bab iv hasil dan pembahasan 4.1 hasil -...
TRANSCRIPT
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil
4.1.1 Penelitian dan Pengumpulan Data
Dalam penelitian ini data yang digunakan yaitu gejala-gejala dari
osteoporosis yang di dapat dari salah satu dokter spesialis tulang yang ada pada
Badan Layanan Umum Daerah (BLUD) Rumah Sakit Umum Prof. Dr. H Aloei
Saboe. Nantinya data tersebut akan diolah dengan menggunakan metode naïve
bayes sehingga dapat menentukan apakah seseorang terkena osteoporosis atau
tidak osteoporosis.
4.1.2 Analisis Sistem
A. Analisis Permasalahan
Indonesia merupakan negara yang penderita osteoporosisnya meningkat
tiap tahunnya. Hal ini akibat dari meningkatnya harapan hidup yang menyebabkan
manula makin banyak, serta kurangnya pengetahuan tentang gejala dini dari
osteoporosis karena banyak orang yang berpendapat bahwa osteoporosis
merupakan gejala alam yang pasti di alami oleh setiap orang yang berusia diatas
30 tahun. Namun osteoporosis juga dapat menyerang semua umur termaksud pada
remaja dan anak-anak.
B. Analisis Kebutuhan
Untuk mengatasi permasalahan yang ada diperlukannya suatu aplikasi
yang dapat mendiagnosa osteoporosis, sehingga dalam penelitian ini peneliti
membuat suatu aplikasi sistem pakar untuk mendiagnosa osteoporosis untuk
mempermudah masyarakat dalam mengetahui apakah mereka terkena
osteoporosis atau tidak dengan menggunakan metode naïve bayes. Adapun yang
diperlukan dalam analisis kebutuhan, yaitu :
1. Analisis Kebutuhan Input
Pada analisis ini data-data yang perlu dimasukan yaitu user harus melakukan
registrasi terlebih dahulu sehingga nantinya user akan mendapatkan username
dan password, kemudian user bisa melakukan konsultasi (pilih gejala) yang
nantinya akan menghasilkan hasil diagnosa apakah user tersebut terkena
osteoporosis atau tidak osteoporosis.
2. Analisis Proses Sistem
Pada analisis ini data-data yang diperlukan yaitu konsultasi (pilih gejala),
selanjutnya data tersebut akan dihitung probabilitasnya dengan menggunakan
metode naïve bayes sehingga akan mendapatkan hasil apakah seseorang
terkena osteoporosis atau tidak.
Penerapan metode naïve bayes dalam menentukan apakah seseorang terkena
osteoporosis atau tidak osteoporosis, perhitungannya sama dengan pada Table
2.1 dan Tabel 2.2, terletak pada Bab II dan mempunyai nomor urut 14 dan 15.
4.1.3 Perancangan Sistem
A. Identifikasi External Entity
Tabel 4.1 Identifikasi External Entity
No External Entity Input Output
1 User - Registrasi
- Konsultasi
- Data User
- Hasil konsultasi
2 Admin - Data Gejala
- Data Rule
- Informasi Gejala
- Informasi User
- Informasi Rule
B. Diagram Konteks
Diagram Konteks merupakan arus data yang berfungsi untuk menggambarkan
keterkaitan aliran-aliran data antara sistem dengan bagian-bagian luar (kesatuan
luar). Kesatuan luar ini merupakan sumber arus data atau tujuan data yang
berhubungan dengan sistem informasi tersebut. Diagram konteks memberikan
batasan yang jelas mengenai besaran-besaran entitas yang berada diluar sistem
yang sedang dibuat.
Gambar 4.1 Diagram Konteks
SISTEM PAKAR
MENDIAGNOSA
OSTEOPOROSIS
Admin User
Data Gejala
Data Rule
Informasi Gejala
Informasi Rule
Hasil Konsultasi
Registrasi
Data User
Konsultasi
Diagram konteks diatas menerangkan terdapat dua entitas yang saling
berhubungan yaitu
a. User disini merupakan masyarakat yang akan melakukan diagnosa terhadap
osteoporosis, pada entitas user terdapat 4 aliran data dimana 3 aliran data
merupakan inputan yang dilakukan user ke sistem, sedangkan 1 aliran data
merupakan output yang diberikan sistem ke user.
b. Admin disini merupakan pakar yang paham akan osteoporosis sehingga
nantinya pakar dapat memasukan data gejala yang dapat digunakan oleh
sistem, pada entitas admin terdapat 5 aliran data dimana 2 aliran data
merupakan inputan yang dilakukan admin ke sistem, sedangkan 3 aliran data
dari sistem ke admin.
