BAB I PENDAHULUAN. kematian serta menimbulkan wabah (Depkes RI Dirjen P2MLP, 2004)

BAB I PENDAHULUAN 1.1

Latar Belakang Penyakit demam berdarah dengue (DBD) adalah penyakit yang disebabkan

oleh virus dengue I, II, III, dan IV yang ditularkan nyamuk Aedes aegypti dan Aedes albopictus (Soegijanto, 2004). Penyakit DBD terutama menyerang anakanak namun dalam beberapa tahun terakhir cenderung semakin banyak dilaporkan kasus DBD pada orang dewasa. Penyakit ini ditandai dengan panas tinggi mendadak disertai kebocoran plasma dan pendarahan, dapat mengakibatkan kematian serta menimbulkan wabah (Depkes RI Dirjen P2MLP, 2004). Kejadian luar biasa pertama penyakit DBD di Asia ditemukan di Manila pada tahun 1954, kemudian terjadi di Thailand (1958), Singapura (1960), Kamboja (1961), Malaysia (1962), dan Srilanka (1966). Pada tahun 1968 untuk pertama kalinya terjadi kejadian luar biasa DBD di Indonesia (Jakarta dan Surabaya) dan pada tahun berikutnya kasus DBD menyebar ke lain kota di wilayah Indonesia dan dilaporkan meningkat setiap tahunnya (Segijanto, 2004). Salah satu manifestasi klinik utama pada DBD adalah demam (Soegijanto, 2004). Demam merupakan masalah kesehatan yang kerap terjadi pada anak. Demam sebenarnya bukan merupakan penyakit, melainkan gejala. Demam memegang peranan kunci dalam membantu perlawanan tubuh mengatasi infeksi virus atau bakteri. Pola demam dengan gejala klinis yang menyertainya sangat

1

2

penting untuk diketahui (http://www.pdpersi.co.id). Pada awal perjalanan penyakit salah satu diagnosis banding dari DBD adalah demam tifoid di mana kedua penyakit tersebut termasuk kategori penyakit tropis dan merupakan endemik di Indonesia (Pusat Info Penyakit Dalam FKUI, 2000). Demam tifoid di Indonesia masih merupakan penyakit endemik yang seringkali menimbulkan masalah dan apabila disertai komplikasi dapat berakhir dengan kematian. Penelitian pada tahun 1989 di Rumah Sakit Karantina dilaporkan bahwa lama perawatan demam tifoid penyakit dewasa berkisar antara 8,6 േ3,7 hari dengan angka kematian sebesar 7,35 % (Pusat Info Penyakit Dalam FKUI, 2000). Sama halnya dengan demam tifoid, demam berdarah dengue (DBD) merupakan masalah kesehatan di Indonesia. Angka kejadian tetap meningkat dan saat

ini

angka

kematian

khususnya

di

RSCM

cenderung

meningkat

(http://www.pdpersi.co.id). Saat ini, DBD masih merupakan salah satu masalah kesehatan yang cenderung meningkat jumlah pasien serta semakin luas penyebarannya, hal ini karena masih tersebarnya nyamuk penular penyakit DBD yaitu Aedes aegypti di seluruh pelosok tanah air, kecuali pada daerah dengan ketinggian lebih dari 1000 m dpl. Untuk memberantasnya diperlukan pembinaan peran serta masyarakat yang terus menerus. Juga upaya pemerintah memotivasi masyarakat untuk melakukan pemberantasan nyamuk tersebut terus-menerus telah dan akan dilakukan melalui kerjasama lintas program dan lintas sektoral termasuk tokoh masyarakat dan swasta. Oleh karena itu, upaya untuk membatasi angka

3

kematian penyakit ini sangat penting (Dirjen P2MPL Depkes RI, 2004). Salah satu caranya adalah dengan diagnosis dini yang tepat. Keberhasilan upaya penanganan kasus DBD terutama ditentukan oleh kecermatan dalam mendiagnosa secara dini serta penatalaksanaan dan perawatan termasuk observasi tekanan darah, denyut nadi serta pemberian cairan pencegahan/mengatasi syok (Dirjen P2MPL Depkes RI, 2004). Sementara itu, diagnosis secara dini demam tifoid sangat bermanfaat agar dapat segera diberikan pengobatan yang adekuat sehingga dapat dihindari timbulnya komplikasi (Pusat Info Penyakit Dalam FKUI, 2000). Keluhan dan gejala demam tifoid antara lain demam, nyeri kepala, pusing, nyeri otot, anoreksia, mual, muntah, obstipasi atau diare (Pusat Info Penyakit Dalam FKUI, 2000). Keluhan dan gejala DBD antara lain demam, terdapat manifestasi pendarahan, sakit kepala, nyeri otot, tulang dan sendi, mual dan muntah (Dirjen P2MPL Depkes RI, 2004). Dari uraian di atas, terlihat banyak kemiripan gejala klinis DBD dan demam tifoid, walaupun dengan karakteristik khusus yang berbeda, sehingga dapat terjadi kesalahan diagnosis dini bagi penderita maupun keluarga penderita. Hal ini dapat menyebabkan kesalahan penanganan dini penderita. Lebih jauh dari itu, apabila terjadi komplikasi sehingga menyebabkan kematian. Dalam terminologi komputer permasalahan di atas dapat diistilahkan sebagai pemetaan kompleks ruang input ke ruang output. Dalam hal ini ruang input adalah gejala klinis DBD dan demam tifoid dan ruang output yaitu jenis

4

penyakit yang bersesuaian dengan gejala klinis yaitu DBD dan demam tifoid. Disebut kompleks karena ada anggota ruang input DBD yang juga termasuk kedalam ruang input demam tifoid begitu juga sebaliknya. Logika fuzzy mampu menjadi problem solving di segala bidang mulai dari bidang teknologi, otomotif, ekonomi, psikologi, medis, dan ilmu-ilmu sosial karena kemampuannya yang dapat memetakan suatu ruang input kedalam suatu ruang output sehingga dapat menyelesaikan permasalahan yang memiliki keterkaitan hubungan input dan output yang tidak sederhana. Telah banyak penelitian mengenai penerapan logika fuzzy. Di lingkungan UIN Syarif Hidayatullah sendiri ada beberapa penelitian mengenai logika fuzzy diantaranya untuk penyeleksi internal promosi jabatan karyawan (M. Ridha Pratama, 2004), sistem penilaian kelayakan kredit usaha kecil (Siti Nurjannah, 2007), sistem pengontrol persediaan barang (Nurchudayati, 2007), penentuan bidang peminatan mahasiswa program studi TI (Tri Hadiyanto Wibowo, 2009), optimasi daya listrik suatu ruangan (Puspita Fauziah, 2009), dan penilaian kinerja karyawan (Fedri Arianto, 2010), dan sistem kenaikan jabatan (Adhi Gufron, 2010). Hal ini menunjukkan keandalan logika fuzzy dalam memecahkan masalah pemetaan ruang input terhadap ruang output. Rumah Bersalin Gratis (RBG) Rumah Zakat Jakarta Timur sebagai sarana pelayanan kesehatan gratis bagi warga yang membutuhkan, turut serta membantu menekan angka kematian akibat DBD dan demam tifoid khusunya di kalangan masyarakat yang kemampuan ekonominya lemah. Di antara layanan yang

5

diberikan RBG selain pelayanan kesehatan ibu dan anak juga mencakup pelayanan kesehatan umum termasuk penyakit DBD dan demam tifoid. Semua layanan di RBG diberikan secara gratis. Selain pelayanan kesehatan, RBG juga memberikan pengarahan untuk menjaga kebersihan dan kesehatan salah satunya dengan mengetahui dan membedakan gejala penyakit. Keterbatasan sumber daya manusia di RBG menjadi permasalahan tersendiri sehingga ide untuk mengembangkan aplikasi yang dapat membantu pakar menjadi hal yang dibutuhkan. Dalam hal ini aplikasi terfokus pada penyakit DBD dan demam tifoid. Berdasarkan uraian di atas, penulis mengambil judul “Penerapan Logika Fuzzy untuk Diagnosis dan Tata Laksana Penyakit Demam Berdarah Dengue dan Demam Tifoid “. Pemodelan sistem diagnosis DBD dan demam tifoid dengan menggunakan pendekatan sistem pakar dapat menjadi pilihan karena pendekatan sistem pakar menggunakan bahasa manusia sehingga akan lebih mudah dimengerti oleh pengguna baik yang mengerti ilmu medis dan komputer atau orang awam sekalipun. Hal ini penting, guna pengembangan selanjutnya dari sistem ini yang sasarannya adalah menjadi alat bantu bagi manusia (user) dalam mendiagnosis penyakit khusunya DBD dan demam tifoid seperti misalnya sarana edukasi di RBG Jakarta Timur. Dengan adanya aplikasi ini pasien yang berkunjung dapat menggunakannya untuk memperoleh wawasan mengenai gejala dan tata laksana penyakit DBD dan demam tifoid. Selain itu, pengembangan aplikasi ini dapat diarahkan untuk layanan konsumen berbasis web yang selama ini lebih banyak

6

berbasis telepon baik yang berbayar ataupun tidak. Pengembangan aplikasi ini juga dapat diarahkan sebagai alat bantu dalam proses klaim asuransi kesehatan. Dalam berbagai pengembangan model logika fuzzy, biasanya peneliti menggunakan tools/alat bantu yang tidak mengakomodasi komputasi yang kompleks, seperti Visual Basic, Delphi ataupun PHP sehingga fungsi-fungsi perhitungan ditransformasikan kedalam bahasa pemrograman secara manual (dibuat sendiri) sesuai dengan bahasa pemrograman yang digunakan. Hal ini juga berpengaruh pada pengembangan selanjutnya dari penelitian tersebut karena harus merubah kembali rumusan dari fungsi perhitungan yang lama. Oleh karena itu dalam penelitian ini, penulis menggunakan Matlab sebagai tool atau alat bantunya. Banyak fitur yang disediakan Matlab dalam mendukung fungsinya, lihat Bab II subbab 2.12. Dengan menggunakan Matlab, proses fuzzyfikasi, inferensi dan defuzzyfikasi dijalankan secara otomatis oleh Matlab itu sendiri serta untuk pengembangan selanjutnya perubahan dapat dilakukan pada fungsi keanggotaan dan rule base atau basis aturannya saja. 1.2

Rumusan Masalah Seperti yang telah dijabarkan pada subbab 1.1 di atas, terdapat masalah

yang timbul yaitu adanya hubungan yang kompleks antara gejala klinis DBD dan demam tifoid sehingga dapat menyebabkan kesalahan diagnosis dini bagi penderita. Adapun rumusan masalah yang akan menjadi pembahasan dalam penelitian ini adalah bagaimana mengembangkan sebuah model logika fuzzy untuk diagnosis dan tata laksana penyakit demam berdarah dengue dan demam tifoid berdasarkan gejala-gejala klinis yang ada.

7

1.3

Batasan Masalah Dikarenakan luasnya ruang lingkup permasalahan dan agar hasil penelitian

dapat maksimal maka penulis membatasi permasalahan sebagai berikut : 1.

Diagnosis adalah diagnosis klinis bukan diagnosis pasti, berdasarkan gejala klinis yang tampak, bukan gejala klinis asimtomatik atau tidak jelas.

2.

Jenis penyakit yang menjadi objek diagnosis adalah demam berdarah dengue (DBD) dan demam tifoid.

3.

Parameter yang digunakan dalam proses diagnosis adalah demam yang sifatnya mendadak atau bertahap, nyeri otot dan sendi, manifestasi pendarahan (pendarahan pada hidung dan gusi serta uji tourniquet positif), adanya gangguan pencernaan dan kondisi lidah apakah berselaput atau tidak.

4.

Output diagnosis dibagi menjadi 4 kategori, demam tifoid, observasi, cek labratorium dan DBD.

5.

Tools yang digunakan adalah Matlab 7.8

6.

Pengembangan sistem tidak sampai pada tahap deployment akan tetapi hanya sampai pada tahap construction dikarenakan aplikasi ini tidak ditujukan untuk digunakan langsung oleh pelanggan atau user.

7.

Pengujian menggunakan pendekatan black box dengan metode unit test dan integration test.

1.4

Tujuan Penelitian Tujuan dari penelitian ini terbagi dalam 3 kategori, jangka pendek, jangka

menengah dan jangka panjang. Tujuan jangka pendek adalah mengembangkan

8

model logika fuzzy dan model

sistem pakar

yang dapat digunakan untuk

membantu diagnosis penyakit DBD dan demam tifoid. Tujuan jangka menengah adalah

menjadi

sarana

seorang

pakar

dalam

hal

ini

dokter

untuk

mendokumentasikan pengetahuan yang dimilikinya. Tujuan jangka panjang dari penelitian ini adalah dapat dikembangkan menjadi aplikasi diagnosis penyakit yang lengkap sehingga dapat dipergunakan secara nyata seperti untuk membantu proses validasi catatan diagnosis klaim asuransi kesehatan dan untuk pelayanan konsumen sebuah produk, misalnya produk kesehatan seperti obat-obatan. 1.5

Manfaat Penelitian Dengan adanya penelitian ini diharapkan dapat memberikan manfaat

sebagai berikut : a. Bagi penulis 1. Memperdalam ilmu dan wawasan tentang Logika Fuzzy, Sistem Pakar dan Rekayasa Perangkat Lunak. 2. Memahami konsep dan penerapan sistem pakar dan penggunaan Matlab. 3. Memperoleh wawasan mengenai penyakit DBD dan demam tifoid. b. Bagi universitas 1. Mengetahui kemampuan mahasiswa dalam menguasai materi teori yang telah diperoleh selama kuliah 2. Mengetahui kemampuan mahasiswa dalam menerapkan ilmunya dan sebagai bahan evaluasi 3. Memberikan gambaran tentang kesiapan mahasiswa dalam menghadapi dunia kerja dari hasil yang diperoleh selama belajar atau kuliah.

9

4. Menjadi bahan referensi bagi penellitian selanjutnya terutama dalam bidang logika fuzzy dan sistem pakar diagnosis penyakit. c. Bagi pengguna 1. Memudahkan dalam mendiagnosis penyakit DBD dan demam tifoid. 2. Memperoleh contoh dan gambaran implementasi logika fuzzy dan sistem pakar dalam bidang diagnosis penyakit. 1.6

Metodologi Penelitian 1.6.1 Metode Pengumpulan data Untuk

mendukung

penelitian

maka

diperlukan

data-data

penunjang. Oleh karena itu penulis melakukan metode pengumpulan data dengan cara melakukan wawancara dengan pakar dan studi pustaka yakni dengan membaca dan mempelajari literatur yang berhubungan dengan penelitian yang penulis lakukan baik itu dari media cetak seperti buku, jurnal, skripsi atau media elektronik seperti e-book yang banyak terdapat di internet. 1.6.2 Metode Pengembangan sistem Pengembangan sistem dalam penelitian yang penulis lakukan menggunakan siklus pengembangan model RAD (Rapid Application Development) , yaitu : a. Communication b. Planning c. Modelling d. Construction

10

e. Deployment 1.7

Sistematika Penulisan Adapun sistematika penulisan laporan penelitian

ini adalah sebagai

berikut : BAB I

PENDAHULUAN Berisi rumusan singkat latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian dan sistematika penulisan.

BAB II

LANDASAN TEORI Pada bab ini diuraikan teori-teori yang menunjang dan digunakan dalam penelitian meliputi pembahasan singkat tentang logika fuzzy, penyakit DBD dan demam tifoid, RAD serta Matlab. Diuraikan juga mengenai studi literatur sejenis dengan penelitian ini.

BAB III METODOLOGI PENELITIAN Bab ini menguraikan secara rinci metode pengumpulan data dan metode pengembangan sistem yang digunakan dalam penelitian. BAB IV HASIL DAN PEMBAHASAN Bab ini menjelaskan analisa tentang kebutuhan sistem, konsep perancangan aturan, proses pengembangan sistem dan tentang implementasi atau tata cara pemakaian program yang penulis buat dan uji coba terhadap program yang telah dibuat.

11

BAB V

KESIMPULAN DAN SARAN Bab ini menguraikan kesimpulan yang berkenaan dengan hasil pemecahan masalah yang diperoleh dari penelitian serta saran untuk pengembangan lebih lanjut.

BAB II LANDASAN TEORI

Bab ini menguraikan mengenai teori-teori yang digunakan dalam menunjang penelitian. 2.1

Penerapan Menurut KBBI penerapan memiliki arti : (1) proses, cara, perbuatan

menerapkan,

(2)

pemasangan,

(3)

pemasangan,

perihal

mempraktikan

(http://pusatbahasa.diknas.go.id). Jadi penerapan dapat didefinisikan sebagai cara untuk melakukan atau mempraktikkan sesuatu berdasarkan aturan tertentu. 2.2

Logika Fuzzy Menurut Kusumadewi (2003,153), logika fuzzy adalah suatu cara yang

tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Logika fuzzy atau sistem fuzzy memiliki kemampuan untuk mengembangkan sistem intelijen dalam lingkungan yang tak pasti. Dalam logika fuzzy terdapat beberapa proses yaitu penentuan himpunan fuzzy, penerapan aturan IF-THEN dan proses inferensi fuzzy. Dari sekian banyak alternatif, sistem fuzzy seringkali menjadi pilihan terbaik, berikut beberapa alasannya (Naba, 2009:3-4) : 1. Konsep fuzzy logic adalah sangat sederhana sehingga mudah dipahami. 2. Fuzzy logic adalah fleksibel, dalam arti dapat dibangun dan dikembangkan dengan mudah tanpa harus memulainya dari ‘nol’. 3. Fuzzy logic memberikan toleransi terhadap ketidakpresisian data.

12

13

4. Pemodelan/pemetaan untuk mencari hubungan data input-output dari sembarang sistem black-box bisa dilakukan dengan memakai sistem fuzzy. 5. Pengetahuan atau pengalaman dari pakar dapat dengan mudah dipakai untuk membangun fuzzy logic. Hal ini merupakan kelebihan utama fuzzy logic dibanding jaringan saraf tiruan. 6. Fuzzy logic dapat diterapkan dalam desain sistem kontrol tanpa harus menghilangkan teknik desain sistem kontrol konvensional yang sudah terlebih dahulu ada. 7. Fuzzy logic berdasar pada bahasa manusia. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy yaitu variabel fuzzy, himpunan fuzzy, semesta pembicaraan, dan domain. (Kusumadewi,2003:158). Variabel fuzzy

merupakan variabel yang hendak

dibahas dalam suatu sistem fuzzy. Contoh: umur, permintaan, temperatur dan sebagainya. Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Domain adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Berikut contoh hubungan antara variabel fuzzy, himpunan fuzzy, semesta pembicaraan dan domain dalam sistem fuzzy :

14

Tabel 2.1 Variabel fuzzy, himpunan fuzzy, semesta pembicaraan dan domain Variabel fuzzy

Himpunan Fuzzy

Semesta Pembicaraan

MUDA UMUR

Domain [0,45]

PAROBAYA TUA

[0, +~]

[35,55] [45,+~]

2.2.1 Fungsi Keanggotaan Fungsi keanggotaan adalah kurva yang menunjukkan pemetaan titik input data ke dalam nilai keanggotaan yang mempunyai interval 0 sampai dengan 1. Pada himpunan biasa (crisp) nilai keanggotaan memiliki 2 kemungkinan yaitu satu (1) berarti menjadi anggota himpunan dan dua (2) berarti tidak menjadi anggota. Sedangkan pada himpunan fuzzy nilai keanggotaan tidak terbatas hanya pada 2 kemungkinan saja. Pada contoh tabel di atas, seseorang dapat masuk kedalam 2 himpunan yang berbeda. Seseorang yang berumur 20 tahun masuk himpunan berumur muda dengan derajat keanggotaan 0.1 dan sekaligus masuk himpunan berumur parobaya dengan derajat keanggotaan 0.85 (lihat gambar).

