SKRIPSI APLIKASI DIAGNOSA PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) Diajukan untuk memenuhi salah satu syarat memperoleh derajat Sarjana Teknik
OLEH INDAH LESTARI SUMITRO E1E1 11 071
JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS HALU OLEO KENDARI 2016
i
INTISARI Indah Lestari Sumitro E1E111071 APLIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING Kata Kunci : Confusion Matrix, Diabetes Melitus, Fuzzy Multi Criteria Decision Making. Fuzzy Multi Criteria Decision Making (FMCDM) dapat dikatakan MCDM (Multi Criteria Decision Making) dengan data fuzzy. Data fuzzy dapat terjadi pada setiap alternatif atau tingkat kepentingan pada setiap kriteria. Setiap kriteria atau gejala-gejala dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik. Penelitan ini dilakukan untuk membantu pengambilan keputusan dalam menentukan jenis penyakit Diabetes Melitus (DM) yang diderita dari beberapa altematif jenis penyakit DM sesuai dengan gejala-gejala yang ditentukan. Sistem dibuat dengan mengambil beberapa kelompok jenis penyakit DM sebagai data yang akan dipakai dalam perhitungan. Pengujian sistem dengan menerapkan perhitungan confusion matrix memperoleh hasil accuracy yaitu 100%, sensitivity yaitu 100%, dan specificity yaitu ∞ (tidak terhingga). Keluaran dari sistem ini berupa alternatifalternatif penyakit yaitu Normal atau tidak terdiagnosa berpenyakit DM, Pradiabetes, DM tipe 1, dan DM tipe 2.
v
ABSTRACT Indah Lestari Sumitro E1E111071 APLIKASI DIAGNOSIS PENYAKIT DIABETES MELITUS MENGGUNAKAN METODE FUZZY MULTI CRITERIA DECISION MAKING Keyword : Confusion Matrix, Diabetes Mellitus, Fuzzy Multi Criteria Decision Making. Fuzzy Multi Criteria Decision Making (FMCDM) can be seen as MCDM (Multi Criteria Decision Making) with fuzzy data. Fuzzy data can be applied for every alternatives or level of importance in every criterion. Every criteria or indications and kind of disease alternatives usually contains unpredictable values that prediction which given by decision maker done by qualitative and represented linguistically. This research aims to help the decision maker to determine category of Diabetes Mellitus (DM) which suffered from each categories of DM which related to indications that being determined. The system created by taking some categories of DM as data which will be used in calculation. The experiment that used the confusion matrix method resulted the values of accuracy is 100%, sensitivity is 100% and specificity is ∞ (infinite). The output of this system is alternatives of this diseased which Normal or undetected of DM, Pradiabetes, DM type 1, and DM type 2. Keyword: Confusion Matrix, Diabetes Mellitus, Fuzzy Multi Criteria Decision Making.
vi
KATA PENGANTAR Alhamdulillahirabbil'alamin, puji dan syukur penulis panjatkan kehadirat Allah SWT atas nikmat, berkah serta rahmat-Nya yang selalu tercurah sehingga skripsi yang berjudul “Aplikasi Diagnosis Penyakit Diabetes Melitus Menggunakan Metode Fuzzy Multi Criteria Decision Making” ini dapat terselesaikan dengan baik. Skripsi ini diajukan untuk menempuh Sidang Ujian Sarjana Teknik Informatika Universitas Halu Oleo guna mendapatkan gelar Sarjana Teknik. Proses penelitian ini tidak luput dari berbagai rintangan dan hambatan, namun berkat bantuan, arahan, dan doa dari berbagai pihak yang telah membantu maka penulis ingin menyampaikan ungkapan penghargaan yang sebesar-besarnya kepada yang terhormat: 1.
Ika Purwanti Ningrum, S.KOM., M.Sc selaku Pembimbing I dan Rahmat Ramadhan, S.Si., M.Sc selaku Pembimbing II yang dengan sabar dan tulus meluangkan waktunya dan memberikan pengarahan dan bimbingan yang luar biasa kepada penulis dalam penyusunan skripsi sebagai salah satu syarat untuk mendapatkan gelar Sarjana Teknik. Semoga Allah SWT selalu mencurahkan rahmat serta berkahNya kepada beliau.
2.
La Ode Hasnuddin S Sagala, S.Si., M.Cs selaku Penguji I, Muthmainnah Muchtar, ST., M.KOM selaku Penguji II, LM. Bahtiar Aksara, ST., MT selaku Penguji III yang telah memberikan saran dan kritik yang bermanfaat dalam penyusunan skripsi sebagai salah satu syarat untuk mendapatkan gelar Sarjana Teknik. Semoga Allah SWT selalu mencurahkan rahmat serta berkahNya kepada beliau.
3.
Seluruh Dosen Jurusan Teknik Informatika Universitas Halu Oleo yang telah memberikan bimbingan arahan dan saran selama penulisan skripsi ini berlangsung.
4.
Kedua Orang Tuaku tercinta, Ayahku Sumitro, S.Pd dan Ibuku Mudaria yang selalu tulus dan ikhlas memberikan motivasi, kasih sayang serta bantuan
materil.
Semoga
ananda
vii
dapat
membalas
budi
serta
membahagiakan kalian dunia-akhirat. Amin Yaa Rabbal’alamin. 5.
Keluargaku Dewi Sari Sumitro dan Chintya Mawadha Sumitro yang selalu tulus menyemangati dan menyayangiku.
6.
Buat seluruh teman-teman seperjuanganku IT “011” yang telah membantu dan memberikan semangat dalam menyelesaikan penyusunan skripsi ini.
7.
Buat kalian yang telah menjadi sahabat-sahabat tercinta yang telah rela meluangkan waktu dan tenaganya membantu penulis, Semoga Allah SWT selalu mencurahkan rahmat serta berkahNya kepada kalian semua.
8.
Dan berbagai pihak yang tidak dapat penulis sebutkan satu per satu. Semoga Allah SWT membalas kebaikan kalian semua dan selalu memberikan kesuksesan serta kebaikan dunia akhirat kepada kalian. Sesungguhnya Allah maha tahu atas segalanya. Peneliti menyadari bahwa dalam penyusunan skripsi ini masih terdapat
kekurangan, maka saran dan kritik yang bersifat membangun sangat diharapkan dari berbagai pihak demi perbaikan skripsi ini serta sebagai masukan bagi penulis untuk penelitian dan penulisan karya ilmiah di masa yang akan datang. Semoga skripsi ini dapat bermanfaat dalam pengembangan ilmu pengetahuan dan bagi pihak-pihak yang berkepentingan.
Kendari,
April 2016
Indah Lestari Sumitro
viii
DAFTAR ISI Halaman HALAMAN JUDUL........................................................................................ i HALAMAN PENGESAHAN .......................................................................... ii HALAMAN PERNYATAAN ......................................................................... iv INTISARI ......................................................................................................... v ABSTRACT ....................................................................................................... vi KATA PENGANTAR ..................................................................................... vii DAFTAR ISI .................................................................................................... ix DAFTAR TABEL ............................................................................................ xii DAFTAR GAMBAR ....................................................................................... xiii BAB I PENDAHULUAN .............................................................................. 1 1.1. Latar Belakang ............................................................................. 1 1.2. Rumusan Masalah ........................................................................ 3 1.3. Batasan Masalah .......................................................................... 3 1.4. Tujuan Penelitian ......................................................................... 3 1.5. Manfaat Penelitian ....................................................................... 3 1.6. Sistematika Penulisan .................................................................. 4 1.7. Tinjauan Pustaka .......................................................................... 5 BAB II LANDASAN TEORI ......................................................................... 7 2.1.Diabetes Melitus ........................................................................... 7 2.1.1 Pengertian Diabetes Melitus ................................................ 7 2.1.2 Gejala Diabetes Melitus....................................................... 7 2.1.3 Diagnosis Diabetes Melitus ................................................. 9 2.2.Sistem Penunjang Keputusan........................................................ 10 2.3.Metode Fuzzy Multi Criteria Decision Making ............................ 11 2.3.1 Representasi Masalah........................................................... 12 2.3.2 Evaluasi Himpunan Fuzzy ................................................... 13 2.3.3 Seleksi Alternatis yang Optimal .......................................... 16 2.4.Metode Pengembangan Sistem ..................................................... 17 ix
2.5.UML (Unified Modeling Language)............................................. 20 2.5.1 Definisi Unified Modelling Language ................................. 20 2.5.2 Konsep Pemodelan Menggunakan UML ............................. 21 2.5.3 Jenis-jenis Diagram UML (Unified Modelling Language) . 21 2.6.Flowchart ...................................................................................... 23 2.6.1 Pengertian Dasar Flowchart ................................................ 23 2.6.2 Bagan Flowchart.................................................................. 24 2.7.ERD (Entity Relationship Diagram)............................................. 24 2.8.Bahasa Java ................................................................................... 25 2.8.1 Netbeans .............................................................................. 26 2.8.2 MySQL ................................................................................ 26 2.9.Confusion Matrix .......................................................................... 27 BAB III METODOLOGI PENELITIAN......................................................... 30 3.1.Waktu dan Tempat Penelitian ....................................................... 30 3.1.1 Waktu ................................................................................... 30 3.1.2 Tempat Penelitian ................................................................ 30 3.2.Prosedur dan Pengumpulan Data .................................................. 30 3.2.1 Jenis Data ............................................................................. 30 3.2.2 Sumber Data......................................................................... 31 3.2.3 Pengumpulan Data ............................................................... 31 3.3.Prosedur Pengembangan Perangkat Lunak ................................... 32 BAB IV ANALISIS DAN PERANCANGAN SISTEM ................................. 33 4.1.Gambaran Sistem.......................................................................... 33 4.1.1 Gambaran Sistem yang Sedang Berjalan............................. 33 4.1.2 Gambaran Sistem yang Diusulkan ...................................... 33 4.1.3 Flowchart Proses Metode Fuzzy Multi Criteria Decison Making ................................................................................. 34 4.2.Pemecahan Masalah dengan Metode Fuzzy Multi Criteria Decision Making ........................................................................... 35 4.2.1 Representasi Masalah........................................................... 35 4.2.2 Evaluasi Himpunan Fuzzy.................................................... 37 x
4.2.3 Seleksi Alternatif Optimal ................................................... 40 4.3.Ilustrasi Perhitungan Metode Fuzzy Multi Criteria Decision Making .......................................................................................... 41 4.4.UML (Unified Modeling Language)............................................. 46 4.4.1 Diagram Use Case ............................................................... 46 4.4.2 Activity Diagram .................................................................. 47 4.4.3 Sequence Diagram ............................................................... 48 4.5.ERD (Entity Relationship Diagram) Sistem ................................. 49 4.6.Perancangan Basis Data ................................................................ 50 BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM ............................... 54 5.1.Kebutuhan Sistem ......................................................................... 54 5.2.Implementasi Antarmuka Aplikasi Diagnosis Penyakit Diabetes Melitus .......................................................................................... 54 5.2.1 Form Menu Utama............................................................... 55 5.2.2 Form Diagnosis .................................................................... 55 5.2.3 Form Hasil Diagnosis .......................................................... 57 5.2.4 Form Rekam Medik ............................................................. 58 5.3.Pengujian Sistem ........................................................................... 60 BAB VI PENUTUP ......................................................................................... 66 6.1.Kesimpulan ................................................................................... 66 6.2.Saran ............................................................................................. 66 DAFTAR PUSTAKA ...................................................................................... 67 LAMPIRAN
xi
DAFTAR TABEL
Tabel 2.1
Contoh pemberian bobot nilai pada variabel yang memiliki range nilai.................................................................................................... 15
Tabel 2.2
Tabel Simbol Use Case Diagram ..................................................... 22
Tabel 2.3
Tabel Simbol Sequence Diagram...................................................... 22
Tabel 2.4
Tabel Simbol Activity Diagram ........................................................ 23
Tabel 2.5
Tabel Bagan Flowchart ..................................................................... 25
Tabel 2.6
Tabel Simbol ERD ............................................................................ 26
Tabel 2.7
Tabel Klasifikasi Data Uji................................................................. 26
Tabel 3.1
Tabel Gannt Chart Waktu Penelitian ................................................ 30
Tabel 4.1
Alternatif Penyakit Diabetes Melitus ................................................ 35
Tabel 4.2
Kriteria .............................................................................................. 35
Tabel 4.3
Bobot Kepentingan Kriteria Penyakit Diabetes Melitus ................... 37
Tabel 4.4
Bobot Derajat Kecocokan ................................................................. 39
Tabel 4.5
Derajat Kecocokan Alternatif Terhadap Kriteria Keputusan ............ 39
Tabel 4.6
Derajat Kecocokan untuk Kriteria Umur .......................................... 40
Tabel 4.7
Derajat Kecocokan untuk Kriteria Gula Darah Puasa....................... 40
Tabel 4.8
Derajat Kecocokan untuk Kriteria Gula Darah 2 Jam PP ................. 40
Tabel 4.9
Tabel Data Pasien.............................................................................. 41
Tabel 4.10 Rating Kepentingan........................................................................... 42 Tabel 4.11 Rating Kecocokan Setiap Alternatif.................................................. 44 Tabel 4.12 Nilai Total Perhitungan Setiap Alternatif ......................................... 46 Tabel 4.13 Struktur Tabel Pasien ........................................................................ 51 Tabel 4.14 Struktur Tabel Hasil .......................................................................... 51 Tabel 4.15 Struktur Tabel Hasil FMCDM .......................................................... 52 Tabel 4.16 Struktur Tabel Gejala ........................................................................ 52 Tabel 5.1
Data Rekam Medik UPTD Puskesmas Laosu ................................... 61
Tabel 5.2
Hasil Pengujian Sistem dan Pakar..................................................... 62
Tabel 5.3
Hasil Klasifikasi Data Uji ................................................................. 62
Tabel 5.4
Tabel Klasifikasi Data Uji................................................................. 64 xii
DAFTAR GAMBAR
Gambar 2.1 Struktur Hirarki MCDM ..................................................................... 13 Gambar 2.2 Fungsi Keanggotaan untuk Bobot Setiap Rating dengan Himpunan Bilangan Fuzzy Segitiga.................................................... 14 Gambar 2.3 Metode Waterfall ................................................................................ 21 Gambar 4.1 Flowchart Fuzzy MCDM .................................................................... 34 Gambar 4.2 Diagram Use Case User ...................................................................... 47 Gambar 4.3 Activity Diagram Diagnosis Penyakit Diabetes Melitus ..................... 48 Gambar 4.4 Sequence Diagram Diagnosis Penyakit Diabetes Melitus .................. 49 Gambar 4.5 Entity Relationship Diagram Sistem................................................... 50 Gambar 5.1 Tampilan Form Utama ........................................................................ 55 Gambar 5.2 Tampilan Form Diagnosis
..................................................... 56
Gambar 5.3 Tampilan Informasi Data Berhasil Disimpan ..................................... 56 Gambar 5.4 Tampilan Form Hasil Diagnosis ......................................................... 57 Gambar 5.5 Tampilan Print Hasil Diagnosis .......................................................... 58 Gambar 5.6 Tampilan Form Rekam Medik ............................................................ 59 Gambar 5.7 Tampilan Print Data Rekam Medik .................................................... 59
xiii
BAB I PENDAHULUAN 1.1
Latar Belakang Diabetes Melitus (DM) yang umum dikenal sebagai kencing manis adalah
penyakit yang ditandai dengan peningkatan kadar gula darah yang terus-menerus dan bervariasi, terutama setelah makan. Pada umumnya dikenal 2 tipe diabetes, yaitu diabetes tipe 1 (tergantung insulin), dan diabetes tipe 2 (tidak tergantung insulin). Diabetes Melitus merupakan penyakit penyebab kematian yang mempunyai rank cukup tinggi di dunia termasuk di Indonesia. Ketua Persatuan Diabetes Indonesia (Persadia) Pusat, Prof. Sidartawan Soegondo mengatakan penderita diabetes di Indonesia cenderung naik dari tahun ke tahun. Sebagian besar penderita mengidap penyakit ini akibat faktor keturunan dan pola hidup yang tidak sehat. (Hasil Konsensus Perkeni 2011). Diabetes melitus merupakan penyakit menahun yang akan diderita seumur hidup. Dalam pengelolaan penyakit tersebut, selain dokter, perawat, ahli gizi, dan tenaga kesehatan lain, peran pasien dan keluarga menjadi sangat penting. Pemeriksaan pada pasien penderita diabetes melitus dapat dilakukan di rumah sakit yang memiliki peralatan lengkap dan tersedia dokter spesialis penyakit dalam yang ada di rumah sakit besar di kota setempat. Akan tetapi untuk masyarakat yang bertempat tinggal jauh dari jangkauan rumah sakit yang memiliki perlengkapan medis dan tersedia dokter ahli akan mengalami kesulitan ketika akan berkonsultasi kemungkinan terkena penyakit diabetes melitus. Dalam mendiagnosis penyakit diabetes melitus ada beberapa hal yang perlu diperhatikan yaitu peningkatan kadar gula darah yang terus meningkat apabila tidak ditangani sejak awal, sering berkemih/buang air kecil terutama pada malam hari, merasakan haus yang berlebihan, serta hal yang paling mendasar ketika seseorang menderita penyakit diabetes melitus yaitu adanya riwayat keluarga yang menderita penyakit yang sama. Oleh karena itu diperlukan sebuah perangkat lunak yang dapat
1
2
mendiagnosis penyakit diabetes melitus sehingga nantinya akan menghasilkan output berupa jenis penyakit DM yang diderita. Fuzzy Multi Criteria Decision Making (FMCDM) adalah MCDM dengan data fuzzy. Data fuzzy dapat terjadi pada setiap alternatif atau tingkat kepentingan pada setiap kriteria. Setiap kriteria atau gejala-gejala yang dialami dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik (Siregar, 2014). Pada beberapa kasus yang telah menerapkan metode fuzzy multi-criteria decision making ini diantaranya yaitu penerapan fuzzy multicriteria decision making untuk mendiagnosis penyakit tropis dengan metode agregasi. Pada kasus ini dihasilkan jenis penyakit dengan menggunakan metode agregasi berdasarkan gejala-gejala yang dirasakan pasien (Rika dan Retantyo, 2011). Berawal dari kasus tersebut, muncul ide untuk membuat suatu aplikasi menggunakan metode fuzzy multi-criteria decision making (FMCDM). Metode ini sangat cocok dengan kasus diagnosis penyakit diabetes melitus karena terdapat alternatif-alternatif dari jenis penyakit diabetes melitus, sehingga diperlukan suatu sistem yang dapat membantu pengambilan keputusan dalam menentukan jenis penyakit diabetes melitus yang diderita dari beberapa alternatif penyakit diabetes melitus sesuai dengan gejalagejala fisik yang diinputkan. Berdasarkan uraian di atas, maka penulis membangun sebuah aplikasi dengan melakukan penelitian dan menulis tugas akhir yang berjudul “aplikasi diagnosis penyakit diabetes mellitus menggunakan metode fuzzy multi criteria decision making” berbasis java. Dalam aplikasi yang akan dibangun terdapat 4 hasil diagnosis yaitu normal/tidak terdiagnosis penyakit diabetes melitus, pradiabetes, diabetes melitus tipe 1, dan diabetes melitus tipe 2. Aplikasi ini diharapkan dapat menjadi alternatif solusi untuk mengatasi masalah yang sering dialami oleh penderita penyakit diabetes melitus berdasarkan gejala- gejala yang diderita pasien.
3
1.2
Rumusan Masalah Rumusan masalah dalam penelitian ini yaitu bagaimana menerapkan metode
Fuzzy Multi Criteria Decision Making pada aplikasi diagnosis penyakit diabetes melitus dengan meninjau nilai keakuratan yang diterapkan pada pembuatan aplikasi.
1.3
Batasan Masalah
1.
Bahasa pemrograman yang digunakan adalah bahasa Java dan basis data MySQL.
2.
Aplikasi ini menghasilkan ouput berupa jenis penyakit diabetes melitus yang diderita pasien sebagai hasil diagnosis.
3.
Studi kasus penelitian ini dilakukan di UPTD Puskesmas Laosu.
4.
Dalam penelitian ini fungsi keanggotaan bilangan fuzzy yang digunakan adalah fungsi bilangan fuzzy segitiga.
