Sistem Pakar Diagnosa Disleksia Pada Anak Menggunakan Metode Naive Bayesian Berbasis Android
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK
MENGGUNAKAN METODE NAÏVE BAYESIAN
BERBASIS ANDROID
SKRIPSI
SASKIA MABRURA
131421019
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK MENGGUNAKAN
METODE NAIVE BAYESIAN BERBASIS ANDROID
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
Oleh :
SASKIA MABRURA
131421019
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
PERSETUJUAN
Judul
: SISTEM PAKAR DIAGNOSA DISLEKSIA PADA
ANAK
MENGGUNAKAN
METODE
NAIVE
BAYESIAN BERBASIS ANDROID
Kategori
: SKRIPSI
Nama
: SASKIA MABRURA
Nomor Induk Mahasiswa : 131421019
Program Studi
: EKSTENSI S1 ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Februari 2016
Komisi Pembimbing :
Pembimbing 2
Pembimbing 1
Dian Rachmawati, S.Si,M.
NIP. 198307232009122004
Prof. Dr. Iryanto, M.Si
NIP. 194604041971071001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 19620317 199103 1 011
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
PERNYATAAN
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK MENGGUNAKAN
METODE NAIVE BAYESIAN BERBASIS ANDROID
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan,
Februari 2016
Saskia Mabrura
131421019
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
PENGHARGAAN
Alhamdulillah segala puji dan syukur atas nikmat yang luas kepada Allah SWT
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 yang sangat mengasihi dan menyayangi dan
memberi dukungan tiada henti pada penulis. Pada kesempatan ini penulis ingin
mengucapkan terima kasih yang sebesar-besarnya kepada:
1.
Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum selaku 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.
4.
Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu
Komputer Universitas Sumatera Utara.
5.
Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembimbing I yang telah
memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam
penyempurnaan skripsi ini.
6.
Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang telah
memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam
penyempurnaan skripsi ini.
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
7.
Bapak Dedy Arisandi, ST. M.Kom selaku Dosen Pembanding I yang telah
memberikan kritik dan saran dalam penyempurnaan skripsi ini.
8.
Bapak Rahmat Aulia, S.Kom, M.Sc.IT selaku Dosen Pembanding II yang
telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
9.
Ibu
Debby Anggraini,
M.Psi
dari
Fakultas
Psikologi
Departemen
Perkembangan USU yang telah bersedia membimbing dan memberikan
informasi yang terkait dengan Disleksia dalam penelitian ini.
10. Semua dosen dan pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu
Komputer dan Teknologi Informasi Universitas Sumatera Utara.
11. Keluarga besar penulis, Ibunda Rohani yang senantiasa mendoakan dan
mendukung, serta keluarga besar Alauddin Junet, Rauzi Haristia, A.Md,
Novika Fajriati, Aldis Cahya Maghfirah, Alm. Muda Abdul Razak dan
keluarga lainnya.
12. Rizki Sulaiman, S.T yang telah banyak memberikan motivasi dan kontribusi
berupa saran dan kritik kepada penulis dalam penyempurnaan aplikasi dan
skripsi ini.
13. Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk
2013, Dhita Pratiwi, Reiza Pahlawan, Rezi Fatullah Rahman, Rahmat Heriza,
Denny PS, M.Khairul Ibaad Pohan, Nur Khasanah, Okta, Dessy Wulandari,
Ledyana Fitriana, serta anak-anak Aceh Sepakat dan Medan Bersatu .
14. Teman-teman seperjuangan alumni Politeknik Negeri Lhokseumawe Teknik
Telekomunikasi konsentrasi Teknik Komputer dan Jaringan stambuk 2008,
Nurjannah, Yuny Wahyuny Angreany, dan Cut Anggi Diah Sari.
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
15. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak
dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi
ini.
Semoga semua kebaikan dan bantuan yang diberikan kepada penulis,
mendapatkan balasan yang berlipat dari Allah SWT.
