BAB III ANALISIS DAN DESAIN SISTEM
III.1. Analisis Masalah Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes, analisis dilakukan agar dapat menemukan masalah-masalah dalam pengolahan diagnosis penyakit Akromegali Dengan Metode Teorema bayes dalam menentukan nilai dari setiap gejala agar mudah dalam menentukan penyakit yang diderita oleh pasien. Adapun kelemahan pada sistem terdahulu adalah : 1. Minimnya informasi mengenai penyakit Akromegali dikalangan masyarakat umum. 2. Belum adanya sistem pakar yang membantu pihak masyarakat ataupun medis untuk memprediksi nilai penyakit Akromegali berdasarkan gejala yang dialami oleh pasien. 3. Tidak adanya implementasi sistem pakar penyakit Akromegali dengan menggunakan metode Teorema Bayes
III.2. Penerapan Metode / Algoritma (Agustina ; 2014 : 125) Dalam bidang kedokteran teorema bayes sudah dikenal tetapi teorema ini lebih banyak diterapkan dalam logika kedokteran modern. Teorema ini lebih banyak diterapkan pada hal-hal yang berkenan dengan diagnosa
secara
statistik
yang
berhubungan
34
dengan
probabilitas
serta
35
kemungkinan dari penyakit dan gejala-gejala yang berkaitan. Secara umum teorema bayes dengan dapat dituliskan dalam bentuk : P (Gn | S1) * P (S1) P (S1 | Gn)
= (P(Gn | S1) * P (S1)) + (P(Gn | S2) * P (S2))
P (Gn | S2) * P (S2) P (S2 | Gn)
= (P(Gn | S1) * P (S1)) + (P(Gn | S2) * P (S2))
Keterangan : P (S1 | Gn)
: Probabilitas stadium 1 terhadap gejala
P (S1)
: Probabilitas stadium 1
P (S2)
: Probabilitas stadium 2
P (Gn)
: Probabilitas Gejala
36
III.2.1. Perhitungan Manual Metode / Algoritma Teorema Bayes a. Tabel Stadium (Probabilitas Penyakit) Tabel III.1 Tabel Stadium Kode Stadium
Stadium
Probabilitas
S1
Stadium Awal
0,4
S2
Stadium Lanjut
0,6
b. Tabel Gejala Tabel III.2 Tabel Gejala Kode Gejala G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12 G13
Gejala Fitur Wajah Yang Kasar Pembengkakan Tangan dan Kaki Penebalan Pada Kulit Rambut Terasa Kasar Keringat Berlebihan Rahang Menonjol (Prognatisme) Suara Serak Nyeri Sendi Rusuk Menebal Siklus Menstruasi Tidak Teratur (Jika Anda Wanita) Kuantitas Sperma Menurun (Jika Anda Pria) Kelelahan dan Kelemahan Otot Gangguan Penglihatan
c. Rule Based (Aturan)
Kode Stadiu m S1 S2
Kode Stadiu m S1 S2
G0 1 * *
G0 2 *
G0 3 * *
Tabel III.3 Tabel Rule Base Kode Gejala G0 G0 G0 G0 G0 G0 G1 4 5 6 7 8 9 0 * * * * * * * * * *
G1 1 * *
G1 2
G1 3 *
*
Tabel III.4 Tabel Nilai Probabilitas Gejala Terhadap Penyakit Kode Gejala G0 G0 G0 G0 G0 G0 G0 G0 G0 G1 G1 G1 1 2 3 4 5 6 7 8 9 0 1 2 0,2 0,1 0,8 0,7 0,5 0,3 0,3 0,7 0,5 0,4 0,6 0,2 0,6 0,1 0,7 0,3 0,1 0,3
G1 3 0,6
37
Contoh Kasus : Diketahui seorang pasien bernama madi mengalami gejala sebagai berikut : 1. 2. 3. 4. 5.
