BAB IV HASIL DAN UJI COBA
IV.1. Tampilan Hasil Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, yang digunakan untuk memperjelas tentang tampilan-tampilan yang ada pada aplikasi sistem pakar. Sehingga hasil implementasinya dapat dilihat sesuai dengan hasil program yang telah dibuat. Dibawah ini akan dijelaskan tiap-tiap tampilan yang ada pada program.
IV.1.1. Tampilan Menu Awal Tampilan menu awal merupakan tampilan menu pembuka atau menu utama pada aplikasi. Pada tampilan ini terdapat home yang berisi tentang penjelasan penyakit gigi, menu konsultasi untuk mengakses aplikasi pertanyaan konsultasi, serta menu login pakar untuk untuk mengakses aplikasi sebagai pakar. Gambar tampilan menu awal ditunjukkan pada gambar IV.1 berikut ini:
71
72
Gambar IV.1 Tampilan Menu awal
IV.1.2. Tampilan Menu Login Pakar Tampilan ini merupakan tampilan login sebagai seorang pakar sebelum mengkakses menu awal pakar. Pada menu ini sebelum login pakar harus menginputkan username dan password yang valid. Gambar tampilan Loginpakar ditunjukkan pada gambar IV.2 berikut ini:
73
Gambar IV.2 Tampilan Loginpakar
IV.1.3. Tampilan Menu Daftar User Tampilan ini merupakan tampilan akses penuh dari pakar untuk memanipulasi data penyakit, gejala, pertanyaan, solusi daftar user serta logout. Untuk menjalankannya cukup meng-klik salah satu menu yang ada. Gambar tampilan menu awal pakar ditunjukkan pada gambar IV.3 berikut ini:
74
Gambar IV.3 Tampilan Menu Daftar User
IV.1.4. Tampilan Menu Penyakit Tampilan ini merupakan tampilan untuk memanipulasi data penyakit seperti menambah data penyakit baru, mengedit data penyakit yang ada atau menghapus data yang ada. Gambar tampilan menu penyakit ditunjukkan pada gambar IV.4 berikut ini:
75
Gambar IV.4 Tampilan Menu Penyakit
IV.1.5. Tampilan Menu Pertanyaan Tampilan ini merupakan tampilan untuk memanipulasi data gejala seperti menambah data gejala baru, mengedit data gejala yang ada atau menghapus data yang ada. Gambar tampilan menu pertanyaan ditunjukkan pada gambar IV.5 berikut ini:
76
Gambar IV.5 Tampilan Menu Pertanyaan
IV.1.6. Tampilan Menu Konsultasi Tampilan ini merupakan tampilan untuk mengakses aplikasi sebagai pasien. Sebelum melakukan konsultasi data pasien tidak boleh kosong. Gambar tampilan Konsultasi ditunjukkan pada gambar IV.6 berikut ini:
77
Gambar IV.6 Tampilan Menu Konsultasi
IV.1.7. Tampilan Tanyajawab Tampilan ini merupakan tampilan untuk memulai konsultasi dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem setelah menekan tombol konsultasi, kemudian sistem akan memberikan output
berupa hasil
konsultasi berdasarkan jawaban dari pasien terhadap pertanyaan yang diajukan oleh aplikasi. Gambar tampilan Tanyajawab untuk menjawab pertanyaan yang diajukan sistem ditunjukkan pada gambar IV.7 berikut ini:
78
Gambar IV.7 Tampilan Tanyajawab
IV.1.8. Tampilan Hasilkonsultasi Tampilan ini merupakan tampilan untuk menampilkan hasil dari konsultasi yang dilakukan oleh pasien. Gambar tampilan hasil ditunjukkan pada gambar IV.8 berikut ini:
79
Gambar IV.8 Tampilan Hasil Konsultasi
IV.1.9. Tampilan Menu Basis Aturan Tampilan ini merupakan tampilan untuk menampilkan aturan yang dilakukan oleh pakar. Gambar tampilan hasil ditunjukkan pada gambar IV.9 berikut ini:
80
Gambar IV.9 Tampilan Basis Aturan
IV.2. Uji Coba Dalam perancangan “Sistem Informasi Mendeteksi Penyakit Gigi Menggunakan Metode Certainty Factor Berbasis Web”, penulis menggunakan program yang berbasis pada Macromedia Dreamweaver 8 khususnya PHP dan menggunakan MySQL sebagai database. Perintah yang ada pada program yang penulis buat juga cukup mudah untuk dipahami karena user hanya perlu mengklik tombol (button) yang sudah tersedia sesuai dengan kebutuhan.