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,
Februari 2016
Penulis,
Saskia Mabrura
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK MENGGUNAKAN
METODE NAIVE BAYESIAN BERBASIS ANDROID
ABSTRAK
Disleksia merupakan dasar kelainan neurobiologist yang ditandai dengan kesulitan
dalam mengenali kata dengan tepat, cepat, dan akurat, serta lemah dalam pengejaan
atau lemah dalam kemampuan mengidentifikasi simbol bahasa. Kurangnya
pengetahuan masyarakat terhadap disleksia dapat menghambat penderitanya (anak)
untuk mencapai prestasi optimal dalam bidang akademis maupun profesional. Pada
penelitian ini penulis membangun suatu sistem pakar yang mampu mendiagnosa
disleksia pada anak usia 5 tahun keatas menggunakan metode Naive Bayesian (NB)
yaitu system akan menampilkan daftar gejala kemudian user memberikan respon
berupa jawaban (Ya-Tidak) pada sistem kemudian sistem akan membandingkan
antara data disleksia dan tidak disleksia sehingga diperoleh suatu kesimpulan dan
solusi penaganan yang dapat dilakukan user berupa informasi terapi yang dapat
dilakukan orangtua/guru. Dari penelitian ini dihasilkan sebuah aplikasi sistem pakar
berbasis Android yang dapat membantu seseorang dalam memperoleh informasi
dalam mendiagnosa disleksia pada anak serta dapat digunakan dimana saja dan kapan
saja.
Kata-kata Kunci : Sistem Pakar, Naive Bayesian (NB), Diagnosa, Disleksia, Android.
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
EXPERT SYSTEM TO DIAGNOSIS DYSLEXIA FOR THE CHILD BY USING
NAIVE BAYESIAN METHOD ANDROID BASED
ABSTRACT
Dyslexia is a basic neurological disorder characterized by difficulty in recognizing
words accurately, quickly, and weak in spelling or weak in the ability to identify the
language symbols. Lack of human public knowledge about dyslexia can impede the
sufferers (child) to achieve optimal performance in both academic and professional
field. In this study, the authors build an expert system application that aims to make
the diagnosis of dyslexia by using Naive Bayesian (NB) method. The diagnosis is
obtained based on the answers given user is currently consulting on the system that
will be the basis for the calculation by comparing the data of dyslexia and dyslexia in
order to obtain a conclusion and solution to do user. From this study will produced an
expert system based Android that can help a person to diagnosing dyslexia early and
can be use it anytime and anywhere.
Keywords: Expert system, Diagnosis, Dyslexia, Naive Bayesian (NB), Android.
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
DAFTAR ISI
Halaman
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
BAB I
ii
iii
iv
viii
ix
x
xiii
xiv
PENDAHULUAN
1.1. Latar Belakang
1.2. Rumusan Masalah
1.3. Batasan Masalah
1.4. Tujuan Penelitian
1.5. Manfaat Penelitian
1.6. Metodologi Penelitian
1.7. Sistematika Penelitian
1
2
2
3
3
3
5
BAB II LANDASAN TEORI
2.1. Kecerdasan Buatan (Artifical Intelehence)
2.2. Sistem Pakar (Expert System)
2.2.1. Ciri-ciri Sistem Pakar
2.2.2. Struktur Sistem pakar
2.2.3. Keuntungan dan Kelemahan Sistem pakar
2.3 Disleksia (Dyslexia )
2.4. Metode Naive Bayesian (NB)
2.4.1. Karakteristik Naive Bayesian
2.4.2. Kelebihan dan Kekurangan Naive Bayesian
2.5. Android
2.5.1. Daftar Versi Android
2.5.2. Fitur dan Arsitektur Android
2.5.3. Bahasa Pemograman pada Android
2.6. Analisis Perancangan Sistem
2.7. Flowchart
6
7
8
9
10
10
15
17
17
18
19
23
25
25
27
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
2.8. Pemodelan UML (Unified Modeling Language)
29
BAB III ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Sistem
