KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
PALCOMTECH
SKRIPSI
SISTEM PAKAR DIAGNOSA PENYAKIT IKAN MAS
BERBASIS WEB MENGGUNAKAN METODE
DEMPSTER SHAFER
Diajukan Oleh:
1. ANGGA PRATAMA / 011150045
2. AYU MEYLIA TIRTA / 011150016
3. MUHAMMAD BIMO ANGGARA / 011150055
Untuk Memenuhi Sebagian Dari Syarat-Syarat
Guna Mencapai Gelar Sarjana Komputer
PALEMBANG
2019
i
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
PALCOMTECH
SKRIPSI
SISTEM PAKAR DIAGNOSA PENYAKIT IKAN MAS
BERBASIS WEB MENGGUNAKAN METODE
DEMPSTER SHAFER
Diajukan Oleh:
1. ANGGA PRATAMA / 011150045
2. AYU MEYLIA TIRTA / 011150016
3. MUHAMMAD BIMO ANGGARA / 011150055
Untuk Memenuhi Sebagian Dari Syarat-Syarat
Guna Mencapai Gelar Sarjana Komputer
PALEMBANG
2019
ii
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
PALCOMTECH
HALAMAN PENGESAHAN PEMBIMBING SKRIPSI
NAMA / NPM : 1. ANGGA PRATAMA / 011150045
2. AYU MEYLIA TIRTA / 011150016
3. M BIMO ANGGARA / 011150055
PROGRAM STUDI : S1 INFORMATIKA
JENJANG PENDIDIKAN : STRATA SATU (SI)
KONSENTRASI : JARINGAN
JUDUL SKRIPSI : SISTEM PAKAR DIAGNOSA
PENYAKIT IKAN MAS BERBASIS
WEB MENGGUNAKAN METODE
DEMPSTER SHAFER
Palembang, 23 Juli 2019 Mengetahui,
Pembimbing, Ketua,
Hendra Effendi, S.Kom., M.Kom. Benedictus Effendi, S.T., M.T.
NIDN: 0217108001 NIP: 09.PCT.13
iii
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
PALCOMTECH
HALAMAN PENGESAHAN PENGUJI SKRIPSI
NAMA / NPM : 1. ANGGA PRATAMA /011150045
2. AYU MEYLIA TIRTA /011150016
3. M BIMO ANGGARA /011150055
PROGRAM STUDI : S1 INFORMATIKA
JENJANG PENDIDIKAN : STRATA SATU (SI)
KONSENTRASI : JARINGAN
JUDUL SKRIPSI : SISTEM PAKAR DIAGNOSA
PENYAKIT IKAN MAS BERBASIS
WEB MENGGUNAKAN METODE
DEMPSTER SHAFER
Tanggal : 3 September 2019 Tanggal : 30 Agustus 2019
Penguji 1, Penguji 2,
Rezania Agramanisti Azdy, S.Kom., M.Cs. D. Tri Octafian, S.Kom., M.Kom.
NIDN: 0215118601 NIDN: 0213108002
Menyetujui,
Ketua,
Benedictus Effendi, S.T., M.T.
NIP: 09.PCT.13
iv
MOTTO DAN PERSEMBAHAN
MOTTO :
Doa tanpa Usaha itu omong kosong, Usaha tanpa Doa itu
sombong.
Maka, berlomba-lombalah dalam membuat kebaikan
(Q.S. Al Baqarah, 2:148).
PERSEMBAHAN:
Allah Subhanahu Wa Ta’ala yang telah
memberikan berkah, rahmat , dan hidayah
kepada kami, sehingga kami dapat
menyelesaikan Skripsi ini.
Orang tua kami tercinta yang telah banyak
berkorban dan memotivasi kami dalam
penyelesaian Skripsi ini.
Para PENYEMANGAT-PENYEMANGAT
yang telah hadir dalam kehidupan kami.
Teman-teman seperjuangan Skripsi (kalian
luar biasa).
v
KATA PENGANTAR
Segala puji dan syukur kami panjatkan kehadirat Tuhan Yang Maha Esa.
yang telah melimpahkan segala rahmat dan karunia-Nya sehingga kami
mendapatkan petunjuk dan tuntunan dalam menyelesaikan laporan skripsi yang
berjudul “SISTEM PAKAR DIAGNOSA PENYAKIT IKAN MAS
BERBASIS WEB MENGGUNAKAN METODE DEMPSTER SHAFER”.
Dalam pembuatan laporan ini, penulis menyadari bahwa masih banyak
kekurangan dan jauh dari sempurna karena terbatasnya pengalaman serta
pengetahuan dari penulis. Untuk itu, segala saran dan kritik yang membangun dari
para pembaca sangat penulis harapkan.
Penulis juga banyak mengucapkan terima kasih kepada semua pihak yang
terlibat dan telah membantu baik secara langsung maupun tidak langsung, juga
kepada pihak-pihak yang telah memberikan bimbingan, pengarahan, maupun ide-
ide untuk penulis selama proses penyelesaian laporan skripsi ini, terutama kepada:
1. Allah SWT, orangtua serta teman-teman penulis yang telah memberikan
motivasi dan dukungan baik berupa moral, spiritual maupun material.
2. Bapak Benedictus Effendi, S.T., M.T, selaku Ketua STMIK PalComTech.
serta dosen pembimbing Bapak Hendra Effendi, S.Kom., M.Kom yang telah
membimbing, mengarahkan dan memberikan motivasi kepada saya dalam
pembuatan laporan ini.
3. Bapak Carly Junicef Vratama, S.Pi., M.Si selaku seorang pakar yang telah
mendukung dan memberikan segala izin kepada penulis dalam pembuatan
laporan skripsi.
vi
Demikian kata pengantar yang bisa penulis sampaikan, semoga hasil dari
penelitian ini dapat bermanfaat dan berguna bagi para pembaca, serta diharapkan
kritik dan saran dari pembaca untuk memperbaiki dan menyempurnakan laporan
ini, karena penulis menyadari bahwa penulisan laporan skripsi ini tidaklah
sempurna dengan segala kelemahan dan kekurangannya. Atas perhatiannya, kami
ucapkan terima kasih.
vii
DAFTAR ISI
HALAMAN JUDUL ................................................................................... i
HALAMAN PENGESAHAN PEMBIMBING .......................................... ii
HALAMAN PENGESAHAN PENGUJI ................................................... iii
HALAMAN MOTTO DAN PERSEMBAHAN ......................................... iv
KATA PENGANTAR ................................................................................. v
DAFTAR ISI ............................................................................................... vii
DAFTAR GAMBAR ................................................................................... x
DAFTAR TABEL ....................................................................................... xiii
DAFTAR LAMPIRAN ............................................................................... xvi
ABSTRAK ................................................................................................... xvii
BAB I PENDAHULUAN
1.1. Latar Belakang ............................................................................1
1.2. Perumusan Masalah.....................................................................3
1.3. Batasan Masalah .........................................................................3
1.4. Tujuan Penelitian .......................................................................5
1.5. Manfaat Penelitian.......................................................................5
1.5.1 Manfaat Bagi Penulis..........................................................5
1.5.2 Manfaat Bagi Akademik .....................................................5
1.5.3 Manfaat Bagi Masyarakat ...................................................6
1.6. Sistematika Penulisan ..................................................................6
BAB II GAMBARAN UMUM PERANGKAT YANG DIKEMBANGKAN
2.1. Perangkat Lunak yang Dikembangkan .........................................8
BAB III TINJAUAN PUSTAKA
3.1. Teori Pendukung ....................................................................... 10
3.1.1. Sistem pakar .................................................................... 10
viii
3.1.2. Struktur Sistem Pakar ...................................................... 11
3.1.3. Basis Pengetahuan ......................................................... 11
3.1.4. Mesin Inferensi .............................................................. 12
3.1.5. Web ............................................................................... 13
3.1.6. Hypertext Preprocessor (PHP) ...................................... 14
3.1.7. Basis Data ...................................................................... 14
3.1.8. MySQL .......................................................................... 15
3.1.9. Framework .................................................................... 15
3.1.10. CodeIgniter (CI) ............................................................ 16
3.1.11. Dempster Shafer ............................................................ 16
3.1.12. Black Box Testing .......................................................... 18
3.2. Hasil Penelitian Terdahulu ..................................................... 18
3.3. Kerangka Penelitian ............................................................... 22
BAB IV METODE PENELITIAN
4.1. Tempat dan Waktu Penelitian ................................................. 24
4.1.1. Tempat Penelitian ......................................................... 24
4.1.2. Waktu Penelitian .......................................................... 24
4.2. Jenis Data ............................................................................... 25
4.2.1. Data Primer .................................................................. 25
4.2.2. Data Sekunder .............................................................. 26
4.3. Teknik Pengumpulan Data ..................................................... 26
4.3.1. Metode Wawancara ...................................................... 26
4.3.2. Metode Studi Pustaka ................................................... 27
4.4. Alat dan Teknik Pengembangan Sistem .................................. 27
4.4.1. Alat Pengembangan Sistem........................................... 27
4.4.1.1. Model Proses .................................................... 27
4.4.1.2. Model Data ....................................................... 32
4.4.2. Teknik Pengembangan Sistem ...................................... 33
4.5. Alat dan Teknik Pengujian ..................................................... 38
4.5.1. Black Box Testing ......................................................... 38
ix
BAB V HASIL DAN PEMBAHASAN
5.1. Hasil dan Pembahasan ............................................................ 39
5.1.1. Fase Inception .............................................................. 39
5.1.1.1. Kebutuhan Pengguna ....................................... 39
5.1.1.2. Kebutuhan Pendukung Sistem ......................... 40
5.1.1.3. Kebutuhan Pendukung User ............................ 40
5.1.1.4. Data Penyakit .................................................. 40
5.1.1.5. Data Gejala ..................................................... 41
5.1.1.6. Basis Pengetahuan ........................................... 43
5.1.2. Fase Elaboration .......................................................... 46
5.1.2.1. Use Case Diagram .......................................... 46
5.1.2.2. Pemodelan Activity Diagram ........................... 65
5.1.2.3. Class Diagram ................................................ 74
5.1.2.4. Desain Database ............................................. 75
5.1.2.5. Desain Rancangan Tampilan ........................... 78
5.1.3. Fase Construction ........................................................ 90
5.1.3.1. Hasil Implementasi.......................................... 90
5.1.3.2. Pengujian ........................................................ 99
5.14. Fase Transition ............................................................. 116
BAB VI PENUTUP
6.1. Kesimpulan ........................................................................... 117
6.2. Saran ...................................................................................... 117
DAFTAR PUSTAKA .................................................................................. xix
HALAMAN LAMPIRAN ........................................................................... xvi
x
DAFTAR GAMBAR
Gambar 3.1. Sistem Pakar ............................................................................. 10
Gambar 3.2. Struktur Sistem Pakar ............................................................... 11
Gambar 3.3. Kerangka Penelitian .................................................................. 22
Gambar 4.1. Proses Iteratif RUP .................................................................... 34
Gambar 4.2. Alur Hidup RUP ........................................................................ 34
Gambar 5.1. Use Case Diagram .. .................................................................. 46
Gambar 5.2. Activity Diagram kelola data penyakit ........................................ 65
Gambar 5.3. Activity Diagram kelola data penyakit ........................................ 66
Gambar 5.4. Activity Diagram relasi penyakit dan gejala ............................... 67
Gambar 5.5. Activity Diagram lihat data konsultasi ........................................ 68
Gambar 5.6. Activity Diagram lihat perhitungan Dempster Shafer.................. 69
Gambar 5.7. Activity Diagram ganti password ............................................... 70
Gambar 5.8 Activity Diagram logout .............................................................. 71
Gambar 5.9. Activity Diagram data penyakit pada user .................................. 72
Gambar 5.10. Activity Diagram konsultasi pada user ..................................... 73
Gambar 5.11. Class Diagram ......................................................................... 74
Gambar 5.12. Login Admin ............................................................................ 78
Gambar 5.13. Data Penyakit Admin ............................................................... 79
Gambar 5.14. Tambah Data Penyakit pada Admin ............................................. 79
Gambar 5.15. Edit Data Penyakit pada Admin ............................................... 80
Gambar 5.16. Hapus Data Penyakit pada Admin ............................................ 81
xi
Gambar 5.17. Data Gejala pada Admin .......................................................... 81
Gambar 5.18. Tambah Data Gejala pada Admin............................................. 82
Gambar 5.19. Edit Data Gejala pada Admin .................................................... 83
Gambar 5.20. Hapus Data Gejala pada Admin ................................................ 83
Gambar 5.21. Lihat Data Relasi ...................................................................... 84
Gambar 5.22. Atur Data Relasi ....................................................................... 85
Gambar 5.23. Data Konsultasi......................................................................... 86
Gambar 5.24. Lihat Perhitungan Dempster Shafer ........................................... 86
Gambar 5.25. Ganti Password......................................................................... 87
Gambar 5.26. Home User ............................................................................... 88
Gambar 5.27. Jenis Penyakit pada User .......................................................... 88
Gambar 5.28. Konsultasi pada User ................................................................ 89
Gambar 5.29. Tampilan Login Admin ............................................................. 90
Gambar 5.30. Tampilan Data Penyakit pada Admin ........................................ 91
Gambar 5.31. Tampilan Edit Data Penyakit pada Admin ................................. 91
Gambar 5.32. Tampilan Tambah Data Penyakit pada Admin .......................... 92
Gambar 5.33. Tampilan Data Gejala pada Admin ........................................... 92
Gambar 5.34. Tampilan Edit Data Gejala pada Admin .................................... 93
Gambar 5.35. Tampilan Tambah Data Gejala pada Admin .............................. 93
Gambar 5.36. Tampilan Data Relasi pada Admin ............................................ 94
Gambar 5.37. Tampilan Atur Relasi pada Admin ............................................ 94
Gambar 5.38. Tampilan Data Konsultasi pada Admin ..................................... 95
Gambar 5.39. Tampilan Dempster Shafer pada Admin .................................... 95
xii
Gambar 5.40. Tampilan Ganti Password pada Admin .................................... 96
Gambar 5.41. Tampilan Home User ................................................................ 96
Gambar 5.42. Tampilan Jenis Penyakit pada User ........................................... 97
Gambar 5.43. Tampilan Konsultasi pada User ................................................ 97
Gambar 5.44. Tampilan Hasil Konsultasi pada User ....................................... 98
Gambar 5.45. Aturan Kombinasi m1 dan m2 untuk m3 pada sistem ................. 110
Gambar 5.46. Aturan Kombinasi m3 dan m4 untuk m5 pada sistem ................. 112
Gambar 5.47. Aturan Kombinasi m5 dan m6 untuk m7 pada sistem ................. 114
Gambar 5.48. Hasil Rangkaian Perhitungan pada sistem ................................ 115
Gambar 5.49. Tampilan Hasil Aplikasi yang telah Dihosting ......................... 116
xiii
DAFTAR TABEL
Tabel 3.1. Penelitian Terdahulu ...................................................................... 18
