Jurnal Online STMIK EL RAHMA
SISTEM PAKAR DIAGNOSA PERSALINAN NORMAL DAN BUATAN BERBASIS
ANDROID
Isni Fauzan
SI Teknik Informatika | STMIK EL Rahma Yogyakarta | 2017
Email : nandaorlando63@gmail.com
INTISARI
Sistem pakar diagnosa persalinan normal dan buatan digunakan untuk menganalisis
proses persalinan dengan beberapa gejala. Sistem ini dibuat untuk mempermudah dan
mengenalkan tekhnologi komputer lebih dekat lagi pada tenaga medis pembantu dokter pada
instansi kesehatan khususnya atau masyarakat pada umumnya dalam penanganan dan
penanggulangan diagnosa persalinan. Sistem ini mendukung dan membantu seperti halnya
seorang pakar kandungan untuk mengetahui jenis persalinan yang baik sesuai dengan kondisi
kesehatan ibu dan janin dikarenakan terbatasnya fasilitas konsultasi dari pakar. Sistem ini
menyediakan informasi persalinan, gambaran video persalinan dan gejala – gejala pada fase
sebelum persalinan.
Dari analisa dan perancangan yang telah dilakukan pada Sistem pakar diagnosa
persalinan normal dan buatan ini, implementasinya di buat kedalam bentuk sistem aplikasi
dengan menggunakan bahasa pemrograman android yaitu eclipse,ADT (Android Developer
Tools), SDK, Sqlite dengan bahasa java dan XML menggunakan metode forward chaining.
Sistem ini di buat untuk dapat mampu menggantikan keberadaan seorang pakar
kandungan sehingga mampu memperoleh kesimpulan, keterangan dan solusi sesuai dengan
data (gejala-gejala) yang di masukan. Dengan sistem ini dapat bermanfaat dan menambah
pengetahuan bagi tenaga medis pembantu dokter kandungan khususnya dan pada masyarakat
luas umumnya.
Kata kunci: sistem pakar, basis pengetahuan, mesin inferensi.
EXPERT SYSTEM OF DIAGNOSIS OF VAGINAL BIRTH AND ANDROID-BASED
ARTIFICIAL
Isni Fauzan
SI Informatics Engineering | STMIK EL Rahma Yogyakarta | 2017
Email : nandaorlando63@gmail.com
ABSTRACT
Expert system of diagnosis of vaginal birth and used to analyze labor with few
symptoms. The system was created to simplify and introduce computer technology even
closer on the auxiliary medical personnel health agencies on particular doctors or the public
in General in the diagnosis and countermeasures of handling labor. This system of support
and help as well as a content expert to find out the type of labor is a good fit with the health
condition of the mother and the fetus due to limited on-site consultation of experts. This
system provides information on childbirth, childbirth video description and symptoms –
symptoms in phase before labor.
From the analysis and design of which has been done on the expert system of
diagnosis of vaginal birth and artificial this, implementation, made into the form of the
application system by using the android programming language i.e. eclipse, ADT (Android
Developer Tools), SDK, Sqlite with java and XML using forward chaining.
The system is made to be able to replace the presence of an expert on the content so
that it is able to derive the conclusion, description and solutions in accordance with the data
(symptoms) that are in the input. With this system can be useful and increase knowledge for
medical personnel in particular and the obstetrician helpers on the public generally.
Key words: expert system, knowledge base, inference machine.
1. LATAR BELAKANG
Prosentase jumlah dokter spesialis yang ada khususnya spesialis obstetri dan
ginekologi yang masih terhitung sangat minim membuat banyak instansi pelayanan
kesehatan harus mengatur waktu dan jadwal jaga dokter. Penjadwalan yang dilakukan
tersebut menyebabkan beberapa permasalahan dan kendala, diantaranya yaitu pasien yang
harus menunggu jadwal dokter jaga untuk melakukan konsultasi dan pemberian tindakan
tidak bisa dilakukan karena menunggu keputusan seorang dokter spesialis sehingga
penanganan pasien gawat darurat tidak bisa langsung ditolong.
Demikian halnya yang terjadi pada Rumah Sakit Ibu Bersalin Ummi Khasanah yang
beralamat di Jalan Pemuda Gandekan Bantul, Yogyakarta. Saat ini proses pelayanan rumah
sakit khususnya penanganan persalinan dalam hal tindakan masih tergantung dari dokter
Spesialis Obstetri Ginekologi. Maka untuk membantu mempercepat proses tindakan harus
terdapat sistem yang membantu untuk mengolah kepakaran seorang dokter agar saat
berhalangan hadir sistemlah yang bisa membantu mendiagnosa pemilihan persalinan. Dan
salah satu pemanfaatan perkembangan teknologi yang telah ada adalah kecerdasan buatan
(Artificial Intelligence). Contoh pengaplikasian teknologi informasi di dunia kesehatan adalah
penggunaan sistem pakar.
Sistem pakar adalah sebuah sistem yang berbasis komputer yang menggunakan
pengetahuan, fakta, dan juga teknik penalaran tertentu dalam memecahkan masalah, yang
mana masalah tersebut adalah sebuah masalah yang biasanya dapat dipecahkan oleh seorang
pakar di dalam bidang atau disiplin ilmu tertentu (Kusrini, 2008). Salah satu perangkat
operating system terbaru yaitu android. Dan hadirnya smartpone android membuat
masyarakat modern lebih mudah untuk mendapatkan informasi. Selain itu, mengaplikasikan
sistem pakar ke dalam aplikasi smartphone android memungkinkan setiap individu untuk
menghemat waktu, biaya dan tenaga dalam mendapatkan pelayanan kesehatan terutama
berkaitan dengan persalinan.
1.1. Rumusan Masalah
Berdasarkan paparan latar belakang di atas, belum ada kepakaran tersistem
komputerisasi tentang seorang ahli dokter spesialis obstetri dan ginekologi untuk
mendiagnosa persalinan normal dan buatan berbasis Android.
1.2. Batasan Masalah
Dengan mengacu pada permasalahan yang telah dirumuskan, maka hal-hal yang
berkaitan dengan sistem akan diberi batasan sebagai berikut:
a. Aplikasi dibuat diatas platform Android sehingga dimungkinkan hanya dapat dijalankan
pada smartphone berbasis android.
b. Penelitian ini tidak membahas keamanan database dan keamanan jaringan yang digunakan
untuk kebutuhan aplikasi.
c. Sistem ini memberikan pertanyaan-pertanyaan tentang gejala yang sedang dialami dan
pasien atau pengguna aplikasi hanya menjawab “ya” atau “tidak” saja.
1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah Merancang dan membangun aplikasi mobile sistem
pakar diagnosa persalinan normal dan buatan yang dapat berjalan di smartpone berbasis
android.