3.1.1. Analisis Masalah
3.1.2. Analisis Kebutuhan Sistem
3.2. Perancangan Sistem
3.2.1. Bagan Alir (Flowchart)
3.2.2. Pemodelan UML (Unified Modeling Language)
3.3. Analisis Proses
3.3.1. Analisis Metode Naive Bayesian
3.4. Perancangan Antarmuka (Interface)
3.4.1. Rancangan Antarmuka Halaman Utama
3.4.2. Rancangan Antarmuka Halaman Tentang
3.4.3. Rancangan Antarmuka Halaman Bantuan
3.4.4. Rancangan Antarmuka Halaman Input Biodata
3.4.5. Rancangan Antarmuka Halaman Konsultasi
3.4.6. Rancangan Antarmuka Halaman Hasil Diagnosa
3.4.7. Rancangan Antarmuka Halaman Info Disleksia
3.4.8. Rancangan Antarmuka Halaman Terapi
3.4.9. Rancangan Antarmuka Halaman Belajar
3.4.10. Rancangan Antarmuka Halaman Latihan
3.4.11. Rancangan Antarmuka Halaman Hasil Latihan
3.4.12. Rancangan Antamuka Halaman Admin Input Gejala
3.4.13. Rancangan Antamuka Halaman Admin Daftar Gejala
3.4.14. Rancangan Antamuka Halaman Admin Daftar Pasien
34
34
35
36
37
39
45
45
50
51
52
53
54
55
56
57
58
59
61
62
63
64
65
BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1. Implementasi Sistem
4.1.1. Tampilan Halaman Utama
4.1.2. Tampilan Halaman Tentang
4.1.3. Tampilan Halaman Bantuan
4.1.4. Tampilan Halaman Input Biodata
4.1.5. Tampilan Halaman Konsultasi
4.1.6. Tampilan Halaman Hasil Diagnosa
4.1.7. Tampilan Halaman Info Disleksia
4.1.8. Tampilan Halaman Terapi
4.1.9. Tampilan Halaman Belajar
4.1.10. Tampilan Halaman Latihan
66
66
67
68
68
69
70
71
71
72
73
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
4.1.11. Tampilan Halaman Hasil Latihan
4.1.12. Tampilan Halaman login Admin
4.1.13. Tampilan Halaman Admin Input Gejala
4.1.14. Tampilan Halaman Admin Daftar Data Gejala
4.1.15. Tampilan Halaman Admin Daftar Data Pasien
4.2. Pengujian Sistem
BAB V PENUTUP
5.1. Kesimpulan
5.2. Saran
73
74
75
75
76
76
80
80
DAFTAR PUSTAKA
LAMPIRAN
BIODATA
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
DAFTAR TABEL
Halaman
Tabel 2.1.
Tabel 2.2.
Tabel 2.3.
Tabel 2.4.
Tabel 2.5.
Tabel 2.6.
Tabel 3.1.
Tabel 3.2.
Tabel 3.3.
Tabel 3.4.
Tabel 3.5.
Tabel 3.6.
Tabel 3.7.
Tabel 3.8.
Tabel 3.9.
Tabel 3.10.
Tabel 3.11.
Tabel 3.12.
Tabel 3.13.
Tabel 3.14.
Tabel 3.15.
Tabel 3.16.
Tabel 3.17.
Tabel 3.18.
Tabel 3.19.
Tabel 3.20.
Tabel 4.1.
Tabel 4.2.
Simbol Flowchart Program
Simbol Flowchart System
Simbol Relasi pada Use Case Diagram
Simbol Relasi pada Class Diagram
Simbol Relasi pada Sequence Diagram
Simbol Relasi pada Activity Diagram
Daftar Gejala
Data Rule
Perhitungan Probabilitas Gejala “Ya” dan “Tidak” Tehadap
Disleksia
Contoh Jawaban Pasien
Hasil Perhitungan Naive Bayesian
Keterangan Kontrol pada Antarmuka Halaman Utama
Keterangan Kontrol pada Antarmuka Halaman Tentang
Keterangan Kontrol pada Antarmuka Halaman Bantuan
Keterangan Kontrol pada Antarmuka Halaman Input Biodata
Keterangan Kontrol pada Antarmuka Halaman Konsultasi
Keterangan Kontrol pada Antarmuka Halaman Hasil Diagnosa
Keterangan Kontrol pada Antarmuka Halaman Info Disleksia
Keterangan Kontrol pada Antarmuka Halaman Terapi
Keterangan Kontrol pada Antarmuka Halaman Belajar
Keterangan Kontrol pada Antarmuka Halaman Contoh
Pembelajaran
Keterangan Kontrol pada Antarmuka Halaman Latihan
Keterangan Kontrol pada Antarmuka Halaman Hasil Latihan
Keterangan Kontrol pada Antarmuka Halaman Admin Input
Gejala
Keterangan Kontrol pada Antarmuka Halaman Admin Daftar
Gejala
Keterangan Kontrol pada Antarmuka Halaman Admin Daftar
Pasien
Jawaban Pasien
Hasil Perhitungan Naive Bayesian
28
29
30
31
32
33
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
77
78
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
DAFTAR GAMBAR
Halaman
Gambar 2.1.
