8

BAB II

TINJAUAN PUSTAKA

2.1 Sistem Berbasis Pengetahuan

Sistem berbasis pengetahuan atau Knowledge Based System (KBS)

merupakan bagian dari kecerdasan buatan (Artifical Intelligence / AI). Sistem ini

terdiri dari Knowledge Base (KB) dan mesin inferensi yang berfungsi sebagai mesin

pencari pengetahuan. Sistem berbasis pengetahuan dapat diklasifikasikan ke dalam

5 tipe yaitu hypertext manipulation system, Intelligent Tutoring System (ITS), CASE

Based reasoning, Database in conjunction with an intelligent User Interface, dan

sistem pakar (expert system) [14].

2.1.1 Sistem Pakar

Sistem pakar merupakan sistem yang mengadopsi pengetahuan manusia

(human knowledge) ke dalam komputer untuk dapat menyelesaikan masalah [15].

Menurut Turban dalam buku kecerdasan buatan [16], terdapat 3 (tiga) unsur

manusia dalam sistem pakar yaitu :

a. Pakar (The Expert)

Pakar adalah seseorang yang menguasai bidang ilmu pengetahuan tertentu,

memiliki pengalaman, serta mampu memanfaatkan talentanya untuk

memberikan saran atau nasehat terhadap pentelesaian suatu masalah. Pakar

memiliki tugas penting dalam pembangunan sistem pakar. Tugas dari seorang

pakar adalah memberikan atau menyediakan pengetahuan.

b. Perekayasa Pengetahuan (Knowledge Engineer)

Knowledge engineer memiliki tugas utama yaitu menerjemahkan dan

merepresentasikan pengetahuan yang diperoleh dari seorang pakar. Untuk

memperoleh pengetahuan tersebut, knowledge engineer akan berinteraksi

langsung dengan pakar. Proses ini disebut dengan akuisisi pengetahuan.

Knowledge engineer haruslah memiliki keterampilan untuk merekayasa

9

pengetahuan, komunikasi yang baik, dapat menyesuaikan masalah kepada

software serta memiliki keterampilan pemrograman sistem pakar.

c. Pengguna (User)

Pengguna adalah orang yang menggunakan sistem pakar untuk dapat

menyelesaikan permasalahan. Pengguna dalam sistem pakar memiliki beberapa

kelas, yaitu :

1. Pemakai bukan pakar

Dalam konteks ini, sistem pakar berperan sebagai seorang konsultan atau

pemberi nasihat.

2. Siswa yang ingin belajar

Sistem pakar dapat berperan sebagai instruktur bagi siswa.

3. Pembangun sistem pakar

Dalam hal ini, sistem pakar memiliki peran sebagai rekan kerja (partner).

Pembangun sistem pakar memiliki tujuan untuk dapat meningkatkan serta

menambah basis pengetahuan.

4. Pakar.

Pakar yang menggunakan sistem pakar bertujuan untuk menjadikan

sistem pakar sebagai kolega, asisten ataupun unsur lainnya.

Secara umum, terdapat 4 (empat) komponen utama pembentuk sistem pakar

[17], antara lain :

a. Antarmuka Pengguna (User Interface)

Komponen ini merupakan penghubung antara pengguna dan sistem untuk dapat

berkomunikasi. Antarmuka akan menyajikan informasi kedalam bentuk yang

dapat dimengerti oleh pengguna.

b. Basis Pengetahuan (Knowledge Base)

Basis pengetahuan merupakan komponen penting dalam sistem pakar yang

terdiri dari dua elemen utama yaitu fakta dan aturan (rules).

c. Mesin Inferensi (Inference Machine)

Mesin inferensi merupakan sebuah otak dari sistem pakar yang berfungsi untuk

penarikan kesimpulan. Mesin ini akan memproses penalaran berdasarkan basis

pengetahuan yang tersedia pada sistem.

10

d. Area Kerja (Workplace)

Workplace merupakan area dari sekelompok memori kerja yang berisi fakta-

fakta masalah dalam suatu sesi konsultasi.

Untuk menarik sebuah kesimpulan, pengguna akan berkomunikasi dengan

sistem melalui antarmuka. Selanjutnya, mesin inferensi akan bekerja selayaknya

sebuah processor dalam sistem pakar dengan mencocokan fakta-fakta pada memori

kerja berdasarkan basis pengetahuan (knowledge base).