2. LANDASAN TEORI
Sistem pakar (expert system) menurut Arhami (2005) adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah
seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat
menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan
sistem pakar ini, orang awampun dapat menyelesaikan masalah yang cukup rumit yang
sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Secara umum, sistem pakar
merupakan sistem yang mengadopsi pengetahuan manusia ke dalam komputer sehingga
komputer dapat digunakan untuk menyelesaikan suatu masalah sebagaimana
yang
dilakukan oleh seorang pakar.
Desain arsitektur sistem pakar dalam menentukan metode persalinan dapat
dilihat pada gambar berikut :
Gambar 2.1 Arsitektur sistem pakar
Forward chaining (pelacakan kedepan)
Menurut Arhami (2005) Forward chaining disebut juga penalaran dari bawah ke atas
karena penalaran dari fakta pada level bawah menuju konklusi pada level atas didasarkan
pada fakta. Penalaran dari bawah ke atas dalam suatu sistem pakar dapat disamakan untuk
pemrograman konvensional dari bawah ke atas. Fakta merupakan satuan dasar dari
paradigma berbasis pengetahuan karena mereka tidak dapat diuraikan ke dalam satuan paling
kecil yang mempunyai makna. Seperti ditunjukan pada Gambar 3.2.
2.1
Gambar 2.2 Proses forward Chaining (pelacakan kedepan)
2.2
Persalinan
Persalinan adalah proses pengeluaran hasil konsepsi (janin dan plasenta) yang telah
cukup bulan atau dapat hidup diluar kandungan melalui jalan lahir atau melalui jalan lain,
dengan bantuan atau tanpa bantuan (kekuatan sendiri). Proses ini dimulai dengan adanya
kontraksi persalinan sejati, yang ditandai dengan perubahan servik secara progresif dan
diakhiri dengan kelahiran plasenta (Nugraheny, 2010). Metode persalinan yang digunakan.
a. Persalinan Normal
Proses persalinan dengan tindakan normal yaitu suatu proses pengeluaran hasil
konsepsi (janin dan uri) yang telah cukup bulan dan dapat hidup di luar uterus melalui
vagina secara spontan (Manuaba, 1998).
b. Persalinan Vacuum
Proses persalinan dengan tindakan ekstaksi vakum adalah salah satu bentuk metode
persalinan dengan menggunakan bantuan ekstrasi vakum alat cup / penghisap yang
berfungsi untuk menarik bayi keluar dengan lembut (Williams, 21 Ed, hal.552, 2006).
c. Persalinan Forseps
Persalinan ekstraksi forceps (cunam) adalah melahirkan janin dengan menarik janin
menggunakan alat forseps (Williams, 21 Ed, hal.532, 2006). Fungsi forceps
digunakan sebagai ekstraktor, rotator atau keduanya. Secara umum, forceps simpson
digunakan untuk melahirkan janin yang kepalanya mengalami moulage, seperti yang
sering dijumpai oleh wanita nullipara.
d. Persalinan Caesar
Proses persalinan dengan tindakan caesar (sectio caesarea) yaitu suatu proses
melahirkan dengan mengeluarkan janin melalui insisi dinding abdomen dan dinding
rahim (Williams, 21 Ed, hal.592, 2006).
3
PERANCANGAN SISTEM
UML (Unified Modeling Language) aplikasi pembelajaran servis printer inkjet ini
menjelaskan dan menggambarkan proses analisis dan desain berorientasi objek.
3.1
Use Case Diagram
Use Case Diagram adalah penjelasan mengenai siapa yang berinteraksi dengan sistem
dan bagaimana sistem itu berjalan. Komponen utama use case modeling ini adalah Actor dan
Use Case itu sendiri. Use case diagram aplikasi pemilihan persalinan dapat dilihat pada
gambar 4.8.
Gambar 4.8. Use Case Diagram
Gambar 4.8. Use Case Diagram diatas terdapat hubungan user atau aktor dengan
beberapa use case yaitu.
a. Pustaka
p.normal (persalinan normal), p.sesar (persalinan caesar), p.vacuum (persalinan vacuum),
p.forseps (persalinan forseps).
b. Video persalinan
vp.normal (video persalinan normal), vp.sesar (video persalinan caesar), vp.vacuum
(video persalinan vacuum), vp.forseps (video persalinan forseps)
c. Diagnosa persalinan
1) Persalinan normal gejalanya: F001, F002, F003, F004, F005.
2) Persalinan caesar gejalanya: F006, F007, F008, F009, F010, F011.
3) Persalinan vacuum gejalanya: F006, F008, F009, F011, F012, F013, F014.
4) Persalinan forseps gejalanya: F015, F016, F017, F018, F019, F020, F021.
3.2
Basis Pengetahuan (Knowledge Base) dan Basis Aturan (Rule Base)
Basis pengetahuan yang digunakan dalam program ini adalah tentang fakta gejala,
dan solusi persalinan. Jumlah gejala yang diolah dalam sistem pakar diagnosa pemilihan
persalinan ini adalah 4 macam diagnosa persalinan. Fakta-fakta tersebut dapat di lihat pada
Tabel 4.1 dan Tabel 4.2 berikut ini.
Dari basis pengetahuan yang ada diatas yang telah dikelompok-kelompkkan kemudian
sebagai input dalam memberikan analisis diagnosa persalinan maka dibuatlah basis aturan
(rule base).
