PENENTUAN JENIS MALARIA DENGAN MENGGUNAKAN METODE FORWARD CHAINING DAN NAIVE BAYES BERBASIS MOBILE. (Skripsi) Oleh : IRFANI MAHARANI

PENENTUAN JENIS MALARIA DENGAN MENGGUNAKAN METODE FORWARD CHAINING DAN NAIVE BAYES BERBASIS MOBILE

(Skripsi)

Oleh : IRFANI MAHARANI

JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 2017

ABSTRAK


Oleh

IRFANI MAHARANI

Penelitian ini dilakukan untuk membuat suatu sistem pakar yang mampu mengidentifikasi jenis malaria berdasarkan pengetahuan yang diberikan langsung dari pakar/ahlinya. Penelitian ini menggunakan metode perhitungan Naive Bayes dalam menghitung tingkat kepakaran dan dibuat pada mobile device platform Android. Data penelitian ini terdiri dari data gejala dan data jenis malaria, serta data aturan. Pada penelitian ini data jenis malaria dibatasi yaitu berjumlah 4 jenis penyakit dengan 25 jenis gejala dan 4 jenis aturan. Metode inferensi yang digunakan yaitu forward chaining (runut maju) dengan menelusuri aturan-aturan berdasarkan jawaban yang diberikan pengguna. Jawaban pengguna kemudian diproses berdasarkan aturan (rule) dan dihitung menggunakan metode Naive Bayes. Proses penelusuran dilakukan sampai didapatkan suatu kesimpulan berupa kemungkinan jenis malaria beserta nilai presentasenya. Hasil pengujian menunjukkan bahwa: (1) Pengujian fungsional dengan menggunakan metode Black Box Equivalence Partitioning (EP) mendapatkan hasil sesuai dengan yang diharapkan pada skenario uji di setiap kelas uji. (2) Pengujian kepakaran dengan membandingkan hasil perhitungan manual dan sistem sudah sesuai dan berjalan baik. (3) Pengujian kuesioner dengan 40 orang responden yang dibagi menjadi tiga kelompok responden menunjukkan; kelompok responden pertama yang terdiri dari dokter mendapatkan rata-rata nilai sebesar 80,41 persen (dikategorikan sangat baik), kelompok responden kedua yang terdiri dari para mahasiswa kedokteran mendapatkan rata-rata nilai sebesar 73,81 persen (dikategorikan baik), dan kelompok responden ketiga yang terdiri mahasiswa Ilmu Komputer dan masyarakat penderita malaria mendapatkan rata-rata nilai sebesar 87,80 persen (dikategorikan sangat baik). Kata Kunci : Sistem Pakar, Naive Bayes, Forward Chaining, Jenis Malaria, Skala Likert, Android.

ABSTRACT

DETERMINATION TYPES OF MALARIA USING FORWARD CHAINING AND NAIVE BAYES METHODS ON MOBILE BASED

By

IRFANI MAHARANI

This research is aimed to establish an expert system that may identify the type of malaria based on knowledge that is given by the expert. This study uses Naïve Bayes calculation in measuring the level of expertise which is generated in Android mobile device platform. The data of this research consist of symptoms data, types of malarias data, and data rules. The type of malaria in this study are limited for 4 types only with 25 types of symptoms and 4 types of rules. The inference method in this study uses forward chaining method by searching the rules based on the answers that given by users. The answers of users then are processed by rules and computed by using Naïve Bayes calculation. The searching process is continued until getting a conclusion of malaria type probability in percentage. The results showed: (1) Functional testing by using Black Box Equivalence Partitioning (EP) obtained the result as expected as the scenario in each test class. (2) expert testing by comparing the result of both manual and system calculation was good and well-run. (3) Questionnaire testing with 40 respondents which are categorized into 3 group of respondents indicated: The group of respondent 1 which consists of doctors has 80.41 percent of average (categorized very good), the group of respondent 2 which consists of medical students has 73.81 percent of average (categorized good) and the group of respondent 3 which consists of computer science students and malaria patients has 87.80 percent of average (categorized verygood). Key Words : Expert System, Naive Bayes, Forward Chaining, Type of Malaria, Likert Scale, Android.


Oleh : IRFANI MAHARANI

Skripsi Sebagai Salah Satu Syarat untuk Memperoleh Gelar SARJANA KOMPUTER pada Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam

JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 2017

Lulus Ujian Tanggal

:

RIWAYAT HIDUP

Penulis dilahirkan pada tanggal 19 Oktober 1995 di Bandar Lampung, dengan Ibu bernama Rosdiana dan Ayah bernama Himalson. Penulis menyelesaikan pendidikan formal pertama kali di Taman Kanak-kanak An-Nur, Lempasing tahun 2001, menyelesaikan Sekolah Dasar (SD) di SD Negeri 2 Pesawahan Bandar Lampung tahun 2007, menyelesaikan Sekolah Menengah Pertama (SMP) di SMP Negeri 1 Pagelaran, Kabupaten Pringsewu tahun 2010, kemudian melanjutkan jenjang Sekolah Menengah Atas (SMA) di SMA Negeri 1 Pagelaran Kabupaten Pringsewu dan lulus tahun 2013. Pada tahun 2013, penulis terdaftar sebagai mahasiswi Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui jalur SBMPTN. Pada bulan Januari – Maret 2016, penulis melakukan kerja praktik di Gala’s Indo Lampung selama 40 hari. Kemudian pada bulan Juli 2016 penulis melakukan Kuliah Kerja Nyata (KKN) selama 40 hari di Desa Rantau Jaya Baru Kecamatan Putra Rumbia Kabupaten Lampung Tengah. Selama menjadi mahasiswa, penulis aktif dalam Organisasi Himpunan Mahasiswa Jurusan Ilmu Komputer (Himakom) Universitas Lampung dengan menjabat sebagai Anggota Bidang Keilmuan pada tahun 2013-2014, Sekretaris Bidang Keilmuan pada tahun 2014-2015.

PERSEMBAHAN

Puji dan syukur saya panjatkan kepada Allah SWT atas segala berkah-Nya sehingga skripsi ini dapat terselesaikan. Teruntuk yang terkasih mama ku tersayang kupersembahkan skripsi ini, hasil jerih payah ku selama 4 tahun ini. Terimakasih untuk cinta kasihmu untuk ku, anakmu.. Terimakasih telah menjaga, mengasihi, melindungi ku seorang diri dengan kesabaran, tetes keringat serta air mata. Keluarga besar yang telah memberikan apresiasi. Keluarga Ilmu Komputer 2013 Serta Almamater tercinta, Universitas Lampung.

Motto

“Barangsiapa bersungguh-sungguh, sesungguhnya kesungguhannya itu adalah untuk dirinya sendiri.”

(Q.S.Al-Ankabut:6)

“Pohon kejujuran akarnya akan rapuh, daunnya akan layu dan buahnya akan beracun bila selalu ditutupi dengan tirai kebohongan”

(Anonim)

SANWACANA

Assalamualaikum wr, wb. Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat, hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan penulisan skripsi yang berjudul “Penentuan Jenis Malaria Dengan Menggunakan Metode Forward Chaining Dan Naive Bayes Berbasis Mobile” dengan baik. Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan berperan besar dalam menyusun skripsi ini, antara lain : 1. Kedua orangtua tercinta, Mama dan Papa yang telah memberikan doa, kasih sayang, dukungan dan semangat yang tak terhingga serta memfasilitasi kebutuhan untuk menyelesaikan skripsi ini. 2. Bapak

Aristoles,

M.Si.

sebagai

pembimbing utama

yang telah

membimbing, memotivasi serta memberikan ide, kritik dan saran selama masa perkuliahan dan penyusunan skripsi sehingga penulis bisa sampai di tahap ini. 3. Bapak dr. Tedy Subroto pembimbing kedua yang telah membimbing dan memberikan bantuan, ide, kritik serta saran dalam penyusunan skripsi ini. 4. Bapak Dr. Eng. Admi Syarif sebagai pembahas, yang telah memberikan komentar dan masukan yang bermanfaat untuk perbaikan dalam penyusunan skripsi ini. 5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. sebagai Dekan FMIPA Universitas Lampung. 6. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc., selaku Ketua Jurusan Ilmu Komputer FMIPA Universitas Lampung.

7. Bapak Didik Kurniawan, S.Si., M.T. sebagai Sekretaris Jurusan Ilmu Komputer FMIPA Universitas Lampung yang telah banyak membantu penulis selama perkuliahan. 8. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan ilmu dan pengalaman hidup selama penulis menjadi mahasiswa. 9. Ibu Ade Nora Maela dan Pak Irshan yang telah membantu segala urusan administrasi penulis di Jurusan Ilmu Komputer. 10. Sahabat tercinta Eria, Dini dan Yeni yang tak pernah henti menemani, memberikan semangat dan menghibur penulis dalam kondisi apapun. 11. Sahabat seperjuangan Pupang, April, Rita, Upeh, Ajenk, Nadya, Kidiw, Adib, Danzen dan Vandu yang selalu memberikan kegembiraan, semangat dikala penulis merasa jenuh dalam penyusunan skripsi ini. 12. Teman-teman yang baik hati kak deby, annisa, wibi, faiq, rifaldhi yang selalu setia direpotkan dan mau menjadi tempat bertanya dikala buntu terutama dimasa perkuliahan dan penyusunan skripsi ini. 13. Keluarga ku tersayang om amsar dan tante dwi yang selalu siap membantu dan direpotkan. 14. Keluarga Ilmu Komputer 2013 yang tidak bisa disebutkan satu per satu, terima kasih atas kebersamaannya selama ini. 15. Mas Naufal yang telah membukakan MIPA Terpadu dan ruang baca serta menyiapkan ruang seminar. 16. Almamater tercinta, Universitas Lampung.

Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, akan tetapi sedikit harapan semoga skripsi ini bermanfaat bagi perkembangan ilmu pengetahuan terutama bagi teman-teman Ilmu Komputer.