81
IV.2.1 Metode Certainty Factor Metode certainty factor yang akan diterapkan dalam pembuatan sistem pakar ini adalah metode dengan rumus certainty factor sebagai berikut : CF(H,e) = CF(E,e) - CF(H,E) Di mana CF(E,e)
: certainty factor evidence E yang dipengaruhi oleh evidence e.
CF(H,E)
: certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E,e) = 1.
CF(H,e)
: certainty factor hipotesis yang dipengaruhi oleh evidence e.
Karena semua evidence pada antecedent diketahui dengan pasti maka rumusnya menjadi : CF(H,e) * CF(H,E) Contoh perhitungan nilai certainty factor untuk sistem ini adalah sebagai berikut: JIKA
Gigi terasa linu jika terkena rangsangan
AND
Gigi terasa berdenyut yang terjadi secara spontan
AND
Rasa sakit yang tajam dan dapat menjalar ke kepala, telinga, dan
kadang punggung MAKA
Terkena Penyakit kd KPS1
Dengan menganggap E1
: ” Gigi terasa linu jika terkena rangsangan”
E2
: ” Gigi terasa berdenyut yang terjadi secara spontan”
E3
: “Rasa sakit yang tajam dan dapat menjalar ke kepala, telinga, dan kadang
punggung”
82
Nilai certainty factor hipotesis pada saat evidence pasti adalah : CF(H,E)
= CF(H,E1 ^ E2 ^ E3 ^ E4^ E5) = 0.7
Dalam kasus ini, kondisi pasien tidak dapat ditentukan dengan pasti. Certainty factor evidence E yang dipengaruhi partial evidence e ditunjukkan dengan nilai sebagai berikut: CF(E1 , e) = 0.7 CF(E2 , e) = 0.9 CF(E3 , e) = 0.8 CF(E4 , e) = 0 CF(E5 , e) = 0 Sehingga CF(E,e)
= CF(E1 ^ E2 ^ E3 ^ E4 ^ E5, e) = Com [CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e), CF(E5,e)] = Com [0.7, 0.9, 0.8, 0,0] = 2.4
Nilai certainty factor hipotesis adalah: CF(H,e)
= CF(E,e) * CF(1-E1) = 2,4 * (1-0.7) = 0,72
Hal ini berarti besarnya kepercayaan pakar terhadap kemungkinan menderita penyakit kd KPS1 adalah 0,72 atau bila diprosentasekan nilainya menjadi 72%.
83
IV.2.2 Hasil Uji Coba Setelah melakukan beberapa percobaan terhadap sistem yang digunakan maka dapat disimpulkan hasil yang didapatkan, yaitu: 1.
Sistem memiliki tampilan yang relatif stabil.
2.
Sistem telah menghasilkan informasi yang valid.
3.
Antarmuka
yang
sederhana
dapat
mempermudah
pengguna
dalam
mempelajari sistem ini.
