31
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1
Hasil Penelitian
4.1.1 Analisis Sistem Secara umum penyakit kulit yang diakibatkan oleh adanya infeksi jamur terdiri dari 8 jenis penyakit yang berbeda. Dari keseluruhan jenis-jenis penyakit tersebut memiliki gejala yang hampir sama. Oleh sebab itu pada perancangan sistem ini menggunakan
metode
Bayesian
Network
dikarenakan
metode
ini
dapat
mempresentasikan hubungan sebab akibat antara penyakit dan gejalanya dan menghitung probabilitas gejala suatu penyakit sehingga mempermudah pengguna dalam menentukan jenis penyakit kulit apa yang diderita. Struktur dan proses sistem pakar diagnosa penyakit kulit akibat infeksi jamur dapat dilihat pada gambar 4.1 di bawah ini. Basis Pengetahuan Fakta dan Aturan
Pemakai
Antarmuka
Fasilitas Penjelasan Pakar Mesin Inferensi
Gambar 4.1 Arsitektur Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur
31
32
Komponen-komponen yang terdapat pada arsitektur Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur: 1. Antarmuka Pengguna (user interface) Pada bagian ini terjadi dialog antara program dan pemakai, dimana sistem memberikan
pertanyaan-pertanyaan
dan
pemakai
menjawab
sesuai
yang
dialaminya. Kemudian sistem memberikan solusi atas jawaban dari pemakai yang telah diproses pada mesin inferensi. 2. Basis Pengetahuan Data yang dibutuhkan dalam penerapan metode Bayesian Network pada Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur ini meliputi data jenis-jenis penyakit, definisi dari tiap penyakit, data gejala-gejala, pengobatannya serta aturan untuk menarik kesimpulan. Adapun basis pengetahuan tersebut dapat berasal dari pakar, jurnal dan sumber pengetahuan lain. Dari basis pengetahuan ini, diperoleh terdapat 6 jenis penyakit kulit, 6 lokasi bagian tubuh yang diserang penyakit kulit serta 15 gejala-gejala yang berbeda. Aturan yang dibuat berdasarkan data yang diperoleh dan mengarahkan pengguna dalam penyelesaian masalah. Data jenis penyakit, lokasi bagian tubuh yang diserang penyakit kulit dan gejalanya dapat dilihat pada tabel 4.1, dan tabel 4.2 berikut : Tabel 4.1 Jenis-jenis Penyakit Kulit Akibat Infeksi Jamur Kode Penyakit P01 P02 P03 P04
Nama Penyakit Tinea Manus Tinea Unguium Tinea Pedis Tinea Nigra Palmaris
33
Tabel 4.1 Jenis-jenis Penyakit Kulit Akibat Infeksi Jamur (Lanjutan) Kode Penyakit P05 P06
Nama Penyakit Tinea Kapitis Tinea Krusis
Tabel 4.2 Gejala dari Penyakit Kulit Akibat Infeksi Jamur Kode Gejala B01 B02 B03 B04 B05 B06 B07 B08 B09 B10 B11 B12 B13 B14 B15 B16 B17 B18 B19 B20 B21
Gejala Kulit Berpola Gatal Terdapat pada Tangan Luka Terbuka Kecil Penebalan Kulit Terdapat pada Kuku Kuku Rapuh Kuku Suram Bercak Putih Terdapat pada Sela-sela Jari Bercak Banyak Radang Berbau Berbintik Kemerahan Nyeri Bercak Hitam Terdapat pada Telapak Terdapat pada Kepala Benjolan-Benjolan Kecil Terdapat pada Selangkangan Bersisik Kasar
34
Tabel 4.3 Klasifikasi Gejala dari Penyakit Kulit Akibat Infeksi Jamur Kode Penyakit
Nama Penyakit
P01
Tinea Manus
P02
Tinea Unguium
P03
Tinea Pedis
P04
Tinea Nigra Palmaris
P05
Tinea Kapitis
P06
Tinea Kruris
Selanjutnya diberikan
tabel
Kode Gejala B03 B04 B01 B02 B06 B09 B05 B08 B07 B10 B09 B11 B01 B12 B13 B17 B16 B01 B15 B02 B18 B19 B16 B14 B02 B15 B20 B01 B05 B02 B14 B21
Gejala Tangan Luka Terbuka Kecil Kulit Berpola Gatal Kuku Bercak Putih Penebalan Kulit Kuku Suram Kuku Rapuh Sela-sela Jari Bercak Putih Bercak Banyak Kulit Berpola Radang Berbau Telapak Bercak Hitam Kulit Berpola Nyeri Gatal Kepala Benjolan Kecil Bercak Hitam Berbintik Kemerahan Gatal Nyeri Selangkangan Kulit Berpola Penebalan Kulit Gatal Berbintik Kemerahan Bersisik Kasar
penjelasan penyakit, penyebab
pengobatannya dapat dilihat pada tabel 4.4 pada halaman (Lampiran).
serta cara
35
4.1.2 Penerapan Bayesian Network Terdapat beberapa langkah dalam menerapkan metode Bayesian Network, Langkah-langkahnya adalah sebagai berikut: a. Membangun struktur Bayesian Network. b. Menentukan Parameter (Prior Probability) c. Membuat Conditional Probability Table (CPT) d. Membuat Joint Probability Distribution (JPD) e. Menghitung Posterior Probability f. Inferensi Probabilistik Berikut penjelasan dari beberapa langkah penerapan Bayesian Network yang telah disebutkan diatas : a.