Bandarlampung, 20 Juli 2017

Irfani Maharani

DAFTAR ISI

Halaman DAFTAR ISI

ix

DAFTAR GAMBAR

xiii

DAFTAR TABEL

xvi

I PENDAHULUAN 1.1 Latar Belakang

1

1.2 Rumusan Masalah

3

1.3 Batasan Masalah

4

1.4 Tujuan

4

1.5 Manfaat

4

II TINJAUAN PUSTAKA 2.1 Malaria

5

2.1.1 Daur Hidup Plasmodium sp

6

2.1.2 Patogenesis Malaria

7

2.2 Sistem Pakar

9

2.2.1 Komponen Sistem Pakar

10

2.2.1.1 Basis Pengetahuan

11

2.2.1.2 Mesin Inferensi

12

2.3 Metode Forward Chaining

14

ix

2.4 Metode Naive Bayes

15

2.5 Metode Pengembangan Perangkat Lunak

16

2.5.1 Analisis

16

2.5.2 Perancangan

16

2.5.3 Implementasi

20

2.5.4 Pengujian

21

2.5.4.1 Blackbox Testing

22

2.5.4.2 Skala Likert

24

2.5.5 Pemeliharaan

25

BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian

26

3.2 Alat Pendukung

26

3.3 Tahapan Penelitian

27

3.3.1 Identifikasi Masalah

28

3.3.2 Perumusan Masalah

28

3.3.3 Pengumpulan Data

28

3.3.4 Perancangan Sistem

29

3.3.4.1 Flowchart

29

3.3.4.2 Usecase Diagram

30

3.3.4.3 Activity Diagram

31

3.3.4.4 Sequence Diagram

34

3.3.4.5 Class Diagram

38

3.3.5 Perancangan Antarmuka

39

3.3.5.1 Perancangan Halaman Splash Screen x

40

3.3.5.2 Perancangan Halaman Menu Utama

40

3.3.5.3 Perancangan Halaman Menu Diagnosa

41

3.3.5.4 Perancangan Halaman Hasil Diagnosa

42

3.3.5.5 Perancangan Halaman Menu Jenis Penyakit

42

3.3.5.6 Perancangan Halaman Detail Penyakit

43

3.3.5.7 Perancangan Halaman Petunjuk

44

3.3.5.8 Perancangan Halaman Menu Tentang

45

3.3.6 Implementasi

45

3.3.7 Pengujian

45

3.3.7.1 Pengujian Internal

46

3.3.7.1.1 Pengujian Fungsional

46

3.3.7.1.2 Pengujian Kepakaran Sistem

50

3.3.7.2 Pengujian Ekstenal 3.3.8 Penyusunan Laporan

51 51

BAB IV HASIL DAN PEMBAHASAN 4.1 Analisa Kebutuhan Data

52

4.2 Representasi Pengetahuan

53

4.3 Implementasi Sistem

53

4.5.1 Tampilan Halaman Splash Screen

54

4.5.2 Tampilan Halaman Informasi

55

4.5.3 Tampilan Halaman Utama

56

4.5.4 Tampilan Halaman Menu Diagnosa

57

4.5.5 Tampilan Halaman Hasil Diagnosa

57

4.5.6 Tampilan Halaman Dtail Penyakit

58

xi

4.5.7 Tampilan Halaman Menu Jenis Penyakit

59

4.5.8 Tampilan Halaman Menu Tentang

59

4.5.9 Tampilan Halaman Menu Bantuan

60

4.4 Analisa Presentase Penyakit

62

4.5 Pengujian

65

4.5.1 Pengujian Internal

65

4.5.1.1 Pengujian Fungsional 4.5.1.1.1 Pengujian Versi Android

65 65

4.5.1.1.2 Pengujian Resolusi Layar dan Densitas Layar

67

4.5.1.1.3 Pengujian User Interface

68

4.5.1.1.4 Pengujian Fungsi dari Menu Aplikasi

69

4.5.1.2 Pengujian Kepakaran Sistem 4.5.2 Pengujian Eksternal

71 76

4.5.2.1 Analisa Hasil Kuesioner

80

BAB V PENUTUP 5.1 Keimpulan

90

5.2 Saran

91

DAFTAR PUSTAKA

92

LAMPIRAN LAMPIRAN PENGUJIAN

xii

DAFTAR GAMBAR

Halaman Gambar 2.1 Morfologi Nyamuk Anopheles

6

Gambar 2.2 Siklus Hidup Plasmodium sp

7

Gambar 2.3 Arsitektur Sistem Pakar

11

Gambar 2.4 Proses Backward Chaining

12

Gambar 2.5 Proses Forward Chaining

13

Gambar 2.6 Diagram Alir Teknik Penelusuran Deph First Search

13

Gambar 2.7 Diagram Alir Teknik Penelusuran Breadht-first Search

14

Gambar 2.8 Diagram Alir Teknik Penelusuran Best-first Search

14

Gambar 3.1 Diagram Alir Tahapan Penelitian

27

Gambar 3.2 Flowchart Sistem Pakar Identifikasi Malaria

29

Gambar 3.3 Use Case Diagram Sistem Pakar Identifikasi Malaria

30

Gambar 3.4 Activity Diagram Menu Diagnosa

31

Gambar 3.5 Activity Diagram Menu Data Penyakit

32

Gambar 3.6 Activity Diagram Menu Bantuan

33

Gambar 3.7 Activity Diagram Menu Tentang

33

Gambar 3.8 Sequence Diagram Menu Diagnosa

34

Gambar 3.9 Sequence Diagram Menu Data Penyakit

36

Gambar 3.10 Sequence Diagram Menu Bantuan

36

xiii

Gambar 3.11 Sequence Diagram Menu Tentang

37

Gambar 3.12 Class Diagram Sistem Pakar Identifikasi Malaria

38

Gambar 3.13 Rancangan Halaman Splash Screen

40

Gambar 3.14 Rancangan Halaman Menu Utama

41

Gambar 3.15 Rancangan Halaman Menu Diagnosa

41

Gambar 3.16 Rancangan Halaman Hasil Diagnosa

42

Gambar 3.17 Rancangan Halaman Jenis Pemyakit

43

Gambar 3.18 Rancangan Halaman Detail Peyakit

43

Gambar 3.19 Rancangan Halaman Menu Petunjuk

44

Gambar 3.20 Rancangan Halaman Informasi Petunjuk

44

Gambar 3.21 Rancangan Halaman Tentang

45

Gambar 4.1 Tampilan Halaman Splash Screen

54

Gambar 4.2 Tampilan Halaman Informasi

55


55


56

Gambar 4.5 Tampilan Halaman Utama

56

Gambar 4.6 Tampilan Halaman Menu Diagnosa

57

Gambar 4.7 Tampilan Halaman Hasil Diagnosa

58

Gambar 4.8 Tampilan Halaman Jenis Penyakit

58

Gambar 4.9 Tampilan Halaman Menu Jenis Penyakit

59

Gambar 4.10 Tampilan Halaman Menu Tentang

60

Gambar 4.11 Tampilan Halaman Menu Bantuan

60

xiv

Gambar 4.12 Tampilan Halaman Submenu Diagnosa

61

Gambar 4.13 Tampilan Halaman Submenu Jenis Penyakit

61

Gambar 4.14 Grafik Hasil Pernyataan 1

81


82


83


84


85


86


87


88

Gambar 4.22 Grafik Rata-rata Hasil Pertanyaan

89

xv

DAFTAR TABEL

Halaman Tabel 2.1 Simbol Class Diagram

16

Tabel 2.1 (Lanjutan) Simbol Class Diagram

17

Tabel 2.2 Simbol Use Case Diagram

17

Tabel 2.2 (Lanjutan) Simbol Use Case Diagram

18

Tabel 2.3 Simbol Sequence Diagram

19

Tabel 2.4 Simbol Activity Diagram

20

Tabel 3.1 Pengujian Versi Android

46

Tabel 3.1 (Lanjutan) Pengujian Versi Android

47

Tabel 3.2 Pengujian Resolusi Layar dan Densitas Layar

47

Tabel 3.2 (Lanjutan) Pengujian Resolusi Layar dan Densitas Layar

48

Tabel 3.3 Pengujian User Interface

48

Tabel 3.3 (Lanjutan) Pengujian User Interface

49

Tabel 3.4 Pengujian Fungsi dari Menu Aplikasi

49

Tabel 3.4 (Lanjutan) Pengujian Fungsi dari Menu Aplikasi

50

Tabel 4.1 Pengujian Versi Android

66

Tabel 4.2 Pengujian Resolusi Layar dan Densitas Layar

67

Tabel 4.3 Pengujian User Interface

68

Tabel 4.3 (Lanjutan) Pengujian User Interface

69

Tabel 4.4 Pengujian Fungsi dari Menu Aplikasi

69


70


71

Tabel 4.5 Pengujian Diagnosa Sistem Pakar Penentuan Jenis Malaria

71

Tabel 4.5 (Lanjutan) Pengujian Diagnosa Sistem Pakar Penentuan Jenis Malaria

72

xvi


73


74


75

Tabel 4.6 Hasil Penilaian Responden Dokter Terhadap Kuesioner Pengujian Sistem Pakar (Kelompok Responden I)

77

Tabel 4.7 Hasil Penilaian Responden Peternak dan Mahasiswa Kedokteran Terhadap Kuesioner Pengujian Sistem Pakar (Kelompok Responden II) 78 Tabel 4.8 Hasil Penilaian Responden Mahasiswa Ilmu Komputer dan Masyarakat Penderita Malaria Terhadap Kuesioner Pengujian Sistem Pakar (Kelompok Responden III)

79

Tabel 4.9 Kriteria Penilaian Responden

80

xvii

1

I . PENDAHULUAN

1.1

Latar Belakang

Sistem pakar merupakan sistem yang menjadikan komputer mampu berfikir layaknya manusia dalam memecahkan suatu permasalahan menggunakan rulerule yang telah dibuat oleh manusia (Sari, 2013). Sistem pakar dapat digunakan untuk membantu dalam klasifikasi, pengambilan keputusan dan mendeteksi penyakit salah-satunya adalah penyakit malaria. Malaria merupakan masalah kesehatan masyarakat terutama daerah tropik sekaligus ancaman bagi dunia. Menurut Permata (2014), malaria endemis di 105 negara di dunia dan menyebabkan 300-500 juta kasus serta kematian 1,5-2,7 juta setiap tahunnya. Indonesia merupakan daerah endemis malaria dengan 60% penduduknya tinggal di daerah endemis. Walaupun tidak merata disemua wilayah Kota Bandar Lampung merupakan daerah endemis malaria, daerah endemis pada kota Bandar Lampung yaitu daerah yang berada di pesisir pantai seperti Panjang, Kota Karang, Sukamaju, Pasar Ambon, Sukaraja, dan wilayah datar seperti Kemiling, Kedaton dan Rajabasa. Pada Tahun 2014 penderita malaria mengalami peningkatan dari 479 kasus pada tahun 2013 menjadi 565 pada tahun 2014, (Dinas Kesehatan Kota Bandar Lampung, 2014).