1.4
Tujuan Penelitian Tujuan dari penelitian ini yaitu :
1.
Menerapkan metode fuzzy multi criteria decision making dalam pembuatan aplikasi diagnosis penyakit diabetes melitus.
2.
Meninjau nilai keakuratan metode fuzzy multi criteria decision making yang diterapkan pada pembuatan aplikasi diagnosis penyakit diabetes melitus.
1.5
Manfaat Penelitian Adapun manfaat pada tugas akhir ini adalah untuk membantu dokter dan
petugas kesehatan puskesmas dalam mendiagnosis diabetes melitus sehingga pasien mendapatkan perawatan yang sesuai dengan tipe diabetes melitus yang diderita oleh pasien.
4
1.6
Sistematika Penulisan Sistematika penulisan laporan ini merupakan pembahasan singkat dari setiap
bab yang menjelaskan hubungan antara bab yang satu dengan bab yang lainnya, yaitu sebagai berikut : BAB I
PENDAHULUAN Bab ini berisi tentang latar belakang masalah, perumusan masalah, tujuan penelitian, manfaat penelitian, sistematika penulisan dan tinjauan pustaka dalam laporan ini.
BAB II
LANDASAN TEORI Bab ini berisi tentang pengertian dan teori yang berkaitan dengan isi dan judul penelitian tugas akhir. Teori-teori yang dicantumkan dalam bab ini yaitu teori tentang penyakit diabetes melitus, teori tentang Fuzzy MultiCriteria Decision Making, teori tentang Unified Modelling Language (UML), teori tentang sistem pendukung keputusan, teori tentang metode pengembangan sistem, teori tentang Entity Relationship Diagram (ERD), teori tentang flowchart dan teori tentang bahasa java.
BAB III
METODOLOGI PENELITIAN Bab ini menyajikan langkah-langkah pengumpulan data, prosedur pengembangan perangkat lunak dalam hal ini yang digunakan adalah metode waterfall, waktu dan tempat pelaksanaan penelitian.
BAB IV
ANALISIS DAN PERANCANGAN SISTEM Bab ini berisi tentang gambaran umum sistem, desain perangkat lunak dan perancangan sistem.
BAB V
IMPLEMENTASI DAN PENGUJIAN SISTEM Bab ini berisi penjelasan tentang implementasi dan pengujian terhadap sistem yang telah dibuat. Pengujian sistem pada aplikasi diagnosis penyakit diabetes mellitus menggunakan pengujian confusion matriks.
5
BAB VI
PENUTUP Bab ini berisi tentang kesimpulan yang diperoleh dari hasil pembuatan aplikasi dan sasaran untuk pengembangan selanjutnya.
1.7
Tinjauan Pustaka Terdapat banyak literatur yang ditemukan untuk peneliti mengenai diagnosis
penyakit pada umumnya dengan menggunakan metode Fuzzy Multi Criteria Decision Making (MCDM). Seperti pada penelitian yang dilakukan oleh Zainir (2013) yang berjudul “Penerapan Fuzzy Multi Criteria Decision Making Untuk Mendiagnosis Penyakit Kulit Pyoderma Dengan Metode Agregasi”. Pada penelitian ini, penerapan metode fuzzy multy-criteria decision making untuk mendiagnosis penyakit kulit pyoderma dengan metode agregasi yang digunakan untuk menyelesaikan suatu kemungkinan munculnya gejala yang sama dari gangguan yang berbeda. Data yang diperlukan diambil dari data-data gejala penyakit kulit pyoderma yang bernilai tidak pasti atau samar dan metode agregasi mean digunakan untuk perhitungan kecocokan fuzzy sedangkan untuk pemilihan jenis penyakit kulit pyoderma digunakan dengan nilai total integral. Sistem ini menghasilkan kemungkinan penyakit yang diderita pengguna yang berupa persentase penyakit. Sistem ini dapat digunakan untuk mendiagnosis awal kemungkinan penyakit kulit pyoderma berdasarkan gejala yang dialami pada pasien serta memberikan solusinya. Penelitian lain juga dilakukan oleh Cahyo (2008) yang berjudul “Sistem Pendukung Keputusan Pemilihan Jenis Sakit Kepala dengan Menggunakan Metode Fuzzy MCDM”. Setiap kriteria atau gejala-gejala yang dialami dan jenis alternatif penyakit biasanya mengandung nilai ketidakpastian sehingga penilaian yang diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara linguistik. Tujuannya yang ingin dicapai adalah mengimplementasikan fuzzy ke dalam sistem pendukung keputusan pemilihan jenis sakit kepala dengan metode fuzzy MCDM sehingga menghasilkan output berupa daftar jenis alternatif penyakit yang dialami.
6
Penelitian lain juga dilakukan oleh Wu Jia-Ting dkk (2014) yang berjudul “Hesitant Fuzzy Linguistic Multi Criteria Decision-Making Method Based on Generalized Prioritizied Aggregation Operator”. Penelitian ini membahas tentang kriteria yang ada pada Multi Criteria Decision Making (MCDM) memiliki tingkat prioritas yang berbeda dan nilai kriteria berbentuk angka Hesitant Fuzzy Linguistik (HFLNs). Sebuah pendekatan baru dalam memecahkan masalah yang didasarkan pada operator agregasi umum yang diprioritaskan dari HFLNs. Operator agregasi umum dari HFLNs dikembangkan dan diterapkan untuk penyelesaian masalah dalam MCDM. Contoh ilustratif diberikan untuk menggambarkan efektivitas dan kelayakan metode yang diusulkan kemudian dibandingkan dengan pendekatan yang ada. Hasil dari penelitian ini menunjukkan bahwa metode yang diusulkan dalam penelitian ini layak dan efektif dalam memecahkan masalah MCDM dengan HFLNs
BAB II LANDASAN TEORI
2.1
Diabetes Melitus
2.1.1 Pengertian Diabetes Melitus Diabetes adalah suatu sindrom defisiensi sekresi insulin atau pengurangan efektivitas kerja insulin atau keduanya, yang menyebabkan hiperglikemia. Diabetes diklasifikasikan ke dalam dua tipe utama : Tipe I, atau disebut diabetes melitus bergantung insulin (insulin dependent diabetes melitus, IDDM) dan Tipe II, diabetes melitus tidak bergantung insulin (non-insulin dependent diabetes melitus, NIDDM). Tipe I merupakan bentuk DM yang paling berat dan paling banyak dialami oleh usia muda serta muncul jika sirkulasi insulin tidak nampak secara nyata. Pada DM tipe II terutama dialami oleh orang dewasa tetapi terkadang dialami juga oleh anak-anak (Marrelli., 2008).
2.1.2 Gejala Diabetes Melitus Tipe 1 diabetes, mulanya disebut “diabetes usia muda”, biasanya diagnosis awal bagi anak- anak, remaja dan dewasa muda. Pada diabetes tipe 1, pankreas tidak dapat menghasilkan cukup insulin. Karena kekurangan insulin menyebabkan glukosa tetap ada di dalam aliran darah dan tidak dapat digunakan sebagai energi.
Penderita DM dengan diabetes melitus tipe II mengalami penurunan sensitivitas terhadap kadar glukosa, yang berakibat pada pembentukan kadar glukosa yang tinggi. Keadaan ini disertai dengan ketidakmampuan otot dan jaringan lemak untuk meningkatkan ambilan glukosa, sehingga mekanisme ini menyebabkan meningkatnya resistensi insulin perifer. Beberapa Gejala klasik diabetes sebagai berikut (PERKENI, 2011) : 1.
Sering berkemih/buang air kecil terutama pada malam hari (poliuria). Hal ini terjadi karena ginjal ingin membersihkan kelebihan glukosa dalam
sirkulasi darah sehingga seseorang dengan gejala seperti ini menjadi lebih sering buang air kecil dan dalam jumlah yang besar.
7
8
2.
Merasakan haus berlebih (polidipsia). Hal ini dikarenakan banyaknya cairan yang dikeluarkan oleh tubuh sehingga
memudahkan seseorang untuk merasakan haus/dehidrasi. 3.
Merasakan lapar yang berlebih (polifagia) Sejumlah besar kalori hilang ke dalam air seni, penderita mengalami
penurunan berat badan. Untuk mengkompensasikan hal ini penderita seringkali merasakan lapar yang luar biasa sehingga menyebabkan penderita DM dengan gejala ini merasakan lapar yang berlebih. 4.
Penurunan berat badan yang tidak dapat dijelaskan sebabnya. Gejala ini disebabkan karena pankreas mulai rusak. Pankreas memiliki tugas
memproduksi insulin yang digunakan mengolah glukosa menjadi sumber energi. Karena pankreas pada penderita diabetes gagal mengolah gula menjadi energi, maka terjadilah resistensi insulin. Tubuh kemudian akan mencari sumber energi alternatif dengan membakar cadangan lemak dalam tubuh. Jika cadangan lemak habis, maka sasaran selanjutnya adalah otot. Akibatnya bobot tubuh akan terus menyusut. 5.
Lemah badan. Seseorang dengan gejala seperti ini disebabkan karena tubuh yang tidak
mampu memproses glukosa menjadi energi. 6.
Kesemutan Gejala ini terjadi karena pembuluh darah yang rusak, sehingga darah yang
mengalir di ujung–ujung saraf pun berkurang. 7.
Gatal-gatal pada kulit Jika kadar gula dalam darah tinggi, tubuh akan kehilangan cairan sehingga
kulit mengering. Ini karena tubuh mencoba mengeluarkan gula melalui air seni. Kulit kering yang mengelupas menimbulkan rasa gatal pada kulit ini dapat menyebabkan luka garukan dan infeksi. Selain itu kulit kering juga dapat nyeri, kemerahan, dan pecah-pecah sehingga kuman mudah masuk. 8.
Penglihatan kabur Hal ini dikarenakan adanya penyempitan pembuluh darah kapiler yang
disertai dengan perdarahan pada bagian retina.
9
9.
Luka sukar sembuh. Luka sukar sembuh adalah efek lain dari kerusakan pembuluh darah dan
saraf selain kesemutan. Kerusakan ini mengakibatkan penderita diabetes tidak merasakan sakit jika mengalami luka. Mereka bahkan kadang tidak sadar telah terluka. Gabungan kadar gula darah yang tinggi dan tidak adanya rasa nyeri, maka luka yang awalnya kecil dapat membesar menjadi borok dan bahkan membusuk. Jika sudah sampai tahap ini, amputasi merupakan satu-satunya jalan keluar atau solusi untuk menyembuhkannya.
2.1.3 Diagnosis Diabetes Melitus Berbagai keluhan dapat ditemukan pada penyandang diabetes. Kecurigaan adanya DM perlu dipikirkan apabila terdapat keluhan klasik DM seperti di bawah ini (PERKENI, 2011) : 1.
Keluhan klasik DM berupa: poliuria, polidipsia, polifagia, dan penurunan berat badan yang tidak dapat dijelaskan sebabnya.
2.
Keluhan lain dapat berupa: lemah badan, kesemutan, gatal, mata kabur, dan disfungsi ereksi pada pria, serta pruritus vulvae pada wanita
Diagnosis DM dapat ditegakkan melalui tiga cara: 1.
Jika keluhan klasik ditemukan, maka pemeriksaan glukosa plasma sewaktu >200 mg/dL sudah cukup untuk menegakkan diagnosis DM
2.
Pemeriksaan glukosa plasma puasa ≥ 126 mg/dL dengan adanya keluhan klasik.
3.
Tes toleransi glukosa oral (TTGO). Meskipun TTGO dengan beban 75 g glukosa lebih sensitif dan spesifik dibanding dengan pemeriksaan glukosa plasma puasa, namun pemeriksaan ini memiliki keterbatasan tersendiri. TTGO sulit untuk dilakukan berulang-ulang dan dalam praktek sangat jarang dilakukan karena membutuhkan persiapan khusus.
4.
TGT (Tes Glukosa Terganggu) : Diagnosis TGT ditegakkan bila setelah pemeriksaan TTGO didapatkan glukosa plasma 2 jam setelah beban antara 140 – 199 mg/dL (7,8-11,0 mmol/L).
10
5.
GDPT: Diagnosis GDPT ditegakkan bila setelah pemeriksaan glukosa plasma puasa didapatkan antara 100 – 125 mg/dL (5,6 – 6,9 mmol/L) dan pemeriksaan TTGO gula darah 2 jam < 140 mg/dL.
2.2
Sistem Penunjang Keputusan (SPK) Pada dasarnya sistem pendukung keputusan merupakan pengembangan
lebih lanjut dari sistem informasi manajemen terkomputerisasi yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Sifat interaktif dimaksudkan untuk memudahkan integrasi antara berbagai komponen dalam proses pengambilan keputusan seperti prosedur, kebijakan, teknik analisis, serta pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan bersifat fleksibel. Konsep Sistem Pendukung Keputusan (SPK)/Decision Support Sistem (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu mengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur. Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2005). Karakteristik dan kapabilitas kunci dari sistem pendukung keputusan (Turban, 2005): 1.
Dukungan untuk pengambil keputusan, terutama pada situasi semi terstruktur dan tak tersturktur, dengan menyertakan penilaian manusia dan informasi
terkomputerisasi.
Masalah-masalah
tersebut
tidak
dapat
dipecahkan (atau tidak dapat dipecahkan dengan konvenien) oleh sistem
11
computer lain atau oleh metode atau alat kuantitatif standar. 2.
Dukungan untuk keputusan indenpenden dan sekuensial. Keputusan dapat dibuat satu kali, beberapa kali, atau berulang (dalam interval yang sama).
3.
Dukungan disemua fase proses pengambilan keputusan: inteligensi, desain, pilihan dan implementasi.
4.
Pengguna merasa seperti di rumah. Ramah pengguna, kapabilitas grafis yang sangat kuat, dan antarmuka manusia-mesin interaktif dengan satu bahasa alami dapat sangat meningkatkan keefektifan sistem pendukung keputusan.
Kebanyakan
sistem
pendukung
keputusan
yang
baru
menggunakan antarmuka berbasis web. 5.
Peningkatan terhadap kefektifan pengambil keputusan (akurasi, timeliness, kualitas) ketimbang pada efisiensinya (biaya pengambilan keputusan).
2.2
Metode Fuzzy Multi Criteria Decision Making (FMCDM) Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan
keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan . Fuzzy MCDM dapat dipahami sebagai MCDM dengan data fuzzy. Data fuzzy disini dapat terjadi pada data setiap alternatif pada setiap atribut atau tingkat kepentingan pada setiap kriteria (Siregar, 2014). Pemberian bobot pada fuzzy MCDM berdasarkan pada himpunan fuzzy dimana nilai keanggotaannya menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak di antaranya. Dengan kata lain, nilai kebenaran suatu item tidak hanya benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah (Salim, 2015). Himpunan fuzzy memiliki 2 atribut, yaitu : 1.
Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami.
2.
Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel
12
Pada metode Fuzzy Multi Criteria Decision Making (FMCDM) ada 3 langkah penting yang harus dikerjakan, yaitu : 1.
Representasi masalah.
2.
Evaluasi himpunan fuzzy pada setiap alternatif keputusan.
3.
Melakukan seleksi terhadap alternatif yang optimal.
2.2.1 Representasi masalah Pada bagian ini, terdapat tiga aktivitas yang harus dilakukan, yaitu : 1.
Identifikasi tujuan dan kumpulan alternatif keputusannya. Tujuan keputusan dapat direpresentasikan dengan menggunakan bahasa alami atau nilai numeris sesuai dengan karakteristik dari masalah tersebut. Jika ada 𝑛 alternatif keputusan dari suatu masalah, maka alternatif-alternatif tersebut dapat ditulis sebagai 𝐴 = {𝐴𝑖 ; 𝑖 = 1,2, … , 𝑛}.
2.
Identifikasi kumpulan kriteria. Jika ada 𝑘 kriteria, maka dapat dituliskan 𝐶 = {𝐶𝑡 ; 𝑡 = 1,2, … , 𝑘 }.
3.
Membangun
stuktur
hirarki
dari
masalah
tersebut
berdasarkan
pertimbangan-pertimbangan tertentu (Sumardi, 2014). Struktur hirarki dapat dilihat pada Gambar 2.1. Tujuan
Kriteria C1
Kriteria C2
Kriteria Cn
Alternatif A1
Alternatif A1
Alternatif A1
Gambar 2.1 Struktur hirarki MCDM (Novhirtamely, 2011)
13
2.2.2 Evaluasi himpunan fuzzy Pada bagian ini, terdapat tiga aktivitas yang harus dilakukan, yaitu : 1.
Memilih himpunan rating untuk bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Secara umum, himpunan-himpunan rating terdiri atas tiga elemen, yaitu, variabel linguistik (𝑥) yang merepresentasikan bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya; 𝑇(𝑥) yang merepresentasikan rating dari variabel linguistik; dan fungsi keanggotaan yang berhubungan dengan setiap elemen dari 𝑇(𝑥). Misal, rating untuk bobot pada variabel penting untuk suatu kriteria didefinisikan sebagai: T(penting) = {Sangat Rendah, Rendah, Cukup, Tinggi, Sangat Tinggi}. Sesudah himpunan rating ini ditentukan, maka kita harus menentukan fungsi keanggotaan untuk setiap rating. Biasanya digunakan fungsi segitiga. Misal, 𝑊𝑡 adalah bobot untuk kriteria 𝐶𝑡 ; dan 𝑆𝑖𝑡 adalah rating fuzzy untuk derajat kecocokan alternatif keputusan 𝐴𝑖 dengan kriteria 𝐶𝑡 ; dan 𝐹𝑖 adalah indeks kecocokan fuzzy dari alternatif 𝐴𝑖 yang merepresentasikan derajat kecocokan alternatif keputusan dengan kriteria keputusan yang diperoleh dari hasil agregasi 𝑆𝑖𝑡 dan 𝑊𝑡
2.
Menentukan bobot-bobot setiap rating dari himpunan rating derajat kepentingan setiap kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Bobot untuk setiap rating ditentukan dengan menggunakan fungsi keanggotaan bilangan fuzzy. Dalam penelitian ini, adapun fungsi keanggotaan bilangan fuzzy yang digunakan adalah fungsi bilangan fuzzy segitiga. Gambar fungsi keanggotaan fuzzy segitiga dapat dilihat pada Gambar 2.2.
14
Sangat rendah
rendah
sedang
0,25
0,5
tinggi
sangat tinggi
1
0,5
x 0
0,75
1
Gambar 2.2 Fungsi keanggotaan untuk bobot setiap rating dengan himpunan bilangan fuzzy segitiga Dengan asumsi rentang yang digunakan adalah: Sangat Rendah = SR = (0, 0, 0,25) Rendah
= R = (0, 0,25, 0,5)
Sedang
= S = (0,25, 0,5, 0,75)
Tinggi
= T = (0,5, 0,75, 1)
Sangat Tinggi
= ST = (0,75, 1, 1)
Pemberian bobot untuk variabel yang memiliki range nilai yaitu dengan cara mengkoversikan variabel tersebut ke dalam bilangan fuzzy. Dapat dilihat pada Tabel 2.1. Tabel 2.1 Contoh pemberian bobot nilai pada variabel yang memiliki range nilai Variabel
Umur
3.