Membangun struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur. Berdasarkan data gejala dan penyakit yang telah diperoleh, dapat digambarkan struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur adalah sebagai berikut:
36
Kulit Berpola
Penebalan Kulit
Gatal
Tangan
Luka Terbuka Kecil
P01
Penebalan Kulit
Bercak Putih
Kuku Rapuh
Berbintik Kemerahan
Kuku
Bercak Putih
Berbintik Kemerahan
Sela-Sela Jari
Nyeri
Bercak Banyak
Bercak Hitam
Nyeri
P01 Radang
Berbau
P03
Berbau
Radang
Telapak
Kuku
P04
Kuku Rapuh
Berbintik Kemerahan
Selangkangan
Bersisik Kasar
Kepala
Benjolan Kecil
P03
PX P06
Kuku Suram
P02
Kuku Suram
P05
P05
P02
Gambar 4.2 Struktur Bayesian Network Penyakit Kulit Akibat Infeksi Jamur
P06
PX
37
Keterangan : : Jawanban Ya : Jawaban Tidak P01
: Tinea Manus
P04
: Tinea Nigra Palmaris
P02
: Tinea Unguium
P05
: Tinea Kapitis
P03
: Tinea Pedis
P06
: Tinea Krusis
PX
: Bukan penyakit kulit akibat jamur Setelah dibangun Struktur Bayesian Network dari diagnosa penyakit kulit akibat jamur, kemudian dibuat rule table
untuk menjelasakan alur dari struktur Bayesian Network diatas. Rule table dari struktur Bayesian Network diatas dapat dilihat pada tabel 4.5 berikut:
38
Tabel 4.5 Rule Table Struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur Penyakit
Kode Gejala
Fakta
Gejala P01
P02
P03
P04
x
x
P05
P06
Ya
Tidak
x
B02
B05
x
B03
B09
B01
Kulit Berpola
X
B02
Gatal
X
B03
Terdapat pada Tangan
X
B04
B05
B04
Luka Terbuka Kecil
X
P01
P01
B05
Penebalan Kulit
x
B06
B09
B06
Terdapat pada Kuku
x
B07
B14
B07
Kuku Rapuh
x
B08
B08
B08
Kuku Suram
x
P02
P02
B09
Bercak Putih
x
x
B10
B14
B10
Terdapat pada Sela-Sela Jari
x
B11
B06
B11
Bercak Banyak
x
B12
B12
B12
Radang
x
B13
B13
B13
Berbau
x
P03
P03
B14
Berbintik Kemerahan
B15
B15
x
x
x
x
x
39
Tabel 4.5 Rule Table Struktur Bayesian Network Diagnosa Penyakit Kulit Akibat Infeksi Jamur (Lanjutan) Penyakit
Kode Gejala
Fakta
Gejala P01
P02
P03
P04
P05
P06
Ya
Tidak
B15
Nyeri
x
x
B16
B20
B16
Bercak Hitam
x
x
B17
B20
B17
Terdapat pada Telapak
x
P04
B18
B18
Terdapat pada Kepala
x
B19
PX
B19
Benjolan-Benjolan Kecil
x
P05
P05
B20
Terdapat pada Selangkangan
x
B21
PX
B21
Bersisik Kasar
x
P06
P06
40
b.
Menentukan Parameter. Setelah struktur Bayesian Network terbentuk, langkah selanjutnya adalah
menentukan parameter (Prior Probability) dari tiap-tiap gejala. Prior Probability merupakan derajat kepercayaan dari suatu gejala yang digunakan ketika tidak ada informasi lain yang dapat digunakan untuk melihat kemungkinan suatu event terjadi, tetapi begitu informasi baru diketahui maka probabilitas yang baru harus dilihat berdasarkan informasi yang baru diketahui tersebut. Parameter dari seluruh gejala penyakit kulit akibat infeksi jamur dapat dilihat pada tabel 4.6 pada halaman (Lampiran). c. Membuat Conditional Probability Table (CPT). Conditional Probability adalah probabilitas suatu event B apabila event A telah terjadi. Setiap tabel yang berisi probabilitas dari setiap kemungkinan nilai A dan B disebut Conditional Probability table (CPT). Berikut ini diberikan contoh dalam menentukan Conditional Probability dari gejala (Gatal) : Gatal
Present
Absent
Present
0,9
0,9
Absent
0,1
0,1
1
1
(a) (b)
Infeksi P. Kulit
(c) (d)
(a) Peluang seseorang terkena infeksi kulit apabila dia merasa gatal 0,9 (b)Peluang seseorang terkena infeksi kulit apabila dia tidak merasa gatal 0,1 (c) Peluang seseorang tidak terkena infeksi kulit apabila dia merasa gatal 0,9 (d)Peluang seseorang tidak terkena infeksi kulit apabila dia tidak merasa gatal 0,1
41
