengujian. Diagram alir Flowchart dari proses pelatihan dapat dilihat : Masukkan MaxEpoh Masukan Learning Rate Masukan Target Error Mulai Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 81 Simpan bobot kedalam table hasil belajar Tidak Gambar 3.12 Diagram Alir Proses Pelatihan

3.2.5.2 Proses Pengujian dan Prediksi

Untuk mengetahui kemampuan JST memprediksi keputusan medis yang akan diambil dilakukan proses pengujian. Setelah dilakukan proses pembelajaran, Epoh = Epoh + 1 Algoritma Pelatihan : Feedforward, Backprogation, Penyesuaian bobot Penghitungan MSE1, MSE2 MSE1 target error dan MSE2 target error Assign : a.Vi…n,j…n dengan bobot awal nilai random b.Voj…n dengan bobot awal nilai random c.Wj…n,k…2 dengan bobot awal nilai random d.Wok…2 dengan bobot awal nilai random Load data pelatihan dari table belajar Epoh = 0 Epoh = MaxEpoh Selesai Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 82 diasumsikan sudah terbentuk jaringan syaraf yang mempuyai pengetahuan yang cukup sehingga mampu menghasilkan keluaran yang benar jika diberi masukkan baru. Proses pengujian diawali dengan membuka tabel hasil belajar, yang berisi nama variable bobot unit masukkan dan nama variable bobot unit tersembunyi beserta nilai bobotnya. Selanjutnya masukkan data pengujian sebagai sinyal input-an x i . Pada proses pengujian, hanya dijalankan fase feedforward dari algoritma pelatihan. Setiap unit masukkan X i mengirimkan sinyal x i ke semua unit tersembunyi Z j yang terhubung dengannya. Setiap unit tersembunyi kemudian menjumlahkan setiap sinyal input terboboti yang masuk padanya. Hasilnya digunakan untuk menghitung sinyal keluaran Z j dengan menggunakan fungsi aktifasinya, kemudian mengirimkan ke setiap unit keluran Y k . Pada setiap unit keluaran menjumlahkan setiap sinyal input terboboti yang masuk padanya. Hasilnya digunakan untuk menghitung sinyal keluaran y k dengan menggunakan fungsi aktifasinya. Selanjutnya, sinyal keluaran y k tersebut dibandingkan dengan nilai target yang telah ditentukan sebelumnya untuk mendapatkan output dari proses pengujian. Tabel pola keluaranya adalah sebagai berikut : Tabel 3.17 Tabel Keluaran masing-masing JST JST Ketepatan Diagnosa Asma Episodik Jarang Asma Episodik Sering Asma Episodik BeratPersisten Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 83 menurut Klasifikasi Asma 1 1 1 1 JST Ketepatan Penilaian Beratnya Serangan Asma Serangan Ringan Serangan Sedang Serangan Berat 1 1 1 1 JST Ketepatan Waktu dalam Meminta Pertolongan Dokter Hubungi dokter untuk instruksi lebih lanjut Hubungi dokter segera hari ini untuk instruksi lebih lanjut Rujuk ke Ruang Gawat Daurat 1 1 1 1 Berikut ini adalah diagram alir flowchart untuk proses pengujian dan prediksi : Mulai Load Tabel Hasil Belajar Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 84 Gambar 3.13 Diagram Alir Proses Pengujian dan Prediksi 3.2.6 Perancangan Interface 3.2.6.1 Perancangan Menu Pengimplementasian perangkat lunak akan dipermudah dengan menggunakan tampilan dengan menu-menu pilihan proses. Rancangan bentuk susunan menu utama ditunjukan pada gambar berikut. Menu Utama System JST Ketepatan Diagnosa menurut Klasifikasi Asma JST Ketepatan Penilaian Beratnya Serangan Asma JST Ketepatan Waktu dalam Meminta Pertolongan Dokter Bantuan Program Input data Pengujian Algo Pelatihan : Fase Feedforward Output Prediksi Keputusan Medis Ulang ? Selesai Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 85 Gambar 3.14 Rancangan Susunan Menu Utama Pada menu utama tersebut terdapat menu yang lebih spesifik lagi, yaitu :

1. Menu System

Menu ini terdiri dari beberapa submenu, antara lain adalah : a. Menu Ganti User, menu ini berguna untuk menampilkan from untuk mengganti nama user aplikasi Jaringan Syaraf untuk Prediksi Keputusan pada Penyakit Asma, dimana setiap user mempuyai tingkat kekuasaan yang berbeda terhadap aplikasi Jaringan Syaraf untuk Prediksi Keputusan pada Penyakit Asma. b. Menu Maintenance Password, menu ini berguna untuk menambah user program serta menentukan tingkat kekuasaan user tersebut terhadap aplikasi. c. Menu Quit, menu ini berguna untuk untuk keluar dari aplikasi. Gambar 3.15 Rancangan Menu System

