BAB III ANALISIS DAN DESAIN SISTEM
Pada bab ini penulis akan membahas mengenai perancangan sistem pakar identifikasi penyakit pada tanaman buah naga dengan menggunakan metode certainty Factor yang meliputi analisa sistem yang sedang berjalan saat ini dan desain sistem.
III.1. Analisa Masalah Pada sistem yang sedang berjalan belum ada atau belum tersedia sistem pakar tempat konsultasi yang berbasis komputer yang menjelaskan tentang penyakit yang dialami petani terhadap tanaman buah naga dan permasalahan seputar tanaman buah naga. Sistem yang berjalan, para petani akan mencari informasi dari sumber pengetahuan seperti sesama petani buah naga, buku serta majalah tentang pertanian. Namun diprakteknya masih ada saja petani yang mengalami kegagalan dalam menentukan solusi yang tepat untuk mengatasi permasalahan tersebut. III.1.1 Analisa Input Pada sistem yang berjalan, belum ada sistem pakar berbasis komputer sebagai tempat untuk berkonsultasi para pengguna, sehingga petani buah naga yang ingin berkonsultasi akan mencari informasi melalui buku dan informasi dari penyuluh pertanian.
43
44
III.1.2. Analisa Proses Pengguna
Administrasi
Data Pengguna Data gejala
Data Pengguna Data gejala
Input data pengguna dan gejala penyakit
Penyuluh Data Pengguna Data gejala
Proses konsultasi
Data Pengguna Data gejala
Analisa hasil konsultasi
Analisa Hasil Konsultasi
Analisa hasil konsultasi
Gambar III.1. Flow of Document Letak Konsultasi Berikut merupakan penjelasan dari flow of document tersebut diatas adalah sebagai berikut : 1. Start. 2. Petani atau pembudidaya akan mencari keterangan tentang penyakit pada buah naga. 3. Petani akan menanyakan informasi seputar penyakit pada tanaman buah naga kepada sesama petani ataupun kepada penyuluh pertanian 4. Jika informasi dan solusi penyakit pada buah naga sudah ditemukan..
45
5. maka petani akan melaksanakan solusi yang didapat sesuai dengan anjuran penyuluh pertanian. 6.
End
III.1.3. Analisa Output Keluaran atau output data dari sistem yang sedang berjalan setelah diinput dan diproses akan ditampilkan hasilnya dalam bentuk output. Adapun sebagai output dari proses yang dilakukan adalah hasil analisa tentang penyakit pada tanaman buah naga yang diberikan dalam bentuk jawaban dari penyuluh pertanian.
III.2. Penerapan Metode Certainty Factor Representasi pengetahuan merupakan metode yang digunakan untuk mengkodekan pengetahuan dalam sebuah sistem pakar yang berbasis pengetahuan (knowledge
base).
Basis
pengetahuan
mengandung
pengetahuan
untuk
pemahaman dan merupakan inti dari sistem pakar, yaitu berupa representasi pengetahuan dari pakar yang tersusun atas dua (2) elemen dasar yaitu, fakta dan aturan, dan mesin inferensi. II.2.1. Basis pengetahuan Basis pengetahuan yang terdapat dalam sistem pakar ini akan digunakan untuk menentukan proses pencarian atau menentukan kesimpulan yang diperoleh dari hasil analisis. Hasil yang diperoleh setelah pengguna melakukan interaksi dengan sistem pakar yaitu dengan menjawab pertanyaan yang diajukan oleh sistem pakar. Basis pengetahuan yang di gunakan didalam sistem pakar ini terdiri
46
dari : gejala-gejala yang penyakit buah naga dan derajat/ tingkat keyakinan yang diberikan oleh pakar. Tabel keputusan untuk gejala-gejala yang terjadi adalah seperti ditunjukkan oleh tabel III.1 dibawah ini: III.2.1.1. Data Gejala Tabel III.1 Daftar Gejala Penyakit No
Id
Nama Gejala
Nilai
1.
G001 Batang tanaman buah naga membusuk
9
2.
G002 Batang buah naga terlihat layu
8
3.