Fitur Wajah Yang Kasar (G1) Rambut Terasa Kasar (G4) Suara Serak (G7) Nyeri Sendi (G8) Gangguan Penglihatan (G13)
Perhitungan manual : 1. Stadium Awal = P(S1) = 0,4 Terhadap Fitur Wajah Yang Kasar : P(G1 | S1) : 0,2 P (G1 | S1) * P (S1) P (S1 | G1)
= (P(G1 | S1) * P (S1)) + (P(G1 | S2) * P (S2)) 0,2 * 0,4 = (0,2 * 0,4) + (0,7 * 0,6) 0,08 = 0,08 + 0,42
0,08 = 0,5 = 0,16 Terhadap Rambut Terasa Kasar : P(G4 | S1) : 0 Terhadap Suara Serak : P(G7 | S1) : 0,7 P (G7 | S1) * P (S1) P (S1 | G7)
= (P(G7 | S1) * P (S1)) + (P(G7 | S2) * P (S2)) 0,7 * 0,4 = (0,7 * 0,4) + (0,1 * 0,6)
38
0,28 = 0,28 + 0,06
0,28 = 0,34 = 0,8235 Terhadap Nyeri Sendi : P(G8 | S1) : 0,5 P (G8| S1) * P (S1) P (S1 | G8)
= (P(G8 | S1) * P (S1)) + (P(G8 | S2) * P (S2)) 0,5 * 0,4 = (0,5 * 0,4) + (0 * 0,6) 0,2 = 0,2 + 0 0,2 = 0,2 = 1
Terhadap Gangguan Penglihatan : P(G13 | S1) : 0,6 P (G13 | S1) * P (S1) P (S1 | G13)
= (P(G13 | S1) * P (S1)) + (P(G13 | S2) * P (S2)) 0,6 * 0,4 = (0,6 * 0,4) + (0 * 0,6) 0,24 = 0,24 + 0
39
0,24 = 0,24 = 1 Total Bayes Stadium Awal : 0,16 + 0 + 0,8235 + 1 + 1 = 2,9835
2. Stadium Lanjut = P(S2) = 0,6 Terhadap Fitur Wajah Yang Kasar : P(G1 | S2) : 0,7 P (G1 | S2) * P (S2) P (S2 | G1)
= (P(G1 | S1) * P (S1)) + (P(G1 | S2) * P (S2)) 0,7 * 0,6 = (0,2 * 0,4) + (0,7 * 0,6) 0,42 = 0,08 + 0,42 0,42 = 0,5 = 0,84
Terhadap Rambut Terasa Kasar : P(G4 | S2) : 0,6 P (G4 | S2) * P (S2) P (S2 | G4)
= (P(G4 | S1) * P (S1)) + (P(G4 | S2) * P (S2)) 0,6 * 0,6 = (0 * 0,4) + (0,6 * 0,6) 0,36 = 0 + 0,36
40
0,36 = 0,36 = 1
Terhadap Suara Serak : P(G7 | S2) : 0,1 P (G7 | S2) * P (S2) P (S2 | G7)
= (P(G7 | S1) * P (S1)) + (P(G7 | S2) * P (S2)) 0,1 * 0,6 = (0,7 * 0,4) + (0,1 * 0,6) 0,06 = 0,28 + 0,06 0,06 = 0,34 = 0,1765
Terhadap Nyeri Sendi : P(G8 | S2) : 0 Terhadap Gangguan Penglihatan : P(G13 | S2) : 0 Total Bayes Stadium Lanjut : 0,84 + 1 + 0,1765 + 0 + 0 = 2,0165 Selanjutnya dilakukan perhitungan untuk menentukan persentase pada masing-masing stadium : Hasil = total bayes stadium awal + total bayes stadium lanjut = 2,9835 + 2,0165 =5 Persentase Stadium Awal
= (total bayes stadium awal / hasil) * 100% = (2,9835 / 5) * 100 % = 59,67 %
41
Persentase Stadium Lanjut
= (total bayes stadium lanjut / hasil) * 100% = (2,0165 / 5) * 100 % = 40,33 %
Berdasarkan perhitungan manual, pasien bernama madi diketahui menderita penyakit akromegali Stadium Awal dengan perhitungan total bayes tertinggi yaitu 59,67%.