2. Menu JST Ketepatan Diagnosis menurut Klasifikasi Asma

Menu ini tediri dari beberapa submenu, antara lain adalah : a. Menu Input Data Tabel Belajar JST 1, menu ini berguna untuk menampilkan from yang dapat meng-input-kan data pada tabel belajar 1. b. Menu Pembelajaran JST 1, menu ini berguna untuk menampilkan from yang dapat melakukan pembelajaran JST 1. c. Menu Prediksi JST 1, menu ini berguna untuk menampilkan from yang dapat melakukan prediksi keputusan Diagnosa Klasifikasi Asma. System Ganti User Maintenance Password Quit JST Ketepatan Diagnosis menurut Klasifikasi Asma Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 86 Gambar 3.16 Rancangan Menu JST Ketepatan Diagnosis menurut Klasifikasi Asma

3. Menu JST Ketepatan Penilaian Beratnya Serangan Asma

Menu ini tediri dari beberapa submenu, antara lain adalah : a. Menu Input Data Tabel Belajar JST 2, menu ini berguna untuk menampilkan from yang dapat meng-input-kan data pada tabel belajar 2. b. Menu Pembelajaran JST 2, menu ini berguna untuk menampilkan from yang dapat melakukan pembelajaran JST 2. c. Menu Prediksi JST 2, menu ini berguna untuk menampilkan from yang dapat melakukan prediksi keputusan Beratnya Serangan Asma. Gambar 3.17 Rancangan Menu JST Ketepatan Penilaian Beratnya Serangan Asma 4. Menu JST Ketepatan Waktu dalam Meminta Pertolongan Dokter Menu ini tediri dari beberapa submenu, antara lain adalah : a. Menu Input Data Tabel Belajar JST 3, menu ini berguna untuk menampilkan from yang dapat meng-input-kan data pada tabel belajar 3. b. Menu Pembelajaran JST 3, menu ini berguna untuk menampilkan from yang dapat melakukan pembelajaran JST 3. Input Data Tabel Belajar JST 1 Pembelajaran JST 1 Prediksi JST 1 Input Data Tabel Belajar JST 2 Pembelajaran JST 2 Prediksi JST 2 JST Ketepatan Penilaian Beratnya Serangan Asma Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 87 c. Menu Prediksi JST 3, menu ini berguna untuk menampilkan from yang dapat melakukan prediksi keputusan Waktu yang tepat dalam meminta pertolongan dokter. Gambar 3.18 JST Ketepatan Waktu dalam Meminta Pertolongan Dokter 5. Menu Bantuan Program Menu ini akan memanggil file help.html, dimana file tersebut berisi tentang tata cara pengunaan masing-masing form.

3.2.6.2 Penggunaan Form

Pada program Jaringan Syaraf untuk Prediksi Keputusan pada Penyakit Asma akan terdapat 15 buah form berikut MDI Form, berikut ini adalah rancangan form-from tersebut, kecuali MDI Form :

1. From Login

Gambar 3.19 Rancangan Form Login Gambar 3.19 Rancangan Form Login From ini adalah From Login. Pada from ini terdapat dua buah tombol yaitu Tabel 3.18 Tombol Form Login Input Data Tabel Belajar JST 3 Pembelajaran JST 3 Prediksi JST 3 JST Ketepatan Waktu dalam Meminta Pertolongan Dokter Login Username Password Masu k Batal Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 88 Bentuk Tombol Keterangan Tombol ini adalah tombol Masuk. Tombol ini akan berfungsi untuk memastikan apakah pada tabel password terdapat username yang dituliskan di textbox username. Selain fungsi tersebut tombol ini juga berfungsi untuk memastikan apakah password yang dituliskan pengguna di textbox password sudah benar. Tombol ini berguna untuk menutup from Login. Selain dua buah tombol form ini juga terdapat dua buah komponen textbox, yaitu textbox username dan textbox password yang berguna untuk input proses cek pengguna.

2. Form Maintenance Password

Gambar 3.20 Rancangan Form Maintenance Password Masuk Batal Maintenance Password Username Password Ulangi Password Level Tambah Simpan Batal Keluar Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 89 From ini adalah from Maintenance Password. Form ini berfungsi untuk menambah pengguna pada program Jaringan Syaraf Tiruan untuk Prediksi Keputusan pada Penyakit Asma. Pada form ini terdapat empat buah tombol antara lain adalah Tabel 3.19 Tombol Form Maintenance Password Bentuk Tombol Keterangan Tombol ini adalah tombol tambah, tombol ini berguna sebagai pemicu perintah AddNew pada recordset tabel Tombol ini adalah tombol simpan, tombol ini berguna sebagai pemicu perintah Update pada recordset tabel password. Dengan tombol ini, maka data yang sudah diisikan oleh user program di textbox username, password dan combobox level akan disimpan di tabel password. Tombol ini adalah tombol batal yang berguna untuk membatalkan perintah AddNew. Tombol ini adalah tombol keluar, yang berfungsi untuk menutup from Maintenance Password. Tambah Simpan Batal Keluar Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 90