Conditional Probability Table (CPT) dari gejala-gejala Penyakit Kulit Akibat Infeksi Jamur dapat dilihat pada tabel 4.7 pada halaman (Lampiran). d. Membuat Joint Probability Distribution (JPD). Joint Probability Distribution adalah probabbilitas kemunculan bersama untuk semua kombinasi kemungkinan nilai-nilai yang terdapat pada variabel A dan B. Sama halnya dengan CPT, Joint Probability Distribution dari suatu variabel A dan B adalah sebuah tabel yang berisi probabilitas untuk setiap nilai A dan B yang dapat terjadi. Notasi P(A,B) dapat ditulis dalam bentuk persamaan : P(A,B) = P(A|B).P(B) Berdasarkan persamaan diatas, cara menghitung Joint Probability Distribution suatu Gejala adalah dengan mengalikan nilai Conditional Probability dengan Prior Probability. Diberikan contoh dalam menghitung Joint Probability Distribution dari gejala (Gatal). Dari data diatas, diperoleh nilai Prior Probability (Gatal) Present adalah 0,24 sedangkan absent 0,76. Conditional Probability Table (CPT) dari gejala (Gatal) adalah : [Gejala Gatal] (Prior Present) x (CPT Present) 0,24 x 0,9 = 0,216
[Gejala Gatal] (Prior Present) x (CPT Present) 0,24 x 0,1 = 0,024
Infeksi P. Kulit Gatal Present
Absent
Present
0,9
0,9
Absent
0,1
0,1
[Gejala Gatal] (Prior Absent) x (CPT Absent) 0,76 x 0,9 = 0,684 [Gejala Gatal] (Prior Absent) x (CPT Absent) 0,76 x 0,1 = 0,076
Selanjutnya, untuk mendapatkan hasil dari Joint Probability Distribution dari gejala (gatal) adalah dengan mengalikan nilai Prior Present dengan nilai CPT
42
Present Penyakit Kulit dari gejala (Gatal), serta mengalikan nilai Prior Absent dengan nilai CPT Absent Penyakit Kulit dari gejala (Gatal), sehingga diperoleh Joint Probability Distribution dari gejala (gatal) adalah :
Infeksi P. Kulit Gatal Present
Absent
Present
0,216
0,684
Absent
0,024
0,076
Nilai Joint Probability Distribution dari seluruh gejala Penyakit Kulit akibat Infeksi Jamur dapat dilihat pada tabel 4.8 dalam halaman (Lampiran). e.
Menghitung Posterior Probability. Untuk mendapatkan nilai Posterior Probability, dapat dihitung dari hasil Joint
Probability Distribution yang telah diperoleh, lalu nilai inilah yang digunakan untuk menghitung nilai probabilitas kemunculan suatu gejala. Berikut ini diberikan contoh dalam menghitung nilai Posterior Probability dari gejala (Gatal). Dalam menghitung nilai Posterior Probability dari tiap gejala diperlukan nilai dari Joint Probability Distribution. Dari data diatas diperoleh nilai Joint Probability Distribution dari (Gatal) adalah :
Infeksi P. Kulit Gatal Present
Absent
Present
0,216
0,684
Absent
0,024
0,076
Berdasarkan Joint Probability Distribution tersebut, dapat dihitung Posterior Probability dari gejala (Gatal) adalah :
= 0,24
43
Tabel yang berisi nilai Posterior Probability dapat dilihat pada tabel berikut : Tabel 4.9 Posterior Probability Dari Tiap Gejala Penyakit Kulit Akibat Infeksi Jamur. Kode Gejala B01 B02 B03 B04 B05 B06 B07 B08 B09 B10 B11 B12 B13 B14 B15 B16 B17 B18 B19 B20 B21
Gejala Kulit Berpola Gatal Terdapat pada Tangan Luka Terbuka Kecil Penebalan Kulit Terdapat pada Kuku Kuku Rapuh Kuku Suram Bercak Putih Terdapat pada Sela-Sela Jari Bercak Banyak Radang Berbau Berbintik Kemerahan Nyeri Bercak Hitam Terdapat pada Telapak Terdapat pada Kepala Benjolan-Benjolan Kecil Terdapat pada Selangkangan Bersisik Kasar
Nilai 0,4586 0,24 0,95 0,89 0,48 0,95 0,9825 0,9471 0,8926 0,9638 0,9551 0,93 0,932 0,5 0,4667 0,9474 0,95 0,95 0,9084 0,956 0,8372
f. Inferensi Probabilistik Data yang digunakan dalam melakukan inferensi diperoleh dari jawaban yang telah diberikan oleh pengguna atas pertanyaan mengenai gejala yang diaujakan oleh sistem. Berikut contoh graf penelusuran penyakit untuk dua jenis penyakit.