C. Data Flow Diagram (DFD)
Data Flow Diagram menjelaskan proses yang ada pada Aplikasi Sistem Pakar
Untuk Mendiagnosa Osteoporosis menggunakan Metode Naïve Bayes.
a. DFD Level 0
b. DFD Level 1 Proses 1
User Registrasi Registrasi Registrasi
1.2
Inputan Data
Registrasi
2.0
Penentuan
Osteoporosis dan
Tidak
Osteoporosis
Gambar 4.2 DFD Level 0
1.0
Inputan Data Admin
User
Rule
Gejala
Registrasi Data Gejala
Data Rule
Registrasi
Konsultasi
Informasi Gejala
Hasil Konsultasi
Informasi Rule
Data User
Data User
Informasi User
Data User
Rule
c. DFD Level 1 Proses 2
2.2
User Registrasi Data User Registrasi
2.1
Penyelah
Data User
Rule
Konsultasi
HasilKonsultasi
D. Struktur Basis Data
1. Rule
Tabel 4.2 Rule
No Nama Tipe Size Keterangan
2. Registrasi Peserta
Tabel 4.3 Registrasi Peserta
Field Type
Id_user Int (5)
Nama Varchar (50)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Id_rule
Tidak mengalami menstruasi
Tidak mengalami menstruasi slma 2 bulan
Ras
Nyeri tulang belakang
Nyeri pada kaki
Nyeri pada betis
Nyeri pada paha
Tinggi badan menurun
Nyeri pada tangan
Riwayat operasi sel indung telur
Riwayat mengkonsumsi obat-obatan
Riwayat mengkonsumsi alcohol
Riwayat merokok
Bentuk kaki X dan O
Riwayat keluarga
Pikun
Diare
Integer
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
varchar
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
Tgl-lahir Varchar (17)
Umur Int (5)
Alamat Varchar (50)
Telepon Varchar (20)
Username Varchar (30)
Password Varchar (32)
3. Gejala
Tabel 4.4 Gejala
Field Type
Id_gejala Int(4)
Nama Varchar (50)
E. Entity Relationship Diagram (ERD)
Entity Relationship Diagram (ERD) digunakan untuk menunjukkan hubungan
antara entity dengandatabase dan objek–objek (himpunan entitas) apa saja yang
ingin dilibatkan dalam sebuah basis data dan bagaimana hubungan yang terjadi
diantara objek-objek tersebut.
Entity Relationship Diagram (ERD) yang berisi komponen-komponen
himpunan entitas dan himpunan relasi yang masing-masing dilengkapi dengan
Tidakmengala
mi menstruasi
beberapa atribut yang mempresentasikan seluruh fakta yang ditinjau dari keadaan
yang nyata. Dimana dapat digambarkan secara lebih sistimatis dengan
menggunakan ERD. Adapun perancangan ERD sistem ini adalah :
F. Perancangan Antar Muka (interface)
1. Struktur Menu Program Pengguna
Menu
Konsultasi
Gejala
Logi
n Pilih
v Username l
Password l
Logi
n
Home Tentang Help
Sistem Pakar Mendiagnosa
Osteoporosis
2. Struktur Registrasi
3. Login User dan Admin
4. Halaman Konsultasi
Registrasi
Pendaftaran Member
Nama
Tanggal lahir
Umur
Alamat
Telpon
Tahun v Bulan v Tanggal v
Username
Password
Daftar
Username
Password
Login
Pilih v
Login
Gambar 4.6 Struktur Menu Program Pengguna
Gambar 4.7 Struktur Registrasi
Gambar 4.8 Login User dan Admin
GEJALA YA TIDAK
Apakah menstruasi anda sudah berhenti ?
Apakah menstruasi anda sering terhenti selama 2 bulan ?
Apakah anda dari suku asia atau suku kulit putih ?
Apakah anda merasakan nyeri pada tulang belakang ?
Apakah anda merasakan nyeri pada kaki ?
Apakah anda merasakan nyeri pada betis ?