3. Form Tambah Data Belajar Klasifikasi Asma Episodik

Gambar 3.21 Form Tambah Data Belajar Klasifikasi Asma Episodik From ini adalah from tambah data belajar Klasifikasi asma episodik. From ini berfungsi untuk menambah data pembelajaran untuk JST Ketepatan Diagnosa menurut Klasifikasi Asma. Pada from ini terdapat 4 buah tombol antara lain adalah : a. Tambah Tombol ini digunakan untuk memasukkan data-data pelatihan yang baru, yaitu data-data parameter klinis, kebutuhan obat dan fungsi paru dengan parameter-parameter yang telah ditentukan dan keputusanya medisnya. Data Tambah Data Belajar, kebutuhan Asma Episodik Parameter Klinis, Kebutuhan obat dan Fungsi Paru Klasifikasi Asma Frekuensi Serangan Lama Serangan Intensitas Serangan Di antara Serangan Tidur dan Aktivitas Pemeriksaan Fisik diluar Serangan Obat Pengendali antiinflamasi Fungsi Paru diluar Serangan Asma Episodik Keluar Tambah Batal Simpan Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 91 pelatihan dimasukkan melalui 8 buah combobox ‘parameter’ dan 1 buah combobox ‘ klasifikasi Asma Episodik’. b. Simpan Tombol ini digunakan untuk menyimpan data-data pelatihan yang sudah ditambahkan ke program ke dalam tabel belajar 1. c. Batal Tombol ini digunakan untuk membatalkan penambahan data-data pelatihan ke dalam tabel belajar 1. d. Keluar Tombol ini berguna untuk menutup form Tambah Data Belajar Klasifikasi Asma Episodik. Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 92

4. From Pembelajaran JST Klasifikasi Asma Episodik

Gambar 3.22 From Pembelajaran JST Klasifikasi Asma Episodik From ini adalah from pembelajaran JST Klasifikasi Asma Episodik. Form ini berfungsi untuk melatih JST Klasifikasi Asma Episodik dengan data-data pelatihan yang ada pada tabel belajar 1, sehingga menghasilkan bobot-bobot akhir yang disimpan pada tabel hasil belajar 1. Pada form ini terdapat 5 buah tombol antara lain adalah : a. Latih Tombol ini berfungsi untuk mengolah data-data pelatihan dengan algoritma JST, sehingga menghasilkan bobot awal yang disimpan pada tabel hasil belajar 1. Pembelajaran JST Klasifikasi Asma Episodik Tabel Belajar Masukan 1 Variabel JST Jumlah Epoch Laju Pembelajaran Target Error Latih Hasil Hapus Refresh Keluar Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 93 b. Hasil Tombol ini berfungsi untuk menampilkan from Hasil Pembelajaran JST Klasifikasi Asma Episodik serta from MSE1 dan from Grafik MSE2. dimana from Hasil pembelajaran JST Klasifikasi Asma Episodik menampilkan bobot-bobot akhir yang didapatkan dari proses pembelajaran. Sedangkan from Grafik MSE1 dan from Grafik MSE2 akan menampilkan grafik nilai error MSE1 dan MSE2 sebagai nilai koordinat Y dan epoh sebagai nilai koordinat X. c. Hapus Tombol ini berfungsi untuk menghapus data pembelajaran. Tapi sebelum menekan tombol ini, pengguna harus memilih data yang akan dihapus terlebih dahulu pada datagrid. d. Refresh Tombol ini berguna untuk memuat kembali data-data pada tabel belajar 1. dengan tombol ini data yang dihapus akan terlihat hilang. e. Keluar Tombol ini berguna untuk menutup from Pembelajaran JST Klasifikasi Asma Episodik. Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 94

5. From Prediksi JST Klasifikasi Asma Episodik

Gambar 3.23 Form Data Belajar Klasifikasi Asma Episodik From ini adalah from prediksi JST Klasifikasi Asma Episodik. From ini berfungsi untuk melakukan prediksi Klasifikasi Asma, dan untuk melakukan prediksi diperlukan input berupa parameter klinis, kebutuhan obat dan fungsi paru yang dimasukan ke dalam 8 combobox. Tombol Prediksi digunakan untuk menampilkan hasil prediksi, sedangkan tombol ulang digunakan untuk mengulang proses pengujian. Prediksi JST Klasifikasi Asma Episodik Parameter Klinis, kebutuhan obat dan Fungsi paru Keputusan Diagnosis menurut Klasifikasi Asma Frekuensi Serangan Lama Serangan Intensitas Serangan Di antara Serangan Tidur dan Aktivitas Pemeriksaan Fisik diluar Serangan Obat Pengendali antiinflamasi Fungsi Paru diluar Serangan Asma Episodik Hasil Prediksi Keluar Prediksi Ulang Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 95