44
Graf untuk penelusuran penyakit Tinea Manus (P01) memiliki 4 gejala yang digambarkan seperti berikut ini : B03 B04
P01 B01 B02
Gambar 4.3 Graf Penyakit Tinea Manus (P01) Graf untuk penelusuran penyakit Tinea Unguium (P02) memiliki 5 gejala yang digambarkan seperti berikut ini : B06 B09 B05
P02
B08 B07
Gambar 4.4 Graf Penelusuran Penyakut Tinea Unguium (P02)
Setelah rule table serta nilai posterior dari tiap gejala telah diketahui, selanjutnya dihitung probabilitas gejala dari tiap-tiap penyakit dari struktur Bayesian Network yang telah dibuat. Proses penghitungan probabilitas ini dimaksudkan untuk mengetahui estimasi nilai dari gejala-gejala yang diderita si pasien sehingga kita dapat mengetahui seberapa besar probabilitas pasien tersebut
45
mengidap satu penyakit. Proses penghitungan probabilitas gejala dari tiap-tiap penyakit bias dilihat pada tabel berikut : 1. Proses perhitungan probabilitas gejala dari penyakit Tinea Manus (P01) Tabel 4.10 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Manus (P01) Kode Gejala B01 B02 B03 B04
Gejala Kulit Berpola Gatal Tangan Luka Terbuka Kecil
Probabilitas 1
Probabilitas 2
Ya
Tidak
Ya
Tidak
0,4586 0,6986 1,6486 2,5386
x x x x
0,4586 0,6986 1,6486 x
x x x 1,6486 x 100%
x 100% Jumlah 63.47%
54.95%
2. Proses perhitungan probabilitas gejala dari penyakit Tinea Unguium (P02) Tabel 4.11 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Unguium (P02) Kode Gejala B05 B09 B06 B07 B08
Gejala Penebalan Kulit Bercak Putih Kuku Kuku Rapuh Kuku Suram
Probabilitas 1
Probabilitas 2
Ya
Tidak
Ya
Tidak
0,48 x 1,43 2,4125 3,3596
x 0,48 x x x
x 0,8926 1,8426 2,8251 3,7722
0 x x x x
x 100%
x 100%
Jumlah 83.99%
94.31%
46
3. Proses perhitungan probabilitas gejala dari penyakit Tinea Pedis (P03) Tabel 4.12 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Pedis (P03) Kode Gejala B01 B02 B09 B10 B11 B12 B13
Gejala Kulit Berpola Gatal Bercak Putih Sela-sela Jari Bercak Banyak Radang Berbau
Probabilitas 1
Probabilitas 2
Ya
Tidak
Ya
Tidak
0,4586 x 1,3512 2,315 3,2701 4,2001 5,1321
x 0,4586 x x x x x
0,4586 0,6986 1,5912 2,555 3,5101 4,4401 5,3721
x x x x x x x
x 100%
x 100%
Jumlah 85.54%
76.74%
4. Proses perhitungan probabilitas gejala dari penyakit Tinea Nigra Palmaris (P04) Tabel 4.13 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Nigra Palmaris (P04) Kode Gejala B01 B02 B14 B15 B16 B17
Gejala Kulit Berpola Gatal Berbintik Kemerahan Nyeri Bercak Hitam Telapak
Probabilitas 1
Probabilitas 2
Ya
Tidak
Ya
Tidak
0,4586 0,6986 x 1,1653 2,1127 3,0627
x x 0,6986 x x x
0,4586 0,6986 1,1986 1,6653 2,6127 3,5627
x x x x x x
x 100%
x 100%
Jumlah 61.25%
59.38%
47
5.
Proses perhitungan probabilitas gejala dari penyakit Tinea Kapitis (P05) Tabel 4.14 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Kapitis (P05) Kode Gejala B01 B02 B14 B15 B16 B18 B19
Gejala Kulit Berpola Gatal Berbintik Kemerahan Nyeri Bercak Hitam Kepala Benjolan Kecil
Probabilitas 1
Probabilitas 2
Ya
Tidak
Ya
Tidak
x x 0,5 0,9667 1,9141 2,8641 3,7725
0 0 x x x x x
0,4586 0,6966 1,1986 1,6653 2,6127 3,5627 4,4711
x x x x x x x x 100%
x 100% Jumlah 75.45%
6.
63.87%
Proses perhitungan probabilitas gejala dari penyakit Tinea Kruris (P06) Tabel 4.15 Proses Perhitungan Probabilitas gejala dari penyakit Tinea Kruris (P06) Kode Gejala B01 B02 B05 B14 B20 B21
Gejala Kulit Berpola Gatal Penebalan Kulit Berbintik Kemerahan Selangkangan Bersisik Kasar
Probabilitas 1
Probabilitas 2
Ya
Tidak
Ya
Tidak
0,4586 0,6986 1,1786 1,6786 2,6346 3,4718
x x x x x x
x x x 0,5 1,456 2,2932
0 0 0 x x x
x 100%
x 100%
Jumlah 75.45%
76.44%
48
4.1.3 Desain Sistem Pada tahap ini penyusun merancang desain proses, diagram alir data (DAD), entity relationship diagram (ERD), dan tampilan interface dari sistem pakar diagnosa penyakit penyakit kulit akibat jamur. 1.
Desain Proses
-Data Pasien -Data Diagnosa
Administrator
Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur
Input Data Pasien Input Jawaban Ya atau Tidak Laporan Hasil Diagnosis
Pasien
-Data Jenis Penyakit -Data Penjelasan Penyakit -Data Gejala -Data Penyebab Penyakit -Data Cara Pengobatan
Dokter
Gambar 4.5 Diagram Konteks Sistem Pakar Diagnosa Penyakit Kulit Akibat Infeksi Jamur
49
2.