Range Nilai Usia 1 (0 – 18 tahun) Usia 2 (17 – 30 tahun) Usia 3 (25 – 40 tahun) Usia 4 ( > 40 tahun)
Konversi ke bilangan fuzzy 0,6 0,8 1 0,4 0,6 0,8 0 0,3 0,5 0 0 0,4
Mengagregasikan bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Ada beberapa metode yang dapat digunakan untuk melakukan agregasi
15
terhadap hasil keputusan para pengambil keputusan, antara lain: mean, median, max, min, dan operator campuran. Dari beberapa metode tersebut, metode mean yang paling banyak digunakan. Operator “+” dan “×” adalah operator yang digunakan untuk penjumlahan dan perkalian Fuzzy. Persamaan yang digunakan dalam mengagregasikan bobot-bobot kriteria dan derajat kecocokan pada setiap alternatif dengan kriterianya yaitu Persamaan 2.1. 1
𝐹𝑖 = ( ) [(𝑆𝑖𝑡 × 𝑊𝑡 ) + (𝑆𝑖𝑡 × 𝑊𝑡 ) + ⋯ + (𝑆𝑖𝑡 × 𝑊𝑡 )] 𝑘
(2.1)
Keterangan : 𝐹𝑖
:
Indeks kecocokan fuzzy dari alternatif 𝐴𝑖 yang mempresentasikan derajat kecocokan alternatif keputusan dengan kriteria keputusan yang diperoleh dari hasil agregasi 𝑆𝑖𝑡 dan 𝑊𝑡
𝑆𝑖𝑡
:
Bobot rating fuzzy untuk derajat kecocokan alternatif keputusan 𝐴𝑖 dengan kriteria 𝐶𝑡
𝑊𝑡
:
Bobot rating fuzzy untuk derajat kepentingan kriteria 𝐶𝑡
𝑘
:
Banyaknya kriteria
Dengan cara mensubstitusikan 𝑆𝑖𝑡 dan 𝑊𝑡 dengan bilangan fuzzy segitiga, yaitu 𝑆𝑖𝑡 = (𝑜𝑖𝑡 , 𝑝𝑖𝑡 , 𝑞𝑖𝑡 ); dan 𝑊𝑖𝑡 = (𝑎𝑡 , 𝑏𝑡 , 𝑐𝑡 ); maka 𝐹𝑡 dapat didekati menggunakan Persamaan 2.3, 2.4, dan 2.5 𝐹𝑡 = (𝑌𝑖 , 𝑄𝑖 , 𝑍𝑖 )
(2.2)
𝑘
1 𝑌𝑖 = ( ) ∑ 𝑜𝑖𝑡 , 𝑎𝑖 𝑘 𝑡=1 𝑘
1 𝑄𝑖 = ( ) ∑ 𝑝𝑖𝑡 , 𝑏𝑖 𝑘 𝑡=1 𝑘
1 𝑍𝑖 = ( ) ∑ 𝑞𝑖𝑡 , 𝑐𝑖 𝑘 𝑡=1
𝑖 = 1,2,3, … , 𝑛 Keterangan : 𝑌𝑖 , 𝑄𝑖 , 𝑍𝑖
: Bilangan fuzzy segitiga dari alternatif 𝐴𝑖 hasil agregasi dari 𝑆𝑖𝑡 dan
𝑊𝑡 𝑜𝑖𝑡 , 𝑝𝑖𝑡 , 𝑞𝑖𝑡 : Bilangan fuzzy segitiga untuk derajat kecocokan alternatif keputusan 𝐴𝑖 dengan kriteria 𝐶𝑡
16
𝑎𝑡 , 𝑏𝑡 , 𝑐𝑡
: Bilangan fuzzy segitiga untuk bobot criteria 𝐶𝑡
𝑖
: Alternatif ke
𝑡
: Bobot ke
𝑘
: Banyaknya kriteria
2.2.3 Seleksi alternatif yang optimal Pada bagian ini, terdapat dua aktivitas yang dilakukan, yaitu: 1.
Memprioritaskan alternatif keputusan berdasarkan hasil agregasi. Prioritas dari hasil agregasi dibutuhkan dalam rangka proses perangkingan
alternatif keputusan. Karena hasil agregasi ini direpresentasikan dengan menggunakan bilangan fuzzy segitiga, maka dibutuhkan metode perangkingan untuk bilangan fuzzy segitiga. Salah satu metode yang dapat digunakan adalah metode nilai total integral. Misalkan 𝐹 adalah bilangan fuzzy segitiga, 𝐹 = (𝑎, 𝑏, 𝑐 ), maka nilai total integral dapat dirumuskan pada Persamaan 2.6. Dimana variabel 𝑎, 𝑏, 𝑐 merupakan hasil perhitungan pada Persamaan 2.3, 2.4, dan 2.5. Nilai α adalah indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan (0 ≤ 𝛼 ≤ 1). 1
𝐼𝑇𝛼 (𝐹 ) = (2) (𝛼𝑐 + 𝑏 + (1 − 𝛼 )𝑎)
(2.6)
Keterangan : 𝐼𝑇𝛼 (𝐹 )
: Nilai total integral
𝑎, 𝑏, 𝑐
: Bilangan fuzzy segitiga dari hasil persamaan 2.3, 2.4, dan 2.5.
𝛼
: Indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan (0 ≤ 𝛼 ≥ 1). Apabila nilai α semakin besar maka mengindikasikan bahwa derajat keoptimisannya semakin besar.
2.
Memilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal. Semakin besar nilai 𝐹𝑖 berarti kecocokan terbesar dari alternatif keputusan
untuk kriteria keputusan, dan nilai inilah yang akan menjadi tujuannya. (Siregar, 2014).
17
2.3
Metode Pengembangan Sistem
Metode Waterfall Menurut Pressman (2010), model waterfall adalah model klasik yang bersifat sistematis, berurutan dalam membangun software. Nama model ini sebenarnya adalah “Linear Sequential Model”. Model ini sering disebut dengan “classic life cycle” atau model waterfall. Model ini termasuk ke dalam model generic pada rekayasa perangkat lunak dan pertama kali diperkenalkan oleh Winston Royce sekitar tahun 1970 sehingga sering dianggap kuno, tetapi merupakan
model
yang
paling
banyak
dipakai
di
dalam Software
Engineering (SE). Model ini melakukan pendekatan secara sistematis dan berurutan. Disebut dengan waterfall karena tahap demi tahap yang dilalui harus menunggu selesainya tahap sebelumnya dan berjalan berurutan. Waterfall adalah suatu metodologi pengembangan perangkat lunak yang mengusulkan pendekatan kepada perangkat lunak sistematik dan sekuensial yang mulai pada tingkat kemajuan sistem pada seluruh analisis, desain, kode, pengujian dan pemeliharaan. Langkah-langkah yang harus dilakukan pada metodologi waterfall adalah sebagai berikut : 1.
Analisis kebutuhan perangkat lunak Proses pengumpulan kebutuhan diintensifkan dan difokuskan, khususnya
pada perangkat lunak. Untuk memahami sifat program yang dibangun, rekayasa perangkat lunak (analisis) harus memahami domain informasi, tingkah laku, unjuk kerja dan antar muka (interface) yang diperlukan. Kebutuhan baik untuk sistem maupun perangkat lunak didokumentasikan dan dilihat dengan pelanggan. Mengumpulkan kebutuhan secara lengkap kemudian dianalisis dan didefinisikan kebutuhan yang harus dipenuhi oleh software yang akan dibangun. Hal ini sangat penting, mengingat software harus dapat berinteraksi dengan elemen-elemen yang lain seperti hardware, database, dsb. Tahap ini sering disebut dengan Project Definition. 2.
Desain Desain perangkat lunak sebenarnya adalah proses multi langka yang
berfokus pada empat atribut sebuah program yang berbeda; struktur data, asitektur
18
perangkat lunak, representasi interface dan detail (algoritma) prosedural. Proses desain menerjemahkan syarat/kebutuhan kedalam sebuah representasi perangkat lunak yang dapat di perkirakan demi kualitas sebelum dimulai pemunculan kode. Sebagaimana persyaratan, desain didokumentasikan dan menjadi bagian dari konfigurasi perangkat lunak. Proses pencarian kebutuhan diintensifkan dan difokuskan pada software. Untuk mengetahui sifat dari program yang akan dibuat, maka para software engineer harus mengerti tentang domain informasi dari software, misalnya fungsi yang dibutuhkan, user interface, dsb. Dari dua aktivitas tersebut (pencarian kebutuhan sistem dan software) harus didokumentasikan dan ditunjukkan kepada user. Proses software design untuk mengubah kebutuhan-kebutuhan di atas menjadi representasi ke dalam bentuk "blueprint" software sebelum coding dimulai. Desain harus dapat mengimplementasikan kebutuhan yang telah disebutkan pada tahap sebelumnya. Seperti dua aktivitas sebelumnya, maka proses ini juga harus didokumentasikan sebagai konfigurasi dari software. 3.
Generasi Kode Desain harus diterjemahkan dalam bentuk mesin yang bisa dibaca. Langkah
pembuatan kode melakukan tugas ini. Jika desain dilakukan dengan cara yang lengkap, pembuatan kode dapat diselesaikan secara mekanis. Untuk dapat dimengerti oleh mesin, dalam hal ini adalah komputer, maka desain tadi harus diubah bentuknya menjadi bentuk yang dapat dimengerti oleh mesin, yaitu ke dalam bahasa pemrograman melalui proses coding. Tahap ini merupakan implementasi dari tahap desain yang secara teknis nantinya dikerjakan oleh programmer. 4.
Pengujian Proses Pengujian dilakukan pada logika internal untuk memastikan semua
pernyataan sudah diuji. Pengujian eksternal fungsional untuk menemukan kesalahan-kesalahan dan memastikan bahwa input akan memberikan hasil yang aktual sesuai yang dibutuhkan.
19
5.
Pemeliharaan Perangkat lunak yang sudah disampaikan kepada pelanggan pasti akan
mengalami perubahan. Perubahan tersebut bisa karena mengalami kesalahan karena perangkat lunak harus menyesuaikan dengan lingkungan (periperal atau sistem operasi baru) baru, atau karena pelanggan membutuhkan perkembangan fungsional atau unjuk kerja. Sesuatu yang dibuat haruslah diuji cobakan. demikian juga dengan software. Semua fungsi-fungsi software harus diuji cobakan, agar software bebas dari error, dan hasilnya harus benar-benar sesuai dengan kebutuhan yang sudah didefinisikan sebelumnya. Pemeliharaan suatu software diperlukan, termasuk di dalamnya adalah pengembangan, karena software yang dibuat tidak selamanya hanya seperti itu ketika dijalankan mungkin saja masih ada error kecil yang tidak ditemukan sebelumnya atau ada penambahan fitur-fitur yang belum ada pada software tersebut. Pengembangan diperlukan ketika adanya perubahan dari eksternal perusahaan seperti ketika ada pergantian sistem operasi, atau perangkat lainnya. Kelebihan dari model ini adalah selain karena pengaplikasian menggunakan model ini mudah, kelebihan model ini adalah ketika semua kebutuhan sistem dapat didefinisikan secara utuh, eksplisit, dan benar di awal proyek, maka Software Engineering (SE) dapat berjalan dengan baik dan tanpa masalah meskipun seringkali kebutuhan sistem tidak dapat didefinisikan se-eksplisit yang diinginkan, tetapi paling tidak, problem pada kebutuhan sistem di awal proyek lebih ekonomis dalam hal uang (lebih murah), usaha, dan waktu yang terbuang lebih sedikit jika dibandingkan problem yang muncul pada tahap-tahap selanjutnya. Kekurangan yang utama dari model ini adalah kesulitan dalam mengakomodasi perubahan setelah proses dijalani. Fase sebelumnya harus lengkap dan selesai sebelum mengerjakan fase berikutnya. Masalah dengan waterfall : 1.
Perubahan sulit dilakukan karena sifatnya yang kaku
20
2.
Karena sifat kakunya, model ini cocok ketika kebutuhan dikumpulkan secara lengkap sehingga perubahan bisa ditekan sekecil mungkin. Tapi pada kenyataannya jarang sekali konsumen/pengguna yang bisa memberikan kebutuhan secara lengkap, perubahan kebutuhan adalah sesuatu yang wajar terjadi.
3.
Waterfall pada umumnya digunakan untuk rekayasa sistem yang besar yaitu dengan proyek yang dikerjakan di beberapa tempat berbeda, dan dibagi menjadi beberapa bagian sub-proyek.
Fase-fase dalam model waterfall menurut referensi Pressman dapat dilihat pada Gambar 2.3.
Gambar 2.3 Metode Waterfall (Pressman, 2010)
2.4
UML (Unified Modeling Language)
2.5.1 Definisi Unified Modeling Language (UML) UML (Unified Modeling Language) adalah bahasa pemodelan untuk sistem atau perangkat lunak yang berparadigma (berorientasi objek). Pemodelan (modeling) sesungguhnya digunakan untuk penyederhanaan permasalahanpermasalahan yang kompleks sedemikian rupa sehingga lebih mudah dipelajari dan dipahami (Nugroho, 2010). Berdasarkan pendapat yang dikemukakan di atas dapat ditarik kesimpulan bahwa UML adalah sebuah bahasa yang berdasarkan grafik atau Gambar untuk menvisualisasikan, menspesifikasikan, membangun dan pendokumentasian dari
21
sebuah sistem pengembangan perangkat lunak berbasis Objek (Object Oriented programming).
2.5.2 Konsep Pemodelan Menggunakan UML Menurut Nugroho (2010), Sesungguhnya tidak ada batasan yag tegas diantara
berbagai
konsep
dan
konstruksi
dalam
UML,
tetapi
untuk
menyederhanakannya, kita membagi sejumlah besar konsep dan dalam UML menjadi beberapa view. Suatu view sendiri pada dasarnya merupakan sejumlah konstruksi pemodelan UML yang merepresentasikan suatu aspek tertentu dari sistem atau perangkat lunak yang sedang kita kembangkan. Pada peringkat paling atas, view-view sesungguhnya dapat dibagi menjadi tiga area utama, yaitu: klasifikasi struktural (structural classification), perilaku dinamis (dinamic behaviour), serta pengolahan atau manajemen model (model management).
2.5.3 Jenis-jenis diagram UML (Unified Modeling Language) Menurut Henderi (2007), Berikut ini adalah definisi mengenai 5 diagram UML: 1.
Use Case Diagram secara grafis menggambarkan interaksi antara sistem, sistem eksternal dan pengguna. Dengan kata lain use case diagram secara grafis mendeskripsikan siapa yang akan menggunakan sistem dan dalam cara apa pengguna (user) mengharapkan interaksi dengan sistem itu. Use case secara naratif digunakan untuk secara tekstual menggambarkan sekuensi langkah-langkah dari setiap interaksi. Tabel 2.2 Tabel simbol Use Case Diagram: Tabel 2.2 Tabel simbol use case diagram Simbol
Keterangan Aktor : Mewakili peran orang. Sistem yang lain atau alat ketika berkomunikasi dengan use case Use case adalah Abstraksi dari interaksi antara sistem dan aktor
22
Tabel 2.2 Tabe simbol use case diagram (lanjutan) Association adalah abstraksi dari penghubung antara aktor dan use case Generalisasi menunjukkan spesialisasi aktor untuk dapat berpastisipasi dalam use case. <
>
Menunjukkan bahwa suatu use case seluruhnya merupakan fungsionalitas dari use case lainnya.
<<extend>>
Menunjukkan bahwa suatu use case merupakan tambahan fungsional dari use case lainnya jika suatu kondisi terpenuhi
2.
Sequence Diagram secara grafis menggambarkan bagaimana objek berinteraksi dengan satu sama lain melalui pesan pada sekuensi sebuah use case atau operasi. Tabel 2.3 Tabel simbol Sequance Diagram: Tabel 2.3 Tabel simbol Sequence Diagram
No
Nama
Keterangan
1
LifeLime
Objek entity, antarmuka yang saling berinteraksi.
2
Actor
3
Simbol
Digunakan
untuk
menggambarkan
user
/
pengguna. Spesifikasi dari komunikasi antar objek yang
Message() Message
memuat informasi-informasi tentang aktifitas yang terjadi
3.
Activity Diagram secara grafis digunakan untuk menggambarkan rangkaian aliran aktivitas baik proses bisnis maupun use case. Activity diagram dapat juga digunakan untuk memodelkan action yang akan dilakukan saat sebuah operasi dieksekusi, dan memodelkan hasil dari action tersebut. Tabel 2.4 Tabel simbol Activity Diagram:
23
Tabel 2.4 Tabel simbol Activity Diagram No
Simbol
Nama
Keterangan Memperlihatkan
1
Activity
masing
bagaimana
kelas
antarmuka
masingsaling
berinteraksi satu sama lain State dari sistem yang mencerminkan
2
Action
3
Inisial Node
Bagaimana objek dibentuk atau diawali
4
Activity Final Node
Bagaimana objek dibentuk dan diakhiri
eksekusi dari suatu aksi
Digunakan untuk menggambarkan suatu 5
Decision
keputusan / tindakan yang harus diambil pada kondisi tertentu
6 Line Connector
2.5
Digunakan untuk menghubungkan satu simbol dengan simbol lainnya
Flowchart
2.6.1 Pengertian Dasar Flowchart Flowchart adalah bagan-bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelesaian suatu masalah. Flowchart merupakan cara penyajian dari suatu algoritma. Tujuan membuat flowchart : 1.
Menggambarkan suatu tahapan penyelesaian masalah
2.
Secara sederhana, terurai, rapi dan jelas
3.
Menggunakan simbol-simbol standar Dalam penulisan flowchart dikenal dua model, yaitu Sistem Flowchart
dan Program Flowchart. 1.
Sistem Flowchart Sistem flowchart adalah bagan yang memperlihatkan urutan prosedur dan
proses dari beberapa file di dalam media tertentu. Melalui flowchart ini terlihat jenis media penyimpanan yang dipakai dalam pengolahan data.
24
Selain itu juga menggambarkan file yang dipakai sebagai input dan output. Tidak
digunakan
untuk
menggambarkan
urutan
langkah
untuk
memecahkan masalah hanya untuk menggambarkan prosedur dalam sistem yang dibentuk. 2.
Program Flowchart Program flowchart adalah bagan yang memperlihatkan urutan dan
hubungan proses dalam suatu program. Dua jenis metode penggambaran program flowchart : 1.
Conceptual flowchart, menggambarkan alur pemecahan masalah secara global.
2.
Detail flowchart, menggambarkan alur pemecahan masalah secara rinci.
2.6.2 Bagan Flowchart Flowchart adalah serangkaian bagan-bagan yang menggambarkan alur program. Flowchart atau diagram alir memiliki bagan-bagan yang melambangkan fungsi tertentu. Bagan, nama dan fungsinya seperti yang disajikan pada Tabel 2.5. Tabel 2.5 Tabel bagan flowchart Simbol
2.7
Nama
Fungsi
Terminator
Awal atau akhir program
Flow
Arah aliran program
Process
Proses/pengolahan data
Input/output Data
input/output data
Decision
Seleksi atau kondisi
ERD (Entity Relationship Diagram) Dalam
rekayasa
perangkat
lunak,
sebuah Entity-Relationship
Model (ERM) merupakan abstrak dan konseptual representasi data. EntityRelationship adalah salah satu metode pemodelan basis data yang digunakan untuk menghasilkan skema konseptual untuk jenis/model data semantik sistem. Dimana sistem seringkali memiliki basis data relasional, dan ketentuannya
25
bersifat top-down. Diagram untuk menggambarkan model Entitiy-Relationship ini disebut Entitiy-Relationship diagram, ER diagram, atau ERD. ERD (Entity
Relationship
Diagram)
adalah
suatu
model
untuk
menjelaskan hubungan antar data dalam basis data berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi. ERD untuk memodelkan struktur data dan hubungan antar data, untuk menggambarkannya digunakan beberapa notasi dan simbol. Dapat dilihat pada Tabel 2.6. Tabel 2.6 Tabel Simbol ERD Simbol
Keterangan Entitas adalah suatu objek yang dapat diidentifikasi dalam
Entitas Relasi
lingkungan pemakai. Relasi menunjukkan adanya hubungan di antara sejumlah entitas yang berbeda.
Atribut
Atribut berfungsi mendeskripsikan karakter entitas (atribut yang berfungsi sebagai primary key diberi garis bawah) Garis sebagai penghubung antara relasi dengan entitas, relasi dan entitas dengan atribut.
2.8 Bahasa Java Java merupakan perangkat lunak open source yang andal dan portable untuk beberapa macam sistem operasi, seperti Windows, Linux, Solaris, dan lainnya. Java memiliki komponen JDBC yang dikhususkan untuk pemrograman database. JDBC merupakan API (Application Programming Interface) Standard untuk akses database. Perangkat lunak Java dibangun atau dibuat dengan bahasa pemrograma C++, tetapi mengakomodasi teknologi terbaik dari bahasa pemrograman C dan memperbaiki kekurangan bahasa pemrograman C++. Java termasuk bahasa pemrograman Multithreading (dapat mengerjakan beberapa proses dalam waktu yang bersamaan). Perangkat lunak Java juga secara otomatis menangani sisa memory yang tidak terpakai/sampah (garbage) (Supardi, 2007). Java dirancang agar mudah dipelajari dan digunakan secara efektif. Java tidak menyediakan fitur-fitur rumit, serta banyak pekerjaan pemrogram yang
26
mulanya harus dilakukan manual dikerjakan Java secara otomatis seperti dealokasi memori. Tipe variabel Java mempunyai ukuran sama di semua platform sehingga variabel bertipe integer (int, long) berukuran sama tidak peduli di mana program dikompilasi dan dijalankan. Juga terhadap penggunaan Java applet di web adalah sama sekali tidak memerlukan perubahan agar dapat dieksekusi di platform manapun. Begitu telah tercipta file .class di platform manapun, maka file .class itu dapat dijalankan di platform manapun (Hariyanto, 2014).