2

Menurut Kasmui dan Kusuma (2016), malaria disebabkan oleh parasit genus Plasmodium yang termasuk golongan protozoa melalui perantaran tusukan (gigitan) nyamuk Anopheles. Menurut Permata dkk (2014) Ada banyak jenis Plasmodium

yang dapat menyebabkan penyakit pada manusia yaitu P.

falcifarum, P. vivax, P. malariae dan P. ovale. P. falcifarum menyebabkan malaria tropika, P. vivax menyebabkan malaria tertiana, P. malariae menyebabkan malaria kuartana, P. ovale menyebabkan malaria ovale. Parasit plasmodium masuk melalui gigitan nyamuk anopheles betina. Seseorang yang terjangkit malaria biasanya mengalami demam yang diikuti rasa menggigil dalam siklus waktu yang sama (Rosnelly dan Hardjoko, 2011). Ciri-ciri tersebut memiliki banyak kesamaan dengan penyakit lainnya. Masyarakat biasa melakukan diagnosa awal tentang malaria tanpa pengetahuan dan fakta medis. Hal ini menyebabkan terjadi kesalahan dalam diagnosa malaria maka perlu dikembangkan suatu sistem yang mampu mendiagnosa malaria agar mengurangi tingkat kesalahan dalam diagnosa awal malaria dan dapat membantu mempercepat penanganan terhadap malaria. Penelitian oleh Rosnelly dan Hardjoko (2011) mengenai Pengembangan Sistem Informasi Diagnosis Penyakit Tropis Menggunakan Algoritma Naïve Bayesian dihasilkan sistem yang mampu mendiagnosa penyakit malaria, demam berdarah ataupun demam typoid dengan mengimplementasikan metode Naive Bayesian. Penelitian selanjutnya dilakukan oleh Ramadhani dkk (2012) mengenai Sistem Pakar Diagnosa Infeksi Penyakit Tropis Berbasis Web yang menghasilkan sistem yang dapat membantu pengguna ataupun pasien dalam mendiagnosa penyakit yang diderita sesuai dengan gejala yang dirasakan oleh pengguna ataupun pasien

3

menggunakan metode Naive Bayes. Penelitian sistem pakar mengenai penyakit malaria sebelumnya telah dilakukan oleh Sadly Syamsuddin dan Ahyuna (2014) mengenai Diagnosa Penyakit yang Disebabkan oleh Nyamuk Berbasis WEB. Penelitian ini bertujuan menciptakan sistem pakar yang mampu melakukan diagnosa penyakit yang disebabkan oleh nyamuk dengan tingkat akurasi yang baik dan hampir tidak ditemukan kesalahan yang ada dalam tiap form komponen yang diuji. Pada penelitian mengenai sistem pakar diagnosa penyakit malaria belum ditemukan penggunaan mobile base dalam penerapan interface. Penerapan mobile base dalam interface dapat membantu user dalam mengakses sistem dikarenakan sistem dapat beroperasi dalam smartphone. Metode yang digunakan dalam membangun sistem ini adalah Forward Chaining. Metode tersebut digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan, proses diulang hingga ditemukan suatu hasil. Dengan sistem ini diharapkan dapat membantu dalam mendiagnosa penyakit malaria dengan efektif dan efisien. Dalam perhitungan akurasi digunakan metode Clasic Probability dan Naive Bayes.

1.2

Rumusan Masalah

Perumusan masalah dalam penelitian adalah bagaimana merancang dan membangun sistem pakar yang mampu mendiagnosa malaria dengan metode Forward Chaining dan Naive Bayes berbasis mobile.

4

1.3

Batasan Masalah

Batasan masalah dalam penelitian adalah: 1.

Sistem mampu mendiagnosa malaria berdasarkan gejala awal penyakit.

2.

Jenis malaria yang dapat diidentifikasi hanya 4 jenis yaitu malaria tropika, tertiana, kuartana dan ovale dengan 25 gejala awal.

3.

Metode yang digunakan adalah forward chaining yaitu proses identifikasi penyakit malaria dilakukan gejala- gejala awal yang diberikan oleh sistem dan Naive Bayes.

1.4

Tujuan

Tujuan yang ingin dicapai dalam penelitian adalah menciptakan sistem pakar yang mampu membantu masyarakat dalam diagnosa malaria berbasis mobile.

1.5

Manfaat

Manfaat dari penelitian adalah: 1.

Masyarakat dapat mengidentifikasi jenis penyakit malaria yaitu malaria tropikana, tertiana, kuartana dan ovale.

2.

Mempercepat penanganan terhadap pasien malaria.

3.

Memberikan informasi tentang jenis – jenis Plasmodium yang terdapat dalam nyamuk Anopheles yang dapat menyebabkan malaria.

5

II. TINJAUAN PUSTAKA

2.1

Malaria

Menurut Ramadhani dkk (2012) Penyakit malaria adalah penyakit yang disebabkan oleh parasit Plasmodium, dan manusia dapat terinfeksi oleh Plasmodium ini melalu gigitan nyamuk Anopheles, yang melepaskan Plasmodium dari salivanya sewaktu menggigit manusia Plasmodium memasuki sel – sel hepatosit, dan kemudian melalui sirkulasi darah akan memasuki sel – sel eritrosit. Didalam sel – sel eritrosit plasmodium selanjutnya berreplikasi. Replikasi ini merangsang sitolisis sel eritrosit dan menyebabkan lepasnya hasil metabolisme Plasmodium yang bersifat toksis ke sirkulasi darah. Hal ini mencetuskan sejumlah gejala klinik yang ringan sampai berat yang dapat menyebabkan kematian. Lebih dari 100 negara dan territorial yang beresiko menjadi wilayah transmisi malaria (WHO, 2014) . Malaria disebabkan oleh parasit (protozoa) Plasmodium. Terdapat lima jenis spesies Plasmodium: P. falciparum, P. malariae, P. ovale, P. vivax, dan P. knowlesi. Parasit malaria ditransmisikan melalui nyamuk anopheles betina, yang biasanya menggigit pada saat waktu terbit dan terbenam (Putra, 2011).

6

Gambar 2.1 Morfologi Nyamuk Anopheles (UNICEF Indonesia, 2013)

2.1.1 Daur Hidup Plasmodium sp Dimulai dari nyamuk yang menghisap manusia, nyamuk akan melepaskan parasit malaria dalam bentuk sporozoit yang akan mengalami siklus eksoeritrositik dengan menginfeksi sel hepatosit. Hepatosit yang mengandung merozoit pada akhirnya akan membengkak dan pecah sehingga merozoit lepas dan masuk ke dalam pembuluh darah. Selanjutnya siklus eritrositik, di dalam pembuluh darah merozoit akan berkembang hingga 6-20 kali dalam waktu 42-72 jam menjadi tropozoit. Pada eritrosit, tropozoit berubah bentuk menjadi ring form dan mengonsumsi hemoglobin dalam darah hingga membentuk merozoit dan apabila ruptur akan melepaskan seluruh merozoit di dalam eritrosit. Fase dimana parasit berada dalam eritrosit merupakan penyebab utama munculnya gejala malaria. Fase selanjutnya tropozoit yang berkembang menjadi gametosit akan berkembang menjadi gametosit jantan dan betina. Di dalam tubuh nyamuk anophelesm betina,

7

plasmodium berkembang dari bentuk gametosit kemudian akan memulai siklus sporogonik (CDC, 2010).

Gambar 2.2 Siklus Hidup Plasmodium sp (CDC, 2010)

2.1.2

Patogenesis Malaria

Menurut Putra (2011), anemia terjadi pada penderita malaria dengan penghancuran eritrosit yang cepat dan hebat yang menyebabkan terjadinya demam. Selain itu anemia juga dapat terjadi karena hemolisis autoimun, sekuentrasi oleh limpa pada eritrosit yang terinfeksi. Pada serangan akut kadar hemoglobin turun secara mendadak. Gambaran karakteristik malaria pada umumnya adalah demam periodik, anemia, dan splenomegali. Sebelum demam biasanya pasien merasa lemah, nyeri kepala,

8

tidak ada nafsu makan, mual atau muntah. Pada pasien dengan infeksi majemuk/campuran (lebih dari satu plasmodium atau satu jenis plasmodium tetapi infeksi berulang dalam waktu yang berbeda), maka serangan demam yang diderita akan terus menerus atau tanpa interval. Menurut Departemen Kesehatan RI (2008), masa inkubasi malaria bervariasi dari 9-30 hari bergantung kepada jenis plasmodiumnya, paling pendek adalah P. falciparum dan paling lama adalah P. malariae. Masa inkubasi pada penularan secara alamiah bagi masing-masing spesies parasit, untuk P. falciparum 9-14 hari, P. Vivax 12-17 hari, P. ovale 16-18 hari, dan P. malariae 18-40 hari. Gejala klasik yang terjadi adalah “Trias Malaria” dijelaskan secara berurutan yaitu stadium dingin (cold stage), stadium demam (hot stage), dan stadium berkeringat (sweating stage). Serangan demam yang pertama didahului oleh masa inkubasi (intrinsik). Setelah melewati masa inkubasi, pada anak besar dan orang dewasa timbul gejala demam yang terbagi dalam tiga stadium yaitu (Putra, 2011): a.