DAD Level 0 -Data Pasien
Administrator
1.0
Dokter
Input Data -Data Jenis Penyakit -Data Penjelasan Penyakit -Data Gejala -Data Penyebab Penyakit -Data Cara Pengobatan
F6
2.0
F1
Data Jenis Penyakit
F2
Data Penjelasan Penyakit
F3
Data Gejala
F4
Data Penyebab Penyakit
F5
Data Cara Pengobatan
Data Pasien
-Data Jenis Penyakit -Data Penjelasan Penyakit -Data Gejala -Data Penyebab Penyakit -Data Cara Pengobatan
Basis Pengetahuan
-Input Data Pasien -Input Jawaban Ya atau Tidak
Pasien -Laporan Data Pasien -Laporan Hasil Diagnosis
3.0 Proses Diagnosis
Data Pasien
Hasil Diagnosis
Data Pasien Hasil Diagnosis
4.0 Laporan
Gambar 4.6 DAD Level 0
F6
Data Pasien
F7
Hasil Diagnosis
50
3. ERD (Entity Relationalship Diagram) detail_penyakit
penyebab_penyakit
id_penyakit
jika_ya
1
fakta_tidak
jika_tidak
Memiliki
Solusi
id_question
N
cpt_b
Memiliki
posterior
cpt_c
jpd_a
1
1
1
Gejala
cpt_d
solusi
question
prior_absent cpt_a
nm_penyakit
id_solusi
1
Penyakit
fakta_ya
prior_present
id_penyakit
nm_penyakit
Menghasilkan
jpd_d jpd_c
no_konsutasi
Menghasilkan jam_konsiltasi
jpd_b
tgl_konsultasi menderita_penyakit
1
1
Diagnosis umur
nama_pasien
1
Pasien jenis_kelamin
1 Menghasilkan
alamat
Gambar 4.7 Hubungan Antar Tabel ERD (Enitity Relationalship Diagram)
nilai_probabilitas solusi
51
Adapun keterangan dari gambar hubungan antar tabel ERD diatas yaitu : a. Hubungan antar tabel penyakit dengan tabel gejala adalah one to many. Dikarenakan 1 penyakit memiliki banyak gejala. b. Hubungan antar tabel penyakit dengan tabel solusi adalah one to one. Dikarenakan 1 penyakit hanya memiliki 1 pengobatan. c. Hubungan antar tabel penyakit dengan tabel hasil penyakit adalah one to one. Dikarenakan 1 penyakit menghasilkan 1 hasil diagnosa. d. Hubungan antar tabel pasien dengan tabel hasil diagnosa adalah one to one. Dikarenakan 1 pasien menghasilkan 1 hasil diagnosa. e. Hubungan antar tabel pasien dengan tabel penyakit adalah one to one. Dikarenakan 1 pasien hanya menghasilkan 1 penyakit. f. Hubungan antar tabel pasien dengan tabel solusi adalah one to one. Dikarenakan 1 pasien hanya menghasilkan 1 pengobatan. 4.
Rancangan Database Dalam perancangan database pada sistem pakar ini file-file yang digunakan adalah sebagai berikut : Tabel 4.16 Penyakit Field
Type
Index
Size
Keterangan
id_penyakit nm_penyakit detail_penyakit penyebab_penyakit
Text Text Memo Memo
Primary Key -
3 10 -
ID Penyakit Jenis Penyakit Penjelasan Penyakit Penyebab Penyakit
52
Tabel 4.17 Gejala Field id_question question fakta_ya fakta_tidak jika_ya jika_tidak prior_present prior_absent cpt_a cpt_b cpt_c cpt_d jpd_a jpd_b jpd_c jpd_d posterior
Type
Index
Size
Keterangan
Text Text Text Text Text Text Text Text Number Number Number Number Number Number Number Number Number
Primary Key -
3 3 3 4 4 4 4 4 4 4 4 4 4 5
ID Pertanyaan/Gejala Pertanyaan/Gejala Fakta Ya Fakta Tidak Jika jawaban Ya Jika jawaban Tidak Nilai Prior Present Nilai Prior Absent Nilai CPT a Nilai CPT b Nilai CPT c Nilai CPT d Nilai JPD a Nilai JPD b Nilai JPD c Nilai JPD d Nilai Posterior
Type
Index
Size
Text Memo Text
Primary Key Foreign Key
3 3
Type
Index
Size
Primary Key -
5 6 2
Tabel 4.18 Solusi Field id_solusi solusi id_penyakit
Keterangan ID Pengobatan Cara Pengobatan ID Penyakit
Tabel 4.19 Pasien Field no_konsultasi jam_konsultasi tgl_konsultasi nama_pasien umur
Text Text Text Text Text
Keterangan No. Konsultasi Jam Konsultasi Hari/Tgl Konsultasi Nama Pasien Umur
53
Tabel 4.19 Pasien (Lanjutan) Field
Type
jenis_kelamin alamat menderita_penyakit nilai_probabilitas id_solusi
Text Text Text Text Text
Index
Size
Keterangan
Foreign Key
10 4 5
Jenis Kelamin Alamat Pasien Penyakit yang Diderita Nilai Probabilitas ID Pengobatan
Tabel 4.20 Pengguna Field id_user username pass level
5.