a. Aturan 1 atau Rule 1
IF Jalan lahir atau ukuran panggul ibu normal (F001)
AND Presentasi janin letak kepala (F002)
AND Keadaan umum ibu normal (F003)
AND Tidak ada penyulit di jalan lahir (F004)
AND Denyut jantung janin normal (F005)
THEN Persalinan Spontan (P001)
b. Aturan 2 atau Rule 2
IF Ibu kelelahan (kehabisan tenaga/ exhaused mother) (F006)
AND Ibu mengalami kala II memanjang (F007)
AND Ibu mengalami toksemia gravidarum ringan (F008)
AND Ibu ada riwayat penyakit jantung/ TBC/ dan asma bronkial ringan, dll
(pada ibu yang tidak boleh mengejan lama) (F009)
AND Pembukaan serviks sudah lengkap (F010)
AND Ibu mengalami ruptur uteri imminems (F011)
THEN Persalinan Vacuum (P002)
c. Aturan 3 atau Rule 3
IF
Ibu kelelahan (kehabisan tenaga/ exhaused mother) (F006)
AND Ibu mengalami toksemia gravidarum ringan (F008)
AND Ibu ada riwayat penyakit jantung / TBC / asma bronkial – ringan, dll
(pada ibu yang tidak boleh mengejan lama) (F009)
AND Ibu mengalami ruptur uteri iminnems (F011)
AND Partus tidak maju (F012)
AND Ada pengeluaran meconium bayi (F013)
AND Terdapat indikasi pinard (F014)
THEN Persalinan Forseps (P003)
d. Aturan 4 atau Rule 4
IF Persalinan sebelumnya dilakukan dengan sectio caesarea lebih dari satu
kali atau satu kali dengan jarak kehamilan dekat (F015)
AND Ada penyulit persalinan normal misalnya pada ibu yang mengalami
perdarahan antepartum seperti pada plasenta previa atau solutio
plasenta (F016)
AND Ibu mengalami toksemia gravidarum berat (F017)
AND Ibu ada riwayat penyakit jantung / TBC/ asma bronkial berat (F018)
AND Ibu ada riwayat diabetes (F019)
AND Ibu telah dibantu dengan persalinan forseps atau vakum tapi belum
berhasil (F020)
AND Ibu mengalami infeksi virus herpes kelamin (F021)
Persalinan Caesar (P004)
3.3
Activity Diagram
Activity diagram dibuat untuk menjelaskan secara rinci aliran-aliran keja untuk setiap
use case. Dengan Activity diagram akan lebih memudahkan dalam mengkomunikasikan
langkah-langkah dalam aliran kejadian pada Aplikasi sistem pakar diagnosa persalinan
Berbasis Mobile Android di Akademi Kebidanan Ummi Khassanah Bantul Yogyakarta.
a.
Activity Diagram Menu Pustaka
Pada gambar 4.9 dibawah merupakan activity diagram menu pustaka pada sistem pakar
diagnosa persalinan. Yang menjelaskan proses yang berlangsung saat user menekan tombol
pustaka pada menu utama. Selanjutnya sistem akan merespon dengan menampilkan list
pustaka. Dalam list pustaka terdapat empat menu yaitu bagian persalinan normal, persalinan
sesar, persalinan vacuum, dan persalinan forseps.
Gambar 4.1 Activity diagram menu pustaka
b.
Activity diagram menu video persalinan
Pada gambar 4.10 merupakan activity diagram menu video persalinan yang terdapat pada
sistem pakar diagnosa persalinan. Yang menjelaskan proses yang berlangsung saat user
menekan tombol video persalinan pada menu utama. Selanjutnya sistem akan merespon
dengan menampilkan list video. Dalam list video terdapat empat menu yaitu video persalinan
normal, persalinan sesar, persalinan vacuum, dan video persalinan forseps.
Gambar 4.10 menu video persalinan
c.
Activity diagram menu diagnosa persalinan
Pada gambar 4.11 berikut ini merupakan activity diagram menu diagnosa persalinan
yang terdapat pada sistem pakar diagnosa persalinan. Yang menjelaskan proses user menekan
tombol diagnosa persalinan pada menu utama. Selanjutnya sistem akan merespon dengan
menampilkan list pertanyaan gejala persallnan yang dirasakan pasien. Dalam list diagnosa
terdapat empat menu yaitu tombol “ya” atau “tidak” diikuti tombol “lanjut” atau memilih
“kembali”, sistem akan memproses jawaban dan mencari diagnosa lain sesuai dengan
runtutan gejala yang di alami, sampai didapat hasil diagnosa yang sesuai dengan gejala yang
dirasakan bisa merujuk ke persalinan normal, persalinan sesar, persalinan vacuum, maupun
persalinan forseps.
Gambar 4.11 activity diagram menu diagnosa persalinan
d.
Activity diagram menu petunjuk pemakaian
Pada gambar 4.12 merupakan activity diagram menu petunjuk pemakaian yang terdapat
pada sistem pakar diagnosa persalinan.
Gambar 4.12. Activity diagram menu petunjuk pemakaian
Gambar 4.12 menjelaskan proses pada menu petunjuk pemakaian. Saat user menekan
tombol petunjuk pemakaian maka sistem akan menampilkan informasi petunjuk penggunaan
aplikasi sistem pakar persalinan ini.
e.
Activity diagram menu tentang aplikasi
Pada gambar 4.13 merupakan activity diagram menu tentang yang terdapat pada sistem
pakar diagnosa persalinan. Yang menjelaskan proses pada menu tentang. Saat user menekan
tombol tentang maka sistem akan menampilkan informasi tentang aplikasi sistem pakar
persalinan ini.
Gambar 4.13 Activity diagram menu tentang
f. Activity diagram menu keluar
Pada gambar 4.14 merupakan activity diagram menu keluar yang terdapat pada sistem
pakar diagnosa persalinan.
Gambar 4.14 Activity diagram menu keluar
Gambar 4.14 menjelaskan tentang proses pada menu keluar. Saat user menekan
tombol keluar maka sistem akan menampilkan pilihan apakah akan benar-benar keluar dari
aplikasi atau tidak.
3.4
Class Diagram
Class diagram adalah diagram yang digunakan untuk menampilkan beberapa kelas
serta paket-paket yang ada dalam sistem atau perangkat lunak yang sedang dikembangkan
dan memberikan gambaran atau diagram statis tentang sistem atau perangkat lunak dan
relasi-relasi yang ada di dalamnya. Seperti terlihat pada gambar 4.15 class diagram persalinan
normal dan buatan di bawah ini.
Gambar 4.15. Activity diagram persalinan normal dan buatan
Gambar 4.15 diatas menjelaskan class-class dan relasi yang terdapat dalam aplikasi
sistem pakar persalinan yaitu class menu activity,splash, pustaka, video persalinan, diagnosa
persalinan, petunjuk pemakaian, tentang, dan keluar yang direlasikan satu sama lainnya.
Untuk inisial P.Normal, P.Sesar, P.Vacuum, dan P.Forseps adalah sub class yang
terdapat pada class pustaka. Inisial PV.Normal, PV.Sesar, PV.Vacuum, dan PV.Forseps
merupakan sub kelas dari class Video Persalinan. Selanjutnya inisial DP.Normal (F001,
F002, F003,F004, F005), DP.Sesar(F006, F007, F008, F009, F010, F011), DP.Vacuum
(F006, F008, F009, F011, F012, F013, F014), DP.Forseps (F015, F016, F017, F018, F019,
F020, F021) merupakan sub class dari class Diagnosa persalinan.
3.4
Squence Diagram
Squence diagram menjelaskan bagaimana entitas dalam sistem berinteraksi, termasuk
pesan yang digunakan saat interaksi. Semua pesan dideskripsikan dalam urutan. Squence
diagram berhubungan erat dengan Use Case, seperti gambar 4.16 berikut.
4
HASIL PENELITIAN DAN PEMBAHASAN
Berdasarkan hasil dari perancangan sistem yang dilakukan pada bab sebelumnya,
maka langkah selanjutnya menuju tahap implementasi program. Implementasi merupakan
suatu tahapan dimana sebuah sistem telah siap untuk diterapkan pada keadaan yang
sebenarnya.
