BAB IV HASIL DAN PEMBAHASAN. yang sering dialami dan penanganan yang bisa dilakukan oleh cat lover

ADLN UNIVERSITAS AIRLANGGA

BAB IV HASIL DAN PEMBAHASAN

4.1

Pengumpulan Data dan Informasi Pengumpulan data dan informasi dilakukan pada penanganan pertama

pada kucing. Penanganan pertama pada penelitian ini difokuskan pada penyakit yang sering dialami dan penanganan yang bisa dilakukan oleh cat lover. Pengumpulan data dan informasi ini dilakukan dengan melakukan wawancara, pembagian kuesioner serta studi pustaka. 4.1.1 Wawancara Wawancara dilakukan dengan drh. Husniya sebagai narasumber mengenai penanganan pada kucing. Sebelumnya, narasumber telah dijelaskan tentang certainty factor. Dari hasil wawancara yang dilakukan, dapat diketahui cara-cara mengidentifikasi penanganan, beberapa gejala klinis penyakit yang bisa dilakukan pertolongan

pertama,

serta

konfirmasi

keputusan

berdasarkan

nilai

kepastian/Certainty factor. Hasil wawancara dapat dilihat pada lampiran 1. 4.1.2 Kuesioner Kuesioner dilakukan kepada cat lover (untuk mendapatkan data penanganan) serta kepada dokter hewan (untuk mendapatkan nilai CF). Kuesioner yang ditujukan pada dokter hewan, diisi oleh 5 dokter hewan, yaitu drh. Arif Pambudi, drh. Husniya, drh. Rudi, drh. Citra, dan drh. Vina. Kuesioner untuk cat lover dapat dilihat pada lampiran 2 dan kuesioner untuk dokter hewan dapat dilihat pada lampiran 3. Dari hasil kuesioner yang dilakukan, dapat diketahui

31 SKRIPSI

SISTEM PAKAR PERTOLONGAN PERTAMA PADA KUCING ...

FITRIA RIZKY APRILINA


32

penanganan-penanganan yang dilakukan cat lover serta nilai CF masing-masing gejala.

Hasil

data

kuesioner

cat

lover

dapat

dilihat

pada

lampiran

4 dan hasil kuesioner pakar dapat dilihat pada lampiran 5. 4.1.3 Studi pustaka Dalam studi pustaka yang dilakukan dapat memperoleh informasi lebih rinci dari hasil wawancara mengenai gejala – gejala identifikasi penyakit dan solusi. Data–data yang diperoleh akan digunakan sebagai masukan (input) sistem serta mengetahui informasi yang nantinya akan dihasilkan (output) oleh sistem pakar pertolongan pertama pada kucing. 4.2

Pengolahan Data dan Informasi Data dan informasi yang didapatkan dari hasil wawancara dan studi

pustaka akan dianalisis untuk menentukan penanganan yang tepat dan sesuai. Dari hasil wawancara didapatkan konfirmasi bahwa nilai certainty factor dapat digunakan untuk pengambilan keputusan. Selain itu, didapatkan beberapa gejala klinis penyakit yang memungkinkan dilakukan pertolongan pertama, misalnya diare, muntah dan demam. Studi pustaka dilakukan untuk melengkapi hasil dari wawancara. Dari studi pustaka yang telah dilakukan, didapatkan inference tree gejala klinis dan penanganan yang terdapat pada gambar 3.1 dengan keterangan pada tabel 3.1. Dari hasil kuesioner yang didapatkan dari cat lover (lampiran 4) diolah menjadi data olahan (lampiran 7). Misalnya data ke-2 pada lampiran 4, Bagian ke1 (Diare atau sembelit) jawaban pertanyaan no 2.1 adalah pasti, no 2.2 adalah kemungkinan, no 2.3 adalah pasti, jawaban no 4 (pertanyaan: Apakah Anda akan