III.3. Desain Sistem Desain sistem secara global menggunakan bahasa pemodelan UML yang terdiri dari Usecase Diagram, Class Diagram, Activity Diagram dan Sequence Diagram. III.3.1.Usecase Diagram Secara garis besar, bisnis proses sistem yang akan dirancang digambarkan dengan usecase diagram yang terdapat pada Gambar III.1 : Sistem Pakar Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes
Pakar Login
<extends> Daftar
Edit Data Stadium
<extends> pengaturan
<extends>
Login Gejala
Diagnosa Pasien
logout <extends>
Logout
Pakar Rule Based
Riwayat
<extends> <extends>
Tambah Gejala
Hapus Gejala
Gambar III.1. Use Case Diagram Sistem Pakar Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes
42
III.3.2. Class Diagram Rancangan kelas-kelas yang akan digunakan pada sistem yang akan dirancang dapat dilihat pada gambar III.2 : Pasien
1
Gejala kode_gejala nama_gejala
+simpan 1..*
+baru +simpan +edit +hapus
penyakit kode_penyakit nama_penyakit probabilitas deskripsi pengobatan pencegahan
Konsultasi 1..* kode_konsultasi tanggal kode_pasien hasil_diagnosa nilai_bayes +Masukkan gejala +diagnosa +simpan
Pakar
kode_pasien nama jenis_kelamin alamat usia username password
rule 1
kode_relasi kode_stadium nama_gejala probabilitas
1
+tambah +hapus
kode_pakar username password +baru +simpan +edit +hapus
1
1 stadium kode_stadium stadium probabilitas solusi +baru +simpan +edit +hapus
Gambar III.2. Class Diagram Sistem Pakar Mendiagnosa Penyakit Akromegali Dengan Metode Teorema Bayes
43
III.3.3. Activity Diagram Bisnis proses yang telah digambarkan pada usecase diagram diatas dijabarkan dengan activity diagram : 1. Activity Diagram Login Pakar Aktifitas sistem login yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.3 berikut: Buka Aplikasi
Login
Isi Username
Gagal
Isi Password
Enter
Berhasil
Gambar III.3. Activity Diagram Login Pakar
2. Activity Diagram Data Pakar Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.4 berikut :
44
Mulai Tampil Form pakar
Input Data pakar
Ya
Baru ? Tidak
Edit ?
tidak
Hapus ?
ya
Simpan ? ya
ya
tidak Ubah Data Hapus Data
Simpan
Batal
tidak
Gambar III.4. Activity Diagram Data Pakar
3. Activity Diagram Data Stadium Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data stadium dapat diterangkan
dengan langkah-langkah state yang
ditunjukkan pada gambar III.5 berikut :
Mulai Tampil Form stadium
Input Data stadium
Ya
Baru ? Tidak
Edit ?
tidak
Hapus ?
ya
Simpan ? ya
ya tidak Ubah Data Hapus Data
Simpan
Batal
tidak
Gambar III.5. Activity Diagram Data Stadium
45
4. Activity Diagram Data Gejala Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data gejala dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.6 berikut :
Mulai Tampil Form gejala
Input Data gejala
Ya
Baru ? Tidak
Edit ?
tidak
Hapus ?
ya
Simpan ? ya
ya tidak Ubah Data Hapus Data
Simpan
Batal
tidak
Gambar III.6. Activity Diagram Data Gejala
5. Activity Diagram Data Rule Based Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data rule based dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.7 berikut :
46
Mulai Tampil Form rule base
Tentukan kode stadium
tambah ?