Gambar 2.1 Fungsi keanggotaan UMUR dengan representasi Gaussian (gaussmf)

15

Ada

banyak

fungsi

keanggotaan

yang

digunakan

untuk

merepresentasikan fungsi keanggotaan himpunan fuzzy diantaranya sigmoid biner (dsigmf), kombinasi Gaussian (gasuss2mf), Gaussian (gaussmf), generalized-bell (gbellmf), bentuk Π (pimf), sigmoid (sigmf), trapezoid (trapmf), triangular (trimf). 2.2.2 Operator Himpunan Fuzzy Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering dikenal dengan nama fire strength atau α-predikat. Ada 3 operator dasar dalam himpunan fuzzy, yaitu operator AND, OR dan NOT. Operator AND merupakan operasi interseksi pada himpunan. α predikat yang dihasilkan diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan bersangkutan. Misal nilai keanggotaan umur 27 pada himpunan muda adalah µ MUDA[27]= 0,6 dan nilai keanggotaan 2 juta pada himpunan penghasilan TINGGI adalah µ GAJITINGGI[2juta]= 0,8

maka α -predikat untuk usia MUDA dan

berpenghasilan TINGGI adalah nilai keanggotaan minimun :

µ MUDA ∩ GAJITINGGI = min( µ MUDA[27], µ GAJITINGGI[2juta]) = min (0,6 ; 0,8) = 0,6

16

Operator OR merupakan operasi union pada himpunan. α -predikat yang dihasilkan diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan bersangkutan. Misal nilai keanggotaan umur 27 pada himpunan muda adalah µ MUDA[27]= 0,6 dan nilai keanggotaan 2

juta

pada

himpunan

GAJITINGGI[2juta]= 0,8

penghasilan

TINGGI

adalah

µ

maka α -predikat untuk usia MUDA atau

berpenghasilan TINGGI adalah nilai keanggotaan maksimum :

µ MUDA ∩ GAJITINGGI = max( µ MUDA[27], µ GAJITINGGI[2juta]) = max (0,6 ; 0,8) = 0,8 Operator NOT merupakan operasi komplemen pada himpunan. α predikat

yang

dihasilkan

diperoleh

dengan

mengurangkan

nilai

keanggotaan elemen pada himpunan dari 1. Misal nilai keanggotaan umur 27 pada himpunan muda adalah µ MUDA[27]= 0,6

maka α -predikat

untuk usia TIDAK MUDA adalah :

µ MUDA’[27] = 1 - µ MUDA[27 = 1 - 0,6 = 0,4 2.2.3 Sistem Inferensi Fuzzy Inferensi yaitu melakukan penalaran menggunakan fuzzy input dan fuzzy rule yang telah ditentukan sehingga menghasilkan fuzzy output. Terdapat banyak metode inferensi yang sering digunakan untuk melakukan

17

inferensi fuzzy diantaranya metode Tsukamoto, metode Mamdani dan metode Sugeno. Pada metode Tsukamoto, setiap konsekuen direpresentasikan dengan himpunan fuzzy dengan fungsi keanggotaan monoton. Output hasil inferensi masing-masing aturan adalah z, berupa himpunan biasa (crisp) yang ditetapkan berdasarkan α -predikatnya. Hasil akhir diperoleh dengan menggunakan rata-rata terbobotnya. Pada metode Mamdani, aplikasi fungsi implikasi menggunakan MIN, sedang komposisi aturan menggunakan metode MAX. Metode Mamdani dikenal juga dengan metode MAX-MIN. Inferensi output yang dihasilkan berupa bilangan fuzzy maka harus ditentukan suatu nilai crisp tertentu sebagai output. Proses ini dikenal dengan defuzzyfikasi. Ada beberapa metode yang dipakai dalam defuzzyfikasi antara lain metode centroid. Pada metode ini penetapan nilai crisp dengan cara mengambil titik pusat daerah fuzzy. Penalaran dengan metode Sugeno, mirip dengan metode Mamdani hanya saja output sistem tidak berupa himpunan fuzzy melainkan berupa konstanta atau persamaan linear. .Ada dua model metode Sugeno yaitu model fuzzy Sugeno orde nol dan model fuzzy sugeno orde satu. Bentuk umum model fuzzy Sugeno orde nol adalah : IF (x1 is A1) o (x2 is A2) o ….. o (xn is An) THEN z = k

18

Bentuk umum model fuzzy Sugeno orde satu adalah : IF (x1 is A1) o (x2 is A2) o ….. o (xn is An) THEN z = p1.x1 + … pn.xn + q Defuzzyfikasi pada metode Sugeno dilakukan dengan mencari nilai rata-ratanya. A1

µ

B1

µ

w1 f1=p1x+q1y+r1

f=

µ

A2

µ

B2

W1 f1 + w2 f2 W1 + w2

= W1 f1 + w2 f2 w2 f2=p2x+q2y+r2

x

y

Gambar 2.2 Inferensi fuzzy sugeno orde 1 2.2.4 Defuzzyfikasi Defuzzyfikasi atau penegasan berfungsi untuk mengubah fuzzy output menjadi crisp value berdasarkan fungsi keanggotaan yang telah ditentukan. Terdapat berbagai metode defuzzyfikasi diantaranya : centroid method, height method, first (or last) of maxima dan weighted average. Metode centroid disebut juga sebagai Center of Area (CoA) atau Center of Gravity (CoG). Metode ini menghitung nilai crisp menggunakan rumus :

19

Dimana y* adalah suatu nilai crisp, y adalah crisp input dan ߤோ adalah derajat keanggotaan y. Height method dikenal juga sebagai prinsip keanggotaan maksimum karena metode ini secara sederhana memilih nilai crisp yang memiliki derajat keanggotaan maksimum. Oleh karena itu,metode ini hanya bisa dipakai untuk fungsi keanggotaan yang memiliki derajat keanggotaan 1 pada suatu nilai crisp tunggal dan 0 pada semua nilai crisp yang lain. Fungsi seperti ini disebut sebagai singleton. Metode fisrt (or last) of maxima merupakan generalisasi dari height method untuk kasus di mana fungsi keanggotaan output memiliki lebih dari 1 nilai maksimum sehingga nilai crisp yang digunakan adalah salah satu dari nilai yang dihasilkan dari maksimum pertama atau maksimum terakhir (tergantung pada aplikasi yang akan dibangun). Metode

weighted

average

mengambil

rata-rata

dengan

menggunakan pembobotan berupa derajat keanggotaan. Metode ini menghitung nilai crisp dengan rumus :

Dimana ߙ௞ yaitu nilai minimum dari derajat keanggotaan pada aturan ke-n, ‫ݖ‬௞ yaitu hasil penghitungan pada aturan ke-n, M adalah

20

banyaknya aturan fuzzy sedangkan Z adalah nilai crisp yang akan kita hitung. 2.3

Sistem Pakar Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan

manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para pakar atau ahli (Kusumadewi,2003:109) Menurut Efraim Turban,konsep dasar sistem pakar mengandung keahlian, ahli, pengalihan keahlian, inferensi, aturan dan kemampuan menjelaskan. Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatian, membaca atau pengalaman. Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan jika dipandang perlu, memecah aturan-aturan jika dibutuhkan dan menentukan relevan tidaknya keahlian mereka. Pengalihan keahlian dari para ahli ke computer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, merupakan tujuan utama sistem pakar. Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Sebagian besar sistem pakar komersial dibuat dalam bentuk rule based systems, yang mana pengetahuan disimpan dalam bentuk aturan-aturan, biasanya IF-THEN. Fitur lainnya dari sistem pakar adalah kemampuan merekomendasi yang tidak dimiliki oleh sistem konvensional.

21

Tabel 2.2 Perbandingan sistem konvensional dan sistem pakar Sistem Konvensional Sistem pakar Informasi dan pemrosesannya biasanya Basis pengetahuan merupakan bagian jadi satu dengan program terpisah dari mekanisme inferensi Biasanya tidak bisa menjelaskan Penjelasan adalah bagian terpenting mengapa suatu input data itu dari sistem pakar dibutuhkan, atau bagaimana output itu diperoleh Pengubahan program cukup sulit dan Pengubahan aturan dapat dilakukan membosankan dengan mudah Sistem hanya akan berperasi jika sistem Sistem dapat beroperasi hanya dengan tersebut sudah lengkap beberapa aturan Eksekusi dilakukan langkah demi Eksekusi dilakukan pada keseluruhan langkah basis pengetahuan Menggunakan data Menggunakan pengetahuan Tujuan utamanya adalah efisiensi Tujuan utamanya adalah efektivitas (Sumber : Artificial Intelligence, Kusumadewi ,2003:112) Sistem pakar terdiri dari 2 bagian pokok, yaitu : lingkungan pengembangan (development environment) yang digunakan sebagai pembangun sistem pakar dari segi pembangun komponen maupun basis pengetahuan. Yang kedua

lingkungan konsultasi (consultion environment) yang digunakan oleh

seseorang yang bukan ahli untuk berkonsultasi.

22

Fakta-fakta tentang kejadian khusus

user

Basis Pengetahuan Fakta : Apa yang diketahui tentang area domain Aturan : logical inference

Fasilitas penjelasan

Antarmuka

Aksi yang direkomendasi

Motor Inferensi

Rekayasa pengetahuan

O interpreter O scheduler O consistency enforcer

Penambahan pengetahuan

Pengetahuan ahli

BLACKBOARD Rencana Agenda Solusi Deskripsi

Penyaring pengetahuan

Gambar 2.3 Struktur sistem pakar 2.4

Diagnosis Menurut Harvey dkk (1991), Istilah diagnosis berasal dari kata Yunani

yang berarti membedakan atau menentukan. Dalam penggunaan bahasa Inggris abad ke-17 dan 18, diagnostik suatu penyakit adalah ciri-ciri khas dari penyakit itu. Dalam penggunaan umum modern, diagnosis adalah identifikasi penyakit dengan penyelidikan tanda, gejala dan manifestasi lainnya. Dalam terminologi medis, arti tepat diagnosis disamarkan oleh banyaknya cara ia digunakan : diagnosis klinis, diagnosis laboratorik, diagnosis fisik, diagnosis anatomis, diagnosis bakteriologis, diagnosis sinar-X, diagnosis EKG dan sebagainya. Diagnosis, jika tidak dibubuhi kata sifat berarti identifikasi suatu penyakit dengan penyelidikan manifestasinya. Karena suatu diagnosis harus berdasarkan

23

bukti terbaik yang didapat pada suatu waktu, istilah ini tak harus menunjukkan identifikasi pasti dan positif dari suatu penyakit (Harvey dkk, 1991). Diagnosis melibatkan dua prosedur : (1) mengumpulkan fakta dan (2) menganalisis fakta. Kesalahan diagnosis dapat disebabkan ketidaksempurnaan dari satu atau kedua prosedur itu. Bila data faktual tak memadai atau tak benar, atau bila disalahinterpretasikan, analisisnya walaupun benar akanmengarah ke kesimpulan keliru. Sebaliknya, meski pengumpulan fakta lengkap dan akurat, dan data diinterpretasi secara benar, kesimpulan dapat salah karena analisis salah (Harvey dkk, 1991). 2.5

Tata Laksana Dalam Kamus Ilmiah Populer (Tim Media Center,2002: 317) kata tata

memiliki arti aturan yang bersistem. Arti lain dari tata adalah kaidah, aturan dan susunan. Sementara laksana diartikan sifat, laku perbuatan dan tatalaksana didefinisikan sebagai cara mengurus (http://kamusbahasaindonesia.org). Sehingga secara sederhana tatalaksana artinya cara atau aturan dalam mengurus, dalam hal ini adalah mengurus pasien yang didiagnosis penyakit tertentu. 2.6

Penyakit Penyakit memiliki pengertian (http://pusatbahasa.diknas.go.id) sesuatu

yang menyebabkan terjadinya gangguan pada

makhluk hidup; gangguan

kesehatan yang disebabkan oleh bakteri, virus atau kelainan sistem faal atau jaringan pada organ tubuh pada makhluk hidup.

24

2.7

Demam Berdarah Dengue (DBD) 2.7.1

Sejarah DBD Demam berdarah dengue (DBD) disebabkan virus dengue yang

termasuk kelompok B Arthropod Borne Virus (Arboviroses) yang sekarang dikenal sebagai genus Flavivirus, family Flaviviridae dan mempunyai 4 jenis serotipe yaitu : DEN-1, DEN-2, DEN-3 dan DEN-4. Keempat serotype virus dengue dapat ditemukan di berbagai daerah di Indonesia. Serotipe DEN-3 merupakan serotype yang dominan dan diasumsikan banyak yang menunjukkan manifestasi klinis yang berat (Depkes RI Dirjen P2MLP, 2004). Menurut sejarahnya, demam dengue di Indonesia mulai dilaporkan tahun 1977 oleh David Bylon di Batavia. Penyakit ini disebut penyakit demam 5 hari yang dikenal dengan knee trouble atau knokkel kootz. Perkembangannya hingga tahun 1998, penyakit Demam Dengue/Demam Berdarah Dengue menyerang di Dati II dari 27 propinsi dengan jumlah kasus

65.968

dan

kematian

1.275

(http://www.kalbe.co.id/files/cdk/files/15_ResponImundanDerajatKesakita n.pdf/15_ResponImundanDerajatKesakitan.html). Terdapat 3 faktor yang memegang peranan pada penularan infeksi virus dengue yaitu manusia, virus dan vektor perantara. Virus dengue ditularkan kepada manusia melalui gigitan nyamuk Aedes aegypti. Nyamuk Aedes albopictus, Aedes polynesiensis dan beberapa spesies lain dapat juga menularkan virus dengue namun merupakan vektor yang

25

kurang berperan. Nyamuk aedes aegypti hidup dan berkembang biak pada tempat penampungan air bersih seperti bak mandi, minuman kosong, air tendon, air tempayan atau gentong, kaleng dan ban bekas. Tersebar luas di kota maupun di desa kecuali di wilayah yang memiliki ketinggian 1000 meter

di

atas

permukaan

laut

(http://www.arthagrahapeduli.org/index.php?option=com_content&view= article&id=572%3Awaspada-demam-berdarah-dengue&catid=36%

3Akesehatan&Itemid=66&lang=in). Gigitan nyamuk aedes aegypti sendiri tidak membahayakan kesehatan selama tidak terkontaminasi oleh virus dengue. 2.7.2

Gejala DBD Bentuk klasik dari DBD ditandai dengan demam tinggi, mendadak

2-7 hari, disertai dengan muka kemerahan. Keluhan seperti anoreksia, sakit kepala, nyeri otot, tulang, sendi, mual dan muntah sering ditemukan. Beberapa penderita mengeluh nyeri menelan dengan farings hiperemis ditemukan pada pemeriksaan, namun jarang ditemukan batuk pilek. Bentuk pendarahan yang paling sering adalah uji tourniquet (Rumple leede) positif, kulit mudah memar dan pendarahan pada bekas suntikan intravena atau pada bekas pengambilan darah (Depkes RI Dirjen P2MLP, 2004). Pengobatan DBD bersifat suportif. Tatalaksana didasarkan atas adanya perubahan fisiologi berupa perembesan plasama dan pendarahan.

26

Perembesan plasma dapat mengakibatkan syok, anoreksia dan kematian. Deteksi dini terhadap adanya permebesan plasma dan penggantian cairan yang adekuat akan mencegah terjadinya syok (Depkes RI Dirjen P2MLP, 2004). 2.8

Demam Tifoid 2.8.1

Sejarah Demam Tifoid Demam tifoid adalah peyakit infeksi sistemik yang disebabkan

oleh kuman Salmonella typhi dan kadang-kadang kuman Salmonella paratyphi. Penyakit ini ditularkan melalui makanan atau minuman yang terkontaminasi oleh kuman S. typhi. 2.8.2

Gejala Demam Tifoid Gejala klinis demam tifoid pada anak biasanya memberikan

gambaran klinis ringan bahkan dapat tanpa gejala (asimtomatik). Diantara tanda dan gejala yang ditimbulkan pada penderita demam tifoid antara lain: demam, lidah kotor, bagian tengah berwarna putih dan pinggirannya berwarna merah, anoreksia, mual berat sampai muntah, obstipasi atau diare, nyeri kepala, nyeri otot, dan sakit perut yang diakibatkan pembengkakan hati dan limpa. 2.9

Diagram Alur (Flowchart) Flowchart adalah salah satu cara menggambarkan algoritma dengan menggunakan simbol (Direktorat Hukum dan Informasi,2007:9) Flowchart digunakan untuk merepresentasikan maupun mendesain

27

program. Oleh karena itu, flowchart dapat dikatakan baik jika dapat merepresentasikan komponen-komponen dalam bahasa pemrograman. Simbol-simbol untuk menggambarkan algoritma yang dibuat dapat dilihat pada tabel berikut (Ladjamudin, 2006:267-270) : Tabel 2.3 Simbol-simbol flowchart Nama

Simbol

Keterangan

Simbol penghubung/alur Untuk menyatakan jalannya arus Arus/flow

suatu proses

Untuk menyatakan bahwa adanya Communication link

transisi suatu data/informasi dari satu lokasi ke lokasi lainnya Untuk menyatakan sambungan

Connector

dari satu proses ke proses lainnya dalam halaman/lembar yang sama Untuk menyatakan sambungan dari satu proses ke proses lainnya

Offline connector dalam

halaman/lembar

yang

berbeda Simbol proses Untuk

menyatakan

Proses pemrosesan input

kegiatan

28

Untuk meyatakan suatu tindakan Manual

yang

tidak

dilakukan

oleh

komputer Untuk

menunjukkan

suatu

kondisi

tertentu

akan

yang

Decision/logika menghasilkan dua kemungkinan jawaban, ya/tidak Untuk menyatakan penyediaan tempat

penyimpanan

suatu

Predefined process pengolahan untuk memberi harga awal Untuk

menyatakan

permulaan

Terminal atau akhir suatu program Untuk menyatakan segala jenis

operasi yang diproses dengan Keying operation menggunakan suatu mesin yang mempunyai keyboard Untuk menunjukkan bahwa data Offline storage

da;am symbol ini akan disimpan ke suatu media tertentu Untuk memasukkan data secara

Manual input

manual

dengan

online keyboard

menggunakan

29

Simbol input-output Untuk menyatakan proses input Input-Output

dan

output

tanpa

tergantung

dengan jenis peralatannya Untuk menyatakan input berasal Punched card

dari kartu atau output ditulis ke kartu Untuk menyatakan input berasal

Magnetic-tape unit

dari pita magnetic atau output disimpan ke pita magnetic Untuk menyatakan input berasal

Disk storage

dari disk atau output disimpan ke disk Untuk

Display

meyatakan

peralatan

output yang digunakan berupa layar (video, komputer)

2.10

State Transitions Diagram (STD) Diagram state menghubungkan event-event dan state-state. Ketika suatu

event diterima, state berikutnya bergantung pada state yang sekarang ada. Perubahan suatu state ke state yang lain dinamai transisi. Diagram state adalah diagram yang simpulnya adalah state dan garisnya adalah transisi yang diberi nama event. State digambarkan dalam kotak berisi namanya. Transisi

30

digambarkan sebagai tanda panah dari state penerima ke state targetnya, label pada tanda panah adalah nama event penyebab suatu transisi. State 1 event State 2

Gambar 2.4 Perubahan state 2.11

Rapid Application Development (RAD) 2.11.1 Defnisi RAD Rapid Application Development (RAD) atau pengembangan aplikasi cepat adalah suatu pendekatan berorientasi objek terhadap pengembangan sistem yang mencakup suatu metode pengembangan serta perangkat-perangkat lunak (Kendall&Kendall,2006:237). Pada tataran konsep RAD mirip dan sangat dekat hubungannya dengan metode pengembangan sistem prototyping karena sama-sama menekankan keunggulan waktu yang cepat dalam proses pengembangan sistem. Kendall (2006:2007)

mengungkapkan bahwa RAD dapat dianggap

sebagai implementasi khusus dari prototyping. Prototyping adalah suatu teknik pengumpulan data yang sangat berguna melengkapi siklus hidup pengembangan sistem tradisional.

31

2.11.2 Tahap-Tahap Pengembangan Sistem RAD Terdapat 4 tahap pengembangan sistem RAD menurut konsep asli dari James Martin, yakni tahap perencanaan syarat, tahap perancangan pengguna, tahap konstruksi dan terakhir tahap pelaksanaan. Perencanaan syarat-syarat

Perancangan pengguna

konstruksi

Pelaksanaan

Gambar 2.4 Fase RAD Martin Sementara itu, Kendall&Kendall (2006:237) mengungkapkan ada tiga fase dalam RAD yang melibatkan penganalisis dan pengguna dalam tahap penilaian, perancangan dan penerapan (implementasi). Kendall juga mengingatkan akan keterlibatan pengguna dalam setiap bagian upaya pengembangan dengan partisipasi mendalam dalam bagian perancangan bisnis. Mengidentifikasi tujuan dan

Bekerja dengan pengguna untuk

Membangu n sistem

Mengenalka n sistem

Gambar 2.5 Fase pengembangan sistem RAD Kendall Baik menurut konsep asli dari James Martin, Kendall&Kendall maupun Pressman, tahap-tahap pengembangan sistem RAD tampak berbeda namun memiliki kesamaan dalam penekanan terhadap interaksi aktif antara pengembang sistem dengan pengguna sehingga akan dihasilkan sistem yang sesuai dengan keinginan dan kebutuhan pengguna. Berikut ini tahap pengembangan sistem RAD menurut Pressman (2005) : 1. Tahap communication

32

2. Tahap planning 3. Tahap Modelling 4. Tahap construction 5. Tahap deployment

Communication

Planning

Modelling Business modelling Data modeling Process modelling

Construction Component reuse Automatic code generation Testing

Deployment Integration Delivery Feedback

60 – 90 days

Gambar 2.6 RAD Model Pressman 2.12 Matlab 7.8 (R2009a)

Matlab adalah singkatan dari Matrik Laboratory, merupakan bahasa pemrograman tingkat tinggi yang dikhususkan untuk kebutuhan komputasi teknis, visualisasi dan pemrograman seperti komputasi matematika, analisis data, pengembangan algoritma, simulasi dan pemodelan dan grafik-grafik perhitungan. Matlab menyediakan banyak fitur dalam mendukung fungsinya, diantaranya (http://www.mathworks.com/):

33

a. Merupakan bahasa tingkat tinggi untuk komputasional teknis b. Lingkungan pengembangan untuk pengaturan kode, data, dan file. c. Tools yang interaktif untuk eksplorasi, design dan pemecahan masalah. d. fungsi matematika untuk aljabar, statistik, analisis Fourier dan optimasi . e. fungsi grafik 2-D dan 3-D untuk visualisasi data. f. Tools untuk membangun Graphical User Interface (GUI). g. Fungsi integrasi Matlab dengan bahasa pemrograman yang lain seperti C, C++, Fortran, Java, COM dan Microsoft Excel.

Gambar 2.7 Tampilan Matlab yang mengintegrasikan pengembangan algoritma, analisis data, dan pengaturan project Secara kesuluruhan, Matlab memiliki 6 buah jendela (Siang, 2009:152), yaitu : a. Jendela perintah (command window) Jendela perintah merupakan tempat untuk memasukkan perintah yang kita inginkan seperti perhitungan biasa, memanggil fungsi, mencari informasi tentang sebuah fungsi, demo program dan sebagainya. Setiap penulisan perintah diawali dengan prompt ‘>>’. Berikut screenshot jendela perintah :

34

Gambar 2.8 Jendela command window b. Jendela daftar perintah (command history) Jendela ini memuat daftar perintah yang pernah kita ketikkan dalam jendela perintah. Untuk mengeksekusi kembali perintah yang pernah dipakai, drag perintah tersebut dari jendela daftar perintah ke jendela perintah. Berikut screenshot jendela daftar perintah :

Gambar 2.9 Jendela command history c. Jendela launch pad Jendela ini berisi fasilitas yang disediakan Matlab untuk menjalankan paket perangkat lunak (toolbox) untuk menyelesaikan masalah tertentu. Contohnya, untuk melihat demo program jaringan saraf tiruan, kita bisa memilih folder

35

neural network toolbox, dan memilih subfolder demo. Berikut screenshot jendel daftar perintah :

Gambar 2.10 Jendela launch pad d. Jendela Help Jendela ini dipakai ketika kita mengalami kesulitan sewaktu memilih perintah atau formatnya. Untuk membantu melihat format perintah, kita bisa menggunakan help dengan 2 cara : -

Mengetikkan help (topik) dalam jendela perintah, misalnya help ones,

ones adalah perintah untuk membuat matriks yang semua elemennya adalah 1.

Gambar 2.11 Help dari command window -

Membuka jendela help dari menu View.