Tabel 4.1. Jadwal Penelitian ........................................................................... 24
Tabel 4.2. Simbol-simbol Use Case Diagram ................................................ 28
Tabel 4.3 Simbol-simbol Activity Diagram .................................................... 31
Tabel 4.4 Simbol-simbol Class Diagram........................................................ 32
Tabel 5.1. Kebutuhan admin dan user ............................................................ 39
Tabel 5.2. Nama Penyakit .............................................................................. 41
Tabel 5.3. Nama Gejala .................................................................................. 42
Tabel 5.4. Basis Pengetahuan ......................................................................... 44
Tabel 5.5. Keterangan Aktor .......................................................................... 47
Tabel 5.6. Keterangan Use Case .................................................................... 48
Tabel 5.7. Skenario Login .............................................................................. 47
Tabel 5.8. Skenario Logout ............................................................................ 50
Tabel 5.9. Skenario Melihat Data Penyakit..................................................... 50
Tabel 5.10. Skenario Menambah Data Penyakit ............................................. 51
Tabel 5.11. Skenario Mengubah Data Penyakit .............................................. 52
Tabel 5.12. Skenario Menghapus Data Penyakit ............................................. 54
Tabel 5.13. Skenario Melihat Data Penyakit ................................................... 55
Tabel 5.14. Skenario Menambah Data Gejala ................................................. 56
Tabel 5.15. Skenario Mengubah Data Gejala.................................................. 57
Tabel 5.16. Skenario Menghapus Data Gejala ................................................ 58
xiv
Tabel 5.17. Skenario Melihat Data Relasi ...................................................... 59
Tabel 5.18. Skenario Mengatur Data Relasi ................................................... 59
Tabel 5.19. Skenario Melihat Data Konsultasi ................................................ 60
Tabel 5.20. Skenario Melihat Perhitungan Dempster Shafer ........................... 61
Tabel 5.21. Skenario Ganti Password............................................................. 62
Tabel 5.22. Skenario Lihat Data Penyakit pada User ...................................... 63
Tabel 5.23. Skenario Konsultasi Penyakit ...................................................... 63
Tabel 5.24. Tabel Gejala ................................................................................ 75
Tabel 5.25. Tabel Konsultasi .......................................................................... 76
Tabel 5.26. Tabel Konsultasi Detail ............................................................... 76
Tabel 5.27. Tabel Pengguna ........................................................................... 77
Tabel 5.28. Tabel Penyakit ............................................................................. 77
Tabel 5.29. Tabel Relasi................................................................................. 78
Tabel 5.30. Pengujian Halaman Login ........................................................... 99
Tabel 5.31. Pengujian Halaman Data Penyakit ............................................. 100
Tabel 5.32. Pengujian Halaman Tambah Data Penyakit ............................... 100
Tabel 5.33. Pengujian Halaman Edit Data Penyakit ...................................... 101
Tabel 5.34. Pengujian Halaman Data Gejala ................................................ 102
Tabel 5.35. Pengujian Halaman Tambah Data Gejala ................................... 102
Tabel 5.36. Pengujian Halaman Edit Data Gejala ......................................... 103
Tabel 5.37. Pengujian Halaman Relasi ........................................................... 103
Tabel 5.38. Pengujian Halaman Tambah Data Relasi ..................................... 104
Tabel 5.39. Pengujian Halaman Data Konsultasi ............................................ 105
xv
Tabel 5.40. Pengujian Halaman Perhitungan Dempster Shafer ....................... 105
Tabel 5.41. Pengujian Halaman Ganti Password ............................................ 102
Tabel 5.42. Pengujian Halaman Pengujian Halaman User Home .................... 106
Tabel 5.43. Pengujian Halaman Jenis Penyakit pada User .............................. 106
Tabel 5.44. Pengujian Halaman Konsultasi pada User .................................... 107
Tabel 5.45. Nilai Densitas (m) awal ............................................................... 110
Tabel 5.46. Aturan Kombinasi m1 dan m2 untuk m3 ....................................... 110
Tabel 5.47. Aturan Kombinasi m3 dan m4 untuk m5 ....................................... 111
Tabel 5.48. Aturan Kombinasi m5 dan m6 untuk m7 ....................................... 112
Tabel 5.49. Hasil Rangkaian Perhitungan ....................................................... 114
xvi
DAFTAR LAMPIRAN
1. Lampiran 1. Form Topik dan Judul (Fotokopi)
2. Lampiran 2. Surat Balasan dari Perusahaan (Fotokopi)
3. Lampiran 3. Form Konsultasi (Fotokopi)
4. Lampiran 4. Surat Pernyataan (Fotokopi)
5. Lampiran 5. Form Revisi Ujian Pra Sidang (Fotokopi)
6. Lampiran 6. Form Revisi Ujian Kompre (Asli)
7. Lampiran 7. Listing Code
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Indonesia merupakan negara yang memiliki banyak pulau sehingga
dijuluki negara maritim, dalam hal ini sumber daya yang dimiliki oleh
negara Indonesia sangatlah beragam, salah satunya di bidang pertanian dan
perikanan, pada saat ini industri perikanan mengalami kemajuan yang
sangat pesat yang ditandai dengan banyaknya minat masyarakat yang mulai
mengembangkan budidaya ikan mas. Ikan mas merupakan ikan air tawar
yang digemari oleh masyarakat, tak heran masyarakat banyak
membudidayakannya untuk dijadikan peluang bisnis. Ikan mas juga
memiliki kelebihan dari ikan lainnya yaitu mudah dibudidayakan dan dapat
dipijahkan secara alami. Ikan mas dapat hidup di berbagai jenis lingkungan
dan ikan mas juga dapat tumbuh mencapai ukuran besar. Ikan mas memiliki
kandungan Asam lemak, Omega-3, Vitamin: D, dan B2 (Riboflavin)
Kalsium, Fosfor, Mineral, Zat Besi, Seng, Yodium, Magnesium, dan
Kalium yang bermanfaat bagi manusia. Tetapi masyarakat juga memiki
kendala dalam membudidayakan ikan mas tersebut. Salah satu kendala yang
dialami masyarakat dalam pembubidayaan ikan mas adalah banyaknya
masyarakat yang belum mengetahui penyakit pada ikan, gejala yang dapat
menimbulkan penyakit pada ikan, serta cara mengobati ikan mas yang
sedang terkena penyakit.
2
Penyakit merupakan sebuah kondisi tidak normalnya organ dalam tubuh
yang menyebabkan rasa sakit yang dapat mengancam kelangsungan hidup
bagi penderitanya, seperti halnya pada ikan mas. Ikan mas dapat terserang
penyakit seperti penyakit Channel Catfish Virus Desease (CCVD), Spring
Viraemia of Carp (SVC), Infectious Pancreatic Necrosis (IPN), Aeromonas
SP, Pseudomonas SP, Tuberculosis , Nocardia, Columnaris (Flexibacter
Columnaris), Epizootic Ulcerative Syndrome (EUS), Branchiomycosis,
Fusariosis, Ichthyopthirius Multifiliis, Cryptocaryniasis, Isopoda, Argulus,
Cloudy Eye, dan Koi Herpes Virus.
Pada umumnya para pembudidaya ikan mas banyak yang belum
mengetahui penyakit tersebut, hal itu menyebabkan seringnya terjadi
kesalahan dalam penanganan penyakit pada ikan mas. Para pembudidaya
ikan mas pada dasarnya hanya melihat fisik ikan itu saja untuk mengetahui
ikan mas itu sedang terkena penyakit tanpa melakukan diagnosa
selanjutnya. Masih banyak para pembudidaya yang belum mengetahui
gejala-gejala penyakit apa saja yang diderita oleh ikan mas. Faktor yang
menyebabkan ikan mas terserang penyakit adalah faktor air dan lingkungan
yang tidak bersih serta pemberian pakan yang tidak teratur.
Agar pembudidaya ikan mas dapat mengetahui penyakit yang
diderita oleh ikan mas melalui gejala-gejala yang dialami ikan mas, dan
dapat mengetahui solusi untuk menyembuhkan ikan mas tersebut, maka
dibutuhkan sebuah sistem pakar diagnosa penyakit ikan mas berbasis web.
Sistem pakar dibangun menggunakan metode Dempster Shafer karena
3
metode ini memiliki kelebihan yaitu dapat menggabungkan evidence (bukti)
sekaligus dari beberapa sumber, dapat membedakan antara ketidakpastian
dan ketidaktahuan, memiliki karakteristik sesuai dengan cara berpikir
seorang pakar, sangat cocok digunakan pada sistem pakar yang mengukur
sesuatu yang belum pasti ataupun tidak pasti (Darsono,2017).
Berdasarkan latar belakang di atas, penulis membuat penelitian
yang berjudul ‘’Sistem Pakar Diagnosa Penyakit Ikan Mas Berbasis Web
Menggunakan Metode Dempster Shafer’’.
1.2. Perumusan Masalah
Berdasarkan uraian yang telah dikemukakan di atas, maka rumusan
masalah yang diangkat dalam penelitian ini adalah bagaimana membangun
sebuah sistem pakar untuk mendiagnosa penyakit ikan mas berbasis web
menggunakan metode Dempster Shafer?
1.3. Batasan Masalah
Adapun batasan masalah penelitian yang akan dibahas dalam
penelitian ini meliputi:
a. Sistem pakar ini dapat menyampaikan informasi tentang penyakit yang
ada pada ikan mas, informasi gejala-gejala yang mengakibatkan suatu
penyakit, solusi untuk penanggulangan penyakit pada ikan mas, dan para
pembudidaya ikan mas dapat konsultasi penyakit yang diderita ikan mas
pada sistem pakar.
4
b. Sistem pakar ini berbasis web dan dibuat menggunakan bahasa
pemrograman PHP serta database MySQL.
c. Pembuatan sistem pakar ini menggunakan konsep Object Oriented
Programming (OOP)
d. Metode pengembangan sistem yang digunakan yaitu metode Rational
Unified Proses (RUP).
e. Pemodelan sistem yang digunakan yaitu pemodelan Unified Modeling
Language (UML).
f. Pengujian sistem pakar ini menggunakan pengujian blackbox testing.
g. Adapun batasan yang dilakukan oleh penulis pada penyakit-penyakit
yaitu Channel Catfish Virus Desease (CCVD), Spring Viraemia of Carp
(SVC), Infectious Pancreatic Necrosis (IPN), Aeromonas SP,
Pseudomonas SP, Tuberculosis , Nocardia, Columnaris (Flexibacter
Columnaris), Epizootic Ulcerative Syndrome (EUS), Branchiomycosis,
Fusariosis, Ichthyopthirius Multifiliis, Cryptocaryniasis, Isopoda,
Argulus, Cloudy Eye dan Koi Herpes Virus.
h. Sistem pakar ini digunakan oleh admin dan masyarakat. Pada sistem
pakar ini, admin dan masyarakat dapat melakukan:
1. Admin : Menginput, mengedit, dan menghapus data penyakit dan cara
mengobati ikan. Menginput, mengedit, dan menghapus data gejala.
Menginput dan mengedit data basis pengetahuan melihat daftar
konsultasi yang dilakukan oleh user.
5
2. Masyarakat : Dapat konsultasi pada sistem pakar mengenai gejala-
gejala penyakit yang diderita pada ikan mas, mengetahui informasi
penyakit ikan mas, dan dapat mengetahui cara mengobati penyakit
pada ikan mas.
1.4. Tujuan Penelitian
Tujuan penelitian ini adalah membangun suatu sistem pakar untuk
mendiagnosa penyakit ikan mas berbasis web menggunakan metode
Dempster Shafer.
1.5. Manfaat Penelitian
1.5.1. Manfaat Bagi Penulis
a. Dapat mengaplikasikan ilmu pengetahuan yang didapat selama
perkuliahan pada bidang pemrograman dan dapat menambah
ilmu pengetahuan di bidang perikanan.
b. Dapat mengetahui ilmu perikanan, seperti penyakit ikan, gejala
penyakit, serta dapat mengetahui cara mengobati ikan yang
sedang terkena penyakit khususnya pada ikan mas.
1.5.2. Manfaat Bagi Akademik
a. Sebagai bahan referensi bagi penulis lain untuk dijadikan
perbandingan dalam menyusun skripsi pada penelitian
selanjutnya.
6
b. Sebagai bahan evaluasi sejauh mana kemampuan mahasiswa
dalam menerapkan ilmu pengetahuan yang telah diberikan.
1.5.3. Manfaat Bagi Masyarakat
a. Untuk membantu masyarakat agar dapat mengetahui penyakit-
penyakit yang ada pada ikan mas.
b. Dapat mengetahui gejala-gejala yang dapat mengakibatkan
suatu penyakit.
c. Dapat mengetahui cara penanggulangan penyakit yang diderita
pada ikan.
1.6. Sistematika Penulisan
Demi mewujudkan suatu hasil yang baik dalam penyusunan skripsi
ini, penulis menggunakan pembahasan sesuai dengan ketentuan yang
diberikan, sistematika penulisan tersebut meliputi:
BAB I PENDAHULUAN
Pada bab ini berisi uraian latar belakang, rumusan masalah,
ruang lingkup, tujuan penelitian, manfaat penelitian, dan
sistematika penulisan.
BAB II GAMBARAN UMUM PERANGKAT YANG
DIKEMBANGKAN
Pada bab ini berisi tentang penjelasan mengenai pengembangan
perangkat lunak yang akan dicapai dalam penelitian.
7
BAB III TINJAUAN PUSTAKA
Pada bab ini penulis akan menggunakan teori berdasarkan
penulisan skripsi yang terdiri dari teori pendukung, hasil
penelitian terdahulu, dan kerangka penelitian.
BAB IV METODE PENELITIAN
Pada bab ini penulis membahas lokasi dan waktu penelitian,
jenis data, teknik pengumpulan data, dan jenis penelitian dan
alat serta teknik pengembangan sistem.
BAB V HASIL DAN PEMBAHASAN
Pada bab ini penulis membahas hasil-hasil yang diperoleh dalam
penelitian dan pembahasan terhadap hasil yang telah dicapai
maupun masalah-masalah yang telah ditentukan selama
penelitian, serta pengujian sistem yang dibuat.
BAB VI PENUTUP
Pada bab terakhir, penulis menguraikan beberapa simpulan dan
saran dari pembahasan dalam pembuatan Sistem Pakar Diagnosa
Penyakit Ikan Mas Berbasis Web menggunakan Metode
Dempster Shafer yang terdapat pada bab-bab sebelumnya.
8
BAB II
GAMBARAN UMUM PERANGKAT YANG DIKEMBANGKAN
2.1. Perangkat Lunak yang Dikembangkan
Penelitian yang dilakukan oleh penulis yaitu membangun sistem
pakar untuk mendiagnosa penyakit ikan mas dengan menggunakan metode
Dempster Shafer berbasis web.
Menurut Rerung (2018:1), web adalah jaringan komputer yang
terdiri dari kumpulan situs internet yang menawarkan teks dan grafik dan
suara dan sumber daya animasi melalui hypertext transfer protocol.
Pada web ini, tersedia sistem pakar yang dapat mendiagnosa jenis
penyakit penyakit ikas mas. Perbedaan sistem yang telah ada dengan sistem
yang akan dibangun yakni sistem tidak hanya mendiagnosa saja, tetapi
sistem juga dapat menampilkan cara mengobati penyakit ikan mas tersebut.
Sistem yang akan dibangun mengharuskan pengguna untuk menginput
gejala-gejala yang mereka lihat terhadap ikan mas, kemudian sistem akan
menghitung dan memberikan solusi serta cara mengobati ikan mas
berdasarkan penyakit yang diderita pada ikan mas tersebut.
Metode yang digunakan dalam membangun sistem pakar untuk
mendiagnosa penyakit ikan mas menggunakan metode perhitungan
Dempster Shafer.
9
Menurut Azmi dan Yasin (2017:127), metode Dempster Shafer adalah suatu
teori matematika untuk pembuktian berdasarkan belief function and
plausible reasoning (fungsi kepercayaan dan pemikiran yang masuk akal)
yang digunakan untuk mengkombinasikan potongan informasi yang terpisah
(bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa.
Pada penelitian ini, penulis membuat sebuah aplikasi web berupa
sistem pakar yang digunakan untuk mendiagnosa penyakit ikan mas
menggunakan metode Dempster Shafer. Sistem pakar ini digunakan oleh
user yaitu seseorang yang membudidayakan ikan mas dan untuk seseorang
yang akan memulai membudidayakan ikan mas. User dapat
mengkonsultasikan gejala-gejala yang dilihat pada ikan mas dengan cara
user memilih gejala-gejala yang diderita pada ikan mas, kemudian sistem
akan menghitung nilai-nilai yang ada pada gejala-gejala tersebut dengan
menggunakan perhitungan metode Dempster Shafer. Setelah sistem
melakukan perhitungan, sistem akan menampilkan penyakit yang diderita
ikan mas serta menampilkan cara mengobati penyakit tersebut.
10
BAB III
TINJAUAN PUSTAKA
3.1. Teori Pendukung
3.1.1. Sistem Pakar
Menurut Yudatama dalam Wanita dkk, 2017, Sistem pakar
merupakan salah satu bagian dari kecerdasan buatan yang
mengandung pengetahuan dan pengalaman yang dimasukkan oleh
seorang pakar ke dalam suatu area pengetahuan tertentu sehingga
setiap orang dapat menggunakannya untuk memecahkan berbagai
masalah yang bersifat spesifik.