tidak
Hapus ? ya
ya Simpan ? ya
tidak
tambah Data gejala
Hapus Data Simpan
Batal
tidak
Gambar III.7. Activity Diagram Data Rule Based
6. Activity Diagram Daftar Pasien Aktifitas sistem daftar pasien yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.8 berikut :
Memilih aksi pada form Menu
Click Form Daftar Pasien
Isi data pasien
Click daftar
Gambar III.8. Activity Diagram Daftar Pasien
47
7. Activity Diagram Login Pasien Aktifitas sistem login yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.9 berikut: Buka Aplikasi
Login
Isi Username
Gagal
Isi Password
Berhasil
Enter
Gambar III.9. Activity Diagram Login Pasien
8. Activity Diagram Data Konsultasi Aktifitas sistem yang dilakukan oleh pakar pada pengolahan data sistem pakar dapat diterangkan
dengan langkah-langkah state yang
ditunjukkan pada gambar III.10 berikut :
48
Memilih aksi pada form Menu
Click Form Sistem Pakar
Mengisi data gejala
Click Diagnosa
Lihat informasi hasil konsultasi
Gambar III.10. Activity Diagram Data Konsultasi
9. Activity Diagram Melihat Riwayat Konsultasi Aktifitas sistem yang dilakukan dalam melihat informasi mengenai laporan hasil konsultasi dapat diterangkan pada gambar III.11 :
Pilih Form Riwayat Konsultasi
Click Cetak Laporan
Lihat Informasi Konsultasi
Gambar III.11. Activity Diagram Melihat Riwayat Konsultasi
49
III.3.4. Sequence Diagram Rangkaian kegiatan pada setiap terjadi event sistem digambarkan pada sequence diagram berikut : 1. Sequence Diagram Login Pakar Serangkaian kinerja sistem login yang dilakukan oleh pakar dapat diterangkan
dengan langkah-langkah state yang ditunjukkan pada gambar
III.12 berikut : Form Login
Form Login
Pakar
Proses
Tabel pakar
Form login
Validasi nama dan password ()
Koneksi Database ()
Invalid () Login sukses ()
Gambar III.12. Sequence Diagram Login Pakar
Halaman Pakar
50
2. Sequence Diagram Data Pakar Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.13 berikut : Form pakar
Main Form
Form pakar
Proses
Tabel pakar
Tampilkan Fom () pakar
Menu () click form pakar () Click baru ()
Click simpan () Koneksi database ()
Click Edit () Koneksi database () Click Hapus ()
Close form ()
Koneksi database ()
Gambar III.13. Sequence Diagram Data Pakar
51
3. Sequence Diagram Data Stadium Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data stadium dapat diterangkan
dengan langkah-langkah state yang
ditunjukkan pada gambar III.14 berikut : Form stadium
Main Form
Form stadium
Proses
Tabel stadium
Tampilkan Fom () pakar
Menu () click form stadium () Click baru ()
Click simpan () Koneksi database ()
Click Edit () Koneksi database () Click Hapus ()
Close form ()
Koneksi database ()
Gambar III.14. Sequence Diagram Data Stadium
52
4. Sequence Diagram Data Gejala Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data gejala dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.15 berikut : Form gejala
Main Form
Form gejala
Proses
Tabel gejala
Tampilkan Fom () pakar
Menu () click form gejala () Click baru ()
Click simpan () Koneksi database ()
Click Edit () Koneksi database () Click Hapus ()
Close form ()
Koneksi database ()
Gambar III.15. Sequence Diagram Data Gejala
53
5. Sequence Diagram Data Rule Based Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data rule based dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.16 berikut : Form rule base
Main Form
Form rule base
Proses
Form Input rule
Tabel rule base
Tampilkan Fom () Pasien
Menu () click form rule base () Tambah gejala ()
simpan gejala ()
Koneksi database ()
Hapus Gejala () Koneksi database ()
Close form ()
Gambar III.16. Sequence Diagram Data Rule Based
54
6. Sequence Diagram Daftar Pasien Serangkaian kinerja sistem daftar pasien yang dilakukan oleh pasien dapat diterangkan
dengan langkah-langkah state yang ditunjukkan pada gambar
III.17 berikut : Form Daftar Pasien
Form Daftar Pasien
Pasien
Proses
Form Login
Form login
Isi data Pasien
Click Daftar
Koneksi database ()
Datar Tersimpan ()
Koneksi database ()
Gambar III.17. Sequence Diagram Daftar Pasien
55
7. Sequence Diagram Login Pasien Serangkaian kinerja sistem login yang dilakukan oleh pasien dapat diterangkan
dengan langkah-langkah state yang ditunjukkan pada gambar