36

Gambar 2.12 Jendela Help dari menu View e. Jendela direktori Jendela untuk menentukan direktori aktif yang digunakan Matlab. Berikut screenshotnya :

Gambar 2.13 Jendela current directory f. Jendela workspace Jendela di mana kita dapat melihat informasi pemakaian variabel di dalam memori Matlab. Berikut screenshotnya :

Gambar 2.14 Jendela workspace

37

2.12.1 Bekerja dengan Matlab Ada 2 cara yang dapat kita gunakan dalam melakukan pemrograman Matlab, yaitu : 1. Secara langsung di jendela perintah Cara ini sedikit riskan karena akan sulit mengevaluasi secara keseluruhaan perintah yang dimasukkan baris perbaris. 2. Menggunakan M-File M-File merupakan sederetan perintah Matlab yang dituliskan secara berurutan sebagai sebuah file. Pemrograman dengan M-File memberikan kontrol lebih banyak dibandingkan dengan command line seperti poin 1 di atas. Dengan M-File kita bisa melakukan percabangan, perulangan dan lain-lain. Program M-File mirip dengan bahasa C yang membagi program dalam blok program berupa fungsi-fungsi. Tiap fungsi dapat memanggil fungsi yang lain. Untuk membuat M-File, klik menu File kemudian pilih New dan klik M-File. Akan tampil layar MATLAB Editor/Debugger. Jika pekerjaan kita telah selesai, untuk menyimpannya klik menu File dan Save As….tuliskan nama file yang kita inginkan dan klik button save. File akan disimpan dengan ekstensi *.m. Agar dapat dijalankan dengan benar, maka program harus disimpan dahulu kedalam file yang namanya sama dengan nama fungsi (fungsi dijelaskan pada poin 2.8.2).Untuk membuka M-File dari command window, ketik edit namafile dan tekan Enter atau klik Return.

38

2.12.2 Fungsi dalam Matlab Fungsi dalam Matlab terdiri dari 2 bagian yaitu : a. Definisi fungsi Bentuk definsi fungsi adalah sebagai berikut : Function <argument keluaran> = (<argument masukan>) Sebagai contoh : Function y = average (x) Baik argumen masukan maupun keluaran bisa berupa variabel berupa skalar, vektor maupunn matriks atau tanpa argumen sama sekali. Argumen masukan boleh lebih dari 1, masing-masing dipisahkan dengan tanda koma. Demikian juga apabila argumen keluaran lebih dari 1 elemen, maka argumen tersebut dipisahkan dengan tanda koma atau diletakkan diantara kurung siku. b. Tubuh fungsi Tubuh fungsi berisi semua perintah untuk membuat komputasi dan memberikan harga kepada argumen keluaran. Pernyataan dalam tubuh fungsi

bisa

berupa

pemberian

nilai

pada

suatu

variabel,

masukan/keluaran, fungsi kontrol, iterasi ataupun pemanggilan kepada fungsi lain. Contoh script sederhana Matlab disajikan berikut ini : % Script file contoh x = pi/100: pi/100:10*pi;

39

y = sin(x) ./x; plot (x,y) grid Penjelasan dari script di atas adalah sebagai berikut : Tanda % menandakan komentar dan akan diabaikan oleh Matlab, artinya tidak akan dieksekusi. Penulisan komentar disesuaikan dengan kebutuhan pembuat program. Dua baris berikutnya x dan y dibuat. Tanda “;” sebagai pemisah baris perintah. Array x memuat 1000 angka berspasi rata dalam interval [c/100 10ߨ] sedangkan array y memuat nilai-nilai dari sinc function y = sin(x)/x pada point tersebut. Dot operator (.) digunakan sebelum operator divisi sebelah kanan (right division operator). Ini memberitahukan kepada Matlab untuk melaksanakan componentwise division dari dua deret sin(x) dan x. perintah plot mencipatkan grafik dari sinc function dengan menggunakan titik-titik yang dihasilkan oleh dua baris sebelumnya. Terakhir, perintah grid dilaksanakan, dengan menambahkan satu grid untuk grafik. 2.12.3 Kontrol Arus Aliran Untuk mengontrol arus perintah, Matlab menyediakan 4 alat yang dapat digunakan yaitu (Hartanto&Prasetyo,2003:18) : 1. Perulangan for Sintaks dari perulangan for adalah sebagai berikut : For variabel = skalar:skalar Pernyataan ….

40

pernyataan end 2. perulangan while Sintaks dari perulangan while adalah sebagai berikut : while expression op_rel expression pernyataan end dimana op_rel adalah ==, <, >, <=, >=, atau ~=. 3. Konstruksi perulangan if-else-end Sintaks dari konstruksi perulangan if-else-end adalah sebagai berikut : If expression Pernyataan End Kontruksi di atas digunakan jika hanya ada satu alternatif. Jika ada 2 alternatif maka konstruksi yang digunakan adalah sebagai berikut : If expression Pernyataan Else Pernyataan End

41

Sedangkan jika ada lebih dari 2 alternatif, maka kontruksi yang digunakan adalah : If expression1 Pernyataan Elseif expression2 Pernyataan Elseif … . . Else Pernyataan end 4. konstruksi perulangan switch-case Sintaks dari konstruksi switch-case adalah sebagai berikut : Switch expression (skalar atau string) Case nilai1 Case nilai2 . . Otherwise Pernyataan End

42

2.12.4 Pembuatan Grafik a. Grafik 2 dimensi Fungsi dasar yang digunakan untuk membuat grafik 2 dimensi adalah fungsi plot. Fungsi ini menggunakan satu angka variabel dari argumen input. Ada pula fungsi subplot yang digunakan untuk memplot beberapa grafik di figure window yang sama. Untuk definisi penuh dari fungsi ini kita dapat mengetikkan help plot dalam command window. b. Grafik 3 dimensi Matlab mempunyai beberapa fungsi tersendiri untuk memplot objek 3 dimensi. Fungsi-fungsi tersebut adalah plot kurva di ruangan (plot 3), mesh surface (mesh), surface (surf), dan plot kontur (countor). Juga ada 2 fungsi untuk memplot permukaan khusus, sphere dan cylinder. Penjelasan tentang fungsi-fungsi ini juga dapat diketahui dengan mengetikkan help graph3d pada command window. 2.13

Literatur Sejenis Pada penelitian ini penulis mengambil studi literatur sejenis yang akan

digunakan sebagai acuan pembuatan aplikasi untuk membedakan hal-hal yang sudah dilakukan dan menentukan hal-hal yang perlu dilakukan. Literatur yang diambil sebagai perbandingan terutama yang berkaitan dengan diagnosis penyakit dan penggunaan logika fuzzy. Studi literatur sejenis diambil dari 2 buah skripsi, 1 skripsi mahasiswa UIN Syarif Hidayatullah Jakarta dan 1 skripsi mahasiswa ITS. Skripsi Fitriyanti (2010) dengan judul “Diagnosis Penyakit TBC Paru dan Asma Bronkial Menggunakan Metode Jaringan Syaraf Tiruan

43

Backpropagation ”. Penyakit TBC Paru dan Asma Bronkial sulit dibedakan karena memiliki gejala klinis yang mirip sehingga perlu adanya sebuah sistem yang membantu membedakan mana penyakit TBC Paru dan Asma Bronkial. Sistem jaringan saraf tiruan memiliki kemampuan untuk memecahkan masalah dimana input dan output memiliki hubungan yang sangat sulit dijabarkan. Tujuan dari aplikasi ini adalah mengaplikasikan metode jaringan syaraf tiruan dengan algoritma backpropagation yang dapat melakukan tugas dalam mendeteksi kondisi penyakit TBC Paru dan Asma Bronkial berdasarkan gejala-gejala yang sering terjadi pada manusia. Aplikasi yang dibuat peneliti telah berhasil menerapkan jaringan saraf tiruan metode backpropagation untuk diagnosis TBC Paru dan Asma Bronkial. Kekurangan aplikasi ini adalah tidak dapat mengakomodasi data fuzzy. Skripsi Riri Kusumarani (2004) dengan judul “Aplikasi Sistem Pakar dalam Pendeteksian Penyakit Demam Berdarah Dengue Menggunakan Microsoft Visual Basic 6.0 ”. Sistem pakar adalah sistem yang berusaha mengadopsi

pengetahuan

manusia

ke

komputer,

agar

komputer

dapat

menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Penyakit Demam Berdarah Dengue tentunya bukan suatu penyakit yang tergolong baru di masayarakat Indonesia. Penyakit yang bisa dibilang rutin datang setiap lima tahun sekali. Ini sesungguhnya sangat meresahkan. Peyakit ini sendiri sangat cepat penyebarannya dengan bantuan vektor nyamuk Aedes aegypti. Gejala yang timbul pada penderita sangatlah umum, hal ini menyebabkan banyak penderita yang terlambat dalam penanganannya sehingga berakibat fatal (meninggal). Aplikasi

44

yang dibuat menghadirkan fitur-fitur tentang informasi DBD. Selain itu juga menghadirkan fitur pendeteksian penyakit DBD. Aplikasi telah memenuhi tujuannya untuk mendeteksi penyakit DBD. Hanya saja masih terbatas pada 1 penyakit saja yaitu DBD serta hanya mengakomodasi nilai biasa (crisp value). Dari uraian di atas, maka penulis mencoba menerapkan logika fuzzy untuk diagnosis 2 buah penyakit yaitu DBD dan demam tifoid yang memiliki kemiripan gejala dengan 5 buah gejala klinis sebagai parameter masukan.

BAB III METODOLOGI PENELITIAN

Bab ini menguraikan metodologi yang digunakan dalam penelitian ini meliputi metode pengumpulan data dan metode pengembangan sistem dilengkapi dengan alasan penulis menggunakan metode pengembangan sistem tersebut. Dalam penelitian diperlukan data-data yang dapat menunjang penelitian sehingga

diperlukan

metode

pengumpulan

data.

Sementara

itu,

untuk

mengembangkan sistem penulis menggunakan Rapid Application Development. Bab ini akan menguraikan metode pengumpulan data dan metode pengembangan sistem yang penulis gunakan beserta alasan penulis menggunakan RAD sebagai metode pengembangan sistem. 3.1

Metode Pengumpulan Data Data menjadi hal yang penting dalam sebuah proses penelitian, oleh

karena data tersebut akan menjadi dasar dari penelitian itu sendiri. Untuk pengumpulan data, penulis menggunakan 2 metode yaitu : 1. Wawancara Penulis melakukan wawancara untuk mendapatkan data yang akan dimasukkan sebagai knowledge base sistem. Adapun yang menjadi pakar adalah dr. Indra Kusuma. Wawancara dilakukan di Rumah Bersalin Gratis Rumah Zakat di Pulogadung, Jakarta Timur sebanyak 2 kali yakni pada tanggal 23 Oktober 2010 untuk mendapatkan data parameter fuzzy beserta keanggotaannya. Sementara yang kedua dilakukan pada tanggal 30 Oktober 2010 untuk penentuan basis aturan

45

46

(rule base) fuzzy. Dari hasil wawancara juga didapatkan bentuk pertanyaanpertanyaan yang akan digunakan pada model aplikasi pakar. 2. Studi pustaka Penulis mengumpulkan dan mempelajari data dan informasi dari berbagai sumber literatur baik cetak maupun elektronik yang berkaitan dengan logika fuzzy diagnosis penyakit DBD dan demam tifoid. Sumber-sumber yang penullis gunakan berasal dari buku referensi, hasil penelitian (skripsi), jurnal online, buku pedoman serta artikel dari berbagai sumber. Adapun sumber utama yang dijadikan referensi oleh penulis yaitu bukubuku seperti berikut : 1. Artificial Intelligence, Teknik dan Aplikasinya, Sri Kusumadewi, 2003, Penerbit Graha Ilmu, Yogyakarta. 2.

Buku pedoman Tata Laksana Demam Berdarah Dengue di Indonesia, 2004, Penyunting Sri Rezeki, diterbitkan oleh Departemen Kesehatan RI Dirjen P2MLP, Jakarta.

3. Buku pedoman Demam Tifoid; Peran Mediator, Diagnosis dan Terapi, 2000, penyunting H. Iskandar Zulkarnain diterbitkan oleh Pusat Informasi dan Penerbitan Bagian Ilmu Penyakit Dalam FKUI, Jakarta. 4. Rekayasa Perangkat Lunak, 2006, Al Bahra Bin Ladjamudin, Penerbit Graha Ilmu, Yogyakarta. Untuk data lebih lengkap mengenai rujukan yang penulis ambil dapat dilihat di daftar pustaka.

47

Penulis juga melakukan studi literatur sejenis guna membandingkannya dengan penelitian yang akan dibuat. Hasil studi literatur sejenis dapat dilihat di BAB II Subbab 2.13. 3.2

Metode Pengembangan Sistem Untuk metode pengembangan sistem, penulis menggunakan 5 fase dalam

model RAD yakni communication, planning, modelling, construction dan deployment (Pressman : 2005). Penjelasan lebih lanjut mengenai RAD lihat bab II subbab 2.11.2. Model RAD digunakan dengan tujuan mempersingkat waktu pengerjaan aplikasi serta proses yang dihasilkan didapatkan secara cepat dan tepat. 1.

Communication Pada tahap communication dilakukan proses komunikasi, yaitu proses

memahami permasalahan dan karakteristik informasi yang harus diakomodasi, melalui studi literatur yang dilakukan di awal. Informasi-informasi yang didapatkan akan diolah pada tahap berikutnya. Informasi tersebut akan digunakan untuk membangun aplikasi yang sesuai dengan kebutuhan pengguna dan dapat menjawab permasalahan yang diangkat pada latar belakang dilakukannya penelitian. Permasalahan yang harus dipecahkan oleh sistem ini adalah membuat model logika fuzzy dengan cara membuat rule-rule atau aturan yang berjalan pada sistem sehingga sistem dapat menjalankan fungsinya mendiagnosis suatu penyakit apakah termasuk penyakit DBD ataukah demam tifoid berdasarkan gejala-gejala klinis yang diberikan kedalam sistem.

48

Adapun tujuan dari sistem adalah mendiagnosis penyakit DBD atau demam tifoid sesuai dengan gejala klinis yang diberikan. Input sistem berupa gejala-gejala klinis suatu penyakit. Output sistem berupa diagnosis penyakit termasuk DBD atau demam tifoid beserta tata laksananya. 2.

Planning Pada tahap planning dilakukan perencanaan proses yang akan dijalankan,

dengan mengidentifikasi syarat-syarat informasi yang ditimbulkan dari tujuantujuan tersebut. Perencanaan proses itu dilakukan berdasarkan informasi yang telah didapatkan dari tahap pertama komunikasi. Pada tahap ini penulis melakukan penentuan yaitu : a. Fungsi keanggotaan fuzzy input (premis) yang digunakan adalah fungsi Gaussian (gaussmf), zmf dan smf, sementara untuk fuzzy output digunakan fungsi trimf. b. Penerapan fuzzy logic pada tahap inferensi menggunakan metode Mamdani, karena output aplikasi berupa bilangan fuzzy. c. Pembuatan aturan fuzzy serta pemberian skor parameter input dan output dibantu oleh pakar yaitu dokter. d. Proses defuzzyfikasi menggunakan metode rata-rata terbobot (weighted average). 3.

Modelling Pada tahap modelling dilakukan pemodelan informasi yang harus di

akomodasi, proses-proses yang terjadi pada aplikasi, interface yang akan dipergunakan, dan data yang diperlukan selama penggunaan aplikasi.

49

a. Business modeling Pada tahap ini dilakukan pemodelan bisnis yang akan berjalan pada sistem. b. Data modelling Pada tahap ini dilakukan perancangan struktur data yang akan digunakan untuk pengolahan data.. Penjelasan lebih lanjut dapat dilihat pada pembahasan BAB IV subbab 4.3.2. c. Process modelling Pada tahap ini dilakukan perancangan proses yang terdapat pada sistem yakni proses input data hingga sistem menghasilkan output. d. Perancangan antarmuka (interface) 4.

Construction Pada tahap construction, proses logika fuzzy sesuai dengan hasil

pemodelan pada tahap sebelumnya diterapkan dengan menggunakan kode-kode program. Tool yang penulis gunakan adalah Matlab 7.8.0 (R2009a). Alasan penggunaan Matlab adalah seperti yang telah dijelaskan pada bab I subbab 1.1. Kode program lengkap dapat dilihat di lampiran E. Pada tahap ini juga dilakukan pengujian. Pengujian yang digunakan adalah dengan pendekatan black box test dengan metode unit test dan integration test yang akan menguji program secara keseluruhan sehingga dapat diketahui keberhasilan pengembangan aplikasi meliputi pengujian input dan output. Hasil pengujian dapat dilihat pada bab IV subbab 4.4.3.

50

5.

Deployment Pada tahap deployment dilakukan penyatuan keseluruhan modul program

yang telah diuji dan siap dipakai kemudian pengiriman (delivery) dan umpan balik (feedback). Pada penelitian ini, hanya samapi pada tahapan construction karena penelitian ini dilakukan bukan digunakan langsung oleh pelanggan. 3.3

Alasan Penulis Menggunakan RAD Dari

berbagai

model

pengembangan

sistem

yang

ada,

penulis

menggunakan model RAD dengan alasan-alasan sebagai berikut : 1.

Aplikasi yang akan dikembangkan merupakan aplikasi yang sederhana dan tidak memerlukan waktu yang lama. Metode RAD digunakan untuk pengembangan sistem yang seperti ini (Kendall&Kendall,2006:237).

2. Pengembangan aplikasi dalam implementasinya tidak memiliki fase pemeliharaan karena merupakan aplikasi yang sederhana oleh karena itu penulis menggunakan metode RAD bukannya metode sekuensial linear (Pressman, 2005:83). 3.

Aplikasi tidak memerlukan tahapan yang panjang seperti halnya jika kita ingin menggunakan model spiral yang merupakan salah satu model evolusioner yang memiliki waktu yang cukup panjang dalam pengembangan software (Proboyekti, 2004:1).

4.

Salah satu kekurangan model formal adalah banyak memakan waktu dan mahal (Pressman, 2002:54) sementara aplikasi ini tidak banyak memerlukan waktu dan biaya.

51

Mulai

Identifikasi Masalah

Studi Pustaka

Pengembangan Sistem

Akuisisi Pengetahuan

Wawancara Pakar

Pengembangan Model logika fuzzy

Pengembangan Aplikasi

Program Matlab

Ujicoba (testing)

Pembahasan, kesimpulan, dokumentasi dan penulisan laporan

Tidak Sesuai Harapan

Ya Selesai

Gambar 3.1 Kerangka pengembangan sistem

BAB IV HASIL DAN PEMBAHASAN

Pada bab ini akan dijelaskan lebih lanjut lagi mengenai proses perancangan serta implementasinya dalam program termasuk proses pengujian program. 4.1

Communication Berdasarkan penjabaran latar belakang yang telah dijelaskan pada Bab I

subbab 1.1 dan studi literatur yang dijelaskan pada Bab II subbab 2.13, maka diperlukan pengembangan model logika fuzzy untuk diagnosis DBD dan demam tifoid, dengan pendekatan sistem pakar untuk pengembangan sistemnya sehingga diharapkan dapat menjawab permasalahan yang telah dijelaskan pada subbab 1.2. 4.2

Planning Dari analisis permasalahan yang telah diketahui pada tahap sebelumnya,

maka dibuatlah perencanaan untuk mengembangkan model logika fuzzy diagnosis DBD dan demam tifoid serta pengembangan aplikasi dengan pendekatan sistem pakar untuk aplikasi antarmukanya. Pemodelan logika fuzzy akan menggunakan software Matlab karena pertimbangan kemudahan dan keandalan komputasinya. Untuk dapat membangun pemodelan logika fuzzy diperlukan data-data yang akan menjadi parameter logika fuzzy. Data-data yang digunakan adalah data gejala klinis penyakit DBD dan demam tifoid yang memiliki kemiripan dengan ciri khas yang berbeda untuk masing-masing penyakit.

52

53

Sistem kerja aplikasi antarmuka mengadopsi cara kerja sistem pakar karena memang pendekatan yang dilakukan adalah pendekatan sistem pakar. Aplikasi akan menerima input parameter berupa gejala-gejala klinis dan selanjutnya aplikasi akan memberikan output berupa hasil diagnosis. Parameter yang akan digunakan adalah gejala-gejala klinis penyakit DBD dan demam tifoid diantaranya : demam, nyeri otot dan sendi extrimis atas (tangan dan lengan) dan extrimis bawah (kaki), manifestasi pendarahan seperti pendarahan pada hidung dan gusi serta uji tornikuet positif, adanya gangguan pencernaan, serta pemeriksaan lidah apakah berselaput atau tidak. Perbandingan gejala antara DBD dan demam tifoid ditampilkan pada tabel berikut : Tabel 4.1 Perbandingan gejala DBD dan demam tifoid No

Gejala

1.

Demam

2.

Nyeri otot dan sendi extrimis atas dan bawah

3.

Manifestasi pendarahan

4.

Gangguan pencernaan

5.