Gambar 5.7 Menu utama
Gambar 5.8 Menu Pustaka
Gambar 5.15 Video persalinan
Gambar 5.16 Pertanyaan Diagnosa Persalinan
Gambar 5.17 Hasil Diagnosa Persalinan
Gambar 5.18 Petunjuk pemakaian
Gambar 5.19 Tentang aplikasi
Gambar 5.20 Menu Keluar
5
KESIMPULAN
Dari hasil penelitian Sistem Pakar Diagnosa Persalinan Normal Dan Buatan Berbasis
Android menggunakan metode Forward Chaining maka dapat diambil kesimpulan bahwa
sistem pakar ini dapat membantu memberi pengetahuan kepada masyarakat terutama dalam
mengenali berbagai macam diagnosa persalinan dengan beberapa gejala menjelang
persalinan. Basis pengetahuan yang digunakan dalam program ini adalah tentang fakta gejala,
dan solusi. Jumlah gejala yang diolah dalam sistem pakar diagnosa persalinan normal dan
buatan ini adalah 21gejala dengan merujuk 4 diagnosa.
6
SARAN
Dalam penelitian ini ada kelemahan dan kekurangan diantaranya sistem pakar ini
admin tidak bisa melihat laporan konsultasi yang dilakukan user sehingga masa yang akan
datang dapat dikembangkan lagi, dan memperbanyak gejala diagnosa persalinan karena itu
disarankan untuk penelitian selanjutnya dapat dikembangkan lagi menjadi lebih baik lagi.
7
DAFTAR PUSTAKA
Andriani, R., dan Prakoso, B. D., 2016. Sistem Pakar Diagnosa Penyakit Hyperopia Dan
Myopia Pada Manusia Berbasis Android Menggunakan Teorema Bayes, J. Seminar
Nasional Teknologi Informasi dan Multimedia, 3, 6, 13-18.
Arhami, 2005. Konsep Dasar Sistem Pakar, Andi, Yogyakarta.
Arifianto, T, 2011. Membuat Interface Aplikasi Android Lebih keren dengan LWUIT, Andi,
Yogyakarta
Chapman V. 2006. Asuhan Kebidanan Persalinan & Kelahiran, Buku Kedokteran EGC,
Jakarta.
Decherney et all, 2007. Current Diagnosis and Treatment Obstetrics and Gynecology,
McGraw Hill, United States of America.
Guyton dan Hall, 2002. Textbook Of Medical Physiology. United States of America.
Hamalik, O., 2001. Kurikulum dan Pembelajaran. Bumi Aksara, Jakarta.
Hartati dan Iswanti, 2008. Sistem Pakar dan Pengembangannya. Graha Ilmu, Yogyakarta.
Kusrini, 2008. Sistem Pakar Teori dan Aplikasi,. Penerbit Andi Offset, Yogyakarta.
Kusumadewi, S., 2003. Artifical Intelligency (Teknik dan Implementasinya). Graha Ilmu,
Yogyakarta.
Koblinsky, M., Matthews, Z., Hussein, J., Mavalankar, D., Mridha, M. K., Anwar,
I., et all. (2006). “Maternal Survival 3 : Going to Scale with Professional Skilled
Care”. International Journal of Public Health and Preventive Medicine. Bangladesh :
Centre for Health and Population Research. (http:// search. Proquest. com/ docview/
872009166/ D576F1A32C254C43PQ/2?acountid=34598#untid=34598, diakses
tanggal 25 Agustus 2017 jam 15.00 WIB).
Manuaba, I.B.G., 1998. Ilmu Kebidanan, Penyakit Kandungan & Keluarga Berencana untuk
Pendidikan Bidan. Buku Kedokteran EGC, Jakarta.
Novtiananda, M. I., Reza M., dan Febriani M., 2014. Sistem Pakar Untuk Diagnosa Gizi
Berbasis Android. J. Jurusan Teknik Informatika, STMIK Palcom Tech, Palembang.
Nugroho, B., 2005. Database Relasional dengan MySql. Penerbit Andi, Yogyakarta.
Nugroho, A. 2005. Analisis dan Perancangan Sistem Informasi dengan
Berorientasi Objek. Bandung : Informatika.
Metodologi
Pratiwi, D., 2015. Sistem Pakar Diagnosa Kanker Payudara Menggunakan, Metode Certainty
Factor Berbasis Android, Skripsi, Program Studi Ekstensi Ilmu Komputer, Fakultas
Ilmu Komputer dan Teknologi Informasi, USU, Medan.
Safaat, N., 2014, Pemrograman Aplikasi Mobile Smartphone dan Tablet PC Berbasis
Android Revisi Ke 2, Informatika, Bandung.
Sholiq, 2006. Permodelan Sistem Informasi Berorientasi Obyek dengan UML, Yogyakarta :
Graha. Ilmu.
Sofa, W., 2015. Buku Ajar Asuhan Persalinan Normal, Cetakan ke : 1, Nuha Medika
Sofian, A., 2012. Sinopsis Obstetri. Edisi 3, Jilid 1, Buku Kedokteran EGC, Yogyakarta.
Sofian, A., 2012. Sinopsis Obstetri. Edisi 3, Jilid 2, Buku Kedokteran EGC, Yogyakarta.
Sondakh, J.,2013. Asuhan Kebidanan Persalinan dan Bayi Baru Lahir. Yogyakarta :
Erlangga.
Sulistyawati, A., & Nugraheny, E.,2010. Asuhan Kebidanan pada Ibu Bersalin. Jakarta :
Salemba medika.
Turban, 1995. Decision Support and Expert Systems: Management Support Systems 2nd.
Prentice Hall PTR Upper Saddle River, NJ, USA.
Umam K., 2015. Sistem Pakar Diagnosa Penyakit Paru-Paru Menggunakan Metode Certainty
Factor Berbasis Android, Skripsi, Program Studi Teknik Informatika, FT Universitas
Muria, Kudus.
Williams, B.K. and Sawyer, S.C., 2011. “Using Information Technology: A Practical
Introduction to Computers & Communications. (9th edition)”. New York:
McGraw-Hill.
Wulan R., Lestari M., dan Parwati, S. N. W., 2014. Perancangan Sistem Pakar Penentu
Proses Persalinan Dengan Metode Naive Bayes Pada Kepulauan Di Daerah Terpencil
Penebel Tabanan Bali., J. SENTIKA, 46-51.
Yanto, P., Lidya, L., dan Defit, S., 2014. Sistem Pakar Pemilihan Persalinan Pervaginam Dan
Perabdominal, J. Mahasiswa Pascasarjana Magister Ilmu Komputer, Jurusan
Teknologi Informasi, Universitas Putra Indonesia “YPTK”, Padang.