SKRIPSI




33

membawa kucing ke dokter? jawaban: Iya), no 5 adalah tidak, diolah menjadi lampiran 7 data no 2, diare atau sembelit no 1 P no 2 K no 3 P hasil data: segera ke dokter. Sedangkan bagian 2 sampai bagian 4, tidak dilakukan pengolahan karena tidak diobati sendiri. Pada data ke-3 pada lampiran 4, Bagian 2 jawaban pertanyaan no 2 adalah kemungkinan, no 3 adalah Istirahatkan perut selama 4-6 jam, jawaban pertanyaan no 5 adalah tidak, kemudian diolah menjadi lampiran 7 no 3, bagian 2 dijawab K, hasil data Istirahatkan perut selama 4-6 jam, begitu seterusnya untuk data selanjutnya. Hasil dari kuesioner nilai CF pakar, diolah sesuai dengan nilai kuantifikasi jawaban pada bab 2.4. Hingga diperoleh data CF pakar yang dapat dilihat pada yang kemudian dimasukkan dalam sistem. Sedangkan nilai CF user diperoleh dari kuantifikasi jawaban pada tiap pertanyaan yang nilainya sesuai dengan pada bab 2.4. Setelah nilai CF diketahui, kemudian dilakukan perhitungan untuk mendapatkan saran penanganan. Perhitungan nilai CF, gejala identifikasi dan saran penanganan dimasukan kedalam sistem pakar berupa aturan – aturan menggukan metode forward chaining. 4.3

Mekanisme Inferensi Forward Chaining dan Metode

Certainty

factor Pohon inferensi dibangun sesuai dengan basis pengetahuan sistem yang terlihat pada Tabel 3.1. Pohon inferensi yang terdapat pada Gambar 3.1 menunjukan penelusuran forward chaining untuk menentukan penanganan yanng

SKRIPSI




34

tepat, yaitu dimulai dari fakta gejala klinis sampai didapatkan kesimpulan berupa penanganan. Berikut contoh ilustrasi penerapan mekanisme inferensi pada suatu kasus. Seekor kucing memiliki beberapa gejala klinis sebagai berikut : 1. Kucing mengalami gejala sering buang air besar 2. Gejala tersebut sudah terjadi selama 8 jam 3. Tidak disertai muntah atau gejala-gejala lain Berdasarkan contoh kasus di atas, penerapan mekanisme inferensi akan dijalankan dengan mengajukan pertanyaan kepada user. Penelusuran fakta dari aturan yang ada dilakukan berdasarkan jawaban user terhadap pertanyaan yang diajukan. Penelusuran terus dilakukan sampai didapatkan konklusi/kesimpulan yang dialami kucing. Berikut ilustrasi pertanyaan mengenai identifikasi gejala yang terdapat pada sistem untuk mengetahui penanganan, dapat dilihat pada Tabel 4.1. Pohon inferensi untuk penelusuran penanganan contoh kasus kucing diatas dapat dilihat pada Gambar 4.1

SKRIPSI




35

Tabel 4. 1 Tabel Ilustrasi Pertanyaan Penentuan Penanganan No.

Penyakit

1.

Diare atau Apakah sembelit kucing Anda sering buang air besar? Diare atau Apakah sembelit kucing Anda sering buang air besar dengan durasi/lama <12 jam? Diare atau Apakah sembelit disertai muntah?

2.

3.

Pertanyaan

Jawaban Pasti (G12)

Kemungkinan (G13)

Pasti (S2)

CF user 1

CF pakar 0.8

0.4

0.88

CFgab = CFx + CFy * (1-CFx) = 0,8 + 0,352 (1 – 0,8) = 0,8704

1

CF

Tidak -1

CF CF = CF user x CF pakar = 1 x 0,8 = 0,8

= = = -1 <

0,48 (CF max)  S2

Solusi (Output Program): a. tidak diberi pakan, tetapi diberi air minum. Kucing dewasa tidak diberi pakan atau dipuasakan selama 24 jam. Sementara itu, anak kucing atau kucing muda dipuasakan selama 12 jam dan diberi obat antidiare. Selanjutnya, kucing diberi pakan halus 2-3 kali sehari. b. Memberi makan hewan peliharaan dengan diare diet hambar; diet hambar contoh yang bekerja termasuk daging ayam putih (tanpa kulit) yang diberi makan dalam jumlah kecil.