Gambar 2.2.
Gambar 2.3.
Gambar 2.4.
Gambar 2.5.
Gambar 2.6.
Gambar 3.1.
Gambar 3.2.
Gambar 3.3.
Gambar 3.4.
Gambar 3.5.
Gambar 3.6.
Gambar 3.7.
Gambar 3.8.
Gambar 3.9.
Gambar 3.10.
Gambar 3.11.
Gambar 3.12.
Gambar 3.13.
Gambar 3.14.
Gambar 3.15.
Gambar 3.16.
Gambar 3.17.
Gambar 3.18.
Gambar 3.19.
Gambar 3.20.
Gambar 3.21.
Gambar 3.22.
Gambar 3.23.
Gambar 3.24.
Gambar 3.25.
Gambar 4.1.
Gambar 4.2.
Cabang Kecerdasan Buatan
Struktur Sistem Pakar
Contoh Tulisan Tangan Penderita Disleksia
Probabilitas Bersyarat dalam Ilmu Statistik
Sejarah Pendistribusian Versi Android Menurut Penggunaan
Android Market / Play Store 2009 – 2014
Skema Arsitektur Android
Diagram Ishikawa
Flowchart Halaman Utama
Flowchart Menu Input Data dan Proses Diagnosa
Use Case Diagram Sistem Pakar
Class Diagram Sistem Pakar
Sequence Diagram Sistem Pakar
Activity Halaman Utama
Activity Konsultasi
Activity Diagnosa
Activity Terapi
Rancangan Antarmuka Halaman Utama
Rancangan Antarmuka Halaman Tentang
Rancangan Antarmuka Halaman Bantuan
Rancangan Antarmuka Halaman Input Biodata
Rancangan Antarmuka Halaman Konsultasi
Rancangan Antarmuka Halaman Hasil Diagnosa
Rancangan Antarmuka Halaman Info Disleksia
Rancangan Antarmuka Halaman Terapi
Rancangan Antarmuka Halaman Belajar
Rancangan Antarmuka Halaman Contoh Pembelajaran
Rancangan Antarmuka Halaman Latihan
Rancangan Antarmuka Halaman Hasil Latihan
Rancangan Antarmuka Halaman Admin Input Gejala
Rancangan Antarmuka Halaman Admin Daftar Gejala
Rancangan Antarmuka Halaman Admin Daftar Pasien
Tampilan Halaman Utama
Tampilan Halaman Tentang
7
9
14
17
23
23
34
37
38
39
40
41
42
43
44
45
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
67
67
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
Gambar 4.3.
Gambar 4.4.
Gambar 4.5.
Gambar 4.6.
Gambar 4.7.
Gambar 4.8.
Gambar 4.9.
Gambar 4.10.
Gambar 4.11.
Gambar 4.12.
Gambar 4.13.
Gambar 4.14.
Gambar 4.15.
Gambar 4.16.
Gambar 4.17.
Tampilan Halaman Bantuan
Tampilan Halaman Input Biodata
Tampilan Halaman Konsultasi
Tampilan Halaman Setelah Konsul (Hasil Diagnosa)
Tampilan Halaman Info Disleksia
Tampilan Halaman Terapi
Tampilan Halaman Pembelajaran
Tampilan Halaman Pembelajaran dari Huruf A
Tampilan Halaman Latihan
Tampilan Halaman Hasil Latihan
Tampilan Halaman Login Admin
Tampilan Halaman Admin Input Gejala
Tampilan Halaman Admin Daftar Data Gejala
Tampilan Halaman Admin Daftar Data Pasien
Tampilan Hasil Pengujian Dengan Metode Naive Bayesian
68
69
70
70
71
71
72
72
73
74
74
75
76
76
79
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
MENGGUNAKAN METODE NAÏVE BAYESIAN
BERBASIS ANDROID
SKRIPSI
SASKIA MABRURA
131421019
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK MENGGUNAKAN
METODE NAIVE BAYESIAN BERBASIS ANDROID
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah
Sarjana Ilmu Komputer
Oleh :
SASKIA MABRURA
131421019
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
PERSETUJUAN
Judul
: SISTEM PAKAR DIAGNOSA DISLEKSIA PADA
ANAK
MENGGUNAKAN
METODE
NAIVE
BAYESIAN BERBASIS ANDROID
Kategori
: SKRIPSI
Nama
: SASKIA MABRURA
Nomor Induk Mahasiswa : 131421019
Program Studi
: EKSTENSI S1 ILMU KOMPUTER
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Februari 2016
Komisi Pembimbing :
Pembimbing 2
Pembimbing 1
Dian Rachmawati, S.Si,M.