Kondisi lidah

(sumber : hasil wawancara)

DBD Demam Tifoid Muncul mendadak dan Muncul bertahap suhu mencapai 40 C, perlahan hingga rentang bertahan tinggi selama waktu 1 minggu 2-3 hari Muncul, namun tidak Sangat mengganggu terlalu mengganggu pasien dan sering sehingga jarang dikeluhkan dikeluhkan Pendarahan spontan, uji tornikuet positif bahkan Pendarahan pada hidung sampai pada tahap dan gusi sedikit serta uji hematemesis dan tornikuet negative melena Jarang terjadi Sering terjadi konstipasi konstipasi ataupun atau diare diare Lidah berselaput, kotor di Warna lidah relatif tenngah dan ujung merah normal dan tremor

54

4.3

Modelling 4.3.1 Business Modelling Tujuan dari perancangan aplikasi ini adalah merancang suatu model logika fuzzy untuk diagnosis penyakit demam berdarah atau demam tifoid berdasarkan input gejala-gejala klinis tertentu Adapun kebutuhan sistem adalah data-data gejala klinis penyakit demam berdarah dan demam tifoid seperti yang telah dijelaskan sebelumnya pada poin 4.2 untuk pembentukan aturan fuzzy. Sementara untuk diagnosis demam berdarah dan demam tifoid digunakan pendekatan sistem pakar. Adapun untuk antarmuka program akan dirancang dengan menggunakan tools Matlab 7.8.0. karena keunggulannya dalam komputasi numerik dan visualisasi data. Penjelasan tentang Matlab dijelaskan pada BAB II subbab 2.12. 4.3.2 Data Modelling 4.3.2.1 Basis Data Fuzzy Desain struktur data menggunakan himpunan fuzzy yang dibedakan menjadi kriteria dan parameter. Kriteria yakni gejala klinis demam berdarah dengue dan demam tifoid yaitu demam, nyeri otot dan sendi, manifestasi pendarahan, gangguan pencernaan dan kondisi lidah. Masing-masing kriteria memiliki parameter yang mencerminkan keanggotaan himpunan fuzzy atau membership function (mf). Kriteria, parameter dan nilai fungsi keanggotaan diperoleh berdasarkan hasil wawancara dengan pakar. Untuk

55

masing-masing kriteria terdiri dari 3 parameter dengan atribut nilai yang sama namun atribut linguistik yang berbeda-beda. Atribut nilai berkisar antara 0 – 10. Untuk fungsi keanggotaan atribut nilai rendah (0 – 3,6) digunakan fungsi bentuk Z (zmf), atribut nilai sedang (1,69 – 5) digunakan fungsi Gaussian (gaussmf) dan atribut nilai tinggi (6,49 – 9,6) digunakan fungsi bentuk S (smf) . Demam terdiri dari 3 parameter yaitu mendadak, ragu-ragu dan bertahap. Penilaian demam didasarkan pada asumsi demam

tinggi (antara 38 C sampai dengan 40 C) dan dibedakan dari sifat kemunculan demam tersebut. Demam dikatakan mendadak jika muncul secara tiba-tiba dan langsung meninggi hingga 40 C serta bertahan untuk waktu 2-3 hari. Demam dikategorikan sebagai ragu-

ragu jika suhu tubuh meningkat bertahap namun tidak bertahan pada suhu tertentu dalam jangka waktu lama (2-3 hari), misalnya demam hanya muncul pada sore atau malam hari saja. Demam dikategorikan bertahap jika kenaikan suhu setiap harinya naik secara perlahan sampai rentang waktu 1 minggu. Nilai fuzzy demam disajikan pada tabel berikut : Tabel 4.2 Nilai fuzzy demam Demam Bertahap

Nilai skor 0,00 – 3,21

Ragu-ragu

1,69 – 5,00

Mendadak

6,49 – 9,60

Pengukuran Suhu tubuh naik bertahap 1 minggu Demam hilang timbul pagi dan malam hari Muncul tiba-tiba, bertahan tinggi 2-3 hari

56

Fungsi keanggotaan demam adalah sebagai berikut :

Gambar 4.1 Membership function demam Dari gambar di atas terlihat bahwa derajat keanggotaan demam bertahap akan maksimal (nilai mf 1) dicapai ketika nilai demam 0-1 dan minimal (nilai mf 0) dicapai ketika nilai demam ≥ 3,21. Derajat keanggotaan demam ragu-ragu maksimal (nilai mf 1) dicapai ketika nilai demam 5 dan minimal (nilai mf 0) dicapai ketika nilai demam 0 atau 10. Derajat keanggotaan demam mendadak maksimal (nilai mf 1) dicapai ketika nilai demam 9,6 dan minimal (nilai mf 0) dicapai ketika nilai demam ≤ 6,49. Nyeri otot dan sendi terdiri dari 3 parameter, tidak mengganggu, mengganggu dan sangat mengganggu. Penilaian nyeri otot dan sendi didasarkan pada keluhan pasien akan nyeri otot dan sendi pada bagian extrimis atas meliputi lengan dan tangan serta bagian extrimis bawah meliputi kaki apakah tidak mengganggu, mengganggu atau sangat mengganggu pasien.

57

Tabel 4.3 Nilai fuzzy nyeri otot dan sendi Nyeri otot&sendi Tidak mengganggu

Nilai skor 0,00 – 3,60

Pengukuran Tidak ada keluhan Ada keluhan tetapi tidak terlalu Mengganggu 1,69 – 5,00 mengganggu Sangat mengganggu dan Sangat mengganggu 6,49 – 9,60 dikeluhkan pasien Fungsi keanggotaan nyeri otot dan sendi adalah sebagai berikut :

Gambar 4.2 Membership function nyeri otot dan sendi Dari gambar di atas terlihat bahwa derajat keanggotaan nyeri otot dan sendi tidak mengganggu akan maksimal (nilai mf 1) dicapai ketika nilai nyeri otot dan sendi 0-1 dan minimal (nilai mf 0) dicapai ketika nilai nyeri otot dan sendi ≥ 3,6. Derajat keanggotaan nyeri otot dan sendi mengganggu maksimal (nilai mf 1) dicapai ketika nilai nyeri otot dan sendi 5 dan minimal (nilai mf 0) dicapai ketika nilai nyeri otot dan sendi 0 atau 10. Derajat keanggotaan nyeri otot dan sendi sangat mengganggu akan maksimal (nilai mf 1) dicapai ketika nilai nyeri otot dan sendi 9,6 dan minimal (nilai mf 0) dicapai ketika nilai nyeri otot dan sendi ≤ 6,49.

58

Manifestasi pendarahan terdiri dari 3 parameter yaitu tidak jelas, ragu-ragu dan sangat jelas. Penilaian ini berdasarkan hasil pengamatan pendarahan pada hidung dan gusi, sifat pendarahan yang spontan atau tidak serta uji tornikuet. Termasuk kategori tidak jelas jika pendarahan pada hidung dan gusi sedikit serta tidak spontan. Termasuk kategori ragu-ragu jika pendarahan terjadi spontan pada hidung, gusi serta kulit ditambah lagi dengan hasil uji tornikuet positif. Termasuk kategori sangat jelas jika pasien telah sampai pada tahap hematemesis atau melena. Tabel 4.4 Nilai fuzzy manifestasi pendarahan Manifestasi pendarahan

Nilai skor

Tidak jelas

0,00 – 3,60

Jelas

1,69 – 5,00

Sangat Jelas

6,49 – 9,60

Pengukuran Pendarahan hidung dan gusi sedikit dan tidak spontan Pendarahan hidung dan gusi spontan, uji tornikuet positif Hematemesis atau melena

Fungsi keanggotaan manifestasi pendarahan adalah sebagai berikut :

Gambar 4.3 Membership function manifestasi pendarahan

59

Dari gambar di atas terlihat bahwa derajat keanggotaan pendarahan tidak jelas akan maksimal (nilai mf 1) dicapai ketika nilai pendarahan 0-1 dan minimal (nilai mf 0) dicapai ketika nilai pendarahan ≥ 3,6. Derajat keanggotaan pendarahan jelas akan maksimal (nilai mf 1) dicapai ketika nilai pendarahan 5 dan minimal (nilai mf 0) dicapai ketika nilai pendarahan 0 atau 10. Derajat keanggotaan pendarahan sangat jelas akan maksimal (nilai mf 1) dicapai ketika nilai pendarahan 9,6 dan minimal (nilai mf 0) dicapai ketika nilai pendarahan ≤ 6,49. Kriteria gangguan pencernaan terbagi dalam 3 parameter yaitu terjadi gangguan pencernaan,

ragu-ragu dan tidak terjadi

gangguan pencernaan. Penilaian ini didasarkan pada hasil keluhan pasien apakah terjadi gangguan pencernaan seperti konstipasi atau diare (tidak termasuk mual). Tabel 4.5 Nilai fuzzy gangguan pencernaan Gangguan pencernaan

Nilai skor

Terjadi

0,00 – 3,60

Ragu-ragu

1,69 – 5,00

Tidak tejadi

6,49 – 9,60

Pengukuran Terjadi konstipasi atau diare dengan frekuensi tinggi Terjadi konstipasi atau diare tapi dengan frekuensi rendah Tidak terjadi konstipasi atau diare

60

Fungsi keanggotaan gangguan pencernaan adalah sebagai berikut :

Gambar 4.4 Membership function gangguan pencernaan Dari gambar di atas terlihat bahwa derajat keanggotaan gangguan pencernaan terjadi akan maksimal (nilai mf 1) dicapai ketika nilai gangguan pencernaan 0-1 dan minimal (nilai mf 0) dicapai ketika nilai gangguan pencernaan ≥ 3,6. Derajat keanggotaan gangguan pencernaan ragu-ragu akan maksimal (nilai mf 1) dicapai ketika nilai gangguan pencernaan 5 dan minimal (nilai mf 0) dicapai ketika nilai gangguan pencernaan 0 atau 10. Derajat keanggotaan gangguan pencernaan tidak terjadi akan maksimal (nilai mf 1) dicapai ketika nilai gangguan pencernaan 9,6 dan minimal (nilai mf 0) dicapai ketika nilai gangguan pencernaan ≤ 6,49. Kriteria kondisi lidah memiliki 3 parameter yaitu lidah berselaput, ragu-ragu, dan tidak berselaput. Penilaian ini didasarkan pada hasil pengamatan kondisi lidah pasien. Kategori lidah

61

berselaput jika pada lidah pasien kotor di tengah sementara di tepi dan ujung berwarna merah dan tremor. Tabel 4.6 Nilai fuzzy kondisi lidah Kondisi lidah

Nilai skor

Berselaput

0,00 – 3,60

Ragu-ragu

1,69 – 5,00

Tidak berselaput

6,49 – 9,60

Pengukuran Lidah kotor di tengah, tepi dan ujung merah Tidak terlihat jelas apakah berselaput atau tidak Warna lidah normal

Fungsi keanggotaan gangguan pencernaan adalah sebagai berikut :

Gambar 4.5 Membership function kondisi lidah Dari gambar di atas terlihat bahwa derajat keanggotaan kondisi lidah berselaput akan maksimal (nilai mf 1) dicapai ketika nilai kondisi lidah 0-1 dan minimal (nilai mf 0) dicapai ketika nilai kondisi lidah ≥ 3,6. Derajat keanggotaan kondisi lidah ragu-ragu akan maksimal (nilai mf 1) dicapai ketika nilai kondisi lidah 5 dan minimal (nilai mf 0) dicapai ketika nilai kondisi lidah 0 atau 10. Derajat keanggotaan kondisi lidah tidak berselaput akan maksimal

62

(nilai mf 1) dicapai ketika nilai kondisi lidah 9,6 dan minimal (nilai mf 0) dicapai ketika nilai kondisi lidah ≤ 6,49. 4.3.2.2 Basis Aturan Pada penghitungan data fuzzy digunakan kaidah IF THEN. Aturan dibuat berdasarkan pendapat pakar yaitu dokter. Pada penelitian ini ada 5 kriteria dengan masing-masing 3 parameter (membership function) sehingga jumlah aturan yang terbentuk yaitu 3 = 243 aturan. Untuk lebih lengkapnya dapat dilihat pada lampiran A.

4.3.2.3 Perancangan Output Output dari aplikasi yang merupakan kesimpulan fuzzy logic diinterpretasikan kedalam 4 kategori yang didapatkan dengan cara membuat fungsi keanggotaan output data. Atribut linguistik output adalah demam tifoid, observasi, cek laboratorium dan DBD. Adapaun atribut nilai fungsi keanggotaan berkisar antara 0 -10. Fungsi keanggotaan yang digunakan untuk output adalah fungsi triangular atau segitiga. Tabel 4.7 Nilai minimal dan maksimal output Jenis Sampel Data Demam tifoid Observasi Cek laboratorium DBD

Nilai Minimal 0,00 3,00 5,00 7,00

Nilai Maksimal 3,99 5,99 7,99 10,00

63

Sedangkan fungsi keanggotaannya sebagai berikut :

Gambar 4.6 Membership function output Interpretasi

kesimpulan

logika

fuzzy

dipresentasikan

sebagai diagnosis DBD atau demam tifoid, cek laboratorium dan observasi dengan kemungkinan senilai dengan nilai output hasil defuzzyfikasi sehingga dapat dipertimbangkan untuk penanganan dini terhadap hasil diagnosis. Kesimpulan hasil diagnosis demam tifoid (diagnosis0) akan didapatkan ketika nilai output bernilai 0 - 3,99 dengan interpretasi sebagai berikut : Kemungkinan besar penderita terserang penyakit demam tifoid Tata Laksana : 1. Berikan segera cairan pengganti seperti oralit 2. Perhatikan tanda vital penderita : nadi, tekanan darah, respirasi dan temperature

64

Kesimpulan hasil diagnosis observasi (diagnosis1) akan didapatkan ketika niali output bernilai 3,00 - 5,99 dengan interpretasi sebagai berikut : Penderita harus tetap dalam observasi Tata Lakana : 1. Perhatikan tekanan darah, respirasi dan temperature 2. Perhatikan kadar hematokrit, apabila kadar hematokrit meningkat lebih dari 20% dari harga normal sebaiknya penderita dirawat di ruang observasi di pusat rehidrasi selam kurun waktu 12-24 jam. 3. Periksa darah penderita apakah terdapat Salmonella typhii atau Salmonella paratyphii Kesimpulan hasil diagnosis cek laboratorium (diagnosis2) akan didapatkan ketika nilai output bernilai 5,00 - 7,99 dengan interpretasi sebagai berikut : Penderita sebaiknya cek di laboratorium Tata laksana : 1. Perhatikan nadi, tekanan darah, respirasi dan temperatur 2. Segera periksa penderita ke laboratorium jika tanda vital menurun dan kadar hematokrit tidak stabil Kesimpulan hasil diagnosis DBD (diagnosis3) akan didapatkan ketika nilai output bernilai 7,00 - 10 dengan interpretasi sebagai berikut :

65

Kemungkinan besar penderita terserang penyakit Demam Berdarah Dengue (DBD) Tata Laksana : 1. Bila penderita masih memiliki keinginan makan dan minum, turunkan panas tinggi yang mendadak dengan paracetamol 10-15 mgBB setiap 3-4 jam diulangi jika symptom panas masih nyata di atas , 

2. Jika panas memasuki hari 3,4 dan 5 penderita sebaiknya dirawat inap dan dianjurkan banyak minum air buah atau oralit 3. Segera periksa ke lab jika tanda vital menurun

4.3.3 Process Modelling Perancangan proses akan digambarkan melalui flowchart dan STD. Adapun flowchart proses yang akan dirancang yaitu :

66

a. Flowchart

Gambar 4.7 Flowchart proses keseluruhan b. State Transition Diagrams (STD) 1). STD Menu Utama Masuk Klik Masuk

Petunjuk Klik

Tentang Klik

Petunjuk Pemakaian

Tentang DBD&Tifoid

Menu Utama Profil Klik

Keluar Klik

Profil

Keluar

Gambar 4.8 STD Menu Utama

67

2) STD Masuk Menu Utama Klik Masuk

Gejala 1

Klik Ke Gejala 2

Gejala 2

Klik Ke Gejala 3

Gejala 3

Klik Ke Gejala 4

Gejala 4 Klik Ke Gejala 5 Gejala 5 Klik Diagnosi s Diagnosis Klik Hasil Diagnosis

Klik Ulangi Input Gejala Hasil Diagnosis Klik Keluar

Keluar

Gambar 4.9 STD Masuk 3) STD Petunjuk Pemakaian

Menu Utama Klik Petunjuk Klik Menu Utama Petunjuk Pemakaian

Gambar 4.10 STD Petunjuk Pemakaian 4) STD Tentang DBD dan Tifoid Menu Utama KlikTentang Klik Menu Utama Tentang DBD & Tifoid

Gambar 4.11 STD Tentang DBD dan Tifoid

Klik Menu Utama

68

5) STD Profil Menu Utama Klik Profil Klik Menu Utama Profil

Gambar 4.12 STD Profil 4.3.4

Arsitektur Gambar berikut menjelaskan perancangan arsitektur program

logika fuzzy diagnosis DBD dan demam tifoid :

Gambar 4.13 Arsitektur logika fuzzy diagnosis 4.3.5

Simulasi Manual Menjalankan simulasi sistem dengan menggunakan sebuah contoh

kasus dengan mengambil satu nilai contoh yaitu nilai demam 8, nilai nyeri otot dan sendi 6, nilai pendarahan 6, nilai gangguan pencernaan 7 dan nilai kondisi lidah 8. 1.

Fuzzyfikasi Langkah pertama adalah mengkonversi semua nilai skor kedalam nilai

fuzzy. Setiap variabel input menggunakan 3 jenis kurva, bentuk Z, Gaussian, dan bentuk S (lihat bab IV, subbab 4.3.2.1 )

69

a. Variabel demam = 8 Fungsi keanggotaannya :

µO Bertahap [a]

µO Ragu [a]

=

,

0;

0;

=

1;

,

 

0;

;

1    3,21 

;





1

  3,21

  0    10

;

05

5    10



  6,49

6,49    9,60

µO Mendadak [a] = $,"".#$ ; ",#$

1;

  9,60

Skor demam 8 berada pada himpunan fuzzy Ragu dan Mendadak. Derajat keanggotaan untuk himpunan fuzzy Ragu dihitung dengan menggunakan rumus µO Ragu [a] = (10-a)/(10-5) sehingga derajat keanggotaan untuk Ragu adalah (10-8)/(10-5)= 0,4. Derajat keanggotaan untuk himpunan fuzzy Mendadak dihitung dengan menggunakan rumus (a-6,49)/(9,60-6,49) sehingga derajat keanggotaan Mendadak adalah (86,49)/(9,60-6,49) = 0,4855305466 (nilai dibulatkan dengan 10 angka di belakang koma). b. Variabel nyeri otot dan sendi = 6 Fungsi keanggotaannya :

µO Tidak Mengganggu [b]

=

1;

," ,"

0;

;

1

1    3,60    3,60

70

=

µO Mengganggu [b]

0;



  

;

  0    10

;

05  5    10

0;

  6,49

6,49    9,60

µO Sangat Mengganggu [b] = $,"".#$ ; ",#$

1;

  9,60

Skor nyeri otot dan sendi 6 berada pada himpunan fuzzy Mengganggu. Derajat keanggotaan untuk himpunan fuzzy Mengganggu dihitung dengan menggunakan

rumus

(10-a)/(10-5)

sehingga

derajat

keanggotaan

Mengganggu adalah (10-6)/(10-5) = 0,8. c.

Variabel manifestasi pendarahan = 6 Fungsi keanggotaannya :

µO Tidak Jelas [c]

µO Jelas [c]

=

=

0;

1;

," ,"

0;



  

0;

;

;

;

µO Sangat Jelas [c] = $,"".#$ ; ",#$

1;

1

1    3,60    3,60

  0    10 05

5    10



  6,49

6,49    9,60   3,21

Skor manifestasi pendarahan 6 berada pada himpunan fuzzy Jelas. Derajat keanggotaan Jelas dihitung dengan menggunakan rumus (10a)/(10-5) sehingga derajat keanggotaan Jelas adalah (10-6)/910-5) = 0,8. d.

Variabel gangguan pencernaan = 7 Fungsi keanggotaannya :

71

µO Terjadi [d]

=

µO Ragu [d]

1;

," ,"

0;

=

0;

1

1    3,60 

;



  

0;

;

;

µO Tidak Terjadi [d] = $,"".#$ ; ",#$

1;

  3,60

  0    10 05

5    10



  6,49

6,49    9,60   3,21

Skor gangguan pencernaan 7 berada pada himpunan fuzzy Ragu dan Tidak Terjadi. Derajat keanggotaan Ragu dihitung dengan rumus (10a)/(10-5) sehingga derajat keanggotaan Ragu adalah (10-7)/(10-5) = 0,6. Derajat keanggotaan Tidak Terjadi dihitung dengan menggunakan rumus (a-6,49)/(9,60-6,49) sehingga derajat keanggotaan Tidak Terjadi adalah (76,49)/(9,60-6,49) = 0,1639871382. e.

Variabel kondisi lidah = 8 Fungsi keanggotaannya :

µO Berselaput [e]

µO Ragu [e]

=

0;

=

1;

," ,"

0;



  

;

;

;

0;

µO Tidak Berselaput [e] = $,"".#$ ; ",#$

1;

1

1    3,60    3,60

  0    10 05

5    10   6,49

6,49    9,60   3,21



72

Skor gangguan pencernaan 8 berada pada himpunan fuzzy Ragu dan Tidak Berselaput. Derajat keanggotaan Ragu dihitung dengan rumus (10a)/(10-5) sehingga derajat keanggotaan Ragu adalah (10-8)/(10-5) = 0,4. Derajat keanggotaan Tidak Berselaput dihitung dengan menggunakan rumus (a-6,49)/(9,60-6,49) sehingga derajat keanggotaan Tidak Terjadi adalah (8-6,49)/(9,60-6,49) = 0,4855305466. 2.

Inferensi Pada tahap ini dilakukan proses inferensi dengan metode Mamdani.

Dari 8 data fuzzy input tersebut, Demam = Ragu (0,4) dan Demam = Mendadak (0,4855305466), nyeri otot dan sendi = Mengganggu (0,8), manifestasi pendarahan =Jelas (0,8), gangguan pencernaan = Ragu (0,6) dan gangguan pencernaan = Tidak Terjadi (0,1639871382), kondisi lidah = Ragu (0,4) dan kondisi lidah = Tidak Berselaput (0,4855305466), berarti ada 8 aturan fuzzy yang dapat diaplikasikan, yaitu : 122 IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu Diagnosis=((0,5*D)+(0,5*NOS)+(0,5*P)+(0,5*GC)+(0,5*L)+2)/5

THEN

123 IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+(0,5*P)+(0,5*GC)+(0,75*L)+2)/5

125

IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+(0,5*P)+(0,75*GC)+(0,5*L)+2)/5

126 IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+(0,5*P)+(0,75*GC)+(0,75*L)+2)/5

203 IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu Diagnosis=((0,75*D)+(0,5*NOS)+(0,5*P)+(0,5*GC)+(0,5*L)+2)/5

THEN

73

204 IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,5*NOS)+(0,5*P)+(0,5*GC)+(0,75*L)+2)/5

207 IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sjelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,5*NOS)+(0,5*P)+(0,75*GC)+(0,75*L)+2)/5

208 IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,5*NOS)+(0,75*P)+(0,25*GC)+(0,25*L)+2)/5

Proses inferensi yang terjadi adalah :

& = min (0,4 and 0,8 and 0,8 and 0,6 and 0,4) = 0,4

& = min (0,4 and 0,8 and 0,8 and 0,6 and 0,4855305466) = 0,4

& = min (0,4 and 0,8 and 0,8 and 0,1639871382 and 0,4) = 0,1639871382

&# = min (0,4 and 0,8 and 0,8 and 0,1639871382 and 0,4855305466) = 0,1639871382

& = min (0,4855305466 and 0,8 and 0,8 and 0,6 and 0,4) = 0,4

&" = min (0,4855305466 and 0,8 and 0,8 and 0,6 and 0,4855305466) = 0,4855305466

&' = min (0,4855305466 and 0,8 and 0,8 and 0,1639871382 and 0,4) = 0,1639871382

&( = min (0,4855305466 and 0,8 and 0,8 and 0,1639871382 and 0,4855305466)

74

= 0,163987138

) = ((0,5*8 + 0,5*6 + 0,5*6 + 0,5*7 + 0,5* 8)+2)/5 = 3,9

) = ((0,5*8 + 0,5*6 + 0,5*6 + 0,5*7 + 0,75*8)+2)/5 = 4,3

) = ((0,5*8 + 0,5*6 + 0,5*6 + 0,75*7 + 0,5*8)+2)/5 = 4,25

)# = ((0,5*8 + 0,5*6 + 0,5*6 + 0,75*7 + 0,75*8)+2)/5 = 4,65 ) = ((0,75*8 + 0,5*6 + 0,5*6 + 0,5*7 + 0,5*8)+2)/5 = 4,3

)" = ((0,75*8 + 0,5*6 + 0,5*6 + 0,5*7 + 0,75*8)+2)/5 = 4,7

)' = ((0,75*8 + 0,5*6 + 0,5*6 + 0,75*7 + 0,5*8)+2)/5 = 4,65

)( = ((0,75*8 + 0,5*6 + 0,5*6 + 0,75*7 + 0,75*8)+2)/5 = 5,05 3.