SKRIPSI




36

G1

G11

G2

G12

S1

G3 G13

S1

S1

S2

G4

S1 Gambar 4. 1 Inference Tree Penentuan Penanganan pada Studi Kasus

4.4

Perancangan Sistem Pada penelitian ini menggunakan sistem flowchart untuk melakukan

perancangan sistem dimana terdapat 2 flowchart yaitu proses diagnosa dan proses login dimana pada proses login terdapat tiga proses yakni proses penambahan rule, pengeditan rule serta hapus rule. Pada flowchart proses diagnosa, hal pertama yang dilakukan adalah identifikasi nama penyakit, yakni memilih salah satu penyakit dari beberapa penyakit yang ada dalam sistem. Selanjutnya sistem akan

menampilkan

gejala-gejala

berupa

pertanyaan

untuk

menentukan

penanganan dan sistem melakukan perhitungan CF berdasar nilai jawaban user dan CF pakar yang terdapat pada database, apabila nilai CF belum melampaui nilai CF maksimal maka sistem akan menampilkan output penanganan sesuai gejala, namun apabila nilai CF melebihi nilai maksimal maka sistem akan

SKRIPSI




37

menampilkan output segera ke dokter tanpa menampilkan penanganan lain. Adapun system flowchart proses diagnosa disajikan pada Gambar 4.2. Mulai

Identifikasi nama penyakit Tidak Penyakit tersedia? Iya diagnosa

Hitung CF Iya Penyakit lanjutan

Ada penyakit lanjutan? Tidak Tidak

CF
Iya

Output: Saran penanganan

Output: Segera ke dokter Selesai

Gambar 4. 2 System flowchart proses diagnosa

Pada flowchart proses login, hal pertama yang harus dilakukan adalah mengisikan username dan password terlebih dahulu. Ketika username dan password yang diisikan benar, maka sistem akan menampilkan data rule yang ada dalam database. Selanjutnya dapat dilakukan tambah, edit bahkan hapus rule. Adapun system flowchart proses login disajikan pada Gambar 4.3.

SKRIPSI




38

Mulai

Login

Selesai

Tidak

Username dan password sesuai? Iya

Tambah rule

Edit rule

Hapus rule

Edit CF maksimal

1

2

3

4

Gambar 4.3 System flowchart proses login

Ketika proses login berhasil, terdapat proses tambah rule yakni dengan cara menginputkan no, nama penyakit, pertanyaan, index iya, index tidak, cf. Ketika ditekan tombol simpan, sistem akan menampilkan peringatan “Yakin ingin menambah rule?”. Jika tidak, maka proses penambahan rule tidak diproses. Jika iya, maka akan dilakukan pengecekan no, dan jika no sudah ada dalam database, maka proses tambah rule gagal, jika no belum ada, maka proses tambah rule berhasil. Adapun system flowchart proses tambah rule disajikan pada Gambar 4.4.

SKRIPSI




39

1

Input no, nama penyakit, pertanyaan, index iya, index tidak, cf

Penambahan rule tidak diproses (gagal)

Tidak

Yakin tambah rule?

Tidak

Iya

Cek nilai CF -1
Iya

No sudah ada dalam database? Ada

Tidak ada

Gagal menambah rule

Berhasil menambah rule

Selesai

Gambar 4.4 System flowchart proses tambah rule

Selain tambah rule juga terdapat edit rule. Hal pertama yang dilakukan adalah memilih rule yang akan diedit. Lalu setelah diedit, sistem akan

SKRIPSI




40

menampilkan peringatan “Yakin ingin mengedit”. Jika tidak, maka proses pengeditan rule tidak diproses. Jika iya, maka akan dilakukan pengecekan no, dan jika no sudah ada dalam database, maka proses edit rule gagal, jika no belum ada, maka proses edit rule berhasil. Adapun system flowchart proses edit rule disajikan pada Gambar 4.5.

SKRIPSI




41

2

Memilih rule

Input edit rule dan simpan

Pengeditan rule tidak diproses (gagal)

Tidak

Yakin edit rule?

Tidak

Iya

Cek nilai CF -1
Iya

No sudah ada dalam database? Ada

Tidak ada

Gagal mengedit rule

Berhasil mengedit rule

Selesai

Gambar 4.5 System flowchart proses edit rule

SKRIPSI




42

Selain tambah rule dan edit rule juga terdapat hapus rule. Hal pertama yang dilakukan adalah memilih rule yang akan dihapus. Lalu sistem akan menampilkan peringatan “Yakin ingin menghapus?”. Jika tidak, maka proses hapus rule tidak diproses. Jika iya, maka proses hapus rule berhasil. Adapun system flowchart proses hapus rule disajikan pada Gambar 4.6. 3

Memilih rule

Hapus rule

Tidak

Yakin menghapus rule? Iya

Hapus rule tidak diproses (gagal)