Stadium dingin Stadium ini diawali dengan gejala menggigil atau perasaan yang sangat dingin. Gigi gemeretak dan pasien biasanya menutupi diri dengan segala macam pakaian dan selimut yang tersedia. Nadi cepat tetapi lemah, bibir dan jari-jari pucat (sianosis), kulit kering dan pucat, pasien mungkin muntah. Stadium ini berlangsung 15 menit sampai 1 jam.

b.

Stadium demam Setelah penderita merasa kedinginan, pada stadium ini penderita merasa kepanasan. Muka merah, kulit kering, dan terasa sangat panas seperti terbakar, nyeri kepala, seringkali terjadi mual dan muntah, nadi menjadi

9

kuat kembali. Biasanya pasien menjadi sangat haus dan suhu tubuh dapat meningkat sampai 41OC atau lebih. Stadium ini berlangsung antara 2-12 jam. Demam tersebut disebabkan karena pecahnya skizon dalam sel darah merah yang telah matang dan masuknya merozoit darah ke dalam aliran darah. Pada P. vivax dan P. ovale, skizon dari tiap generasi menjadi matang setiap 48 jam sekali, sehingga timbul demam setiap hari ketiga terhitung dari serangan demam sebelumnya. Pada P. malariae, demam terjadi setelah 72 jam (hari keempat), dan pada P. falciparum terjadi setiap 24-48 jam. c.

Stadium berkeringat Gejala ini diikuti dengan penurunan suhu yang cepat dan penderita yang berkeringat sangat banyak. Namun, tidak selalu sama pada semua penderita, tergantung pada spesies parasit, berat infeksi, dan usia penderita. Gejala klinis berat biasanya dialami penderita yang terinfeksi oleh malaria tropika yang disebabkan oleh adanya kecenderungan parasit (bentuk tropozoit dan skizon) untuk berkumpul pada pembuluh darah organ tubuh tertentu seperti otak, hati, dan ginjal, sehingga menyebabkan tersumbatnya

pembuluh

darah

organ-organ

tersebut,

yang

akan

menyebabkan gejala klinis yang lebih berat, berujung komplikasi yang akan diderita pasien.

2.2

Sistem Pakar

Sistem pakar merupakan program komputer yang masuk dalm cabang dari penelitian ilmu komputer yaitu AI. Sistem pakar ditujukan pada sistem yang

10

cerdas yang dapat melakukan penalaran terhadap suatu pengetahuan

ntuk

menghasilkan sebuah kesimpulan oleh komputer dengan menggunakan metode inferensi yang diinterprestasikan dalam suatu mesin (Desiani dan Arhami, 2006).

2.2.1 Komponen Sistem Pakar Menurut Rachmawati dkk (2012), sistem pakar disusun oleh komponenkomponen: 1.

Knowledge Base (Basis Pengetahuan) Basis pengetahuan merupakan hasil akuisisi dan representasi pengetahuan dari seorang pakar. Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah. Basis pengetahuan terdiri dari dua elemen dasar yaitu fakta dan rule atau aturan.

2.

Inference Engine (Mesin Inferensi) Mesin inferensi adalah sebuah program yang berisi metodologi yang digunakan untuk melakukan penalaran terhadap informasi-informasi dalam basis pengetahuan untuk memformulasikan konklusi.

3.

User Interface (Antar Muka Pengguna) User interface adalah penghubung antar program sistem pakar dengan pengguna yang dapat dihubungkan via dekstop ataupun mobile. Antarmuka digunakan sebagai media komunikasi antara pengguna dan sistem pakar.

11

Gambar 2.3 Arsitektur Sistem Pakar (Rachmawati, 2012)

2.2.1.1 Basis Pengetahuan Menurut Astuti dkk (2016), dalam membentuk basis pengetahuan terdapat tahapan awal yaitu akusisi pengetahuan dimana dalam tahap ini pengetahuan di dapatkan dari pakar maupun studiliteratur. Kemudian tahapan ini dilanjutkan dengan merepresentasikan pengetahuan dimana dalam tahapan ini dapat berupa pembobotan. Yang kemudian dilanjutkan dengan pembuatan basis pengetahuan yang berupa pembuatan suatu aturan atau rule dalam tahap ini pakar akan sangat berperan dalam validasi rule yang dibangun. Menurut Desiani dan Arhami (2006), terdapat dua karakteristik umum dari representasi pengetahuan yaitu: 1. Reperesentasi pengetahuan dapat diprogramkan dengan beragam bahasa komputer yang ada dan dapat disimpan dalam memori.

12

2. Representasi pengetahuan dirancang sedemikian rupa sehingga pengetahuan lainnya dapat dimanfaatkan untuk penalaran.

2.2.1.2 Mesin Inferensi Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan, yaitu pelacakan ke belakang (backward chaining) dan pelacakan ke depan (forward chaining). Pelacakan ke belakang adalah pendekatan yang di motori tujuan terlebih dahulu (goal-driven). Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya.

Gambar 2.4. Proses Backward Chaining (Arhami,2006)

Pelacakan kedepan adalah pendekatan yang dimotori data (data driven). Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang sesuai dengan bagian IF dari aturan IF-THEN.

13

Gambar 2.5. Proses Forward Chaining (Arhami,2006)

Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penulusuran, yaitu Depth-first search, Breadth-first search dan Best-first search. 1. Depth-first search, melakukan penulusuran kaidah secara mendalam dari simpul akar bergerak menurun ke tingkat dalam yang berurutan.

Gambar 2.6. Diagram Alir Teknik Penelusuran Depth First Search (Arhami,2006)

2. Breadth-first search, bergerak dari simpul akar, simpul yang ada pada setiap tingkat diuji sebelum pindah ke tingkat selanjutnya.

14

Gambar 2.7. Diagram Alir Teknik Penelusuran Breadth-first search (Arhami, 2006)

3. Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya.

Gambar 2.8. Diagram Alir Teknik Penelusuran Best-first search (Arhami, 2006)

2.3

Metode Forward Chaining

Menurut Indriyawati dan Surarso (2013), metode forward chaining merupakan teknik pencarian yang dimulai dengan fakta yang diketahui, kemudian mencocokkan fakta-fakta tersebut dengan bagian dari rules IF-THEN. Bila ada

15

fakta IF yang cocok dengan bagian IF, maka rule tersebut dieksekusi. Pencocokan berhenti bila tidak ada lagi rule yang bisa dieksekusi.

2.4

Metode Naive Bayes

Probabilitas Bayes adalah suatu interpretasi dari kalkulus yang memuat konsep probabilitas sebagai derajat dimana suatu pernyataan dipercaya benar. Teori bayes juga dapat digunakan sebagai alat pengambilan keputusan untuk memperbaharui tingkat kepercayaan dari suatu informasi. Teori probabilitas bayes merupakan satu dari cabang teori statistik matematik yang memungkinkan untuk membuat satu model ketidakpastian dari suatu kejadian yang terjadi dengan menggabungkan pengetahuan umum dengan fakta dari hasil pengamatan (Trisyanto dan Fadlil, 2014).

Menurut Fithri (2013), Probabilitas Bayesian adalah salah satu cara untuk mengatasi ketidakpastian. Rumus Teorema Bayes ( | )=

( | ) ( ) ( )

...... (1)

P(H|E) = probabilitas hipotesa H jika evidence E. P(E|H) = probabilitas muncul evidence E jika diketahui hipotesa H. P(E)

= probabilitas evidence E.

P(H)

= probabilitas hipotesa H tanpa memandang evidence apapun.

dalam penerapannya metode naive bayes dapat ditulis sebagai berikut ( | )=

∑

( | ) ( ) |

...... (2)

16

2.5

Metode Pengembangan Perangkat Lunak

2.5.1 Analisis Menurut Herliana dan Rasyid (2016), dalam analisis kebutuhan sistem dituntukan fungsi-fungsi dari sistem agar permasalahan yang terjadi dapat diselesaikan dengan baik dan data yang didapatkan sesuai dengan yang diharapkan.

2.5.2 Perancangan Hasil dari analaisa kebutuhan dituangkan dalam desain sistem yang dapat berupa UML dan ERD dalam gambaran hubungan dari database (Herlina dan Rasyid, 2016). Ada beberapa jenis diagram dalam UML (Unified Model Language)yaitu: a.

Diagram Kelas (Class Diagram) Class adalah sebuah spesifikasi yang jika diinstansiasi akan menghasilkan sebuah objek dan merupakan inti dari pengembangan dan desain berorientasi objek. Class menggambarkan keadaan (atribut/properti) suatu sistem, sekaligus menawarkan layanan untuk memanipulasi keadaan tersebut (metoda/fungsi).

Tabel 2.1 Simbol Class Diagram NO

Gambar

Nama Generalization

1

2

Nary Association

Keterangan Hubungan dimana objek anak (descendent) berbagi perilaku dan struktur data dari objek yang ada di atasnya objek induk (ancestor). Upaya untuk menghindari asosiasi dengan lebih dari 2 objek.

17

NO

Gambar

Nama Class

3 Collaboration 4 Realization 5 Dependency

6

Association 7

b.

Diagram Paket (Package Diagram)

c.

Diagram Use-Case (Usecase Diagram)

Keterangan Himpunan dari objek-objek yang berbagi atribut serta operasi yang sama. Deskripsi dari urutan aksi-aksi yang ditampilkan sistem yang menghasilkan suatu hasil yang terukur bagi suatu aktor Operasi yang benar-benar dilakukan oleh suatu objek. Hubungan dimana perubahan yang terjadi pada suatu elemen mandiri (independent) akan mempegaruhi elemen yang bergantung padanya elemen yang tidak mandiri Apa yang menghubungkan antara objek satu dengan objek lainnya

Usecase diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem. Yang ditekankan adalah “apa” yang diperbuat sistem, dan bukan “bagaimana”. Sebuah usecase merepresentasikan sebuah interaksi antara actor dengan sistem. Seorang/sebuah aktor adalah sebuah entitas manusia atau mesin yang berinteraksi dengan sistem untuk melakukan pekerjaan-pekerjaan tertentu.