Type Text Text Text Text
Index
Size
Primary Key -
4 10 8 -
Keterangan ID User Username Password Level User
Rancangan Tampilan Interface Setelah penerapan metode Bayesian Network pada Sistem Pakar Diagnosa Penyakit Kulit Akibat Jamur terbentuk, kemudian dibuatkan rancangan awal tampilan program yaitu seperti berikut ini : a. Rancangan Interface Program. 1.) Form Login SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur
Sistem Login Level : User ID : Password : Masuk
Gambar 4.8 Interface Form Login
Keluar
54
2.) Form Halaman Utama SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur
Halaman Utama
Gambar Edit Pengetahuan Proses Diagnosis
Batal
Keluar
Gambar 4.9 Interface Form Halaman Utama
3.) Form Edit Pengetahuan Untuk Form Edit Pengetahuan terdapat 5 frame didalamnya yang meliputi : 1.1. Frame User SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur
Edit Pengetahuan Edit Data User Level : User ID : Username : Password :
Simpan
ID User
Bersih
Username
Keluar
Password
Level
Gambar 4.10 Interface Form Edit Pengetahuan (Frame User)
55
1.2. Frame Pasien SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur
Edit Pengetahuan Edit Data Pasien No. Konsutasi : Jam / Tanggal Konsultasi :
Ubah
Nama Pasien : Umur : Alamat :
Bersih Jenis Kelamin :
Hapus
Penyakit yang diderita : Dengan nilai Probabilitas : No. Konsul
Jam Konsul
Tgl Konsul
Nama Pasien
Keluar Umur
Jenis Kelamin
Alamat
Menderita Penyakit
Nilai Probabilitas
Solusi
Gambar 4.11 Interface Form Edit Pengetahuan (Frame Pasien)
1.3. Frame Penyakit SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur
Edit Pengetahuan Edit Penyakit ID Penyakit : Nama Penyakit : Penyebab :
Penjelasan Penyakit :
Simpan ID Penyakit
Ubah
Nama Penyakit
Hapus
Bersih
Penjelasan Penyakit
Keluar Penyebab Penyakit
Gambar 4.12 Interface Form Edit Pengetahuan (Frame Penyakit)
56
1.4. Frame Gejala SISTEM PAKAR
1.5.
Diagnosa Penyakit Kulit Akibat Infeksi Jamur
Edit Gejala
Edit Pengetahuan
Nilai Bayesian Network
Prior Present :
ID Question : Question :
Simpan
Prior Absent :
Conditional Probability Table
Join Probability Distribution
Ubah Hapus
Fakta Ya : Fakta Tidak :
Bersih
JIka Ya :
Posterior Probability :
Jika Tidak : ID Question
Question
Fakta Ya
Fakta Tidak
Jika Ya
Jika Tidak
Prior Present
Prior Absent
CPT a
CPT b
CPT c
CPT d
JPD a
Keluar JPD b
JPD c
JPD d
Posterior
Gambar 4.13 Interface Form Edit Pengetahuan (Frame Gejala)
1.5. Frame Solusi SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur
Edit Pengetahuan Edit Solusi ID Solusi : Solusi :
ID Penyakit :
ID Solusi
Simpan
Ubah
Hapus
Bersih
Keluar
Nama Penyakit :
Solusi
ID Penyakit
Nama Penyakit
Gambar 4.14 Interface Form Edit Pengetahuan (Frame Solusi)
1.6. Frame Laporan dan Hasil Diagnosis Pasien Untuk frame Laporan dan Hasil Diagnosis Pasien ini masih terdapat pada from Edit Pengetahuan. Untuk memilih data mana yang hendak kita cetak yaitu dengan memilih salah satu pilihan laporan yang ada pada Combo Box „Cetak Berdasarkan‟, seperti yang terlihat pada gambar 4.15 dibawah ini :
57
SISTEM PAKAR Diagnosa Penyakit Kulit Akibat Infeksi Jamur
Edit Pengetahuan Cetak Laporan dan Hasil Diagnosis Pasien Cari Berdasarkan :
Bersih
No. Konsultasi :
Cari
Nama Pasien : No. Konsul
Jam Konsul
Tgl Konsul
Nama Pasien
Umur
Jenis Kelamin
Alamat
Menderita Penyakit
Nilai Probabilitas
Solusi
Cetak
Gambar 4.15 Interface Form Edit Pengetahuan (Frame Cetak Laporan dan Hasil Diagnosis Pasien)
b. Rancangan Interface Laporan Konsultasi dan Hasil Diagnosis Pasien. 1.) Laporan Data Konsultasi Pasien LOGO
BLUD RSU PROF. DR. H ALOEI SABOE POLIKLINIK SPESIALIS PENYAKIT KULIT DAN KELAMIN
LOGO
Jln. Aloei Saboe Kel. Wongkaditi Kec. Kota Utara Kota Gorontalo
Laporan Data Konsultasi Pasien NO.