III.18 berikut : Form Login
Form Login
Pasien
Proses
Tabel Pasien
Form login
Validasi nama dan password ()
Koneksi Database ()
Invalid () Login sukses ()
Gambar III.18. Sequence Diagram Login Pasien
Halaman Pasien
56
8. Sequence Diagram Data Diagnosa Serangkaian kinerja sistem yang dilakukan oleh pakar pada pengolahan data diagnosa dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.19 berikut : Form diagnosa
Main Form
Form diagnosa
Proses
Tabel diagnosa
Tampilkan Fom () Pasien
Menu () click form diagnosa () Masukan gejala ()
Click diagnosa () Koneksi database ()
Click simpan ()
Close form ()
Koneksi database ()
Gambar III.19. Sequence Diagram Data Diagnosa
57
9. Sequence Diagram Melihat Riwayat Konsultasi Serangkaian kinerja sistem yang dilakukan dalam melihat informasi mengenai laporan hasil konsultasi dapat diterangkan pada gambar III.20 : Form riwayat konsultasi
pasien
Form riwayat konsultasi
Proses
Tabel konsultasi
Tampilkan Fom ()
Menu () click form Cetak laporan () Informasi data ()
Keluar form ()
Gambar III.20. Sequence Diagram Melihat Riwayat Konsultasi
58
III.4.Desain Basis Data Desain basis data terdiri dari tahap melakukan perancangan normalisasi tabel dan merancang struktur tabel. III.4.1. Normalisasi Tahap normalisasi ini bertujuan untuk menghilangkan masalah berupa ketidak konsistenan apabila dilakukannya proses manipulasi data seperti penghapusan, perubahan dan penambahan data sehingga data tidak ambigu. III.4.1.1. Normalisasi Data Hasil Analisa Normalisasi data nilai dilakukan dengan beberapa tahap normalisasi sampai data nilai ini masuk ke tahap normal di mana tidak ada lagi redundansi data. Berikut ini adalah tahapan normalisasinya : 1. Bentuk Tidak Normal Bentuk tidak normal dari data nilai ditandai dengan adanya baris yang satu atau lebih atributnya tidak terisi, bentuk ini dapat dilihat pada tabel III.5 di bawah ini : Tabel III.5 Data Hasil Analisa Tidak Normal Kode Konsultasi 1
Tanggal 21/04/2015
Kode Pasien PS00000001
2
3
4
Gejala GJ00000001 GJ00000002 GJ00000003 GJ00000004 GJ00000005 GJ00000006
Hasil Diagnosa Stadium Awal
Nilai 3,5508
Stadium Lanjut
4,6971
PS00000002
2,1298
GJ00000001 GJ00000002 GJ00000003
Stadium Awal
1,7273
59
2. Bentuk Normal Pertama (1NF) Bentuk normal pertama dari data nilai merupakan bentuk tidak normal yang atribut kosongnya diisi sesuai dengan atribut induk dari record-nya, bentuk ini dapat dilihat pada tabel III.6 di berikut ini: Tabel III.6 Data Hasil Normal Pertama Kode Konsultasi 1
2
3
4
Tanggal 21/04/2015 21/04/2015 21/04/2015 21/04/2015 21/04/2015 21/04/2015 21/04/2015 21/04/2015 21/04/2015 21/04/2015 21/04/2015 21/04/2015
Kode Pasien PS00000001 PS00000001 PS00000001 PS00000001 PS00000001 PS00000001 PS00000002 PS00000002 PS00000002 PS00000002 PS00000002 PS00000002
Gejala GJ00000001 GJ00000002 GJ00000003 GJ00000004 GJ00000005 GJ00000006 GJ00000004 GJ00000005 GJ00000006 GJ00000001 GJ00000002 GJ00000003
Hasil Diagnosa Stadium Awal
Nilai 3,5508
Stadium Lanjut
4,6971
Stadium Lanjut
2,1298
Stadium Awal
1,7273
3. Bentuk Normal Kedua (2NF) Bentuk normal kedua dari data nilai merupakan bentuk normal pertama, dimana telah dilakukan pemisahan data sehingga tidak adanya ketergantungan parsial. Setiap data memiliki kunci primer untuk membuat relasi antar data, bentuk ini dapat dilihat pada tabel III.7 berikut ini : a. Bentuk Normal Kedua (2NF) Tabel Pasien Tabel III.7. Data Pasien 2NF Kode Pasien
Nama
PS00000001 PS00000002
Riana Rahmadi
Jenis Kelamin Perempuan Laki - laki
Alamat
Usia
Username
Password
Jl. Timur Jl. Pelita
22 21
riana madi
riana madi
60
b. Bentuk Normal Kedua (2NF) Tabel Gejala Tabel III.8. Data Gejala 2NF Kode Gejala GJ00000001 GJ00000002 GJ00000003 GJ00000004 GJ00000005 GJ00000006
Nama Fitur wajah yang kasar Pembengkakan tangan dan kaki Penebalan pada kulit Rambut terasa kasar Keringat berlebihan Rahang menonjol ( prognatisme )
c. Bentuk Normal Kedua (2NF) Tabel Stadium Tabel III.9. Data Stadium 2NF Kode Stadium ST00000001
ST00000002
Stadium Stadium Awal
Stadium Lanjut
Probalitias
Solusi
0,4
Periksa lebih lanjut ke dokter untuk mendapatkan resep obat yang dapat mengurangi pertumbuhan hormon pada kelenjar pituitary (hipofisis).