Tabel 2.2 Simbol Usecase Diagram NO 1

Gambar

Nama Actor

Keterangan Menspesifikasikan himpuan peran

18

NO

Gambar

Nama Dependency

2

Generalization 3

4

Include Extend

5

Association 6 System 7 Use Case 8 Collaboration 9

Note 10

Keterangan Hubungan dimana perubahan yang terjadi pada suatu elemen mandiri (independent) akan mempengaruhi elemen yang bergantung padanya elemen yang tidak mandiri (independent). Hubungan dimana objek anak (descendent) berbagi perilaku dan struktur data dari objek yang ada di atasnya objek induk (ancestor). Menspesifikasikan bahwa use case sumber secara eksplisit. Menspesifikasikan bahwa use case target memperluas perilaku dari use case sumber pada suatu titik yang diberikan. Apa yang menghubungkan antara objek satu dengan objek lainnya. Menspesifikasikan paket yang menampilkan sistem secara terbatas. Deskripsi dari urutan aksi-aksi yang ditampilkan sistem yang menghasilkan suatu hasil yang terukur bagi suatu aktor. Interaksi aturan-aturan dan elemen lain yang bekerja sama untuk menyediakan prilaku yang lebih besar dari jumlah dan elemen-elemennya (sinergi). Elemen fisik yang eksis saat aplikasi dijalankan dan mencerminkan suatu sumber daya komputasi.

19

d.

Diagram Interaksi dan Sequence (Sequence Diagram) Sequence diagram menggambarkan interaksi antar objek di dalam dan di sekitar sistem (termasuk pengguna, display, dan sebagainya) berupa message yang digambarkan terhadap waktu. Sequence diagram terdiri atar dimensi vertical (waktu) dan dimensi horizontal (objek-objek yang terkait). Tabel 2.3 Simbol Squence Diagram NO

Gambar

Nama LifeLine

Keterangan Objek entity, antarmuka yang saling berinteraksi.

Message

Spesifikasi dari komunikasi antar objek yang memuat informasi-informasi tentang aktifitas yang terjadi Spesifikasi dari komunikasi antar objek yang memuat informasi-informasi tentang aktifitas yang terjadi

1

2 Message 3

e.

Diagram Komunikasi (Communication Diagram)

f.

Diagram Statechart (Statechart Diagram)

g.

Diagram Aktivitas (Activity Diagram) Activity diagram menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram juga dapat menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi.

20

Tabel 2.4 Simbol Activity Diagram NO

Gambar

Nama Activity

1 Action 2 Initial Node

Bagaimana objek atau diawali.

dibentuk

Activity Final Node

Bagaimana objek dan dihancurkan

dibentuk

Fork Node

Satu aliran yang pada tahap tertentu berubah menjadi beberapa aliran

3

4

Keterangan Memperlihatkan bagaimana masin-gmasing kelas antarmuka saling berinteraksi satu sama lain State dari sistem yang mencerminkan eksekusi dari suatu aksi

5

h.

Diagram Komponen (Component Diagram)

i.

Diagram Deployment (Deployment Diagram)

2.5.3 Implementasi Menurut Kadir (2003), implementasi sistem dilakukan untuk memastikan apakah aplikasi yang dibuat telah sesuai kebutuhan sistem, desain, dan semua fungsi dapat berjalan dan dipergunakan dengan baik tanpa kesalahan atau error. Pada implementasi sistem, aktifitas yang dilakukan antara lain: a. Pemrograman dan Pengujian. b. Instalasi hardware dan software. c. Pelatihan kepada pengguna. d. Pembuatan dokumentasi. e. Konversi.

21

2.5.4 Pengujian Mustaqbal dkk (2015), pengujian software sangat diperlukan untuk memastikan software/aplikasi yang sudah/sedang dibuat dapat berjalan sesuai dengan fungsionalitas yang diharapkan. Pengembang atau penguji software harus menyiapkan sesi khusus untuk menguji program yang sudah dibuat agar kesalahan ataupun kekurangan dapat dideteksi sejak awal dan dikoreksi secepatnya. Pengujian atau testing sendiri merupakan elemen kritis dari jaminan kualitas perangkat lunak dan merupakan bagian yang tidak terpisah dari siklus hidup pengembangan software seperti halnya analisis, desain, dan pengkodean. Mustaqbal dkk (2015), ia menyarankan satu set prinsip pengujian: 1. Semua test harus dapat dilacak ke kebutuhan pelanggan. 2. Test harus direncanakan dengan baik sebelum pengujian mulai. a. Prinsip Pareto berlaku untuk pengujian b. 80% dari semua kesalahan yang terungkap selama pengujian akan mudah dapat dilacak dari 20% semua modul program. 3. Pengujian seharusnya mulai “dari yang kecil” dan pengujian perkembangan ke arah “yang besar”. 4. Pengujian menyeluruh adalah tidak mungkin. Paling efektif, pengujian harus diselenggarakan oleh suatu pihak ketiga mandiri. Langkah-langkah pengujian software ada 4 yaitu: 1. Unit testing-testing per unit yaitu mencoba alur yang spesifik pada struktur modul kontrol untuk memastikan pelengkapan secara penuh dan pendeteksian error secara maksimum

22

2. Integration testing – testing per penggabungan unit yaitu pengalamatan dari isu-isu yang diasosiasikan dengan masalah ganda pada verifikasi dan konstruksi program 3. High-order test yaitu terjadi ketika software telah selesai diintegrasikan atau dibangun menjadi satu –tidak terpisah-pisah 4. Validation test yaitu menyediakan jaminan akhir bahwa software memenuhi semua kebutuhan fungsional, kepribadian dan performa. Menurut Khan (2011) dalam Mustaqbal dkk (2015), ada beberapa jenis pengujian perangkat lunak, antara lain: 1. Pengujian white box adalah pengujian yang didasarkan pada pengecekan terhadap detail perancangan, menggunakan struktur kontrol dari desain program secara prosedural untuk membagi pengujian ke dalam beberapa kasus pengujian. Secara sekilas dapat diambil kesimpulan white box testing merupakan petunjuk untuk mendapatkan program yang benar secara 100%. 2. Black-Box Testing merupakan pengujian yang berfokus pada spesifikasi fungsional dari perangkat lunak, tester dapat mendefinisikan kumpulan kondisi input dan melakukan pengetesan pada spesifikasi fungsional program.

2.5.4.1 Black box Testing Menurut Wahyudi dan Utami (2016), Proses pengujian black box adalah pengujian yang dilakukan dengan cara mencoba program aplikasi dengan memasukkan data ke dalam form - form yang telah disediakan. Pengujian ini memungkinkan perekayasa perangkat lunak mendapatkan serangkaian kondisi input yang sepenuhnya semua persyaratan fungsional untuk suatu program.

23

Black box Testing berfokus pada spesifikasi fungsional dari perangkat lunak. Tester dapat mendefinisikan kumpulan kondisi input dan melakukan pengetesan pada spesifikasi fungsional program. Black box Testing bukanlah solusi alternatif dari White box Testing tapi lebih merupakan pelengkap untuk menguji hal-hal yang tidak dicakup oleh White box Testing. Black box Testing cenderung untuk menemukan hal-hal berikut: 1. Fungsi yang tidak benar atau tidak ada. 2. Kesalahan antarmuka (interface errors). 3. Kesalahan pada struktur data dan akses basis data. 4. Kesalahan performansi (performance errors). 5. Kesalahan inisialisasi dan terminasi. Pengujian didesain untuk menjawab pertanyaan-pertanyaan berikut: 1. Bagaimana fungsi-fungsi diuji agar dapat dinyatakan valid? 2. Input seperti apa yang dapat menjadi bahan kasus uji yang baik? 3. Apakah sistem sensitif pada input-input tertentu? 4. Bagaimana sekumpulan data dapat diisolasi? 5. Berapa banyak rata-rata data dan jumlah data yang dapat ditangani sistem? 6. Efek apa yang dapat membuat kombinasi data ditangani spesifik pada operasi sistem? (Mustaqbal dkk 2015).

24

2.5.4.2 Skala Likert Metode ini merupakan metode penskalaan pernyataan sikap yang menggunakan distribusi respons sebagai dasar penentuan nilai skalanya. Nilai skala setiap pernyataan tidak ditentukan oleh derajat favourable masing-masing, akan tetapi ditentukan oleh distribusi respons setuju dan tidak setuju dari sekelompok responden yang bertindak sebagai kelompok uji coba (Azwar, 2011). Skala Likert, yaitu skala yang berisi lima tingkat preferensi jawaban dengan pilihan sebagai berikut : 1= sangat setuju; 2 = tidak setuju; 3 = ragu-ragu atau netral; 4 = setuju; 5 = sangat setuju. Penentuan interval per kategori digunakan rumus sebagai berikut (Azwar, 2011) : =

Keterangan : I

= Interval;

K

= Kategori interval

100% K

...... (3)

Untuk mendapatkan presentase hasil interpretasi, harus diketahui skor tertinggi (X) dan angka terendah (Y) untuk item penilaian dengan rumus pada Persamaan (4) berikut. X = Skor terendah likert × jumlah responden (Angka Terendah 1) Y = Skor tertinggi likert × jumlah responden (Angka Tertinggi 5)

…......(4)

Penilaian interpretasi responden terhadap aplikasi sistem pakar ini adalah hasil nilai yang dihasilkan dengan menggunakan rumus index % pada Persamaan (5) berikut. Rumus Index % =

×

…………..(5)

25

2.5.5 Pemeliharaan Selama sistem beroperasi, pemeliharaan sistem tetap diperlukan karena beberapa alasan. Pertama, mungkin sistem masih menyisakan masalah-masalah yang tidak terdeteksi selama pengujian sistem. Kedua, pemeliharan diperlukan karena perubahan bisnis atau lingkungan atau adanya permintaan kebutuhan baru oleh pengguna. Ketiga, pemeliharaan juga bisa dipicu karena kinerja sistem yang menjadi menurun (Kadir, 2003).

26

III . METODOLOGI PENELITIAN

3.1

Waktu dan Tempat Penelitian

Penelitian dilaksanankan pada 06 Januari sampai dengan 5 Juni 2017 di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam, Fakultas Kedokteran Universitas Lampung, Desa Teluk Pandan Lempasing dan Rumah sakit Muhammadiah Metro.