ANDROID
Isni Fauzan
SI Teknik Informatika | STMIK EL Rahma Yogyakarta | 2017
Email : nandaorlando63@gmail.com
INTISARI
Sistem pakar diagnosa persalinan normal dan buatan digunakan untuk menganalisis
proses persalinan dengan beberapa gejala. Sistem ini dibuat untuk mempermudah dan
mengenalkan tekhnologi komputer lebih dekat lagi pada tenaga medis pembantu dokter pada
instansi kesehatan khususnya atau masyarakat pada umumnya dalam penanganan dan
penanggulangan diagnosa persalinan. Sistem ini mendukung dan membantu seperti halnya
seorang pakar kandungan untuk mengetahui jenis persalinan yang baik sesuai dengan kondisi
kesehatan ibu dan janin dikarenakan terbatasnya fasilitas konsultasi dari pakar. Sistem ini
menyediakan informasi persalinan, gambaran video persalinan dan gejala – gejala pada fase
sebelum persalinan.
Dari analisa dan perancangan yang telah dilakukan pada Sistem pakar diagnosa
persalinan normal dan buatan ini, implementasinya di buat kedalam bentuk sistem aplikasi
dengan menggunakan bahasa pemrograman android yaitu eclipse,ADT (Android Developer
Tools), SDK, Sqlite dengan bahasa java dan XML menggunakan metode forward chaining.
Sistem ini di buat untuk dapat mampu menggantikan keberadaan seorang pakar
kandungan sehingga mampu memperoleh kesimpulan, keterangan dan solusi sesuai dengan
data (gejala-gejala) yang di masukan. Dengan sistem ini dapat bermanfaat dan menambah
pengetahuan bagi tenaga medis pembantu dokter kandungan khususnya dan pada masyarakat
luas umumnya.
Kata kunci: sistem pakar, basis pengetahuan, mesin inferensi.
EXPERT SYSTEM OF DIAGNOSIS OF VAGINAL BIRTH AND ANDROID-BASED
ARTIFICIAL
Isni Fauzan
SI Informatics Engineering | STMIK EL Rahma Yogyakarta | 2017
Email : nandaorlando63@gmail.com
ABSTRACT
Expert system of diagnosis of vaginal birth and used to analyze labor with few
symptoms. The system was created to simplify and introduce computer technology even
closer on the auxiliary medical personnel health agencies on particular doctors or the public
in General in the diagnosis and countermeasures of handling labor. This system of support
and help as well as a content expert to find out the type of labor is a good fit with the health
condition of the mother and the fetus due to limited on-site consultation of experts. This
system provides information on childbirth, childbirth video description and symptoms –
symptoms in phase before labor.
From the analysis and design of which has been done on the expert system of
diagnosis of vaginal birth and artificial this, implementation, made into the form of the
application system by using the android programming language i.e. eclipse, ADT (Android
Developer Tools), SDK, Sqlite with java and XML using forward chaining.
The system is made to be able to replace the presence of an expert on the content so
that it is able to derive the conclusion, description and solutions in accordance with the data
(symptoms) that are in the input. With this system can be useful and increase knowledge for
medical personnel in particular and the obstetrician helpers on the public generally.
Key words: expert system, knowledge base, inference machine.
1. LATAR BELAKANG
Prosentase jumlah dokter spesialis yang ada khususnya spesialis obstetri dan
ginekologi yang masih terhitung sangat minim membuat banyak instansi pelayanan
kesehatan harus mengatur waktu dan jadwal jaga dokter. Penjadwalan yang dilakukan
tersebut menyebabkan beberapa permasalahan dan kendala, diantaranya yaitu pasien yang
harus menunggu jadwal dokter jaga untuk melakukan konsultasi dan pemberian tindakan
tidak bisa dilakukan karena menunggu keputusan seorang dokter spesialis sehingga
penanganan pasien gawat darurat tidak bisa langsung ditolong.
Demikian halnya yang terjadi pada Rumah Sakit Ibu Bersalin Ummi Khasanah yang
beralamat di Jalan Pemuda Gandekan Bantul, Yogyakarta. Saat ini proses pelayanan rumah
sakit khususnya penanganan persalinan dalam hal tindakan masih tergantung dari dokter
Spesialis Obstetri Ginekologi. Maka untuk membantu mempercepat proses tindakan harus
terdapat sistem yang membantu untuk mengolah kepakaran seorang dokter agar saat
berhalangan hadir sistemlah yang bisa membantu mendiagnosa pemilihan persalinan. Dan
salah satu pemanfaatan perkembangan teknologi yang telah ada adalah kecerdasan buatan
(Artificial Intelligence). Contoh pengaplikasian teknologi informasi di dunia kesehatan adalah
penggunaan sistem pakar.
Sistem pakar adalah sebuah sistem yang berbasis komputer yang menggunakan
pengetahuan, fakta, dan juga teknik penalaran tertentu dalam memecahkan masalah, yang
mana masalah tersebut adalah sebuah masalah yang biasanya dapat dipecahkan oleh seorang
pakar di dalam bidang atau disiplin ilmu tertentu (Kusrini, 2008). Salah satu perangkat
operating system terbaru yaitu android. Dan hadirnya smartpone android membuat
masyarakat modern lebih mudah untuk mendapatkan informasi. Selain itu, mengaplikasikan
sistem pakar ke dalam aplikasi smartphone android memungkinkan setiap individu untuk
menghemat waktu, biaya dan tenaga dalam mendapatkan pelayanan kesehatan terutama
berkaitan dengan persalinan.
1.1. Rumusan Masalah
Berdasarkan paparan latar belakang di atas, belum ada kepakaran tersistem
komputerisasi tentang seorang ahli dokter spesialis obstetri dan ginekologi untuk
mendiagnosa persalinan normal dan buatan berbasis Android.
1.2. Batasan Masalah
Dengan mengacu pada permasalahan yang telah dirumuskan, maka hal-hal yang
berkaitan dengan sistem akan diberi batasan sebagai berikut:
a. Aplikasi dibuat diatas platform Android sehingga dimungkinkan hanya dapat dijalankan
pada smartphone berbasis android.
b. Penelitian ini tidak membahas keamanan database dan keamanan jaringan yang digunakan
untuk kebutuhan aplikasi.
c. Sistem ini memberikan pertanyaan-pertanyaan tentang gejala yang sedang dialami dan
pasien atau pengguna aplikasi hanya menjawab “ya” atau “tidak” saja.
1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah Merancang dan membangun aplikasi mobile sistem
pakar diagnosa persalinan normal dan buatan yang dapat berjalan di smartpone berbasis
android.