G003 Pangkal batang berwarna kekuningan
7
4.
G004 Batang tanaman buah naga berwarna merah
8
kecoklatan 5.
G005 Batang terlihat Kusam
6
6.
G006 Muncul lendir berwarna putih kekuningan
9
7.
G007 Tanaman terlihat mengerut
9
8.
G008 Terdapat Bercak coklat pada permukaan batang
7
9.
G009 Terdapat bercak merah pada permukaan batang
9
10.
G010 Tidak Ditemukan
0
11.
G011 Terdapat bulu putih pada batang buah naga
7
III.2.1.2. Data Penyakit Tabel III.2 Tabel Data Penyakit No
Id
Nama Penyakit Pada Pohon Pepaya
Nilai
1.
P001
Busuk Pangkal Batang
7
2.
P002
Busuk Bakteri
6
3.
P003
Layu Fusarium
8
4.
P004
Karat Merah
7
5.
P005
Penyakit Baru
0
47
III.2.1.3. Data rule Tabel III.3 Data Rule No
Id
Gejala Id
1.
Rule 1
If G001, G003, G004, G011 Then P001
2.
Rule 2
If G002, G005, G006 Then P002
3.
Rule 3
If G001, G002, G007 Then P003
4.
Rule 4
If G008, G009 Then P004
5.
Rule 5
If G010, Then P005
III.2.1.4. Pohon Keputusan
Gambar III.2 Pohon Keputusan
48
III.2.2. Penerapan Metode Certainty Factor Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatanMYCIN. Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Certainty Factor didefinisikan sebagai persamaan berikut: CF (H, E) = MB (H, E) – MD (H, E) 1 MB(H|E)= max[P(H|E) , P(H)] - P(H) 1 - P(H)
if P(H) = 1
1 MD(H|E)= min[P(H|E), P(H)] - P(H) - P(H)
if P(H) = 0
otherwise
otherwise
Di mana: CF (H, E)
= Faktor kepastian
MB (H, E) = Ukuran kepercayaan terhadap hipotesis H, jika diberikan evidence E ( antara 0 dan 1) MD (H, E) = Ukuran ketidak percayaan terhadap evidence H, jika diberikan evidence E (antara 0 dan 1) P(H)
= probabilitas kebenaran hipotesa H
P(H|E)
= probabilitas bahwa H benar karena fakta E
Metode certainty factor yang akan diterapkan dalam pembuatan sistem pakar ini adalah metode dengan rumus certainty factor sebagai berikut : CF(x Dan y) = Min (CF(x), CF(y))
49
Contoh perhitungan nilai certainty factor untuk sistem ini adalah sebagai berikut: If Batang tanaman buah naga membusuk And Pangkal batang berwarna kekuningan And Batang tanaman buah naga berwarna merah kecoklatan And Terdapat bulu putih pada batang buah naga Then Busuk Pangkal Batang Dengan menganggap E1
: Batang tanaman buah naga membusuk
E2
: Pangkal batang berwarna kekuningan.
E3
: Batang tanaman buah naga berwarna merah kecoklatan.
E4
: Terdapat bulu putih pada batang buah naga.