3.2

Alat Pendukung

Alat pendukung dalam penelitian adalah a. Perangkat Keras 1. Laptop HP Probook 4440s dengan spesifikasi Processor Intel(R) Core(TM) i3 CPU 3120M, RAM 6 GB. 2. Smartphone Android (Samsung Galaxy J2 Lollipop 5.1.1 version). b. Perangkat Lunak 1. Sistem Operasi Windows 8.1 Pro 64 bit 2. Android Studio, digunakan untuk pembuatan aplikasi 3. SQLite Manager, sebagai software pembuatan dan akses database

27

4. Adobe Photoshop CS6, untuk pembuatan tampilan user interface dan editing gambar.

3.3

Tahapan Penelitian

Tahapan penelitian merupakan langkah – langkah yang dilakukan peneliti dalam melakukan penelitian. Adapun tahapan penelitian yang dilakukan peneliti dalam membangun sistem pakar diagnosis malaria ditunjukkan pada gambar 3.1.

Gambar 3.1 Diagram Alir Tahapan Penelitian

28

3.3.1 Identifikasi Masalah Identifikasi masalah merupakan tahapan awal yang dilakukan dalam penelitian ini. Pada tahapan ini dilakukan identifikasi dalam masyarakat tentang penyakit yang saat ini banyak terjadi dan masih kurang cepat dalam penanganannya.

3.3.2 Perumusan Masalah Pada tahapan ini dilakukan perumusan dan pembatasan terhadap masalah yang akan diteliti. Perumusan dan pembatasan masalah dilakukan agar penelitian fokus dan tidak keluar dari batasan masalah yang telah ditentukan dalam pembuatan sistem.

3.3.3 Pengumpulan Data Dalam pengumpulan data dilakukan dengan dua metode yaitu studi literatur dan wawancara. a.

Studi Literatur

Pada metode ini pengumpulkan data – data dilakukan dengan menggunakan data – data yang ada dalam jurnal, buku ataupun dokumen yang berkaitan dengan tema penelitian. b.

Wawancara

Metode wawancara dilakukan melalui proses wawancara langsung dengan pakar/ ahli. Metode ini dilakukan dengan tujuan untuk mendapatkan data yang tidak ditemukan dalam studi literatur. Data yang telah ditemukan akan digunakan untuk rule dalam sistem pakar yang diteliti.

29

3.3.4 Perancangan Sistem Dalam perancangan sistem akan digambarkan tentang gambaran sistem dalam bentuk gambar agar mempermudah pengguna dalam memahami sistem yang akan dibuat. Perancangan sistem dalam penelitian ini terdiri dari Flowchart, Usecase Diagram, Activity Diagram, Sequence Diagram, dan Class Diagram.

3.3.4.1 Flowchart Pada sistem pakar diagnosa malaria terdapat satu pengguna (user). Gambaran tentang sistem ini secara garis besar dapat digambarkan menggunakan flowchart. Flowchart merupakan gambaran dari proses bisnis yang berisi aktivitas yang saling berelasi satu sama lain. Relasi antara pengguna dan sistem pakar digambarkan pada Gambar 3.2.

Gambar 3.2 Flowchart Sistem Pakar Diagnosa Malaria

Dalam Flowchart yang digambarkan dalam Gambar 3.2 dijelaskan bahwa User saat telah menjalankan aplikasi dan memilih menu diagnosa maka akan ditampilkan pertanyaan tentang gejala – gejala penyakit yang terdapat dalam

30

database. Kemudian User meninputkan jawaban dari pertanyaan yang diajukan oleh sistem yang selanjutnya akan diproses oleh sistem untuk dihitung nilai akurasinya serta mendiagnosa jenis penyakit malaria yang diderita oleh User.

3.3.4.2 Usecase Diagram Dalam usecase diagram akan direpresentasikan interaksi antara user dengan sistem pakar diagnosa malaria. Usecase diagram ditunjukkan Gambar 3.3.

Gambar 3.3 Usecase diagram Sistem Pakar Diagnosa Malaria

Pada Gambar 3.3 digambarkan bahwa User memiliki empat aktivitas yaitu mendiagnosa penyakit malaria, melihat data penyakit malaria, mengakses menu bantuan dan mengakses menu tentang.

31

3.3.4.3 Activity Diagram Activity Diagram

merupakan gambaran aktivitas dalam sistem yang sedang

dirancang, dari mulai hingga selesai serta dapat menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi. Activity Diagram Sistem Pakar Diagnosa Malaria ditunjukkan dalam Gambar 3.4 samapi dengan 3.7.

Gambar 3.4 Activity Diagram menu Diagnosa Sistem Pakar Diagnosa Malaria

Activity Diagram pada Gambar 3.4 merupakan interaksi antara User dan sistem yang dijelaskan sebagai berikut. 1. User memilih menu diagnosa, yang kemudian sistem akan menampilkan pertanyaan-pertanyaan. 2. User menjawab pertanyaan yang diberikan oleh sistem dan kemudian jawaban tersebut akan diproses oleh sistem 3. Sistem menampilkan hasil diagnosa dan user mendaatkan hasil diagnosa sesuai dengan gejala yang dipilih dalam daftar pertanyaan.

32

Gambar 3.5 Activity Diagram Menu Data Penyakit Sistem Pakar Diagnosa Malaria

Activity Diagram pada Gambar 3.5 terdiri dari interaksi antara User dan sistem. Gambar 3.5 dijelaskan sebagai berikut. 1. User mengawali aktivitas dengan memilih menu data penyakit, yang kemudian sistem menampilkan daftar jenis penyakit malaria. 2. Selanjutnya User mendapatkan informasi tentang jenis penyakit malaria yang dipilih. Pada Gambar 3.6 terdapat interaksi antara User dan sistem yang dijelaskan sebagai berikut. 1. User memilih menu bantuan, kemudian sistem menampilkan informasi bantuan 2. User mendapatkan informasi mengenai bantuan dalam menggunakan sistem.

33

Gambar 3.6 Activity Diagram Menu Bantuan Sistem Pakar Diagnosa Malaria

Gambar 3.7 Activity Diagram menu tentang Sistem Pakar Diagnosa Malaria

Activity Diagram pada Gambar 3.7 menggambarkan interaksi antara User dan sistem yang dijelaskan sebagai berikut. 1. User memilih menu Tentang kemudian sistem menampilkan sub menu dalam menu tentang yaitu About dan Rate Us. 2. User memilih button About maka sistem akan menampilkan informasi tentang aplikasi

34

3. User memilih button Rate Us maka sistem akan menampilkan halaman playstore.

3.3.4.4 Sequence Diagram Sequence Diagram menggambarkan interaksi antara objek dan di sekitar sistem berupa pesan terhadap waktu. Sequence Diagram pada Sisem Pakar Diagnosa Malaria digambarkan dalam Gambar 3.8 sampai dengan 3.11.

Gambar 3.8 Sequence Diagram Menu Diagnosa Sistem Pakar malaria

Sequence Diagram pada Gambar 3.8 terdiri dari satu user dan enam objek yaitu Splash Screen, Main Activity, Controller Diagnosa, Memulai Diagnosa, Form Gejala, Diagnosa. Proses pada Gambar 3.8 dijelaskan sebagai berikut. 1. User mengakses aplikasi melewati objek splash screen. 2. Kemudian User masuk ke halaman utama (Main Activity) kemudian sistem melakukan self stimulus dengan menampilkan halaman utama.

35

3. User memilih menu diagnosa pada halaman utama yang kemudian dilanjutkan oleh Controller Diagnosa untuk menampilkan halaman yang dituju. 4. User menjawab pertanyaan yang diberikan oleh sistem yang dilanjutkan ke Form Gejala. 5. Sistem mengirim melakukan diagnosa dari inputan jawaban oleh User 6. Sistem Menampilkan hasil diagnosa kepada User. Sequence Diagram pada Gambar 3.9 terdiri dari satu user dan lima objek yaitu Splash Screen, Main Activity, Controller Data Penyakit, Form Data Penyakit dan Data Penyakit. Proses pada Gambar 3.9 dijelaskan sebagai berikut. 1. User mengakses aplikasi melewati objek splash screen. 2. Kemudian User masuk ke halaman utama (Main Activity) kemudian sistem melakukan self stimulus dengan menampilkan halaman utama. 3. User memilih menu data penyakit pada halaman utama yang kemudian dilanjutkan oleh Controller Data Penyakit untuk menampilkan halaman yang dituju. 4. User memilih jenis penyakit yang akan dilihat detailnya pada Form Data Penyakit 5. Sistem menampilkan detail dari penyakit yang dipilih oleh User.

36

Gambar 3.9 Sequence Diagram Data Penyakit

Gambar 3.10 Sequence Diagram Bantuan

Sequence Diagram pada Gambar 3.10 terdiri dari satu user dan empat objek yaitu Splash Screen, Main Activity, Controller Bantuan dan Data Bantuan. Proses pada Gambar 3.10 dijelaskan sebagai berikut. 1. User mengakses aplikasi melewati objek splash screen. 2. Kemudian User masuk ke halaman utama (Main Activity) kemudian sistem melakukan self stimulus dengan menampilkan halaman utama.

37

3. User

memilih menu bantuan pada halaman utama yang kemudian

dilanjutkan oleh Controller Bantuan untuk menampilkan halaman yang dituju. 4. Sistem menampilkan informasi bantuan kepada User.

Gambar 3.11 Sequence Diagram Tentang

Sequence Diagram pada Gambar 3.11 terdiri dari satu user dan lima objek yaitu Splash Screen, Main Activity, Controller Tentang, Form Tentang dan Data Tentang. Proses pada Gambar 3.11 dijelaskan sebagai berikut. 1. User mengakses aplikasi melewati objek splash screen. 2. Kemudian User masuk ke halaman utama (Main Activity) kemudian sistem melakukan self stimulus dengan menampilkan halaman utama. 3. User memilih menu tentang pada halaman utama yang kemudian dilanjutkan oleh Controller Tentang untuk menampilkan halaman yang dituju.

38

4. User memilih button rate us kemudian sistem akan menampilkan halaman play store 5. User memilih button about kemudian sistem menampilkan informasi data pengembang.