Agar sebuah sistem dapat berjalan dengan baik selayaknya seorang pakar,

terdapat 2 (dua) komponen tambahan dalam sebuah sistem pakar, yaitu :

a. Fasilitas Penjelasan (Explanation Facility)

Komponen ini merupakan gambaran penalaran sistem kepada pengguna, seperti

apa yang harus dilakukan pengguna untuk dapat menggunakan sistem pakar

yang dibuat.

b. Fasilitas Akuisisi Pengetahuan (Knowledge Acquisition Facility)

Akuisisi pengetahuan merupakan proses transformasi keahlian dari seorang

pakar kepada knowledge engineering untuk dibangun sebuah basis

pengetahuan.

Terdapat 2 (dua) jenis lingkungan yang membentuk sistem pakar.

Lingkungan tersebut adalah lingkungan pengembangan (development environment)

dan lingkungan konsultasi (consultation environment) [17].

11

Gambar 2.1. Struktur sistem pakar

Secara sederhana, struktur sistem pakar ditunjukkan pada Gambar 2.2.

Gambar 2. 2. Struktur sistem pakar sederhana

2.1.1.1 Kategori Masalah Sistem Pakar Secara Umum

Permasalahan-permasalahan yang biasa diselesaikan dalam sistem pakar

antara lain sebagai berikut [16]:

a. Interpretasi

Dalam konteks interpretasi, sistem pakar biasanya bertujuan untuk

pengambilan keputusan dari hasil observasi, seperti pengawasan, pengenalan

ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan.

12

b. Prediksi

Dalam hal ini, sistem pakar biasa digunakan untuk memprediksi akibat-akibat

yang dimungkinkan dari situasi-situasi tertentu, seperti peramalan, prediksi

demografis, peramalan ekonomi, prediksi lalulintas, estimasi hasil, militer,

pemasaran atau peramalan keuangan.

c. Diagnosis

Diagnosis bertujuan untuk menentukan sebab malfungsi dalam situasi

kompleks yang didasarkan pada gejala-gejala yang teramati, antara lain yaitu

medis, elektronis, mekanis, dan diagnosis perangkat lunak.

d. Desain

Sistem pakar juga digunakan untuk menentukan konfigurasi komponen-

komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu dan

kendala-kendala tertentu, antara lain seperti layout sirkuit ataupun

perancangan bangunan.

e. Perencanaan

Dalam hal perencanaan, sistem pakar berfungsi untuk merencanakan

serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan

kondisi awal tertentu. Contohnya seperti perencanaan keuangan, komunikasi,

militer, pengembangan politik, routing dan manajemen proyek.

f. Monitoring

Sistem pakar dapat digunakan untuk membandingkan tingkah laku suatu

sistem yang teramati dengan tingkah laku yang diharapkan darinya. Contohnya

Computer Aided Monitoring System.

g. Debugging dan Repair

Sistem pakar juga biasa digunakan untuk menentukan dan

mengimplementasikan cara-cara dalam mengatasi malfungsi, seperti perbaikan

terhadap suatu kerusakan.

h. Instruksi

Dalam konsep instruksi, sistem pakar dapat melakukan instruksi untuk

diagnosis, debugging dan perbaikan kinerja.

13

i. Kontrol

Sistem pakar dapat mengatur tingkah laku suatu environment yang kompleks

seperti kontrol terhadap interpretasi, prediksi, perbaikan, dan monitoring

kelakuan sistem.

j. Seleksi

Sistem dapat melakukan proses identifikasi untuk menentukan pilihan terbaik

dari sekumpulan kemungkinan.

k. Simulasi

Dalam hal ini, sistem dapat menjadi pemodelan interaksi antara komponen-

komponen sistem.

2.1.1.2 Kelebihan Sistem Pakar

Sistem pakar memiliki beberapa kelebihan, antara lain :

a. Orang awam bisa mengerjakan pekerjaan para pakar.

b. Menyimpan pengetahuan serta keahlian para pakar.

c. Menghemat waktu dalam pengambilan keputusan.

d. Meningkarkan kualitas serta produktivitas karena mampu memberikan nasehar

yang konsisten dan mengurangi kesalahan.