2. LANDASAN TEORI
Sistem pakar (expert system) menurut Arhami (2005) adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah
seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat
menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan
sistem pakar ini, orang awampun dapat menyelesaikan masalah yang cukup rumit yang
sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Secara umum, sistem pakar
merupakan sistem yang mengadopsi pengetahuan manusia ke dalam komputer sehingga
komputer dapat digunakan untuk menyelesaikan suatu masalah sebagaimana
yang
dilakukan oleh seorang pakar.
Desain arsitektur sistem pakar dalam menentukan metode persalinan dapat
dilihat pada gambar berikut :
Gambar 2.1 Arsitektur sistem pakar
Forward chaining (pelacakan kedepan)
Menurut Arhami (2005) Forward chaining disebut juga penalaran dari bawah ke atas
karena penalaran dari fakta pada level bawah menuju konklusi pada level atas didasarkan
pada fakta. Penalaran dari bawah ke atas dalam suatu sistem pakar dapat disamakan untuk
pemrograman konvensional dari bawah ke atas. Fakta merupakan satuan dasar dari
paradigma berbasis pengetahuan karena mereka tidak dapat diuraikan ke dalam satuan paling
kecil yang mempunyai makna. Seperti ditunjukan pada Gambar 3.2.
2.1
Gambar 2.2 Proses forward Chaining (pelacakan kedepan)
2.2
Persalinan
Persalinan adalah proses pengeluaran hasil konsepsi (janin dan plasenta) yang telah
cukup bulan atau dapat hidup diluar kandungan melalui jalan lahir atau melalui jalan lain,
dengan bantuan atau tanpa bantuan (kekuatan sendiri). Proses ini dimulai dengan adanya
kontraksi persalinan sejati, yang ditandai dengan perubahan servik secara progresif dan
diakhiri dengan kelahiran plasenta (Nugraheny, 2010). Metode persalinan yang digunakan.
a. Persalinan Normal
Proses persalinan dengan tindakan normal yaitu suatu proses pengeluaran hasil
konsepsi (janin dan uri) yang telah cukup bulan dan dapat hidup di luar uterus melalui
vagina secara spontan (Manuaba, 1998).
b. Persalinan Vacuum
Proses persalinan dengan tindakan ekstaksi vakum adalah salah satu bentuk metode
persalinan dengan menggunakan bantuan ekstrasi vakum alat cup / penghisap yang
berfungsi untuk menarik bayi keluar dengan lembut (Williams, 21 Ed, hal.552, 2006).
c. Persalinan Forseps
Persalinan ekstraksi forceps (cunam) adalah melahirkan janin dengan menarik janin
menggunakan alat forseps (Williams, 21 Ed, hal.532, 2006). Fungsi forceps
digunakan sebagai ekstraktor, rotator atau keduanya. Secara umum, forceps simpson
digunakan untuk melahirkan janin yang kepalanya mengalami moulage, seperti yang
sering dijumpai oleh wanita nullipara.
d. Persalinan Caesar
Proses persalinan dengan tindakan caesar (sectio caesarea) yaitu suatu proses
melahirkan dengan mengeluarkan janin melalui insisi dinding abdomen dan dinding
rahim (Williams, 21 Ed, hal.592, 2006).
3
PERANCANGAN SISTEM
UML (Unified Modeling Language) aplikasi pembelajaran servis printer inkjet ini
menjelaskan dan menggambarkan proses analisis dan desain berorientasi objek.
3.1
Use Case Diagram
Use Case Diagram adalah penjelasan mengenai siapa yang berinteraksi dengan sistem
dan bagaimana sistem itu berjalan. Komponen utama use case modeling ini adalah Actor dan
Use Case itu sendiri. Use case diagram aplikasi pemilihan persalinan dapat dilihat pada
gambar 4.8.
Gambar 4.8. Use Case Diagram
Gambar 4.8. Use Case Diagram diatas terdapat hubungan user atau aktor dengan
beberapa use case yaitu.
a. Pustaka
p.normal (persalinan normal), p.sesar (persalinan caesar), p.vacuum (persalinan vacuum),
p.forseps (persalinan forseps).
b. Video persalinan
vp.normal (video persalinan normal), vp.sesar (video persalinan caesar), vp.vacuum
(video persalinan vacuum), vp.forseps (video persalinan forseps)
c. Diagnosa persalinan
1) Persalinan normal gejalanya: F001, F002, F003, F004, F005.
2) Persalinan caesar gejalanya: F006, F007, F008, F009, F010, F011.
3) Persalinan vacuum gejalanya: F006, F008, F009, F011, F012, F013, F014.
4) Persalinan forseps gejalanya: F015, F016, F017, F018, F019, F020, F021.
3.2
Basis Pengetahuan (Knowledge Base) dan Basis Aturan (Rule Base)
Basis pengetahuan yang digunakan dalam program ini adalah tentang fakta gejala,
dan solusi persalinan. Jumlah gejala yang diolah dalam sistem pakar diagnosa pemilihan
persalinan ini adalah 4 macam diagnosa persalinan. Fakta-fakta tersebut dapat di lihat pada
Tabel 4.1 dan Tabel 4.2 berikut ini.
Dari basis pengetahuan yang ada diatas yang telah dikelompok-kelompkkan kemudian
sebagai input dalam memberikan analisis diagnosa persalinan maka dibuatlah basis aturan
(rule base).
a. Aturan 1 atau Rule 1
IF Jalan lahir atau ukuran panggul ibu normal (F001)
AND Presentasi janin letak kepala (F002)
AND Keadaan umum ibu normal (F003)
AND Tidak ada penyulit di jalan lahir (F004)
AND Denyut jantung janin normal (F005)
THEN Persalinan Spontan (P001)
b. Aturan 2 atau Rule 2
IF Ibu kelelahan (kehabisan tenaga/ exhaused mother) (F006)
AND Ibu mengalami kala II memanjang (F007)
AND Ibu mengalami toksemia gravidarum ringan (F008)
AND Ibu ada riwayat penyakit jantung/ TBC/ dan asma bronkial ringan, dll
(pada ibu yang tidak boleh mengejan lama) (F009)
AND Pembukaan serviks sudah lengkap (F010)
AND Ibu mengalami ruptur uteri imminems (F011)
THEN Persalinan Vacuum (P002)
c. Aturan 3 atau Rule 3
IF
Ibu kelelahan (kehabisan tenaga/ exhaused mother) (F006)
AND Ibu mengalami toksemia gravidarum ringan (F008)
AND Ibu ada riwayat penyakit jantung / TBC / asma bronkial – ringan, dll
(pada ibu yang tidak boleh mengejan lama) (F009)
AND Ibu mengalami ruptur uteri iminnems (F011)
AND Partus tidak maju (F012)
AND Ada pengeluaran meconium bayi (F013)
AND Terdapat indikasi pinard (F014)
THEN Persalinan Forseps (P003)
d. Aturan 4 atau Rule 4
IF Persalinan sebelumnya dilakukan dengan sectio caesarea lebih dari satu
kali atau satu kali dengan jarak kehamilan dekat (F015)
AND Ada penyulit persalinan normal misalnya pada ibu yang mengalami
perdarahan antepartum seperti pada plasenta previa atau solutio
plasenta (F016)
AND Ibu mengalami toksemia gravidarum berat (F017)
AND Ibu ada riwayat penyakit jantung / TBC/ asma bronkial berat (F018)
AND Ibu ada riwayat diabetes (F019)
AND Ibu telah dibantu dengan persalinan forseps atau vakum tapi belum
berhasil (F020)
AND Ibu mengalami infeksi virus herpes kelamin (F021)
Persalinan Caesar (P004)
3.3
Activity Diagram
Activity diagram dibuat untuk menjelaskan secara rinci aliran-aliran keja untuk setiap
use case. Dengan Activity diagram akan lebih memudahkan dalam mengkomunikasikan
langkah-langkah dalam aliran kejadian pada Aplikasi sistem pakar diagnosa persalinan
Berbasis Mobile Android di Akademi Kebidanan Ummi Khassanah Bantul Yogyakarta.