2.8.1
Netbeans Netbeans adalah sebuah aplikasi Integrated Development Environment
(IDE) yang berbasiskan Java dari Sun Microsystems yang berjalan di atas swing. Swing
merupakan
sebuah
teknologi
Java
untuk
pengembangan
aplikasi dekstop yang dapat berjalan pada berbagai macam platform seperti Windows, Linux, Mac OS X dan Solaris. Sebuah IDE merupakan lingkup pemrograman yang di integrasikan ke dalam suatu aplikasi perangkat lunak yang menyediakan Graphic User Interface (GUI), suatu kode editor atau text, suatu compiler dan suatu debugger. Netbeans juga dapat digunakan progammer untuk menulis, meng-compile, mencari kesalahan dan menyebarkan program netbeans yang ditulis dalam bahasa pemrograman java namun selain itu dapat juga mendukung bahasa pemrograman lainnya dan program ini pun bebas untuk digunakan dan untuk membuat professional dekstop, enterprise, web, and mobile applications dengan Java language, C/C++, dan bahkan dynamic languages seperti PHP, JavaScript, Groovy, dan Ruby. (Hartati dan Sri, 2008)
2.8.2
MySQL Menurut Kadir (2008), MySQL merupakan software yang tergolong
sebagai DBMS (Database Management System) yang bersifat open source. Open source menyatakan bahwa software ini dilengkapi dengan source code (code yang dipakai untuk membuat MySQL). Selain tentu saja
bentuk
27
executable-nya atau kode yang dapat dijalankan secara langsung dalam sistem operasi dan bisa diperoleh secara gratis dengan mengunduh di internet. Seperti tersirat namanya, SQL mendukung perintah SQL (Structured Query Language). Sebagaimana diketahui SQL merupakan bahasa standar dalam pengaksesan database rasional. Pengetahuan akan SQL akan memudahkan siapapun untuk menggunakan MySQL. Menurut Nugroho (2008) Sebagai sebuah program penghasil database, MySQL tidak mungkin berjalan sendiri tanpa adanya sebuah aplikasi pengguna (interface) yang mungkin berguna sebagai program aplikasi pengakses database yang dihasilkan. MySQL dapat didukung oleh hampir semua program aplikasi baik yang open windows seperti Visual Basic, Delphi dan lainya. DBMS yang menggunakan bahasa SQL : 1. MySQL 2. MSQL 3. Oracle 4. SQL Server 97, 2000 5. Inaterbase, dll Program-program aplikasi yang mendukung MySQL : 1. PHP 2. Borland Delphi, Borland C++ Builder 3. Visual Basic 5.0 /6.0 dan .Net 4. Visual FoxPro 5. Netbeans, dll
2.9
Confusion Matrix Confusion matrix adalah suatu metode yang biasanya digunakan untuk
melakukan perhitungan akurasi. Confusion matrix menggunakan 3 perhitungan yaitu Classification accuracy, Sensitivity, Spesificity. Classification accuracy merupakan ketepatan klasifikasi yang diperoleh. Sensitivity merupakan ukuran ketepatan dari suatu kejadian yang diinginkan. Specificity merupakan suatu ukuran yang menyatakan persentase kejadian-kejadian yang tidak diinginkan.
28
Classification accuracy, sensitivity, dan specificity dapat ditentukan menggunakan nilai yang terdapat dalam confusion matrix. Pengujian sistem menggunakan confussion matriks terlebih dahulu dibuat tabel klasifikasi data (Novianti dan Purnami, 2012). Dapat dilihat pada Tabel 2.7. Tabel 2.7 Tabel klasifikasi data uji Pakar Sistem Pakar
TP
FN
Sistem
FP
TN
Keterangan : P (Positive)
: Data terdiagnosis berpenyakit DM
N (Negative)
: Data tidak terdiagnosis berpenyakit DM atau Normal.
TP (True Positive)
: jumlah hasil diagnosis yang bernilai benar pada sistem dan bernilai benar pada diagnosis pakar.
TN (True Negative)
: jumlah hasil diagnosis yang bernilai benar pada sistem dan bernilai salah pada diagnosis pakar.
FP (False Positive)
: jumlah hasil diagnosis yang bernilai salah pada sistem dan bernilai benar pada diagnosis pakar.
FN (False Negative) : jumlah hasil diagnosis yang bernilai salah pada sistem dan bernilai salah pada diagnosis pakar.
Perhitungan nilai Classification accuracy, sensitivity, dan specificity dapat dilihat pada persamaan 2.7, 2.8, dan 2.9. 𝑆𝑒𝑛𝑠𝑖𝑡𝑖𝑣𝑖𝑡𝑦 =
𝑇𝑃 × 100% 𝑇𝑃 + 𝐹𝑁
(2.7)
𝑆𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑡𝑦 =
𝑇𝑁 × 100% 𝑇𝑁 + 𝐹𝑃
(2.8)
𝐴𝑐𝑐𝑢𝑟𝑎𝑐𝑦 =
𝑇𝑃 + 𝑇𝑁 × 100% 𝑇𝑃 + 𝐹𝑁 + 𝑇𝑁 + 𝐹𝑃
(2.9)
29
Keterangan : TP (True Positive)
: jumlah hasil diagnosis yang bernilai benar pada sistem dan bernilai benar pada diagnosis pakar.
TN (True Negative)
: jumlah hasil diagnosis yang bernilai benar pada sistem dan bernilai salah pada diagnosis pakar.
FP (False Positive)
: jumlah hasil diagnosis yang bernilai salah pada sistem dan bernilai benar pada diagnosis pakar.
FN (False Negative) : jumlah hasil diagnosis yang bernilai salah pada sistem dan bernilai salah pada diagnosis pakar.
BAB III METODOLOGI PENELITIAN
3.1
Waktu dan Tempat Penelitian
3.1.1 Waktu Waktu pelaksanaan penelitian tugas akhir dilaksanakan mulai dari tanggal 20 Juni 2015. Rincian kegiatan dapat dilihat pada Tabel 3.1. Tabel 3.1 Tabel Gannt Chart waktu penelitian Waktu Pelaksanaan Aktifitas
Juni Juli Agustus Sept Okt Nov Des Jan Feb Maret 2015 2015 2015 2015 2015 2015 2015 2015 2016 2016
Analisis Desain Coding Test Pemeliharaan
3.1.2 Tempat Penelitian Penelitian tugas akhir ini bertempat di UPTD (Unit Pelaksana Teknis Daerah) Puskesmas Laosu dan Laboratorium Prodia Kendari.
3.2
Prosedur dan Pengumpulan Data
3.2.1 Jenis Data 1.
Data Kualitatif Data kualitatif adalah data yang berbentuk kata-kata, bukan dalam bentuk
angka. Data kualitatif diperoleh melalui berbagai macam teknik pengumpulan data misalnya wawancara, analisis dokumen, diskusi terfokus, atau observasi yang telah dituangkan dalam catatan lapangan (transkrip). Data kualitatif meliputi macam-macam kriteria inputan berupa gejala-gejala yang diderita oleh pasien Diabetes Melitus (DM).
30
31
2.
Data Kuantitatif Data kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai
dengan bentuknya, data kuantitatif dapat diolah atau dianalisis menggunakan teknik perhitungan matematika atau statistika. Data kuantitatif meliputi bobot nilai dari tiap kriteria.
3.2.2 Sumber Data 1.
Data Primer Data primer adalah data yang diperoleh langsung dari responden dengan
cara wawancara kepada pasien diabetes melitus (DM) untuk mengetahui gejala yang diderita. 2.
Data Sekunder Data sekunder diperoleh dari data rekam medik (RM) UPTD Puskesmas
Laosu.
3.2.3 Pengumpulan Data Beberapa metode yang digunakan dalam pembuatan sistem ini adalah sebagai berikut: 1.
Studi Literatur Pada tahap ini peneliti mengumpulkan informasi dan mempelajari materi
serta sumber-sumber data yang diperlukan untuk membangun sistem metode Multi Criteria Decision Making berdasarkan kriteria-kriteria yang telah diberikan. 2.
Wawancara Peneliti melakukan wawancara dengan dokter spesialis penyakit dalam
seputar penyakit diabetes yang bernama dr. Topan Binawan, SP.PD., M.Kes, dan kepada pasien pengidap penyakit Diabetes Melitus untuk mendapatkan informasi gejala awal yang dialami penderita, penanganan awal yang dilakukan penderita, dan perawatan apa yang telah didapatkan oleh penderita.
32
3.3
Prosedur Pengembangan Perangkat Lunak Metode
pengembangan
perangkat
lunak
yang
digunakan
dalam
pembangunan sistem ini adalah metode Waterfall yang terdiri dari beberapa tahap, yaitu: 1.
Analisis Pada tahap analisis adalah tahap dimana peneliti menganalisis permasalahan
yang ada yaitu kriteria-kriteria penyakit diabetes melitus yang meliputi gejalagejala yang diderita oleh pasien, tinggi badan, berat badan, gula darah puasa, gula darah 2 jam setelah makan dan umur. 2.
Desain Pada tahap desain merupakan tahap dimana peneliti merancang tampilan
awal atau interface dari aplikasi yang akan dibangun. Tampilan interface akan dirancang melalui data-data yang telah diperoleh pada saat tahap analisis. 3.
Coding Pada tahap coding yaitu menerjemahkan aplikasi kedalam bahasa
pemrograman yang telah ditentukan yaitu bahasa pemrograman Java. 4.
Test Test Merupakan tahap pengujian terhadap aplikasi diagnosa penyakit
diabetes mellitus yang telah dibuat menjadi suatu perangkat lunak yang siap pakai dengan tujuan untuk mengetahui apakah sistem yang dibuat sudah sesuai dengan yang diharapkan. 5.
Pemeliharaan Pada tahap pemeliharaan yaitu tahap dimana melakukan koreksi dari
berbagai error yang tidak ditemukan pada tahap-tahap sebelumnya sehingga dilakukan perbaikan, agar dapat menghasilkan sistem yang lebih baik dari sebelumnya.
BAB IV ANALISIS DAN PERANCANGAN SISTEM
4.1
Gambaran Sistem
4.1.1 Gambaran Sistem yang Sedang Berjalan Gambaran umum sistem yang sedang berjalan di masyarakat dalam mendiagnosis penyakit diabetes melitus adalah pasien melakukan konsultasi awal ke puskesmas tentang keluhan yang diderita. Setelah melakukan konsultasi apabila pasien berpotensi terkena penyakit DM berdasarkan gejala-gejala yang telah disebutkan maka penderita akan melakukan tes gula darah di laboratorium. Kemudian pasien menunggu hasil tes tersebut. Setelah pasien memperoleh hasil tes gula darah, pasien kembali melakukan konsultasi ke puskesmas untuk diperiksa lebih lanjut.
4.1.2 Gambaran Sistem yang Diusulkan Gambaran umum sistem yang diusulkan dalam mendiagnosis penyakit diabetes melitus yaitu sebuah aplikasi diagnosis penyakit diabetes melitus menggunakan metode Fuzzy Multi Criteria Decision Making (FMCDM). Dalam mendiagnosis penyakit diabetes melitus menggunakan aplikasi ini, langkah awal pasien tetap melakukan konsultasi ke puskesmas. Apabila hasil diagnosis dari puskesmas berpotensi terkena penyakit diabetes melitus maka pasien melakukan tes gula darah ke laboratorium agar hasil tes gula darah yang diperoleh akurat, kemudian pasien datang dengan membawa hasil tes gula darah untuk selanjutnya user memasukkan data ke dalam aplikasi yang mencakup data diri pasien, hasil tes gula darah dan gejala yang diderita oleh pasien. Selanjutnya, sistem akan memproses data yang telah di-input menggunakan metode fuzzy multi criteria decision making, setelah data diproses maka sistem akan menampilkan hasil pengolahan data dari pasien yang berupa jenis/tipe penyakit diabetes melitus yang diderita.
33
34
4.1.3 Flowchart Proses Metode Fuzzy Multi Criteria Decision Making Flowchart metode Fuzzy Multi Criteria Decision Making secara keseluruhan dapat dijelaskan seperti pada Gambar 4.1 Mulai Representasi Masalah Evaluasi himpunan fuzzy Mengevaluasi bobot pada setiap kriteria dan derajat kecocokan dan alternatif terhadap kriteria Agregasi bobot 1 𝑌𝑡 = 𝑘 𝑄𝑡 = 𝑍𝑡 =
1 𝑘 1 𝑘
𝑘
𝑜𝑖𝑡 𝑎𝑡 𝑡=1 𝑘
𝑃𝑖𝑡 𝑏𝑡 𝑡=1 𝑘
𝑞𝑖𝑡 𝑐𝑡 𝑡=1
Menyeleksi alternatif optimal 1 𝐼𝑇∝ 𝐹 = 𝛼𝑐 + 𝑏 + 1 − 𝛼 𝑎 2 Hasil diagnosis tertinggi
Selesai Gambar 4.1 Flowchart Fuzzy MCDM
35
4.2
Pemecahan Masalah dengan Metode Fuzzy Multi Criteria Decision Making Pada penelitian ini penulis menggunakan metode Fuzzy Multi Criteria
Decision Making (FMCDM) dalam mendiagnosis penyakit diabetes melitus. Metode
ini
memerlukan
kriteria-kriteria
dan
bobot
untuk
melakukan
perhitungannya sehingga akan didapat alternatif terbaik sebagai hasil output sistem. 4.2.1 Representasi Masalah 1.
Identifikasi tujuan dan kumpulan alternatif keputusan Mempresentasikan permasalahan dengan melakukan pengidentifikasi
tujuan pencarian dalam mengetahui alternatif penyakit diabetes melitus. Terdapat 4 (empat) alternatif penyakit diabetes melitus. Dapat dilihat pada Tabel 4.1. Tabel 4.1 Alternatif penyakit diabetes melitus No. Alternatif
Nama Penyakit Normal / tidak terdiagnosis berpenyakit diabetes melitus
1
A1
2
A2
Pradiabetes
3
A3
Diabetes Melitus tipe 1
4
A4
Diabetes Melitus tipe 2
(DM)
Sumber : dr. Topan Binawan, SP.PD., M.Kes 2.
Identifikasi kriteria Berdasarkan alternatif pada Tabel 4.1 memiliki beberapa kriteria yang
dibutuhkan untuk menentukan jenis penyakit diabetes melitus yang diderita oleh pasien penderita penyakit diabetes melitus. Adapun kriterianya dijelaskan pada Tabel 4.2 Tabel 4.2 Kriteria Variabel Kriteria G1 Umur G2 Indeks Masa Tubuh (IMT) G3 Haus berlebih
Keterangan Data fuzzy Data fuzzy Data fuzzy
36
Tabel 4.2 Kriteria (lanjutan) Variabel G4 G5 G6 G7 G8 G9 G10 G11 G12 G13 G14
Kriteria Lapar yang berlebih Sering berkemih terutama malam hari Berat badan menurun Penglihatan kabur Mudah infeksi pada kulit Nyeri atau baal Sering capek Mudah ngantuk Gula Darah Puasa (GDP) Gula darah 2 jam Post Prandial (GDPP) Faktor turunan
Keterangan Data fuzzy Data fuzzy Data non-fuzzy Data non-fuzzy Data fuzzy Data fuzzy Data fuzzy Data fuzzy Data fuzzy Data fuzzy Data non-fuzzy
Berdasarkan dari 14 kriteria yang terdapat pada Tabel 4.2 terbagi menjadi 2 jenis data yaitu data fuzzy dan data non-fuzzy. Adapaun data fuzzy yang terdapat pada Tabel 4.2 yaitu haus berlebih, umur, IMT (Indeks Masa Tubuh), lapar yang berlebih, sering berkemih terutama malam hari, berat badan menurun, mudah infeksi pada kulit, nyeri atau baal, sering capek, mudah ngantuk, Gula Darah Puasa (GDP), dan Gula Darah 2 jam Post Prandial (GDPP). Disebut data fuzzy karena pada kriteria yang telah disebutkan sebelumnya memiliki variabel linguistik yang bernilai samar/kabur. Adapun data non-fuzzy yaitu penglihatan kabur, faktor turunan, dan berat badan menurun. Disebut data non-fuzzy karena pada kriteria yang telah disebutkan sebelumnya memiliki variabel linguistik yang bernilai benar atau salah.
3.
Membangun struktur hirarki Dari alternatif dan kriteria di atas dapat dibangun struktur hirarki dari
permasalahan tersebut. Struktur hirarki dari sistem yang dibangun dapat dilihat pada Lampiran 1.
37
4.2.2 Evaluasi Himpunan Fuzzy Dalam tahap evaluasi himpunan fuzzy ini, ada tiga sub tahapan, antara lain: 1.
Memilih himpunan rating untuk bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Himpunan rating untuk bobot derajat kepentingan setiap alternatif dengan
kriterianya akan dibagi sesuai dengan kriteria yang digunakan. Di mana G = {G1, G2, G3, G4, G5, G6, G7, G8, G9, G10, G11, G12, G13, G14}, G1 = Umur, G2 = Indeks Masa Tubuh (IMT), G3 = Haus berlebih, G4 = Mudah lapar, G5 = Sering berkemih, G6 = Berat badan menurun, G7 = Penglihatan kabur, G8 = Mudah infeksi, G9 = Mudah nyeri, G10 = Mudah lelah, G11 = Mudah ngantuk, G12 = Gula darah puasa (GDP), G13 = Gula darah 2 jam PP (Post Prandial) (GDPP) dan G14 = Faktor turunan. Dan A = {A1, A2, A3, A4}, A1 = Normal / Tidak terdiagnosis berpenyakit DM, A2 = Pradiabetes, A3 = Diabetes melitus tipe 1 dan A4 = Diabetes melitus tipe 2. Dari masing-masing kriteria pada Tabel 4.2 tersebut akan ditentukan bobotbobotnya berdasarkan bilangan fuzzy segitiga. Dalam hal ini nilai yang diperoleh dari fuzzy segitiga bukan hasil dari perhitungan derajat keanggotaan, tetapi nilai dari data fuzzy yang direpresentasikan ke dalam bobot nilai yang diperoleh dari hasil wawancara kepada pakar. Fuzzy segitiga digunakan untuk memudahkan dalam merepresentasikan nilai titik rendah, tengah, dan tinggi pada data fuzzy. Adapun bobot-bobotnya dijelaskan pada Tabel 4.3 Tabel 4.3 Bobot kepentingan kriteria penyakit diabetes melitus Kriteria Haus berlebih
Lapar yang berlebih Sering berkemih terutama pada malam hari Mudah infeksi pada kulit
Variabel Linguistik Tidak Jarang Ya 1/2 Porsi 1 Porsi > 1 Porsi Normal Sering Sangat sering Tidak Jarang Ya
Y 0 0,3 0,6 0 0,2 0,4 0 0,4 0,7 0 0,3 0,6
Bobot Q 0,2 0,5 0,8 0 0,4 0,6 0,3 0,6 1 0,2 0,5 0,8
Z 0,4 0,7 1 0,4 0,6 0,8 0,6 0,8 1 0,4 0,7 1
38
Tabel 4.3 Bobot kepentingan kriteria penyakit diabetes melitus (lanjutan) Kriteria
Mudah ngantuk
Nyeri atau baal
Sering capek Penglihatan kabur Indeks masa tubuh (IMT) Faktor turunan Berat badan menurun
Gula darah puasa (GDP)
Gula darah 2 jam Post Prandial (GDPP)
Umur
Variabel Linguistik Tidak pernah Jarang Sering Tidak pernah Jarang Sering Tidak pernah Jarang Sering Tidak Ya Kurus Sedang Gemuk Obesitas Ya Tidak Normal Drastis GDP 1 (GDP < 100) GDP 2 (GDP ≥ 100 dan GDP ≤ 125) GDP 3 (GDP > 125 dan GDP ≤ 200) GDP 4 (GDP > 200) GDPP 1 (GDPP < 140) GDPP 2 (GDPP ≥ 140 dan GDPP ≤ 200) GDPP 3 (GDPP > 200 dan GDPP ≤ 300) GDPP 4 (GDPP > 300) Usia 1 (0 – 18 tahun) Usia 2 (17 – 30 tahun) Usia 3 )25 – 40 tahun) Usia 4 ( > 40 tahun)
Y 0 0,2 0,5 0 0,2 0,5 0 0,2 0,5 0 0 0 0 0,3 0,6 0 0 0 0 0
Bobot Q 0 0,5 0,7 0 0,5 0,7 0 0,5 0,7 0 0,5 0 0,2 0,5 0,8 0,5 0 0 0,4 0,2
Z 0,3 0,7 1 0,3 0,7 1 0,3 0,7 1 0,5 1 0,2 0,4 0,7 1 1 0,5 0,5 0,8 0,4
0,2
0,4
0,6
0,4
0,6
0,8
0,6 0
0,8 0,2
1 0,4
0,2
0,4
0,6
0,4
0,6
0,8
0,6 0,6 0,4 0 0
0,8 0,8 0,6 0,3 0
1 1 0,8 0,5 0,4
Himpunan rating untuk derajat kecocokan yang merepresentasikan bobot kepentingan untuk setiap kriteria sebagai berikut :
39
TB = Tidak Berpengaruh KB = Kurang Berpengaruh CB = Cukup Berpengaruh B
= Berpengaruh
SB = Sangat Berpengaruh Fungsi keanggotaan untuk setiap elemen direpresentasikan dengan menggunakan bilangan fuzzy segitiga. Untuk menentukan bobot nilai pada derajat kecocokan yaitu sama halnya dengan menentukan bobot nilai pada derajat kepentingan hanya saja yang membedakan adalah variabel linguistik yang dimiliki oleh derajat kecocokan. Tabel 4.4 Merupakan tabel bobot derajat kecocokan Tabel 4.4 Bobot derajat kecocokan Bobot
Variabel Linguistik
2.