0,6
Meskipun ada obat yang membantu mengurangi produksi hormon pertumbuhan pengobatan pilihan adalah operasi atau terapi radiasi.
4. Bentuk Normal Ketiga (3NF) Bentuk normal ketiga dari data analisa yang sebagai penentu data gejala merupakan bentuk normal pertama, dimana telah dilakukan pemisahan data sehingga tidak adanya ketergantungan parsial. Setiap data memiliki kunci primer untuk membuat relasi antar data, bentuk ini dapat dilihat pada tabel berikut ini :
61
Tabel III.10. Normalisasi 3NF Tabel Konsultasi Nama Field Tipe Data Kode_Konsultasi Int Tanggal Date Kode_Pasien Varchar(50) Hasil_Diagnosa Varchar(50) Nilai_Bayes Real
Kode Pasien
Nama
PS000000001 Riana PS000000002 Rahmadi
Jenis Kelamin Perempuan Laki-laki
Alamat Jl. Timur Jl. Pelita
Usia 22 21
Username
Password
riana madi
riana madi
III.4.2. Desain Tabel Setelah melakukan tahap normalisasi, maka tahap selanjutnya yang dikerjakan yaitu merancang struktur tabel pada basis data sistem yang akan dibuat, berikut ini merupakan rancangan struktur tabel tersebut : 1. Struktur Tabel Gejala Tabel gejala digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.11 berikut : Tabel III.11. Rancangan Tabel gejala Nama Database Akromegali Nama Tabel dbo.gejala No Nama Field Tipe Data Boleh Kosong varchar(10) Tidak 1. kode_gejala varchar(200) Tidak 2. nama_gejala
Kunci Primary Key -
2. Struktur Tabel Konsultasi Tabel konsultasi digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.12 berikut :
62
Tabel III.12. Rancangan Tabel Konsultasi Nama Database Akromegali Nama Tabel dbo.konsultasi No Nama Field Tipe Data Boleh Kosong Int Tidak 1. kode_konsultasi Date Tidak 2. tanggal varchar(50) Tidak 3. kode_pasien varchar(50) Tidak 4. hasil_diagnosa varchar(10) Tidak 5. nilai_bayes
Kunci Primary key -
3. Struktur Tabel Pakar Tabel pakar digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.13 berikut : Tabel III.13. Rancangan Tabel Pakar Nama Database Akromegali Nama Tabel dbo.pakar No Nama Field Tipe Data Boleh Kosong varchar(10) Tidak 1. kode_pakar varchar(30) Tidak 2. username varchar(30) Tidak 3. password
Kunci Primary Key -
4. Struktur Tabel Pasien Tabel pasien digunakan untuk menyimpan selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.14 berikut : Tabel III.14. Rancangan Tabel Pasien Nama Database Akromegali Nama Tabel dbo.pasien No Nama Field Tipe Data Boleh Kosong varchar(10) Tidak 1. kode_pasien varchar(50) Tidak 2. nama varchar(20) Tidak 3. jenis_kelamin Text Tidak 4. alamat varchar(2) Tidak 5. usia varchar(30) Tidak 6. username varchar(30) Tidak 7. password
Kunci Primary Key -
63
5. Struktur Tabel Penyakit Tabel penyakit digunakan untuk menyimpan data selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.15 berikut: Tabel III.15. Rancangan Tabel Penyakit Nama Database Akromegali Nama Tabel dbo.penyakit No Nama Field Tipe Data Boleh Kosong varchar(50) Tidak 1. kode_penyakit varchar(50) Tidak 2. nama_penyakit Real Tidak 3. probabilitas Text Tidak 4. deskripsi Text Tidak 5. pengobatan Text Tidak 6. pencegahan
Kunci Primary Key -
6. Struktur Tabel rule Tabel rule digunakan untuk menyimpan selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.16 berikut : Tabel III.16. Rancangan Tabel Rule Nama Database Akromegali Nama Tabel dbo.rule No Nama Field Tipe Data Boleh Kosong Int Tidak 1. kode_relasi varchar(10) Tidak 2. kode_stadium varchar(200) Tidak 3. nama_gejala Real Tidak 4. probabilitas