2.2 Certainty Factor (CF)

Certainty factor atau faktor kepastian merupakan metode untuk menghadapi

permasalahan dimana jawabannya tidak pasti [18]. Maksud dari ketidakpastian ini,

dimana seorang pakar seringkali menganalisis informasi yang ada dengan

ungkapan “mungkin”, “kemungkinan besar”, ataupun “hampir pasti” [19].

Shortliffe Buchman yang pertama kali memperkenalkan metode ini pada tahun

1975. Secara umum, aturan (rule) dalam metode CF, direpresentasikan dalam

bentuk persamaan 2.1.

IF E1 [AND / OR] E2 [AND / OR] . . . En THEN H (CFrule)

…(2.1)

14

Di mana:

E1…En = fakta atau peristiwa (evidence) yang ada

H = hipotesa atau konklusi yang dihasilkan

CF = tingkat kepercayaan (Certainty Factor) terjadinya hipotesa akibat

adanya fakta atau peristiwa (evidence)

Dalam metode ini, dikenalkan konsep Measures of Belief (MB) atau ukuran

kepercayaan dan Measures of Disbelief (MD) atau ukuran ketidakpercayaan. Nilai

dari faktor kepercayaan didefinisikan dalam bentuk persamaan 2.2.

CF[H,E] = MB[H,E] - MD[H,E] …(2.2)

Di mana:

CF[H,E] = faktor kepastian dari hipotesis H yang dipengaruhi oleh peristiwa

(evidence) E. Besarnya CF antara -1 sampai dengan 1. Nilai -1

menunjukkan ketidakpercayaan mutlak dan 1 menunjukkan

kepercayaan mutlak.

MB[H,E] = measure of belief (ukuran kepercayaan) terhadap hipotesis H, jika

diberikan peristiwa (evidence) E, berkisar dari 0 – 1.

MD[H,E] = measure of disbelief (ukuran ketidakpercayaan) terhadap hipotesis

H, jika diberikan peristiwa (evidence) E, berkisar dari 0 – 1.

Certainty factor menggunakan suatu nilai bobot untuk mengasumsikan

derajat kepastian. Terdapat dua macam faktor kepastian yang digunakan dalam

metode ini. Yang pertama adalah faktor kepastian dari seorang pakar dan yang

kedua adalah faktor kepastian dari pengguna. Nilai bobot tersebut didapatkan dari

interpretasi term lalu diubah menjadi nilai CF tertentu. Adapun nilai CF pakar dan

pengguna yang digunakan sebagai tingkatan kepercayaan pada suatu hipotesis

terhadap suatu peristiwa terdapat pada Tabel 2.1.

15

Tabel 2.1. Interpretasi term nilai certainty factor [20]

No Deskripsi Nilai

1 Pasti Tidak -1,0

2 Hampir Pasti Tidak -0,8

3 Kemungkinan Besar

Tidak -0,6

4 Mungkin Tidak -0,4

5 Tidak Tahu -0,2 to

0,2

6 Mungkin 0,4

7 Kemungkinan Besar 0,6

8 Hampir Pasti 0,8

9 Pasti 1,0

Setelah diketahui nilai bobot CF pakar dan CF pengguna, akan dilanjutkan

dengan menghitung CF dari pakar dan pengguna berdasarkan persamaan 2.3.

CF[H,E] = CF[E,e] * CF[H,e] …(2.3)

Di mana :

CF[H,e] = faktor kepastian hipotesis H yang dipengaruhi oleh peristiwa

(ecvidence) e, atau nilai kepastian yang diberikan oleh pakar

terhadap suatu aturan.

CF[E,e] = faktor kepastian peristiwa (evidence) E yang dipengaruhi oleh

peristiwa (evidence) e, atau nilai kepastian yang diberikan oleh

pengguna terhadap gejala yang dialaminya.

CF[H,E] = faktor kepastian hipotesis dengan asumsi peristiwa (evidence).

Selanjutnya melakukan kombinasi dari keseluruhan nilai CF. Terdapat

beberapa aturan dalam melakukan kombinasi nilai CF. Jika CF dari kedua faktor

16

bernilai postif atau lebih dari nol (CF1 dan CF2 > 0), maka nilai CF akan dihitung

dengan persamaan 2.4.