Sumber : Yudatama dalam Wanita Dkk 2017
Gambar 3.1. Sistem Pakar
11
3.1.2. Struktur Sistem Pakar
Rachmawati dalam Wanita 2017, Sistem pakar disusun
oleh dua bagian yaitu lingkungan pengembangan dan lingkungan
konsultasi (Listiyono dalam Wanita 2017). Lingkungan
pengembangan berisi komponen-komponen yang digunakan untuk
memasukkan pengetahuan pakar kedalam lingkungan sistem pakar,
sedangkan lingkungan konsultasi berisi komponen yang akan
digunakan oleh pengguna dalan memperoleh pengetahuan pakar.
Sumber : Listiyono dalam Wanita 2017
Gambar 3.2. Struktur Sistem Pakar
3.1.3. Basis Pengetahuan (Knowledge Base)
Menurut Merlina dan Hidayat (2012:3), basis pengetahuan
berisi pengetahuan-pengetahuan dalam menyelesaikan masalah,
tentu saja di dalam domain tertentu. Ada dua bentuk pendekatan
12
basis pengetahuan yang sangat umum digunakan, yaitu sebagai
berikut:
1. Penalaran Berbasis Aturan (Rule-Based Reasoning)
Pada penalaran berbasis aturan, pengetahuan direpresentasikan
dengan menggunakan aturan bentuk: IF-THEN. Bentuk ini
digunakan apabila kita memiliki sejumlah pengetahuan pakar
pada suatu permasalahan tertentu, dan si pakar dapat
menelesaikan masalah tersebut secara berurutan. Bentuk ini juga
digunakan apabila dibutuhkan penjelasan tentang jejak
(langkah-langkah) pencapaian solusi.
2. Penalaran Berbasis Kasus (Case-Based Reasoning)
Pada penalaran berbasis kasus, basis pengetahuan akan berisi
solusi-solusi yang telah dicapai sebelumnya, kemudian akan
diturunkan suatu solusi untuk keadaan yang terjadi sekarang
(fakta yang ada). Bentuk ini digunakan apabila user
menginginkan untuk tahu lebih banyak lagi pada kasus-kasus
yang hampir sama. Selain itu, bentuk ini juga digunakan apabila
kita telah memiliki sejumlah situasi atau kasus tertentu dalam
basis pengetahuan.
3.1.4. Mesin Inferensi
Menurut Merlina dan Hidayat dalam Restu 2015, mesin
inferensi merupakan otak dari sistem pakar. Komponen ini
sebenarnya adalah program komputer yang menyediakan
13
metodologi untuk reasoning (pertimbangan) mengenai informasi
dalam basis pengetahuan dan tempat kerja dan digunakan untuk
merumuskan kesimpulan.
Mesin inferensi mempunyai tiga elemen utama, yaitu
sebagai berikut:
Interpreter adalah elemen yang mengeksekusi item yang
dipilih dengan mengaplikasikannya pada basis pengetahuan dan
rule yang berhubungan.
Scheduler adalah elemen yang menjaga sistem kerja sesuai
agenda. Memperkirakan akibat dari pengaplikasian rule inferensia
yang menunjukkan prioritas item atau kriteria lain pada agenda.
Consistency enforcer adalah elemen yang mencoba
menjaga konsistensi representasi solusi yang muncul.
3.1.5. Web
Menurut Rerung (2018:1), web adalah jaringan komputer
yang terdiri dari kumpulan situs internet yang menawarkan teks
dan grafik dan suara dan sumber daya animasi melalui hypertext
transfer protocol.
14
3.1.6. Hypertext Preprocessor (PHP)
Menurut Jubille (2018:1), Hypertext Preprocessor (PHP)
merupakan bahasa pemrograman yang digunakan untuk membuat
website dinamis dan interaktif. Dinamis artinya website tersebut
bisa berubah-ubah tampilan dan kontennya sesuai kondisi tertentu.
Sebagai contoh, Hypertext Preprocessor (PHP) bisa menampilkan
tanggal dan hari saat ini secara berganti-ganti di dalam sebuah
website. Interaktif artinya Hypertext Preprocessor (PHP) dapat
memberi feedback bagi user (misalnya menampilkan hasil
pencarian produk).
3.1.7. Basis Data
Menurut Yanto (2016:10), basis data terdiri dari 2 kata,
yaitu basis dan data. Basis dapat diartikan sebagai markas, gedung,
tempat berkumpul. Sedangkan data adalah fakta yang mewakili
suatu objek seperti manusia, barang, hewan, peristiwa, keadaan,
dan sebagainya, yang direkam dalam bentuk angka, huruf, simbol,
teks, gambar, bunyi, atau kombinasinya. Basis data sendiri dapat di
definisikan dalam sejumlah sudut pandang seperti:
a. Himpunan kelompok data yang saling berhubungan yang
diorganisasi sedemikian rupa agar dapat dimanfaatkan
kembali dengan cepat dan mudah.
15
b. Kumpulan data yang saling berhubungan yang disimpan secara
bersama sedemikan rupa dan tanpa pengulangan (redudancy),
untuk memenuhi berbagai kebutuhan.
c. Kumpulan file yang saling berhubungan yang disimpan dalam
media penyimpanan elektronis.
3.1.8. MySQL
Menurut Jubille (2018:2), MySQL merupakan server yang
melayani database. Untuk membuat dan mengolah database, kita
dapat mempelajari pemrograman khusus yang disebut query
(perintah) SQL. Database sendiri dibutuhkan jika kita ingin
menginput data dari user menggunakan form HTML untuk
kemudian diolah PHP agar bisa disimpan ke dalam database
MySQL.
3.1.9. Framework
Menurut Sidik (2018:1), Framework atau kerangka kerja
pengembangan aplikasi adalah suatu standar yang harus diikuti
untuk melakukan pengembangan aplikasi oleh pemrogram. Standar
ini mengatur banyak hal, mulai dari nama file, direktori, dan cara
memrogramnya. Framework memberikan kerangka program,
kumpulan library dan fungsi yang bisa langsung digunakan, serta
aturan untuk menggunakannya.
16
3.1.10. CodeIgniter (CI)
Menurut Sidik (2018:3), CodeIgniter (CI) adalah
framework pengembangan aplikasi (Application Development
Framework) dengan menggunakan PHP, suatu kerangka untuk
bekerja atau membuat program dengan menggunakan PHP yang
lebih sistematis.
3.1.11. Dempster Shafer
Menurut Azmi dan Yasin (2017:127), metode Dempster
Shafer adalah suatu teori matematika untuk pembuktian
berdasarkan belief function and plausible reasoning (fungsi
kepercayaan dan pemikiran yang masuk akal) yang digunakan
untuk mengkombinasikan potongan informasi yang terpisah (bukti)
untuk mengkalkulasi kemungkinan dari suatu peristiwa.
Secara umum teori Dempster Shafer ditulis dalam suatu interval:
a. Belief (Bel) adalah ukuran kekuatan evidence dalam
mendukung suatu himpunan proposisi. Jika bernilai 0 (nol)
maka mengidentifikasi bahwa tidak ada evidence, dan jika
bernilai 1 menunjukkan adanya kepastian. Dimana nilai bel
yaitu (0-0,9).
b. Plausability/logis (Pls) dinotasikan sebagai:
P1(s) = 1-B(-s).
Plausability juga bernilai 0 sampai 1, jika yakin akan –s,
maka dapat dikatakan Bel(-s) = 1, dan P1(-s) = 0.
17
Pada teori Dempster Shafer juga dikenal adanya frame of
discernment yang dinotasikan dengan 𝜃. Frame ini merupakan
semesta pembicaraan dari sekumpulan hipotesis.
Tujuannya adalah mengkaitkan ukuran kepercayaan
elemen-elemen. Tidak semua evidence secara langsung
mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas
fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-
elemen 𝜃 saja, namun juga semua subsetnya. Sehingga jika 𝜃 berisi
n elemen, maka subset 𝜃 adalah 2n. Jumlah m dalam subset 𝜃 sama
dengan 1. Apabila tidak ada informasi apapun untuk memilih
hipotesis, maka nilai : m{ 𝜃 } = 1,0
Apabila diketahui X adalah subset dari 𝜃, dengan m1
sebagai fungsi densitasnya, dan Y juga merupakan subset 𝜃 dengan
m2, sebagai fungsi densitasnya, maka dapat dibentuk fungsi
kombinasi m1,m2 sebagai m3, yaitu:
𝑀3(𝑍) =∑𝑥∩𝑌=𝑧 𝑚1(𝑋).𝑚2(𝑌)
1−∑𝑥∩𝑌= 𝜃 𝑚1(𝑋).𝑚2(𝑌) …………………
(i)
Keterangan:
M1 (X): Mass function dari evidence X
M2 (X): Mass function dari evidence Y
M3 (X): Mass function dari evidence Z
18
3.1.12. Black Box Testing
Menurut Sukamto dan Shalahuddin dalam Amin
(2017:115), mengatakan black box testing yaitu menguji perangkat
lunak dari segi spesifikasi fungsional tanpa menguji desain dan
kode program. Pengujian dimaksudkan untuk mengetahui apakah
fungsi-fungsi, masukan, dan keluaran dari perangkat lunak sesuai
dengan spesifikasi yang dibutuhkan.
3.2. Hasil Penelitian Terdahulu
Penelitian terdahulu adalah penelitian yang sudah dibuat oleh
peneliti lain yang digunakan sebagai referensi penulis. Adapun penelitian
terdahulu dapat dilihat pada Tabel 3.1.
Tabel 3.1. Penelitian Terdahulu
No Penulis/Tahun Judul Hasil
1
Puji Sari
Ramadhan, Usti
Fatimah Sitorus
Pane, Sains dan
Komputer
(SAINTIKOM),
Vol. 17, No. 2,
Agustus 2018.
P-ISSN: 1978-
6603, E-ISSN:
2615-3475
Analisis
Perbandingan
Metode
(Centainly
Factor, Dempster
Shafer, dan
Teorema Bayes)
untuk
Mendiagnosa
Penyakit
Inflamasi
Dermatitis Imun
pada Anak.
1.Pada perhitungan dengan
metode Certainty Factor
penyakit yang terpilih adalah
eksim dermatitis dengan nilai
probabilitas 0.80, sementara
untuk metode Dempster
Shafer mendapatkan nilai
probabilitas 0.6 untuk
penyakit atopik, dan metode
Teorema Bayes
menyimpulkan bahwa
penyakit yang terpilih adalah
eksim dermatitis dengan nilai
probabilitas 0.51. dari hasil
tersebut maka metode
Centainly Faktor adalah
metode yang memiliki nilai
19
probabilitas tertinggi dari
Tabel 3.1. Penelitian Terdahulu (lanjutan)
No Penulis/Tahun Judul Hasil
metode Dempster Shafer dan
Teorema Bayes.
2.Dari tahapan perhitungan
tingkat kepastian dengan
menggunakan metode
Centainly Factor, Dempster
Shafer dan Teorema Bayes
untuk data lebih dari 2
evidence, harus dilakukan
perulangan beberapa kali
dalam pengolahan dan
perhitungan dan kombinasi.
3.Dalam kasus
mengidentifikasi jenis
penyakit inflamasi dermatitis
imun pada anak, metode
Centainly Factor dan
Teorema Bayes, memiliki
kesamaan pola ini terlihat
dari hasil yang diperoleh
yaitu jika gejala semakin
banyak maka nilai
probabilitas jenis penyakit
akan semakin tinggi, berbeda
halnya dengan metode
Dempster Shafer yang
semakin banyak gejala yang
dipilih maka akan
menghasilkan nilai
probabilitas yang semakin
kecil pula bahkan nilai
probabilitas satu gejala dapat
lebih tinggi dibandingkan
dengan nilai probabilitas
yang diperoleh lebih kecil
pula bahkan nilai
probabilitasnya rendah dan
semakin banyak gejala-gejala
yang diderita maka semakin
mungkin terdiagnosa jenis
penyakit tersebut dengan
20
nilai probabilitasnya yang
tinggi.
Tabel 3.1. Penelitian Terdahulu (lanjutan)
No Penulis/Tahun Judul Hasil
2 Rahmat Arbi
Wicaksono,
Nurul Hidayat,
Indriati, Jurnal
Pengembangan
Teknologi
Informasi dan
Ilmu Komputer,
Vol. 2, No. 3,
Maret 2018. e-
ISSN: 2548-
964X
Implementasi
Metode
Dempster-Shafer
untuk Diagnosis
Penyakit pada
Tanaman Kedelai
1.Sistem diagnosis penyakit
pada tanaman kedelai
menggunakan metode
Dempster Shafer dapat
digunakan sebagai salah satu
cara untuk mendiagnosis
penyakit pada tanaman
kedelai. Sistem
diimplementasikan dengan
menggunakan gejala penyakit
pada tanaman kedelai dengan
memberikan nilai densitas
yang digunakan sebagai
ukuran untuk perhitungan
dalam menentukan penyakit.
2.Berdasarkan hasil pengujian
sistem terhadap 25 kasus uji
menunjukkan akurasi sebesar
92%. Hal ini menunjukan
bahwa sistem sudah cukup
baik dan dapat digunakan
untuk mendiagnosis penyakit
pada tanaman kedelai.
Ketidakakuratan sistem
sebesar 8%, dikarenakan
perhitungan yang dilakukan
menggunakan metode
Dempster Shafer yang
menggunakan nilai tertinggi
tanpa adanya optimasi nilai
densitas pada setiap gejala.
3 Januar Dwie
Amanda, Nurul
Hidayat, Marji,
Jurnal
Pengembangan
Teknologi dan
Ilmu Komputer,
Implementasi
Metode Dempster
Shafer untuk
Mendeteksi
Penyakit Diabetes
Mellitus
1.Pemodelan sistem untuk
mendeteksi penyakit
Diabetes Mellitus
menggunakan metode
Dempster Shafer dapat
digunakan sebagai salah satu
cara untuk mendektesi
21
Vol. 2, No. 8,
Agustus 2018.
e-ISSN: 2548-
964X
penyakit Diabetes Mellitus.
Sistem diimplementasi
dengan menggunakan metode
Dempster Shafer dapat
digunakan mendektesi
penyakit Diabetes Mellitus
pengujian 18 gejala dari
penyakit yang ada pada
sistem.
a. hasil pengujian
fungsionalitas pemodelan
sistem untuk mendektesi
penyakit Diabetes Mellitus
menggunakan metode
Dempster Shafer memiliki
tingkat kesesuaian presentase
sebesar 81,81%.
Dari penelitian terdahulu, terdapat perbedaan dan persamaan
dengan penelitian yang dilakukan oleh penulis, yaitu:
a. Dari tiga penelitian terdahulu diatas terdapat perbedaan dari objek
yang diteliti yaitu penelitian penyakit inflamasi dermatitis imun pada
anak, penyakit pada tanaman kedelai, dan penyakit diabetes mellitus.
Pada penelitian ini penulis meneliti tentang penyakit ikan mas.
b. Dari tiga penelitian terdahulu diatas, terdapat persamaan pada metode
perhitungan sistem pakar dan metode perhitungan sistem pakar yang
penulis pakai yaitu metode perhitungan dempster shafer.
c. Penulis menjadikan penelitian terdahulu diatas sebagai acuan untuk
memakai metode dempster shafer.
22
3.3. Kerangka Penelitian
Berikut adalah kerangka penelitian yang akan di bahas dapat
dilihat pada Gambar 3.3.
1. Pembudidaya ikan mas banyak yang belum mengetahui
penyakit ikan mas.
2. Pembudidaya ikan mas belum mengetahui gejala-gejala
penyakit apa saja yang diderita oleh ikan mas.
Teori Pendukung
1. Landasan teori: sistem,
sistem pakar, web, PHP,
basis data, MySQL,
Framework, CodeIgniter,
Dempster Shafer, Black box
testing
2. Hasil penelitian
Terdahulu:
- Analisis Perbandingan
Metode (Centainly Factor,
Dempster Shafer, dan
Teorema Bayes) untuk
Mendiagnosa Penyakit
Inflamasi Dermatitis Imun
pada Anak
- Implementasi Metode
Dempster-Shafer untuk
Diagnosis Penyakit pada
Tanaman Kedelai
- Implementasi Metode
Dempster Shafer untuk
Mendeteksi Penyakit
Diabetes Mellitus
Sistem Pakar
Hasil
Sistem Pakar
Diagnosa Penyakit
Ikan Mas Berbasis
Web Menggunakan
Metode Dempster
Shafer
Metode Pengembangan
Metode Pengembangan RUP:
1. Inception (Permulaan)
2. Elaboration (Perluasaan atau
Perencanaan)
3. Construction (Konstruksi)
4. Transition (Transisi)
Solusi
Identifikasi Masalah
Sumber : Diolah sendiri
Gambar 3.3. Kerangka Penelitian
Pada penelitian ini, penulis membuat kerangka penelitian yaitu:
23
a. Identifikasi Masalah : penulis mengidentifikasi masalah yang ada pada
penelitian ini, yaitu :
1. Pembudidaya ikan mas banyak yang belum mengetahui penyakit
ikan mas.