6. Form Tambah Data Belajar Derajat Beratnya Serangan Asma

Gambar 3.24 Form Tambah Data Belajar Derajat Beratnya Serangan Asma From ini adalah from tambah data belajar Derajat Beratnya Serangan Asma. From ini berfungsi untuk menambah data pembelajaran untuk JST Ketepatan Penilaian Beratnya Serangan Asma. Pada form ini terdapat 4 buah tombol antara lain adalah : Pada from ini terdapat 4 buah tombol antara lain adalah : a. Tambah Tambah Data Belajar, Derajat Beratnya Serangan Asma Gejala Klinis Derajat Beratnya Serangan Asma Sesak Napas Berbicara Kegelisahan Frekuensi Pernapasan Otot-otot Bantu Napas Bising Mengi Nadimenit Jenis Serangan Keluar Tambah Simpan Batal Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 96 Tombol ini digunakan untuk memasukkan data-data pelatihan yang baru, yaitu data-data gejala klinis dengan parameter-parameter yang telah ditentukan dan keputusan medisnya. Data pelatihan dimasukkan melalui 7 buah combobox ‘parameter’ dan 1 buah combobox ‘Jenis Serangan’. b. Simpan Tombol ini digunakan untuk menyimpan data-data pelatihan yang sudah ditambahkan ke program ke dalam tabel belajar 2. c. Batal Tombol ini digunakan untuk membatalkan penambahan data-data pelatihan ke dalam tabel belajar 2. d. Keluar Tombol ini berguna untuk menutup form Tambah Data Belajar Klasifikasi Asma Episodik.

7. From Pembelajaran JST Derajat Klasifikasi Serangan Asma

Pembelajaran JST Klasifikasi Asma Episodik Tabel Belajar Masukan 2 Variabel JST Jumlah Epoch Laju Pembelajaran Target Error Latih Hasil Hapus Refresh Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 97 Gambar 3.25 From Pembelajaran JST Derajat Beratnya Serangan Asma From ini adalah from pembelajaran JST Ketepatan Penilaian Beratnya Serangan Asma. Form ini berfungsi untuk melatih JST Ketepatan Penilaian Beratnya Serangan Asma dengan data-data pelatihan yang ada pada tabel belajar 2, sehingga menghasilkan bobot-bobot akhir yang disimpan pada tabel hasil belajar 2. Pada from ini terdapat 5 buah tombol antara lain adalah : a. Latih Tombol ini berfungsi untuk mengolah data-data pelatihan dengan algoritma JST, sehingga menghasilkan bobot awal yang disimpan pada tabel hasil belajar 2. b. Hasil Tombol ini berfungsi untuk menampilkan from Hasil Pembelajaran JST Ketepatan Penilaian Beratnya Serangan Asma serta from MSE1 dan from Grafik MSE2. dimana from Hasil pembelajaran JST Ketepatan Penilaian Beratnya Serangan Asma menampilkan bobot-bobot akhir yang didapatkan dari proses pembelajaran. Sedangkan from Grafik MSE1 dan from Grafik MSE2 akan menampilkan grafik nilai error MSE1 dan MSE2 sebagai nilai koordinat Y dan epoh sebagai nilai koordinat X. c. Hapus Tombol ini berfungsi untuk menghapus data pembelajaran. Tapi sebelum menekan tombol ini, pengguna harus memilih data yang akan dihapus terlebih dahulu pada datagrid. Keluar Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 98 d. Refresh Tombol ini berguna untuk memuat kembali data-data pada tabel belajar 2. dengan tombol ini data yang dihapus akan terlihat hilang. e. Keluar Tombol ini berguna untuk menutup from Pembelajaran JST Ketepatan Penilaian Beratnya Serangan Asma.

8. From Prediksi JST Derajat Beratnya Serangan Asma

Gambar 3.26 Form Prediksi JST Derajat Beratnya Serangan Asma Tambah Data Belajar, Derajat Beratnya Serangan Asma Gejala Klinis Derajat Beratnya Serangan Asma Sesak Napas Berbicara Kegelisahan Frekuensi Pernapasan Otot-otot Bantu Napas Bising Mengi Nadimenit Jenis Serangan Hasil Prediksi Keluar Prediksi Ulang Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 99

9. From Tambah Data Belajar Waktu Pertolongan Dokter

Gambar 3.27 Form Tambah Data Belajar Waktu Pertolongan Dokter From ini adalah from tambah data belajar waktu pertolongan dokter. From ini berfungsi untuk menambah data pembelajaran untuk JST Ketepatan Waktu dalam Meminta Pertolongan Dokter. Pada form ini terdapat 4 buah tombol antara lain adalah : a. Tambah Tombol ini digunakan untuk memasukkan data-data pelatihan yang baru, yaitu data-data gejala klinis dengan parameter-parameter yang telah ditentukan Tambah Data Belajar waktu Pertolongan Dokter Gejala Klinis Saran Waktu Tepat dalam Meminta Pertolongan Dokter Nilai APE sebelum Pengobatan Awal Nilai APE sesudah Pengobatan Awal Gejala Saran Keluar Tambah Simpan Batal Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 100 dan keputusan medisnya. Data pelatihan dimasukkan melalui 3 buah combobox ‘parameter’ dan 1 buah combobox ‘Saran Waktu Tepat dalam Meminta Pertolongan Dokter’. b. Simpan Tombol ini digunakan untuk menyimpan data-data pelatihan yang sudah ditambahkan ke program ke dalam tabel belajar 3. c. Batal Tombol ini digunakan untuk membatalkan penambahan data-data pelatihan ke dalam tabel belajar 3. d. Keluar Tombol ini berguna untuk menutup form Tambah Data Belajar Waktu Pertolongan Dokter.