Kunci -
7. Struktur Tabel stadium Tabel stadium digunakan untuk menyimpan selengkapnya mengenai struktur tabel ini dapat dilihat pada tabel III.17 berikut :
64
Tabel III.17. Rancangan Tabel stadium Nama Database Akromegali Nama Tabel dbo.stadium No Nama Field Tipe Data Boleh Kosong kode_stadium varchar(10) Tidak 1. Stadium varchar(30) Tidak 2. Probabilitas Real Tidak 3. Solusi Text Tidak 4.
Kunci -
III.5. Desain User Interface Tahap perancangan berikutnya yaitu desain sistem secara detail yang meliputi desain output sistem dan desain input sistem. III.5.1. Desain Output Berikut ini adalah rancangan tampilan desain output yang akan dihasilkan oleh sistem : 1. Desain Form Melihat Riwayat Konsultasi Desain form untuk sistem yang dilakukan dalam melihat informasi mengenai laporan hasil konsultasi dapat diterangkan pada gambar III.21 : Riwayat Konsultasi Cetak Laporan
Gambar III.21. Desain Form Melihat Riwayat Konsultasi
65
Laporan
Gambar III.22. Desain Form Laporan Riwayat Konsultasi
III.5.2. Desain Input Berikut ini adalah rancangan atau desain input sebagai antarmuka pengguna : 1. Desain Form Login Pakar Desain form untuk sistem login yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.23 berikut : Form Login Username: Password : Login
Gambar III.23. Desain Form Login Pakar
66
2. Desain Form Data Pakar Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.24 berikut : Form Pakar
Kode Pakar : Username : Password : Baru
Simpan
Edit
Hapus
Gambar III.24. Desain Form Data Pakar
3. Desain Form Data Stadium Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data stadium dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.25 berikut :
67
Form Stadium
Kode Stadium : Stadium : Probalitas : Solusi :
Baru
Simpan
Edit
Hapus
Gambar III.25. Desain Form Data Stadium
4. Desain Form Data Gejala Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data gejala dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.26 berikut : Form Gejala
Kode Gejala : Nama Gejala : Baru
Simpan
Edit
Hapus
Gambar III.26. Desain Form Data Gejala
68
5. Desain Form Data Rule Based Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data rule based dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.27 berikut : Form Rule Stadium :
Tambah Gejala
Hapus Gejala
Gambar III.27. Desain Form Data Rule Based
6. Desain Form Daftar Pasien Desain form untuk sistem daftar pasien yang dilakukan oleh pakar dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.28 berikut :
69
Form Daftar Pasien
Kode Pasien : Nama Pasien : Jenis Kelamin : Alamat : Usia : Username : Password : Daftar
Gambar III.28. Desain Form Daftar Pasien
7. Desain Form Login Pasien Desain form untuk sistem login yang dilakukan oleh pasien dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.29 berikut : Form Login Username: Password : Login
Gambar III.29. Desain Form Login Pasien
8.
Desain Form Data Diagnosa Desain form untuk sistem yang dilakukan oleh admin pada pengolahan data
diagnosa dapat diterangkan dengan langkah-langkah state yang ditunjukkan pada gambar III.30 berikut :
70
Form Diagnosa
Nama Pasien : Masukkan Gejala Yang Anda Alami
Diagnosa
Simpan
Sistem menyatakan anda mengalami penyakit akromegali :
Gambar III.30. Desain Form Data Diagnosa