2. Pembudidaya ikan mas belum mengetahui gejala-gejala penyakit apa
saja yang diderita oleh ikan mas.
b. Solusi : dari identifikasi masalah tersebut, penulis memberikan solusi
untuk membuat sebuah sistem pakar.
c. Teori Pendukung : untuk membuat sistem pakar, penulis memakai teori
pendukung seperti landasan teori dan hasil penelitian terdahuluan.
d. Metode Pengembangan : untuk membuat dan mengembangkan sistem
pakar ini, penulis menggunakan metode pengembangan sistem Rational
Unified Process (RUP).
e. Hasil : pada penelitian ini, penulis dapat menghasilkan sebuah sistem
pakar diagnosa penyakit ikan mas berbasis web menggunakan metode
Dempster Shafer.
BAB IV
METODE PENELITIAN
4.1. Tempat dan Waktu Penelitian
4.1.1. Tempat Penelitian
Penelitian ini dilakukan di Pendidikan Diluar Domisili
(PDD) Politeknik Negeri Lampung yang beralamat di jalan
Sekojo No. 21 Kelurahan Kedondong Raye Kecamatan
Banyuasin III Pangkalan Balai Sumatera Selatan.
4.1.2. Waktu Penelitian
Dalam penelitian ini, penulis menyusun segala kegiatan
di dalam sebuah jadwal penelitian yang berlangsung kurang lebih
lima bulan terhitung mulai dari bulan Maret sampai dengan bulan
Juli. Berikut jadwal penelitian dijabarkan dalam Tabel 4.1.
Tabel 4.1. Jadwal Penelitian
No Uraian
Bulan Ke-
Maret 19 April 19 Mei 19 Juni 19 Juli 19
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 Proposal
2 Inception
(Permulaan)
Tabel 4.1. Jadwal Penelitian (lanjutan)
4.2. Jenis Data
4.2.1. Data Primer
Menurut Kusumaningrum dan Estu (2016:65), data
primer adalah data yang diperoleh dari observasi dan wawancara
dengan narasumber.
Dalam penelitian ini, penulis melakukan wawancara
langsung kepada Bapak Carly Junicef Vratama, S.Pi., M.Si
sebagai seorang pakar. Penulis mendapatkan data yaitu nilai
kepercayaan (nilai belief) pada setiap gejala-gejala penyakit pada
ikan mas.
No Uraian
Bulan Ke-
Maret 19 April 19 Mei 19 Juni 19 Juli 19
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
3 Elaboration
(Perluasan
atau
Perencanaan)
4 Construction
(Konstruksi)
5 Transition
(Transisi)
4.2.2. Data Sekunder
Menurut Kusumaningrum dan Estu (2016:65), data
sekunder adalah data yang didapatkan melalui telaah pustaka,
yakni dengan mengumpulkan data dan informasi dari media
massa, artikel jurnal, dan situs-situs internet yang dianggap valid
dan dapat dipertanggungjawabkan kebenarannya.
Data sekunder yang didapat oleh penulis yaitu buku-
buku yang mencakup tentang pembahasan yang terdapat pada
tinjauan pustaka dan penulis mendapatkan buku-buku yang
membahas tentang data penyakit ikan mas, data gejala, dan
solusi untuk mengobati penyakit ikan mas.
4.3. Teknik Pengumpulan Data
4.3.1. Metode Wawancara
Menurut Nazir (2014:171), interview (wawancara)
merupakan proses interaksi antara pewawancara dan responden.
Walaupun bagi pewawancara, proses tersebut adalah satu bagian
dari langkah-langkah dalam penelitian, tetapi belum tentu bagi
responden, wawancara adalah bagian dari penelitian, tetapi sukses
tidaknya pelakasanaan wawancara bergantung sekali pada proses
interaksi yang terjadi.
Dari metode wawancara yang dilakukan penulis dengan
mewawancarai Bapak Carly Junicef Vratama, S.Pi., M.Si sebagai
seorang pakar, penulis mendapatkan data yaitu nilai kepercayaan
(nilai belief) pada setiap gejala-gejala penyakit pada ikan mas.
4.3.2. Metode Studi Pustaka
Menurut Nazir (2014:79), studi kepustakaan merupakan
langkah yang penting dimana setelah seseorang peneliti
menetapkan topik penelitian, langkah selanjutnya adalah
melakukan kajian yang berkaitan dengan teori yang berkaitan
dengan topik penelitian.
Penulis melakukan studi pustaka terhadap penelitian-
penelitian terdahulu dari buku dan jurnal yang digunakan sebagai
data sekunder atau teori pendukung yang penulis butuhkan dalam
penelitian ini.
Dari metode studi pustaka yang dilakukan penulis,
penulis mendapatkan data penyakit ikan mas, data gejala, dan
solusi untuk mengobati penyakit ikan mas.
4.4. Alat dan Teknik Pengembangan Sistem
4.4.1. Alat Pengembangan Sistem
4.4.1.1. Model Proses
Menurut Rosa dan Shalahuddin (2018:133), UML
(Unified Modeling Language) adalah salah satu standar
bahasa yang banyak digunakan di dunia industri untuk
mendefinisikan requirement, membuat analisis dan desain,
serta menggambarkan arsitektur dalam pemrograman
berorientasi objek. Diagram UML yang digunakan pada
penelitian ini adalah:
a. Use Case Diagram
Menurut Rosa dan Shalahuddin (2018:155), Use
case atau diagram use case merupakan pemodelan untuk
kelakuan (behavior) sistem informasi yang akan dibuat.
Use case mendeskripsikan sebuah interaksi antara satu
atau lebih aktor dengan sistem informasi yang akan dibuat.
Secara kasar, use case digunakan untuk mengetahui fungsi
apa saja yang ada di dalam sebuah sistem informasi dan
siapa saja yang berhak menggunakan fungsi- fungsi itu.
Adapun simbol-simbol pada use case diagram dapat
dilihat pada Tabel 4.2.
Tabel 4.2. Simbol-simbol Use Case Diagram
Simbol Deskripsi
Use case
nama use case
Fungsionalitas yang
disediakan sistem sebagai
unit-unit yang saling
bertukar pesan antar unit
atau aktor, biasanya
dinyatakan dengan
menggunakan kata kerja di
awal frase nama use case.
Tabel 4.2. Simbol-simbol Use Case Diagram (lanjutan)
Simbol Deskripsi
Aktor / actor
Orang, proses, atau sistem
lain yang berinteraksi
dengan sistem informasi
yang akan dibuat di luar
sistem informasi yang akan
dibuat itu sendiri, jadi
walaupun simbol dari aktor
adalah gambar orang, tapi
aktor belum tentu orang,
biasanya dinyatakan
menggunakan kata benda di
awal frase nama aktor.
Asosiasi / association
Komunikasi antara aktor
dan use case yang
berpartisipasi pada use case
memiliki interaksi dengan
aktor.
Ekstensi / extend
<<extend>>
Relasi use case tambahan ke
sebuah use case dimana use
case yang ditambahkan
dapat berdiri sendiri walau
tanpa use case tambahan itu,
mirip dengan prinsip
inheritance pada
pemrograman berorientasi
objek, biasanya use case
memiliki nama depan yang
sama dengan use case yang
ditambahkan, misal arah
panah mengarah pada use
case yang ditambahkan,
biasanya use case yang
menjadi extend nya
merupakan jenis yang sama
dengan use case yang
menjadi induknya.
Tabel 4.2.Simbol-simbol Use Case Diagram
(lanjutan)
Simbol Deskripsi
Generalisasi /
generalization
Hubungan generalisasi dan
spesialisasi (umum –
khusus) antara dua buah use
case dimana fungsi yang
satu adalah fungsi yang
lebih umum dari lainnya,
misalnya arah panah
mengarah pada use case
yang menjadi
generalisasinya (umum).
Menggunakan /
include / uses
<<include>>
Relasi use case tambahan ke
sebuat use case di mana use
case yang ditambahkan
memerlukan use case ini
untuk menjalankan
fungsinya atau sebagai
syarat dijalankan use case
ini.
Sumber : Rosa dan Shaluddin (2018:156).
b. Activity Diagram
Menurut Yusmiarty (2016), Activity Diagram
menggambarkan workflow (aliran kerja) atau aktivitas dari
sebuah sistem atau proses bisnis. Simbol-simbol yang
digunakan dalam activity diagram. Adapun simbol-simbol
pada activity diagram dapat dilihat pada Tabel 4.3.
Tabel 4.3 Simbol-simbol Activity Diagram
Gambar Keterangan
Start point, diletakkan pada pojok kiri atas
dan merupakan awal aktifitas.
End point, akhir aktifitas.
Activites, menggambarkan suatu proses atau
kegiatan bisnis.
Fork (Percabangan), digunakan untuk
menunjukkan kegiatan yang dilakukan secara
parallel atau untuk menggabungkan dua
kegiatan pararel menjadi satu.
Join (penggabungan) atau rake, digunakan
untuk menunjukkan adanya dekomposisi.
Decision Points, menggambarkan pilihan
untuk pengambilan keputusan, true, false.
Swimlane, pembagian activity diagram untuk
Gambar Keterangan
menunjukkan siapa melakukan apa.
Sumber : Yusmiarty (2016)
4.4.1.2. Model Data
a. Class Diagram
Diagram kelas atau class diagram
menggambarkan struktur sistem dari segi pendefinisian
kelas-kelas yang akan dibuat untuk membangun sistem.
Kelas memiliki apa yang disebut atribut dan metode atau
operasi. Atribut merupakan variabel-variabel yang dimiliki
oleh suatu kelas. Operasi atau metode adalah fungsi-fungsi
yang dimiliki oleh suatu kelas. Adapun simbol-simbol
pada class diagram dapat dilihat pada Tabel 4.4.
Tabel 4.4 Simbol-simbol Class Diagram
Simbol Deskripsi
Kelas
nama_kelas
+atribut
+operasi()
Kelas pada struktur
sistem
Antarmuka / Interface
nama_interface
Sama dengan konsep
interface dalam
pemrograman
berorientasi objek
Tabel 4.4 Simbol-simbol Class Diagram (lanjutan)
Simbol Deskripsi
Asosiasi / Association
Relasi antar kelas
dengan makna umum,
asosiasi biasanya juga
disertai dengan
multiplicity
Asosiasi berarah / Directed
Association
Relasi antar kelas
dengan makna kelas
yang satu digunakan
oleh kelas yang lain,
asosiasi biasanya juga
disertai dengan
multiplicity
Generalisasi
Relasi antar kelas
dengan makna
generalisasi-spesialisasi
(umum khusus)
Kebergantungan / Dependency
Relasi antar kelas
dengan makna
kebergantungan antar
kelas
Agregasi / Aggregation Relasi antar kelas
dengan makna semua
bagian (whole-part)
Sumber : Rosa dan Shalahuddin (2011:123).
4.4.2. Teknik Pengembangan Sistem
Metode yang digunakan dalam pengembangan sistem pakar
diagnosa penyakit ikan mas berbasis web yaitu menggunakan metode
Rational Unified Process (RUP). Adapun proses pengulangan (iterative)
yang digunakan pada Metode RUP ini dapat dilihat pada Gambar 4.1.
Sumber : Rosa dan Shalahuddin (2018:125)
Gambar 4.1. Proses Iteratif RUP
Rational Unified Process (RUP) memiliki empat buah tahap
atau fase yang dapat dilakukan pula secara iteratif. Adapun tahapan-
tahapan yang dimaksud dapat dilihat pada Gambar 4.2.
Sumber : Rosa dan Shalahuddin (2018:128)
Gambar 4.2. Alur Hidup RUP
a. Inception (Permulaan)
Tahap ini lebih pada memodelkan proses bisnis yang
dibutuhkan (business modeling) dan mendefinisikan kebutuhan
akan sistem yang akan dibuat (requirements). Berikut adalah
tahap yang dibutuhkan pada tahap ini:
a. memahami ruang lingkup dari proyek (termasuk pada waktu,
kebutuhan, resiko dan lain sebagainya).
b. membangun sistem kasus bisnis yang dibutuhkan.
Hasil yang diharapkan dari tahap ini adalah memenuhi
Lifecycle Objective Milestone (batas/tonggak objektif dari siklus)
dengan kriteria berikut :
a. Umpan balik dari pendefinisian ruang lingkup, dan perkiraan
jadwal.
b. Kebutuhan dimengerti dengan pasti (dapat dibuktikan) dan
sejalan dengan kasus primer yang dibutuhkan.
c. Kreadibilitas dari perkiraan jadwal, penentuan skala prioritas,
resiko, dan proses pengembangan.
d. Ruang lingkup purwarupa (prototype) yang akan
dikembangkan.
e. Membangun garis dasar dengan membandingkan
perencanaan aktual dengan perencanaan yang direncanakan.
Pada tahap ini penulis menentukan ruang lingkup atau
batasan masalah, menentukan kebutuhan-kebutuhan sistem yaitu
kebutuhan hardware, kebutuhan software, dan menentukan
kebutuhan data-data yaitu data penyakit, data gejala dan solusi
untuk mengobati penyakit pada ikan mas.
b. Elaboration (Perluasaan atau Perencanaan)
Tahap ini lebih difokuskan pada perencanaan arsitektur
sistem. Tahap ini juga dapat mendeteksi apakah arsitektur sistem
yang diinginkan dapat dibuat atau tidak. Mendeteksi resiko yang
mungkin terjadi dari arsitektur yang dibuat. Tahap ini lebih pada
analisis dan desain sistem serta implementasi sistem yang fokus
pada purwarupa sistem (prototype).
Hasil yang diharapkan dari tahap ini adalah memenuhi
Lifecycle Objective Milestone (batas/tonggak objektif dari siklus)
dengan kriteria berikut :
a. Model kasus yang digunakan (use case) dimana kasus dan
aktor yang terlibat telah diidentifikasikan dan sebagian besar
kasus harus dikembangkan. Model use case harus 80 persen
lengkap dibuat.
b. Deskripsi dari arsitektur perangkat lunak dari proses
pengembangan sistem dari perangkat lunak telah dibuat.
c. Rancangan arsitektur yang dapat diimplementasikan dan
mengimplementasikan use case.
d. kasus bisnis atau proses bisnis dan daftar resiko yang sudah
mengalami perbaikan (revisi) telah dibuat.
e. Rencana pengembangan untuk seluruh proyek telah dibuat.
f. Purwarupa (prototype) yang dapat didemonstrasikan untuk
mengurangi setiap resiko teknis yang diidentifikasi.
Pada tahap elaboration, penulis melakukan perancangan
sistem menggunakan diagram UML meliputi use case diagram,
activity diagram dan class diagram.
c. Construction (Konstruksi)
Tahap ini fokus pada pengembangan komponen dan
fitur-fitur sistem. Tahapan ini lebih pada implementasi dan
pengujian sistem yang fokus pada implementasi perangkat lunak
pada kode program. Tahap ini menghasilkan produk perangkat
lunak dimana menjadi syarat dari Initial Operational Capability
Milestone atau batas/tonggak kemampuan operasional awal.
d. Transition (Transisi)
Tahap ini lebih pada deployment atau instalasi sistem
agar dapat dimengerti oleh user. Tahap ini menghasilkan produk
perangkat lunak dimana menjadi syarat dari Initial Operational
Capability Milestone atau batas/tonggak kemampuan operasional
awal. Aktifitas pada tahap ini termasuk pada pelatihan user,
pemeliharaan dan pengujian sistem apakah sudah memenuhi
harapan.
Pada tahap transition, penulis melakukan pengujian dan
pemeliharaan sistem.