Nilai certainty factor hipotesis pada saat evidence pasti adalah : CF(H,E)
= min CF(H,E1 ∩ E2 ∩ E3 ∩ E4) = 0.7
Dalam kasus ini, kondisi gejala tidak dapat ditentukan dengan pasti. Certainty factor evidence E yang dipengaruhi partial evidence e ditunjukkan dengan nilai sebagai berikut: CF(E1 , e) = 0.9 CF(E2 , e) = 0.7 CF(E3 , e) = 0.8 CF(E4 , e) = 0.7
50
Sehingga CF(E,e)
= min[CF(E1 ∩ E2 ∩ E3 ∩ E4 , e)] = min [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e)] = min [0.9, 0.7, 0.8, 0.7] = 0.7 x 100% = 70%
Hal ini berarti besarnya kepercayaan pakar terhadap kemungkinan P001 adalah 0.7 atau persentasi 70%
III.3. Desain Sistem Kelemahan sistem yang sedang berjalan perlu dipikirkan dan mencari solusi terbaik. Kelemahan ini dapat diperkecil dengan merancang suatu sistem yang dapat menutupi kelemahan pada sistem yang berjalan tersebut. Dalam hal ini penulis akan mendesain dan memberikan gambaran yang jelas mengenai rancang bangun sistem yang akan diusulkan sebagai alternatif perbaikan pada sistem yang sedang berjalan. Pada tahap ini perlu membatasi rancang bangun sistem yang diusulkan agar lebih mudah dalam memahami sistem nantinya Karena sistem yang diusulkan akan menghasilkan sebuah perangkat lunak yang berorientasi objek, maka perlu melakukan pemodelan sistem berdasarkan objek-objek yang digunakan. Dalam pemodelan ini penulis menggunakan Unfied Modeling Languange (UML). Pada tahap pemodelan ataupun disain sistem secara global, penulis akan merancang sistem berdasarkan kebutuhan sistem yang akan
51
diusulkan, seperti pembuata use case diagram, activity diagram, sequence diagram dan class diagram. III.3.1. Use Case Diagram
Login Admin Input Data Pengguna Olah Master Penyakit <
> <>
Konsultasi
Olah Master Relasi
User Admin
<> <>
Olah Master Gejala
Gambar III.3 Usecase Diagram Use case diagram tersebut digunakan untuk memahami bagaimana interaksi pengguna sistem dengan sistem yang dipakai secara keseluruhan. Pada use case diagram ini juga akan menjelaskan kegiatan apa saja yang dapat dilakukan oleh pengguna sistem dan batasan dalam mengakses sistem.
52
III.3.2. Class Diagram Class diagram sangat membantu penulis dalam visualisasi struktur kelaskelas dari suatu sistem dan merupakan tipe diagram yang paling banyak dipakai. Class diagram memperlihatkan hubungan antar kelas dan penjelasan detail tiap tiap kelas didalam model disain dari suatu sistem. Adapun class diagram yang diusulkan dapat dilihat pada gambar berikut ini :
tmp_pasien +id*: int (4) +nama: varchar(60) +kelamin: enum('P','W') +alamat: varchar(100) +pekerjaan: varchar(60) +noip: varchar(60) +tanggal: datetime
gejala tmp_gejala +noip: varchar(60) +kd_gejala*: char(4)
1
1..*
1
+kd_gejala*: char(4) +nm_gejala: varchar(100) +nilai_cf: char(4)
0..*
+input() +ubah() +hapus()
1
analisa_hasil
0..*
+id*: int(4) +nama: varchar(60) +kelamin: enum ('P','W') +alamat: varchar(100) +pekerjaan: varchar(60) 1 +kd_penyakit*: char(4) +noip: varchar(60) +tanggal: datetime
1 * relasi +kd_gejala*: char(4) * +nm_gejala*: char(4)
pakar
tmp_penyakit
+userID*: varchar(50) +PassID: varchar(100)
1 +noip: varchar(60) +kd_penyakit*: char(4) 1
1
1..* penyakit tmp_analisa +noip: varchar(60) 1..* +kd_penyakit*: char(4) +kd_gejala*: char(4) +status: enum('Y','N')
+kd_penyakit*: char(4) +nm_penyakit: varchar(100) +keterangan: text +solusi: text +nilai_cf: char(4)
0..*
+input() +ubah() +hapus()
Gambar III.4 Diagram Class Sistem Pakar III.3.3. Activity Diagram Logika program dari sistem yang diusulkan akan digambarkan dalam sebuah activity diagram. Activity diagram ini akan menjelaskan setiap kegiatan yang akan dilakakukan pengguna pada sistem nantinya. Dengan menggambarkan setiap aktivitas dari sistem diharapkan sistem yang akan dibangun leibh mudah
53
dipahami. Adapun activity diagram pada sistem yang diusulkan adalah sebagai berikut : III.3.3.1. Activity Diagram Input Data Pengguna
Masukkan nama, alamat, dan pekerjaan
Input data
Data tidak lengkap
ya Input nama, alamat, dan pekerjaan berhasil sukses
Gambar III.5 Activity Diagram Input Data Pengguna III.3.3.2. Activity Diagram Konsultasi
Gambar III.6 Activity Diagram Konsultasi
54
III.3.3.3. Activity Diagram Data Penyakit
Data penyakit
Ya Tambah
Tidak
Ya Ubah
Tidak
Ya
Hapus
Tidak
Keluar
Tampil Penyakit
Gambar III.7 Activity Diagram Data Penyakit
55
III.3.3.4. Activity Diagram Data Gejala
Data Gejala
Ya
Tambah
Tidak
Ya
Ubah
Tidak
Ya
Hapus
Tidak
Keluar
Tampil Gejala
Gambar III.8 Activity Diagram Data Gejala
56
III.3.3.5. Activity Diagram Relasi
Data Relasi
Ya
Tambah
Tidak
Ya Ubah
Tidak
Ya
Hapus
Tidak
Keluar
Tampil Relasi
Gambar III.9 Activity Diagram Data Relasi
57
III.3.3.3. Activity Diagram Login Admin
Masukkan username dan password
Cek valid?