a.
Activity Diagram Menu Pustaka
Pada gambar 4.9 dibawah merupakan activity diagram menu pustaka pada sistem pakar
diagnosa persalinan. Yang menjelaskan proses yang berlangsung saat user menekan tombol
pustaka pada menu utama. Selanjutnya sistem akan merespon dengan menampilkan list
pustaka. Dalam list pustaka terdapat empat menu yaitu bagian persalinan normal, persalinan
sesar, persalinan vacuum, dan persalinan forseps.
Gambar 4.1 Activity diagram menu pustaka
b.
Activity diagram menu video persalinan
Pada gambar 4.10 merupakan activity diagram menu video persalinan yang terdapat pada
sistem pakar diagnosa persalinan. Yang menjelaskan proses yang berlangsung saat user
menekan tombol video persalinan pada menu utama. Selanjutnya sistem akan merespon
dengan menampilkan list video. Dalam list video terdapat empat menu yaitu video persalinan
normal, persalinan sesar, persalinan vacuum, dan video persalinan forseps.
Gambar 4.10 menu video persalinan
c.
Activity diagram menu diagnosa persalinan
Pada gambar 4.11 berikut ini merupakan activity diagram menu diagnosa persalinan
yang terdapat pada sistem pakar diagnosa persalinan. Yang menjelaskan proses user menekan
tombol diagnosa persalinan pada menu utama. Selanjutnya sistem akan merespon dengan
menampilkan list pertanyaan gejala persallnan yang dirasakan pasien. Dalam list diagnosa
terdapat empat menu yaitu tombol “ya” atau “tidak” diikuti tombol “lanjut” atau memilih
“kembali”, sistem akan memproses jawaban dan mencari diagnosa lain sesuai dengan
runtutan gejala yang di alami, sampai didapat hasil diagnosa yang sesuai dengan gejala yang
dirasakan bisa merujuk ke persalinan normal, persalinan sesar, persalinan vacuum, maupun
persalinan forseps.
Gambar 4.11 activity diagram menu diagnosa persalinan
d.
Activity diagram menu petunjuk pemakaian
Pada gambar 4.12 merupakan activity diagram menu petunjuk pemakaian yang terdapat
pada sistem pakar diagnosa persalinan.
Gambar 4.12. Activity diagram menu petunjuk pemakaian
Gambar 4.12 menjelaskan proses pada menu petunjuk pemakaian. Saat user menekan
tombol petunjuk pemakaian maka sistem akan menampilkan informasi petunjuk penggunaan
aplikasi sistem pakar persalinan ini.
e.
Activity diagram menu tentang aplikasi
Pada gambar 4.13 merupakan activity diagram menu tentang yang terdapat pada sistem
pakar diagnosa persalinan. Yang menjelaskan proses pada menu tentang. Saat user menekan
tombol tentang maka sistem akan menampilkan informasi tentang aplikasi sistem pakar
persalinan ini.
Gambar 4.13 Activity diagram menu tentang
f. Activity diagram menu keluar
Pada gambar 4.14 merupakan activity diagram menu keluar yang terdapat pada sistem
pakar diagnosa persalinan.
Gambar 4.14 Activity diagram menu keluar
Gambar 4.14 menjelaskan tentang proses pada menu keluar. Saat user menekan
tombol keluar maka sistem akan menampilkan pilihan apakah akan benar-benar keluar dari
aplikasi atau tidak.
3.4
Class Diagram
Class diagram adalah diagram yang digunakan untuk menampilkan beberapa kelas
serta paket-paket yang ada dalam sistem atau perangkat lunak yang sedang dikembangkan
dan memberikan gambaran atau diagram statis tentang sistem atau perangkat lunak dan
relasi-relasi yang ada di dalamnya. Seperti terlihat pada gambar 4.15 class diagram persalinan
normal dan buatan di bawah ini.
Gambar 4.15. Activity diagram persalinan normal dan buatan
Gambar 4.15 diatas menjelaskan class-class dan relasi yang terdapat dalam aplikasi
sistem pakar persalinan yaitu class menu activity,splash, pustaka, video persalinan, diagnosa
persalinan, petunjuk pemakaian, tentang, dan keluar yang direlasikan satu sama lainnya.
Untuk inisial P.Normal, P.Sesar, P.Vacuum, dan P.Forseps adalah sub class yang
terdapat pada class pustaka. Inisial PV.Normal, PV.Sesar, PV.Vacuum, dan PV.Forseps
merupakan sub kelas dari class Video Persalinan. Selanjutnya inisial DP.Normal (F001,
F002, F003,F004, F005), DP.Sesar(F006, F007, F008, F009, F010, F011), DP.Vacuum
(F006, F008, F009, F011, F012, F013, F014), DP.Forseps (F015, F016, F017, F018, F019,
F020, F021) merupakan sub class dari class Diagnosa persalinan.
3.4
Squence Diagram
Squence diagram menjelaskan bagaimana entitas dalam sistem berinteraksi, termasuk
pesan yang digunakan saat interaksi. Semua pesan dideskripsikan dalam urutan. Squence
diagram berhubungan erat dengan Use Case, seperti gambar 4.16 berikut.
4
HASIL PENELITIAN DAN PEMBAHASAN
Berdasarkan hasil dari perancangan sistem yang dilakukan pada bab sebelumnya,
maka langkah selanjutnya menuju tahap implementasi program. Implementasi merupakan
suatu tahapan dimana sebuah sistem telah siap untuk diterapkan pada keadaan yang
sebenarnya.