10. From Pembelajaran JST Waktu Pertolongan Dokter

Pembelajaran JST Waktu Pertolongan Dokter Tabel Belajar Masukan 3 Variabel JST Jumlah Epoch Laju Pembelajaran Target Error Latih Hasil Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 101 Gambar 3.28 From Pembelajaran JST Waktu Pertolongan Dokter From ini adalah from pembelajaran JST Waktu Pertolongan Dokter. Form ini berfungsi untuk melatih JST Ketepatan Waktu dalam Meminta Pertolongan Dokter dengan data-data pelatihan yang ada pada tabel belajar 3, sehingga menghasilkan bobot-bobot akhir yang disimpan pada tabel hasil belajar 3. Pada form ini terdapat 5 buah tombol antara lain adalah : a. Latih Tombol ini berfungsi untuk mengolah data-data pelatihan dengan algoritma JST, sehingga menghasilkan bobot awal yang disimpan pada tabel hasil belajar 3. b. Hasil Tombol ini berfungsi untuk menampilkan from Hasil Pembelajaran JST Waktu Pertolongan Dokter serta from MSE1 dan from Grafik MSE2. dimana from Hasil pembelajaran JST Waktu Pertolongan Dokter menampilkan bobot-bobot akhir yang didapatkan dari proses pembelajaran. Sedangkan from Grafik MSE1 dan from Grafik MSE2 akan menampilkan grafik nilai error MSE1 dan MSE2 sebagai nilai koordinat Y dan epoh sebagai nilai koordinat X. c. Hapus Tombol ini berfungsi untuk menghapus data pembelajaran. Tapi sebelum menekan tombol ini, pengguna harus memilih data yang akan dihapus terlebih dahulu pada datagrid. Hapus Refresh Keluar Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 102 d. Refresh Tombol ini berguna untuk memuat kembali data-data pada tabel belajar 3. dengan tombol ini data yang dihapus akan terlihat hilang. e. Keluar Tombol ini berguna untuk menutup from Pembelajaran JST Waktu Perolongan Dokter.

11. From Prediksi JST Waktu Pertolongan Dokter

Gambar 3.29 Form Prediksi JST Waktu Pertolongan Dokter From ini adalah from prediksi JST Waktu Pertolongan Dokter. From ini berfungsi untuk melakukan prediksi Waktu yang tepat dalam meminta pertolongan dokter, dan untuk melakukan prediksi diperlukan input berupa gejala klinis yang dimaksukkan ke dalam 3 combobox. Tombol Prediksi digunakan untuk Prediksi JST waktu Pertolongan Dokter Gejala Klinis Saran Waktu Tepat dalam Meminta Pertolongan Dokter Nilai APE sebelum Pengobatan Awal Nilai APE sesudah Pengobatan Awal Gejala Saran Hasil Prediksi Keluar Simpan Ulang Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 103 menampilkan hasil prediksi, sedangkan tombol ulang digunakan untuk mengulang proses pengujian.

12. From Hasil Pembelajaran JST Klasifikasi Asma Episodik, From Hasil

Pembelajaran JST Derajat Beratnya Serangan Asma, From Hasil Pembelajaran JST Waktu Pertolongan Dokter Gambar 3.30 From Hasil Pembelajaran JST Pada From Pembelajaran JST Klasifikasi Asma Episodik, From Hasil Pembelajaran JST Derajat Beratnya Serangan Asma, From Hasil Pembelajaran JST Waktu Pertolongan Dokter memiliki bentuk from yang sama, yaitu didalamnya terdapat 1 buah datagrid yang akan menampilkan data pada tabel hasil belajar dan 1 buah tombol keluar yang digunakan untuk menutup from.

13. From Grafik MSE1 dan From Grafik MSE2

Grafik MSE 1 Grafik MSE 2 MSE 1 MSE 2 Hasil Pembelajaran JST… Keluar Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 104 Gambar 3.31 From Grafik MSE1 dan From Grafik MSE2 Form ini adalah from Grafik MSE1 dan from Grafik MSE2. From ini berfungsi untuk mengetahui sampai epoh ke berapakah suatu JST dapat mencapai target error dengan data pembelajaran yang ada. Apabila pada epoh yang sudah ditentukan nilai MSE masih memiliki selisih yang banyak dengan nilai target error maka kemungkinan JST belum dapat mengenali pola data pembelajaran dengan jumlah epoh yang diberikan.