ya
Tidak ada
Login berhasil sukses
Gambar III.10 Activity Diagram Login Admin
III.3.4. Sequence Diagram Sequence Diagram menggambarkan interaksi antara sejumlah object dalam urutan waktu. Kegunaannya untuk menunjukkan rangkaian pesan yang dikirim antara object serta interaksi antar object yang terjadi pada titik tertentu dalam eksekusi sistem yang diusulkan. Adapun perancangan sequence diagram pada sistem yang diusulkan adalah sebagai berikut:
58
III.3.4.1. Sequence Diagram Interaksi Login Admin
Form login
Hal Admin
Controller
Tbl Pakar
Admiin
2:Halaman Login Tampil() 1: Menu login()
3:Masukkan Username dan Password()
4: Login()
5:Validasi()
6: Hasil() 7:pesan informasi() 8:Login sukses() 9: Cancel() 10: Reset Field()
Gambar III.11 Sequence Diagram Login Admin
59
III.3.4.2. Sequence Diagram Penyakit
Hal Penyakit
Proses
Tbl Penyakit
Admiin
2: Halaman Data Penyakit() 1: Menu Penyakit() 3: Tambah data() 4: Ubah ()
5: Hapus() 6: Validasi() 7:Result() 8:Pesan Informasi () 9: Data berhasil disimpan()
Gambar III.12 Sequence Diagram Penyakit
60
III.3.4.3. Sequence Diagram Gejala
Hal Gejala
Tbl Gejala
Proses
Admin
2: Halaman Data gejala() 1: Menu Gejala() 3: Tambah data() 4: Ubah ()
5: Hapus() 6: Validasi() 7:Result() 8:Pesan Informasi () 9: Data berhasil disimpan()
Gambar III.13 Sequence Diagram Gejala
61
III.3.4.4. Sequence Diagram Relasi
Hal Relasi
Tbl Relasi
Proses
Admin
2: Halaman Data Relasi() 1: Menu Relasi() 3: Tambah data() 4: Ubah ()
5: Hapus() 6: Validasi() 7:Result() 8:Pesan Informasi () 9: Data berhasil disimpan()
Gambar III.14 Sequence Diagram Relasi
62
III.3.4.5. Sequence Diagram Input Data Pengguna
Hal Utama
Hal Konsultasi
Proses
Tbl Pasien
User
1:pilih menu()
2:Konsultasi()
3:halaman Konsultasi()
4: masukkan data pengguna()
Gambar III.15 Sequence Diagram Input Data Pengguna
63
III.3.4.6. Sequence Diagram Halaman Konsultasi
Hal Utama
Hal Konsultasi
Tbl konsultasi
User
2: Halaman konsultasi() 1:konsultasi() 3: masukkan data pengguna() 4: menampilkan pertanyaan ()
5:jawab pertanyaan () 6: Validasi() 7:Result() Hasil analisa ()
Gambar III.16 Sequence Diagram Halaman Konsultasi
III.4. Desain Database Tahap ini merupakan tahap dimana penulis menempatkan data yang sudah ada pada bagian server. Data tersebut nantinya akan diproses oleh data yang sudah dibuat. Tempat untuk menampung data tersebut disebut dengan basisdata atau
64
database strukturnya yang terdiri dari atas
tabel-tabel yang dibuat dengan
menggunakan program Xampp server III.4.1. ERD ( Entity Relation Diagram) Nm_penyakit
Kd_gejala
Kd_penyakit Gejala
Nm_gejala
Nilai_cf Penyakit Definisi keterangan
Kd_penyakit Relasi
Kd_gejala
Gambar III.17 Entity Relationship Diagram (ERD) III.4.2. Desain Tabel Dalam perancangan database Sistem pakar mendeteksi Penyakit pada pohon pepaya, menggunakan tabel tabel basis data sebagai berikut: 1.