3.3.4.5 Class Diagram Class Diagram menggambarkan keadaan (atribut/properti) suatu sistem, sekaligus menawarkan layanan untuk memanipulasi keadaan (metoda/ fungsi). Class Diagram pada sistem pakar diagnosa malaria disajikan dalam Gambar 3.12.

Gambar 3.12 Class Diagram Sistem Pakar Diagnosa Malaria

Class Diagram pada Gambar 3.12 terdapat sembilan kelas yang terdiri dari diagnosa, rule, metode, jenis metode, penyakit, jenis penyakit, gejala penyakit, tentang dan bantuan.

39

1. Kelas diagnosa memiliki hubungan kompisisi dengan kelas relasi, yang berarti bahwa kelas diagnosa tidak dapat berdiri tanpa adanya kelas relasi. Jika kelas relasi hilang maka kelas diagnosa juga akan menghilang. 2. Kelas rule memiliki kelas turunan yaitu kelas gejala, penyakit dan metode. 3. Kelas metode memiliki hubungan asosiasi dengan kelas jenis metode dan kelas rule dengan nilai kardinalitas satu. Hal ini berarti setiap metode hanya memiliki satu rule dan rule dapat memiliki satu atau lebih metode. 4. Kelas jenis metode memiliki hubungan asosiasi dengan kelas metode. 5. Kelas penyakit memiliki hubungan asosiasi dengan kelas jenis penyakit dan kelas rule dengan nilai kardinalitas satu. Hal ini berarti setiap penyakit hanya memiliki satu rule dan rule dapat memiliki satu atau lebih penyakit. 6. Kelas gejala penyakit memiliki hubungan asosiasi kelas rule dengan nilai kardinalitas satu atau lebih. Hal ini berarti setiap gejala penyakit dapat memiliki satu atau lebih dan sebaliknya. 7. Kelas tentang berdiri sendiri dan tidak memiliki hubungan dengan kelas lainnya. 8. Kelas bantuan berdiri sendiri dan tidak memiliki hubungan dengan kelas lainnya.

3.3.5 Perancangan Antarmuka Perancangan antarmuka bertujuan agar user dapat lebih memahami sistem dalam penelitian ini, selain itu antarmuka juga merupakan penghubung antara interaksi user dan sistem. Dalam sistem ini dirancang beberapa antarmuka yang nantinya akan diakses oleh pengguna yaitu user.

40

3.3.5.1 Perancangan Halaman Splash Screen Halaman splash screen adalah halaman awal yang muncul secara kilat saat sistem pertama kali diakses. Splash screen pada sistem ini ditujukkan dalam Gambar 3.13.

Splash screen

Gambar 3.13 Splash screen sistem pakar diagnosa jenis malaria

3.3.5.2 Perancangan Halaman Menu Utama Halaman menu utama berisi menu menu yang disajikan dalam sistem untuk pengguna yaitu menu diagnosa, data penyakit, bantuan dan tentang. Perancangan menu utama ditunjukkan dalam Gambar 3.14.

41

menu

menu

menu

menu

menu

Gambar 3.14 Menu utama Sistem Pakar Diagnosa Jenis Malaria

3.3.5.3 Perancangan Halaman Menu Diagnosa

Text view

button

button

Gambar 3.15 Halaman Menu Diagnosis Sistem Pakar Diagnosa Jenis Malaria

Halaman menu diagnosa akan ditampilkan ketika user memilih button diagnosis pada halaman menu utama. Pada halaman menu diagnosis sistem akan memberikan pertanyaan kepada user untuk dijawab. Jawaban user hanya berupa pernyataan iya atau tidak dalam bentuk tombol. Perancangan halaman diagnosis di tunjukkan dalam Gambar 3.15.

42

3.3.5.4 Perancangan Halaman Hasil Diagnosa Halaman hasil diagnosa merupakan halaman hasil dari menjawab pertanyaan menegnai gejala pada halaman menu diagnosa secara keseluruhan. Dalam halaman hasil diagnosa akan disajikan hasil diagnosa, tingkat akurasi. Halaman ini dilengkapi dengan button detail yang bila di tekan akan menuju ke halaman detail penyakit. Perancangan halaman hasil diagnosa ditunjukkan dalam Gambar 3.16.

Text view

detail

Gambar 3.16 Halaman Hasil Diagnosa Sistem Pakar Diagnosa Jenis Malaria

3.3.5.5 Perancangan Halaman Menu Jenis Penyakit Halaman jenis penyakit merupakan halaman yang disajikan setelah user memilih tombol jenis penyakit pada halaman utama. Halaman jenis penyakit akan menampilkan jenis – jenis penyakit malaria yang terdapat dalam sistem. Perancangan halaman jenis penyakit ditunjukkan dalam Gambar 3.17.

43

Gambar 3.17 halaman Jenis Penyakit Sistem Pakar Diagnosa Jenis Malaria

3.3.5.6 Perancangan Halaman Detail Penyakit Halaman detail penyakit akan ditampilkan setelah user memilih salah-satu dari jenis penyakit malaria. Halaman ini berisikan informasi mengenai jenis malaria yang dipilih oleh user. Perancangan halaman detail penyakit ditunjukkan dalam Gambar 3.18.

Text view

Gambar 3.18 Halaman Detail Penyakit Sistem Pakar Diagnosa Jenis Malaria

44

3.3.5.7 Perancangan Halaman Petunjuk Halaman bantuan akan ditampilkan setelah user memilih tombol bantuan pada menu utama. Halaman ini akan menampilkan list dari menu bantuan dan akan menampilkan informasi mengenai petunjuk penggunaan sistem setelah user memilih salah-satu dari list petunjuk. Perancangan halaman bantuan ditunjukkan dalam Gambar 3.19 dan Gambar 3.20.

list list

Gambar 3.19 Halaman Menu Petunjuk Sistem Pakar Diagnosa Jenis Malaria

Text view

Gambar 3.20 Halaman Informasi Petunjuk Sistem Pakar Diagnosa Jenis Malaria

45

3.3.5.8 Perancangan Halaman Menu Tentang Halaman tentang dapat diakses apabila user memilih tombol tentang pada menu utama. Halaman tentang akan menyajikan informasi tentang pengembang sistem pakar dan dilengkapi dengan button rate. Perancangan halaman tentang ditunjukkan dalam Gambar 3.21.

Text view

rate

Gambar 3.21 Halaman Tentang Sistem Pakar Diagnosa Jenis Malaria

3.3.6 Implementasi Tahapan setelah perancangan adalah implementasi yaitu sistem akan mulai dibangun berasarkan rancangan yang telah dibuat dengan menggunakan bahasa pemerograman java dan database mysql dengan menerapkan metode inferensi forward chaining.

3.3.7 Pengujian Setelah tahap implementasi selesai maka dilakukan pengujian yaitu pengujian internal dan eksternal. Pengujian ini bertujuan agar saat sistem telah digunakan oleh masyarakat dapat menghasilkan informasi yang akurat.

46

3.3.7.1 Pengujian Internal Pengujian internal merupakan pengujian yang dilakukan oleh peneliti untuk menguji fungsional sistem serta kepakaran dari sistem dalam menentukan jenis malaria berdasarkan fakta – fakta yang diberikan.

3.3.7.1.1 Pengujian Fungsional Pengujian fungsional dilakukan menggunakan metode black box Equivalence Partitioning (EP). Pengujian dengan menggunakan metode ini akan membagi domain masukan (input) ke dalam kelas-kelas sehingga test case pada aplikasi dapat diperoleh. Pengujian ini dilakukan dengan cara membagi kelas uji seperti pengujian versi android, resolusi layar dan densitas layar, pengujian user interface, dan pengujian fungsi dan menu aplikasi. a. Pengujian Versi Android Pengujian ini dilakukan untuk menguji apakah aplikasi dapat berjalan dengan baik dalam semua versi android yang diujikan. Pengujian versi android dapat dilihat pada tabel 3.1. Tabel 3.1 Pengujian Versi Android No

Kelas Uji

1

Versi Android

Daftar Pengujian Pengujian Kompabilitas versi Operating System (OS) android

Skenario Uji

Hasil yang Diharapkan

Pengujian pada Kompatibel dengan android versi 4.1 android versi 4.1 (Jelly Bean) (Jelly Bean)

47

Lanjutan Tabel 3.1 Pengujian Versi Android No

Kelas Uji

1

Versi Android

Daftar Pengujian Pengujian Kompabilitas versi Operating System (OS) android

Skenario Uji


Pengujian pada Kompatibel dengan android versi 4.4 android versi 4.4 (KitKat) (KitKat) Pengujian pada Kompatibel dengan android versi 5.0 android versi 5.0 (Lollipop) (Lollipop) Pengujian pada Kompatibel dengan android versi 6.0 android versi 6.0 (Marshmallow) (Marshmallow)

b. Pengujian Resolusi Layar dan Densitas Layar Pengujian ini dilakukan untuk mengetahui apakah tampilan aplikasi terlihat baik dan sesuai dengan resolusi android yang diujikan. Pengujian resolusi layar dan densitas layar dapat dilihat pada Tabel 3.2. Tabel 3.2 Pengujian Resolusi Layar dan Densitas Layar No 1

Kelas Uji Versi Android


Daftar Pengujian

Skenario Uji

Resolusi Layar dan Densitas Layar

Pengujian pada android dengan resolusi 4,5 inch

Tampilan sesuai dan proporsional dengan resolusi 4,5 inch





48

Lanjutan Tabel 3.2 Pengujian Resolusi Layar dan Densitas Layar No 1

Kelas Uji Versi Android

Daftar Pengujian

Skenario Uji

Resolusi Layar dan Densitas Layar


Hasil yang Diharapkan Tampilan sesuai dan proporsional dengan resolusi 5,5 inch

c. Pengujian User Interface Pengujian ini bertujuan untuk mengetahui apakah aplikasi memilki tampilan yang baik dan user friendly terhadap pengguna. Pengujian user intrface dapat dilihat pada Tabel 3.3. Tabel 3.3 Pengujian user Interface No 1