Y
Q
Z
Tidak Berpengaruh
0
0
0,2
Kurang Berpengaruh
0
0,2
0,4
Cukup Berpengaruh
0,3
0,5
0,7
Berpengaruh
0,6
0,8
1
Sangat Berpengaruh
0,9
1
1
Mengevaluasi bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Tabel 4.5 Derajat kecocokan alternatif terhadap kriteria keputusan
Alternatif A1 A2 A3 A4
G2 CB CB CB CB
G3 B B CB CB
G4 B CB CB CB
G5 B B CB CB
G6 CB CB CB B
G7 B B CB B
G8 CB CB B B
G9 CB CB B B
G10 CB CB CB CB
G11 B B CB B
G14 B CB SB CB
40
Tabel 4.6 Derajat kecocokan untuk kriteria umur Kriteria
G1
Kondisi UMUR >= 15 & UMUR <= 24 UMUR >= 25 & UMUR <=34 UMUR >= 35 & UMUR <= 44 UMUR >= 45
Alternatif Diabetes Pradiabetes Melitus I
Normal
Diabetes Melitus II
SB
KB
SB
KB
SB
CB
CB
CB
SB
B
B
B
SB
KB
KB
SB
Tabel 4.7 Derajat kecocokan untuk kriteria gula darah puasa Kriteria
G12
Kondisi
Alternatif Diabetes Diabetes Normal Pradiabetes Melitus I Melitus II SB KB KB KB
GDP < 100 GDP >= 100 dan GDP TB <= 125 GDP > 125 dan GDP TB <= 200 GDP > 200 TB
B
B
CB
B
B
SB
B
B
SB
Tabel 4.8 Derajat kecocokan untuk kriteria gula darah 2 jam PP Kriteria
G13
3.
Kondisi GDPP < 140 GDPP >= 140 dan GDPP <= 200 GDPP > 200 dan GDPP <= 300 GDPP > 300
Alternatif Diabetes Diabetes Normal Pradiabetes Melitus I Melitus II SB KB KB KB TB
B
B
CB
TB
B
B
SB
TB
B
B
SB
Mengagregasikan bobot-bobot kriteria dan derajat kecocokan setiap alternatif dengan kriterianya dengan menggunakan Persamaan 2.3, 2.4, dan 2.5.
4.2.3 Seleksi Alternatif Optimal Memprioritaskan alternatif keputusan berdasarkan hasil agregasi untuk proses perangkingan alternatif keputusan dengan menggunakan metode nilai total
41
integral pada Persamaan 2.6. Setelah diperoleh hasil dari perhitungan pada Persamaan 2.6 maka dipilih alternatif keputusan dengan prioritas tertinggi sebagai alternatif yang optimal.
4.3
Ilustrasi Perhitungan Metode Fuzzy Multi Criteria Decision Making Implementasi perhitungan Fuzzy Multi Criteria Decision Making dalam
sistem. Berikut adalah contoh dari perhitungan model Fuzzy Multi Criteria Decision Making untuk aplikasi diagnosis penyakit diabetes melitus : 1.
User memasukkan data pasien. Tabel 4.9 Tabel data pasien Informasi Data Pasien
Keterangan
Nama
Wawo
Umur
38
Jenis kelamin
Perempuan
Tinggi badan
165 cm
Berat badan
60 kg
Gula Darah Puasa
319 mg/dL
Gula Darah 2 Jam PP
405 mg/dL
Riwayat keluarga berpenyakit DM
Tidak ada
Berkemih terutama pada malam hari
Sering sekali
Seberapa banyak anda mengkosumsi nasi
1 Porsi
Merasakan haus yang berlebih
Ya
Berat badan menurun
Normal
Penglihatan kabur
Ya
Mudah lelah
Sering
Luka lama sembuh
Tidak
Mudah ngantuk
Sering
Nyeri atau baal pada tangan atau kulit
Tidak pernah
Dari Tabel 4.9 menerangkan tentang data awal pasien yang bernama Wawo. Berdasarkan data sampel pasien bernama Wawo berumur 38 tahun dimana pada
42
Tabel 4.3 dijelaskan bahwa usia antara 25 – 40 tahun dikategorikan sebagai usia 3. Gula darah puasa yang dimiliki oleh sampel bernilai 319 mg/dl dimana pada Tabel 4.3 dijelaskan bahwa gula darah puasa diatas 200 dikategorikan sebagai GDP 4. GDP merupakan singkatan dari Gula Darah Puasa. Untuk gula darah 2 jam PP (Post Prandial) bernilai 405 yang sebelumnya telah dijelaskan pada Tabel 4.3 bahwa untuk gula darah 2 jam PP yang bernilai diatas 300 mg/dl dikategorikan sebagai GDPP4. GDPP merupakan singkatan dari Gula Darah 2 jam PP. Dari data yang telah di-input oleh user dibuatlah rating kepentingan pada Tabel 4.10. Tabel 4.10 Rating kepentingan KRITERIA
G1
RATING Usia3 KEPENTINGAN
G2
G3
G4
G5
G6
S
Y
1P
SS
N
G7 G8 G9 G10 G11 Y
T
TP
S
S
G12
G13
G14
GDP4 GDPP4
T
Pada alternatif A1 Untuk menghitung nilai Y pada Persamaan 2.3. dengan memperhatikan bobot Y pada tabel bobot kriteria untuk G1 sampai G14 berdasarkan rating kepentingan yang dimiliki oleh pasien dikalikan dengan bobot derajat kecocokan untuk setiap kriteria pada setiap alternatif. Untuk lebih jelasnya dapat dilihat pada perhitungan dibawah ini : Y = (Usia 3 x SB) + (S x KB) + (Y x B) + (1P x B) + (SS x B) + (N x B) + (Y x B) + (T x B) + (TP x B) + (S x B) + (S x B) + (GDP4 x TB) + (GDPP4 x TB) + (T x KB) Dari data perhitungan Y setiap kategori disubtitusikan menggunakan bobot kriteria dan bobot derajat kecocokan yang diperolah dari nilai fuzzy segitiga. 𝑌 = 0 × 0,9 + 0 × 0,3 + 0,6 × 0,6 + 0,2 × 0,6 + 0,7 × 0,6 + 0 × 0,3 + 0 × 0,6 + 0 × 0,3 + 0 × 0,3 + 0,5 × 0,3 + 0,5 × 0,6 + 0,6 × 0 + 0,6 × 0 + 0 × 0,6 = 0,096
dengan detail perhitungan sebagai berikut : Pada alternatif A1 : 𝑌 = 0 × 0,9 + 0 × 0,3 + 0,6 × 0,6 + 0,2 × 0,6 + 0,7 × 0,6 + 0 × 0,3 + 0 × 0,6 + 0 × 0,3 + 0 × 0,3 + 0,5 × 0,3 + 0,5 × 0,6 + 0,6 × 0 + 0,6 × 0 + 0 × 0,6 = 0,096
43
𝑄 = 0,3 × 1 + 0,2 × 0,5 + 0,8 × 0,8 + 0,4 × 0,8 + 1 × 0,8 + 0 × 0,5 + 0,5 × 0,8 + 0,2 × 0,5 + 0 × 0,5 + 0,7 × 0,5 + 0,7 × 0,8 + 0,8 × 0,2 + 0,8 × 0,2 + 0 × 0,8 = 0,278 𝑍 = 0,5 × 1 + 0,4 × 0,7 + 1 × 1 + 0,6 × 1 + 1 × 1 + 0,5 × 0,7 + 1 × 1 + 0,4 × 0,7 + 0,3 × 0,7 + 1 × 0,7 +
1 × 1 + 1 × 0,4 +
1 × 0,4 + 0,5 × 1 = 0,587
Pada alternatif A2 : 𝑌 = 0 × 0,6 + 0 × 0,3 + 0,6 × 0,6 + 0,2 × 0,6 + 0,7 × 0,6 + 0 × 0,3 + 0 × 0,6 + 0 × 0,3 + 0 × 0,3 + 0,5 × 0,3 + 0,5 × 0,6 + 0,6 × 0,3 + 0,6 × 0,3 + 0 × 0,3 = 0,112 𝑄 = 0,3 × 0,8 + 0,2 × 0,5 + 0,8 × 0,8 + 0,4 × 0,8 + 1 × 0,8 + 0 × 0,5 +
0,5 × 0,8 + 0,2 × 0,5 + 0 × 0,5 + 0,7 × 0,5 +
0,7 × 0,8 + 0,8 × 0,5 +
0,8 × 0,5 + 0 × 0,5 = 0.038
𝑍 = 0,5 × 1 + 0,4 × 0,7 + 1 × 1 + 0,6 × 1 + 1 × 1 + 0,5 × 0,7 + 1 × 1 + 0,4 × 0,7 + 0,3 × 0,7 + 1 × 0,7 + 1 × 1 + 1 × 0,7 + 1 × 0,7 + 0,5 × 0,7 = 0,619
Pada alternatif A3 : 𝑌 = 0 × 0,6 + 0 × 0,3 + 0,6 × 0,3 + 0,2 × 0,3 + 0,7 × 0,3 + 0 × 0,3 + 0 × 0,3 + 0 × 0,6 + 0 × 0,6 + 0,5 × 0,3 + 0,5 × 0,3 + 0,6 × 0,9 + 0,6 × 0,9 + 0 × 0,9 = 0,131 𝑄 = 0,3 × 0,8 + 0,2 × 0,5 + 0,8 × 0,5 + 0,4 × 0,5 + 1 × 0,5 + 0 × 0,5 + 0,5 × 0,5 + 0,2 × 0,8 + 0 × 0,8 + 0,7 × 0,5 + 0,7 × 0,5 + 0,8 × 1 + 0,8 × 1 + 0 × 1 = 0,296 𝑍 = 0,5 × 1 + 0,4 × 0,7 + 1 × 0,7 + 0,6 × 0,7 + 1 × 0,7 + 0,5 × 0,7 + 1 × 0,7 + 0,4 × 1 + 0,3 × 1 + 1 × 0,7 + 1 × 0,7 + 1 × 1 + 1 × 1 + 0,5 × 1 = 0,589
Pada alternatif A4 : 𝑌 = 0 × 0,6 + 0 × 0,3 + 0,6 × 0,3 + 0,2 × 0,3 + 0,7 × 0,3 + 0 × 0,6 + 0 × 0,6 + 0 × 0,6 + 0 × 0,6 + 0,5 × 0,3 + 0,5 × 0,6 + 0,6 × 0,9 + 0,6 × 0,9 + 0 × 0,3 = 0,141
44
𝑄 = 0,3 × 0,8 + 0,2 × 0,5 + 0,8 × 0,5 + 0,4 × 0,5 + 1 × 0,5 + 0 × 0,8 + 0,5 × 0,8 + 0,2 × 0,8 + 0 × 0,8 + 0,7 × 0,5 + 0,7 × 0,8 + 0,8 × 1 + 0,8 × 1 + 0 × 0,5 = 0,322 𝑍 = 0,5 × 1 + 0,4 × 0,7 + 1 × 0,7 + 0,6 × 0,7 + 1 × 0,7 + 0,5 × 1 + 1 × 1 + 0,4 × 1 + 0,3 × 1 + 1 × 0,7 + 1 × 1 + 1 × 1 + 1 × 1 + 0,5 × 0,7 = 0,632
Berdasarkan dari hasil perhitungan 𝑌, 𝑄, 𝑍 pada setiap alternatif didapatkan nilai indeks kecocokan fuzzy untuk setiap alternatif. Dapat dilihat pada Tabel 4.11 Tabel 4.11 Rating kecocokan setiap alternatif Rating Kecocokan
Indeks Kecocokam
Alter
Fuzzy
natif
G1
G2
G3
G4
G5
G6
G7
G8
G9
G10
G11
G12
G13
A1
SB
CB
B
B
B
CB
B
CB
CB
CB
B
KB
KB
A2
B
CB
B
B
B
CB
B
CB
CB
CB
B
CB
CB
A3
B
CB
CB
CB
CB
CB
CB
B
B
CB
CB
SB
SB
A4
B
CB
CB
CB
CB
B
B
B
B
CB
B
SB
SB
2.
G14
Y
Q
Z
B
0.096
0,278
0,587
CB
0,112
0,308
0,619
SB
0,131
0,296
0,589
CB
0,141
0,322
0,632
Seleksi alternatif optimal (tahap output) Dengan mensubtitusikan indeks kecocokan fuzzy pada Tabel 4.11 ke
persamaan 2.6 dengan mengambil derajat keoptimasan 𝛼 = 0 (tidak optimis), 𝛼 = 0,5 (optimis), 𝛼 = 1 (sangat optimis), maka akan diperoleh nilai total integral untuk setiap alternatif. Pada perhitungan seleksi alternatif optimal pada alternatif A1 untuk menghitung nilai 𝛼 = 0 pada Persamaan 2.6. Keterangan : 𝑎 = hasil perhitungan 𝑌 𝑏 = hasil perhitungan 𝑄 𝑐 = hasil perhitungan 𝑍 maka nilai 𝑌, 𝑄, 𝑍 disubtitusikan ke nilai 𝑎, 𝑏, 𝑐 yang terdapat pada Persamaan 2.6. Untuk lebih jelasnya dapat dilihan pada perhitungan di bawah ini : Untuk 𝛼 = 0 𝐼𝑇𝛼 =
1 × (𝛼𝑐 + 𝑏 + 1 − 𝛼 × 𝑎 ) 2
𝐼10 =
1 × (𝛼𝑍 + 𝑄 + 1 − 𝑌 × 𝑎 ) 2
Hasil subtitusi :
45
𝐼10 =
1 × ( 0 × 0,587 + 0,278 + 1 − 0 × 0.096 ) = 0,187 2
Dengan detail perhitungan sebagai berikut : Pada alternatif A1 : Untuk 𝛼 = 0 𝐼10 =
1 × ( 0 × 0,587 + 0,278 + 1 − 0 × 0.096 ) = 0,187 2
Untuk 𝛼 = 0,5 𝐼20,5 =
1 × ( 0,5 × 0,587 + 0,278 + 1 − 0,5 × 0.096 ) = 0,31 2
Untuk 𝛼 = 1 𝐼31 =
1 × ( 1 × 0,587 + 0,278 + 1 − 1 × 0.096 ) = 0,433 2
Pada alternatif A2 : Untuk 𝛼 = 0 𝐼10 =
1 × ( 0 × 0,619 + 0,308 + 1 − 0 × 0,112 ) = 0,215 2
Untuk 𝛼 = 0,5 𝐼20,5 =
1 × ( 0,5 × 0,619 + 0,308 + 1 − 0,5 × 0,112 ) = 0,339 2
Untuk 𝛼 = 1 𝐼31 =
1 × ( 1 × 0,619 + 0,308 + 1 − 1 × 0,112 ) = 0,464 2
Pada alternatif A3 : Untuk 𝛼 = 0 𝐼10 =
1 × ( 0 × 0,589 + 0,296 + 1 − 0 × 0,131 ) = 0,214 2
Untuk 𝛼 = 0,5 𝐼20,5 =
1 × ( 0,5 × 0,589 + 0,296 + 1 − 0,5 × 0,131 ) = 0,328 2
Untuk 𝛼 = 1 𝐼31 =
1 × ( 1 × 0,589 + 0,296 + 1 − 1 × 0,131 ) = 0,443 2
46
Pada alternatif A4 : Untuk 𝛼 = 0 𝐼10 =
1 × ( 0 × 0,632 + 0,322 + 1 − 0 × 0,114 ) = 0,232 2
Untuk 𝛼 = 0,5 𝐼20,5 =
1 × ( 0,5 × 0,632 + 0,322 + 1 − 0,5 × 0,114 ) = 0,354 2
Untuk 𝛼 = 1 𝐼31 =
1 × ( 1 × 0,632 + 0,322 + 1 − 1 × 0,114 ) = 0,477 2
Tabel 4.12 Nilai total perhitungan setiap alternatif Alternatif
A1
Nama penyakit Normal/tidak terdiagnosis berpenyakit DM
Nilai Total Integral
Jumlah
𝛼=0
𝛼 = 0,5
𝛼=1
0,187
0,31
0,433
0,929
A2
Pradiabetes
0,215
0,339
0,464
1,018
A3
Diabetes melitus tipe 1
0,214
0,328
0,443
0,985
A4
Diabetes melitus tipe 2
0,232
0,354
0,477
1,063
Dari perhitungan data sampel menggunakan metode fuzzy multi criteria decision making diperoleh hasil nilai perhitungan alternatif dengan prioritas tertinggi sebagai alternatif yang optimal yaitu alternatif A4, sehingga penyakit diabetes melitus tipe 2 terpilih sebagai penyakit optimal untuk diagnosis penyakit diabetes melitus pada pasien Wawo.
4.4
UML (Unified Modeling Language)
4.4.1 Diagram use case Pada diagram use case, user dapat mengakses menu diagnosis, meng-input data diri dan gejala pasien, melihat hasil diagnosis, mencetak hasil diagnosis, mengakses menu rekam medik, mencetak data rekam medik. Gambar diagram use case dapat dilihat pada Gambar 4.2
47
4.4.2 Activity Diagram Pada diagram activity menu aplikasi diagnosis penyakit diabetes melitus, user mengakses aplikasi, sistem menampilkan form utama, lalu user memilih menu diagnosis, kemudian user meng-input data diri pasien serta gejala yang diderita oleh pasien setelah itu user menekan tombol proses untuk selanjutnya sistem akan memproses berdasarkan metode Fuzzy MCDM, jika berhasil maka sistem menampilkan hasil keputusan. Gambar diagram activity untuk aplikasi diagnosis penyakit diabetes melitus dapat dilihat pada Gambar 4.3.
Mengakses menu diagnosis
User
Meng-input data diri dan gejala pasien
Melihat hasil diagnosis
Mencetak hasil diagnosis
Mengakses menu rekam medik
Mencetak data rekam medik
Gambar 4.2 Diagram Use case user
48
Gambar 4.3 Activity diagram diagnosis penyakit diabetes melitus
4.4.3 Sequence Diagram Pada diagram sequence menu aplikasi diagnosis penyakit diabetes melitus, user mengakses aplikasi, sistem menampilkan form utama, lalu user memilih menu diagnosis, kemudian user meng-input data diri pasien serta gejala yang diderita oleh pasien setelah itu user menekan tombol proses untuk selanjutnya sistem akan memproses berdasarkan metode Fuzzy MCDM, jika berhasil maka sistem menampilkan hasil keputusan. Gambar diagram sequence untuk diagnosis penyakit diabetes mellitus dapat dilihat pada Gambar 4.4.