CFcombine CF[H,E]1,2 = CF[H,E]1 +CF[H,E]2 * (1-

CF[H,E]1)

…(2.4)

Jika salah satu nilai CF bernilai negatif atau kurang dari nol (CF1 atau CF2

< 0), maka akan dikombinasikan dengan persamaan 2.5.

CFcombine CF[H,E]1,2 = 𝐶𝐹[𝐻,𝐸]1 +𝐶𝐹[𝐻,𝐸]2

(1−𝑚𝑖𝑛 {|𝐶𝐹1|,|𝐶𝐹2|})

…(2.5)

Jika kedua nilai CF bernilai negatif atau kurang dari nol (CF1 dan CF2 < 0), maka

nilai CF kombinasi dihitung dengan persamaan 2.6.

CFcombine CF[H,E]1,2 = CF[H,E]1 +CF[H,E]2 * (1+

CF[H,E]1)

…(2.6)

2.3 Stunting

Stunting adalah suatu kondisi dimana anak memiliki panjang atau tinggi

badan berada dibawah minus 2 Standar Deviasi (<-2SD) dari standar median

WHO[21]. Stunting dapat diartikan sebagai kekurangan gizi kronis pada masa periode

kritis tumbuh dan kembang anak, yaitu saat anak masih berupa janin. Berdasarkan hasil

Riskesdas tahun 2013 terdapat 37,2 % atau 9 juta balita Indonesia mengalami stunting.

Angka tersebut tidak mengalami penurunan yang signifikan jika dibandingkan dengan

hasil Riskesdas pada tahun 2018, yaitu sebesar 30,8% atau 7 juta balita di Indonesia

mengalami stunting [22]. Stunting dapat menyebabkan organ tubuh tidak dapat

tumbuh dan berkembang secara optimal. Balita stunting berkontribusi terhadap 1,5

juta (15%) kematian anak balita di dunia [4].

17

2.3.1 Dampak Stunting

Stunting dapat berdampak jangka pendek maupun jangka panjang. Dampak

jangka pendeknya dapat menyebabkan anak mengalami gagal tumbuh, hambatan

perkembangan kognitif dan motorik, tidak optimalnya ukuran fisik tubuh serta

gangguan metabolisme. Dampak jangka panjangnya dapat menyebabkan

menurunnya kapasitas intelektual, gangguan struktur dan fungsi saraf serta sel-sel

otak yang bersifat permanen. Selain itu dapat menyebabkan penurunan kemampuan

penyerapan pelajaran di usia sekolah yang dapat mengganggu produktivitasnya

pada saat dewasa. Stunting juga dapat meningkatkan risiko penyakit tidak menular

seperti diabetes mellitus, hipertensi, jantung koroner hingga stroke [4] .

Gambar 2.3. Perbedaan perkembangan otak anak stunting dan sehat

2.4 Android

Android merupakan sebuah sistem operasi yang dikembangkan oleh

Android Inc. Sistem operasi diibaratkan sebagai penghubung antara piranti dengan

penggunanya. Android ditujukan untuk perangkat mobile berbasis Linux. Tahun

2005, Google resmi mengakuisisi Android. Pada proses pengembangan Android,

dibentuk Open Handset Alliance (OHA) pada tahun 2007. OHA bertujuan untuk

mengembangkan standar terbuka untuk perangkat mobile. Dalam konsorsium OHA

terdapat beberapa perusahaan seperti Texas Instruments, Broadcom Corporation,

Google, HTC, Intel, LG, Marvell Technology Group, Motorola, Nvidia,

Qualcomm, Samsung Electronics, Sprint Nextel dan T-Mobile [23].

Para developer dapat mengembangkan sebuah aplikasi pada sistem operasi

Android karena sifatnya yang open source. Disebut open source karena source code

18

pada sistem operasi ini dapat dilihat, diunduh dan dimodifikasi secara bebas. Dalam

proses distribusinya, terdapat dua jenis dukungan. Yang pertama dukungan penuh

dari Google atau Google Mail Service (GMS) dan kedua tidak mendapatkan

dukungan langdung dari Google atau Open Handset Distribution (OHD).