NIP. 198307232009122004
Prof. Dr. Iryanto, M.Si
NIP. 194604041971071001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer
Ketua,
Dr. Poltak Sihombing, M.Kom
NIP. 19620317 199103 1 011
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
PERNYATAAN
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK MENGGUNAKAN
METODE NAIVE BAYESIAN BERBASIS ANDROID
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan,
Februari 2016
Saskia Mabrura
131421019
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
PENGHARGAAN
Alhamdulillah segala puji dan syukur atas nikmat yang luas kepada Allah SWT
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 yang sangat mengasihi dan menyayangi dan
memberi dukungan tiada henti pada penulis. Pada kesempatan ini penulis ingin
mengucapkan terima kasih yang sebesar-besarnya kepada:
1.
Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum selaku 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.
4.
Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu
Komputer Universitas Sumatera Utara.
5.
Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembimbing I yang telah
memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam
penyempurnaan skripsi ini.
6.
Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang telah
memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam
penyempurnaan skripsi ini.
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
7.
Bapak Dedy Arisandi, ST. M.Kom selaku Dosen Pembanding I yang telah
memberikan kritik dan saran dalam penyempurnaan skripsi ini.
8.
Bapak Rahmat Aulia, S.Kom, M.Sc.IT selaku Dosen Pembanding II yang
telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
9.
Ibu
Debby Anggraini,
M.Psi
dari
Fakultas
Psikologi
Departemen
Perkembangan USU yang telah bersedia membimbing dan memberikan
informasi yang terkait dengan Disleksia dalam penelitian ini.
10. Semua dosen dan pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu
Komputer dan Teknologi Informasi Universitas Sumatera Utara.
11. Keluarga besar penulis, Ibunda Rohani yang senantiasa mendoakan dan
mendukung, serta keluarga besar Alauddin Junet, Rauzi Haristia, A.Md,
Novika Fajriati, Aldis Cahya Maghfirah, Alm. Muda Abdul Razak dan
keluarga lainnya.
12. Rizki Sulaiman, S.T yang telah banyak memberikan motivasi dan kontribusi
berupa saran dan kritik kepada penulis dalam penyempurnaan aplikasi dan
skripsi ini.
13. Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk
2013, Dhita Pratiwi, Reiza Pahlawan, Rezi Fatullah Rahman, Rahmat Heriza,
Denny PS, M.Khairul Ibaad Pohan, Nur Khasanah, Okta, Dessy Wulandari,
Ledyana Fitriana, serta anak-anak Aceh Sepakat dan Medan Bersatu .
14. Teman-teman seperjuangan alumni Politeknik Negeri Lhokseumawe Teknik
Telekomunikasi konsentrasi Teknik Komputer dan Jaringan stambuk 2008,
Nurjannah, Yuny Wahyuny Angreany, dan Cut Anggi Diah Sari.
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
15. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak
dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi
ini.
Semoga semua kebaikan dan bantuan yang diberikan kepada penulis,
mendapatkan balasan yang berlipat dari Allah SWT.