4.5. Alat dan Teknik Pengujian
4.5.1. Black Box Testing
Menurut Sukamto dan Shalahuddin dalam Amin
(2017:115), menyimpulkan bahwa pada dasarnya black box
testing yaitu menguji perangkat lunak dari segi spesifikasi
fungsional tanpa menguji desain dan kode program. Pengujian
dimaksudkan untuk mengetahui apakah fungsi-fungsi, masukan,
dan keluaran dari perangkat lunak sesuai dengan spesifikasi yang
dibutuhkan.
39
BAB V
HASIL DAN PEMBAHASAN
5.1. Hasil dan Pembahasan
5.1.1. Fase Inception
Pada tahap ini penulis menentukan ruang lingkup atau
batasan masalah, menentukan kebutuhan-kebutuhan sistem yaitu
kebutuhan pengguna, kebutuhan hardware, kebutuhan software,
dan menentukan kebutuhan data-data yaitu data penyakit, data
gejala, dan basis pengetahuan.
5.1.1.1. Kebutuhan Pengguna
Sistem pakar ini digunakan oleh admin, dan user
yaitu pembudidaya ikan mas. Kebutuhan admin dan user
pada sistem pakar, dapat dilihat pada Tabel 5.1.
Tabel 5.1. Kebutuhan admin dan user
Pengguna Kebutuhan
Admin a. Dapat mengelola data
penyakit.
b. Dapat mengelola data gejala.
c. Dapat menginput relasi
antara penyakit dan gejala.
d. Dapat melihat data
konsultasi.
e. Dapat melakukan uji coba
pada perhitungan Dempster
Shafer.
40
Tabel 5.1. Kebutuhan admin dan user (lanjutan)
Pengguna Kebutuhan
User a. Dapat melihat data
penyakit dan cara
mengobati
b. Dapat melakukan
konsultasi
5.1.1.2. Kebutuhan Pendukung Sistem
a. Processor Intel Core i5
b. RAM 4GB DDR4
c. Harddisk Drive 1000GB
d. Web Server (Apache)
e. Database MySQL
f. Sublime Text
5.1.1.3. Kebutuhan Pendukung User
a. Google Chrome
b. Gadget
c. Laptop (sejenis)
d. Koneksi Internet
5.1.1.4. Data Penyakit
Pada penelitian ini, penulis memaparkan tabel
nama penyakit, dimana setiap penyakit diberi kode P1
41
sampai P17. Berikut nama-nama penyakit dapat dilihat
pada Tabel 5.2.
Tabel 5.2. Nama Penyakit
Kode Nama Penyakit
P1 Channel Catfish Virus Desease (CCVD)
P2 Spring Viraemia of Carp (SVC)
P3 Infectious Pancreatic Necrosis (IPN)
P4 Aeromonas SP
P5 Pseudomonas SP
P6 Tuberculosis
P7 Nocardia
P8 Columnaris (Flexibacter Columnaris)
P9 Epizootic Ulcerative Syndrome (EUS)
P10 Branchiomycosis
P11 Fusariosis
P12 Ichthyophthirius Multifiliis
P13 Cryptocaryoniasis
P14 Isopoda
P15 Argulus
P16 Cloudy Eye
P17 Koi Herpes Virus
5.1.1.5. Data Gejala
Pada penelitian ini, penulis memaparkan semua
gejala-gejala yang dapat menyebabkan penyakit
berdasarkan data penyakit. Pada gejala penyakit, penulis
memberikan kode G1 sampai G46. Berikut gejala-gejala
penyakit dapat dilihat pada Tabel 5.3.
42
Tabel 5.3. Nama Gejala
Kode Nama Gejala Nilai Belief
G1 Hilangnya keseimbangan tubuh 0,3
G2 Ikan bergerak berputar-putar 0,3
G3 Mata menonjol 0,2
G4 Perut mengembung/membesar 0,1
G5
Ikan berkumpul di bagian saluran
pengeluaran
0,3
G6 Pendarahan 0,2
G7 Kematian masal terutama ikan muda 0,3
G8 Warna tubuh ikan menjadi gelap 0,1
G9
Pendarahan di pendarahan di daerah
bawah perut/vertal termasuk di
daerah sirip
0,7
G10 Hati dan limpa pucat dan membesar 0,5
G11 Pembentukan yang menyerupai bisul 0,7
G12 Sirip putus/patah 0,6
G13 Pendarahan pada ingsang 0,5
G14 Lendir berdarah 0,5
G15
Usus bagian belakang lengket dan
bersatu
0,6
G16 Luka atau borok pada kulit 0,6
G17 Gerakan ikan lambat 0,2
G18 Pertumbuhan lambat 0,1
G19 Warna pucat 0,3
G20 Insang ekor menjadi kuning 0,5
G21 Benjolan 0,5
G22 Nafsu makan berkurang 0,2
G23 Lemah kurus 0,1
G24 Pembengkakan daerah mulut 0,5
G25
Bintik putih pada kulit ingsang dan
daging organ dalam
0,7
G26 Bintik putih 0,5
G27 Sirip rontok 0,5
G28 Luka disekitar sirip punggung 0,6
G29 Pendarahan sirip 0,6
G30 Bintik merah pada permukaan tubuh 0,5
G31 Berenang kepermukaan 0,1
G32 Ingsang berwarna keputihan 0,5
G33 Mengangap di permukan air 0,1
G34 Berkumpul di permukaan air 0,3
G35 Tidak mau makan 0,2
43
Tabel 5.3. Nama Gejala (lanjutan)
Kode Nama Gejala Nilai Belief
G36 Insang menjadi berwarna kehitaman 0,5
G37 Terlihat seperti terbakar 0,5
G38 Pembengkakan limpah 0,5
G39 Bengkak kulit ikan/bisul 0,5
G40 Matanya bengkak sisiknya lepas 0,6
G41 Mata nya pecah 0,7
G42
Insang mengelupas sehingga ikan
terlihat seperti botak
0,6
G43
Pembengkakan di kulit ingsang atau
sirip
0,5
G44 Rusaknya kornea mata 0,5
G45 Ikan selalu berada di dasar kolam 0,3
G46 Bagian dasar sirip kemerahan 0,3
5.1.1.6. Basis Pengetahuan
Pada basis pengetahuan, penulis menjelaskan
tentang hubungan penyakit dan gejala-gejala yang terjadi
pada ikan, kemudian disusun sesuai aturan yang telah
ditetapkan. Basis pengetahuan dapat dilihat pada Tabel 5.4.
44
46
5.1.2. Fase Elaboration
Pada tahap elaboration, penulis melakukan perancangan
sistem menggunakan diagram UML meliputi Use Case Diagram,
Activity Diagram, dan Class Diagram. Pada tahap ini juga, penulis
membut desain database dan desain tampilan pada sistem.
5.1.2.1. Use Case Diagram
Use Case Diagram digunakan untuk
mendeskripsikan sebuah interaksi antara satu atau lebih
aktor dengan sistem yang dibuat. Use Case Diagram yang
menggambarkan sistem pakar diagnosa penyakit ikan mas,
dapat dilihat pada Gambar 5.1.
Gambar 5.1. Use Case Diagram
47
a. Aktor
Aktor dapat diidentifikasikan sebagai objek yang
berinteraksi langsung baik yang menggunakan maupun
yang mempengaruhi dengan sistem atau perangkat lunak
yang sedang dikembangkan (misalnya, orang, suatu
perangkat keras, sistem lain dan sebagainya).
Berikut tabel yang menjelaskan tentang peran masing-masing
aktor pada Tabel 5.5.
Tabel 5.5. Keterangan Aktor
No Aktor Deskripsi
1 Admin Admin dapat mengelola data penyakit,
mengelola data gejala, merelasi penyakit
dan gejala, melihat data konsultasi,
melakukan perhitungan Dempster
Shafer, mengganti password, logout.
2 User User dapat melihat data penyakit dan
dapat melakukan konsultasi pada sistem.
b. Use Case
Berikut tabel yang menjelaskan tentang fungsi setiap
Use Case yang terdapat pada Tabel 5.6.
48
Tabel 5.6. Keterangan Use Case
No Use Case Keterangan
1. Login Merupakan proses untuk melakukan
login Admin.
2. Logout Merupakan proses untuk melakukan
logout Admin.
3. Kelola Data
Penyakit
Kelola Data penyakit merupakan proses
generalisasi yang meliputi empat menu
proses yaitu lihat data penyakit, tambah
data penyakit, edit data penyakit, dan
hapus data penyakit.
4. Lihat Data
Penyakit
Merupakan proses menampilkan data
penyakit yang ada di basis data.
5.
Tambah
Data
Penyakit
Merupakan proses memasukkan data
penyakit ke dalam basis data.
6. Edit Data
Penyakit
Merupakan proses mengubah data
penyakit yang ada di basis data.
7. Hapus Data
Penyakit
Merupakan proses menghapus data
penyakit yang ada di basis data.
8. Kelola Data
Gejala
kelola Data gejala merupakan proses
generalisasi yang meliputi empat menu
proses yaitu lihat data gejala, tambah
data gejala, edit data gejala, dan hapus
data gejala.
9. Lihat Data
Gejala
Merupakan proses menampilkan data
gejala yang ada di basis data.
10. Tambah
Data Gejala
Merupakan proses memasukkan data
gejala ke dalam basis data.
11. Edit Data
Gejala
Merupakan proses mengubah data gejala
yang ada di basis data.
12. Hapus Data
Gejala
Merupakan proses menghapus data
gejala yang ada di basis data.
13. Kelola Data
Relasi
Kelola Data Relasi merupakan proses
merelasikan penyakit berdasarkan
gejala.
14. Lihat Data
Relasi
Merupakan proses menampilkan data
relasi yang ada di basis data.
49
Tabel 5.6. Keterangan Use Case (lanjutan)
15. Atur Relasi
Merupakan proses memasukkan data
penyakit berdasarkan gejala penyakit
ke dalam basis data.
16. Lihat Data
Konsultasi
Merupakan proses untuk melihat
daftar data konsultasi user yang ada
di sistem
17.
Lihat
Perhitungan
Dempster Shafer
Merupakan proses untuk menguji
perhitungan Dempster Shafer
18. Ganti Password Merupakan proses untuk mengubah
password admin yang ada di sistem
19. Lihat Penyakit Lihat penyakit merupakan proses
lihat penyakit.
20. Konsultasi
Penyakit
Merupakan proses untuk
menampilkan konsultasi penyakit.
c. Skenario Use Case
Dari skenario Use Case dapat dilihat interaksi yang
dilakukan aktor (aksi aktor). Aliran data yang diterima oleh
sistem akan menghasilkan suatu reaksi yang kontinyu sampai
proses berakhir sesuai keinginan aktor.
1. Skenario Use Case Login
Berikut tabel yang menjelaskan tentang skenario
Use Case login pada admin. Skenario login admin dapat
dilihat pada Tabel 5.7
Tabel 5.7. Skenario Login
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memasukan username
dan password
2. Memeriksa valid tidaknya data
masukkan dengan memeriksa
ke tabel pengguna.
3. Masuk ke aplikasi Sitem
50
Pakar.
Tabel 5.7. Skenario Login (lanjutan)
Skenario Alternatif
1. Memasukan username
dan password
2. Memeriksa valid tidaknya data
masukan.
3. Menampilkan pesan login
username dan password salah.
4. Memasukan username
dan password yang
valid
5. Memeriksa valid tidaknya data
masukan
6. Masuk ke aplikasi Sistem
Pakar.
2. Skenario Use Case Logout
Berikut tabel yang menjelaskan tentang skenario
Use Case logout pada admin. Skenario logout admin dapat
dilihat pada Tabel 5.8.
Tabel 5.8. Skenario Logout
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memilih menu logout
2. Melakukan logout
3. Skenario Use Case Melihat Data Penyakit
Berikut tabel yang menjelaskan tentang skenario
Use Case melihat data penyakit pada admin. Skenario data
penyakit pada admin dapat dilihat pada Tabel 5.9.
Tabel 5.9. Skenario Melihat Data Penyakit
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
51
Tabel 5.9. Skenario Melihat Data Penyakit (lanjutan)
2. Memilih menu data
penyakit.
3. Menampilkan data penyakit.
4. Skenario Use Case Menambah Data Penyakit
Berikut tabel yang menjelaskan tentang skenario
Use Case menambah data penyakit pada admin. Skenario
menambah data penyakit pada admin dapat dilihat pada Tabel
5.10.
Tabel 5.10. Skenario Menambah Data Penyakit
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memasukkan data
penyakit sesuai kolom
yang ada.
3. Memeriksa valid tidaknya data
masukkan.
4. Menyimpan data penyakit ke
basis data.
Skenario Alternatif
1. Memeriksa status login.
2. Memasukkan data
penyakit sesuai kolom
yang ada.
3. Memeriksa valid tidaknya data
masukkan.
4. Mengeluarkan pesan bahwa
data masukan tidak valid.
5. Memperbaiki data
masukan yang tidak
valid.
6. Memeriksa valid tidaknya data
masukkan.
52
Tabel 5.10. Skenario Menambah Data Penyakit (lanjutan)
7. Menyimpan data penyakit ke
basis data.
8. Menampikan data penyakit.
5. Skenario Use Case Mengubah Data Penyakit
Berikut tabel yang menjelaskan tentang skenario
Use Case mengubah data penyakit pada admin. Skenario
mengubah data penyakit dapat dilihat pada Tabel 5.11.
Tabel 5.11. Skenario Mengubah Data Penyakit
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memilih data penyakit
yang akan diubah.
3. Menampilkan semua kolom
data penyakit yang akan diubah.
4. Mengubah data
penyakit.
5. Memeriksa valid tidaknya data
masukan.
6. Menyimpan data penyakit yang
telah diubah ke basis data.
7. Menampilkan daftar data
penyakit.
Skenario Alternatif
1. Memeriksa status login.
2. Memilih data penyakit
yang akan diubah.
3. Menampilkan semua kolom
data penyakit yang akan diubah.
4. Mengubah data
penyakit.
5. Memeriksa valid tidaknya data
masukan.
6. Menampilkan pesan bahwa
masukan data tidak valid.
53
Tabel 5.11. Skenario Mengubah Data Penyakit (lanjutan)
7. Memperbaiki data
masukan yang
diubah dan tidak
valid.
8. Memeriksa valid tidaknya data
masukan.
9. Menyimpan data yang telah
diubah ke basis data.
10. Menampilkan daftar data
penyakit.
6. Skenario Use Case Menghapus Data Penyakit
Berikut tabel yang menjelaskan tentang skenario
Use Case menghapus data penyakit pada admin. Skenario
menghapus data penyakit dapat dilihat pada Tabel 5.12.
54
Tabel 5.12. Skenario Menghapus Data Penyakit
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memilih data
penyakit yang akan
dihapus.
3. Menampilkan pesan konfirmasi
apakah data benar akan dihapus.
4. Mengeklik pilihan
setuju data akan
dihapus.
5. Menghapus data penyakit dari
basis data.
6. Menampilkan data daftar
penyakit.
Skenario Alternatif
1. Memeriksa status login.
2. Memilih data
penyakit yang akan
dihapus.
3. Menampilkan data konfirmasi
apakah data benar akan dihapus.
4. Mengeklik pilihan
tidak setuju data
dihapus.
5. Kembali ke daftar penyakit.
7. Skenario Use Case Melihat Data Gejala
Berikut tabel yang menjelaskan tentang skenario
Use Case melihat data gejala pada admin. Skenario melihat
data gejala pada admin dapat dilihat pada Tabel 5.13.
55
Tabel 5.13. Skenario Melihat Data Gejala
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memilih menu data
gejala.
3. Menampilkan data gejala.
8. Skenario Use Case Menambah Data Gejala
Berikut tabel yang menjelaskan tentang skenario
Use Case menambah data gejala. Skenario menambah data
gejala dapat dilihat pada Tabel 5.14.
56
Tabel 5.14. Skenario Menambah Data Gejala
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memasukkan data
gejala sesuai kolom
yang ada.
3. Memeriksa valid tidaknya data
masukkan.
4. Menyimpan data gejala ke basis
data.
5. Menampilkan data gejala.
Skenario Alternatif
1. Memeriksa status login.
2. Memasukkan data
gejala sesuai kolom
yang ada.
3. Memeriksa valid tidaknya data
masukkan.