Sistem operasi Android versi 1.0 resmi diluncurkan pada 23 september

2008. Sejak tahun 2009, versi Android dikembangkan dengan nama-nama

panganan manis seperti Cupcake ( versi 1.5), Donut ( versi 1.6), Eclair (versi 2.0–

2.1), Froyo (versi 2.2–2.2.3), Gingerbread (versi 2.3–2.3.7), Honeycomb (versi 3.0–

3.2.6), Ice Cream Sandwich (versi 4.0–4.0.4), Jelly Bean (versi 4.1–4.3), KitKat

(versi 4.4+), Lollipop (versi 5.0+), Marshmallow (versi 6.0+), Nougat (versi 7.0+),

Android Oreo (versi 8.0+), Android Pie (versi 9.0+) .

2.5 Android Studio

Android Studio merupakan sebuah IDE (Integrated Development

Environment) resmi untuk mengembangkan aplikasi Android. IDE resmi

diluncurkan oleh Google disebuah event Google I/O Conference pada 16 mei 2013

dengan sifat open source. Sejak saat itu, Android Studio menggantikan Eclipse

sebagai IDE resmi pengembangan aplikasi Android [24]. Android Studio

menggunakan Java sebagai bahasa utama pemrograman. Untuk pembuatan Layout,

digunakan bahasa XML. IDE ini merupakan pengembangan dari Eclipse, dimana

sudah terintegrasi SDK (Software Development Kit).

2.6 SQLite

SQLite merupakan sebuah basis data SQL yang tidak memiliki server

terpisah. Proses read dan write dilakukan langsung pada disk file. Format file basis

data yang digunakan adalah cross-platform, dimana SQLite dapat dengan bebas

menyalin basis data antara sistem 32-bit dan 64-bit. Basis data ini bersifat mandiri

atau tidak memiliki ketergantungan eksternal. Dalam keadaan crash atau listrik

mati, SQLite mampu bertahan secara konsisten. Bhosale,dkk [25] mengungkapkan

keunggulan SQLite dibandingkan dengan SQL server dan MySQL adalah sebagai

berikut :

19

a. SQL server dan MySQL berbasis server sedangkan SQLite berbasis file,

sehingga tidak akan mengalami gangguan ketika listrik mati.

b. SQLite merupakan sistem manajemen data relasional yang mudah untuk

pengembangan aplikasi mobile. Berbeda dengan MySQL menggunakan

manajemen server klien.

2.7 Entity Relationship Diagram (ERD)

ERD merupakan diagram yang menggambarkan keterhubungan antar objek-

objek data. Terdapat beberapa komponen utama dalam ERD yaitu:

1. Entitas

Entitas adalah sesuatu apa saja yang ada di dalam sistem, nyata maupun abstrak

dimana data tersimpan atau dimana terdapat data, yang digambarkan dengan

sebuah bentuk persegi panjang dan diberi nama dengan kata benda, orang,

lokasi dan kejadian (terdapat unsur waktu di dalammya).

2. Penghubung (Relationship)

Relationship adalah hubungan alamiah yang terjadi antara entitas yang

digambarkan dengan bentuk belah ketupat.

3. Relationship Degree

Relationship degree atau derajat hubungan adalah jumlah entitas yang

berpatisipasi dalam satu hubungan.

4. Atribut

Atribut adalah sesuatu yang menjelaskan apa sebenarnya yang dimaksud entitas

maupun relationship, sehingga sering dikatakan atribut adalah elemen dari

setiap entitas dan relationship.

5. Kardinalitas

Kardinalitas relasi merujuk kepada hubungan maksimum yang terjadi dari

entitas yang satu ke entitas yang lain dan begitu juga sebaliknya.

2.8 Unified Modeling Language (UML)

UML merupakan bahasa pemodelan berbentuk grafis untuk

menspesifikasikan ataupun memvisualisasikan suatu sistem perangkat lunak [26].

20

UML bisa diartikan sebagai blue print (cetak biru) yang merepresentasikan

kebutuhan, analisis, desain serta arsitektur sebuah perangkat lunak.