Defuzzyfikasi

Pada tahap ini penulis menggunakan model rata-rata terbbot untuk proses defuzzyfikasi sehingga : Z=

∑. ,/0 +, -, ∑. ,/0 +,

Z=

0,4 1 3,9 2 0,4 1 4,3 2 0,1639871382 1 4,25 2 0,1639871382 1 4,65 2 0,4 1 4,3 2 0,4855305466 1 4,7 2 0,1639871382 1 4.65 2 0,1639871382 1 5,05 0,4 2 0,4 2 0,1639871382 2 0,1639871382 2 0,4 2 0,4855305466 2 0,1639871382 2 0,1639871382

,"4,'4,"$"$#'4 ,'"#$"4,'4,($$"$4,'"#$"4,((#'$ ,##'$$$# ,#$# = = 4,4126613567 ,##'$$$#

=

Jadi nilai output untuk input di atas adalah 4,4126613567. Nilai ini

terdapat pada himpunan fuzzy output observasi dengan derajat keanggotaan 0.9 (lihat gambar 4.6 ). 4.3.6 Perancangan Antarmuka Pengguna (User Interface)

75

Berikut ini perancangan tampilan antar muka pengguna untuk aplikasi ini : 1. Halaman Menu Utama 2. Halaman input gejala 1 3. Halaman input gejala 2 4. Halaman input gejala 3 5. Halaman input gejala 4 6. Halaman input gejala 5 7. Halaman Diagnosis 8. Halaman Hasil Diagnosis 9. Halaman Petunjuk Pemakaian 10. Halaman Tentang Program 11. Halaman Profil Penulis Tampilan halaman selengkapnya dapat dilihat pada lampiran C. 4.4

Construction 4.4.1 Instalasi Program Matlab Sebelum berlanjut ke tahap penulisan program, terlebih dahulu dilakukan penginstalan program Matlab. Penjelasan lebih lanjut mengenai penginstalan program matlab dapat dilihat pada lampiran D. 4.4.2 Penulisan Program Pada tahap ini, penulis menerjemahkan flowchart sistem kedalam kode-kode program. Penulisan kode program yang akan digunakan yaitu

76

dengan menggunakan Matlab 7.8.0. Kode program lengkap dapat dilihat pada lampiran E. 4.4.3 Pengujian Program Pada tahap ini dilakukan pengujian pada program yang telah ditulis. Pengujian dilakukan dengan pendekatan black box dengan metode unit test dan integration test untuk melihat apakah program telah berjalan dengan baik dan menghasilkan output bersesuaian dengan input yang dimasukkan. 4.4.3.1 Unit Test Pada test unit dilakukan pengujian untuk setiap modul aplikasi mulai dari masuk ke aplikasi sampai keluar dari aplikasi. Berikut ini merupakan hasil pengujian dengan pendekatan black box : Tabel 4.8 Hasil pengujian unit No

1.

Modul

Masuk

Prasyarat

-

Hasil yang

Error

Hasil

diharapkan

Handling

Pengujian

-

OK

Masuk

ke

jendela

Gejala 1

Memasukan data fungsi Menampilkan 2.

Gejala 1

Menu Masuk

keanggotaan

gejala jendela

demam

OK

peringatan

Memasukan data fungsi Menampilkan 3.

Gejala 2

Gejala 1

keanggotaan

gejala jendela

nyeri otot dan sendi 4.

Gejala 3

Gejala 2

peringatan

Memasukan data fungsi Menampilkan keanggotaan

OK

gejala jendela

OK

77

manifestasi pendarahan

peringatan

Memasukan data fungsi Menampilkan 5.

Gejala 4

Gejala 3

keanggotaan

gejala jendela

gangguan pencernaan

OK

peringatan

Memasukan data fungsi Menampilkan 6.

Gejala 5

Gejala 4

keanggotaan

gejala jendela peringatan

kondisi lidah 7.

8.

9.

10.

Diagnosis Hasil diagnosis

Gejala 5

Menampilkan

hasil

input seluruh gejala Diagnosis

Petunjuk

-

Pemakaian Tentang

-

Program

11.

Profil

-

12.

Keluar

-

Menampilkan

OK

hasil

diagnosis sesuai input Menampilkan halaman Petunjuk Pemakaian Menampilkan halaman Tentang Program Menampilkan halaman Profil Keluar dari program

-

OK

-

OK

-

OK

-

OK

-

OK

-

OK

4.4.3.2 Integration test Pada integration test dilakukan pengujian terhadap keseluruhan program. a. Input gejala 1 Pada jendela input gejala 1 yaitu demam diisi dengan nilai 8, yang berarti penderita mengalami demam mendadak.

78

b. Input gejala 2 Pada jendela input gejala 2 yaitu nyeri otot dan sendi diisi dengan nilai 8, yang berarti penderita mengalami nyeri otot dan sendi yang sangat mengganggu.

c. input gejala 3 Pada jendela input gejala 3 yaitu manifestasi pendarahan diisi dengan nilai 7, yang berarti penderita tidak begitu jelas terjadi pendarahan.

79

d. input gejala 4 Pada jendela input gejala 4 yaitu gangguan pencernaan diisi dengan nilai 8, yang berarti penderita tidak mengalami gangguan pencernaan.

e. input gejala 5 Pada jendela input gejala 5 yaitu kondisi lidah diisi dengan nilai 8, yang berarti kondisi lidah penderita tidak berselaput.

80

f. jendela diagnosis Untuk mengetahui nilai input gejala yang kita masukan kita klik button ‘Input gejala yang Anda masukan’, maka akan tampil nilai-nilai yang kita masukan pada gejala 1 sampai dengan gejala 5. Setelah yakin dengan nilai input yang kita masukan kemudian klik button ‘Diagnosis’ untuk menampilkan jendela hasil diagnosis

g. hasil diagnosis Berdasarkan nilai input yang kita masukkan maka sistem akan memberikan keluaran yaitu diagnosis3.

81

4.4.3.3 Pengujian dengan berbagai variasi input Pengujian dilakukan dengan memasukan berbagai jenis variasi input yaitu kombinasi dari nilai rendah (1), sedang (5) dan tinggi (10) untuk masing-masing kriteria gejala. Tabel 4.9 Hasil pengujian dengan berbagai input Input No

Demam

Nyeri Otot & Sendi

Pendarahan

Output Gangguan

Kondisi

Cerna

Lidah

Pakar

Model

1.

1

1

1

1

1

Tifoid

Tifoid

2.

1

1

1

1

5

Tifoid

Tifoid

3.

1

1

1

1

10

Cek lab

Cek lab

4.

1

1

1

5

1

Tifoid

Tifoid

5.

1

1

1

5

5

Observasi

Observasi

6.

1

1

1

5

10

Observasi

Observasi

7.

1

1

1

10

1

Tifoid

Tifoid

8.

1

1

1

10

5

Observasi

Observasi

9.

1

1

1

10

10

Observasi

Observasi

10.

1

1

5

1

1

Tifoid

Tifoid

11.

1

1

5

1

5

Tifoid

Tifoid

12.

1

1

5

1

10

Cek lab

Cek lab

13.

1

1

5

5

1

Tifoid

Tifoid

14.

1

1

5

5

5

Cek lab

Cek lab

15.

1

1

5

5

10

Cek lab

Cek lab

16.

1

1

5

10

1

Tifoid

Tifoid

17.

1

1

5

10

5

Cek lab

Cek lab

82

18.

1

1

5

10

10

Cek lab

Cek lab

19.

1

1

10

1

1

Tifoid

Tifoid

20.

1

1

10

1

5

Cek lab

Cek lab

21.

1

1

10

1

10

Cek lab

Cek lab

22.

1

1

10

5

1

Tifoid

Tifoid

23.

1

1

10

5

5

Cek lab

Cek lab

24.

1

1

10

5

10

Cek lab

Cek lab

25.

1

1

10

10

1

Tifoid

Tifoid

26.

1

1

10

10

5

Cek lab

Cek lab

27.

1

1

10

10

10

Cek lab

Cek lab

28.

1

5

1

1

1

Tifoid

Tifoid

29.

1

5

1

1

5

Cek lab

Cek lab

30.

1

5

1

1

10

Cek lab

Cek lab

31.

1

5

1

5

1

Tifoid

Tifoid

32.

1

5

1

5

5

Cek lab

Cek lab

33.

1

5

1

5

10

Cek lab

Cek lab

34.

1

5

1

10

1

Tifoid

Tifoid

35.

1

5

1

10

5

Cek lab

Cek lab

36.

1

5

1

10

10

Observasi

Observasi

37.

1

5

5

1

1

Tifoid

Tifoid

38.

1

5

5

1

5

Cek lab

Cek lab

39.

1

5

5

1

10

Tifoid

Tifoid

40.

1

5

5

5

1

Tifoid

Tifoid

41.

1

5

5

5

5

Cek lab

Cek lab

42.

1

5

5

5

10

Cek lab

Cek lab

43.

1

5

5

10

1

Tifoid

Tifoid

44.

1

5

5

10

5

Cek lab

Cek lab

45.

1

5

5

10

10

Cek lab

Cek lab

46.

1

5

10

1

1

Tifoid

Tifoid

47.

1

5

10

1

5

Tifoid

Tifoid

48.

1

5

10

1

10

Tifoid

Tifoid

49.

1

5

10

5

1

Tifoid

Tifoid

50.

1

5

10

5

5

Cek lab

Cek lab

51.

1

5

10

5

10

Cek lab

Cek lab

52.

1

5

10

10

1

Tifoid

Tifoid

53.

1

5

10

10

5

Cek lab

Cek lab

54.

1

5

10

10

10

Cek lab

Cek lab

55.

1

10

1

1

1

Tifoid

Tifoid

56.

1

10

1

1

5

Cek lab

Cek lab

83

57.

1

10

1

1

10

Cek lab

Cek lab

58.

1

10

1

5

1

Tifoid

Tifoid

59.

1

10

1

5

5

Cek lab

Cek lab

60.

1

10

1

5

10

Cek lab

Cek lab

61.

1

10

1

10

1

Tifoid

Tifoid

62.

1

10

1

10

5

Cek lab

Cek lab

63.

1

10

1

10

10

Observasi

Observasi

64.

1

10

5

1

1

Tifoid

Tifoid

65.

1

10

5

1

5

Tifoid

Tifoid

66.

1

10

5

1

10

Tifoid

Tifoid

67.

1

10

5

5

1

Tifoid

Tifoid

68.

1

10

5

5

5

Cek lab

Cek lab

69.

1

10

5

5

10

Cek lab

Cek lab

70.

1

10

5

10

1

Tifoid

Tifoid

71.

1

10

5

10

5

Cek lab

Cek lab

72.

1

10

5

10

10

Cek lab

Cek lab

73.

1

10

10

1

1

Tifoid

Tifoid

74

1

10

10

1

5

Tifoid

Tifoid

75.

1

10

10

1

10

Tifoid

Tifoid

76.

1

10

10

5

1

Tifoid

Tifoid

90.

1

10

10

5

5

Cek lab

Cek lab

78.

1

10

10

5

10

Cek lab

Cek lab

79.

1

10

10

10

1

Cek lab

Cek lab

80.

1

10

10

10

5

Cek lab

Cek lab

81.

1

10

10

10

10

Cek lab

Cek lab

82.

5

1

1

1

1

Observasi

Observasi

83.

5

1

1

1

5

Observasi

Observasi

84.

5

1

1

1

10

Observasi

Observasi

85.

5

1

1

5

1

Observasi

Observasi

86.

5

1

1

5

5

Observasi

Observasi

87.

5

1

1

5

10

Observasi

Observasi

88.

5

1

1

10

1

Observasi

Observasi

89.

5

1

1

10

5

Observasi

Cek lab

90.

5

1

1

10

10

Observasi

Observasi

91.

5

1

5

1

1

Cek lab

Cek lab

92.

5

1

5

1

5

Cek lab

Cek lab

93.

5

1

5

1

10

Cek lab

Cek lab

94

5

1

5

5

1

Cek lab

Cek lab

95.

5

1

5

5

5

Cek lab

Cek lab

96.

5

1

5

5

10

Cek lab

Cek lab

84

97.

5

1

5

10

1

Cek lab

Cek lab

98.

5

1

5

10

5

Cek lab

Cek lab

99.

5

1

5

10

10

Cek lab

Cek lab

100.

5

1

10

1

1

Cek lab

Cek lab

101.

5

1

10

1

5

Cek lab

Cek lab

102.

5

1

10

1

10

Cek lab

Cek lab

103.

5

1

10

5

1

Cek lab

Cek lab

104.

5

1

10

5

5

Cek lab

Cek lab

105.

5

1

10

5

10

Cek lab

Cek lab

106.

5

1

10

10

1

Cek lab

Cek lab

107.

5

1

10

10

5

Cek lab

Cek lab

108.

5

1

10

10

10

Cek lab

Cek lab

109.

5

5

1

1

1

Observasi

Observasi

110.

5

5

1

1

5

Observasi

Observasi

111.

5

5

1

1

10

Observasi

Observasi

112.

5

5

1

5

1

Observasi

Observasi

113.

5

5

1

5

5

Observasi

Observasi

114.

5

5

1

5

10

Observasi

Observasi

115.

5

5

1

10

1

Observasi

Observasi

116.

5

5

1

10

5

Observasi

Observasi

117.

5

5

1

10

10

Observasi

Observasi

118.

5

5

5

1

1

Cek lab

Cek lab

119.

5

5

5

1

5

Cek lab

Cek lab

120.

5

5

5

1

10

Cek lab

Cek lab

121.

5

5

5

5

1

Cek lab

Cek lab

122.

5

5

5

5

5

Cek lab

Cek lab

123.

5

5

5

5

10

Cek lab

Cek lab

124.

5

5

5

10

1

Cek lab

Cek lab

125.

5

5

5

10

5

Cek lab

Cek lab

126.

5

5

5

10

10

Cek lab

Cek lab

127.

5

5

10

1

1

Cek lab

Cek lab

128.

5

5

10

1

5

Cek lab

Cek lab

129.

5

5

10

1

10

Cek lab

Cek lab

130.

5

5

10

5

1

Cek lab

Cek lab

131.

5

5

10

5

5

Cek lab

Cek lab

132.

5

5

10

5

10

Cek lab

Cek lab

133.

5

5

10

10

1

Cek lab

Cek lab

134.

5

5

10

10

5

Cek lab

Cek lab

135.

5

5

10

10

10

Cek lab

Cek lab

136.

5

10

1

1

1

Observasi

Observasi

85

137.

5

10

1

1

5

Observasi

Observasi

138.

5

10

1

1

10

Observasi

Observasi

139.

5

10

1

5

1

Observasi

Observasi

140.

5

10

1

5

5

Observasi

Observasi

141.

5

10

1

5

10

Observasi

Observasi

142.

5

10

1

10

1

Observasi

Observasi

143.

5

10

1

10

5

Observasi

Observasi

144.

5

10

1

10

10

Observasi

Observasi

145.

5

10

5

1

1

Cek lab

Cek lab

146.

5

10

5

1

5

Cek lab

Cek lab

147.

5

10

5

1

10

Cek lab

Cek lab

148.

5

10

5

5

1

Cek lab

Cek lab

149.

5

10

5

5

5

Cek lab

Cek lab

150.

5

10

5

5

10

Cek lab

Cek lab

151.

5

10

5

10

1

Cek lab

Cek lab

152.

5

10

5

10

5

Cek lab

Cek lab

153.

5

10

5

10

10

Cek lab

Cek lab

154.

5

10

10

1

1

Cek lab

Cek lab

155.

5

10

10

1

5

Cek lab

Cek lab

156.

5

10

10

1

10

Cek lab

Cek lab

157.

5

10

10

5

1

Cek lab

Cek lab

158.

5

10

10

5

5

Cek lab

Cek lab

159.

5

10

10

5

10

Cek lab

Cek lab

160.

5

10

10

10

1

Cek lab

Cek lab

161.

5

10

10

10

5

Cek lab

Cek lab

162.

5

10

10

10

10

Cek lab

Cek lab

163.

10

1

1

1

1

Cek lab

Cek lab

164.

10

1

1

1

5

Cek lab

Cek lab

165.

10

1

1

1

10

Cek lab

Cek lab

166.

10

1

1

5

1

Observasi

Observasi

167.

10

1

1

5

5

Observasi

Observasi

168.

10

1

1

5

10

Observasi

Observasi

169.

10

1

1

10

1

Observasi

Observasi

170.

10

1

1

10

5

Observasi

Observasi

171.

10

1

1

10

10

Observasi

Observasi

172.

10

1

5

1

1

DBD

DBD

173.

10

1

5

1

5

DBD

DBD

174.

10

1

5

1

10

DBD

DBD

175.

10

1

5

5

1

DBD

DBD

176.

10

1

5

5

5

DBD

DBD

86

177.

10

1

5

5

10

DBD

DBD

178.

10

1

5

10

1

DBD

DBD

179.

10

1

5

10

5

DBD

DBD

180.

10

1

5

10

10

DBD

DBD

181.

10

1

10

1

1

DBD

DBD

182.

10

1

10

1

5

DBD

DBD

183.

10

1

10

1

10

DBD

DBD

184.

10

1

10

5

1

DBD

DBD

185.

10

1

10

5

5

DBD

DBD

186.

10

1

10

5

10

DBD

DBD

187.

10

1

10

10

1

DBD

DBD

188.

10

1

10

10

5

DBD

DBD

189.

10

1

10

10

10

DBD

DBD

190.

10

5

1

1

1

Cek lab

Cek lab

191.

10

5

1

1

5

Cek lab

Cek lab

192.

10

5

1

1

10

Cek lab

Cek lab

193.

10

5

1

5

1

Cek lab

Cek lab

194.

10

5

1

5

5

Cek lab

Cek lab

195.

10

5

1

5

10

Cek lab

Cek lab

196.

10

5

1

10

1

Cek lab

Cek lab

197.

10

5

1

10

5

Cek lab

Cek lab

198.

10

5

1

10

10

Cek lab

Cek lab

199.

10

5

5

1

1

DBD

DBD

200.

10

5

5

1

5

DBD

DBD

201.

10

5

5

1

10

DBD

DBD

202.

10

5

5

5

1

DBD

DBD

203.

10

5

5

5

5

DBD

DBD

204.

10

5

5

5

10

DBD

DBD

205.

10

5

5

10

1

DBD

DBD

206.

10

5

5

10

5

DBD

DBD

207.

10

5

5

10

10

DBD

DBD

208.

10

5

10

1

1

DBD

DBD

209.

10

5

10

1

5

DBD

DBD

210.

10

5

10

1

10

DBD

DBD

211.

10

5

10

5

1

DBD

DBD

212.

10

5

10

5

5

DBD

DBD

213.

10

5

10

5

10

DBD

DBD

214.

10

5

10

10

1

DBD

DBD

215.

10

5

10

10

5

DBD

DBD

216.

10

5

10

10

10

DBD

DBD

87

217.

10

10

1

1

1

Cek lab

Cek lab

218.

10

10

1

1

5

Cek lab

Cek lab

219.

10

10

1

1

10

Cek lab

Cek lab

220.

10

10

1

5

1

Cek lab

Cek lab

221.

10

10

1

5

5

Cek lab

Cek lab

222.

10

10

1

5

10

Cek lab

Cek lab

223.

10

10

1

10

1

Cek lab

Cek lab

224.

10

10

1

10

5

Cek lab

Cek lab

225.

10

10

1

10

10

Cek lab

Cek lab

226.

10

10

5

1

1

DBD

DBD

227.

10

10

5

1

5

DBD

DBD

228.

10

10

5

1

10

DBD

DBD

229.

10

10

5

5

1

DBD

DBD

230.

10

10

5

5

5

DBD

DBD

231.

10

10

5

5

10

DBD

DBD

232.

10

10

5

10

1

DBD

DBD

233.

10

10

5

10

5

DBD

DBD

234.

10

10

5

10

10

DBD

DBD

235.

10

10

10

1

1

DBD

DBD

236.

10

10

10

1

5

DBD

DBD

237.

10

10

10

1

10

DBD

DBD

238.

10

10

10

5

1

DBD

DBD

239.

10

10

10

5

5

DBD

DBD

240.

10

10

10

5

10

DBD

DBD

241.

10

10

10

10

1

DBD

DBD

242.

10

10

10

10

5

DBD

DBD

243.

10

10

10

10

10

DBD

DBD

Dari hasil unit test, integration test, dan pengujian dengan berbagai variasi input terlihat bahwa program telah berhasil berjalan sesuai dengan perancangan.

BAB V PENUTUP Bab ini berisi kesimpulan untuk menjawab permasalahan serta saran untuk pengembangan selanjutnya. 5.1

Kesimpulan Kesimpulan dari hasil penelitian yang dilakukan yaitu : 1. Penerapan logika fuzzy tepat digunakan untuk memetakan hubungan input dan output yang kompleks seperti gejala penyakit DBD dan demam tifoid. 2. Sistem dengan menggunakan pendekatan sistem pakar dapat memberikan hasil diagnosis dan tatalaksana DBD dan demam tifoid yang dapat menjadi pertimbangan user dalam melakukan penanganan dini yang tepat terhadap penderita sehingga meminimalisir terjadinya komplikasi.