49
Gambar 4.4 Sequence diagram diagnosis penyakit diabetes melitus
4.5
ERD (Entity Relationship Diagram) Sistem Entity Relationship Diagram adalah suatu model untuk menjelaskan
hubungan antar data dalam basis data berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi. Gambar ERD aplikasi diagnosis penyakit diabetes mellitus dapat dilihat pada Gambar 4.5.
50
Gambar 4.5 Entity relationship diagram sistem Gambar 4.5 entitas pasien merupakan entitas inti pada pembuatan database aplikasi ini. Dimana entitas pasien memiliki relasi dengan entitas hasil_fmcdm yang berhubungan untuk menampilkan hasil perhitungan fuzzy multi criteria decision making dan entitas pasien memliki relasi dengan entitas hasil yang berhubungan untuk menampilkan gejala dan hasil diagnosis. Pada entitas gejala berelasi dengan entitas hasil yang berhubungan untuk menampilkan gejala pada diabetes melitus.
4.6
Perancangan Basis Data Aplikasi ini menggunakan MySQL dalam perancangan basis datanya yang
diberi nama app.
51
1.
Tabel Pasien Tabel ini berisi data pasien yang diinput oleh pegawai kesehatan rumah
sakit (user). Struktur tabel dapat dilihat pada Tabel 4.13. Tabel 4.13 Struktur Tabel Pasien
2.
Field Name
Data Type
Keterangan
id_pasien
integer
Primary Key
nama
Varchar
-
umur
integer
-
jk
Varchar
-
tb
double
-
bb
double
-
imt
double
-
gd_puasa
integer
-
gd_2jmstlhmkn
integer
-
gen
Varchar
-
tanggall
Varchar
-
jam
Varchar
-
Tabel Hasil Tabel ini berisi hasil dari jawaban setiap gejala yang ditanyakan serta berisi
hasil diagnosis pasien. Struktur tabel dapat dilihat pada Tabel 4.14. Tabel 4.14 Struktur Tabel Hasil
-
Field Name
Data Type
Keterangan
id_hasil
integer
Primary Key
id_pasien
integer
-
id_gejala
integer
-
g3
Varchar
-
g4
Varchar
-
g5
Varchar
-
g6
Varchar
-
52
Tabel 4.14 Struktus Tabel Hasil (lanjutan)
3.
Field Name
Data Type
Keterangan
g7
Varchar
-
g8
Varchar
-
g9
Varchar
-
g10
Varchar
-
g11
Varchar
-
hasildiag
Varchar
-
Tabel Hasil FMCDM Tabel ini berisi hasil perhitungan metode fuzzy multi criteria decision
making. Struktur tabel dapat dilihat pada Tabel 4.15. Tabel 4.15 Struktur Tabel Hasil FMCDM Field Name
Data Type
Keterangan
idhasil_fmcdm
integer
Primary Key
id_pasien
integer
-
a1v1
double
-
a1v2
double
-
a1v3
double
-
a2v1
double
-
a2v2
double
-
a2v3
double
-
a3v1
double
-
a3v2
double
-
a3v3
double
-
a4v1
double
-
a4v2
double
-
a4v3
double
-
53
4.
Tabel Gejala Tabel ini berisi data gejala penyakit diabetes melitus. Struktur tabel dapat
dilihat pada Tabel 4.16. Tabel 4.16 Struktur Tabel Gejala Field Name
Data Type
Keterangan
id_gejala
integer
Primary Key
g1
Varchar
-
g2
Varchar
-
g3
Varchar
-
g4
Varchar
-
g5
Varchar
-
g6
Varchar
-
g7
Varchar
-
g8
Varchar
-
g9
Varchar
-
BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM
5.1
Kebutuhan Sistem Tahap implementasi sistem merupakan proses pengubahan sistem yang
telah dirancang pada bab sebelumnya menjadi sistem yang dapat dijalankan. Dalam mendiagnosis penyakit diabetes melitus ini diperlukan perangkat lunak (software) dan perangkat keras (hardware) dalam pembuatannya agar sistem dapat berjalan sesuai dengan yang diharapkan. Adapun kebutuhan-kebutuhan yang digunakan dalam perancangan aplikasi baik dari kebutuhan perangkat keras maupun kebutuhan perangkat lunak adalah sebagai berikut. 1.
Perangkat lunak a.
Sistem Operasi yang digunakan adalah Windows 7.
b.
Database Management System yang digunakan adalah MySQL (XAMPP v3.2.2).
c.
Program aplikasi yang digunakan adalah NetBeans IDE 7.3.1. dan iReport 5.6.0
d.
Penghubung antara database dan NetBeans yang digunakan adalah MySQL Connector/ODBC 5.1.
2.
5.2
Perangkat keras a.
Laptop ASUS dengan spesifikasi processor Intel Atom.
b.
RAM 2 GB
c.
Hardisk 500 GB
Implementasi Antarmuka Aplikasi Diagnosis Penyakit Diabetes melitus Setelah
memenuhi
kebutuhan
sistem,
proses
selanjutnya
adalah
menjelaskan fungsi setiap form yang ada di dalam aplikasi diagnosis penyakit diabetes melitus menggunakan metode Fuzzy Multi Criteria Decision Making.
54
55
5.2.1 Form Menu Utama Form menu utama merupakan tampilan antar muka yang muncul ketika aplikasi dijalankan pertama kali. Pada form utama ini terdapat 3 menu yaitu diagnosis, rekam medik, dan menu exit. Gambar 5.1 Merupakan gambar tampilan form Utama pada aplikasi diagnosis penyakit diabetes melitus.
Gambar 5.1 Tampilan form utama
5.2.2 Form Diagnosis Form diagnosis merupakan tampilan antar muka yang muncul ketika memilih menu diagnosis. Pada Form diagnosis user meng-input data diri dan gejala pasien. Gambar 5.2 Merupakan gambar tampilan form Diagnosis pada aplikasi diagnosis penyakit diabetes melitus.
56
Gambar 5.2 Tampilan form diagnosis Pada form diagnosis user akan meng-input data diri pasien serta memilih gejala yang terdapat disebelah kanan pengisian data diri pasien. Setelah data diri dan gejala di-input maka user akan memilih tombol proses. Tombol proses berguna untuk memproses data yang telah di-input. Apabila user memilih tombol proses maka akan muncul tampilan informasi bahwa data telah berhasil disimpan ke dalam database sistem. Gambar 5.3 Merupakan gambar tampilan informasi data berhasil disimpan.
Gambar 5.3 Tampilan informasi data berhasil disimpan
57
5.2.3 Form Hasil Diagnosis Form hasil diagnosis merupakan tampilan antar muka yang tampil ketika tombol proses pada form diagnosis dipilih. Pada form hasil diagnosis sistem menampilkan data diri pasien, gejala yang diderita, hasil perhitungan metode fuzzy multi criteria decision making dan jenis penyakit diabetes melitus yang terdiagnosis. Gambar 5.4 Merupakan gambar tampilan form Hasil Diagnosis pada aplikasi diagnosis penyakit diabetes melitus.
Gambar 5.4 Tampilan form hasil diagnosis Pada form hasil diagnosis tersedia tombol print. Tombol print berfungsi untuk mencetak data hasil diagnosis yang terdiri dari : id pasien, nama, umur, jenis kelamin, tinggi badan, berat badan, IMT, riwayat keluarga penderita diabetes melitus, gula darah puasa, gula darah puasa, gula darah 2 jam PP, dan hasil diagnosis. Gambar 5.5 Merupakan gambar tampilan print Hasil Diagnosis.
58
Gambar 5.5 Tampilan print hasil diagnosis
5.2.4 Form Rekam Medik Form rekam medik merupakan tampilan antar muka yang muncul ketika memilih menu rekam medik. Pada form rekam medik user dapat melihat data pasien penderita diabetes melitus yang pernah didiagnosis menggunakan aplikasi diagnosis penyakit diabetes melitus. Pada form rekam medik user dapat menampilkan data penderita diabetes melitus berdasarkan jenis diabetes melitus yang terdiagnosis. Gambar 5.6 Merupakan gambar tampilan form Rekam Medik pada aplikasi diagnosis penyakit diabetes melitus.
59
Gambar 5.6 Tampilan form rekam medik Pada form rekam medik tersedia tombol print. Tombol print berfungsi untuk mencetak data rekam medik berdasarkan hasil diagnosis. Pada tombol print user dapat mencetak data berdasarkan data jenis penyakit diabetes melitus yang diderita oleh pasien. Gambar 5.7 merupakan gambar tampilan print data Rekam Medik.
Gambar 5.7 Tampilan print data rekam medik
60
5.3
Pengujian Sistem Pada tahap ini dilakukan proses pengujian terhadap suatu sistem yang
dibangun. Pengujian yang akan dilakukan mempunyai mekanisme untuk menemukan data uji yang dapat menguji keakuratan sistem. Tujuan dari pengujian ini adalah untuk menjamin bahwa perangkat lunak yang dibangun memiliki kualitas yang handal yaitu mampu mendiagnosis pasien penyakit diabetes melitus. Pengujian yang akan dilakukan pada sistem ini yaitu pengujian antara hasil keluaran sistem dan data diagnosis dari dokter (pakar). Pada hakikatnya ketika dokter akan mendiagnosis penyakit yang diderita oleh pasien, pasien akan mengajukan beberapa keluhan yang pasien rasakan untuk selanjutnya dokter akan memberikan pertanyaan-pertanyaan seputar keluhan yang diderita oleh pasien. Apabila pertanyaan yang diajukan dokter dan keluhan yang pasien derita terdapat sinkronisasi maka dokter akan mendiagnosis penyakit yang diderita berdasarkan hasil dari pertanyaan yang diajukan dan keluhan yang diderita. Sama halnya pada sistem aplikasi diagnosis penyakit diabetes melitus yang dibangun dalam penelitian ini user akan meng-input data diri pasien terlebih dahulu lalu memilih gejala-gejala yang diderita oleh pasien berdasarkan keluhan yang diderita oleh pasien. Setelah user selesai meng-input data pasien maka user akan memilih tombol proses untuk selanjutnya diproses berdasarkan perhitungan metode fuzzy multi criteria decision making. Setelah proses perhitungan selesai maka sistem menampilkan hasil diagnosis dimana di dalam form hasil diagnosis terdapat tampilan data diri pasien yang telah di-input, gejala pasien berdasarkan keluhan yang dirasakan oleh pasien, hasil perhitungan metode fuzzy multi criteria decision making, dan jenis diabetes melitus yang diderita oleh pasien. Data pengujian ini berdasarkan data dari rekam medik UPTD Puskesmas Laosu. Tabel 5.1 merupakan tabel data Rekam Medik UPTD Puskesmas Laosu.
61
Tabel 5.1 Data Rekam Medik UPTD Puskesmas Laosu No
Nama Pasien
Umur(tahun)
Jenis Kelamin (L/P)
Penyakit yang Diderita
1
Hapipa
56
P
Diabetes Melitus Tipe II
2
Nurida
34
P
Diabetes Melitus Tipe II
3
Sitti Jamila
44
P
Pradiabetes
4
Sanode
47
L
Diabetes Melitus Tipe II
5
Samsir
35
L
Diabetes Melitus Tipe II
6
Nine
41
P
Pradiabetes
7
Suhuria
50
P
Diabetes Melitus Tipe II
8
Marhani
49
P
Diabetes Melitus Tipe II
9
Nurdin. L
62
L
Diabetes Melitus Tipe II
10
Andre
55
L
Pradiabetes
11
Muchtar Kumkelo
58
L
Pradiabetes
12
Mbuy
44
P
Pradiabetes
13
Wawo
38
P
Diabetes Melitus Tipe II
14
Mariani
35
P
Pradiabetes
15
Hj. Harni
42
P
Diabetes Melitus Tipe II
16
Sartina
40
P
Diabetes Melitus Tipe II
17
Haerul
55
L
Diabetes Melitus Tipe II
18
Wemau
59
P
Pradiabetes
19
Munarni
53
P
Diabetes Melitus Tipe II
20
Woro
52
P
Diabetes Melitus Tipe II
Dari data Tabel 5.1 peneliti menguji dengan membandingkan hasil dari aplikasi diagnosis penyakit diabetes melitus menggunakan metode fuzzy multi
62
criteria decision making terhadap data rekam medik UPTD Puskesmas Laosu. Tabel 5.2 merupakan tabel hasil pengujian sistem dan pakar. Tabel 5.2 Hasil pengujian sistem dan pakar No
Nama Pasien
Hasil Diagnosis Sistem
Pakar
Validasi
1
Wawo
Diabetes melitus II
Diabetes melitus II
True
2
Wemau
Pradiabetes
Pradiabetes
True
3
Marhani
Pradiabetes
Pradiabetes
True
4
Mbuy
Pradiabetes
Pradiabetes
True
5
Andre
Pradiabetes
Pradiabetes
True
6
Mochtar Kumkelo
Pradiabetes
Pradiabetes
True
7
St. Jamila
Pradiabetes
Pradiabetes
True
8
Nine
Pradiabetes
Pradiabetes
True
9
Woro
Diabetes melitus II
Diabetes melitus II
True
10
Munarni
Diabetes melitus II
Diabetes melitus II
True
11
Haerul
Diabetes melitus II
Diabetes melitus II
True
12
Sartina
Diabetes melitus II
Diabetes melitus II
True
13
Hj. Harni
Diabetes melitus II
Diabetes melitus II
True
14
H. Nurdin. L
Diabetes melitus II
Diabetes melitus II
True
15
Marhani
Diabetes melitus II
Diabetes melitus II
True
16
Hapipa
Diabetes melitus II
Diabetes melitus II
True
17
Nurida
Diabetes melitus II
Diabetes melitus II
True
18
Sanode
Diabetes melitus II
Diabetes melitus II
True
19
Samsir
Diabetes melitus II
Diabetes melitus II
True
20
Suhuria
Diabetes melitus II
Diabetes melitus II
True
Berdasarkan hasil pengujian yang dilakukan sistem dan pakar dengan menggunakan data gejala dan kondisi pasien tidak ada perbedaan. Dalam pengujian sistem ini digunakan sebanyak 20 data karena data yang tersedia di rekam medik UPTD Puskesmas Laosu untuk penyakit diabetes melitus hanya
63
sebanyak 20 data tidak terhitung dengan penderita penyakit diabetes melitus yang sudah komplikasi penyakit lain.
Confussion Matriks Dalam pengujian sistem dilakukan proses perhitungan akurasi untuk 20 data uji. Hasil klasifikasi dengan sistem pakar untuk 20 data uji ditunjukkan pada Tabel 5.3. Tabel 5.3 Hasil klasifikasi data uji No
Hasil Diagnosis Sistem
Pakar
1
Diabetes melitus II
Diabetes melitus II
2
Pradiabetes
Pradiabetes
3
Pradiabetes
Pradiabetes
4
Pradiabetes
Pradiabetes
5
Pradiabetes
Pradiabetes
6
Pradiabetes
Pradiabetes
7
Pradiabetes
Pradiabetes
8
Pradiabetes
Pradiabetes
9
Diabetes melitus II
Diabetes melitus II
10
Diabetes melitus II
Diabetes melitus II
11
Diabetes melitus II
Diabetes melitus II
12
Diabetes melitus II
Diabetes melitus II
13
Diabetes melitus II
Diabetes melitus II
14
Diabetes melitus II
Diabetes melitus II
15
Diabetes melitus II
Diabetes melitus II
16
Diabetes melitus II
Diabetes melitus II
17
Diabetes melitus II
Diabetes melitus II
18
Diabetes melitus II
Diabetes melitus II
19
Diabetes melitus II
Diabetes melitus II
20
Diabetes melitus II
Diabetes melitus II
64
Berdasarkan data pada Tabel 5.3 maka dibentuk tabel confussion matriks. Dapat dilihat pada Tabel 5.4. Tabel 5.4 Klasifikasi data uji Pakar Sistem Pakar
20
0
Sistem
0
0
Berdasarkan Tabel 5.4 didapatkan nilai Sensitivity, Specificity, dan Accuracy menggunakan persamaan 2.7, 2.8, dan 2.9 dengan detail perhitungan sebagai berikut : Sensitivity
: 𝑆𝑒𝑛𝑠𝑖𝑡𝑖𝑣𝑖𝑡𝑦 =
𝑆𝑒𝑛𝑠𝑖𝑡𝑖𝑣𝑖𝑡𝑦 =
Specifity
Accuracy
𝑇𝑃 × 100% 𝑇𝑃 + 𝐹𝑁
20 × 100% = 100% 20 + 0
: 𝑆𝑝𝑒𝑐𝑖𝑓𝑖𝑡𝑦 =
𝑇𝑁 × 100% 𝑇𝑁 + 𝐹𝑃
𝑆𝑝𝑒𝑐𝑖𝑓𝑖𝑡𝑦 =
0 × 100% = 0 0+0
: 𝐴𝑐𝑐𝑢𝑟𝑎𝑐𝑦 =
𝐴𝑐𝑐𝑢𝑟𝑎𝑐𝑦 =
𝑇𝑃 + 𝑇𝑁 × 100% 𝑇𝑃 + 𝐹𝑁 + 𝑇𝑁 + 𝐹𝑃
20 + 0 × 100% = 100% 20 + 0 + 0 + 0
Berdasarkan perhitungan akurasi yang telah dilakukan diperoleh hasil untuk Sensitivity = 100%, Specifity = 0 , Accuracy = 100%. Dari hasil pengujian
65
menggunakan perhitungan confusion matriks aplikasi diagnosis penyakit diabetes melitus dapat dipertimbangkan untuk membantu pakar dalam mengambil keputusan untuk mendiagnosis penyakit diabetes melitus.
BAB VI PENUTUP 6.1
Kesimpulan Setelah melakukan implementasi dan pengujian aplikasi diagnosis penyakit
diabetes melitus dapat ditarik kesimpulan yaitu peneliti dapat menerapkan metode Fuzzy Multi Criteria Decision Making dalam pembuatan aplikasi diagnosis penyakit diabetes melitus yang dapat memberikan solusi dalam mendiagnosis penyakit diabetes melitus serta pada pengujian sistem menggunakan confusion matrix diperoleh hasil untuk Accuracy yaitu 100%, Sensitivity yaitu 100%, dan Specificity yaitu ∞ (tak terhingga).
6.2
Saran Berdasarkan hasil penelitian, ada beberapa saran untuk pengembangan sistem
lebih lanjut, diantaranya sebagai berikut : 1.
Dalam penelitian selanjutnya diharapkan algoritma Fuzzy Multi Criteria Decision Making dapat dibandingkan dengan metode atau algoritma lain pada penelitian yang sama
2.
Dalam penelitian selanjutnya diharapakan menggunakan data yang lebih banyak sehingga menghasilkan data yang lebih bervariasi.