Hapus rule berhasil

Selesai

Gambar 4.6 System flowchart proses hapus rule

SKRIPSI




43

Proses terakhir yang bisa dilakukan adalah proses edit nilai CF maksimal. Hal pertama yang dilakukan adalah input nilai CF maksimal baru. Lalu sistem akan melakukan update nilai CF. Adapun system flowchart proses edit nilai CF maksimal disajikan pada Gambar 4.7. 4

Input nilai CF maksimal baru

Tidak

Cek CF max 0
Iya

Edit CF maksimal

Selesai

Gambar 4.7 System flowchart proses edit nilai CF maksimal

SKRIPSI




44

4.5

Implementasi Sistem Pada implementasi sistem akan dibahas mengenai GUI (General User

Interface) dari aplikasi pertolongan pertama pada kucing berbasis android dengan menggunakan metode certainty factor yang bernama Pertolongan pertama pada kucing (P3k). Sebelum membahas GUI, akan dijabarkan terlebih dahulu tentang algoritma – algoritma yang akan digunakan dalam aplikasi P3k. Berikut merupakan algoritma umum P3k yang disajikan pada Gambar 4.8 Begin Identifikasi nama penyakit Proses diagnosa Proses hitungCF Proses Penyakit_lanjutan End Gambar 4.8 Algoritma umum P3k Proses awal aplikasi dimulai dengan identifikasi nama penyakit untuk menentukan gejala yang sesuai dengan nama penyakit. Pada proses ini memerlukan inputan berupa tabel penyakit yang sudah tersimpan dalam database. Pseudocode identifikasi nama penyakit dapat dilihat pada Gambar 4.9 Nama: Identifikasi nama penyakit Fungsi: Menentukan gejala berdasarkan nama_penyakit yang dipilih Input : tabel penyakit Output: nama_penyakit Begin Pilih penyakit dari tabel penyakit if(nama_penyakit=tidak ada) kembali ke halaman pilih penyakit else Proses diagnosa endif END Gambar 4.9 Pseudocode identifikasi nama penyakit

SKRIPSI




45

Hasil dari proses identifikasi nama penyakit adalah berupa nama penyakit yang selanjutnya digunakan dalam proses diagnosa. Dalam proses ini terdapat beberapa proses yakni proses perhitungan CF serta proses penyakit lanjutan. Pseudocode proses diagnosa disajikan pada Gambar 4.10 Nama: Proses diagnosa Fungsi: Menentukan gejala berdasarkan penyakit dan jawaban user Input : nama penyakit, jawaban user Output: Gejala Begin Menampilkan pertanyaan diagnosa berdasarkan nama_penyakit Proses hitungCF if(jawabanuser = pasti/hampir pasti/kemungkinan besar/ kemungkinan/ tidak tahu) index_selanjutnya = value kolom “iya” else index_selanjutnya = value kolom “tidak” endif if(index_selanjutnya=solusi) simpan solusi di array solusi Proses Penyakit_lanjutan else Menampilkan pertanyaan sesuai index_selanjutnya endif END Gambar 4.10 Pseudocode Proses diagnosa

Dalam proses diagnosa, terdapat proses perhitungan CF. Pada proses ini memerlukan inputan berupa CF user yang diperoleh dari jawaban user serta CF pakar yang terdapat dalam database. Pseudocode proses hitungCF disajikan pada Gambar 4.11

SKRIPSI




46

Nama: Proses hitungCF Fungsi: Menghitung nilai CF Input : Jawaban user dan CF pakar Output: CF Begin Cfx=0; if(jawabanuser=pasti) CFuser=1 else if(jawabanuser=hampir pasti) CFuser=0.8; else if(jawabanuser =Kemungkinan besar) CFuser =0.6; else if(jawabanuser =kemungkinan) CFuser =0.4; else if(jawabanuser =Tidak tahu) CFuser =0; else if(jawabanuser =kemungkinan tidak) CFuser =-0.4; else if(jawabanuser =Kemungkinan besar tidak) CFuser =-0.6; else if(jawabanuser =hampir pasti tidak) CFuser =-0.8; else CFuser =-1; endif; double CFx= CFuser*CFpakar; if(CFx>0 && CFy>0) CF(x,y) = CFx+CFy(1-CFx); else if((CFx>=0 && CFy<=0) || (CFx<=0 && CFy>=0)) CF(x,y) = (CFx+CFy)/(1-minimal(|CFx|,|CFy|)) else CF(x,y) = CFx+CFy(1+CFx) endif; return (CF) END Gambar 4.11 Pseudocode Proses hitungCF