4. Mengeluarkan pesan bahwa data
masukan tidak valid.
5. Memperbaiki data
masukan yang tidak
valid.
6. Memeriksa valid tidaknya data
masukkan.
7. Menyimpan data gejala ke basis
data.
8. Menampikan data gejala.
9. Skenario Use Case Mengubah Data Gejala
Berikut tabel yang menjelaskan tentang skenario
Use Case mengubah data gejala. Skenario mengubah data
gejala dapat dilihat pada Tabel 5.15.
57
Tabel 5.15. Skenario Mengubah Data Gejala
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memilih data gejala
yang akan diubah.
3. Menampilkan semua kolom data
gejala yang akan diubah.
4. Mengubah data
gejala.
5. Memeriksa valid tidaknya data
masukan.
6. Menyimpan data gejala yang telah
diubah ke basis data.
7. Menampilkan daftar data gejala.
Skenario Alternatif
1. Memeriksa status login.
2. Memilih data
gejalayang akan
diubah.
3. Menampilkan semua kolom data
gejala yang akan diubah.
4. Mengubah data
gejala.
5. Memeriksa valid tidaknya data
masukan.
6. Menampilkan pesan bahwa
masukan data tidak valid.
7. Memperbaiki data
masukan yang
diubah dan tidak
valid.
8. Memeriksa valid tidaknya data
masukan.
9. Menyimpan data yang telah
diubah ke basis data.
10. Menampilkan daftar data gejala.
10. Skenario Use Case Menghapus Data Gejala
58
Berikut tabel yang menjelaskan tentang skenario
Use Case menghapus data gejala. Skenario menghapus data
gejala dapat dilihat pada Tabel 5.16.
Tabel 5.16. Skenario Menghapus Data Gejala
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memilih data gejala
yang akan dihapus.
3. Menampilkan data konfirmasi
apakah data benar akan dihapus.
4. Mengeklik pilihan
setuju data akan
dihapus.
5. Menghapus data gejala dari basis
data.
6. Menampilkan data daftar gejala.
Skenario Alternatif
1. Memeriksa status login.
2. Memilih data gejala
yang akan dihapus.
3. Menampilkan data konfirmasi
apakah data benar akan dihapus.
4. Mengeklik pilihan
tidak setuju data
dihapus.
5. Kembali ke daftar data gejala.
11. Skenario Use Case Melihat Data Relasi Penyakit dan
Gejala
Berikut tabel yang menjelaskan tentang skenario
Use Case melihat data relasi pada admin. Skenario melihat
data relasi dan gejala dapat dilihat pada Tabel 5.17.
59
Tabel 5.17. Skenario Melihat Data Relasi
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memilih menu relasi
3. Menampilkan data relasi penyakit
dan gejala
12. Skenario Use Case Mengatur Data relasi
Berikut tabel yang menjelaskan tentang skenario
Use Case mengatur data relasi pada admin. Skenario
mengatur relasi dapat dilihat pada Tabel 5.18.
Tabel 5.18. Skenario Mengatur Data relasi
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Mengatur data relasi
sesuai penyakit dan
gejala yang ada.
3. Memeriksa valid tidaknya data
masukkan.
4. Menyimpan data training ke basis
data.
5. Menampilkan data relasi.
Skenario Alternatif
1. Memeriksa status login.
2. Memasukkan data
training sesuai
kolom yang ada.
3. Memeriksa valid tidaknya data
60
masukkan.
4. Mengeluarkan pesan bahwa data
masukan tidak valid.
5. Memperbaiki data
masukan yang tidak
valid.
Tabel 5.18. Skenario Mengatur Data relasi (lanjutan)
Aksi Aktor Reaksi Sistem
6. Memeriksa valid tidaknya data
masukkan.
7. Menyimpan data training ke basis
data.
8. Menampikan data training.
13. Skenario Use Case Melihat Data Konsultasi
Berikut tabel yang menjelaskan tentang skenario
Use Case melihat data konsultasi pada admin. Skenario
melihat data konsultasi pada admin dapat dilihat pada Tabel
5.19.
Tabel 5.19. Skenario Melihat Data Konsultasi
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memilih menu data
konsultasi.
3. Menampilkan data konsultasi.
14. Skenario Use Case Melihat Perhitungan Dempster Shafer
Berikut tabel yang menjelaskan tentang skenario
Use Case melihat perhitungan Dempster Shafer pada admin.
Skenario melihat perhitungan Dempster Shafer pada admin
dapat dilihat pada Tabel 5.20.
61
Tabel 5.20. Skenario Melihat Perhitungan Dempster Shafer
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login.
2. Memilih menu
perhitungan
Dampster sharfer
3. Menampilkan pilihan data gejala.
4. Memilih gejala-
gejala penyakit
kemudian
mengeklik tombol
proses.
5. Memeriksa ada tidaknya gejala penyakit
yang dipilih.
6. Menampilkan perhitungan Dampster
sharfer berdasarkan gejala yang dipilih
Skenario Alternatif
1. Memeriksa status login.
2. Memilih menu
perhitungan
Dampster sharfer
3. Menampilkan pilihan data gejala.
4. Mengeklik tombol
proses tanpa
memilih gejala
penyakit.
5. Memeriksa ada tidaknya gejala penyakit
yang dipilih.
6. Mengeluarkan pesan tidak ada data
gejala yang di pilih.
7. Memilih gejala-
gejala penyakit
62
kemudian
mengeklik tombol
proses.
8. Memeriksa ada tidaknya gejala penyakit
yang dipilih.
9. Menampilkan perhitungan Dampster
sharfer
15. Skenario Use Case Ganti Password
Berikut tabel yang menjelaskan tentang skenario
Use Case mengganti password pada admin. Skenario
mengganti password pada admin dapat dilihat pada Tabel
5.21.
Tabel 5.21. Skenario Ganti Password
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memeriksa status login
2. Memasukkan password
lama dan memasukkan
password baru.
3. memeriksa valid tidaknya data.
4. menyimpan data password baru.
5. menampilkan pesan bahwa
baerhasil ubah password.
Skenario Alternatif
1. Memeriksa status login.
2. memasukkan password
lama dan password
baru.
3. Memeriksa valid tidaknya data.
4. Mengeluarkan pesan bahwa tidak
validnya data.
5. Memperbaiki data yang
tidak valid.
6. Memeriksa valid tidaknya data.
7. menyimpan data password baru.
8. menampilkan pesan bahwa
63
berhasil ubahpassword.
16. Skenario Use Case Lihat Data Penyakit pada User
Berikut tabel yang menjelaskan tentang skenario
Use Case melihat data penyakit pada user. Skenario melihat
data penyakit pada user dapat dilihat pada Tabel 5.22.
Tabel 5.22. Skenario Lihat Data Penyakit pada User
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memilih menu
penyakit ikan mas
2. Menampilkan 18 daftar
penyakit ikan mas.
3. Menampilkan pengertian
penyakit dan penanganannya.
17. Skenario Use Case Konsultasi Penyakit pada user
Berikut tabel yang menjelaskan tentang skenario
Use Case konsultasi penyakit pada user. Skenario konsultasi
penyakit pada user dapat dilihat pada Tabel 5.23.
Tabel 5.23. Skenario Kosultasi Penyakit
Aksi Aktor Reaksi Sistem
Skenario Normal
1. Memilih menu
konsultasi
penyakit.
2. Menampilkan form konsultasi.
3. Memasukkan data
konsultasi sesuai
64
kolom yang ada.
4. Memeriksa valid tidaknya data
masukkan.
5. Menampilkan hasil konsultasi
Skenario Alternatif
1. Menemilih menu
konsultasi penyakit.
2. Menampilkan form konsultasi.
3. Memasukkan data
konsultasi sesuai
kolom yang ada.
Tabel 5.23. Skenario Kosultasi Penyakit (lanjutan)
Aksi Aktor Reaksi Sistem
4. Memeriksa valid tidaknya data
masukkan.
5. Mengeluarkan pesan bahwa data
tidak valid.
6. Memperbaiki data
masukan konsultasi.
7. Memeriksa valid tidaknya data
masukkan.
8. Menampilkan hasil konsultasi.
65
5.1.2.2. Pemodelan Activity Diagram
a. Activity Diagram kelola data penyakit
Activity Diagram kelola data penyakit yaitu
admin dapat melihat daftar data penyakit, dapat
menambah data penyakit, dapat mengedit data penyakit,
dan dapat menghapus data penyakit. Activity Diagram
kelola data penyakit pada admin dapat dilihat pada
Gambar 5.2.
66
ADMIN SISTEM
Login
Cek login
gagal
Menampilkan menu utama
berhasil
Memilih menu data penyakit
Menampilkan data penyakit
konfirmasi
Hapus data penyakit
Menampilkan form edit data penyakit
tidak
ya
tambah edit hapus
Mengisi form edit data penyakitValidasi
data
Tidak valid
Update data penyakit
valid
Menampilkan form tambah data penyakit
Validasi data
Simpan data penyakit
Mengisi form data penyakit
Tidak valid
valid
Gambar 5.2. Activity Diagram kelola data penyakit
b. Activity Diagram kelola data gejala
Activity Diagram kelola data gejala yaitu admin
dapat melihat daftar data gejala, dapat menambah data
gejala, dapat mengedit data gejala, dan dapat menghapus
data gejala. Activity Diagram kelola data gejala pada
admin dapat dilihat pada Gambar 5.3.
67
ADMIN SISTEM
Login
Cek login
gagal
Menampilkan menu utama
berhasil
Memilih menu data gejala
Menampilkan data gejala
konfirmasi
Hapus data gejala
Menampilkan form edit data gejala
tidak
ya
tambah edit hapus
Mengisi form edit data gejalaValidasi
data
Tidak valid
Update data gejala
valid
Menampilkan form tambah data gejala
Validasi data
Simpan data gejala
Mengisi form data gejala
Tidak valid
valid
Gambar 5.3. Activity Diagram kelola data gejala
c. Activity Diagram relasi penyakit dan gejala
Activity Diagram relasi penyakit dan gejala yaitu
merelasikan penyakit dengan gejala-gejala yang ada pada
suatu penyakit tersebut. Activity Diagram relasi penyakit
dan gejala pada admin dapat dilihat pada Gambar 5.4.
68
ADMIN SISTEM
Login Cek login
gagal
Menampilkan menu utama
berhasil
Memilih menu data relasi
Menampilkan daftar data relasi
Atur Relasi pada Penyakit
Menampilkan nama penyakit yang dipilih dan menampilkan gejala-gejala
Merelasikan penyakit dan gejala-gejala yang ada pada suatu penyakit tersebut
Kemudian klik tombol ProsesMenampilkan daftar data relasi yang telah direlasikan
antara suatu penyakit dan gejala-gejalanya
Gambar 5.4. Activity Diagram relasi penyakit dan
gejala
d. Activity Diagram lihat data konsultasi
Activity Diagram lihat data konsultasi pada admin
yaitu admin dapat melihat daftar data konsultasi yang telah
69
dilakukan oleh user. Activity Diagram lihat data konsultasi
dapat dilihat pada Gambar 5.5.
ADMIN SISTEM
Login
Cek login
gagal
Menampilkan menu utama
berhasil
Menampilkan daftar data konsultasi
Memilih data konsultasi
Gambar 5.5. Activity Diagram lihat data konsultasi
e. Activity Diagram lihat perhitungan Dempster Shafer
Activity Diagram perhitungan Dempster Shafer
yaitu admin dapat melihat perhitungan Dempster Shafer.
70
Activity Diagram Dempster Shafer dapat dilihat pada
Gambar 5.6.
ADMIN SISTEM
Login
Cek login
gagal
Menampilkan menu utama
berhasil
Menampilkan pilihan data gejala
Memilih menu dempster shafer
Tidak valid
ValidasiMemilih gejala penyakit
Proses valid
Menampilkan perhitungan dampster sharfer berdasarkan gejala yang dipilih
Gambar 5.6. Activity Diagram lihat perhitungan
Dempster Shafer
f. Activity Diagram ganti password
Activity Diagram ganti password yaitu admin
dapat mengganti password untuk login kedalam sistem
71
pakar. Activity Diagram ganti password dapat dilihat pada
Gambar 5.7.
ADMIN SISTEM
Login
Cek login
gagal
Menampilkan menu utama
berhasil
Menampilkan form ganti pasword
Memilih menu ganti pasword
ValidasiMengisi form ganti pasword
valid
Simpan pasword
tidak valid
Gambar 5.7. Activity Diagram ganti password
g. Activity Diagram logout
72
Activity Diagram logout yaitu admin dapat logout pada
sistem pakar. Activity Diagram logout dapat dilihat pada
Gambar 5.8.
ADMIN SISTEM
Login
Cek login
gagal
Menampilkan menu utama
berhasil
Menampilkan form login
Memilih menu logout
Gambar 5.8 Activity Diagram logout
h. Activity Diagram data penyakit pada user
73
Activity Diagram lihat data penyakit yaitu user dapat
melihat data penyakit pada sistem. Activity Diagram data
penyakit pada user dapat dilihat pada Gambar 5.9.
USER SISTEM
Menampilkan menu utama
Menampilkan daftar penyakit ikan
Memilih menu penyakit ikan
Memilih menu penyakit ikan
Menampilkan penjelasan penyakit ikan dan cara mengobati penyakit ikan
Gambar 5.9. Activity Diagram data penyakit pada user
74
i. Activity Diagram konsultasi pada user
Activity Diagram konsultasi pada user yaitu user
atau pembudidaya ikan mas dapat melakukan konsultasi
terhadap gejala-gejala yang diderita oleh ikan mas melalui
sistem pakar. Activity Diagram konsultasi pada user dapat
dilihat pada Gambar 5.10.
USER SISTEM
Menampilkan halaman utama
Menampilkan form konsultasi
Menampilkan persentase penyakit sesuai dengan gejala yang di pilih
Memilih menu konsultasi
Memilih gejala yang di lihat pada ikan mas
validasi
Tidak valid
Valid
Gambar 5.10. Activity Diagram konsultasi pada user
75
5.1.2.3. Class Diagram
Dibawah ini terdapat pemodelan class diagram
dapat dilihat pada Gambar 5.11.
Gambar 5.11. Class Diagram
76
5.1.2.4. Desain Database
Rancangan database yang digunakan sebagai
tempat penyimpanan data menggunakan database My
Structured Query Language (MYSQL). Desain yang akan
dibuat sebagai berikut:
a. Desain Tabel Gejala
Tabel gejala merupakan tabel yang memuat data
gejala, desain tabel gejala dapat dilihat pada Tabel 5.24.
Tabel 5.24. Tabel Gejala
Field Type Field Width Keterangan
idGejala Int 11 Primary Key
kodeGejala Varchar 4 -
namaGejala Varchar 100 -
Belief Float 3,2 -
b. Desain Tabel Konsultasi
Tabel konsultasi merupakan tabel yang memuat
data gejala yang akan user pilih berdasarkan gejala penyakit
pada ikan mas yang dilihat dilapangan, desain tabel gejala
dapat dilihat pada Tabel 5.25.
77
Tabel 5.25. Tabel Konsultasi
Field Type Field Width Keterangan
idKonsultasi Int 11 Primary Key
tglKonsultasi Date -
Nama Varchar 100 -
Email Varchar 100 -
kodePenyakit Varchar 50 -
Probabilitas Float -
c. Desain Tabel Konsultasi Detail
Tabel Konsultasi Detail merupakan tabel yang
menampilkan hasil konsultasi user. Desain tabel konsultasi
detail dapat dilihat pada Tabel 5.26.
Tabel 5.26. Konsultasi Detail
Field Type Field Width Keterangan
idDetail Int 11 Primary Key
idKonsultasi Int 11 -
idGejala Int 11 -
d. Desain Tabel Pengguna
Tabel pengguna merupakan tabel yang memuat
data pengguna, desain tabel pengguna dapat dilihat pada
Tabel 5.27.
78
Tabel 5.27. Tabel Pengguna
Field Type Field Width Keterangan
idPengguna Int 11 Primary Key
Nama Varchar 50 -
username Varchar 30 -
password Varchar 32 -
Status enum('aktif ' ,
'tidak')
- -
e. Desain Tabel Penyakit
Tabel penyakit merupakan tabel yang memuat data
penyakit, desain tabel penyakit dapat dilihat pada Tabel
5.28.