5. Hasil Konsultasi
Nama : indri
Tanggal lahir : 4 oktober 1991
Umur : 22
Alamat : jln.jeruk
Telepon : 08658176878
Komputasi osteoporosis
Tidak mengalami menstruasi: 4/6
Ras : 2/6
Nyeri pada paha : 4/6
Tinggi badan menurun : 6/6
4/6*2/6*4/6*6/6
Hasil ya = 0,14814815
Komputasi tidak osteoporosis
Tidak mengalami menstruasi: 2/6
Ras : 3/6
Nyeri pada paha : 5/6
Tinggi badan menurun : 2/6
2/6*3/6*5/6*2/6
Hasil tidak = 0,0462963
Hasil : Anda di diaognosa terkena Osteoporosis
Gambar 4.9 Halaman Konsultasi
Proses
Gambar 4.10 Hasil Konsultasi
Kembali
6. Biodata Diri
Biodata
Nama : indri
Tanggal lahir : 4 oktober 1991
Umur : 22
Alamat : jln.jeruk
Telepon : 08658176878
7. Input Gejala
No Nama Gejala Aksi
1 Tidak mengalami menstruasi
Edit Hapus
2 Tidak mengalami menstruasi selama 2 bulan Edit Hapus
3 Ras Edit Hapus
4 Nyeri Tulang belakang Edit Hapus
5 Nyeri pada kaki Edit Hapus
6 Nyeri pada betis Edit Hapus
7 Nyeri pada paha Edit Hapus
8 Tinggi badan menurun Edit Hapus
9 Nyeri pada tangan Edit Hapus
10 Riwayat operasi sel indung telur Edit Hapus
11 Riwayat mengkonsumsi obat-obatan Edit Hapus
12 Riwayat mengkonsumsi alcohol Edit Hapus
13 Riwayat merokok Edit Hapus
14 Bentuk kaki X dan O Edit Hapus
15 Riwayat keluarga Edit Hapus
16 Pikun Edit Hapus
17 Diare Edit Hapus
Nama Gejala :
Simpan
Gambar 4.12 Input Gejala
Gambar 4.11 Biodata Diri
8. Inputan Rule
Gambar 4.13 Input Rule
YA TIDAK
Tidak mengalami menstruasi
Tidak mengalami menstruasi slma 2 bulan
Ras
Nyeri tulang belakang
Nyeri pada kaki
Nyeri pada betis
Nyeri pada paha
Tinggi badan menurun
Nyeri pada tangan
Riwayat operasi sel indung telur
Riwayat mengkonsumsi obat-obatan
Riwayat mengkonsumsi alcohol
Riwayat merokok
Bentuk kaki X dan O
Riwayat keluarga
Pikun
Diare
Osteoporosis
Osteoporosis
Simpan Reset
9. Daftar User
No Nama Tanggal
Lahir
Umur Alamat Telepon Aksi
x x x x X x x
x x x x X x x
4.1.4 Implementasi Sistem
Teknologi yang digunakan dalam pengembangan sistem ini adalah
teknologi aplikasi berbasis web, yang membentuk sebuah program yang dapat
berdiri sendiri dan dapat dijalankan dalam lingkungan Internet. Sehingga
dimanapun pengguna (user) berada dapat menggunakan aplikasi ini, dengan
mengakses situs tersebut secara cepat dan mudah. Diharapkan dengan adanya
aplikasi ini dapat meningkatkan pengetahuan dan dapat memberikan kemudahan
dalam hal mendiagnosa osteoporosis. Tampilan Implementasi sistem mendiagnosa
seseorang terkena osteoporosis atau tidak dengan menggunakan metode Naive
Bayes adalah sebagai berikut :
a. Implementasi Menu Utama
Pada impementasi menu utama ini terdapat beberapa menu yaitu Home, Profil,
Tentang Osteoporosis, Help, Konsultasi, Registrasi, Login User dan Admin,
seperti pada Gambar 4.15.
Gambar 4.14 Daftar User
b. Implementasi Tentang Osteoporosis
Pada implementasi ini dimana masyarakat dapat mengetahui apa osteoporosis
itu, seperti pada Gambar 4.16.
c. Implementasi Help
Pada impelemtasi ini masyarakat diberikan petunjuk untuk menggunakan
aplikasi sistem pakar mendiagnosa osteoporosis, seperti pada Gambar 4.17.
Gambar 4.15 Implementasi Menu Utama
Gambar 4.16 Implementasi Tentang Osteoporosis
d. Registrasi User
Pada tahap ini masyarakat diharuskan untuk mengisi form pendaftaran untuk
bisa masuk pada menu konsultasi tentang gejala osteoporosis, seperti pada
Gambar 4.18.
e. Login User
Tahap ini masyarakat memasukan username dan password yang didapat dari
registrasi, seperti pada Gambar 4.19.
Gambar 4.17 Implementasi Help
Gambar 4.18 Registrasi User
f. Halaman Konsultasi
Disini masyarakat akan memasukan gejala yang sering mereka rasakan
sehingga nantinya akan mendapatkan hasil dari konsultasi ini, seperti pada
Gambar 4.20.
g. Halaman Hasil Konsultasi
Pada tahap ini masyarakat akan mengetahui apakah mereka terkena
osteoporosis atau tidak, seperti pada Gambar 4.21.