Dalam proses diagnosa, terdapat proses penyakit_lanjutan. Fungsi proses ini adalah jika kucing menderita lebih dari satu penyakit. Ketika tidak ada

SKRIPSI




47

penyakit lanjutan, maka sistem akan menampilkan penanganan, sebaliknya jika ada penyakit lanjutan, maka akan melalui proses diagnosa kembali. Pseudocode proses Penyakit_lanjutan disajikan pada Gambar 4.12 Nama: Proses Penyakit_lanjutan Fungsi: Menentukan nama_penyakit lanjutan/komplikasi Input : tabel penyakit Output: nama_penyakit Begin Pilih penyakit dari tabel penyakit if(nama_penyakit=tidak ada) if(CF
Dalam aplikasi P3k terdapat fitur untuk menambah, mengubah bahkan menghapus isi tabel rule. Pada proses tambah rule, harus dimulai dengan proses login terlebih dahulu. Jika berhasil, user dapat menambah rule dengan mengisi id_penyakit, nama_penyakit, Pertanyaan, Iya,Tidak,CF. Pseudocode proses Tambah rule disajikan pada Gambar 4.13

SKRIPSI




48

Nama: Tambah rule Fungsi: Menambahkan rule ke dalam tabel Input : id_penyakit, nama_penyakit, Pertanyaan, Iya,Tidak,CF, Keterangan_jawaban Output: tabel penyakit Begin Proses login Cek nilai CF IF(-1
Pada proses edit rule, harus dimulai dengan proses login terlebih dahulu. Jika berhasil, user dapat mengedit rule lalu simpan. Pseudocode proses Edit rule disajikan pada Gambar 4.14 Nama: Edit rule Fungsi: Mengubah rule dalam tabel Input : id_penyakit, nama_penyakit, Pertanyaan, Iya,Tidak,CF, Keterangan_jawaban Output: tabel penyakit Begin Proses login Menampilkan isi rule berdasarkan id penyakit yang dipilih edit rule dan simpan menjadi rule baru Cek nilai CF IF(-1
SKRIPSI




49

Pada proses hapus rule, harus dimulai dengan proses login terlebih dahulu. Jika berhasil, user dapat hapus rule. Pseudocode proses hapus rule disajikan pada Gambar 4.15

Nama: Hapus rule Fungsi: Menghapus rule dalam tabel Input : id_penyakit Output: tabel penyakit Begin Proses login Menghapus rule berdasarkan id penyakit yang dipilih End Gambar 4.15 Pseudocode Proses Hapus rule

Pada proses edit CF maksimal, harus dimulai dengan proses login terlebih dahulu. Jika berhasil, user dapat mengedit nilai CF maksimal. Pseudocode proses edit CF maksimal disajikan pada Gambar 4.16 Nama: Edit CF maksimal Fungsi: Mengedit nilai CF maksimal Input : CF maksimal Output: CF maksimal Begin Proses login Mengedit nilai CF maksimal Cek nilai CF IF(0
SKRIPSI




50

Proses login adalah proses pencocokan user dan password. Pseudocode proses login disajikan pada Gambar 4.17 Nama: Login Fungsi: Sebagai pengamanan terhadap perubahan rule Input : user, password Output: Tabel penyakit Begin if(user dan password sesuai) menuju ke halaman display tabel penyakit else kembali ke halaman login endif End Gambar 4.17 Pseudocode Proses Login

Saat pengguna menjalankan aplikasi yang dinamakan Pertolongan Pertama Pada Kucing (P3K) ini, GUI akan disajikan. Pada tampilan home terdiri dari tiga menu yaitu “Login”, “Diagnosa” dan “Petunjuk Penggunaan”. Halaman home disajikan pada Gambar 4.18.

Gambar 4.18 Halaman home

Menu Diagnosa Pada menu ini pengguna akan diberikan informasi tentang penanganan pertama yang bisa dilakukan oleh cat lover. Untuk mengetahuinya, pengguna

SKRIPSI




51

diharuskan memilih salah satu penyakit terlebih dahulu. Selanjutnya sistem akan menampilkan pertanyaan sesuai penyakit yang dipilih user dan user diharuskan menjawab setiap pertanyaan dengan memilih jawaban yang sudah disediakan sistem. Setelah itu sistem akan menampilkan pilihan penyakit lanjutan dan user diharuskan memilih penyakit lagi. Apabila user memilih “Tidak ada” maka sistem akan menampilkan solusi penanganan. Menu Diagnosa disajikan pada Gambar 4.19.