5.2

Saran Untuk pengembangan selanjutnya, penulis memberikan saran : 1. Menambahkan jumlah parameter

input gejala

sehingga

akan

didapatkan hasil yang lebih akurat. 2. Merancang input interface berupa variabel lingustik bukan variabel numerik. 3. Melakukan pengujian dengan berbagai variasi jumlah fungsi keanggotaan input, jenis fungsi keanggotaan dan metode inferensi

88

89

yang lainnya sehingga akan terlihat mana hasil terbaik dari pengujian tersebut. 4. Menjadikan sistem berbasis web sehingga tampilannya lebih interaktif dan dapat berbagi pakai. 5. Mengembangkan aplikasi sampai pada tahap deployment sehingga dapat digunakan di Rumah Bersalin Gratis Rumah Zakat, Jakarta Timur.

DAFTAR PUSTAKA

Anonim.

2008. Waspada Demam Berdarah Dengue. [Online] Tersedia: http://www.arthagrahapeduli.org/index.php?option=com_content&view=article&id= 572%3Awaspada-demam-berdarah-dengue&catid=36% 3Akesehatan&Itemid=66&lang=in [16 Juli 2010 14.00]

Anonim. 2009. Penyakit Demam Berdarah Dengue (DBD)-Pengertian, Penyebab dan Gejala DBD. [Online] Tersedia: http://organisasi.org/penyakit-demam-berdarah-denguedbd-pengertian-penyabab-gejala-dbd [16 Juli 2010 14.00] Challoner, Jack. 2003. Kecerdasan Artifisial, Panduan Bagi Pemula ke Robotika dan Akal Buatan Manusia. Jakarta : Erlangga Departemen Kesehatan Republik Indonesia Direktorat Jenderal Pemberantasan Penyakit Menular dan Penyehatan Lingkungan. 2004. Tata Laksana Demam Berdarah Dengue di Indonesia. Edisi ketiga. Penyunting Sri Rezeki dkk. Jakarta : Departemen Kesehatan Direktorat

Hukum dan Informasi. Dasar-Dasar Pemrograman. [Online] Tersedia: http://www.djkn.depkeu.go.id/download/modul/Dasar-Dasar_Pemrograman.pdf [12 Oktober 2009 11.30]

Fitriyanti. 2010. Diagnosis Penyakit TBC Paru dan Asma Bronkial Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation. Program Studi Teknik Informatika UIN Syarif Hidayatullah. Skripsi Tidak Diterbitkan Hartanto,Thomas Wahyu Dwi & Y.Wahyu Agung Prasetyo. 2003. Analisis dan Desain Sistem Kontrol dengan Matlab. Yogyakarta : ANDI Harvey,A. McGehee, dkk. 1991. Diagnosis Banding (Berorientasi pada Kasus Klinik ). Jakarta : Binarupa Aksara Kendall, Kenneth E. dan Julie E. Kendall. 2006. Analisis dan Perancangan Sistem Edisi Bahasa Indonesia.Ed.5 Jilid 1. Jakarta : INDEKS Kusumadewi, Sri. 2003. Artificial Intelligence, Teknik dan Aplikasinya. Yogyakarta : Graha Ilmu Naba, Agus. 2009. Belajar Cepat Fuzzy Logic Menggunakan MATLAB. Yogyakarta : ANDI Novriani, Harli. 2002. Respon Imun dan Derajat Kesakitan Demam Berdarah Dengue dan Dengue Shock Sydrome. Cermin Dunia Kedokteran (134), 46-47 [Online] Tersedia: http://www.kalbe.co.id/files/cdk/files/15_ResponImundanDerajatKesakitan.pdf/15_R

90

91

esponImundanDerajatKesakitan.html [16 juli 2010 13.00]

Nugroho, Adi. 2005. Analisis dan Perancangan Sistem Informasi dengan Metodologi Berorientasi Objek. Bandung : Informatika Pressman, Roger S. 2005. Software Engineering, A Practitiner Approach. Sixth Edition. New York : McGraw Hill Proboyekti,Umi. Software Process Model I. [Online] Tersedia: http://lecturer.ukdw.ac.id/othie/softwareprocess.pdf [13 Oktober 2009 08.30] Pusat Informasi dan Penerbitan Bagian Ilmu Penyakit Dalam FK UI. 2000. Demam Tifoid:Peran Mediator, Diagnosis dan Terapi.Penyunting H.Iskandar Zulkarnain Siang, Jong Jek. 2009. Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan MATLAB. Yogyakarta : Andi Soegijanto, Soegeng. Kumpulan Makalah Penyakit Tropis dan Infeksi di Indonesia Jilid 1. 2004. Surabaya : Airlangga University Press Tim Media Center.2002.Kamus Ilmiah Populer. Jakarta:Media Center

Turban, Efraim. 1994. Decision Support and Expert Systems Management Support Systems.ed.4. New York : Prentice-Hall

http://www.mathworks.com/ http://www.pdpersi.co.id/ http://pusatbahasa.diknas.go.id/ http://kamusbahasaindonesia.org/ http://www.kamus-medis.co.cc/ http://digilib.its.ac.id/

PENE NERAPAN FUZZY LOGIC

UNTUK DIA IAGNOSIS DAN TATA LAKSANA PENYAKIT DEMAM BERDARAH DENGUE DAN DEMAM TIFO E OID

S SITI PRATININGSIH

PROGRAM ST STUDI TEKNIK INFORMATIKA FAKULTA AS SAINS DAN TEKNOLOGI UNIVE ERSITAS ISLAM NEGERI SYA ARIF HDAYATULLAH

JAKARTA 2010 M/1431 H

PENERAPAN FUZZY LOGIC UNTUK DIAGNOSIS DAN TATA LAKSANA PENYAKIT DEMAM BERDARAH DENGUE DAN DEMAM TIFOID

Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer Pada Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh : SITI PRATININGSIH NIM.105091002889

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SYARIF HDAYATULLAH JAKARTA 2010 M/1431 H

ii

PENERAPAN FUZZY LOGIC UNTUK DIAGNOSIS DAN TATA LAKSANA PENYAKIT DEMAM BERDARAH DENGUE DAN DEMAM TIFOID

Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer Pada Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh : Siti Pratiningsih NIM.105091002889

Menyetujui, Pembimbing I

Pembimbing II

Victor Amrizal, M.Kom NIP.150 411 288

Khodijah Huliyah, M.Si NIP.19730402 200112 2 001 Mengetahui,

Ketua Program Studi Teknik Informatika

Yusuf Durachman, M.Sc, MIT NIP.19710522 200604 1 002

iii

PENGESAHAN UJIAN

Skripsi yang berjudul “Penerapan Fuzzy Logic Untuk Diagnosis dan Tata Laksana Penyakit Demam Berdarah Dengue dan Demam Tifoid” telah diuji dan dinyatakan lulus dalam sidang munaqosyah Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta pada hari Rabu, 8 Desember 2010. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh gelar sarjana strata 1 (S1) pada program studi Teknik Informatika. Jakarta, 8 Desember 2010 Menyetujui, Penguji I,

Penguji II,

Fitri Mintarsih, M.Kom NIP.19721223 200710 2 004

Imam M. Shofi, MT NIP.19720205 200801 1 001

Pembimbing I,

Pembimbing II,

Victor Amrizal, M.Kom NIP.150 411 288

Khodijah Huliyah, M.Si NIP.19730402 200112 2 001

Dekan Fakultas Sains dan Teknologi

Ketua Program Studi Teknik Informatika

Dr. Syopiansyah Jaya Putra, M.Sis NIP.19680117 200112 1 001

Yusuf Durachman, M.Sc, MIT NIP.19710522 200604 1 002

iv

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENARBENAR HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA MANAPUN.

Jakarta, Desember 2010

Siti Pratiningsih 105091002889

v

ABSTRAK

Siti Pratiningsih. Penerapan Fuzzy Logic untuk Diagnosis dan Tata Laksana Penyakit Demam Berdarah Dengue dan Demam Tifoid (di bawah bimbingan Bpk. Victor Amrizal, M.Kom dan Ibu Khodijah Hulliyah, M.Si). Penyakit demam berdarah dengue (DBD) merupakan penyakit endemik di Indonesia yang apabila disertai komplikasi dapat menyebabkan kematian. Salah satu diagnosis banding DBD adalah demam tifoid yang juga masih menjadi permasalahan serius di Indonesia. DBD dan demam tifoid memiliki manifestasi gejala klinik yang mirip terutama demam, hal ini mengakibatkan seringnya kesalahan diagnosis dini antara DBD dan demam tifoid. Diagnosis dini DBD dan demam tifoid yang tepat akan sangat bermanfaat karena dapat menghindari terjadinya komplikasi. Untuk memetakan kemiripan gejala klinis DBD dan demam tifoid maka dapat digunakan logika fuzzy. Skripsi ini bertujuan untuk membangun model logika fuzzy dengan pendekatan sistem pakar untuk diagnosis klinis DBD dan demam tifoid. Metode pengembangan sistem yang digunakan adalah RAD dengan Matlab sebagai toolsnya. Hasil pengujian menunjukkan bahwa sistem dapat menjalankan fungsinya dalam mendiagnosis DBD dan demam tifoid. Penambahan jumlah parameter serta pengujian dengan menggunakan berbagai variasi fungsi keanggotaan fuzzy dan berbagai tipenya serta metode inferensi yang lain dapat dilakukan untuk pengembangan selanjutnya. Kata kunci : fuzzy logic, diagnosis, DBD, demam tifoid, RAD

vi

KATA PENGANTAR

Alhamdulillahirrabbil’alamin, segala puji hanya bagi Allah atas segala nikmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi ini. Shalawat serta salam semoga senantiasa tercurah kepada qudwah hasanah seluruh insan di dunia, Nabi Muhammad SAW, juga kepada keluarga, sahabat, dan generasi penerus perjuangannya. Skripsi yang berjudul Penerapan Logika Fuzzy untuk Diagnosis dan Tata Laksana Penyakit Demam Berdarah dan Demam Tifoid merupakan salah satu tugas wajib mahasiswa sebagai persyaratan untuk mengambil gelar Strata 1 (S1) jurusan Teknik Informatika Universitas Islam Negeri Syarif Hidayatullah Jakarta. Proses penyusunan hingga selesainya skripsi ini

tidak terlepas dari

bantuan banyak pihak, baik moril, materil maupun teknis. Oleh karena itu, penulis mengucapkan terima kasih kepada : 1. Bapak DR. Ir. Syopiansyah Jaya Putra, M.Sis, selaku Dekan Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta. 2. Bapak Yusuf Durachman, M.Sc, MIT, selaku Ketua Program Studi Teknik Informatika dan Ibu Viva Arifin, MMSI, selaku Sekretaris Program Studi Teknik Informatika. 3. Bapak Victor Amrizal, M.Kom dan Ibu Khodijah Hulliyah, M.Si selaku dosen pembimbing yang telah bersedia mencurahkan waktu, pikiran dan tenaganya untuk memberikan bimbingan, bantuan, saran dan masukan kepada

vii

penulis. Semoga dicatat sebagai pemberat amal kebaikan oleh Allah SWT. Amin. 4. Seluruh dosen dan staf di Fakultas Sains dan Teknologi atas bimbingan dan bantuannya hingga penulis dapat menyelesaikan studi dengan baik. 5. dr. Indra Kusuma yang telah bersedia meluangkan waktu, pikiran dan tenaganya menjadi pakar dalam penelitian ini. 6. Bapak dan Umi tercinta, yang cintanya menjadi suntikan semangat yang tak terbatas bagi penulis. 7. Aa (Muhammad Kartiwa), Teteh (Siti Pratiningrum, S.Pd) dan Dede (Sulaeka Ratna Wulan) yang juga selalu memberikan dukungan semangat dan motivasi. 8. Kak Taufik, yang telah berbagi ilmu dan semangatnya. 9. Teman-teman seperjuangan (Elin, Indah, Dian, Nita, Nofi, Icha), terima kasih atas motivasi dan semangat yang kalian tularkan. 10. Teman-teman aktivis baik di LDK maupun IMM Ciputat, atas sekolah keidupan yang telah diberikan. 11. TI C angkatan 2005, semoga tetap dijaga silaturahimnya. 12. Semua pihak yang tidak bisa penulis sebutkan satu persatu. Penulis menyadari bahwa dalam skripsi ini masih banyak kesalahan dan kekurangan. Oleh karena itu, saran yang membangun penulis harapakan untuk perbaikan di masa mendatang. Jakarta, November 2010 Siti Pratiningsih

viii

DAFTAR ISI Halaman HALAMAN JUDUL .................................................................................. ii LEMBAR PERSETUJUAN PEMBIMBING ........................................... iii HALAMAN PENGESAHAN UJIAN ....................................................... iv HALAMAN PERNYATAAN .................................................................... v ABSTRAK ................................................................................................. vi KATA PENGANTAR ................................................................................ vii DAFTAR ISI .............................................................................................. ix DAFTAR TABEL ...................................................................................... xiii DAFTAR GAMBAR .................................................................................. xiv DAFTAR LAMPIRAN .............................................................................. xvi DAFTAR ISTILAH ................................................................................... xvii BAB I PENDAHULUAN 1.1 Latar Belakang ............................................................................... 1 1.2 Rumusan Masalah .......................................................................... 6 1.3 Batasan Masalah ............................................................................ 7 1.4 Tujuan Penelitian ........................................................................... 7 1.5 Manfaat Penelitian .......................................................................... 8 1.6 Metodologi Penelitian ..................................................................... 9 1.6.1 Metode Pengumpulan Data ................................................... 9 1.6.2 Metode Pengembangan Sistem .............................................. 9 1.7 Sistematika Penulisan ..................................................................... 10

ix

BAB II LANDASAN TEORI 2.1 Penerapan ...................................................................................... 12 2.2 Logika Fuzzy ................................................................................ 12 2.2.1 Fungsi Keanggotaan ............................................................ 14 2.2.2 Operator Himpunan Fuzzy ................................................... 15 2.2.3 Sistem Inferensi Fuzzy ........................................................ 16 2.2.4 Defuzzyfikasi ....................................................................... 18 2.3 Sistem Pakar ................................................................................. 20 2.4 Diagnosis ...................................................................................... 22 2.5 Tata Laksana ................................................................................. 23 2.6 Penyakit ........................................................................................ 23 2.7 Demam Berdarah Dengue (DBD) ................................................. 24 2.7.1 Sejarah DBD ....................................................................... 24 2.7.2 Gejala DBD ........................................................................ 25 2.8 Demam Tifoid .............................................................................. 26 2.8.1 Sejarah Demam Tifoid ........................................................ 26 2.8.2 Gejala Demam Tifoid .......................................................... 26 2.9 Diagram Alur (Flowchart) ............................................................. 26 2.10 State Transitions Diagram .......................................................... 29 2.11 Rapid Applcation Development (RAD) ....................................... 30 2.11.1 Definisi RAD .................................................................... 30 2.11.2 Tahap-Tahap Pengembangan Sistem RAD ........................ 31 2.12 Matlab 7.8 (R2009a) ................................................................... 32

x

2.12.1 Bekerja dengan Matlab ................................................... 37 2.12.2 Fungsi dalam Matlab ....................................................... 38 2.12.3 Kontrol Arus Aliran ........................................................ 39 2.12.4 Pembuatan Grafik ........................................................... 42 2.13 Literatur Sejenis .......................................................................... 42 BAB III METODOLOGI PENELITIAN 3.1 Metode Pengumpulan Data ........................................................... 45 3.2 Metode Pengembangan Sistem ...................................................... 47 3.3 Alasan Penulis Menggunakan RAD .............................................. 50 BAB IV HASIL DAN PEMBAHASAN 4.1 Communication.............................................................................. 52 4.2 Planning ....................................................................................... 52 4.3 Modelling ..................................................................................... 54 4.3.1 Business Modelling ............................................................. 54 4.3.2 Data Modelling ................................................................... 54 4.3.2.1 Basis Data Fuzzy ..................................................... 54 4.3.2.2 Basis Aturan ............................................................ 62 4.3.2.3 Perancangan Output ................................................ 62 4.3.3 Process Modelling .............................................................. 65 4.3.3.1 Flowchart .................................................................... 66 4.3.3.1 STD ........................................................................... 66 4.3.4 Arsitektur ............................................................................ 68 4.3.5 Simulasi Manual ................................................................. 68

xi

4.3.6 Perancangan Antar Muka Pengguna (User Interface) .......... 75 4.4 Construction ................................................................................. 75 4.4.1 Instalasi Program Matlab ..................................................... 75 4.4.2 Penulisan Program .............................................................. 75 4.4.3 Pengujian Program .............................................................. 76 BAB V PENUTUP 5.1 Kesimpulan ................................................................................... 88 5.2 Saran ............................................................................................ 89 DAFTAR PUSTAKA ................................................................................. 90 LAMPIRAN

xii

DAFTAR TABEL Tabel 2.1 Variabel Fuzzy, himpunan fuzzy, semesta pembicaraan dan domain .................................................................................. 14 Tabel 2.2 Perbandingan sistem konvensional dan sistem pakar ..................... 21 Tabel 2.3 Simbol-simbol flowchart .............................................................. 27 Tabel 4.1 Perbandingan gejala DBD dan demam tifoid ................................ 53 Tabel 4.2 Nilai fuzzy demam ....................................................................... 55 Tabel 4.3 Nilai fuzzy nyeri otot dan sendi ..................................................... 57 Tabel 4.4 Nilai fuzzy manifestasi pendarahan ............................................... 58 Tabel 4.5 Nilai fuzzy gangguan pencernaan .................................................. 59 Tabel 4.6 Nilai fuzzy kondisi lidah ............................................................... 61 Tabel 4.7 Nilai minimal dan maksimal output .............................................. 62 Tabel 4.8 Hasil pengujian unit ..................................................................... 65 Tabel 4.9 Hasil pengujian dengan berbagai input ......................................... 68

xiii

DAFTAR GAMBAR Gambar 2.1 Fungsi keanggotaan UMUR dengan representasi Gaussian (gaussmf) ................................................................................ 14 Gambar 2.2 Inferensi fuzzy sugeno orde 1 ................................................... 18 Gambar 2.3 Struktur sistem pakar ............................................................... 22 Gambar 2.4 Perubahan state ........................................................................ 30 Gambar 2.4 Fase RAD Martin .................................................................... 31 Gambar 2.5 Fase pengembangan sistem RAD Kendall ................................ 31 Gambar 2.6 RAD model Pressman ............................................................... 36 Gambar 2.7 Tampilan Matlab yang mengintegrasikan pengembangan algoritma, analisis data dan pengaturan project ........................................ 33 Gambar 2.8 Jendela command window ......................................................... 34 Gambar 2.9 Jendela command history .......................................................... 34 Gambar 2.10 Jendela launch pad ................................................................. 35 Gambar 2.11 Jendela Help dari command window ....................................... 35 Gamber 2.12 Jendela Help dari menu View .................................................. 36 Gambar 2.13 Jendela current directory ........................................................ 36 Gambar 2.14 Jendela workspace .................................................................. 36 Gambar 3.1 Kerangka pengembangan sistem ............................................... 51 Gambar 4.1 Membership function demam .................................................... 56 Gambar 4.2 Membership function nyeri otot dan sendi ................................. 57 Gambar 4.3 Membership function manifestasi pendarahan ........................... 58 Gambar 4.4 Membership function gangguan pencernaan .............................. 60 Gambar 4.5 Membership function kondisi lidah ........................................... 61

xiv

Gambar 4.6 Membership function output ..................................................... 60 Gambar 4.7 Flowchart proses keseluruhan ................................................... 66 Gambar 4.8 STD Menu Utama .................................................................... 66 Gambar 4.9 STD Masuk .............................................................................. 67 Gambar 4.10 STD Petunjuk pemakaian ....................................................... 67 Gambar 4.11 STD Tentang DBD dan Demam Tifoid ................................... 67 Gambar 4.12 STD Profil .............................................................................. 68 Gambar 4.13 Arsitektur logika fuzzy diagnosis ............................................. 68

xv

DAFTAR LAMPIRAN LAMPIRAN A - BASIS ATURAN (RULE BASE) ANFIS DIAGNOSIS DBD DAN DEMAM TIFOID ........................................ 92 LAMPIRAN B - PERANCANGAN TAMPILAN ..................................... 99 LAMPIRAN C - TAMPILAN APLIKASI ................................................. 105 LAMPIRAN D - INSTALASI MATLAB 7.8 ............................................ 110 LAMPIRAN E - KODE PROGRAM ......................................................... 114

xvi

DAFTAR ISTILAH

1.

Adaptif

: bersifat menyesuaikan

2.

Adekuat

: serasi, tepat

3.

Anoreksia

: keadaan lenyapnya nafsu makan karena gangguan penyakit tertentu

4.

Dpl

: di atas permukaan laut

5.

Epoh

: satu perulangan/ iterasi

6.

Event

: sesuatu yang terjadi pada waktu yang terbatas

7.

Faktual

: berdasarkan kenyataan, mengandung kebenaran

8.

Hematemesis

: muntah darah

9.

Hematokrit

: mengukur persentase volume sel darah merah (eristrosit) dalam seluruh darah dan secara normal bervariasi dari 40% sampai 54% untuk pria dan 37% sampai 47% untuk wanita.

10. Komplikasi

: penyakit yang baru timbul kemudian sebagai tambahan pada penyakit yang sudah ada

11. Manifestasi

: bentuk perwujudan

12. Melena

: pengeluaran feses yang berwarna hitam seperti ter yang disebabkan oleh adanya perdarahan saluran cerna bagian atas

13. Neuron

: sel saraf

14. Node

: simpul

15. State

: abstraksi dari nilai atribut dan link dalam sebuah obyek

xvii

Input No

Nyeri Demam

Otot &

Pendarahan

Sendi

Output Gangguan

Kondisi

Cerna

Lidah

Pakar

Model

1.

1

1

1

1

1

Tifoid

Tifoid

2.

1

1

1

1

5

Tifoid

Tifoid

3.

1

1

1

1

10

Cek lab

Cek lab

4.

1

1

1

5

1

Tifoid

Tifoid

5.

1

1

1

5

5

Observasi Observasi

6.

1

1

1

5

10

Observasi Observasi

7.

1

1

1

10

1

Tifoid

8.

1

1

1

10

5

Observasi Observasi

9.

1

1

1

10

10

Observasi Observasi

10.