2.8.1 Jenis-jenis Diagram UML

a. Use Case Diagram

Use case diagram digunakan untuk mendeskripsikan interaksi antara aktor

dengan sistem yang dibuat. Selain itu, use case diagram dapat diartikan sebagai

gambaran untuk mengetahui fungsi apa saja yang ada dalam sistem serta siapa

saja yang dapat berinteraksi dengan fungsi tersebut. Terdapat simbol-simbol

yang mendeskripsikan cara kerja use case diagram, yaitu sebagai berikut :

Tabel 2.2 Simbol use case diagram

No Simbol Nama Deskripsi

1

Actor Orang atau pengguna

yang berinteraksi

dengan sistem

2

Use Case Fungsionalitas yang

disediakan sistem

3

Association Relasi atau interaksi

antara aktor dan use case

4

Extend Relasi use case ke sebuah

use case yang tambahan,

dimana use case

tambahan tersebut

mampu berdiri sendiri

walau tanpa bantuan use

case

5

Generalitaion Hubungan antara dua

buah use case dimana

fungsi yang satu adalah

21

fungsi yang lebih umum

dari lainnya lainnya

6

Include Relasi use case ke sebuah

use case yang tambahan,

dimana use case

tambahan tersebut

memerlukan bantuan use

case untuk dapat berjalan

b. Activity Diagram

Diagram aktivitas merupakan diagram yang menggambarkan aliran kerja atau

aktivitas sebuah sistem maupun proses bisnis[26]. Terdapat perbedaan antara

diagram aktivitas dengan use case diagram. Terdapat simbol-simbol yang

mendeskripsikan diagram ini, yaitu sebagai berikut.

Tabel 2.3. Simbol activity diagram

No Simbol Nama Deskripsi

1

Mulai Menyatakan awal

pada sebuah proses

2

Aktivitas Mengambarkan

aktivitas yang dapat

dilakukan sistem

3

Decission Percabangan jika

terdapat aktivitas lebih

dari satu

4

Join Menggabungkan

aktivitas yang lebih

dari satu

22

5

Selesai Menyatakan akhir

dari sebuah proses

c. Sequence Diagram

Sequence diagram menunjukkan urutan kejadian dalam sekali proses. Diagram

ini akan memperlihatkan interaksi antar objek dalam perintah secara berurutan.

Adapun simbol dalam sequence diagram dapat dilihat pada Tabel 2.6.

Tabel 2.4. Simbol sequence diagram

No Simbol Nama Deskripsi

1

Actor Orang yang

berinteraksi dengan

sistem

2

Entity class Mengambarkan

hubungan aktivitas

yang dilakukan

3

Boundary class Menggambarkan

sebuah form

4

Control class Menggambarkan

hubungan boundary

dengan tabel

5

Life line Objek entity

antarmuka yang

saling beirnteraksi

6

Message Spesifikasi

komunikasi antar

23

objek, memuat

aktivitas yang terjadi

2.9 Black Box Testing

Black box testing merupakan pengujian yang berfokus pada spesifikasi

fungsional dari sebuah aplikasi. Pengujian ini bekerja dengan cara mengabaikan

komponen-komponen yang membentuk aplikasi tersebut. Oleh sebab itu, black box

testing menguntungkan bagi seorang penguji, karena tidak memerlukan keahlian

mengenai bahasa pemrograman. Black box testing melakukan pengujian

berdasarkan sudut pandang dari pengguna [27].

2.10 White Box Testing

Pengujian kotak putih atau biasa disebut dengan white box testing

merupakan pengujian yang berfokus pada bait kode. Pengujian ini dilakukan untuk

mengetahui kebenaran implementasi proses ataupun algoritma yang digunakan

dalam memproses masukan dari pengguna serta melakukan perhitungan [28].

Sehingga dapat diketahui apakah algoritma yang diterapkan sudah benar ketika

menerima masukan pengguna.

2.11 Usability Testing

Usability merupakan analisa kualitatis untuk menentukan nilai kegunaan

aplikasi. Sebuah aplikasi disebut usable ketika fungsi-fungsinya berjalan efektif,

efisien serta memuaskan. Dikatakan efektif jika pengguna berhasil mencapai tujuan

dalam menggunakan suatu perangkat lunak. Efisiensi berhubungan dengan

kelancaran pengguna dalam mencapai tujuan tersebut. Sedangkan memuaskan

berkaitan dengan sikap pengguna terhadap perangkat lunak. Oleh sebab itu,

diperlukan pengujian usability untuk mengevaluasi apakah perangkat lunak sudah

berjalan sesuai kebutuhan pengguna atau belum [29].