Gambar 4.19 Menu diagnosa

SKRIPSI




52

Menu Login Pada menu ini pakar diberikan wewenang untuk dapat mengotak-atik isi dari tabel rule. Untuk dapat melakukannya, pakar diharuskan mengisi username dan password terlebih dahulu. Selanjutnya sistem akan menampilkan tabel rule yang tersimpan dalam database. Disini pakar dapat menambah, mengedit bahkan menghapus rule dalam database serta melakukan perubahan nilai CF maksimal. Menu Login disajikan pada Gambar 4.20.

Gambar 4.20 Menu login

4.6

Pengujian Sistem Pengujian sistem dilakukan untuk memastikan kualitas dan keandalan

sistem dalam mengidentifikasi penanganan pertama yang tepat. Pengujian sistem dilakukan untuk menguji seberapa baik kinerja dari aplikasi P3K yang telah dibuat dengan dilakukan penginputan beberapa sampling data kedalam aplikasi. Pengujian dilakukan dengan membandingkan data hasil penanganan pada data sampling dengan hasil output dari sistem pakar pada aplikasi P3K dengan menggunakan data sampling yang sama. Data sampling yang digunakan untuk

SKRIPSI




53

pengujian sistem adalah data yang diperoleh dari kuesioner yang telah diisi oleh cat lover. Terdapat 400 data yang akan digunakan. Data yang digunakan sebagai inputan untuk pengujian sistem beserta hasil dari uji coba sistem dapat dilihat pada lampiran 7. Hasil dari pengujian sistem yang diperoleh 298 data memiliki output yang sama dengan sistem yang dapat dilihat pada tabel 4.2. Keterangan tabel 4.2 dapat dilihat pada lampiran 8. Tabel 4.2 Hasil Pengujian Sistem No.

Gejala

Penanganan

Sesuai

Tidak sesuai

1.

G11, G12, G13

S2

19

29

2.

G11, G12, G13

S1

31

2

3.

G11, G12

S1

6

0

4.

G11

S1

43

11

5.

G21

S3

27

0

6.

G21

S4

11

56

6.

G21

S1

9

0

7.

G31, G32, G33

S5

50

0

8.

G31, G32, G33

S1

6

0

9.

G41

S1

51

0

10.

G41

S6

42

4

S1

2

0

S1

1

0

298

102

11.

12.

G31, G32, G33, G41 G11, G12, G13, G41 JUMLAH

Berdasarkan hasil pengujian sistem di atas maka dapat dihitung persentase kinerja dari aplikasi dengan cara membagi jumlah data identifikasi yang memiliki

SKRIPSI




54

output dari sistem yang sama dengan semua jumlah data kemudian dikali dengan 100% sehingga dapat diperoleh nilai persentase kinerja aplikasi. Persentase ketepatan output:

Selain menguji kinerja dari aplikasi, pengujian pada juga dilakukan untuk memastikan bahwa aplikasi telah dibuat dengan benar sesuai dengan kebutuhan dan tujuan yang diharapkan. Hal ini terealisasi dengan menggunakan pengujian Black-box testing. Hasil pengujian dengan menggunakan black-box testing dapat dilihat pada tabel 4.3

SKRIPSI




Tabel 4. 3 Pengujian dengan Black-box Testing No

Tujuan

Input

1.

Menampilkan menu Klik “Diagnosa” Pilih penyakit

2.

Menampilkan pertanyaan berupa gejala berdasarkan nama penyakit Menampilkan pertanyaan berupa gejala berdasarkan nama penyakit Menampilkan pertanyaan lanjutan/pilihan penyakit lanjutan

Memilih salah “Selanjutnya”

Menampilkan pertanyaan lanjutan/pilihan penyakit lanjutan Menampilkan solusi penanganan

Memilih “Pilihan jawaban” pada pilihan jawaban lalu klik “Selanjutnya”

3.

4.

5.