IV.2.3. Kasus dan Hasil Pengujian IV.2.3.1 Pengujian Login Tabel IV.1. Login Pakar Kasus dan Hasil Uji (Data Valid) Data Masuk
Skenario Uji Yang diharapkan
Hasil Pengujian
Kesimpulan
Login Pakar
Input Masuk dapat ke Dapat masuk ke [√]diterima username form utama form utama dan pakar sesuai sesuai yang [ ]ditolak password dengan hak akses diharapkan sesuai pakar ketentuan Kasus dan Hasil Uji (Data Invalid)
Login Pakar
Input username dan password tidak sesuai ketentuan
Tidak dapat Tidak dapat [√]diterima masuk ke form masuk ke [ ]ditolak utama muncul halaman utama pesan”username dan assword anda salah)
84
IV.2.3.2. Pengujian Konsultasi Tabel IV.2 Pengujian Konsultasi Kasus dan Hasil Uji (Data Valid) Data Masuk
Skenario Uji Yang diharapkan
Hasil Pengujian
Kesimpulan
dapat disimpan [√]diterima dan menampilkan [ ]ditolak hasil diagnosa sesuai yang diharapkan Kasus dan Hasil Uji (Data Invalid)
Input Data Input data pasien dan Konsultasi data gejala
Data dapat disimpan dan menampilkan hasil diagnosa
akan Input Data Input data Sistem pasien dan menolak untuk Konsultasi data gejala menampilkan hasil diagnosa
Tidak dapat [√]diterima menampilkan sesuai yang [ ]ditolak diharapkan
IV.2.3.3. Pengujian Daftar User Tabel IV.3 Pengujian Daftar User Kasus dan Hasil Uji (Data Valid) Data Masuk
Skenario Uji Yang diharapkan
Tampilkan Daftar User
Hapus data pasien yang sudah tersimpan otomatis
Tampilkan Daftar User
Hapus data pasien yang sudah tersimpan otomatis
Hasil Pengujian
Kesimpulan
Data dapat Data dapat [√]diterima tampil dan data tampil terhapus yang dihapus sesuai dengan [ ]ditolak akan terhapus yang sesuai dengan diharapkan yang diharapkan Kasus dan Hasil Uji (Data Invalid) Tidak dapat menampilkan daftar user yang akan dihapus
Tidak dapat [√]diterima menampilkan daftar user yang [ ]ditolak akan dihapus
85
IV.2.3.4. Pengujian Penyakit Tabel IV.4 Pengujian Penyakit Kasus dan Hasil Uji (Data Valid) Data Masuk
Skenario Uji Yang diharapkan
Hasil Pengujian
Kesimpulan
Input Penyakit
Input data penyakit sesuai ketentuan
Input Penyakit
Input data Data yang Data yang [√]diterima penyakit diinput tidak diinput tidak tidak sesuai dapat tersimpan dapat tersimpan [ ]ditolak ketentuan
Dapat terinput ke Dapat terinput [√]diterima form penyakit ke form penyakit sesuai [ ]ditolak dengan yang diharapkan Kasus dan Hasil Uji (Data Salah)
IV.2.3.5. Pengujian Gejala Tabel IV.5 Pengujian Gejala Kasus dan Hasil Uji (Data Normal) Data Masuk
Skenario Uji Yang diharapkan
Hasil Pengujian
Kesimpulan
Dapat terinput ke Dapat terinput [√]diterima Input Gejala Input data gejala sesuai form gejala ke form gejala ketentuan sesuai dengan [ ]ditolak yang diharapkan Kasus dan Hasil Uji (Data Salah) yang Data yang [√]diterima Input Gejala Input data Data gejala tidak diinput tidak diinput tidak sesuai dapat tersimpan dapat tersimpan [ ] ditolak ketentuan
86
IV.2.3.6. Pengujian Basis Aturan Tabel IV.6 Pengujian Basis Aturan Kasus dan Hasil Uji (Data Valid) Data Masuk
Skenario Uji Yang diharapkan
Hasil Pengujian
Kesimpulan
Input Basis Input data sesuai Aturan ketentuan
Dapat terinput ke Dapat terinput [√]diterima form basis aturan ke form basis aturan sesuai [ ] ditolak dengan yang diharapkan Kasus dan Hasil Uji (Data Salah)
yang Data yang [√]diterima Input Basis Input data Data tidak sesuai diinput tidak diinput tidak Aturan ketentuan dapat tersimpan dapat tersimpan [ ] ditolak
Tabel IV.7 Pengujian nilai CF Penyakit Kasus hasil uji (Data Invalid) No Data konsultasi Perhitungan manual 1. CF(E1 , e) = 0.3 CF(E,e)=
Sistem Menampilkan
CF(E2 , e) = 0.4 CF(E1 ∩ E2 ∩ E3 ∩ halaman Analisa CF(E3 , e) = 0.8 E4 ∩ E5 , e)
Hasil, dan sistem
CF(E4 , e) = 0.8 = min [CF(E1,e),
menganalisa gejala
Kesimpulan [] diterima [] ditolak
CF(E5 , e) = 0.5 CF(E2,e), CF(E3,e), yang dimasukkan dan CF(E4,e), CF(E5,e)] menentukan penyakit = min [0.3, 0.4, 0.8, pulpitis(KPS1). Nilai 0.8, 0.5]
Kepastian 84%
= 0.84 x 100% = 84% 2.