1

1

5

1

1

Tifoid

Tifoid

11

1

1

5

1

5

Tifoid

Tifoid

12

1

1

5

1

10

Cek lab

Cek lab

13

1

1

5

5

1

Tifoid

Tifoid

14

1

1

5

5

5

Cek lab

Cek lab

15

1

1

5

5

10

Cek lab

Cek lab

16

1

1

5

10

1

Tifoid

Tifoid

17

1

1

5

10

5

Cek lab

Cek lab

18

1

1

5

10

10

Cek lab

Cek lab

19

1

1

10

1

1

Tifoid

Tifoid

20

1

1

10

1

5

Cek lab

Cek lab

21

1

1

10

1

10

Cek lab

Cek lab

22

1

1

10

5

1

Tifoid

Tifoid

23

1

1

10

5

5

Cek lab

Cek lab

24

1

1

10

5

10

Cek lab

Cek lab

25

1

1

10

10

1

Tifoid

Tifoid

26

1

1

10

10

5

Cek lab

Cek lab

Tifoid

27

1

1

10

10

10

Cek lab

Cek lab

28

1

5

1

1

1

Tifoid

Tifoid

29

1

5

1

1

5

Cek lab

Cek lab

30

1

5

1

1

10

Cek lab

Cek lab

31

1

5

1

5

1

Tifoid

Tifoid

32

1

5

1

5

5

Cek lab

Cek lab

33

1

5

1

5

10

Cek lab

Cek lab

34

1

5

1

10

1

Tifoid

Tifoid

35

1

5

1

10

5

Cek lab

Cek lab

36

1

5

1

10

10

Observasi Observasi

37

1

5

5

1

1

Tifoid

Tifoid

38

1

5

5

1

5

Cek lab

Cek lab

39

1

5

5

1

10

Tifoid

Tifoid

40

1

5

5

5

1

Tifoid

Tifoid

41

1

5

5

5

5

Cek lab

Cek lab

42

1

5

5

5

10

Cek lab

Cek lab

43

1

5

5

10

1

Tifoid

Tifoid

44

1

5

5

10

5

Cek lab

Cek lab

45

1

5

5

10

10

Cek lab

Cek lab

46

1

5

10

1

1

Tifoid

Tifoid

47

1

5

10

1

5

Tifoid

Tifoid

48

1

5

10

1

10

Tifoid

Tifoid

49

1

5

10

5

1

Tifoid

Tifoid

50

1

5

10

5

5

Cek lab

Cek lab

51

1

5

10

5

10

Cek lab

Cek lab

52

1

5

10

10

1

Tifoid

Tifoid

53

1

5

10

10

5

Cek lab

Cek lab

54

1

5

10

10

10

Cek lab

Cek lab

55

1

10

1

1

1

Tifoid

Tifoid

56

1

10

1

1

5

Cek lab

Cek lab

57

1

10

1

1

10

Cek lab

Cek lab

58

1

10

1

5

1

Tifoid

Tifoid

59

1

10

1

5

5

Cek lab

Cek lab

60

1

10

1

5

10

Cek lab

Cek lab

61

1

10

1

10

1

Tifoid

Tifoid

62

1

10

1

10

5

Cek lab

Cek lab

63

1

10

1

10

10

Observasi Observasi

64

1

10

5

1

1

Tifoid

Tifoid

65

1

10

5

1

5

Tifoid

Tifoid

66

1

10

5

1

10

Tifoid

Tifoid

67

1

10

5

5

1

Tifoid

Tifoid

68

1

10

5

5

5

Cek lab

Cek lab

69

1

10

5

5

10

Cek lab

Cek lab

70

1

10

5

10

1

Tifoid

Tifoid

71

1

10

5

10

5

Cek lab

Cek lab

72

1

10

5

10

10

Cek lab

Cek lab

73

1

10

10

1

1

Tifoid

Tifoid

74

1

10

10

1

5

Tifoid

Tifoid

75

1

10

10

1

10

Tifoid

Tifoid

76

1

10

10

5

1

Tifoid

Tifoid

90

1

10

10

5

5

Cek lab

Cek lab

78

1

10

10

5

10

Cek lab

Cek lab

79

1

10

10

10

1

Cek lab

Cek lab

80

1

10

10

10

5

Cek lab

Cek lab

81

1

10

10

10

10

Cek lab

Cek lab

82

5

1

1

1

1

Observasi Observasi

83

5

1

1

1

5

Observasi Observasi

84

5

1

1

1

10

Observasi Observasi

85

5

1

1

5

1

Observasi Observasi

86

5

1

1

5

5

Observasi Observasi

87

5

1

1

5

10

Observasi Observasi

88

5

1

1

10

1

Observasi Observasi

89

5

1

1

10

5

Observasi Cek lab

90

5

1

1

10

10

Observasi Observasi

91

5

1

5

1

1

Cek lab

Cek lab

92

5

1

5

1

5

Cek lab

Cek lab

93

5

1

5

1

10

Cek lab

Cek lab

94

5

1

5

5

1

Cek lab

Cek lab

95

5

1

5

5

5

Cek lab

Cek lab

96

5

1

5

5

10

Cek lab

Cek lab

97

5

1

5

10

1

Cek lab

Cek lab

98

5

1

5

10

5

Cek lab

Cek lab

99

5

1

5

10

10

Cek lab

Cek lab

100

5

1

10

1

1

Cek lab

Cek lab

101

5

1

10

1

5

Cek lab

Cek lab

102

5

1

10

1

10

Cek lab

Cek lab

103

5

1

10

5

1

Cek lab

Cek lab

104

5

1

10

5

5

Cek lab

Cek lab

105

5

1

10

5

10

Cek lab

Cek lab

106

5

1

10

10

1

Cek lab

Cek lab

107

5

1

10

10

5

Cek lab

Cek lab

108

5

1

10

10

10

Cek lab

Cek lab

109

5

5

1

1

1

Observasi Observasi

110

5

5

1

1

5

Observasi Observasi

111

5

5

1

1

10

Observasi Observasi

112

5

5

1

5

1

Observasi Observasi

113

5

5

1

5

5

Observasi Observasi

114

5

5

1

5

10

Observasi Observasi

115

5

5

1

10

1

Observasi Observasi

116

5

5

1

10

5

Observasi Observasi

117

5

5

1

10

10

Observasi Observasi

118

5

5

5

1

1

Cek lab

Cek lab

119

5

5

5

1

5

Cek lab

Cek lab

120

5

5

5

1

10

Cek lab

Cek lab

121

5

5

5

5

1

Cek lab

Cek lab

122

5

5

5

5

5

Cek lab

Cek lab

123

5

5

5

5

10

Cek lab

Cek lab

124

5

5

5

10

1

Cek lab

Cek lab

25

5

5

5

10

5

Cek lab

Cek lab

126

5

5

5

10

10

Cek lab

Cek lab

127

5

5

10

1

1

Cek lab

Cek lab

128

5

5

10

1

5

Cek lab

Cek lab

129

5

5

10

1

10

Cek lab

Cek lab

130

5

5

10

5

1

Cek lab

Cek lab

131

5

5

10

5

5

Cek lab

Cek lab

132

5

5

10

5

10

Cek lab

Cek lab

133

5

5

10

10

1

Cek lab

Cek lab

134

5

5

10

10

5

Cek lab

Cek lab

135

5

5

10

10

10

Cek lab

Cek lab

136

5

10

1

1

1

Observasi Observasi

137

5

10

1

1

5

Observasi Observasi

138

5

10

1

1

10

Observasi Observasi

139

5

10

1

5

1

Observasi Observasi

140

5

10

1

5

5

Observasi Observasi

141

5

10

1

5

10

Observasi Observasi

142

5

10

1

10

1

Observasi Observasi

143

5

10

1

10

5

Observasi Observasi

144

5

10

1

10

10

Observasi Observasi

145

5

10

5

1

1

Cek lab

Cek lab

146

5

10

5

1

5

Cek lab

Cek lab

147

5

10

5

1

10

Cek lab

Cek lab

148

5

10

5

5

1

Cek lab

Cek lab

149

5

10

5

5

5

Cek lab

Cek lab

150

5

10

5

5

10

Cek lab

Cek lab

151

5

10

5

10

1

Cek lab

Cek lab

152

5

10

5

10

5

Cek lab

Cek lab

153

5

10

5

10

10

Cek lab

Cek lab

154

5

10

10

1

1

Cek lab

Cek lab

155

5

10

10

1

5

Cek lab

Cek lab

156

5

10

10

1

10

Cek lab

Cek lab

157

5

10

10

5

1

Cek lab

Cek lab

158

5

10

10

5

5

Cek lab

Cek lab

159

5

10

10

5

10

Cek lab

Cek lab

160

5

10

10

10

1

Cek lab

Cek lab

161

5

10

10

10

5

Cek lab

Cek lab

162

5

10

10

10

10

Cek lab

Cek lab

163

10

1

1

1

1

Cek lab

Cek lab

164

10

1

1

1

5

Cek lab

Cek lab

165

10

1

1

1

10

Cek lab

Cek lab

166

10

1

1

5

1

Observasi Observasi

167

10

1

1

5

5

Observasi Observasi

168

10

1

1

5

10

Observasi Observasi

169

10

1

1

10

1

Observasi Observasi

170

10

1

1

10

5

Observasi Observasi

171

10

1

1

10

10

Observasi Observasi

172

10

1

5

1

1

DBD

DBD

173

10

1

5

1

5

DBD

DBD

174

10

1

5

1

10

DBD

DBD

175

10

1

5

5

1

DBD

DBD

176

10

1

5

5

5

DBD

DBD

177

10

1

5

5

10

DBD

DBD

178

10

1

5

10

1

DBD

DBD

179

10

1

5

10

5

DBD

DBD

180

10

1

5

10

10

DBD

DBD

181

10

1

10

1

1

DBD

DBD

182

10

1

10

1

5

DBD

DBD

183

10

1

10

1

10

DBD

DBD

184

10

1

10

5

1

DBD

DBD

185

10

1

10

5

5

DBD

DBD

186

10

1

10

5

10

DBD

DBD

187

10

1

10

10

1

DBD

DBD

188

10

1

10

10

5

DBD

DBD

189

10

1

10

10

10

DBD

DBD

190

10

5

1

1

1

Cek lab

Cek lab

191

10

5

1

1

5

Cek lab

Cek lab

192

10

5

1

1

10

Cek lab

Cek lab

193

10

5

1

5

1

Cek lab

Cek lab

194

10

5

1

5

5

Cek lab

Cek lab

195

10

5

1

5

10

Cek lab

Cek lab

196

10

5

1

10

1

Cek lab

Cek lab

197

10

5

1

10

5

Cek lab

Cek lab

198

10

5

1

10

10

Cek lab

Cek lab

199

10

5

5

1

1

DBD

DBD

200

10

5

5

1

5

DBD

DBD

201

10

5

5

1

10

DBD

DBD

202

10

5

5

5

1

DBD

DBD

203

10

5

5

5

5

DBD

DBD

204

10

5

5

5

10

DBD

DBD

205

10

5

5

10

1

DBD

DBD

206

10

5

5

10

5

DBD

DBD

207

10

5

5

10

10

DBD

DBD

208

10

5

10

1

1

DBD

DBD

209

10

5

10

1

5

DBD

DBD

210

10

5

10

1

10

DBD

DBD

211

10

5

10

5

1

DBD

DBD

212

10

5

10

5

5

DBD

DBD

213

10

5

10

5

10

DBD

DBD

214

10

5

10

10

1

DBD

DBD

215

10

5

10

10

5

DBD

DBD

216

10

5

10

10

10

DBD

DBD

217

10

10

1

1

1

Cek lab

Cek lab

218

10

10

1

1

5

Cek lab

Cek lab

219

10

10

1

1

10

Cek lab

Cek lab

220

10

10

1

5

1

Cek lab

Cek lab

221

10

10

1

5

5

Cek lab

Cek lab

222

10

10

1

5

10

Cek lab

Cek lab

223

10

10

1

10

1

Cek lab

Cek lab

224

10

10

1

10

5

Cek lab

Cek lab

225

10

10

1

10

10

Cek lab

Cek lab

226

10

10

5

1

1

DBD

DBD

227

10

10

5

1

5

DBD

DBD

228

10

10

5

1

10

DBD

DBD

229

10

10

5

5

1

DBD

DBD

230

10

10

5

5

5

DBD

DBD

231

10

10

5

5

10

DBD

DBD

232

10

10

5

10

1

DBD

DBD

233

10

10

5

10

5

DBD

DBD

234

10

10

5

10

10

DBD

DBD

235

10

10

10

1

1

DBD

DBD

236

10

10

10

1

5

DBD

DBD

237

10

10

10

1

10

DBD

DBD

238

10

10

10

5

1

DBD

DBD

239

10

10

10

5

5

DBD

DBD

240

10

10

10

5

10

DBD

DBD

241

10

10

10

10

1

DBD

DBD

242

10

10

10

10

5

DBD

DBD

243

10

10

10

10

10

DBD

DBD

 

Basis Aturan (rule base) diagnosis DBD dan demam tifoid   Rule ke1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55

Demam Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap

Nyeri otot&sendi Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Sgt Mengganggu

Pendarahan Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Tdk jelas

Gangguan pencernaan Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi

Lidah Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput

Diagnosis D.Tifoid D Tifoid Cek lab D.Tifoid Observasi Observasi D Tifoid Observasi Observasi D Tifoid D Tifoid Cek lab D Tifoid Cek lab Cek lab D typhoid Cek lab Cek lab D typhoid Cek lab Cek lab D typhoid Cek lab Cek lab D typhoid Cek lab Cek lab D typhoid Cek lab Cek lab D typhoid Cek lab Cek lab D typhoid Cek lab Observasi D typhoid Cek lab D typhoid D typhoid Cek lab Cek lab D tryphoid Cek lab Cek lab D typhoid D typhoid D typhoid D Typhoid Cek lab Cek lab D typhoid Cek lab Cek lab D typhoid

56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114

Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Bertahap Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu

Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu

Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas

Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu

Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput

Cek lab Cek lab D typhoid Cek lab Cek lab D typhoid Cek lab Observasi D typhoid D typhoid D typhoid D typhoid Cek lab Cek lab D typhoid Cek lab Cek lab D typhoid D typhoid D typhoid D typhoid Cek lab Cek lab Cek lab Cek lab Cek lab Observasi Observasi observasi Observasi Observasi Observasi Observasi Observasi Observasi Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Observasi Observasi Observasi Observasi Observasi Observasi

115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173

Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Ragu-ragu Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak

Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu

Tdk jelas Tdk jelas Tdk jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Jelas Jelas

Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi

Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu

Observasi Observasi Observasi Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Observasi Observasi Observasi Observasi Observasi Observasi Observasi Observasi Observasi Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Observasi Observasi Observasi Observasi Observasi Observasi DBD DBD

174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232

Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak

Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Tdk mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu

Jelas Jelas Jelas Jelas Jelas Jelas Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Tdk jelas Jelas Jelas Jelas Jelas Jelas Jelas Jelas

Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi

Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput

DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD DBD Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab Cek lab DBD DBD DBD DBD DBD DBD DBD

233 234 235 236 237 238 239 240 241 242 243

Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak Mendadak

Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu Sgt Mengganggu

Jelas Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas Sgt Jelas

Tdk terjadi Tdk terjadi Terjadi Terjadi Terjadi Ragu-ragu Ragu-ragu Ragu-ragu Tdk terjadi Tdk terjadi Tdk terjadi

Catatan : Tdk : Tidak Sgt : Sangat D.Tifoid : demam tifoid *hanya contoh  

Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput Berselaput Ragu-ragu Tdk berselaput

DBD DBD DBD DBD DBD DBD* DBD* DBD* DBD* DBD* DBD*

LAMPIRAN A BASIS ATURAN (RULE BASE) ANFIS DIAGNOSIS DBD DAN DEMAM TIFOID Rule1 Rule2 Rule3 Rule4 Rule5 Rule6 Rule7 Rule8 Rule9 Rule10 Rule11 Rule12 Rule13 Rule14 Rule15 Rule16 Rule17 Rule18 Rule19 Rule20 Rule21 Rule22 Rule23 Rule24 Rule25 Rule26 Rule27 Rule28 Rule29 Rule30 Rule31 Rule32 Rule33 Rule34

IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis = ((0,25*D)+(0,25*NOS)+(0,25*P)+(0,25*GC)+(0,25*L)+2)/5 IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis= Diagnosis = ((0,25*D)+(0,25*nyeriOtot&Sendi)+(0,25*pendarahan)+(0,25*gangguCerna)+(0,5*lidah)+2)/5 IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,25*nyeriOtot&Sendi)+(0,25*pendarahan)+(0,25*gangguCerna)+(0,75*lidah)+2)/5 IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,25*nyeriOtot&Sendi)+(0,25*pendarahan)+(0,25*gangguCerna)+(0,75*lidah)+2)/5 IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu-ragu AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi tidak _mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,25*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+(

92

93 Rule35 Rule36 Rule37 Rule38 Rule39 Rule40 Rule41 Rule42 Rule43 Rule44 Rule45 Rule46 Rule47 Rule48 Rule49 Rule50 Rule51 Rule52 Rule53 Rule54 Rule55 Rule56 Rule57 Rule58 Rule59 Rule60 Rule61 Rule62 Rule63 Rule64 Rule65 Rule66 Rule67 Rule68 Rule69 Rule70 Rule71 Rule72 Rule-

IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu ragu_ragu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,5*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan raguu-ragu AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND

94 73 Rule74 Rule75 Rule76 Rule77 Rule78 Rule79 Rule80 Rule81 Rule82 Rule83 Rule84 Rule85 Rule86 Rule87 Rule88 Rule89 Rule90 Rule91 Rule92 Rule93 Rule94 Rule95 Rule96 Rule97 Rule98 Rule99 Rule100 Rule101 Rule102 Rule103 Rule104 Rule105 Rule106 Rule107 Rule108 Rule109 Rule110 Rule111

gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam bertahap AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,25*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,25*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+(

95 Rule112 Rule113 Rule114 Rule115 Rule116 Rule117 Rule118 Rule119 Rule120 Rule121 Rule122 Rule123 Rule124 Rule125 Rule126 Rule127 Rule128 Rule129 Rule130 Rule131 Rule132 Rule133 Rule134 Rule135 Rule136 Rule137 Rule138 Rule139 Rule140 Rule141 Rule142 Rule143 Rule144 Rule145 Rule146 Rule147 Rule148 Rule149 Rule-

IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,5*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND

96 150 Rule151 Rule152 Rule153 Rule154 Rule155 Rule156 Rule157 Rule158 Rule159 Rule160 Rule161 Rule162 Rule163 Rule164 Rule165 Rule166 Rule167 Rule168 Rule169 Rule170 Rule171 Rule172 Rule173 Rule174 Rule175 Rule176 Rule177 Rule178 Rule179 Rule180 Rule181 Rule182 Rule183 Rule184 Rule185 Rule186 Rule187 Rule188

gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam ragu-ragu AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,5*D)+(0,75*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND tidak_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,25*NOS)+(

97 Rule189 Rule190 Rule191 Rule192 Rule193 Rule194 Rule195 Rule196 Rule197 Rule198 Rule199 Rule200 Rule201 Rule202 Rule203 Rule204 Rule205 Rule206 Rule207 Rule208 Rule209 Rule210 Rule211 Rule212 Rule213 Rule214 Rule215 Rule216 Rule217 Rule218 Rule219 Rule220 Rule221 Rule222 Rule223 Rule224 Rule225 Rule226 Rule-

IF demam mendadak AND nyeri otot&sendi tidak_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,25*NOS)+( IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,5*NOS)+( IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,5*NOS)+( IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,5*NOS)+( IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,5*NOS)+( IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+(0,5*NOS)+( IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(0,5*NOS)+( IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+(0,5*NOS)+( IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sjelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan ragu-ragu AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan tidak_jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND

98 227 Rule228 Rule229 Rule230 Rule231 Rule232 Rule233 Rule234 Rule235 Rule236 Rule237 Rule238 Rule239 Rule240 Rule241 Rule242 Rule243

gangguan_pencernaan terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu-ragu AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan ragu_ragu AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan jelas AND gangguan_pencernaan tidak_terjadi AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah berselaput THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah ragu-ragu THEN Diagnosis=((0,75*D)+ IF demam mendadak AND nyeri otot&sendi sangat_mengganggu AND pendarahan sangat_jelas AND gangguan_pencernaan AND lidah tidak_berselaput THEN Diagnosis=((0,75*D)+(

LAMPIRAN B PERANCANGAN TAMPILAN

1. Perancangan halaman menu utama

JUDUL APLIKASI TOMBOL MASUK TOMBOL PETUNJUK PEMAKAIAN

PENULIS TOMBOL TENTANG PROGRAM

TOMBOL PROFIL TOMBOL KELUAR

2. Perancangan halaman input gejala 1

GEJALA 1

PERTANYAAN GEJALA 1 JAWABAN

KETERANGAN GEJALA 1

TOMBOL KE GEJALA 2

99

100

3. Perancangan halaman input gejala 2

GEJALA 2

PERTANYAAN GEJALA 2 JAWABAN

KETERANGAN GEJALA 2

TOMBOL KE GEJALA 3

4. Perancangan halaman input gejala

GEJALA 3

PERTANYAAN GEJALA 3 JAWABAN

KETERANGAN GEJALA 3

TOMBOL KE GEJALA 4

101

5. Perancangan halaman input gejala 4

GEJALA 4

PERTANYAAN GEJALA 4 JAWABAN

KETERANGAN GEJALA 4

TOMBOL KE GEJALA 5

6. Perancangan halaman input gejala 5

GEJALA 4

PERTANYAAN GEJALA 4 JAWABAN

KETERANGAN GEJALA 4

TOMBOL KE GEJALA 5

102

7. Perancangan halaman diagnosis

INPUT GEJALA YANG DIMASUKKAN

TOMBOL ULANGI INPUT

TOMBOL DIAGNOSIS

8. Perancangan halaman hasil diagnosis

HASIL DIAGNOSIS DAN TATA LAKSANANYA

TOMBOL MENU UTAMA

TOMBOL KELUAR

103

9. Perancangan halaman petunjuk pemakaian

PETUNJUK PEMAKAIAN

TOMBOL MENU UTAMA

10. Perancangan halaman tentang DBD dan demam tifoid

PENJELASAN TENTANG DBD & TIFOID

TOMBOL MENU UTAMA

104

11. Perancangan halaman profil penulis

PROFIL PENULIS

TOMBOL MENU UTAMA

LAMPIRAN C TAMPILAN APLIKASI

1. Halaman menu utama

2. Halaman input gejala 1

3. Halaman input gejala 2

105

106

4. Halaman input gejala 3

5. Halaman input gejala 4

6. Halaman input gejala 5

107

7. Halaman diagnosis

8. Halaman hasil diagnosis demam tifoid

9. Halaman hasil diagnosis observasi

108

10. Halaman hasil diagnosis cek lab

11. Halaman hasil diagnosis DBD

12. Halaman petunjuk pemakaian

109

13. Halaman tentang DBD dan demam tifoid

14. Halaman profil penulis

LAMPIRAN D INSTALASI MATLAB 7.8

1. Buka file setup.exe dari sumber proram Matlab (CD atau media lain), maka akan ditampilkan jendela installer Matlab seperti berikut :

Pilih ‘Install manually without using internet’ karena kita tidak terkoneksi ke internet, jika terkoneksi ke internet, pilih ‘Install automatically using the internet’ Kemudian klik Next. 2. Pada jendela License Aggreement, pilih radio button Yes kemudian klik Next.