6.

satu

penyakit

lalu

Klik

Memilih “Tidak ada” pada pilihan penyakit lalu Klik “Selanjutnya”

Memilih salah satu pilihan jawaban lalu klik “Selanjutnya”

Memilih jawaban lalu klik “Selanjutnya”

Output yang Output sistem diharapkan Menampilkan menu Menampilkan Pilih penyakit menu Pilih penyakit Menampilkan Menampilkan pertanyaan pertanyaan berdasarkan nama berdasarkan penyakit nama penyakit Menampilkan Menampilkan peringatan “Silahkan peringatan pilih penyakit” “Silahkan pilih penyakit” Menampilkan Menampilkan pertanyaan pertanyaan lanjutan/pilihan lanjutan/pilihan penyakit lanjutan penyakit lanjutan Menampilkan Menampilkan peringatan “Silahkan peringatan pilih jawaban” “Silahkan pilih jawaban” Menampilkan solusi Menampilkan penanganan solusi penanganan

Keterangan Lampiran 9 gambar 1 Lampiran 9 gambar 2

Lampiran 9 gambar 3

Lampiran 9 gambar 4

Lampiran 9 gambar 5

Lampiran 9 gambar 6

55 SKRIPSI




No

Tujuan

Input

7.

Menampilkan tabel rule

isi

8.

Menampilkan tabel rule

isi

9.

Menambah isi tabel rule

10. Menambah isi tabel rule

Output yang Output sistem diharapkan Klik “Login” Menampilkan isi Menampilkan Mengisi user dan password (sesuai) lalu klik tabel rule isi tabel rule “Next” Klik “Login” Menampilkan Menampilkan Mengisi user dan password (tidak sesuai) lalu peringatan “Login peringatan klik “Next” salah” “Login salah” Mengisi user dan password (sesuai) lalu klik Menampilkan isi Menampilkan “Next” tabel rule baru isi tabel rule Klik “Tambah” baru Mengisi “No”, “Nama Penyakit”, “Pertanyaan”, “Index pertanyaan iya”, “Index pertanyaan tidak”, “Nilai CF”, ”Keterangan_jawaban”, Lalu klik “Next” Lalu klik “Iya” Mengisi user dan password (sesuai) lalu klik Menampilkan Menampilkan “Next” peringatan dari peringatan dari Klik “Tambah” SQLite SQLite Mengisi “No” (sudah ada dalam database), “Nama Penyakit”, “Pertanyaan”, “Index pertanyaan iya”, “Index pertanyaan tidak”, “Nilai CF” Lalu klik “Next” Lalu klik “Iya”

Keterangan Lampiran 9 gambar 7 Lampiran 9 gambar 8 Lampiran 9 gambar 9

Lampiran 9 gambar 10

56 SKRIPSI




No

Tujuan

Input

Output yang diharapkan 11. Menambah isi tabel Mengisi user dan password (sesuai) lalu klik Kembali ke halaman rule “Next” tambah rule Klik “Tambah” (Menampilkan Mengisi “No”, “Nama Penyakit”, peringatan “Tambah “Pertanyaan”, “Index pertanyaan iya”, “Index rule gagal (Nilai CF pertanyaan tidak”, “Nilai CF” antara -1 sampai 1)”) Lalu klik “Next” Lalu klik “Iya”

Output sistem

Keterangan

Kembali ke halaman tambah rule (Menampilkan peringatan “Tambah rule gagal (Nilai CF antara -1 sampai 1)”) 12. Menambah isi tabel Mengisi user dan password (sesuai) lalu klik Kembali ke halaman Kembali ke rule “Next” tambah rule halaman Klik “Tambah” tambah rule Mengisi “No”, “Nama Penyakit”, “Pertanyaan”, “Index pertanyaan iya”, “Index pertanyaan tidak”, “Nilai CF” Lalu klik “Next” Lalu klik “Tidak” 13. Mengubah isi tabel Mengisi user dan password (sesuai) lalu klik Menampilkan isi Menampilkan rule “Next” tabel rule baru isi tabel rule Klik isi tabel baru Klik “Edit” Edit rule Lalu klik “Next” Lalu klik “Iya”