Kelas Uji User Interface

Daftar Pengujian

Skenario Uji


Pengujian pada icon Identifikasi Malaria

Klik icon Identifikasi malaria pada perangkat android

Menampilkan splash screen dan diikuti halaman info kemudian halaman utama

Pengujian pada Halaman utama aplikasi Penentuan Jenis Malaria

Pilih menu Diagnosis

Menampilkan halaman menu Diagnosis

Pilih menu Data Penyakit

Menampilkan halaman menu Data Penyakit Menampilkan halaman menu bantuan dengan 2 tombol didalamnya

Pilih menu Petunjuk

49

Lanjutan Tabel 3.3 Pengujian user friendly No

Kelas Uji

Daftar Pengujian

Skenario Uji Pilih menu Tentang

Hasil yang Diharapkan Menampilkan halaman menu tentang dengan tombol Rate di dalamnya

d. Pengujian dari Fungsi Aplikasi Pengujian ini bertujuan untuk mengetahui apakah tombol – tombol yang terdapat dalam aplikasi dapat berjalan dan berfungsi dengan baik. Pengujian dari fungsi aplikasi dapat dilihat dalam Tabel 3.4. Tabel 3.4 Pengujian dari Fungsi Aplikasi No 1

Kelas Uji

Daftar Pengujian

Fungsi layout Pengujian button menu ‘ya’ dalam Diagnosis menjawab pertanyaan mengenai gejala Pengujian button ‘tidak’ dalam menjawab pertanyaan mengenai gejala

Skenario Uji


Klik button ‘ya’

Menampilkan pertanyaan selanjutnya atau hasil diagnosis

Klik button ‘tidak’

Menampilkan pertanyaan selanjutnya atau hasil diagnosis

Pengujian Klik button melihat detail ‘detail’ jenis malaria yang dialami user

Menampilkan informasi mengenai jenis malaria yang dialami user

50

Lanjutan Tabel 3.4 Pengujian dari Fungsi Aplikasi No 2

Kelas Uji

Daftar Pengujian

Menampilkan halaman data penyakit berupa listview data penyakit Pilih salah satu Menampilkan list nama penyakit halaman data informasi penyakit

Fungsi layout Pengujian button Klik button menu ‘petunjuk’ ‘petunjuk’ Petunjuk Pengujian melihat informasi petunjuk

4


Fungsi layout Pengujian button Klik button ‘data menu Data ‘data penyakit’ penyakit’ Penyakit

Pengujian melihat informasi penyakit 3

Skenario Uji

Pilih salah-satu list petunjuk

Fungsi layout Pengujian Klik button menu Tentang melihat ‘About’ informasi tentang Klik button ‘Rate Us’

Menampilkan list petunjuk penggunaan sistem pakar Menampilkan halaman informasi penggunaan sistem pakar Menampilkan informasi aplikasi Menampilkan aplikasi pada halaman playstore

3.3.7.1.2 Pengujian Kepakaran Sistem Pengujian ini bertujuan untuk menguji kemampuan sistem pakar mengidentifikasi jenis malaria terhadap fakta – fakta yang diberikan. Pengujian ini dilakukan menggunakan metode F-Measure, precission dan recall.

51

3.3.7.2 Pengujian Eksternal Pengujian eksternal dilakukan menggunakan metode kuisioner. Pengujian ini bertujuan untuk mengetahui penilaian pengguna terhadap sistem.

3.3.8 Penyusunan Laporan Setelah pengujian selesai dilakukan, tahapan terakhir adalah penyusunan laporan. Seluruh data dan hasil pengujian yang telah ditarik kesimpulan akan didokumentasikan dalam bentuk laporan.

90

V. PENUTUP

5.1 Kesimpulan

Berdasarkan penelitian yang telah dilakukan dapat disimpulkan beberapa hal sebagai berikut : 1. Telah berhasil dibangun aplikasi ‘Identifikasi Jenis Malaria’ yang dapat membantu masyarakat untuk mengetahui jenis malaria yang diderita. 2. Sistem pakar yang dibangun dapat memberikan presentase hasil diagnosa penyakit berdasarkan fakta dan pengetahuan yang telah diberikan. 3. Pesentase menggunakan classic probability dan naive bayes menghasilkan nilai yang berbeda hal ini dikarenakan dalam prosesnya naive bayes menggunakan nilai bobot dalam setiap gejala yang muncul serta melihat dari gejala yang sama antara jenis malaria. 4. Berdasarkan hasil pengujian Equivalence Partitioning, disimpulkan bahwa dari 40 orang total responden, 7 orang kelompok responden pertama dan 15 orang responden ketiga menunjukkan bahwa penilaian terhadap aplikasi ‘Identifikasi Jenis Malaria’ tergolong ‘Sangat Baik’ dan 18 orang kelompok responden kedua tergolong ‘Baik’.

91

5.2 Saran

Adapun saran yang diberikan adalah sebagai berikut : 1. Penambahan data gejala dari setiap jenis malaria. 2. Penyempurnaan desain User Interface (UI) aplikasi. 3. Penyederhanaan bahasa pada gejala agar lebih mudah dimengerti.

DAFTAR PUSTAKA

Astuti, Indah. P, dkk. 2016. Pengembangan Sistem Pakar Identifikasi Awal Penyakit Kedelai Dengan Pendekatan Naive Bayes Berbasis Android. Jurnal Pustakawan Indonesia Vol. 14 No. 2. Azwar, S. 2011. Sikap dan Perilaku Dalam: Sikap Manusia Teori dan Pengukurannya. Pustaka Pelajar: Yogyakarta. CDC.

2010. Malaria: Scheme of The Life Cycle. Diunduh dari : http://www.dpd.cdc.gov/dpdx/HTML/Malaria.htm (diakses Oktober 2016).

Departemen Kesehatan Republik Indonesia. 2008. Pedoman Penatalaksaan Malaria Di Indonesia. Depatemen Kesehatan RI. Jakarta. Desiani dan Arhami, M. 2006. Konsep Kecerdasan Buatan. ANDI. Yogyakarta. Djarwanto, P. S. 1996. Statistik Induktif. BPFE-UGM. Yogyakarta. Dinas Kesehatan Kota Bandar Lampung. 2014. Profil Kesehatan Kota Bandar Lampung 2014. Diunduh dari : http://www.depkes.go.id (diakses November 2016). Fithri, Diana. L. 2013. Sistem Pendeteksian Penyimpangan Tingkah Laku Anak Usia 0 Sampai 3 Tahun Dengan Metode Bayesian. Jurnal SIMETRIS vol. 4 no. 1 ISSN: 2252-4983. Herliana, Asti dan Rasyid, Prima. M. 2016. Sistem Informasi Monitoring Pengembangan Software Pada Tahap Development Berbasis Web. Jurnal Infotika vol. III no.1. Indiyawati, Henny dan Surarso, Bayu. 2013. Sistem Pakar Diagnosa Penyakit Telinga Hidung Tenggorok (THT) Dengan Menggunakan Metode Inferensi Berbasis Short Message Service (SMS). Jurnal Sistem Informasi Bisnis No 1. Kadir, Abdul. 2003. Pengenalan Sistem Informasi. ANDI. Yogyakarta. Kasmui, M. Noor, Kusuma, SBW. 2016. Analisis Hubungan Kuantitatif Struktur dan Aktivitas Anti Malaria Senyawa Turunan Quinoxalin. Jurnal MIPA 39(1)(2016): 51-56.

Mustaqbal, M. Sidi, Firdaus, Roeri Fajri, Rahmadi, Hendra. 2015. Pengujian Aplikasi Menggunakan Black Box Testing Boundary Value Analysis (Studi Kasus: Aplikasi Prediksi Kelulusan SNMPTN). Jurnal Ilmiah Teknologi Informasi Terapan Volume I No. 3. ISSN : 2407 – 3911.

Permata, Endi, Ariwibowo, Didik dan Maulana, Alief. 2014. Klasifikasi Parasit Malaria Plasmodium Vivax Pada Citra Sel Darah Merah Menggunakan Metode Support Vector Machine One Against All. ISSN : 2302 – 3805. Putra, T. R. Imansyah. 2011. Malaria Dan Permasalahannya. Jurnal Kedokteran Syahkuala Vol. 11 No. 2. Rachmawati, dkk. 2012. Aplikasi Sistem Pakar Diagnosis Penyakit Asma. ISSN: 2302<7339 Vol. 09 No. 08 Sekolah Tinggi Teknologi Garut. Ramadhani, Purnama, dkk. 2012. Sistem Pakar Diagnosa Infeksi Penyakit Tropis Berbasis WEB. Jurnal Teknik Informatika Vol. 1. Rosnelly, Rika dan Hardjoko, Agus. 2011. Pengembangan Sistem Informasi Diagnosis Penyakit Tropis Menggunakn Algoritma Naive Bayesian. KNS&I11-013. Sari, Nur Anjas. 2013. Sistem Pakar Mendiagnosa Penyakit Demam Berdarah Menggunakan Metode Certainty Factor. Pelita Informatika Budi Darma Vol. IV No. 3. ISSN: 2301 – 9425 Syamsuddin, Sadly dan Ahyuna. 2014. Sistem Pakar Untuk Diagnosa Penyakit yang Disebabkan oleh Nyamuk BerbasisWEB. Jatisi Vol. 1 No. 1. ISSN 2407 – 4322. Triyanto, Sulis dan Fadlili, Abdul. 2014. Sistem Pakar Untuk Mendiagnosa Penyakit Kelinci Berbasis Web. Jurnal Sarjana Teknik Informatika Vol. 2 No. 1 eISSN 2338-5197. UNICEF Indonesia. 2013. Morfologi Nyamuk Anopheles. Diunduh dari http://www.unicef.org/indonesia (diakses pada November 2016). Wahyudi, Rizki dan Utami, Ema. 2016. Sistem Pakar E-Tourism Pada Dinas Pariwisata D.I.Y Menggunakan Metode Forward Chaining. Jurnal Ilmiah Dasi Vol. 17 No. 2. ISSN: 1411-3201. World Health Organization. 2014. World Health Statistic 2013. France.

PENENTUAN JENIS MALARIA DENGAN MENGGUNAKAN METODE FORWARD CHAINING DAN NAIVE BAYES BERBASIS MOBILE. (Skripsi) Oleh : IRFANI MAHARANI

Recommend Documents