CF(E1 , e) = 0.2 CF(E,e)=
Menampilkan
CF(E2 , e) = 0.3 CF(E1 ∩ E2 ∩ E3 ∩ halaman Analisa CF(E3 , e) = 0.8 E4∩ E5, e)
Hasil, sistem
[] diterima [] ditolak
87
CF(E4 , e) = 0.3 = min [CF(E1,e),
menganalisa gejala
CF(E5 , e) = 0.3 CF(E2,e), CF(E3,e), yang dimasukkan dan CF(E4,e) CF(E5,e)
menentukan penyakit
= min [0.2, 0.3, 0.8, nekrosis (KPS2). Nilai 0.3, 0.3]
kepastian 38%
= 0.38 x 100% = 38% 3.
CF(E1 , e) = 0.2 CF(E,e)=
Menampilkan
[] diterima
CF(E2 , e) = 0.4 CF(E1 ∩ E2 ∩ E3 ∩ halaman Analisa
[] ditolak
CF(E3 , e) = 0.8 E4∩ E5 ∩ E6 , e)
Hasil, sistem
CF(E4 , e) = 0.3 = min [CF(E1,e),
menganalisa gejala
CF(E5 , e) = 0.3 CF(E2,e), CF(E3,e), yang dimasukkan dan CF(E4,e) CF(E5,e)] sistem menentukan = min [0.2, 0.4, 0.8, penyakit 0.3, 0.3]
gingivitis(KPS3).
= 0.4 x 100% = 40% Nilai kepastian 40% Kasus hasil uji (Data Invalid) No Data konsultasi Yang diharapkan 4.
Pengamatan
Kesimpulan
Konsultasi
Akan ada pesan bahwa Muncul
gejala tidak
data penyakit tidak
bahwa
data [] ditolak
sesuai Rule
ditemukan.
penyakit
yang
(Aturan)
Pesan [] diterima
dianalisa berdasarkan gejala tidak ditemukan
IV.3. Kelebihan dan Kekurangan Sistem yang dirancang Adapun beberapa kelebihan yang dimiliki oleh sistem pakar ini adalah sebagai berikut :
88
1. Aplikasi dapat mendiagnosa penyakit yang diderita oleh pasien berdasarkan gejala yang sudah diinput oleh ahli pakar nilai,
dikelompokan dengan
kerusakan jawaban yang diberikan oleh pasien. 2. Aplikasi sistem pakar ini memberikan gejala-gejala berserta solusi . 3. Terdapat batasan yang jelas antara user atau pengguna dan pakar, sehingga tidak sembarangan orang dapat mengakses sistem yang dibangun. 4. Id inputan selalu otomatis untuk menghindari terjadinya redudansi pada database. 5. Nilai penyakit diinput oleh ahli pakar secara otomatis sistem yang dibangun menyerupai ahli pakar tersebut. Setiap sistem yang dibangun tentunya memiliki kekurangan, kekurangan yang dimiliki sistem ini adalah : 1. Jika sistem yang dibuat tidak selalu update sesuai dengan pengetahuan baru, maka sistem tidak dapat memberikan solusi yang terbaik. 2. Nilai certainty factor pada penyakit di input didalam kode pemograman, jadi setiap penambahan penyakit baru tentunya juga inputkan nilai didalam kode. 3. Sistem hanya akan memberikan hasil akurat bila dimasukkan gejala yang sesuai. 4. Hanya bisa menginputkan maksimum 5 gejala. 5. Sistem hanya mendiagnosa penyakit berdasarkan gejala yang dialami pasien. 6. Belum adanya security pengaman berupa fitur anti virus sebagai media untuk melindungi database.