Tabel Penyakit Tabel Penyakit digunakan untuk menampung data Penyakit dan
solusi keseluruhan. Berikut ditampilkan rancangan struktur data Penyakit. Nama Database
: buah_nagaspk
Nama Tabel
: Penyakit
Field Key
: kd_Penyakit
Tabel III.4 Tabel Penyakit Tanaman Buah Naga No Nama Field
Data Type
Width Keterangan
1
Kd_penyakit
Char
4
Id Penyakit
2
Nm_penyakit
Varchar
100
Nama Penyakit
3
Nilai_cf
Varchar
5
Nilai CF
4
keterangan
Text
500
keterangan
5
Solusi
Text
500
Solusi
65
2.
Tabel Gejala Tabel gejala digunakan untuk menampung data gejala keseluruhan.
Berikut ditampilkan rancangan struktur data Gejala. Nama Database
: buah_nagaspk
Nama Tabel
: gejala
Field Key
: kd_gejala
Tabel III.5 Tabel Gejala Penyakit Tanaman Buah Naga No Nama Field
Data Type
Width Keterangan
1
Kd_gejala
Varchar
4
Id gejala
2
Nm_gejala
Varchar
100
Nama gejala
3
Nilai_cf
Char
4
Nilai CF gejala
3.
Tabel Analisa Hasil Tabel Analisa Hasil digunakan untuk menampung hasil analisa
sementara untuk membuat sebuah hipotesis keseluruhan. Berikut ditampilkan rancangan struktur data hasil analisa. Nama Database
: buah_nagaspk
Nama Tabel
: analisa_hasil
Field Key
: Id
Tabel III.6 Tabel analisa hasil konsultasi Tanaman Buah Naga No Nama Field
Data Type
Width Keterangan
1
id
Int
4
Id
2
kd_Penyakit
Char
4
Id Penyakit
3
nama
Varchar
60
Nama users
66
4
noip
Varchar
60
Ip address
5
pekerjaan
Varchar
60
Pekerjaan
6
alamat
Varchar
100
Alamat
7
tanggal
Datetime
-
Tanggal
8
kelamin
Enum
P, W
Kelamin
4.
Tabel Pakar Tabel Pakar digunakan untuk menampung data pakar yang mengelola
seluruh data penyakit, relasi dan gejala. Berikut ditampilkan rancangan struktur data pakar. Nama Database
: buah_nagaspk
Nama Tabel
: pakar
Field Key
: userID
Tabel III.7 Tabel pakar Tanaman Buah Naga No Nama Field
Data Type
Width Keterangan
1
userID
Varchar
50
Username pakar
2
passID
Varchar
100
Password pakar
5.
Tabel Temp_Gejala Tabel Temp_gejala digunakan untuk menampung sementara analisa.
Berikut ditampilkan rancangan struktur data hasil analisa. Nama Database
: buah_nagaspk
Nama Tabel
: tmp_gejala
67
Field Key
: kd_gejala
Tabel III.8 Tabel tmp_gejala Tanaman Buah Naga No Nama Field
Data Type
Width Keterangan
3
kd_gejala
Varchar
4
Kode gejala
4
noip
Varchar
60
Ip address
6.