3.2.6.3 Perancangan Halaman HTML untuk Bantuan Program

Gambar 3.32 Rancangan Menu Bantuan MSE1 = Jumlah Epoh = Keluar MSE2 = Jumlah Epoh = Keluar Bantuan Program Jaringan Syaraf Tiruan untuk Prediksi Keputusan Medis pada Penyakit Asma Cara Penggunaan Form Nama Form + Form Tambah Data Belajar - Form Tambah Data Belajar JST1 - Form Tambah Data Belajar JST2 - Form Tambah Data Belajar JST3 + Form Pembelajaran JST - Form Pembelajaran JST1 - Form Pembelajaran JST2 - Form Pembelajaran JST3 + Form Prediksi JST - Form Prediksi JST1 - Form Prediksi JST2 - Form Prediksi JST3 + Form Maintenance Password Cara Penggunaan Form : - ……….. - ……….. Gambar Form Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 105 Pada Menu Bantuan Program akan diwujudkan dengan halaman HTML, yang dibagi menjadi tiga buah frame. Frame akan berisi judul “Bantuan Program Jaringan Syaraf Tiruan untuk Prediksi Keputusan Medis pada Penyakit Asma”. Frame kiri akan berisi menu-menu bantuan dari masing-masing form. Menu-menu ini akan di-hyperlink-kan dengan halaman html yang lain, yang dimana halaman tersebut adalah isi dari halaman bantuan yang akan ditampilkan pada frame kanan. BAB IV IMPLEMENTASI DAN PEMBAHASAN SISTEM Setelah melakukan analisis dan defenisi kebutuhan serta rancang sistem, maka tahap selanjutnya adalah generasi kode dan pengujian. Pada tahap ini melibatkan aplikasi Microsoft Access 2003, Microsoft Visual Basic 6.0. Tahap ini dibagi menjadi 2 bagain : 1. Implementasi basis data. 2. Implementasi JST kedalam program aplikasi. Setelah tahap implementasi dilakukan maka pada bab ini akan dibahas analasis hasil pengujian JST. Implementasi Basis Data Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 106 Sesuai dengan rancangan basis data yang dibuat pad bab sebelumnya, maka akan dilakukan pengujian apakah rancangan tersebut sudah efektif dan efisien. Pengujian dilakukan dengan cara menuangkan rancangan tersebut kedalam sebuah perangkat lunak, yaitu dengan menggunakan perangkat lunak Microsoft Access 2003. Struktur Tabel Basis data yang telah dirancang terdiri dari kumpulan beberapa tabel yang memiliki struktur yang berbeda-beda. Berikut ini adalah struktur tabel-tabel yang digunakan :

1. Struktur tabel bljr_masukan1

Tabel 4.1 Struktur Tabel bljr_masukan1 Nama Field Tipe Data UkuranRange Byte x1 0 sd 255 Byte x2 0 sd 255 Byte x3 0 sd 255 Byte x4 0 sd 255 Byte x5 0 sd 255 Byte x6 0 sd 255 Byte x7 0 sd 255 Byte x8 0 sd 255 Target Text 30 Char Tabel bljr_masukan1 digunakan untuk menyimpan data-data pembelajaran yang akan digunakan oleh JST Ketepatan Diagnosa menurut Klasifikasi Asma dalam proses pembelajaran. Keterangan yang disimpan dalam tabel ini adalah nilai-nilai parameter, antara lain : a. X1 Frekuensi Serangan : 1. Kurang dari 1 kalibulan, pilihan ini akan bernilai 0. Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 107 2. Lebih dari 1 kalibulan, pilihan ini akan bernilai 1. 3. Sering, pilihan ini akan bernilai 2 b. X2 Lama Serangan 1. Kurang dari 1 minggu, pilihan ini akan bernilai 0. 2. Satu minggu atau lebih, pilihan ini akan bernilai 1. 3. Hampir sepanjang tahun, tidak ada remisi, pilihan ini akan bernilai 2 c. X3 Intensitas Serangan 1. Ringan, pilihan ini akan bernilai 0. 2. Lebih berat, pilihan ini akan bernilai 1. 3. Berat, pilihan ini akan bernilai 2 d. X4 Diantara Serangan 1. Tanpa gejala, pilihan ini akan bernilai 0. 2. Sering ada gejala, pilihan ini akan bernilai 1. 3. Gejala siang dan malam, pilihan ini akan bernilai 2 e. X5 Tidur dan Aktivitas 1. Tidak terganggu, pilihan ini akan bernilai 0. 2. Sering terganggu, pilihan ini akan bernilai 1. 3. Sangat terganggu, pilihan ini akan bernilai 2 f. X6 Pemeriksaan Fisik diluar Serangan 1. Normal, pilihan ini akan bernilai 0. 2. Mungkin terganggu, pilihan ini akan bernilai 1. 3. Tidak pernah normal, pilihan ini akan bernilai 2 g. X7 Obat Pengendali Antiinflamasi 1. Tidak perlu, pilihan ini akan bernilai 0. 2. Perlu, nonsteroid, pilihan ini akan bernilai 1. 3. Perlu, steroid, pilihan ini akan bernilai 2 h. X8 Fungsi Paru diluar Serangan 1. PEFFEV lebih dari 80, pilihan ini akan bernilai 0. 2. PEFFEV 60-80, pilihan ini akan bernilai 1. Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 108 3. PEFFEV kurang dari 60, pilihan ini akan bernilai 2 Selain nilai parameter klinis, pada tabel ini juga tersimpan target pembelajaran untuk JST Ketepatan Diagnosis menurut Klasifikasi Asma. Kunci parameter pada tabel ini adalah gabungan antara atribut X1, X2, X3, X4 , X5, X6, X7, X8.