24

2.11.1 System Usability Scale (SUS)

Untuk melakukan pengujian usability, dapat dilakukan dengan

menggunakan metode System Usability Scale (SUS). SUS digunakan untuk

melakukan pengujian teknologi yang independent (mandiri) seperti pada perangkat

keras, perangkat lunak, website bahkan perangkat seluler. Metode SUS merupakan

skala uji terhadap kegunaan aplikasi yang sudah dibuat berdasarkan skala likert

dengan bobot nilai tertentu [30]. Adapun skala yang digunakan untuk setiap

jawaban kuisioner pada Tabel 2.8. menggunakan skala Likert sebagai berikut.

Tabel 2.5. Skala likert

Skala Keterangan Bobot Nilai

SS Sangat Setuju 5

S Setuju 4

C Cukup 3

TD Tidak Setuju 2

STD Sangat Tidak Setuju 1

Terdapat beberapa aturan dalam perhitungan metode SUS. Setiap

pertanyaan di nomor ganjil yaitu nomor 1,3,5,7 dan 9 maka skala jawaban

responden akan dikurangi 1. Setiap pertanyaan di nomor genap yaitu nomor 2,4,6,8

dan 10 maka 5 dikurangi dengan skala jawaban responden. Hasilnya skor akan

berkisar antara 0 hingga 4. Setelah itu skala jawaban dari responden dikali dengan

2,5 dan akan dihitung rata-rata semua jawaban responden. Skor keseluruhan

merupakan hasil rata-rata skor individual dan akan berkisar dari 0 sampai dengan

100 [31]. Perhitungan system usability scale dapat dilihat pada persamaan 2.5.

S𝑈𝑆=((𝑅1−1)+(5−𝑅2)+(𝑅3−1)+(5−𝑅4)+(𝑅5−1)+(5−𝑅6)+

(𝑅7−1)+(5−𝑅8)+(𝑅9−1)+(5−𝑅10))∗2.5)

… (2.5)

Selanjutnya, nilai total yang didapatkan dibagi rata-rata. Setelah didapatkan

nilai rata-rata dari penilaian responden, langkah selanjutnya adalah menentukan

grade dari hasil penilaian. Terdapat cara untuk menentukan hasil penilaian skor

25

akhir dari metode SUS, yaitu dilihat dari sisi penerimaan pengguna yang

dikategorikan berdasarkan tiga kategori yaitu not acceptable, marginal dan

acceptable. Sisi grade scale dengan 6 skala yaitu A,B,C,D,E dan F. Yang terakhir

dengan melihat nilai adjective rating dengan 6 skala yaitu worst imaginable, poor,

ok, good, excellent dan best imaginable. Adapun penentuan hasil penilaian metode

SUS dapat dilihat pada Gambar 2.4.

Gambar 2.4. Penentuan hasil penilaian SUS [31]

2.12 Penelitian Sebelumnya

Guna mendukung penelitian yang dilakukan, terlebih dahulu dilakukan

pengkajian mengenai penelitian sebelumnya. Adapun hasil penelitian sebelumnya

dapat dilihat pada Tabel 2.8.

Tabel 2.6. Penelitian sebelumnya

No Judul Peneliti Hasil Kelemahan Perbedaan

1 Perancangan

Sistem

Pakar dalam

Diagnosa

Stunting

pada Anak

dengan

Metode

Certainty

Cyntia

Lasmi

Andesti

Penelitian

bersumber

dari seorang

pakar untuk

mengetahui

faktor-

faktor

penyebab

anak

Pengguna

harus

mempunyai

akses internet

terlebih

dahulu untuk

dapat

menggunakan

nya,

Berbasis

platform

Android, bisa

digunakan tanpa

harus

mempunyai

akses internet,

tidak

memerlukan log-

26

Factor

Berbasis

Web

stuting.

Aplikasi

yang

dibangun

dapat

memberikan

solusi serta

cara

pencegahan

dini stunting

pada anak.

mengharuskan

pengguna log-

in terlebih

dahulu

sehingga

pengguna

tidak dapat

langsung

menggunakan

sistem.

Tidak dapat

digunakan

lagi jika masa

hosting sudah

habis.

in sehingga

pengguna dapat

langsung

menggunakan

aplikasi,

dilengkapi

dengan fitur

edukasi berupa

tips dan trik

seputar

pemberian

makanan sehat

dan bergizi

balita. Lokasi

dan pakar dalam

penelitian

berbeda.