Tabel Temp_Penyakit Tabel Temp_Penyakit digunakan untuk menampung data analisa
penyakit sementara yang banyak di pertanyakan. Berikut ditampilkan rancangan struktur data Temp_Penyakit. Nama Database
: buah_nagaspk
Nama Tabel
: tmp_Penyakit
Field Key
: kd_Penyakit
Tabel III.9 Tabel Tmp_Penyakit Tanaman Buah Naga No Nama Field
Data Type
Width Keterangan
1
kd_Penyakit
Varchar
4
Id Penyakit
2
Noip
Varchar
60
Ip address
7.
Tabel Tmp_pasien Tabel Analisa Hasil digunakan untuk menampung hasil analisa
keseluruhan. Berikut ditampilkan rancangan struktur data hasil analisa. Nama Database
: buah_nagaspk
Nama Tabel
: Temp_pasien
Field Key
: id
68
Tabel III.10 Tabel Tmp_pasien Tanaman Buah Naga No Nama Field
Data Type
Width Keterangan
1
alamat
Varchar
100
Alamat
2
id
Varchar
4
Id pengguna
3
kelamin
Enum
P, W
Jenis Kelamin
4
nama
Varchar
60
Nama
5
noip
Varchar
60
Noip
6
pekerjaan
Varchar
60
Pekerjaan
7
tanggal
Datetime
-
Tanggal
8.
Tabel Relasi Tabel Relasi digunakan untuk menampung data Relasi keseluruhan.
Berikut ditampilkan rancangan struktur data Relasi. Nama Database
: buah_nagaspk
Nama Tabel
: Relasi
Field Key
:
Tabel III.11 Tabel Relasi Tanaman Buah naga No Nama Field
Data Type
Width Keterangan
1
Kd_gejala
Varchar
50
Kode gejala
2
Kd_Penyakit
Varchar
50
Kode Penyakit
III.4.2. Normalisasi Normalisasi data merupakan proses pemecahan tabel flat menjadi tabeltabel relasi yang berhubungan satu dengan lainnya. Normalisasi dibutuhkan untuk mengurangi adanya reduransi data karena adanya tumpang tindih data yang disimpan menjadi satu tabel. Selain mengurangi redudansi data normalisasi juga
69
dimaksudkan sebagai cara untuk lebih mengakuratkan proses input data sehingga data yang dimasukkan dalam sistem adalah data yang konsisten. Adapun proses normalisasi dalam penelitian ini dapat dilihat pada gambar berikut ini. Tbl penyakit Kode Nama Nilai solusi
1
1
Tbl gejala Kode Nama
m Tbl Relasi
Kd_penyakit Kd_gejala
m
Gambar III.18 Normalisasi Penyakit Dan Gejala
III.5. Desain User Interface III.5.1. Desain Output Desain output Sistem global sebagaimana telah dijelaskan di atas tidak dapat menggambarkan secara keseluruhan proses yang terjadi dalam sistem, sehingga dibutuhkan disain sistem secara detail yang dapat menjelaskan alur proses yang terjadi di dalam sistem tersebut. Adapun disain sistem secara detail yang diusulkan akan dijelaskan satu persatu berikut ini
70
III.5.1.1 Desain Output Halaman Home
Header Menu home
Halaman Utama
Menu penyakit Konsultasi Tentang sistem Bantuan Login admin
Gambar III.19 Desain Output Halaman Utama
III.5.1.2. Desain Output Halaman penyakit
Header Menu home
Menu penyakit
Daftar Semua Penyakit No Nama Penyakit
Menu
Konsultasi Tentang sistem Bantuan Login admin
Gambar III.20 Desain Output Halaman penyakit
71
III.5.1.3. Desain Output Halaman Konsultasi
Header Menu home
Menu penyakit
Nama Kelamin
Konsultasi Tentang sistem Bantuan
Pria wanita
Alamat Pekerjaan Daftar
Login admin
Gambar III.21 Desain Output Halaman Konsultasi