110

111

3. Pada jendela File Installation Key pilih radio button ‘I have the file installation key for my license’ kemudian masukkan key installation 11111-11111-02011-44270. Masukkan key installation 11111-1111102011-06717 jika kita menggunakan instalasi lewat internet. Setelah kita masukkan key installation, klik Next.

4. Pada jendela Installation Type pilih radio button typical, klik Next.

5. Pada jendela Folder Selection, ketikkan lokasi tempat yang kita inginkan untuk menginstal Matlab atau biarkan default (biasanya diarahkan di Program File) kemudian klik Next.

112

6. Selanjutnya akan ditampilkan jendela confirmation yang memberikan penjelasan tentang product-product yang kita install. Lalu klik Install

7. Proses instalasi akan dimulai, tunggu prosesnya sampai complete (100%) dan akan keluar jendela aktivasi Matlab, pilih radio button ‘Activate manually without the internet’ kemudian klik Next.

113

8. Masukkan path lokasi tempat kita menyimpan file ‘lic_standalone.dat’ yang terdapat pada folder ‘crack’ dengan cara browse kemudian klik Next.

9. Program Matlab telah berhasil di install dan di aktivasi.

LAMPIRAN E KODE PROGRAM

1. Menu Utama function varargout = menuUtama(varargin) % MENUUTAMA M-file for menuUtama.fig % MENUUTAMA, by itself, creates a new MENUUTAMA or raises the existing % singleton*. % % H = MENUUTAMA returns the handle to a new MENUUTAMA or the handle to % the existing singleton*. % % MENUUTAMA('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in MENUUTAMA.M with the given input arguments. % % MENUUTAMA('Property','Value',...) creates a new MENUUTAMA or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before menuUtama_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to menuUtama_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help menuUtama % Last Modified by GUIDE v2.5 21-Oct-2010 17:45:48 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @menuUtama_OpeningFcn, ... 'gui_OutputFcn', @menuUtama_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1});

114

115

end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before menuUtama is made visible. function menuUtama_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to menuUtama (see VARARGIN) % Choose default command line output for menuUtama handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes menuUtama wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = menuUtama_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) gejala1 close menuUtama

% --- Executes on button press in pushbutton2.

116

function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) petunjuk close menuUtama % --- Executes on button press in pushbutton3. function pushbutton3_Callback(hObject, eventdata, handles) % hObject handle to pushbutton3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) tentangProgram close menuUtama

% --- Executes on button press in pushbutton4. function pushbutton4_Callback(hObject, eventdata, handles) % hObject handle to pushbutton4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) profil close menuUtama

% --- Executes on button press in pushbutton5. function pushbutton5_Callback(hObject, eventdata, handles) % hObject handle to pushbutton5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close all

% --- Executes on mouse press over figure background, over a disabled or % --- inactive control, or over an axes background. function figure1_WindowButtonDownFcn(hObject, eventdata, handles) % hObject handle to figure1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

2. Gejala 1 function varargout = gejala1(varargin) % GEJALA1 M-file for gejala1.fig % GEJALA1, by itself, creates a new GEJALA1 or raises the existing % singleton*. %

117

% H = GEJALA1 returns the handle to a new GEJALA1 or the handle to % the existing singleton*. % % GEJALA1('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in GEJALA1.M with the given input arguments. % % GEJALA1('Property','Value',...) creates a new GEJALA1 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before gejala1_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to gejala1_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help gejala1 % Last Modified by GUIDE v2.5 19-Oct-2010 22:30:20 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @gejala1_OpeningFcn, ... 'gui_OutputFcn', @gejala1_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before gejala1 is made visible. function gejala1_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure

118

% eventdata MATLAB % handles % varargin

reserved - to be defined in a future version of structure with handles and user data (see GUIDATA) command line arguments to gejala1 (see VARARGIN)

% Choose default command line output for gejala1 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes gejala1 wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = gejala1_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white');

119

end

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) dat1=str2num(get(handles.edit1,'string')); if dat1<0 || dat1>10 warndlg('Nilai yang Anda masukkan diluar jangkauan!','Peringatan') else csvwrite('dat1.dat',dat1); gejala2 close gejala1 end

3. Gejala 2 function varargout = gejala2(varargin) % GEJALA2 M-file for gejala2.fig % GEJALA2, by itself, creates a new GEJALA2 or raises the existing % singleton*. % % H = GEJALA2 returns the handle to a new GEJALA2 or the handle to % the existing singleton*. % % GEJALA2('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in GEJALA2.M with the given input arguments. % % GEJALA2('Property','Value',...) creates a new GEJALA2 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before gejala2_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to gejala2_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help gejala2

120

% Last Modified by GUIDE v2.5 12-Nov-2010 13:43:43 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @gejala2_OpeningFcn, ... 'gui_OutputFcn', @gejala2_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before gejala2 is made visible. function gejala2_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to gejala2 (see VARARGIN) % Choose default command line output for gejala2 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes gejala2 wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = gejala2_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

121

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) dat2=str2num(get(handles.edit1,'string')); if dat2<0 || dat2>10 warndlg('Nilai yang Anda masukkan diluar jangkauan!','Peringatan') else csvwrite('dat2.dat',dat2); gejala3 close gejala2 end

4. Gejala 3 function varargout = gejala3(varargin) % GEJALA3 M-file for gejala3.fig % GEJALA3, by itself, creates a new GEJALA3 or raises the existing % singleton*.

122

% % H = GEJALA3 returns the handle to a new GEJALA3 or the handle to % the existing singleton*. % % GEJALA3('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in GEJALA3.M with the given input arguments. % % GEJALA3('Property','Value',...) creates a new GEJALA3 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before gejala3_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to gejala3_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help gejala3 % Last Modified by GUIDE v2.5 12-Nov-2010 13:44:09 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @gejala3_OpeningFcn, ... 'gui_OutputFcn', @gejala3_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before gejala3 is made visible. function gejala3_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure

123

% eventdata MATLAB % handles % varargin

reserved - to be defined in a future version of structure with handles and user data (see GUIDATA) command line arguments to gejala3 (see VARARGIN)

% Choose default command line output for gejala3 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes gejala3 wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = gejala3_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white');

124

end

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) dat3=str2num(get(handles.edit1,'string')); if dat3<0 || dat3>10 warndlg('Nilai yang Anda masukkan diluar jangkauan!','Peringatan') else csvwrite('dat3.dat',dat3); gejala4 close gejala3 end

5. Gejala 4 function varargout = gejala4(varargin) % GEJALA4 M-file for gejala4.fig % GEJALA4, by itself, creates a new GEJALA4 or raises the existing % singleton*. % % H = GEJALA4 returns the handle to a new GEJALA4 or the handle to % the existing singleton*. % % GEJALA4('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in GEJALA4.M with the given input arguments. % % GEJALA4('Property','Value',...) creates a new GEJALA4 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before gejala4_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to gejala4_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help gejala4

125

% Last Modified by GUIDE v2.5 19-Oct-2010 22:49:31 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @gejala4_OpeningFcn, ... 'gui_OutputFcn', @gejala4_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before gejala4 is made visible. function gejala4_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to gejala4 (see VARARGIN) % Choose default command line output for gejala4 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes gejala4 wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = gejala4_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

126

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) dat4=str2num(get(handles.edit1,'string')); if dat4<0 || dat4>10 warndlg('Nilai yang Anda masukkan diluar jangkauan!','Peringatan') else csvwrite('dat4.dat',dat4); gejala5 close gejala4 end

6. Gejala 5 function varargout = gejala5(varargin) % GEJALA5 M-file for gejala5.fig % GEJALA5, by itself, creates a new GEJALA5 or raises the existing % singleton*.

127

% % H = GEJALA5 returns the handle to a new GEJALA5 or the handle to % the existing singleton*. % % GEJALA5('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in GEJALA5.M with the given input arguments. % % GEJALA5('Property','Value',...) creates a new GEJALA5 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before gejala5_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to gejala5_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help gejala5 % Last Modified by GUIDE v2.5 18-Nov-2010 21:37:06 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @gejala5_OpeningFcn, ... 'gui_OutputFcn', @gejala5_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before gejala5 is made visible. function gejala5_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure

128

% eventdata MATLAB % handles % varargin

reserved - to be defined in a future version of structure with handles and user data (see GUIDATA) command line arguments to gejala5 (see VARARGIN)

% Choose default command line output for gejala5 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes gejala5 wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = gejala5_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

function edit1_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function edit1_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white');

129

end

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) dat5=str2num(get(handles.edit1,'string')); if dat5<0 || dat5>10 warndlg('Nilai yang Anda masukkan diluar jangkauan!','Peringatan') else csvwrite('dat5.dat',dat5); diagnosis close gejala5 end

7. Cekmf function diagnosis=cekmf(nilai) mf1=evalmf(nilai,[0 2 3.99],'trimf') mf2=evalmf(nilai,[3 4.5 5.9],'trimf') mf3=evalmf(nilai,[5 6.5 7.9],'trimf') mf4=evalmf(nilai,[7 8.5 10],'trimf') if nilai<=3.99 diagnosis=0; else if nilai>3 && nilai<=5 diagnosis=1; else if nilai>5 && nilai<=7 diagnosis=2; else if nilai>7 && nilai<=10 diagnosis=3; end end end end

8. Diagnosis function varargout = diagnosis(varargin) % DIAGNOSIS M-file for diagnosis.fig % DIAGNOSIS, by itself, creates a new DIAGNOSIS or raises the existing % singleton*. % % H = DIAGNOSIS returns the handle to a new DIAGNOSIS or the handle to

130

% the existing singleton*. % % DIAGNOSIS('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in DIAGNOSIS.M with the given input arguments. % % DIAGNOSIS('Property','Value',...) creates a new DIAGNOSIS or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before diagnosis_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to diagnosis_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help diagnosis % Last Modified by GUIDE v2.5 18-Nov-2010 23:52:04 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @diagnosis_OpeningFcn, ... 'gui_OutputFcn', @diagnosis_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before diagnosis is made visible. function diagnosis_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB

131

% handles % varargin

structure with handles and user data (see GUIDATA) command line arguments to diagnosis (see VARARGIN)

% Choose default command line output for diagnosis handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes diagnosis wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = diagnosis_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

%

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) dat1=load('dat1.dat'); dat2=load('dat2.dat'); dat3=load('dat3.dat'); dat4=load('dat4.dat'); dat5=load('dat5.dat'); fis=readfis('pakarDBDTifoid'); fis.andMethod='min'; fis.orMethod='max'; fis.impMethod='min'; fis.aggMethod='max'; %out_fis=genfis(fis); hasil=evalfis([dat1 dat2 dat3 dat4 dat5],fis); diagnosis=cekmf(hasil) if diagnosis==0 diagnosis0 else

132

if diagnosis==1 diagnosis1 else if diagnosis ==2 diagnosis2 else diagnosis3 end end end close diagnosis

% --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) gejala1 close diagnosis

function editGejala_Callback(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of edit1 as text % str2double(get(hObject,'String')) returns contents of edit1 as a double

% --- Executes during object creation, after setting all properties. function editGejala_CreateFcn(hObject, eventdata, handles) % hObject handle to edit1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

% --- Executes on button press in pushbutton3. function pushbutton3_Callback(hObject, eventdata, handles)

133

% hObject handle to pushbutton3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) dat1=load('dat1.dat'); dat2=load('dat2.dat'); dat3=load('dat3.dat'); dat4=load('dat4.dat'); dat5=load('dat5.dat'); out1=num2str(dat1); out2=num2str(dat2); out3=num2str(dat3); out4=num2str(dat4); out5=num2str(dat5); set(handles.out1,'String',out1); set(handles.out2,'String',out2); set(handles.out3,'String',out3); set(handles.out4,'String',out4); set(handles.out5,'String',out5); guidata(hObject,handles);

function out1_Callback(hObject, eventdata, handles) % hObject handle to out1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of out1 as text % str2double(get(hObject,'String')) returns contents of out1 as a double

% --- Executes during object creation, after setting all properties. function out1_CreateFcn(hObject, eventdata, handles) % hObject handle to out1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

function out2_Callback(hObject, eventdata, handles) % hObject handle to out2 (see GCBO)

134

% eventdata MATLAB % handles

reserved - to be defined in a future version of structure with handles and user data (see GUIDATA)

% Hints: get(hObject,'String') returns contents of out2 as text % str2double(get(hObject,'String')) returns contents of out2 as a double

% --- Executes during object creation, after setting all properties. function out2_CreateFcn(hObject, eventdata, handles) % hObject handle to out2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

function out3_Callback(hObject, eventdata, handles) % hObject handle to out3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of out3 as text % str2double(get(hObject,'String')) returns contents of out3 as a double

% --- Executes during object creation, after setting all properties. function out3_CreateFcn(hObject, eventdata, handles) % hObject handle to out3 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

135

function out4_Callback(hObject, eventdata, handles) % hObject handle to out4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of out4 as text % str2double(get(hObject,'String')) returns contents of out4 as a double

% --- Executes during object creation, after setting all properties. function out4_CreateFcn(hObject, eventdata, handles) % hObject handle to out4 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER. if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

function out5_Callback(hObject, eventdata, handles) % hObject handle to out5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Hints: get(hObject,'String') returns contents of out5 as text % str2double(get(hObject,'String')) returns contents of out5 as a double

% --- Executes during object creation, after setting all properties. function out5_CreateFcn(hObject, eventdata, handles) % hObject handle to out5 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles empty - handles not created until after all CreateFcns called % Hint: edit controls usually have a white background on Windows. % See ISPC and COMPUTER.

136

if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor')) set(hObject,'BackgroundColor','white'); end

9. Diagnosis0 function varargout = diagnosis0(varargin) % DIAGNOSIS0 M-file for diagnosis0.fig % DIAGNOSIS0, by itself, creates a new DIAGNOSIS0 or raises the existing % singleton*. % % H = DIAGNOSIS0 returns the handle to a new DIAGNOSIS0 or the handle to % the existing singleton*. % % DIAGNOSIS0('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in DIAGNOSIS0.M with the given input arguments. % % DIAGNOSIS0('Property','Value',...) creates a new DIAGNOSIS0 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before diagnosis0_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to diagnosis0_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help diagnosis0 % Last Modified by GUIDE v2.5 12-Nov-2010 03:33:01 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @diagnosis0_OpeningFcn, ... 'gui_OutputFcn', @diagnosis0_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1});

137

end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before diagnosis0 is made visible. function diagnosis0_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to diagnosis0 (see VARARGIN) % Choose default command line output for diagnosis0 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes diagnosis0 wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = diagnosis0_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close all

138

10. Diagnosis1 function varargout = diagnosis1(varargin) % DIAGNOSIS1 M-file for diagnosis1.fig % DIAGNOSIS1, by itself, creates a new DIAGNOSIS1 or raises the existing % singleton*. % % H = DIAGNOSIS1 returns the handle to a new DIAGNOSIS1 or the handle to % the existing singleton*. % % DIAGNOSIS1('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in DIAGNOSIS1.M with the given input arguments. % % DIAGNOSIS1('Property','Value',...) creates a new DIAGNOSIS1 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before diagnosis1_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to diagnosis1_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help diagnosis1 % Last Modified by GUIDE v2.5 18-Nov-2010 21:40:49 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @diagnosis1_OpeningFcn, ... 'gui_OutputFcn', @diagnosis1_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end

139

% End initialization code - DO NOT EDIT

% --- Executes just before diagnosis1 is made visible. function diagnosis1_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to diagnosis1 (see VARARGIN) % Choose default command line output for diagnosis1 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes diagnosis1 wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = diagnosis1_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close all

11. Diagnosis2 function varargout = diagnosis2(varargin) % DIAGNOSIS2 M-file for diagnosis2.fig % DIAGNOSIS2, by itself, creates a new DIAGNOSIS2 or raises the existing % singleton*.

140

% % H = DIAGNOSIS2 returns the handle to a new DIAGNOSIS2 or the handle to % the existing singleton*. % % DIAGNOSIS2('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in DIAGNOSIS2.M with the given input arguments. % % DIAGNOSIS2('Property','Value',...) creates a new DIAGNOSIS2 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before diagnosis2_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to diagnosis2_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help diagnosis2 % Last Modified by GUIDE v2.5 12-Nov-2010 03:37:51 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @diagnosis2_OpeningFcn, ... 'gui_OutputFcn', @diagnosis2_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before diagnosis2 is made visible. function diagnosis2_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn.

141

% hObject % eventdata MATLAB % handles % varargin

handle to figure reserved - to be defined in a future version of structure with handles and user data (see GUIDATA) command line arguments to diagnosis2 (see VARARGIN)

% Choose default command line output for diagnosis2 handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes diagnosis2 wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = diagnosis2_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close all

12. Diagnosis3 function varargout = diagnosis3(varargin) % DIAGNOSIS3 M-file for diagnosis3.fig % DIAGNOSIS3, by itself, creates a new DIAGNOSIS3 or raises the existing % singleton*. % % H = DIAGNOSIS3 returns the handle to a new DIAGNOSIS3 or the handle to % the existing singleton*. % % DIAGNOSIS3('CALLBACK',hObject,eventData,handles,...) calls the local

142

% function named CALLBACK in DIAGNOSIS3.M with the given input arguments. % % DIAGNOSIS3('Property','Value',...) creates a new DIAGNOSIS3 or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before diagnosis3_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to diagnosis3_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help diagnosis3 % Last Modified by GUIDE v2.5 12-Nov-2010 03:38:43 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @diagnosis3_OpeningFcn, ... 'gui_OutputFcn', @diagnosis3_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before diagnosis3 is made visible. function diagnosis3_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to diagnosis3 (see VARARGIN) % Choose default command line output for diagnosis3

143

handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes diagnosis3 wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = diagnosis3_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) close all

13. Petunjuk pemakaian function varargout = petunjuk(varargin) % PETUNJUK M-file for petunjuk.fig % PETUNJUK, by itself, creates a new PETUNJUK or raises the existing % singleton*. % % H = PETUNJUK returns the handle to a new PETUNJUK or the handle to % the existing singleton*. % % PETUNJUK('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in PETUNJUK.M with the given input arguments. % % PETUNJUK('Property','Value',...) creates a new PETUNJUK or raises the % existing singleton*. Starting from the left, property value pairs are

144

% applied to the GUI before petunjuk_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to petunjuk_OpeningFcn via varargin. % % *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES % Edit the above text to modify the response to help petunjuk % Last Modified by GUIDE v2.5 12-Nov-2010 01:00:47 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @petunjuk_OpeningFcn, ... 'gui_OutputFcn', @petunjuk_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before petunjuk is made visible. function petunjuk_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to petunjuk (see VARARGIN) % Choose default command line output for petunjuk handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes petunjuk wait for user response (see UIRESUME) % uiwait(handles.figure1);

145

% --- Outputs from this function are returned to the command line. function varargout = petunjuk_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) menuUtama close petunjuk

tentang program function varargout = tentangProgram(varargin) % TENTANGPROGRAM M-file for tentangProgram.fig % TENTANGPROGRAM, by itself, creates a new TENTANGPROGRAM or raises the existing % singleton*. % % H = TENTANGPROGRAM returns the handle to a new TENTANGPROGRAM or the handle to % the existing singleton*. % % TENTANGPROGRAM('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in TENTANGPROGRAM.M with the given input arguments. % % TENTANGPROGRAM('Property','Value',...) creates a new TENTANGPROGRAM or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before tentangProgram_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to tentangProgram_OpeningFcn via varargin. %

146

% *See GUI Options on GUIDE's Tools menu. only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES

Choose "GUI allows

% Edit the above text to modify the response to help tentangProgram % Last Modified by GUIDE v2.5 19-Oct-2010 23:30:12 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @tentangProgram_OpeningFcn, ... 'gui_OutputFcn', @tentangProgram_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before tentangProgram is made visible. function tentangProgram_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to tentangProgram (see VARARGIN) % Choose default command line output for tentangProgram handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes tentangProgram wait for user response (see UIRESUME) % uiwait(handles.figure1);

147

% --- Outputs from this function are returned to the command line. function varargout = tentangProgram_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) menuUtama close tentangProgram

14. Profil function varargout = profil(varargin) % PROFIL M-file for profil.fig % PROFIL, by itself, creates a new PROFIL or raises the existing % singleton*. % % H = PROFIL returns the handle to a new PROFIL or the handle to % the existing singleton*. % % PROFIL('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in PROFIL.M with the given input arguments. % % PROFIL('Property','Value',...) creates a new PROFIL or raises the % existing singleton*. Starting from the left, property value pairs are % applied to the GUI before profil_OpeningFcn gets called. An % unrecognized property name or invalid value makes property application % stop. All inputs are passed to profil_OpeningFcn via varargin. %

148

% *See GUI Options on GUIDE's Tools menu. only one % instance to run (singleton)". % % See also: GUIDE, GUIDATA, GUIHANDLES

Choose "GUI allows

% Edit the above text to modify the response to help profil % Last Modified by GUIDE v2.5 19-Oct-2010 23:41:37 % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @profil_OpeningFcn, ... 'gui_OutputFcn', @profil_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT

% --- Executes just before profil is made visible. function profil_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to profil (see VARARGIN) % Choose default command line output for profil handles.output = hObject; % Update handles structure guidata(hObject, handles); % UIWAIT makes profil wait for user response (see UIRESUME) % uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = profil_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure

149

% eventdata MATLAB % handles

reserved - to be defined in a future version of structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure varargout{1} = handles.output;

% --- Executes on button press in pushbutton1. function pushbutton1_Callback(hObject, eventdata, handles) % hObject handle to pushbutton1 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) menuUtama close profil