Gambar 5.7 Menu utama
Gambar 5.8 Menu Pustaka
Gambar 5.15 Video persalinan
Gambar 5.16 Pertanyaan Diagnosa Persalinan
Gambar 5.17 Hasil Diagnosa Persalinan
Gambar 5.18 Petunjuk pemakaian
Gambar 5.19 Tentang aplikasi
Gambar 5.20 Menu Keluar
5
KESIMPULAN
Dari hasil penelitian Sistem Pakar Diagnosa Persalinan Normal Dan Buatan Berbasis
Android menggunakan metode Forward Chaining maka dapat diambil kesimpulan bahwa
sistem pakar ini dapat membantu memberi pengetahuan kepada masyarakat terutama dalam
mengenali berbagai macam diagnosa persalinan dengan beberapa gejala menjelang
persalinan. Basis pengetahuan yang digunakan dalam program ini adalah tentang fakta gejala,
dan solusi. Jumlah gejala yang diolah dalam sistem pakar diagnosa persalinan normal dan
buatan ini adalah 21gejala dengan merujuk 4 diagnosa.
6
SARAN
Dalam penelitian ini ada kelemahan dan kekurangan diantaranya sistem pakar ini
admin tidak bisa melihat laporan konsultasi yang dilakukan user sehingga masa yang akan
datang dapat dikembangkan lagi, dan memperbanyak gejala diagnosa persalinan karena itu
disarankan untuk penelitian selanjutnya dapat dikembangkan lagi menjadi lebih baik lagi.
7
DAFTAR PUSTAKA
Andriani, R., dan Prakoso, B. D., 2016. Sistem Pakar Diagnosa Penyakit Hyperopia Dan
Myopia Pada Manusia Berbasis Android Menggunakan Teorema Bayes, J. Seminar
Nasional Teknologi Informasi dan Multimedia, 3, 6, 13-18.
Arhami, 2005. Konsep Dasar Sistem Pakar, Andi, Yogyakarta.
Arifianto, T, 2011. Membuat Interface Aplikasi Android Lebih keren dengan LWUIT, Andi,
Yogyakarta
Chapman V. 2006. Asuhan Kebidanan Persalinan & Kelahiran, Buku Kedokteran EGC,
Jakarta.
Decherney et all, 2007. Current Diagnosis and Treatment Obstetrics and Gynecology,
McGraw Hill, United States of America.
Guyton dan Hall, 2002. Textbook Of Medical Physiology. United States of America.
Hamalik, O., 2001. Kurikulum dan Pembelajaran. Bumi Aksara, Jakarta.
Hartati dan Iswanti, 2008. Sistem Pakar dan Pengembangannya. Graha Ilmu, Yogyakarta.
Kusrini, 2008. Sistem Pakar Teori dan Aplikasi,. Penerbit Andi Offset, Yogyakarta.
Kusumadewi, S., 2003. Artifical Intelligency (Teknik dan Implementasinya). Graha Ilmu,
Yogyakarta.
Koblinsky, M., Matthews, Z., Hussein, J., Mavalankar, D., Mridha, M. K., Anwar,
I., et all. (2006). “Maternal Survival 3 : Going to Scale with Professional Skilled
Care”. International Journal of Public Health and Preventive Medicine. Bangladesh :
Centre for Health and Population Research. (http:// search. Proquest. com/ docview/
872009166/ D576F1A32C254C43PQ/2?acountid=34598#untid=34598, diakses
tanggal 25 Agustus 2017 jam 15.00 WIB).
Manuaba, I.B.G., 1998. Ilmu Kebidanan, Penyakit Kandungan & Keluarga Berencana untuk
Pendidikan Bidan. Buku Kedokteran EGC, Jakarta.
Novtiananda, M. I., Reza M., dan Febriani M., 2014. Sistem Pakar Untuk Diagnosa Gizi
Berbasis Android. J. Jurusan Teknik Informatika, STMIK Palcom Tech, Palembang.
Nugroho, B., 2005. Database Relasional dengan MySql. Penerbit Andi, Yogyakarta.
Nugroho, A. 2005. Analisis dan Perancangan Sistem Informasi dengan
Berorientasi Objek. Bandung : Informatika.
Metodologi
Pratiwi, D., 2015. Sistem Pakar Diagnosa Kanker Payudara Menggunakan, Metode Certainty
Factor Berbasis Android, Skripsi, Program Studi Ekstensi Ilmu Komputer, Fakultas
Ilmu Komputer dan Teknologi Informasi, USU, Medan.
Safaat, N., 2014, Pemrograman Aplikasi Mobile Smartphone dan Tablet PC Berbasis
Android Revisi Ke 2, Informatika, Bandung.
Sholiq, 2006. Permodelan Sistem Informasi Berorientasi Obyek dengan UML, Yogyakarta :
Graha. Ilmu.
Sofa, W., 2015. Buku Ajar Asuhan Persalinan Normal, Cetakan ke : 1, Nuha Medika
Sofian, A., 2012. Sinopsis Obstetri. Edisi 3, Jilid 1, Buku Kedokteran EGC, Yogyakarta.
Sofian, A., 2012. Sinopsis Obstetri. Edisi 3, Jilid 2, Buku Kedokteran EGC, Yogyakarta.
Sondakh, J.,2013. Asuhan Kebidanan Persalinan dan Bayi Baru Lahir. Yogyakarta :
Erlangga.
Sulistyawati, A., & Nugraheny, E.,2010. Asuhan Kebidanan pada Ibu Bersalin. Jakarta :
Salemba medika.
Turban, 1995. Decision Support and Expert Systems: Management Support Systems 2nd.
Prentice Hall PTR Upper Saddle River, NJ, USA.
Umam K., 2015. Sistem Pakar Diagnosa Penyakit Paru-Paru Menggunakan Metode Certainty
Factor Berbasis Android, Skripsi, Program Studi Teknik Informatika, FT Universitas
Muria, Kudus.
Williams, B.K. and Sawyer, S.C., 2011. “Using Information Technology: A Practical
Introduction to Computers & Communications. (9th edition)”. New York:
McGraw-Hill.
Wulan R., Lestari M., dan Parwati, S. N. W., 2014. Perancangan Sistem Pakar Penentu
Proses Persalinan Dengan Metode Naive Bayes Pada Kepulauan Di Daerah Terpencil
Penebel Tabanan Bali., J. SENTIKA, 46-51.
Yanto, P., Lidya, L., dan Defit, S., 2014. Sistem Pakar Pemilihan Persalinan Pervaginam Dan
Perabdominal, J. Mahasiswa Pascasarjana Magister Ilmu Komputer, Jurusan
Teknologi Informasi, Universitas Putra Indonesia “YPTK”, Padang.