III.5.1.4. Desain Output Halaman Analisa Hasil Header Menu home Menu penyakit Konsultasi Tentang sistem Bantuan Login admin
DATA PENGGUNA: Nama Alamat Pekerjaan HASIL ANALISA TERAKHIR Penyakit Nama Nilai CF Gejala Keterangan Solusi
Gambar III.21 Desain Output Halaman Analisa Hasil
72
III.5.1.5. Desain Output Halaman Tentang Sistem Pakar
Header Menu home
Sistem Pakar Mendeteksi Penyakit pada pohon pepaya
Menu penyakit Konsultasi Tentang sistem Bantuan Login admin
Gambar III.22 Desain Output Halaman Tentang Sistem Pakar
III.5.1.6. Desain Output Halaman Admin
penyakit
gejala
Relasi
Lap penyakit
Lap gejala
Gambar III.23 Desain Output Halaman Admin
Logout
73
III.5.1.7. Desain Halaman Tampilan Penyakit Header penyakit
gejala
Relasi
Lap penyakit
Daftar semua Penyakit No Nama Penyakit
Lap gejala
Logout
Menu Ubah I hapus Tambah
Gambar III.24 Desain Output Halaman Tampilan penyakit
III.5.1.8. Desain Halaman Output Halaman Tampil Gejala Header penyakit
gejala
Daftar semua gejala No Nama gejala
Relasi
Lap penyakit
Lap gejala
Logout
pilihan Ubah I hapus Tambah
Gambar III.25 Desain Output Halaman Tampil Gejala
74
III.5.1.9. Desain output halaman Laporan Gejala Header penyakit
gejala
Relasi
Lap penyakit
Lap gejala
Logout
Daftar Gejala Kode Nama Gejala Nilai CF
Gambar III.26 Desain Output Halaman Laporan Gejala
III.5.1.10. Desain Output Halaman Laporan Penyakit Header penyakit
gejala
Relasi
Lap penyakit
Lap gejala
Logout
Daftar Semua Penyakit Kode Nama Penyakit Nilai CF Keterangan Solusi Lihat Gejalanya
Gambar III.27 Desain Output Halaman Laporan penyakit
75
III.5.1.11. Desain Output Halaman Laporan Penyakit Lihat Gejalanya
Header penyakit
gejala
Relasi
Lap penyakit
Daftar Gejala Penyakit : No Kode Nama Gejala
Lap gejala
Logout
Nilai CF
Gambar III.28 Desain Output Halaman Laporan penyakit
III.5.2 Desain Input Sistem ini mempunyai beberapa halaman yang akan menjadi intput. Dalam perancangannya, sistem yang diusulkan mempunyai tiga halaman sebagai keluaran akhir, yaitu :
76
III.5.2.1. Desain Input Halaman Login Admin
Login Admin Login User : Login Password: Login
Gambar III.29 Desain Input Halaman Admin Login III.5.2.2. Desain Input Halaman Tambah Penyakit Header penyakit
gejala
Relasi
Lap penyakit
Lap gejala
Logout
Tambah Data Penyakit Kode Nama penyakit Nilai Cf Keterangan Solusi simpan
Gambar III.30 Desain Input Halaman Tambah Penyakit
77
III.5.2.3. Desain Input Halaman Edit Penyakit Header penyakit
gejala
Relasi
Lap penyakit
Lap gejala
Logout
Ubah Data Penyakit Kode: Nama penyakit : Nilai Cf Keterangan Solusi Simpan
Gambar III.31 Desain Input Halaman Tambah Penyakit III.5.2.4. Desain Input Halaman Tambah Gejala Header penyakit
gejala
Relasi
Lap penyakit
Lap gejala
Kode Gejala Nama Gejala Nilai CF Simpan
Gambar III.32 Desain Input Halaman Gejala
Loghout
78
III.5.2.5 Desain Input Halaman Edit Gejala
penyakit
gejala
Relasi
Lap penyakit
Lap gejala
Logout
Kode Gejala Nama Gejala Nilai CF Simpan
Gambar III.33 Desain Input Halaman Edit Gejala