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,
Februari 2016
Penulis,
Saskia Mabrura
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
SISTEM PAKAR DIAGNOSA DISLEKSIA PADA ANAK MENGGUNAKAN
METODE NAIVE BAYESIAN BERBASIS ANDROID
ABSTRAK
Disleksia merupakan dasar kelainan neurobiologist yang ditandai dengan kesulitan
dalam mengenali kata dengan tepat, cepat, dan akurat, serta lemah dalam pengejaan
atau lemah dalam kemampuan mengidentifikasi simbol bahasa. Kurangnya
pengetahuan masyarakat terhadap disleksia dapat menghambat penderitanya (anak)
untuk mencapai prestasi optimal dalam bidang akademis maupun profesional. Pada
penelitian ini penulis membangun suatu sistem pakar yang mampu mendiagnosa
disleksia pada anak usia 5 tahun keatas menggunakan metode Naive Bayesian (NB)
yaitu system akan menampilkan daftar gejala kemudian user memberikan respon
berupa jawaban (Ya-Tidak) pada sistem kemudian sistem akan membandingkan
antara data disleksia dan tidak disleksia sehingga diperoleh suatu kesimpulan dan
solusi penaganan yang dapat dilakukan user berupa informasi terapi yang dapat
dilakukan orangtua/guru. Dari penelitian ini dihasilkan sebuah aplikasi sistem pakar
berbasis Android yang dapat membantu seseorang dalam memperoleh informasi
dalam mendiagnosa disleksia pada anak serta dapat digunakan dimana saja dan kapan
saja.
Kata-kata Kunci : Sistem Pakar, Naive Bayesian (NB), Diagnosa, Disleksia, Android.
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
EXPERT SYSTEM TO DIAGNOSIS DYSLEXIA FOR THE CHILD BY USING
NAIVE BAYESIAN METHOD ANDROID BASED
ABSTRACT
Dyslexia is a basic neurological disorder characterized by difficulty in recognizing
words accurately, quickly, and weak in spelling or weak in the ability to identify the
language symbols. Lack of human public knowledge about dyslexia can impede the
sufferers (child) to achieve optimal performance in both academic and professional
field. In this study, the authors build an expert system application that aims to make
the diagnosis of dyslexia by using Naive Bayesian (NB) method. The diagnosis is
obtained based on the answers given user is currently consulting on the system that
will be the basis for the calculation by comparing the data of dyslexia and dyslexia in
order to obtain a conclusion and solution to do user. From this study will produced an
expert system based Android that can help a person to diagnosing dyslexia early and
can be use it anytime and anywhere.
Keywords: Expert system, Diagnosis, Dyslexia, Naive Bayesian (NB), Android.
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
DAFTAR ISI
Halaman
Persetujuan
Pernyataan
Penghargaan
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
BAB I
ii
iii
iv
viii
ix
x
xiii
xiv
PENDAHULUAN
1.1. Latar Belakang
1.2. Rumusan Masalah
1.3. Batasan Masalah
1.4. Tujuan Penelitian
1.5. Manfaat Penelitian
1.6. Metodologi Penelitian
1.7. Sistematika Penelitian
1
2
2
3
3
3
5
BAB II LANDASAN TEORI
2.1. Kecerdasan Buatan (Artifical Intelehence)
2.2. Sistem Pakar (Expert System)
2.2.1. Ciri-ciri Sistem Pakar
2.2.2. Struktur Sistem pakar
2.2.3. Keuntungan dan Kelemahan Sistem pakar
2.3 Disleksia (Dyslexia )
2.4. Metode Naive Bayesian (NB)
2.4.1. Karakteristik Naive Bayesian
2.4.2. Kelebihan dan Kekurangan Naive Bayesian
2.5. Android
2.5.1. Daftar Versi Android
2.5.2. Fitur dan Arsitektur Android
2.5.3. Bahasa Pemograman pada Android
2.6. Analisis Perancangan Sistem
2.7. Flowchart
6
7
8
9
10
10
15
17
17
18
19
23
25
25
27
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
2.8. Pemodelan UML (Unified Modeling Language)
29
BAB III ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Sistem