57 SKRIPSI




No

Tujuan

Input

14. Mengubah isi tabel rule

15. Mengubah isi tabel rule

16. Menghapus tabel rule

isi

17. Menghapus tabel rule

isi

Output yang Output sistem Keterangan diharapkan Mengisi user dan password (sesuai) lalu klik Kembali ke halaman Kembali ke Lampiran 9 “Next” edit rule halaman edit gambar 14 Klik isi tabel rule Klik “Edit” Edit rule Lalu klik “Next” Lalu klik “Tidak” Mengisi user dan password (sesuai) lalu klik Kembali ke halaman Kembali ke Lampiran 9 “Next” edit rule halaman edit gambar 15 Klik isi tabel (Menampilkan rule Klik “Edit” peringatan “Edit (Menampilkan Edit rule gagal (Nilai CF peringatan Lalu klik “Next” antara -1 sampai 1)”) “Edit gagal Lalu klik “Iya” (Nilai CF antara -1 sampai 1)”) Mengisi user dan password (sesuai) lalu klik Menampilkan isi Menampilkan Lampiran 9 “Next” tabel rule baru isi tabel rule gambar 16 Klik isi tabel baru Klik “Hapus” Lalu klik “Iya” Mengisi user dan password (sesuai) lalu klik Menampilkan isi Menampilkan Lampiran 9 “Next” tabel rule isi tabel rule gambar 17 Klik isi tabel Klik “Hapus” Lalu klik “Tidak”

58 SKRIPSI




No

Tujuan

Input

Output yang Output sistem Keterangan diharapkan 18. Mengedit nilai CF Mengisi user dan password (sesuai) lalu klik Menampilkan isi Menampilkan Lampiran 9 max isi tabel rule “Next” tabel rule (Nilai CF isi tabel rule gambar 18 Klik “CF maksimal” max berubah) (Nilai CF max Lalu ubah berubah) Lalu klik “Edit” 19. Mengedit nilai CF Mengisi user dan password (sesuai) lalu klik Menampilkan isi Menampilkan Lampiran 9 max isi tabel rule “Next” tabel rule (Nilai CF isi tabel rule gambar 19 Klik “CF maksimal” max tidak berubah) (Nilai CF max Lalu ubah tidak berubah) Lalu klik “Cancel” 20. Mengedit nilai CF Mengisi user dan password (sesuai) lalu klik Menampilkan Menampilkan Lampiran 9 max isi tabel rule “Next” peringatan “Edit CF peringatan gambar 19 Klik “CF maksimal” gagal (Nilai CF “Edit CF gagal Lalu ubah maksimal antara 0- (Nilai CF Lalu klik “Edit” 1)” maksimal antara 0-1)”

59 SKRIPSI




60

4.7

Evaluasi Sistem Pada evaluasi sistem dilakukan untuk menguji seberapa baik kinerja dari

aplikasi P3k yang telah dibuat. Evaluasi kinerja dari sistem untuk melihat tanggapan atau respon pengguna terhadap fungsionalitas, fitur-fitur, dan tampilan pada aplikasi P3k. Untuk melihat tanggapan atau respon user, dilakukan pemberian kuesioner kepada pengguna. Evaluasi dalam bentuk kuesioner dilakukan pada 10 cat lover yang dapat dilihat pada Lampiran 10. Hasil kuesioner menunjukkan

bahwa

aplikasi

ini

mudah

dipahami,

mudah

dalam

mengoperasikannya, fitur-fitur pada aplikasi berjalan dengan baik, memiliki tampilan antarmuka yang cukup menarik, dan aplikasi ini membantu pengguna. Berikut hasil dari pengisian kuesioner dapat dilihat pada Tabel 4.4 Tabel 4.4 Tabel hasil pengisian kuesioner No 1.

2.

3.

4.

5.

SKRIPSI

Pertanyaan Tampilan pada aplikasi ini mudah dipahami Mudah dalam mengoprasikannya

Sangat Mudah= 10% Sangat Mudah= 30% tampilan aplikasi Sangat ini sudah menarik menarik = 10% fitur-fitur dalam Sangat aplikasi ini berjalan baik =10 dengan baik % merasa terbantu Sangat dengan adanya terbantu aplikasi ini = 10%

Persentase Cukup Mudah= 30% Mudah Cukup = 50 % Mudah= 20% menarik Cukup = 0% menarik = 70% baik = Cukup 60% baik = 30% terbantu Cukup = 50% terbantu = 40% Mudah = 60%


Tidak sama sekali = 0% Tidak sama sekali = 0% Tidak sama sekali = 20% Tidak sama sekali = 0% Tidak sama sekali = 0%


BAB IV HASIL DAN PEMBAHASAN. yang sering dialami dan penanganan yang bisa dilakukan oleh cat lover

Recommend Documents