No. Konsultasi
Waktu Konsultasi
Hari & Tgl Konsultasi
Nama Pasien
Umur
Jenis Kelamin
Alamat
Menderita Penyakit
Dr. Wahyuni Sp.KK, M.Kes Spesialis Kulit dan Kelamin
Gambar 4.16 Interface Laporan Data Konsultasi Pasien
Solusi
58
2.) Laporan Hasil Diagnosa Pasien LOGO
BLUD RSU PROF. DR. H ALOEI SABOE POLIKLINIK SPESIALIS PENYAKIT KULIT DAN KELAMIN Jln. Aloei Saboe Kel. Wongkaditi Kec. Kota Utara Kota Gorontalo
Laporan Hasil Diagnosa Pasien No. Konsultasi Hari / Tanggal Konsultasi
: :
DATA LENGKAP PASIEN NAMA LENGKAP
:
UMUR JENIS KELAMIN ALAMAT
: : :
HASIL DIAGNOSIS SERTA CARA PENGOBATAN Didiagnosa menderita penyakit
:
Dengan nilai probabilitas sebesar
:
Berikut adalah cara pengobatannya :
Dr. Wahyuni Sp.KK, M.Kes Spesialis Kulit dan Kelamin
Gambar 4.17 Interface Hasil Diagnosa Pasien
LOGO
59
4.2
Pembahasan
4.2.1 Implementasi Sistem Penerapan metode Bayesian Network dalam membangun sistem pakar diagnosa penyakit kulit akibat jamur pada manusia ini diaplikasikan kedalam suatu bahasa pemograman dengan menggunakan bahasa pemograman Visual Basic 6.0. Berdasarkan rancangan sistem yang telah dibuat, maka berikut adalah hasil implementasinya : 1. Form Login
Gambar 4.18 Tampilan Sistem Login Form login ini bertujuan sebagai pengamanan program. Dalam sistem login ini terdapat 3 level pengguna yaitu Pasien, Pakar dan Administrator. Untuk dapat mengakses program ini dibutuhkan user ID dan password yang diisi dengan benar kemudian dilanjutkan dengan menekan tombol masuk maka akan masuk pada form
60
halaman utama, kecuali level pasien dapat langsung masuk pada form halaman utama tanpa memasukkan user ID dan password. 2. Form Halaman Utama
Gambar 4.19 Tampilan Form Utama Dalam form halaman utama terdapat 2 tombol utama, yakni tombol Edit Pengetahuan dan tombol Proses Diagnosis. Setiap level pengguna memiliki hak akses berbeda-beda, berikut adalah perbedaan hak akses setiap level pengguna: a. Pasien Level Pasien hanya dapat mengakses tombol Proses Diagnosis (untuk mengetahui penyakit apa yang diderita) serta Hasil Diagnosis (untuk dapat mengetahui hasil dari diagnosis serta nilai probabilitas dari penyakit yang diderita kemudian cara pengobatannya) yang akan muncul ketika pengguna melakukan proses diagnosis.
61
b. Pakar Level Pakar dapat mengakses menu meliputi Proses Diagnosis dan Hasil Diagnosis serta Edit Pengetahuan (Edit User, Cetak Hasil Diagnosis Pasien, Edit Penyakit, Edit Gejala, Edit Solusi). Level Pakar tidak masuk pada menu Edit Pasien tentunya dikarenakan menu Edit pasien adalah Hak Akses Level Administrator. c. Administrator Level Administrator tidak dapat mengakses menu meliputi Proses Diagnosis dan Hasil Diagnosis serta Edit Pengetahuan (Edit User, Edit Data Pasien, Cetak Data Pasien, Cetak Hasil Diagnosis Pasien). 3. Form Edit Pengetahuan
Gambar 4.20 Tampilan Form Edit Pengetahuan
62
Dalam form Edit Pengetahuan terdapat 3 menu utama yang terdiri dari menu File, menu Data dan menu Tentang yang memiliki submenu masing-masing: a. Menu File Dalam menu File terdapat submenu Halaman login (akses untuk ke form Sistem Login), halaman utama (akses untuk ke form Halaman Utama) dan keluar (akses untuk menutup program). b. Menu Data Dalam menu Data terdapat 3 submenu yakni Data User (Edit User), Data Pasien (Edit Data Pasien, Cetak Data dan Hasil Diagnosis), dan Data Pengetahuan (Edit Penyakit, Edit Gejala, Edit Solusi). 1.) Submenu Data User (Frame Edit User)
Gambar 4.21 Tampilan Frame Edit User pada Form Edit Pengetahuan Submenu Edit user diperlukan untuk menginput ataupun mengubah data level pengguna. Dalam frame ini, data yang dimasukkan berupa data username dan password yang nantinya akan digunakan untuk hak akses program.
63
2.) Submenu Data Pasien (Frame Edit Data Pasien)
Gambar 4.22 Tampilan Frame Edit Data Pasien pada Form Edit Pengetahuan Frame Edit Data Pasien ini berfungsi untuk mengubah data yang keliru atau ada kesalahan data yang diinput yang dimasukkan oleh pasien dari form Proses Diagnosis. Data yang dapat diubah meliputi Nama Pasien, Umur, Jenis Kelamin, dan Alamat. 3.) Submenu Data Pasien (Frame Cetak Data dan Hasil Diagnosis)
Gambar 4.23 Tampilan Frame Cetak Data dan Hasil Diagnosis pada Form Edit Pengetahuan
64
Frame Cetak Data dan Hasil Diagnosis ini terdapat combo box “Cetak Berdasarkan”. Dalam combo box ini terdapat 2 pilihan perintah yaitu “Laporan Data Pasien” dan “Hasil Diagnosis Pasien”, Jika combo box kita pilih pada “Laporan Data Pasien” maka perintah ini berfungsi untuk mencetak semua data pasien yang telah menggunakan program ini yang dibuat dalam satu laporan. Jika kita pilih combo box “Hasil Diagnosis Pasien” maka kita dapat mencetak hasil diagnosis dari pasien yang telah melakukan proses diagnosis sebelumnya. 4.) Laporan Data Pasien
Gambar 4.24 Tampilan Laporan Data Pasien
65
5.) Laporan Hasil Diagnosis Pasien
Gambar 4.25 Tampilan Laporan Hasil Diagnosis Pasien
6.) Submenu Edit Pengetahuan (Frame Edit Penyakit)
Gambar 4.26 Tampilan Frame Edit Penyakit pada Form Edit Pengetahuan Pada frame Edit Penyakit ini difungsikan untuk menginput ataupun mengubah data penyakit, penjelasan penyakit serta penyebab penyakit.