66
DAFTAR PUSTAKA Adi S., Model Penentuan Mutu Sekolah Menggunakan Metode Fuzzy Multi Criteria Decision Making, Program Studi Teknik Informatika, Universitas Sains Al-Quran Jawa Tengah, Wonosobo. Aryati, W.S.T., dan Depi, T., 2013, Aplikasi Sistem Pakar Untuk Diagnosa Penyakit Diabetes Melitus Menggunakan Metode Dhemster Shafer, Magistra No.85 Th. 25 September 2013, 0215-9511. Budi, C.S., Rosa, D., dan Joko, P., 2011, Sistem Diagnosa Penyakit Diabetes Mellitus Menggunakan Metode Certainty Factor, Vol. 7 nomor 1. Cahyo, S.W., 2008, Sistem Pendukung Keputusan Pemilihan Jenis Sakit Kepala dengan Menggunakan Metode Fuzzy MCDM, Skripsi, Jurusan Teknik Informatika Universitas Islam Indonesia, Yogyakarta. Fauzan, M., 2012, Implementasi Sistem Pakar Diagnosa Penyakit Diabetes Mellitus Menggunakan Metode Fuzzy Logic, Tesis, Program Pascasarjana Universitas Diponegoro, Semarang. Hariyanto B., 2014, Esensi-Esensi Bahasa Pemrograman Java Revisi Keempat, Penerbit : Informatika Bandung, Bandung. Hartati, G. Sri, 2008, Pemrograman GUI Swing Java dengan Netbeans 5, Penerbit : Andi, Yogyakarta. Henderi, 2007, Analysis and Design System with Unfied Modeling Language (UML), STMIK Raharja, Tangerang. Kadir, A., 2008, Tuntunan Praktis Belajar Database Menggunakan MySQL, Penerbit : C.V Andi Offset, Yogyakarta. Kusrini. 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Penerbit : Andi, Yogyakarta. Marrelli, T.M., 2008, Buku Saku Dokumentasi Keperawatan Edisi 3, Penerbit : Buku Kedokteran EGC, Jakarta. Novhirtamely K. dan Nova F., 2011, Aplikasi Metode Fuzzy Multi Criteria Decision Making (FMCDM) Untuk Optimalisasi Penentuan Lokasi Promosi Produk, Seminar Nasional Aplikasi Teknologi Informasi, Yogyakarta. Novianti, F.A dan Purnami, S.W., 2012, Analisis Diagnosis Pasien Kanker Payudara Menggunakan Regresi Logistik dan Support Vector Machine (SVM) Berdasarkan Hasil Mamografi, Jurnal Sains dan Seni Vol. 1, Fakultas MIPA Institut Teknologi Sepuluh Nopember (ITS), Surabaya.
67
Nugroho, A., 2009, Rekayasa Perangkat Lunak Berorientasi Objek dengan Metode USDP (Unified Software Development Process), Penerbit : Andi, Yogyakarta. Nugroho, B., 2008, Aplikasi Pemrograman Web Dinamis Dengan PHP dan MySQL, Penerbit : Gava Media, Yogyakarta. PERKENI, 2011, Pengelolan dan Pencegahan Diabetes Mellitus Tipe 2 di Indonesia, Perkumpulan Endkrinologi Indonesia. Reny, W.A., dan Sukma, P.H., 2012, Aplikasi Fuzzy Multi Criteria Decision Making Untuk Pemilihan Dosen Terbaik (Studi Kasus : STMIK Nurdin Hamzah Jambi), Prosiding Seminar Nasional Teknoin, Jambi. Rika R. dan Retantyo W., 2011, Penerapan Fuzzy Multi Criteria Decision Making (FMCDM) Untuk Diagnosis Penyakit Tropis, Seminar Nasional Informatika UPN ”Veteran”, Yogyakarta. Salim Y., 2015, Penerapan Fuzzy Multi Criteria Decision Making Untuk Menentukan Pemberian Beasiswa, Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM, Yogyakarta. Siregar, K.R., 2014, Diagnosa Penyakit Hepatitis Menggunakan Fuzzy Multi Criteria Decision Making, Skripsi, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, Medan. Sumardi, 2014, Implementasi Fuzzy Logic Multi Criteria Decision Making (MCDM) Untuk Menentukan Jenis Kayu Sebagai Bahan Baku Produksi Mebel, Infokam Nomor 2 Th. X, Semarang. Supardi Y., 2007, Pemrograman Database dengan Java dan MySQL, Penerbit: PT Elex Media Komputindo, Jakarta. Turban, Efraim, Joy E. A, Ting-Peng Liang, Negnevitsky, Michael, Setiawan S., 2005, Decision Support Systems and Intelligence System, Penerbit : Andi Offset, Yogyakarta.
Wu, J.T., Wang, J.Q., Wang, J., Zang, H.Y., dan Chen, X.H., 2014, Hesitant Fuzzy Linguistic Multi Criteria Decision-Making Method Based on Generalized Prioritizied Aggregation Operator, The Scientific World Journal Vol. 2014, School of Business Central South University Changsha 410083, China. Zainir V, 2013, Penerapan Fuzzy Multi Criteria Decision Making Untuk Mendiagnosa Penyakit Kulit Pyoderma Dengan Metode Agregasi, Skripsi, Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Baru, Pekanbaru.
68
LAMPIRAN
Lampiran 1. Struktur Hirarki Kasus
Lampiran 2. Source Code
/* * To change this license header, choose License Headers in Project Properties. * To change this template file, choose Tools | Templates * and open the template in the editor. */ package app; import com.mysql.jdbc.Driver; import java.sql.Connection; import java.sql.ResultSet; import java.sql.Statement; import javax.swing.JOptionPane; import java.sql.DriverManager; import java.sql.PreparedStatement; import java.sql.SQLException; import java.awt.*; import java.awt.event.ActionEvent; import java.awt.event.ActionListener; import java.math.BigDecimal; import java.text.DecimalFormat; import java.text.SimpleDateFormat; import java.util.Arrays; import java.util.Locale; import javax.swing.*; import koneksi.konek; import java.util.Scanner; /** * * @author sumitro */ public class diagnosis extends javax.swing.JFrame { java.util.Date tglsekarang = new java.util.Date(); private SimpleDateFormat smpdtfmt = new SimpleDateFormat("dd MMMMMMMMM yyyy", Locale.getDefault()); //diatas adalah pengaturan format penulisan, bisa diubah sesuai keinginan. private String tanggal = smpdtfmt.format(tglsekarang); DecimalFormat df = new DecimalFormat("#.###"); /** * Creates new form jamku */ /**
* Creates new form datainputdiagnosa */
public diagnosis() { initComponents(); jTextField1.setEditable(false); tgl.setText(tanggal); setJam(); buatnomor(); }
public static double[][] storeKri = { //Haus 0-2 {0, 0.2, 0.4}, {0.3, 0.5, 0.7}, {0.6, 0.8, 1}, //Lapar 3-5 {0, 0, 0.4}, {0.2, 0.4, 0.6}, {0.4, 0.6, 0.8}, //Kencing 6-8 {0, 0.3, 0.6}, {0.4, 0.6, 0.8}, {0.7, 1, 1}, //Mudah Infeksi 9-11 {0, 0.2, 0.4}, {0.3, 0.5, 0.7}, {0.6, 0.8, 1}, //Mudah Ngantuk 12-14 {0, 0, 0.3}, {0.2, 0.5, 0.7}, {0.5, 0.7, 1},
{0.5, 0.7, 1}, //Nyeri 15-17 {0, 0, 0.3}, {0.2, 0.5, 0.7}, {0.5, 0.7, 1}, //Capek 18-20 {0, 0, 0.3}, {0.2, 0.5, 0.7}, {0.5, 0.7, 1},
};
//Penglihatan Kabur 21-22 {0, 0.5, 1}, {0, 0, 0.5}, //Turunan 23-24 {0, 0.5, 1}, {0, 0, 0.5}, //BB Menurun 25-26 {0, 0, 0.5}, {0, 0.4, 0.8}, //Gula Darah Puasa 27-30 {0, 0.2, 0.4}, {0.2, 0.4, 0.6}, {0.4, 0.6, 0.8}, {0.6, 0.8, 1}, //Gula Darah Sewaktu 31-34 {0, 0.2, 0.4}, {0.2, 0.4, 0.6}, {0.4, 0.6, 0.8}, {0.6, 0.8, 1}, //Umur 35-38 {0.6, 0.8, 1}, {0.4, 0.6, 0.8}, {0, 0.3, 0.5}, {0, 0, 0.4}, //imt 39-42 {0, 0, 0.2}, {0, 0.2, 0.4}, {0.3, 0.5, 0.7}, {0.6, 0.8, 1},
public static double[][] storeKec = { {0, 0, 0.2}, {0, 0.2, 0.4}, {0.3, 0.5, 0.7}, {0.6, 0.8, 1}, {0.9, 1, 1}, }; public static double[][] o = new double[14][3]; public static double[][] p = new double[14][3]; public static double[][] q = new double[14][3]; public static double[][] r = new double[14][3]; public static double[][] s = new double[14][3]; public public public public public public public public public public public public
static static static static static static static static static static static static
double double double double double double double double double double double double
a10 a11 a12 a20 a21 a22 a30 a31 a32 a40 a41 a42
= = = = = = = = = = = =
0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0;
public static double v1 = 0; public static double v2 = 0.5; public static double v3 = 1; public static double a1v1; public static double a1v2; public static double a1v3;
public public public public public public public public public public
static static static static static static static static static static
double double double double double double double double double double
a1v3; a2v1; a2v2; a2v3; a3v1; a3v2; a3v3; a4v1; a4v2; a4v3;
//o,p,q,r=0 storeKri=0-3 public static void fuzzy(){ //Fuzzy A1 normal p[0] = storeKec[3];//haus
p[1] = storeKec[3];//lapar p[2] = storeKec[3];//kencing p[3] = storeKec[2];//infeksi p[4] = storeKec[3];//ngantuk p[5] = storeKec[2];//nyeri p[6] = storeKec[2];//capek p[7] = storeKec[3];//penglihatan p[8] = storeKec[3];//turunan p[9] = storeKec[2];//bbMenurun p[13] = storeKec[2];//imt //Fuzzy A2 = PRADIABETES q[0] = storeKec[3];//haus q[1] = storeKec[3];//lapar q[2] = storeKec[3];//kencing q[3] = storeKec[2];//infeksi q[4] = storeKec[3];//ngantuk q[5] = storeKec[2];//nyeri q[6] = storeKec[2];//capek q[7] = storeKec[3];//penglihatan q[8] = storeKec[2];//turunan q[9] = storeKec[2];//bbMenurun q[13] = storeKec[2];//imt //Fuzzy A3 = DIABETES MELITUS 1 r[0] = storeKec[2];//haus r[1] = storeKec[2];//lapar r[2] = storeKec[2];//kencing r[3] = storeKec[3];//infeksi r[4] = storeKec[2];//ngantuk r[5] = storeKec[3];//nyeri r[6] = storeKec[2];//capek r[7] = storeKec[2];//penglihatan r[8] = storeKec[4];//turunan r[9] = storeKec[2];//bbMenurun r[13] = storeKec[2];//imt //Fuzzy A4 = DIABETES MELITUS 2 s[0] = storeKec[2];//haus s[1] = storeKec[2];//lapar s[2] = storeKec[2];//kencing s[3] = storeKec[3];//infeksi s[4] = storeKec[3];//ngantuk s[5] = storeKec[3];//nyeri
}
s[6] = storeKec[2];//capek s[7] = storeKec[3];//penglihatan s[8] = storeKec[2];//turunan s[9] = storeKec[3];//bbMenurun s[13] = storeKec[2];//imt
public static void calc(){ for(int a10 a11 a12 a20 a21
i = 0; i < += o[i][0] += o[i][1] += o[i][2] += o[i][0] += o[i][1]
14; i++){ * p[i][0]; * p[i][1]; * p[i][2]; * q[i][0]; * q[i][1];
}
a21 a22 a30 a31 a32 a40 a41 a42
+= += += += += += += +=
a10 a11 a12 a20 a21 a22 a30 a31 a32 a40 a41 a42
/= /= /= /= /= /= /= /= /= /= /= /=
14; 14; 14; 14; 14; 14; 14; 14; 14; 14; 14; 14;
a1v1 a1v2 a1v3 a2v1
= = = =
0.5 0.5 0.5 0.5
a2v2 a2v3 a3v1 a3v2 a3v3 a4v1 a4v2 a4v3
= = = = = = = =
0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
o[i][1] o[i][2] o[i][0] o[i][1] o[i][2] o[i][0] o[i][1] o[i][2]
* * * * * * * * * * * *
((v1 ((v2 ((v3 ((v1 ((v2 ((v3 ((v1 ((v2 ((v3 ((v1 ((v2 ((v3
* * * * * * * *
* * * * * * * * * * * *
q[i][1]; q[i][2]; r[i][0]; r[i][1]; r[i][2]; s[i][0]; s[i][1]; s[i][2];
a12 a12 a12 a22 a22 a22 a32 a32 a32 a42 a42 a42
+ + + + + + + + + + + +
a11 a11 a11 a21 a21 a21 a31 a31 a31 a41 a41 a41
+ + + + + + + + + + + +
(1 (1 (1 (1 (1 (1 (1 (1 (1 (1 (1 (1
-
v1) v2) v3) v1) v2) v3) v1) v2) v3) v1) v2) v3)
* * * * * * * * * * * *
a10)); a10)); a10)); a20)); a20)); a20)); a30)); a30)); a30)); a40)); a40)); a40));
} public void buatnomor(){ try { Statement st= (Statement) konek.GetConnection().createStatement(); ResultSet rs= st.executeQuery("select id_pasien from pasien order by id_pasien DESC"); if (rs.next()) { int auto_id_pasien =Integer.parseInt(rs.getString("id_pasien")) + 1; jTextField1.setText(Integer.toString(auto_id_pasien)); } else{ int auto_id_pasien = 1; jTextField1.setText(Integer.toString(auto_id_pasien)); } rs.close(); }catch (Exception e){ }
} public void bersih (){ jTextField2.setText(""); jTextField3.setText(""); jTextField4.setText(""); jTextField5.setText(""); jTextField6.setText(""); jTextField7.setText(""); jTextField1.setText("");
jRadioButton3.setSelectedIcon(null); jRadioButton4.setSelectedIcon(null); jCheckBox1.setSelectedIcon(null); haus.setSelectedItem(0); lapar.setSelectedItem(0); kencing.setSelectedItem(0);
APOTEKNILAFARMA Alamat : Jl. Mayjen Sutoyo, Kel. Watu-watu, Kec. Kendari Barat
Sehubungan dengan Tugas Ak*rir
(TA) mahasiswa Teknik Informatika
TfoL rntpn rron o rlil qlrrrlron nleh cqrrrlqri'
: Indah Lestari Sumitro
Nama Judul rugas
Arr*rir' i
Metode
:',:::,:,:x::::::::::::HH#:ggunakan 6;-j
1.t@...
,
Melakukan wawancara kepada dokter
:
NamaDokter
: dr. Topan Binawan, Sp.PD., M.Kes
Ahli Spesialis
: Spesialis Penyakit Dalam Qnternist)
AlamatPrakter
: Jl. Mayjen Sutoyo, Kel.'Watu-w4tu, Kec. Kendari Barat
Dengan ini benar telah melakukan wawancara untuk Tugas Akhir (TA) dengan judul yang telah disebut-L.a:r diatas.
PD., M.Kes
I FIE?;F?f6
s I !v (D
Eiii'EHE'
H" *
il
xf 5;
t! h I
m m E a t E
3 3 t, m IT m
{c
*3EH-iEE
c
EE
3 n 3 Itl
m
ti
o o
\
c.
o a
I
F c
3
{o t
-t !
3 g
(
3 o
IE za !, FO rE
o
(
D
6)
(
E'
o
E r o
F ) D
o o
:at
!
3 c
e g.
3
(
"(
V ?
$,1
$)
0
o E'
D
o
3
e o =u
(
!.o
x
I
(
r
(
(
o
\
z
\
a
o
EI
6)
(
;r
\ \
o
t
t
to
z 3qE OQ
N 1'
Ir CE aO
(,
5S:,
\ \
3
!
i
\
.o
u
OG
tiio
r= !i ,7 FE i= !
3 E
o 3
t
zo 0
-gq
( ,o
T GI
E G
o
\
E
z 6 t
2. ry
D g r
E
0f,
ET
o
4
o
t,
af 3; qg
tct
I.o
\ \
a,
;
1t
o
\
,
I
a5
cr
\
g
!
\ t
\
o tn
\, o
z G !, g
o o
^o
o
\
o
E
7
(
i€
-t tloo I g
3
c
(
-t
,/ b o v
]h
\ {
z !,
\
\
o.
u o
=
(
:r
cv
ddh
06 Nts
hfl tsc
3..e
q
\
o
PO
3
A
)x
h6-'
!; 9z ;r t t
I,=
^,
o a G
fi6
Ei ir
c(,t Ict
?
\\
ao2 3if, iltE
3; 5;
n n t vl E E E
tn u, n, F
!oo!!x(,00 rrtrXtr==3 !oGl;'Epen
g g !v t o E fr g
E
= D
(a .n fi -l"R tD tE ir e o urg ll_ ll cp il il U)marX-.1
H
fi
..'
FE
="H 6; = H ! 5 H+ tr(-{,;m ! :E m
3
E Z
tz
FHq n >c
o
s g ,t z. o 7 ip E
o 3
Itt m
tn tlt IJ'
E3
E m
t
3 3 art tn
tll
tn
tr
c c{ B' gt P
19
zI z6)
zq,
o
E= 3X !rq
F
-q,
2 o
C
s
J
F
ET
E
:?
or
3
{o o
|.l
Ir @
=
CL
?t
GI
d
Vr
: g{
!
(
3 o
BS 3H
L J--
(
z
q,
o
tl o
g.
xo
=, o € .s
ET
C
Vr
o
p
E
?-g
atr
x0
( \
S rt lo E
I F ,\+
3 c
tCL t E !t
g;
=
F
tn
€ €
E
1 E
xtp
zr)
r
3,
!,
( ( ( (
f1
E
t!
n
o UT o CT
c
ut ID
B
t ,YE j
cr o
( (
U ft
ip
( (
3 o.
o
t
z
GI
o
D
E
-
to
s
E
t!
2 o =. DD *ot
( ( sr) :t1o =rl ( (
E
a o
Vt
Qr !l .i JEL
.o
xg
UPTD PUSKESMAS TAOSU Alamat : Jl. Poros Laosu Kel. Laosu Kec. Bondoala
DATA REKAM MEDIK UPTD PUSI(ESMAS IAOSU UNTUK PENDERITA PENYAKIT DIABETES MELITUS No
Nama Pasien
Umur (tahunl
Jenis
Kelamin
1
Hapipa
Nurida
56 34
P
2
Ja L(l JOtltta4
Ci*ri lamil^
AA
P
4
Sanode
47
L
5
Samsir Nine Suhuria
35 47
L
50
P
Marhani Nurdin. L Andre Muchtar Kumkelo
49
P
62 55 58
L
L
Mbuy Wawo Mariani
44
P
38
P
35
P
?
6 7 8 9 10 11 72 13 L4 15 16
t7
Hj. Harni Sartina Haerul
P
P
L
42
P
40
P
55
L
59
P
19
Wemau Munarni
53
P
2A
Woro
52
P
18
Penyakit yang Diderita
(UPI Diabetes Melitus Diabetes Melitus Pradiahetes Diabetes Melitus Diabetes Melitus Pradiabetes Diabetes Melitus Diabetes Melitus Diabetes Melitus Pradiabetes Pradiabetes Pradiabetes Diabetes Melitus Pradiabetes Diabetes Melitus Diabetes Melitus Diabetes Melitus Pradiabetes Diabetes Melitus Diabetes Melitus
Tipe ll Tioe ll Tioe ll Tipe ll Tipe ll
Tipe tl Tipe ll
Tipe ll
Tioe ll Tipe ll Tipe ll Tipe
1l
Tipe ll
Mengetahui
I
NrP. 19870929 201410 2 001
UPTD PUSKESMAS 1AOSU Alamat : Jl. Poros Laosu Kel. Laosu Kec. Bondoala
DATA HASIL PENGUJIAN DIAGNOSA PENYAKIT DIABETES MELITUS ANTARA SISTEM DAN PAKAR
fiasil llhgnwa No
Nama Pasien
Validasi
Pakar
Sistem
II
Diabetes melitus tipe n
True
Pradiabetes
Pradiabetes
True
Marhani
Pradiabetes
Pradiabetes
True
4
Mbuy
Pradiabetes
Pradiabetes
True
5
Andre
Pradiabetes
Pradiabetes
True
6
MochtarKumkelo
Pradiabetes
Pradiabetes
True
7
St. Jamila
Pradiabetes
Pradiabetes
True
8
Nine
Pradiabetes
Pradiabetes
True
I
Woro
Diabetesrnelia*dpe
Il
Didmte$ melitrls tipe II
Trw.