2. Struktur tabel bljr_masukan2

Tabel 4.2 Struktur Tabel bljr_masukan2 Nama Field Tipe Data UkuranRange Byte x1 0 sd 255 Byte x2 0 sd 255 Byte x3 0 sd 255 Byte x4 0 sd 255 Byte x5 0 sd 255 Byte x6 0 sd 255 Byte x7 0 sd 255 Target Text 30 Char Tabel bljr_masukan2 digunakan untuk menyimpan data-data pembelajaran yang akan digunakan oleh JST Ketepatan Penilaian Beratnya Serangan Asma dalam proses pembelajaran. Keterangan yang disimpan dalam tabel ini adalah nilai-nilai parameter, antara lain : a. X1 Sesak Napas Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 109 1. Berjalan sudah sesak, masih dapat berbaring, pilihan ini akan bernilai 0. 2. Berbicara sudah sesak, lebih enak duduk, berbaring sesak, pilihan ini akan bernilai 1. 3. Istirahat sudah sesak, duduk harus membungkuk ke depan karena sesak, pilihan ini akan bernilai 2 b. X2 Berbicara 1. Dapat menyelesaikan kalimat, pilihan ini akan bernilai 0. 2. Berbicara terputus-putus, pilihan ini akan bernilai 1. 3. Sukar berbicara karena sesak, pilihan ini akan bernilai 2 c. X3 Kegelisahan 1. Kadang-kadang Gelisah, pilihan ini akan bernilai 0. 2. Selalu Gelisah, pilihan ini akan bernilai 1. d. X4 Frekwensi Pernapasan 1. Meningkat, pilihan ini akan bernilai 0. 2. Sering 30 kalimenit, pilihan ini akan bernilai 1. e. X5 Otot-otot bantu Napas 1. Biasanya tidak digunakan, pilihan ini akan bernilai 0. 2. Biasanya digunakan, pilihan ini akan bernilai 1. f. X6 Bising Mengi 1. Sedang, sering hanya akhir ekspirasi, pilihan ini akan bernilai 0. 2. Keras, pilihan ini akan bernilai 1. g. X7 Nadi per Menit 1. Kurang dari 100, pilihan ini akan bernilai 0. 2. Antara 100-200, pilihan ini akan bernilai 1. 3. Lebih dari 120, pilihan ini akan bernilai 2 Selain nilai parameter klinis, pada tabel ini juga tersimpan target pembelajaran untuk JST Ketepatan Penilaian Beratnya Seragan Asma. Kunci primer pada tabel ini adalah gabungan antara atribut X1, X2, X3, X4, X5, X6, X7. Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 110

3. Struktur tabel bljr_masukan3

Tabel 4.3 Struktur tabel bljr_masukan3 Nama Field Tipe Data UkuranRange Byte x1 0 sd 255 Byte x2 0 sd 255 Byte x3 0 sd 255 Target Text 70 Char Tabel bljr_masukan3 digunakan untuk menyimpan data-data pembelajaran yang akan digunakan oleh JST Ketepatan Waktu dalam Meminta Pertolongan Dokter dalam proses pembelajaran. Keterangan yang disimpan dalam tabel ini adalah nilai-nilai parameter, antara lain : a. X1 Nilai Arus Puncak Ekspirasi APE sebelum pengobatan awal : 1. Kurang dari 50, pilihan ini akan bernilai 0. 2. Lebih dari 80, pilihan ini akan bernilai 1. b. X2 Nilai Arus Puncak Ekspirasi APE sesudah pengobatan awal : 1. Kurang dari 50, pilihan ini akan bernilai 0. 2. Antara 50-80, pilihan ini akan bernilai 1. 3. Lebih dari 80, pilihan ini akan bernilai 2 c. X3 Gejala 1. Tidak ada mengi atau sesak, pilihan ini akan bernilai 0. 2. Mengi dan sesak napas menetap, pilihan ini akan bernilai 1. 3. Mengi dan sesak napas sangat menonjol, pilihan ini akan bernilai 2 Selain nilai parameter, klinis, pada tabel ini juga tersimpan target pembelajaran untuk JST Ketepatan Waktu dalam Meminta Pertolongan Dokter. Kunci primer pada tabel ini adalah gabungan antara atribut X1, X2, X3.

4. Struktur tabel bljr_keluaran1

Tabel 4.4 Struktur tabel bljr_keluaran1 Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 111 Nama Field Tipe Data UkuranRange Text Target 30 Char t1 Byte 0 sd 255 t2 Byte 0 sd 255 Tabel bljr_keluaran1 digunakan untuk menyimpan data-data pola target yang digunakan oleh JST Ketepatan Diagnosa menurut Klasifikasi Asma dalam proses pembelajaran. Atribut yang disimpan dalam tabel ini adalah target t1, dan t2. Tabel 4.5 Pola Target JST 1 Asma Episodik Jarang Asma Episodik Sering Asma Episodik BeratPersisten T1 T2 T1 T2 T1 T2 1 1 1 1 Tabel 4.5 menunjukan isi dari tabel bljr_keluaran1. Kunci primer pada tabel ini adalah atribut target.