66
7.) Submenu Edit Pengetahuan (Frame Edit Gejala)
Gambar 4.27 Tampilan Frame Edit Gejala pada Form Edit Pengetahuan Frame Edit Gejala ini digunakan untuk menginput ataupun mengubah data gejala, aturan dari tiap-tiap gejala serta nilai probabilitas dari gejala tersebut. Pada frame gejala ini terdapat tombol petunjuk yang dapat mengarahkan kepada form petunjuk yakni sebagai berikut:
Gambar 4.28 Tampilan Form Petunjuk pada Frame Edit Edit Gejala
67
8.) Submenu Edit Pengetahuan (Frame Edit Solusi)
Gambar 4.29 Tampilan Frame Edit Solusi pada Form Edit Pengetahuan Frame Edit solusi ini dapat digunakan untuk menginput ataupun mengubah data tentang cara pengobatan dari tiap penyakit. 4. Form Proses Diagnosis (Frame Proses Diagnosis)
Gambar 4.30 Tampilan Form Proses Diagnosis
68
Form Proses Diagnosis ini digunakan untuk melakukan proses diagnosa penyakit kulit akibat infeksi jamur terhadap pasien. Pada form ini porses yang dilakukan adalah dengan menerima jawaban Ya atau Tidak yang diinput dari pasien dan kemudian dari proses ini akan diperoleh penyakit apa yang ia derita dengan perhitungan probabilitas dari gejala-gejala yang diinput. Selanjutnya setelah melakukan proses diagnosis maka akan muncul frame Hasil Diagnosis. 5. Form Proses Diagnosis (Frame Hasil Diagnosa)
Gambar 4.31 Tampilan Hasil Diagnosa pada Form Proses Diagnosis
Dari frame Hasil Diagnosa diatas terdapat tombol Lihat Detail, jika menekan tombol Lihat Detail maka akan muncul form Hasil Diagnosa dari proses diagnosis yang telah dilakukan tadi.
69
6. Form Hasil Diagnosis
Gambar 4.32 Tampilan Form Hasis Diagnosis Form Hasil Diagnosa ini digunakan untuk menampilkan hasil diagnosa dari proses diagnosa yang telah dilakukan tadi. Pada form ini ditampilkan data berupa penyakit yang diderita dengan probibabilitasnya, keterangan atau penjelasan dari penyakit, gejala yang dirasakan, penyebab penyakit serta cara pengobatannya.
70
4.2.2 Pengujian Sistem Setelah implementasi sistem selesai dibuat, kemudian sistem akan diuji apakah sistem yang telah dibuat ini sudah layak untuk digunakan atau belum. Pada tahap ini, pengujian dilakukan dengan mengunakan metode pengujian black-box. Pada pengujian black-box yang di ambil adalah form login, frame edit gejala pada form edit pengetahuan dan form diagnosis. Hasil dari pengujian sistem dapat dilihat pada tabel-tabel berikut: 1. Pengujian Login Tabel 4.21 Pengujian Form Login Data Masukan Level, Username dan password terisi dengan benar Level, Username dan password salah
Proses Akan Menampilkan Halaman Utama program
Pengamatan Menampilkan Halaman Utama
Kesimpulan Sesuai
Akan menampilkan pesan “Username Tidak Tersedia”
Menampilkan Pesan
Sesuai
2. Pengujian Edit Pengetahuan Tabel 4.22 Pengujian Frame Edit Gejala pada Form Edit Pengetahuan Data Masukan Input data gejala dengan benar dan lengkap Tombol Petunjuk
Proses Data tersimpan di tabel gejala
Tombol Ubah
Menampilkan form petunjuk Data diperbaharui
Tombol Hapus
Data dihapus
Pengamatan Tombol Simpan berfungsi dengan benar Menampilkan form petunjuk Tombol Edit berfungsi dengan benar Data berhasil dihapus
Kesimpulan Sesuai
Sesuai Sesuai
Sesuai
71
Tabel 4.22 Pengujian Frame Edit Penyakit pada Form Edit Pengetahuan (Lanjutan) Data Masukan Tombol Bersih Tombol Keluar
Proses Semua Text Box kosong Keluar dari form Edit Pengetahuan dan kembali ke form Halaman Utama
Pengamatan Text Box kosong
Kesimpulan Sesuai
Tombol Keluar berfungsi dengan baik
Sesuai
Pengamatan Proses diagnosa dimulai
Kesimpulan Sesuai
Menampilkan pesan
Sesuai
tex box kosong Tombol Batal Berfungsi dengan baik
Sesuai Sesuai
Proses pelembaran jawaban berjalan dengan baik
Sesuai
Proses pelembaran jawaban berjalan dengan baik
Sesuai
3. Pengujian Proses Diagnosa Tabel 4.23 Pengujian Form Proses Diagnosa Data Masukan Tombol Proses
Input data pasien salah
Tombol Bersih Tombol Batal
Tombol Ya
Tombol Tidak
Proses Mulai melakukan proses diagnosa jika input data pasien diisi dengan baik dan benar Menampilkan pesan “Data yang anda masukan belum lengkap!” Semua tex box kosong Keluar dari form Proses Diagnosa kembali ke form Halaman Utama Melakukan proses pelemparan ke pertanyaan berikutnya apabila pengguna menjawab ya Melakukan proses pelemparan ke pertanyaan berikutnya apabila pengguna menjawab ya
72
Dengan melihat hasil pengujian yang telah dilakukan diatas, menunjukan bahwa sistem yang dibangun sudah memenuhi persyaratan secara fungsional, artinya sistem ini sudah dapat digunakan karena dapat menghasikan keluaran yang sesuai dengan yang diharapkan.