10
Munarni
Diabetes melitus tipe
II
Diabetes melitus tipe
II
True
11
Haerul
Diabetes melitus tipe
II
Diabetes melitus tipe tr
True
t2
Sartina
Diabetes melitus tipe tr
Diabetes melitus tipe tr
True
13
Hj.Harni
Diabetes melitus tipe
II
Diabetes melitus tipe tr
True
T4
H. Nurdin. L
Diabetes melitus tipe
II
Diabetes melitus tipe
II
True
15
Marhani
Diabetes melitus tipe
II
Diabetes melitus tipe
II
Tnte
t5
Hapipa
Diabetes melitus tipe
fi
Diabetes melitus tipe
II
True
17
Nurida
Diabetes melitus tipe
II
Diabetes melitus tipe
II
True
18
Sanode
Diabetes melitus tipe
II
Diabetes melitus tipe tr
True
19
Samsir
Diabetes melitus tipe tr
Diabetes melitus tipe
II
True
2A
Suhuria
Diabetes melitus tipe
II
Diabetes melitus tipe
II
True
I
Wawo
Diabetes melitus tipe
2
Wemau
J
UPTD PUSKESMAS LAOSU Alamat: Jl. Poros Laosu, Kel. Laosu Kec. Bondoala
Sehubungan dengan Tugas
Alftir (TA)
mahasiswa Teknik Informatika Universitas
Hahmlen alas aarna bdah Lestari Sgs1itro dengen judul penelitian "Aplikasi Diagnosa Penyakit Diabetes Melitus menggunakan metode fu"zy mutti criteria decision making " kami yang bertanda tangan dibawah ini:
Narna
: dr. Viqa vaiqah
Alamat
: Jl. Poros Laosu,
Kel. Laostr, Kec. Bondoala
Telah menyetujui pembobotan yang dilakukan oleh saudari Indah Lestari Sumitro dan dapatdigunakan ur$uk pnneJitian Tugas Akhir (TA)-
Kendari,
November 2015
2CI1410 2 001
Vrriabel Liuguistik
Iftiterie
o
0
n,l
Z o4
Jarang
0.3
05
0.7
Ya
0.6
0.8
I
a:)-lHaus berlebih
Mudah lapar
Sqring berkemih
Mudah Infeksi
l/2 Porsi
0
0
0.4
I Porsi > I Porsi
4.2
0.4
0.6
0.4
0.6
0.8
Normal
0
0_3
0.6
Serins
04
0.6
0.8
Sareat s€rine
0.7
I
t
Tidak
0
0.2
0.4
Jarang
0.3
0.5
0.7
Ya
0-6
0.8
t
0
0
0.3
Jarane
0.2
0.5
0.7
Sering
0.5
0.7
I
0
0
Jrmg
v-^t
s.5
Serins
0.5
a.7
03 v-t I
0
0
0.3
Jarang
0.2
0.5
0.7
Sering
0.5
0.7
I
0 0
0.5
Ya
Krrus
0
0 0/5 0
Sedang
0
0.2
0.4
Gemuk
0.3
0.5
0.7
Obesitas
0.6
0.8
I
Ya
n
0.5
1
Tidak Normal
0
0
0.5
0
0
0.5
Drastis
0
0.4
0.8
I
0
0.2
0.4
GDP 2
0.2
0.4
0.6
GDP 3
0.4
0.6
0.8
GDP 4
0.6
0.8
I
0
0.2
0.4
GDPP 2
o2
0.4
0.6
GDPP 3
0.4
0,6
0.8
GDPP 4
0.6
0.8
Usia I
0.6
0.8
I
Usia2
0.4
0.6
0.8
Usia 3
0
0.3
0.5
Usia 4
0
0
0.4
Tidak penrah Mudah ngantuk
Tidak pernah
Mrdcli nyeri
Tidak pernah Mudah lelah
Perglihataa habur
Indeks masatubuh
(IMT)
Faktor turunaa Berat badanmerurun
Tidak
GDP Gula daahpuasa iGDP)
GDPP Gula darah 2 jam PP (Post Prandial) (GDPP)
Umur
Bobot
Y.
1
0.2
Varirabcl
Lhgufotik
Bobot Y
a
z
TidakBerpengruh
0
Kurang B€rp€f,rgruh
0
o.2
0,4
CUkWB€rperym$
0.3
0.5
0.7
A€rp€ngaruh
0.6
0.8
I
SangntB€rpeogruh
0.9
I
I
o.2
Kendari,
November 20I5
20l4lo2
PEMERITTTAH XABI'PATETT KOilAWE
DINAS KESEHATAN UPTD PI'SIGSMAS LAOSU TEC.
BOiltX}AlA
SURAT rEIERAilGAltl IELiAH MEIAIGAHAI(AI| PEI{EUIIAI{
Nomor Yang bertanda tangan di
bawah
:
€SlB /PKM-L5llltl2015
:
ROSNAWATI L,SKM
NIP Jabatan
:
19660820 198603 2 011
:
Kepala UPTD Puskesmas Laosu
Dengan ini menerangkan
bahwa
:
Nama
INDAH LESTARI SUMITRO
NIM
E1el 11 071
Program Studi
Sl lnformatika
Jurusan
Teknik lnformatika
Universitas
HALUOLEO
Benar-benar telah melaksanakan penelitian di Puskesmas Laosu dari tanggal 13 November 2015
sampai dengan 21 November 2015 dengan judul Merrygunakon
:
*Aptikosl Dlognoso Pmyakit Dlabetes Metitus
Metde Fuuy Multi Oiterio Ddsian Mokirry'.
Demikianturat keterangan ini dibuat untuk dipergunakan sebagaimana mestinya.
Laosu, 17 Maret 2016
KEMENTERHN RISET, TEKNONOLOGI DAN PENDIDIKAN TINGGI U]*IVERSITAS HALU OLEO IURUSAN TEKHIK TNFORTTIATIKA
AlaaatrLN'IrE^'**offSxi!rffi,uJ*"#H:*Y-?ffi Kendari,
No
: t93 ruNz9.L0.LJtPPnALl
Perihal
: Permohonan --
A)
KENDARIe3223
November 2015
Penelitian Tugas Akhir
Lampiran: Yth.
Kepala Badan Penelitian dan Pengembangan Prov. Sultra
DiKendari Dengan Hormat,
Berdasarkan Kurikulum Program Studi Teknik Informatika Fakultas Teknik IJniversitas Halu Oleo Tahun Akadem* ZOl5t2O16, untuk menyelesbikan studi mahasiswa wajib mengambil mata kuliah Tugas Akhir. Berd.asarkan hal tersebut, kami mohon bantuan BapaMbu untuk memberi kesempatan untuk melakukan penelitian Tugas Akhir kepada mahasiswa kami sebagai berikut : No.
1
Nama INDAH LESTARI SUMITRO
Stambuk E1El
11 071
Judul Penelitian APLIKASI DIAGNOSA PENYAKIT DIABETES MELITUS MENGGTINAKAN METODE FUZTY MULTI CRITERIA DESICION MAKING
Demikian *urat permohonan ini kami ajukan, atas kesediaa* Bapa}ilIbu, k+mi ucapkar terima kasih.
Ketua Jurusan Teknik Informatika,
IKA PURWANH MNGBUM, S.Kom., M.Cs
NIP 19830116
Tembusan: 1.
Dekan F. Tetnilr (sebagai laporan)
2.
Arsip
20LOt2 2 AA2
PEMERINTAH PROVINSI SULAWESI TENGGARA
BADAN PENELITIAN DAN PENGEMBANGAN Kompleks Bumi Preia Anduonohu Telp. (0401) 3136256 Kendari 93232 Kendari, 24 November 2015
Kepada Nomor Lampiran Perihal
07
OI
38521 Ba itbang/2O I
1
Yth. Bupati Konawe di-
5
UNMHA
lzin Penelitian
Surat Ketua Jurusan Teknik lnformatika UHO Kendari Nomor : perihal tersebut di atas, 293/UN29. 10.1 IPP 1201 5 tanggal 23 November 2015 Mahasiswa di bawah ini :
**rarkan
INDAH LESTARI SUMITRO E1E1 11071 51 Teknik lnformatika Mahasiswa Puskesmas Laosu KabuPaten Konawe
Nama NIM Prog. Studi Pekerjaan Lokasi Penelitian
Bermaksud untuk melakukan Penelitian/Pengambilan Data judul : Saudara dalam rangka penyusunan Skripsi, dengan
di
Daerah/Kantor
*A,PLIKAS' DIAGNOSA PENYAK'T DIABETES MELITUS MENGGUNAKAN
METODE FIT7ZY MTILTI CRITERIA DECISION MAKING"
Yang akan dilaksanakan daritanggal : 24 November 2015 sampai selesai kegiatan Sehubungan dengan hal tersebut diatas, pada prinsipnya kami menyetujui dimaksud dengan ketentuan : perundang-undangan 1. Senantiasa menjaga keamanan dan ketertiban serta mentaati yang berlaku. Z.iiaiXmengadakan kegiatan lain yang bertentangan dengan rencana semula' i. o"t", s"ti-"p kegiatari dilapangan agar pihak Peneliti senantiasa koordinasi dengan pemerintah setemPat' 4. Wajib menghormaiinOat lstiadat yang berlaku di.daerah setempat Gubernur Sultra Cq' S. Utenyerahk-an 1 (situ) examplar iopy-frasil penelitian fe^naOa ("pif, Badan Peneliiian dan Pengembangan Provinsi SulawesiTenggara. ternyata 6. Suiat izin akan dicabut kembali dan dinyatakan tidak berlaku apabila di atas' tersebut pemegang surat izin ini tidak mentaati ketentuan
-
Demikian Surat
lzin Penelitian diberikan untuk digunakan
sebagaimana
mestinya. SULAWESI TENGGARA & LINGKUNGAN HIDUP .
SULTM,
Gol. lV/a 18 198603 2018
Tembusan: 1'GubernurSulawesiTenggara(sebagailaporan)diKendari; 2. Dekan Fak. Teknik UHO Kendaridi Kendari: 3, Ketua Jurusan Teknik lnformatika uHo Kendaridi Kendari; !/^tr
llanarrra
r{i I lnaaha'
5r 3e <= Y@ :t
lg c,
ul
) r
\
5 E r
(9
a E 5 = 4
a 3 ts
{ ag =6 dg
ut
E
tn ut
l-
!z
F ur 6
L
-Z EA
6
ct
HE
2
F
a ut
zl
cl
llr
o-
6g
zut
Ift rE
& UI
zo
\
EE 5E
E=
19
E
KE >a alc
=H
sa
1^
5 -
q
2
ao
E= Af
6
JY
= {=t o = (-, 2 B
33 f< <2
E
o
A
)
E6 A= U<
o
-
A N
E
{<)
o
ts
€K.-gss?
6 6
BE E< EA
2
tt Eh
ll
q
a = =
cE
a
c
#> sE
EE
333**
=*
zz-dd
=<=rr
t=EgH={ z)HF:6(,lc
EE
'E
c
, A
\ 6pp fEE EJJ
Iz
\a =<
9:
G
o
-3
\
(!,
(, e
EE== SE60 u
dca lt ut
4uB
-JJ
fraHH-
u
E
i ?EEE
E3E?? iAEEE fE$HN
B
iE EE
=> gE
JPg
Z
9m{sEi ltillE
a E ur
E 1A
UI
F UJ
o g a F
E ul
a
E=
zUJ
DE
d=
o,
k;
G
zut
>4 <E
a
G,
o v5
=H
OE (tJ Ef JY
33 =< <2 E3
E2 u(t >t2
g. Ei*s*e
-:,
il o
6>
zz-4N
5*
o n9;'I3 =863=3
3=f;EfiJJ
2 t, a
ct ,E
iE
2\ IE
=> EE
(,
G
)
t 65=
.^0
3EE tsJJ
iAp.EEg;=
ll
4
J q
J U
4
iPEHe
4
i.rE=E FEtataa
19
EH+II
c
2
z aa
E E ,a ef;{rEi = !,il
i JI
E
l
)
tn
3 E UJ
E
IA
ul
F l!
o g
(I F E lu cl
EE 5E
2 ut
E=
a.
KE >a.
ac
UJ
2 o ttt 5 -
c, =H
te <J 4i t!
33 ,<
ff
E"EB
If-[eai,
t7
c
t = 2 Ie
-
ct
=
6J)
ZZoLd =
--
#*3^E^E ]ioXk<< gda ==a = zdYiErse
rt .a
r\t aA
]EE LJJ
-Ei=E
hJJ 4EE
A ;EE
iE3E?? ?EE
t
c
E
t:ArdN
ln==E trooaa
A
p
rL
S=
)
c
.J
(s
{t
EE =E <6
=>
'E
?z
(, & = u
ulu
EE
g
TT#
aa
II
E
llt
f E ul
E
tn
lrl F ut
6
a F
E ul
o 2 lrl
EE 3E
& ut
KE >o-
o ttl 5
E
F
sr
o,
z
=B
Er <J E3 tY
33 5<
0 r.t
E
2 6.
\ dhl 6g
5=P ]EE E J
-:,
ir-ef1
C'
2
-
A
zz-Ld
=i
gl
I
*=EgEs= =*EEE Z>gFEut,
jnE== trooaa
a
=; *E
J U
EE3++ tsEildGr
i
EE EE
U
= FEE tr =EHr A(ttrqC
)
ET
=
fi>
4fi==
=
hJJ I
c
; z )ZE O E-EE ,4
?fif+?s z;A;i=
7
5E
<= =e -E
f|,
5 E
u
l
(, c
a
a 3
= E
a
ts
ut
iq !rt
t= h ul
f,z
F t! 6
6
tg
t-
-2 -a
6
fi,
l-
E ut
a 2 lrJ
illz 2< (=
UI
Eft L4,
>4 ,IE
o. 0l
2 o th 5 -
E
2
EE 5E
F
E=
(!t
c
EE >4 <E G.
=H
'i,
d 2
3c <J
o A
6
= ll, =
o = I
o
A
=
) J {
I
= s
l< H= x< ca aE
i f ,ieis
C'\
a
zz-Ld
=
sq;9=?I 3=C
Edd
=
(9
2
na
c
cF 6JJ
-
0 0
= 2
2
E
a 3 =
rtd vt
tn
fEE LJJ hJJ 4EE
ll
EE== E!4HE B-rr
(,
9< <= 55 2
fi> 5s
33 5<
o A
& g
G
6
E3
(9
2 ut
cf rY
iEEEE
u 4
F3E?? TAodn!
lr=== traoo6
A
= 4
6 I z
I a o
cz 2 6
EE
EE
:€
7
EE EB
5E =3
('
2 -
E gA
JEs
?q
f**I
z;A;FE
( 'E 3e (> lr
t!,
c,
J
\ )
3 E IG
a 3
an
3
E
4
ts
E
k= +to dg
o sa
,z a GA
l-
2
lll
fiz a
{l UJ llrl
H5
a u, cl 2 UJ
EE
9z
iiq5 >@
a.
0c
UJ
2
o IA 5 -
=E
E=
(t
KE >a.
o2
<E
=E E, O
te c,
co
d
= 6
,6 =
o = -
l!
3"a
o
3< <2 E3
4
(9
zu
J
=
e2 u<
Ao
>F 2
n
=< H= Y< Ecl
*D -
0
-f
9< ==a,E
6> zz-aN
a-
=
fls=E<" z)qF6t,(9
==EEE13
A
1n 63' :EE E J a
EEi== S=G0
(9
2 o
A
Irr=== tra6aa
Ei' A>
c
EH
=;
^=
'E
EE
ut
J
J J
r E
E F
3?EEE E3E?? faIdil
c
3 =
_T
& i!Flrl!
a
EE
4qE
(,
ct
.45
A 4
oa
d.\l
= 5
3i- i**l
c,
c -=
r,
2 4,
H(',
*4 9 fr s s g ; =Eg t i il r r E
ti
)
ts lrt
a = ut F ut 6
sa F
e LU a 2 tll
EE ,E E= e2>a-
A E UI
F
z
o ]n 5 v
)
E,
=H
E= A= JY
x3 :'<
E6
ll
(!,
4
eE<
=
A
) 6f3
3EE
v3 t-
z
r,
U.c*$
s?i
Ed==
(, 2
E EI
A
fi> z.z-Ld
5E
=5EEE E=a=E=3
E: z\
ts J hJJ 4qE
J
S=66
frgl.HE
tt c
iEEEE EiFlgE
E3E??
3
=
dGa 66
lasd.r{
lnE== F-aaaa
4
xE gE
( b G>-
E
a
)EE EEg q ?
z4
f**
z;A;FE
J
(5r 3a (E tsE
:ur
c, c,
J
) \
t
su
-
t9
E
ct
a 3
3 a
=
ts
(
UI
EC
I= A ul tl!
fr,2
)
!4 JA l!,i L
a
b= EA
s(:
HI
CI
2
F
a IU a
tJ'
2 ut
q5
a.
E u,
t, e
<E
-a =E
2 o a
5 Y
EE =E E= KE >a-
z
=< s=
) o
d
z
ctE
E
c:t
rX
0
E tl =
o = x I2 E
.{
iJ
)) }}
Sssr
;"e*9s$H
=
33 5< 3z
o
A
E3
E,Z s(t >t2
6
o A Gt
I J<
H=
-< tsa
s*
=$H** E=
e
4
1n
-3 2 {I
6 o
a*
9< 5E u
zz-Ld
(!,
dN
E
2 6
ct
q
-EiS=
4
=
iE EE
TE
(
EH
E
EB
E}
'E
ul J
ESEEE
4
2
644 E =EEJ +JJ -luE
1 E PhE =EE iEEEE E3E?? tard^r
t9
:,
oa
t>*
=H aa
(,
c
>,
=E2
E
2 c u tt
I
g
*e
=Ef sEI ?
t!,aIIE
) g,
<= -E =H 7'
& F
3 u
-
tc,
a :)
tn
:)
=
c
ul
E* +.e
t-
IA = ul
fiz a
ts
dg
F u.l
o so
tZ
ca
Ht
F
a =
a ul a
EE 3E
2i (=
zUI
>6 NE
o-
c
e,
ul z,
E= KE >a
t!,
=E
o alt 5 v
6
c =H at
a
2
)
E= a3 LY
0
E
,0
33 f<
o 4
E
o
-I
5
g =
o
2
4 N
=
;;
BEP
E
a
J
a
=< HE
2i "ur fl?
af; 9< 65 ==
v< c, t)
E E
cA
z.z-Ld
#s=Ei
*silgE;;
==EEEAA
6 0 z 2
-d=E g=t;a.A
J
J
4a{E
nHH
ieEEE =
ll
E3E?? actlldN
In=== trcraaa
2
Ei E>
f-
=
0 o
EE
s>
E LJ
s* ,5
g
a
G'
z
e.
JEg
=A =Eg 11il I I
E
7
IA
)
ts EI
E
IA UJ
F t! E
o F E ul
o
EE 3E
zgt
d=
o. e, ut
k; >A
z
o a 5 Y
E
=E Ee <J c3 JX
33 f<
E3
(e
E
e.2 ls<
o
-:,
2
tu , erB?
fr
z.z-Ld
2 cl
4
E
E
4
HgIEEE
E
FAEEE
(,
-=s ta
E} c> <-o
<-L => 2=
=$E** E=a=E3;
E AnHgE;;
0
(,
= =
#> sE
633
fEE EJJ
EE3++ lErr.N ( *-
Z g
J39
ili
i i&
<E
YE ==
t!,
E
J
F
)
4
su (,
a e
t
vl
)
E
c
ts
Eq
UI
+.!
dg
ut
fi-
sa
-2 E6
t=l
F ul 6
at
HI
)
2
ts
oc
UJ
o
EE ,E
19Z
2<
zlrl
s= UIE
r
0c
ut
z
4
6 2 6
o
E
2 E
6
=<=--
333E* Z>=Fcou,(9
===gEIr
a
nl
E
t< H= r<
6 0
4 F
dN
vt 6:rf 5EE L J
lt
-d== SEs6
(9 gl
)
=
o
lg 4,
=
2
=> gE
f
E
iEEEE
E3E?? TABdN
traoaa
A
EH
a>
LJJ I
aa J p
E!{rEU urrtIlrt
)
3
EE EE <6
E
= 2
tscl
af E* t= -5&
|o
-
3
E
ZZ-dd
33 =<
\
o A
E
*3
tc <J af JZ
(I
i i-gei$
& =H
o
o = -
.J
) A
= lrl =
-tJ
EE >.a
=f;
o ti 5 -
E=
CI
EE
s* 'E
*
.3
JT9
2 a u
efr{sE? ltkrlE