Gambar 4.19 Login User
Gambar 4.20 Halaman Konsultasi
h. Halaman Biodata Diri
Halaman ini dimana user bisa melihat data yang mereka masukan sebelumnya,
seperti pada Gambar 4.22.
i. Login Admin
Tahap dimana admin memasukan username dan password untuk masuk ke
dalam sistem, seperti pada Gambar 4.23.
Gambar 4.21 Halaman Hasil Konsultasi
Gambar 4.23 Login Admin
Gambar 4.22 Biodata Diri
j. Halaman Input Gejala
Pada tahap ini admin bisa melakukan penambahan pada gejala, seperti pada
Gambar 4.24.
k. Halaman Input Rule
Pada tahap ini admin akan memasukan gejala-gejala dari osteoporosis, seperti
pada Gambar 4.25.
Gambar 4.24 Input Gejala
l. Halaman Daftar Gejala
Pada halaman daftar gejala ini yaitu gejala-gejala yang dimasukan oleh admin
sebelumnya, seperti pada Gambar 4.26
m. Halaman Daftar User
Pada halaman ini menampilkan data pasien, seperti pada Gambar 4.27.
4.1.5 Pengujian Hasil
Setelah melakukan implementasi sistem maka selanjutnya dilakukan
pengujian hasil, pada tahap ini dapat diketahui kekurangan dari sistem apakah
Gambar 4.25 Halaman Input Rule
Gambar 4.26 Halaman Daftar Gejala
Gambar 4.27 Halaman Daftra User
sistem ini dapat digunakan masyarakat dalam mendiagnosa osteoporosis atau
tidak, setelah dilakukan pengujian hasil dapat disimpulkan bahwa aplikasi sistem
pakar untuk mendiagnosa osteoporosis ini dapat mengetahui apakah mereka
terkena osteoporosis atau tidak.
4.2 Pembahasan
Indonesia merupakan negara yang penderita osteoporosisnya meningkat
tiap tahunnya. Hal ini akibat dari meningkatnya harapan hidup yang menyebabkan
manula makin banyak, serta kurangnya pengetahuan tentang gejala dini dari
osteoporosis karena banyak orang yang berpendapat bahwa osteoporosis
merupakan gejala alam yang pasti di alami oleh setiap orang yang berusia diatas
30 tahun. Namun osteoporosis juga dapat menyerang semua umur termaksud pada
remaja dan anak-anak.
Pada tahapan ini sistem dapat menentukan apakah seseorang terkena
osteoporosi atau tidak dengan menghitung probabilitas dari tiap gejala yang
dipilih atau dikonsultasikan oleh user dengan sistem, sehingga dapat
menghasilkan hasil dari konsulatsi tersebut. Data yang digunakan pada penelitian
ini merupakan data diskrit, dimana data diskrit merupakan data yang sifatnya
terputus-putus, nilainya bukan merupakan pecahan (angka utuh) sehingga apabila
pada sistem menghasilkan nilai yang sama maka data tersebut tidak terdeteksi
karena setiap fitur tersebut tidak memiliki nilai yang sama.
Sistem ini nantinya dapat digunakan masyakat umum yang ingin
mengetahui apakah mereka menderita osteoporosis atau tidak dengan menerapkan
metode naïve bayes, dimana seseorang dapat dikatakan terkena osteoporosis
apabila nilai probabilitas Ya lebih tinggi dari nilai probabilitas Tidak, kemudian
apabila nilai probabilitas Tidak lebih tinggi dari nilai probabilitas Ya maka tidak
terkena osteoporosis.
Tabel 4.5 Perbandingan Data Real dan Menggunakan Naïve Bayes
No Dokter Sistem
1 Ya Ya
2 Tidak Tidak
3 Ya Ya
4 Tidak Tidak
5 Ya Ya
6 Ya Ya
7 Tidak Tidak
8 Tidak Tidak
9 Ya Ya
10 Tidak Tidak
11 Ya Ya
12 Tidak Tidak
Dari data diatas selanjutnya kita menghitung kinerja kedua data tersebut
dengan menggunkan rumus :
TP + TN
TP + TN +FP +FN
Ket : TP = apabila pakar mengatakan Ya dan sistem juga Ya
TN = apabila pakar mengatakan Tidak dan sistem juga Tidak
FP = apabila pakar mengatakan Ya dan sistem mengatakan Tidak
FN = apabila pakar mengatakan Tidak dan sistem mengatakan Ya
Maka :
6 + 6 12
6 + 6 + 0 + 0 12
x 100 = = 100 %