5. Strukrur tabel bljr_keluaran2

Tabel 4.6 Struktur tabel bljr_keluaran2 Nama Field Tipe Data UkuranRange Text Target 30 Char t1 Byte 0 sd 255 t2 Byte 0 sd 255 Tabel bljr_keluaran2 digunakan untuk menyimpan data-data pola target yang digunakan oleh JST Ketepatan Penilaian Beratnya Serangan Asma dalam proses pembelajaran. Atribut yang disimpan dalam tabel ini adalah target, t1 dan t2. Tabel 4.7 Pola Target JST 2 Serangan Ringan Serangan Sedang Serangan Berat T1 T2 T1 T2 T1 T2 1 1 1 1 Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 112 Tabel 4.7 menunjukan isi dari tabel bljr_keluaran2. Kunci primer pada tabel ini adalah atribut target.

6. Strukrur tabel bljr_keluaran3

Tabel 4.8 Struktur tabel bljr_keluaran3 Nama Field Tipe Data UkuranRange Text Target 70 Char t1 Byte 0 sd 255 t2 Byte 0 sd 255 Tabel bljr_keluaran3 digunakan untuk menyimpan data-data pola target yang digunakan oleh JST Ketepatan Waktu dalam Meminta Pertolongan Dokter dalam proses pembelajaran. Atribut yang disimpan dalam tabel ini adalah target, t1 dan t2. Tabel 4.9 Pola Target JST 2 Hubungi dokter untuk instruksi lebih lanjut Hubungi dokter segera hari ini untuk instruksi lebih lanjut Rujuk ke Ruang Gawat Daurat T1 T2 T1 T2 T1 T2 1 1 1 1 Tabel 4.9 menunjukan isi dari tabel bljr_keluaran3. Kunci primer pada tabel ini adalah atribut target.

7. Struktur tabel hsl_bljr1

Tabel 4.10 Struktur tabel hsl_bljr1 Nama Field Tipe Data UkuaranRange Text Variabel 10 Char Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 113 nilai Currency 15 digit di kiri titik desimal dan 4 digit di kanan titik desimal. Tabel hsl_bljr1 digunakan untuk menyimpan bobot-bobot akhir yang digunakan oleh JST Ketepatan Diagnosis menurut Klasifikasi Asma, dimana bobot akhir ini berguna untuk proses pengujian JST. Atribut yang disimpan dalam tabel ini adalah nama variable bobot akhir dan nilai dari bobot akhir tersebut. Kunci primer pada tabel ini adalah atribut target.

8. Struktur tabel hsl_bljr2

Tabel 4.11 Struktur tabel hsl_bljr2 Nama Field Tipe Data UkuaranRange Text Variabel 10 Char nilai Currency 15 digit di kiri titik desimal dan 4 digit di kanan titik desimal. Tabel hsl_bljr2 digunakan untuk menyimpan bobot-bobot akhir yang digunakan oleh JST Ketepatan Penilaian Beratnya Serangan Asma, dimana bobot akhir ini berguna untuk proses pengujian JST. Atribut yang disimpan dalam tabel ini adalah nama variable bobot akhir dan nilai dari bobot akhir tersebut. Kunci primer pada tabel ini adalah atribut target.

9. Struktur tabel hsl_bljr3

Tabel 4.12 Struktur tabel hsl_bljr3 Nama Field Tipe Data UkuaranRange Text Variabel 10 Char nilai Currency 15 digit di kiri titik desimal dan 4 digit di Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 114 kanan titik desimal. Tabel hsl_bljr3 digunakan untuk menyimpan bobot-bobot akhir yang digunakan oleh JST Ketepatan Waktu dalam Meminta Pertolongan Dokter, dimana bobot akhir ini berguna untuk proses pengujian JST. Atribut yang disimpan dalam tabel ini adalah nama variable bobot akhir dan nilai dari bobot akhir tersebut. Kunci primer pada tabel ini adalah atribut target.

10. Struktur tabel Grafik, Grafik 2, dan Grafik 3

Tabel 4.13 Struktur tabel Grafik, Grafik 2, Grafik 3 Nama Field Tipe Data UkuaranRange Integer Epoh -32, 768 sd 32, 767 MSE1 Currency 15 digit di kiri titik desimal dan 4 digit di kanan titik desimal MSE2 Currency 15 digit di kiri titik desimal dan 4 digit di kanan titik desimal Tabel tersebut digunakan untuk menyimpan data-data untuk pembuatan grafik, yaitu jumlah epoh, nilai MSE1 dan nilai MSE2. Kunci primer pada tabel ini adalah atribut epoh. Relasi Antar Tabel Struktur tabel telah selesai dibuat, langkah selanjutnya adalah menentukan relasi yang ada pada antar tabel. Ferdinand Sinuhaji : Jaringan Syaraf Tiruan Untuk Prediksi Keputusan Medis Pada Penyakit Asma, 2009. USU Repository © 2009 115 Pada relasi antar tabel akan dibahas beberapa tabel yang mendukung aplikasi “Jaringan Syaraf Tiruan untuk Prediksi Keputusan Medis pada Penyakit Asma”. Untuk lebih jelas, maka relasi antar tabel akan dibagi 3 menurut masing- masing subJST yang mengaksesnya.