3.1.1. Analisis Masalah
3.1.2. Analisis Kebutuhan Sistem
3.2. Perancangan Sistem
3.2.1. Bagan Alir (Flowchart)
3.2.2. Pemodelan UML (Unified Modeling Language)
3.3. Analisis Proses
3.3.1. Analisis Metode Naive Bayesian
3.4. Perancangan Antarmuka (Interface)
3.4.1. Rancangan Antarmuka Halaman Utama
3.4.2. Rancangan Antarmuka Halaman Tentang
3.4.3. Rancangan Antarmuka Halaman Bantuan
3.4.4. Rancangan Antarmuka Halaman Input Biodata
3.4.5. Rancangan Antarmuka Halaman Konsultasi
3.4.6. Rancangan Antarmuka Halaman Hasil Diagnosa
3.4.7. Rancangan Antarmuka Halaman Info Disleksia
3.4.8. Rancangan Antarmuka Halaman Terapi
3.4.9. Rancangan Antarmuka Halaman Belajar
3.4.10. Rancangan Antarmuka Halaman Latihan
3.4.11. Rancangan Antarmuka Halaman Hasil Latihan
3.4.12. Rancangan Antamuka Halaman Admin Input Gejala
3.4.13. Rancangan Antamuka Halaman Admin Daftar Gejala
3.4.14. Rancangan Antamuka Halaman Admin Daftar Pasien
34
34
35
36
37
39
45
45
50
51
52
53
54
55
56
57
58
59
61
62
63
64
65
BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM
4.1. Implementasi Sistem
4.1.1. Tampilan Halaman Utama
4.1.2. Tampilan Halaman Tentang
4.1.3. Tampilan Halaman Bantuan
4.1.4. Tampilan Halaman Input Biodata
4.1.5. Tampilan Halaman Konsultasi
4.1.6. Tampilan Halaman Hasil Diagnosa
4.1.7. Tampilan Halaman Info Disleksia
4.1.8. Tampilan Halaman Terapi
4.1.9. Tampilan Halaman Belajar
4.1.10. Tampilan Halaman Latihan
66
66
67
68
68
69
70
71
71
72
73
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
4.1.11. Tampilan Halaman Hasil Latihan
4.1.12. Tampilan Halaman login Admin
4.1.13. Tampilan Halaman Admin Input Gejala
4.1.14. Tampilan Halaman Admin Daftar Data Gejala
4.1.15. Tampilan Halaman Admin Daftar Data Pasien
4.2. Pengujian Sistem
BAB V PENUTUP
5.1. Kesimpulan
5.2. Saran
73
74
75
75
76
76
80
80
DAFTAR PUSTAKA
LAMPIRAN
BIODATA
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
DAFTAR TABEL
Halaman
Tabel 2.1.
Tabel 2.2.
Tabel 2.3.
Tabel 2.4.
Tabel 2.5.
Tabel 2.6.
Tabel 3.1.
Tabel 3.2.
Tabel 3.3.
Tabel 3.4.
Tabel 3.5.
Tabel 3.6.
Tabel 3.7.
Tabel 3.8.
Tabel 3.9.
Tabel 3.10.
Tabel 3.11.
Tabel 3.12.
Tabel 3.13.
Tabel 3.14.
Tabel 3.15.
Tabel 3.16.
Tabel 3.17.
Tabel 3.18.
Tabel 3.19.
Tabel 3.20.
Tabel 4.1.
Tabel 4.2.
Simbol Flowchart Program
Simbol Flowchart System
Simbol Relasi pada Use Case Diagram
Simbol Relasi pada Class Diagram
Simbol Relasi pada Sequence Diagram
Simbol Relasi pada Activity Diagram
Daftar Gejala
Data Rule
Perhitungan Probabilitas Gejala “Ya” dan “Tidak” Tehadap
Disleksia
Contoh Jawaban Pasien
Hasil Perhitungan Naive Bayesian
Keterangan Kontrol pada Antarmuka Halaman Utama
Keterangan Kontrol pada Antarmuka Halaman Tentang
Keterangan Kontrol pada Antarmuka Halaman Bantuan
Keterangan Kontrol pada Antarmuka Halaman Input Biodata
Keterangan Kontrol pada Antarmuka Halaman Konsultasi
Keterangan Kontrol pada Antarmuka Halaman Hasil Diagnosa
Keterangan Kontrol pada Antarmuka Halaman Info Disleksia
Keterangan Kontrol pada Antarmuka Halaman Terapi
Keterangan Kontrol pada Antarmuka Halaman Belajar
Keterangan Kontrol pada Antarmuka Halaman Contoh
Pembelajaran
Keterangan Kontrol pada Antarmuka Halaman Latihan
Keterangan Kontrol pada Antarmuka Halaman Hasil Latihan
Keterangan Kontrol pada Antarmuka Halaman Admin Input
Gejala
Keterangan Kontrol pada Antarmuka Halaman Admin Daftar
Gejala
Keterangan Kontrol pada Antarmuka Halaman Admin Daftar
Pasien
Jawaban Pasien
Hasil Perhitungan Naive Bayesian
28
29
30
31
32
33
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
77
78
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
DAFTAR GAMBAR
Halaman
Gambar 2.1.