Tabel 5.28. Tabel Penyakit
Field Type Field Width Keterangan
idPenyakit Int 11 Primary Key
kodePenyakit Varchar 4 -
namaPenyakit Varchar 40 -
deskripsiPenyakit Text - -
penangananPenyakit Text - -
f. Desain Tabel Relasi
Desain Tabel Relasi merupakan tabel yang memuat relasi
penyakit berdasarkan gejala penyakit. Desain tabel relasi
dapat dilihat pada Tabel 5.29.
79
Tabel 5.29. Tabel Relasi
Field Type Field Width Keterangan
idRelasi Int 11 Primary Key
idPenyakit Int 11 -
idGejala Int 11 -
5.1.2.5. Desain Rancangan Tampilan
a. Login Admin
Berikut perencanaan desain interface login untuk
admin. Desain interface login untuk admin dapat dilihat
pada Gambar 5.12.
Sign in to start your session
Admin
xxx
Sign in
Sistem Pakar Dempster Shafer
Gambar 5.12. Login Admin
b. Data Penyakit pada Admin
80
Berikut perencanaan desain interface data
penyakit pada admin. Desain interface data penyakit pada
admin dapat dilihat pada Gambar 5.13.
Data Penyakit
Tindakan
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
Penanganan / pencegahanKode Nama Deskripsi
Tambah
Data Penyakit
Daftar Data Penyakit
Editxxxxxx xxx xxx
xxxxxx xxx xxx
xxxxxx xxx xxx
Hapus
Edit Hapus
Edit Hapus
Gambar 5.13. Data Penyakit Admin
c. Tambah Data Penyakit pada Admin
Berikut perencanaan desain interface tambah data
penyakit pada admin. Desain interface tambah data
penyakit pada admin dapat dilihat pada Gambar 5.14.
81
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
Kode penyakit
Tambah data penyakit
xxx
Nama penyakit xxx
xxx
xxx
Deskripsi penyakit
Penanganan penyakit
Save reset
Kembali
Gambar 5.14. Tambah Data Penyakit pada Admin
d. Edit Data Penyakit pada Admin
Berikut perencanaan desain interface edit data
penyakit pada admin. Desain interface edit data penyakit
pada admin dapat dilihat pada Gambar 5.15.
82
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
Kode penyakit
Edit data penyakit
xxx
Nama penyakit xxx
xxx
xxx
Deskripsi penyakit
Penanganan penyakit
Save reset
Kembali
Gambar 5.15. Edit Data Penyakit pada Admin
e. Hapus Data Penyakit pada Admin
Berikut perencanaan desain interface hapus data
penyakit pada admin. Desain interface hapus data penyakit
pada admin dapat dilihat pada Gambar 5.16.
83
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
Hapus data penyakit argulust
ok cancel
Daftar data penyakit
Daftar data penyakit
10
xxx
xxx
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
ok cancel
Data penyakit
Daftar data penyakit
Kode
xxx
Nama
xxx
Deskripsi
xxx
Penanganan / Pencegahan
xxx
Tindakan
Edit Hapus
Hapus data penyakit xxxxxxxx ?
Gambar 5.16. Hapus Data Penyakit pada Admin
f. Data Gejala pada Admin
Berikut perencanaan desain interface data gejala
pada admin. Desain interface data gejala pada admin dapat
dilihat pada Gambar 5.17.
Data Penyakit
Tindakan
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
BeliefKode Nama
Tambah
Data gejala
Daftar Data gejala
xxxxxx xxx
xxxxxx xxx
xxxxxx xxx
Edit Hapus
Edit Hapus
Edit Hapus
Gambar 5.17. Data Gejala pada Admin
84
g. Tambah Data Gejala pada Admin
Berikut perencanaan desain interface tambah data
gejala pada admin. Desain interface tambah data gejala
pada admin dapat dilihat pada Gambar 5.18.
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster ShaferxxxKode gejala
Data gejala penyakit
save
Tambah data gejala penyakit
Nama gejala xxx
Nama belief xxx
reset
Kembali
Gambar 5.18. Tambah Data Gejala pada Admin
h. Edit Data Gejala pada Admin
Berikut perencanaan desain interface edit data
gejala pada admin. Desain interface edit data gejala pada
admin dapat dilihat pada Gambar 5.19.
85
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster ShaferxxxKode gejala
Data gejala penyakit
save
edit data gejala penyakit
Nama gejala xxx
Nilai belief xxx
reset
Kembali
Gambar 5.19. Edit Data Gejala pada Admin
i. Hapus Data Gejala pada Admin
Berikut perencanaan desain interface hapus data
gejala pada admin. Desain interface hapus data gejala
pada admin dapat dilihat pada Gambar 5.20.
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
ok cancel
Daftar data penyakit
Daftar data gejala penyakit
Kode
xxx
Nama
xxx
Belief
xxx
Tindakan
Edit Hapus
Hapus data gejala penyakit xxxxxxxx ?
Gambar 5.20. Hapus Data Gejala pada Admin
86
j. Lihat Data Relasi
Berikut perencanaan desain interface lihat data
relasi pada admin. Desain interface lihat data relasi pada
admin dapat dilihat pada Gambar 5.21.
Data Penyakit
Tindakan
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
GejalaPenyakit
Search
Data relasi
Daftar data relasi
Atur Relasi- xxx- xxx
xxx
Atur Relasi- xxx- xxx
xxx
Atur Relasi- xxx- xxx
xxx
Gambar 5.21. Lihat Data Relasi
k. Atur Data Relasi
Berikut perencanaan desain interface atur data
relasi pada admin. Desain interface atur data relasi pada
admin dapat dilihat pada Gambar 5.22.
87
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster ShaferNama Penyakit
Data relasi
Atur data relasi
Gejala Penyakit
Kembali
xxx
xxxxx
xxxxx
xxxxx xxxxx
xxxxx
xxxxx
Proses Reset
Gambar 5.22. Atur Data Relasi
l. Data Konsultasi
Berikut perencanaan desain interface lihat data
daftar konsultasi pada admin. Desain interface lihat data
daftar konsultasi pada admin dapat dilihat pada Gambar
5.23.
88
Data Penyakit
Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
GejalaTanggal Nama Email
Search
Data konsultasi
Daftar Data konsultasi
xxxxxxxxx xxx xxx
xxxxxxxxx xxx xxx
xxxxxxxxx xxx xxx
Probabiltas
xxx
xxx
xxx
Gambar 5.23. Data Konsultasi
m. Dempster Shafer
Berikut perencanaan desain interface lihat
perhitungan Dempster Shafer pada admin. Desain
interface lihat perhitungan Dempster Shafer pada admin
dapat dilihat pada Gambar 5.24.
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer Gejala penyakit
Pilih gejala penyakit
ResetProses
Perhitungan dempster shafer
xxxxx
xxxxx
xxxxx
xxxxx
xxxxx
xxxxx
Gambar 5.24. Lihat Perhitungan Dempster Shafer
89
n. Ganti Password
Berikut perencanaan desain interface ganti
password pada admin. Desain interface ganti password
pada admin dapat dilihat pada Gambar 5.25.
Data Penyakit
Data Konsultasi
Relasi
Data Gejala
Logout
Ganti Password
Dempster Shafer
Password baru
xxxPassword lama
Ulang password baru
xxx
Password ganti password
xxx
save
Gambar 5.25. Ganti Password
o. Home User
Berikut perencanaan desain interface home pada
user. Desain interface home pada user dapat dilihat pada
Gambar 5.26.
90
Sistem pakar dempster shafer konsultasi loginJenis penyakithome
Penyakit 1 Penyakit 2 Penyakit 3
Gambar 5.26. Home User
p. Jenis Penyakit pada User
Berikut perencanaan desain interface jenis
penyakit pada user. Desain interface jenis penyakit pada
user dapat dilihat pada Gambar 5.27.
Sistem pakar dempster shafer konsultasi loginJenis penyakithome
xxxxxxx
Jenis penyakit
xxxxxxx
Nama Penyakit
Penjelasan Penyakitxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
Penanganan / Pencegahanxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
xxxxxxx
Gambar 5.27. Jenis Penyakit pada User
91
q. Konsultasi pada User
Berikut perencanaan desain interface konsultasi
pada user. Desain interface konsultasi pada user dapat
dilihat pada Gambar 5.28.
Sistem pakar dempster shafer
Konsultasi
konsultasi loginJenis penyakithome
Email anda:
xxx
Nama anda:
xxx
Gejala yang ada pada ikan (minimal 2 gejala):
Proses konsultasi
xxxxx
xxxxx
xxxxx
xxxxx
xxxxx xxxxx
Gambar 5.28. Konsultasi pada User
92
5.1.3. Fase Construction
5.1.3.1. Hasil Implementasi
Adapun hasil tampilan sistem pakar yang telah
dibuat adalah sebagai berikut:
1. Tampilan Login Admin
Berikut adalah login admin. Admin terlebih dahulu
melakukan login untuk bisa masuk ke sistem pakar tersebut
agar bisa mengelola sistem pakar. Login admin dapat dilihat
pada Gambar 5.29.
Gambar 5.29. Tampilan Login Admin
2. Tampilan Data Penyakit pada Admin
Data penyakit yaitu sebuah menu yang berisi
data penyakit yang telah diinput oleh admin. Data
penyakit pada admin dapat dilihat pada Gambar 5.30.
93
Gambar 5.30. Tampilan Data Penyakit pada Admin
3. Tampilan Edit Data Penyakit pada Admin
Edit data penyakit yaitu tempat untuk admin
mengedit data penyakit. Edit data penyakit pada admin
dapat dilihat pada Gambar 5.31.
Gambar 5.31. Tampilan Edit Data Penyakit pada Admin
4. Tampilan Tambah Data Penyakit pada Admin
Tambah data penyakit yaitu untuk admin
menambahkan penyakit pada sistem. Tambah data
penyakit dapat dilihat pada Gambar 5.32.
94
Gambar 5.32. Tampilan Tambah Data Penyakit pada Admin
5. Tampilan Data Gejala pada Admin
Data gejala yaitu sebuah menu yang berisi data
gejala yang telah diinput oleh admin. Data gejala pada
admin dapat dilihat pada Gambar 5.33.
Gambar 5.33. Tampilan Data Gejala pada Admin
6. Tampilan Edit Data Gejala pada Admin
Edit data gejala yaitu tempat untuk admin
mengedit data gejala. Edit data gejala pada admin dapat
dilihat pada Gambar 5.34.
95
Gambar 5.34. Tampilan Edit Data Gejala pada Admin
7. Tampilan Tambah Data Gejala pada Admin
Tambah data gejala yaitu untuk admin
menambahkan gejala pada sistem. Tambah data gejala
dapat dilihat pada Gambar 5.35.
Gambar 5.35. Tampilan Tambah Data Gejala pada Admin
8. Tampilan Data Relasi pada Admin
Berikut ini adalah data relasi yaitu admin
merelasikan antara gejala dan penyakit. Data relasi dapat
dilihat pada Gambar 5.36.
96
Gambar 5.36. Tampilan Data Relasi pada Admin
9. Tampilan Atur Relasi pada Admin
Berikut ini adalah tampilan atur relasi yang
menghubungkan gejala dan penyakit. Atur relasi pada
admin dapat dilihat pada Gambar 5.37.
Gambar 5.37. Tampilan Atur Relasi pada Admin
10. Tampilan Data Konsultasi pada Admin
Berikut ini adalah tampilan data konsultasi yaitu
sistem menampilkan konsultasi yang telah dilakukan
97
oleh user. Data konsultasi pada admin dapat dilihat pada
Gambar 5.38.
Gambar 5.38. Tampilan Data Konsultasi pada Admin
11. Tampilan Dempster Shafer pada Admin
Berikut adalah tampilan untuk perhitungan
Dempster Shafer. Tampiplan Dempster Shafer dapat
dilihat pada Gambar 5.39.
Gambar 5.39. Tampilan Dempster Shafer pada Admin
98
12. Tampilan Ganti Password pada Admin
Berikut ini adalah tampilan ganti password
yaitu admin dapat mengganti password untuk login
kedalam sistem. Ganti password pada admin dapat
dilihat pada Gambar 5.40.
Gambar 5.40. Tampilan Ganti Password pada Admin
13. Tampilan Home User
Berikut ini adalah tampilan menu home pada
user. Menu home pada user dapat dilihat pada Gambar
5.41.
99
Gambar 5.41. Tampilan Home User
14. Tampilan Jenis Penyakit pada User
Berikut ini adalah tampilan menu jenis penyakit
pada user. Menu jenis penyakit pada user dapat dilihat
pada Gambar 5.42.
Gambar 5.42. Tampilan Jenis Penyakit pada User
15. Tampilan Konsultasi pada User
Berikut adalah konsultasi pada user. User
memilih gejala-gejala yang diderita oleh ikan mas.
Konsultasi user dapat dilihat pada Gambar 5.43.
Gambar 5.43. Tampilan Konsultasi pada User
100
16. Tampilan Hasil Konsultasi pada User
Berikut adalah tampilan hasil konsultasi pada
user. Tampilan hasil konsultasi user dapat dilihat pada
Gambar 5.44.
Gambar 5.44. Tampilan Hasil Konsultasi pada User
101
5.1.3.2. Pengujian
a. Pengujian Blackbox Testing
Pada penelitian ini, penulis melakukan pengujian
menggunakan metode pengujian black box, metode
pengujian ini akan menguji hasil kinerja setiap halaman
pada sistem pakar.
1. Pengujian Halaman Login
Tabel 5.30. Pengujian Halaman Login
No. Skenario
Pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Menggunakan
username dan
password yang
sesuai,
kemudian klik
tombol sign in.
Proses login
akan
berhasil,
kemudian
akan masuk
kehalaman
utama.
Sesuai
harapan Valid
2.
Tidak mengisi
username dan
password,
kemudian klik
tombol sign in.
Proses login
akan gagal,
kemudian
kembali ke
form login.
Sesuai
harapan Valid
3.
Menggunakan
username dan
password yang
tidak terdaftar,
kemudian klik
tombol sign in.
Proses login
akan gagal,
kemudian
kembali ke
form login.
Sesuai
harapan Valid
102
4.
Menggunakan
username yang
terdaftar dan
password yang
tidak benar,
kemudian klik
tombol sign in.
Proses login
akan gagal,
kemudian
kembali ke
form login.
Sesuai
harapan Valid
2. Pengujian Halaman Data Penyakit
Tabel 5.31. Pengujian Halaman Data Penyakit
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu data
penyakit
Menampilkan
daftar
penyakit
Sesuai
harapan Valid
3. Pengujian Halaman Tambah Penyakit
Tabel 5.32. Pengujian Halaman Tambah Data Penyakit
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu data
penyakit
Menampilkan
daftar
penyakit
Sesuai
harapan Valid
2.
Klik tombol
tambah
Tampil form
tambah
penyakit
Sesuai
harapan Valid
3.
Mengisi semua
komponen form
tambah data
penyakit
Data
tersimpan,
kembali ke
form data
Sesuai
harapan Valid
103
penyakit
4..
Mengosongkan
salah satu
komponen form
tambah data
penyakit
Muncul
pesan
kesalahan, isi
halaman
form data
penyakit
Sesuai
harapan Valid
4. Pengujian Halaman Edit Data Penyakit
Tabel 5.33. Pengujian Halaman Edit Data Penyakit
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu data
penyakit
Menampilkan
daftar
penyakit
Sesuai
harapan Valid
2.
Klik tombol edit
data penyakit
Tampil form
edit data
penyakit
Sesuai
harapan Valid
3.
Mengosongkan
salah satu
komponen form
edit data
penyakit
Muncul
pesan
kesalahan, isi
halaman
form edit
data penyakit
Sesuiai
harapan Valid
104
5. Pengujian Halaman Data Gejala
Tabel 5.34. Pengujian Halaman Data Gejala
No.
Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu data
gejala
Menampilkan
dafatar gejala
Sesuai
harapan Valid
6. Pengujian Halaman Tambah Data Gejala
Tabel 5.35. Pengujian Halaman Tambah Data Gejala
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu data
gejala penyakit
Menampilkan
dafatar data
gejalapenyakit
Sesuai
harapan Valid
2.
Klik tombol
tambah
Tampil form
tambah data
gejala
penyakit
Sesuai
harapan Valid
3.