Gambar 2.2.
Gambar 2.3.
Gambar 2.4.
Gambar 2.5.
Gambar 2.6.
Gambar 3.1.
Gambar 3.2.
Gambar 3.3.
Gambar 3.4.
Gambar 3.5.
Gambar 3.6.
Gambar 3.7.
Gambar 3.8.
Gambar 3.9.
Gambar 3.10.
Gambar 3.11.
Gambar 3.12.
Gambar 3.13.
Gambar 3.14.
Gambar 3.15.
Gambar 3.16.
Gambar 3.17.
Gambar 3.18.
Gambar 3.19.
Gambar 3.20.
Gambar 3.21.
Gambar 3.22.
Gambar 3.23.
Gambar 3.24.
Gambar 3.25.
Gambar 4.1.
Gambar 4.2.
Cabang Kecerdasan Buatan
Struktur Sistem Pakar
Contoh Tulisan Tangan Penderita Disleksia
Probabilitas Bersyarat dalam Ilmu Statistik
Sejarah Pendistribusian Versi Android Menurut Penggunaan
Android Market / Play Store 2009 – 2014
Skema Arsitektur Android
Diagram Ishikawa
Flowchart Halaman Utama
Flowchart Menu Input Data dan Proses Diagnosa
Use Case Diagram Sistem Pakar
Class Diagram Sistem Pakar
Sequence Diagram Sistem Pakar
Activity Halaman Utama
Activity Konsultasi
Activity Diagnosa
Activity Terapi
Rancangan Antarmuka Halaman Utama
Rancangan Antarmuka Halaman Tentang
Rancangan Antarmuka Halaman Bantuan
Rancangan Antarmuka Halaman Input Biodata
Rancangan Antarmuka Halaman Konsultasi
Rancangan Antarmuka Halaman Hasil Diagnosa
Rancangan Antarmuka Halaman Info Disleksia
Rancangan Antarmuka Halaman Terapi
Rancangan Antarmuka Halaman Belajar
Rancangan Antarmuka Halaman Contoh Pembelajaran
Rancangan Antarmuka Halaman Latihan
Rancangan Antarmuka Halaman Hasil Latihan
Rancangan Antarmuka Halaman Admin Input Gejala
Rancangan Antarmuka Halaman Admin Daftar Gejala
Rancangan Antarmuka Halaman Admin Daftar Pasien
Tampilan Halaman Utama
Tampilan Halaman Tentang
7
9
14
17
23
23
34
37
38
39
40
41
42
43
44
45
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
67
67
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara
Gambar 4.3.
Gambar 4.4.
Gambar 4.5.
Gambar 4.6.
Gambar 4.7.
Gambar 4.8.
Gambar 4.9.
Gambar 4.10.
Gambar 4.11.
Gambar 4.12.
Gambar 4.13.
Gambar 4.14.
Gambar 4.15.
Gambar 4.16.
Gambar 4.17.
Tampilan Halaman Bantuan
Tampilan Halaman Input Biodata
Tampilan Halaman Konsultasi
Tampilan Halaman Setelah Konsul (Hasil Diagnosa)
Tampilan Halaman Info Disleksia
Tampilan Halaman Terapi
Tampilan Halaman Pembelajaran
Tampilan Halaman Pembelajaran dari Huruf A
Tampilan Halaman Latihan
Tampilan Halaman Hasil Latihan
Tampilan Halaman Login Admin
Tampilan Halaman Admin Input Gejala
Tampilan Halaman Admin Daftar Data Gejala
Tampilan Halaman Admin Daftar Data Pasien
Tampilan Hasil Pengujian Dengan Metode Naive Bayesian
68
69
70
70
71
71
72
72
73
74
74
75
76
76
79
UNIVERSITAS SUMATERA UTARA
Universitas Sumatera Utara