Mengisi semua
komponen
form tambah
gejala penyakit
Data
tersimpan,
kembali ke
form data
penyakit
Sesuai
harapan Valid
4.
Mengosongkan
komponen
form tambah
data gejala
penyakit
Muncul pesan
kesalahan, isi
halaman form
data gejala
penyakit
Sesuai
harapan Valid
105
7. Pengujian Halaman Edit Data Gejala
Tabel 5.36. Pengujian Halaman Edit Data Gejala
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu data
gejala penyakit
Menampilkan
dafatar data
gejalapenyakit
Sesuai
harapan Valid
2.
Klik tombol
edit data gejala
penyakit
Tampil form
editdata
penyakit
Sesuai
harapan Valid
3.
Mengisi semua
komponen
form edit data
gejala penyakit
Data
tersimpan,
kembali ke
form edit data
gejala
penyakit
Sesuai
harapan Valid
4.
Mengosongkan
komponen
form edit data
gejala penyakit
Muncul pesan
kesalahan, isi
halaman form
data edit
gejala
penyakit
Sesuai
harapan Valid
8. Pengujian Halaman Relasi
Tabel 5.37. Pengujian Halaman Relasi
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu
data relasi
Menampilkan
daftar data
relasi
Sesuai
harapan Valid
106
9. Pengujian Halaman Tambah Data Relasi
Tabel 5.38. Pengujian Halaman Tambah Data Relasi
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujia
n
Kesimpulan
1.
Klik menu
data relasi
Menampilkan
daftar data
relasi
Sesuai
harapan Valid
2.
Klik tombol
atur relasi
Tampil form
atur data
relasi
Sesuai
harapan Valid
3.
Memilih
gejala
penyakit data
training yang
akan ditambah
Data
tersimpan,
kembali ke
form data
relasi
Sesuai
harapan Valid
4.
Mengosongka
nkomponen
form tambah
data relasi
Muncul pesan
kesalahan,
tidak ada
gejala
penyakit yang
dipilih
Sesuai
harapan Valid
107
10. Pengujian Halaman Data Konsultasi
Tabel 5.39. Pengujian Halaman Data Konsultasi
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu data
konsultasi
Menampilkan
dafatar data
konsultasi
Sesuai
harapan Valid
11. Pengujian Halaman Perhitungan Dempster Shafer
Tabel 5.40. Pengujian Halaman Perhitungan Dempster Shafer
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu
perhituan
Dempster
Shafer
Menampilkan
pilihan data
gejala
penyakit
Sesuai
harapan Valid
2.
Memilih
pilihan data
gejala penyakit
kemudian pilih
tombol proses
Menampilkan
halaman
perhituan
Dempster
Shafer
Sesuai
harapan Valid
3.
Tidak memilih
pilihan data
gejala penyakit
Muncul
pesan
kesalahan,
tidak ada
gejala
penyakit
yang dipilih
Sesuai
harapan Valid
108
12. Pengujian Halaman Ganti Password
Tabel 5.41. Pengujian Halaman Ganti Password
No
.
Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujia
n
Kesimpulan
1.
Klik menu
perhituan ganti
password
Menampilkan
halaman
ganti
password
Sesuai
harapan Valid
2.
Mengisi
komponen
form ganti
password
Menampilkan
halaman
password,
password
berhasil
diganti
Sesuai
harapan Valid
3.
Mengosongkan
salah satu
komponen
form ganti
password
Muncul
pesan
kesalahan, isi
halaman
ganti
password
Sesuai
harapan Valid
13. Pengujian Halaman User Home
Tabel 5.42. Pengujian Halaman User Home
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu
halaman user
home
Menampilkan
halaman user
home
penyakit
kehamilan
Sesuai
harapan Valid
109
14. Pengujian Halaman Jenis Penyakit pada User
Tabel 5.43. Pengujian Halaman Jenis Penyakit pada User
No. Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu
halaman user
penyakit ikan
mas
Menampilkan
halaman user
penyakit ikan
mas
Sesuai
harapan Valid
2.
Klik tombol
penyakit ikan
mas
Klik pilihan
penyakit
yang akan
ditampilkan
Sesuai
harapan Valid
110
15. Pengujian Halaman Konsultasi pada User
Tabel 5.44. Pengujian Halaman Konsultasi pada User
No.
Skenario
pengujian
Hasil yang
diharapkan
Hasil
pengujian Kesimpulan
1.
Klik menu
halaman use
konsultasi
Menampilkan
formhalaman
user
konsultasi
Sesuai
harapan Valid
2.
Mengisi form
halaman
konsultasi dan
pilih gejala
penyakit
Tersimpan
bershasil
diproses
kembali ke
form
konsultasi
Sesuai
harapan Valid
3.
Mengosongkan
salah satu
komponen form
konsulstasi
Muncul
pesan
kesalahan, isi
halaman
form
konsultasi
Sesuai
harapan Valid
111
b. Pengujian Perhitungan Dempster Shafer
Pada pengujian perhitungan Dempster Shafer,
penulis melakukan pengujian pada G1 yaitu gejala
hilangnya keseimbangan tubuh, G3 yaitu mata menonjol,
G5 yaitu ikan berkumpul dibagian saluran pengeluaran, dan
G7 yaitu kematian masal terutama ikan muda.
Diketahui:
- Hilangnya keseimbangan tubuh (G1) yaitu gejala yang
ada pada penyakit P1 Channel Catfish Virus Desease
(CCVD), penyakit P14 Isopoda, dan penyakit P17 Koi
Herves Virus (KHV) dengan nilai belief 0,3 .
- Mata menonjol (G3) yaitu gejala yang ada pada penyakit
P1 Channel Catfish Virus Desease (CCVD), dan
penyakit P2 Spring Viraemia of Carp (SVC) dengan nilai
belief 0,2.
- Ikan berkumpul dibagian saluran pengeluaran (G5) yaitu
gejala yang ada pada penyakit P2 Spring Viraemia of
Carp (SVC) dengan nilai belief 0,3.
- Kematian masal terutama ikan muda (G7) yaitu gejala
yang ada pada penyakit P3 Infectious Pancreatic
Necrosis (IPN) dengan nilai belief 0,3.
112
Perhitungan Dempster Shafer:
1. Nilai Densitas (m) awal
Tabel 5.45. Nilai Densitas (m) awal
Kode Gejala
Gejala Penyakit Belief Plausability
G001 hilangnya keseimbangan tubuh P001,P014,P017 0.30 0.7
G003 mata menonjol P001,P002 0.20 0.8
G005 ikan berkumpul di bagian saluran pengeluaran
P002 0.30 0.7
G007 kematian masal terutama ikan muda
P003 0.30 0.7
2. Aturan Kombinasi m1 dan m2 untuk m3 secara
manual
Tabel 5.46. Aturan Kombinasi m1 dan m2 untuk m3 secara manual
m2 (P1, P2)
0.2
m2 (θ)
0.8
m1 (P1, P14, P17)
0.3
P1
0.06
P1, P14, P17
0.24
m1 θ
0.7
P1, P2
0.14
Θ
0.56
m3 (P1) = 0.3*0.2 = 0.06
m3 (P1, P14, P17) = 0.3*0,8 = 0.24
m3 (P1, P2) = 0.7*0.2 = 0.14
m3 θ = 1- (0.06+0.24+0.14)
= 1-0.44 = 0.56
113
Gambar 5.45. Aturan Kombinasi m1 dan m2 untuk m3 pada sistem
3. Aturan Kombinasi m3 dan m4 untuk m5 secara
manual
Tabel 5.47. Aturan Kombinasi m3 dan m4 untuk m5 secara manual
m4 (P2)
0.3
m4 (θ)
0.7
m3 (P1)
0.06
θ
0.018
P1
0.042
m3 (P1, P14, P17)
0.24
θ
0.072
P1, P14, P17
0.168
m3 (P1, P2)
0.14
P2
0.042
P1, P2
0,098
m3 θ
0.56
P2
0.168
θ
0.392
θ = 0.018+0.072 = 0.09
m5 (P1) = (0.042 / (1-0.09))
= (0.042 / 0.91)
= 0.0461538462
m5 (P1, P14, P17) = (0.168 / (1-0.09))
= (0.168 / 0.91)
= 0.184615385
m5 (P2) = (0.21 / (1-0.09))
= (0.21 / 0.91)
114
= 0.230769231
m5 (P1, P2) = (0.098 / (1-0.09))
= (0.098 / 0.91)
= 0.107692308
m5 θ =1- (0.0461538462+0.184615385+
0.230769231+0.107692308)
= 1- 0.56923077
= 0.43076923
Gambar 5.46. Aturan Kombinasi m3 dan m4 untuk m5 pada sistem
4. Aturan Kombinasi m5 dan m6 untuk m7 secara
manual
Tabel 5.48. Aturan Kombinasi m5 dan m6 untuk m7 secara manual
m6 (P3)
0.3
m6 (θ)
0.7
m5 (P1)
0.0461538462
θ
0.01384615
P1
0.032307692307692
m5 (P1, P2)
0.10762930769231
θ
0.032307692
P1, P2
0.0753846154
m5 (P1, P14, P17)
0.18461538461538
θ
00553846154
P1, P14, P17
0.129230769
m5 (P2) θ P2
115
0.23079623076923 0.0692307692 0.161538462
m5 (θ)
0.43076923076923
P3
0.129230769
Θ
0.301538462
θ =
0.01384615+0.032307692+0.0553846154+0.0692307692
= 0.170769227
m7 (P1) = (0.032307692307692 / (1- 0.170769227))
= (0.032307692307692 / 0.829230773)
= 0.0389610388
m7 (P1, P2) = (0.0753846154 / (1- 0.170769227))
= (0.0753846154 / 0.829230773)
= 0.0909090905
m7 (P1, P14, P17) = (0.129230769 / (1- 0.170769227))
= (0.129230769 / 0.82923773)
= 0.155844155
m7 (P2) = (0.161538462 / (1- 0.170769227))
= (0.161538462 / 0.829230773)
= 0.194805194
m7 (P3) = (0.129230769 / (1- 017069227))
= (0.129230769 / 0.829230773)
= 0.155844155
m7 θ = 1- 0.636363633
116
= 0.363636367
Gambar 5.47. Aturan Kombinasi m5 dan m6 untuk m7 pada sistem
5. Hasil Rangkaian Perhitungan secara manual
Tabel 5.49. Hasil Rangkaian Perhitungan secara manual
Kode
Penyakit
Nama Penyakit Nilai Persentase
P1 Channel Catfish
Virus Desease
0.0389610388 3.90%
P1, P2 Channel Catfish
Virus Desease,
Spring Viraemia of
Carp (SVC)
0.0909090905 9.90%
P1, P14,
P17
Channel Catfish
Virus Desease,
Isopoda, Koi
Harves Virus
0.155844155 15.58%
P2 Spring Viraemia of 0.194805194 19.48%
117
Carp
P3 Infectious
Pancreatic Necrosi
0.155844155 15.58%
Dari hasil perhitungan manual, didapat hasil penyakit yaitu
Spring Viraemia of Carp (SVC) dengan nilai probabilitas
19,48%.
Gambar 5.48. Hasil Rangkaian Perhitungan pada sistem
118
5.1.4. Fase Transition
Pada tahap ini penulis melakukan instalasi sistem agar
dapat dimengerti oleh user. Pada tahap ini sistem yang telah dibuat
dapat diakses melalui domain :
http://www.sistempakardempster.com.
Gambar 5.49. Tampilan Hasil Aplikasi yang telah Dihosting
117
BAB VI
PENUTUP
6.1. Kesimpulan
Berdasarkan penelitian yang telah dilakukan oleh penulis terhadap
sistem pakar diagnosa penyakit ikan mas menggunakan metode Dempster
Shafer, dapat diambil kesimpulan yaitu:
1. Sistem pakar dapat menyampaikan informasi ke user mengenai jenis-
jenis penyakit dan cara mengobati penyakit pada ikan mas.
2. User dapat melakukan konsultasi ke sistem pakar berdasarkan gejala-
gejala yang dilihat pada ikan mas, dan mengkonsultasikan gejala tersebut
ke sistem pakar. Sistem pakar dapat menampilkan penyakit ikan mas
berdasarkan gejala yang dikonsultasikan.
3. Dengan menggunakan metode perhitungan Dempster Shafer, sistem akan
menampilkan persentase penyakit berdasarkan gejala yang di pilih user.
Persentase yang tampil, bersumber dari metode perhitungan dempster
shafer.
6.2. Saran
Berdasarkan penelitian yang dilakukan oleh penulis, penulis
memberikan saran untuk penelitian selanjutnya yaitu:
1. Diharapkan pada penelitian selanjutnya dapat mencakup jenis penyakit
yang lebih luas.
2. Diharapkan sistem pakar ini dapat dikembangkan berbasis mobile atau
android.
xix
DAFTAR PUSTAKA
Amanda, Januar Dwie, Hidayat Nurul, Marji. Implementasi Metode Dempster
Shafer untuk Mendeteksi Penyakit Diabetes Mellitus. Jurnal
Pengembangan Teknologi dan Ilmu Komputer, Vol. 2, No. 8, Agustus
2018. e-ISSN: 2548-964X.
Amin, Ruhul. 2017. Rancang Bangun Sistem Informasi Penerimaan Siswa Baru
pada SMK Budhi Warman 1 Jakarta. Jakarta Selatan: Jurnal Ilmu
Pengetahuan dan Teknologi Komputer. Vol. 2, No. 2, E-ISSN: 2527-4864.
Azmi, Zulfian dan Yasin, Verdi. 2017. Pengantar Sistem Pakar dan Metode.
Jakarta. MITRA WACANA MEDIA
Darsono, Soni. 2017. Diagnosa Penyakit Kulit Pada Sapi Menggunakan Metode
Dempster Shafer. Jawa Timur: Artikel Skripsi. Vol. 1, No. 5, ISSN:
XXXX-XXXX
Enterprise, Jubilee. 2018. HTML, PHP, dan MySQL untuk Pemula. Jakarta.
PT.Elex Media Komputindo
Hutahaean, Jeperson. 2015. Konsep Sistem Informasi. Yogyakarta. CV.BUDI
UTAMA.
Kusumaningrum, Demeiati N dan Kurniawati, Dyah Estu. 2016. Intermestik
Sebagai Pendekatan Studi Hubungan Internasional. Yogyakarta.
PT.Leutika Nouvalitera
xix
Nazir, Moh. 2014. Metode Penelitian. Bogor. GHALIA INDONESIA.
Ramadhan, Puji Sari dan Pane, Usti Fatimah Sitorus. Perbandingan Metode
(Centainly Factor, Dempster Shafer, dan Teorema Bayes) untuk
Mendiagnosa Penyakit Inflamasi Dermatitis Imun pada Anak. Sains
dan Komputer (SAINTIKOM), Vol. 17, No. 2, Agustus 2018. P-ISSN:
1978-6603, E-ISSN: 2615-3475.
Rerung, Rinto Rante. 2018. E-Commerce Menciptakan Daya Saing Melalui
Teknologi Informasi. Yogyakarta. Deepublish.
Rosa A.S, Shalahuddin M. 2018. Rekayasa Perangkat Lunak Terstruktur dan
Berorientasi Objek. Bandung. INFORMATIKA.
Sidik, Betha. 2018. Framework CodeIgniter3. Bandung. INFORMATIKA.
Wanita First, Ashari dan Hardiansyah. 2017. Sistem Pakar Deteksi Dini Penyakit
Dengan Gejala Sesak Nafas Menggunakan Metode Forward Chaining
STMIK AKBA. Makasar
Wicaksono, R.A, Hidayat Nurul, Indriati. Implementasi Metode Dempster-Shafer
untuk Diagnosis Penyakit pada Tanaman Kedelai. Jurnal
Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 2, No. 3,
Maret 2018. e-ISSN: 2548-964X.
Yanto, Robi. 2016. Manajemen Basis Data menggunakan MySQL. Yogyakarta.
CV.BUDI UTAMA.
xix
Yusmiarti, Kusnita. 2016. Perancangan Sistem Distribusi Produk Teh Hitam
Berbasis Web Pada PTPN VII Gunung Dempo Pagar Alam. Jurnal
Informatika, Vol. 4, No. 2, Maret 2016. ISSN: 2301-5632.