BAB IV

HASIL DAN PEMBAHASAN

4.1 Hasil

4.1.1 Penelitian dan Pengumpulan Data

Dalam penelitian ini data yang digunakan yaitu gejala-gejala dari

osteoporosis yang di dapat dari salah satu dokter spesialis tulang yang ada pada

Badan Layanan Umum Daerah (BLUD) Rumah Sakit Umum Prof. Dr. H Aloei

Saboe. Nantinya data tersebut akan diolah dengan menggunakan metode naïve

bayes sehingga dapat menentukan apakah seseorang terkena osteoporosis atau

tidak osteoporosis.

4.1.2 Analisis Sistem

A. Analisis Permasalahan

Indonesia merupakan negara yang penderita osteoporosisnya meningkat

tiap tahunnya. Hal ini akibat dari meningkatnya harapan hidup yang menyebabkan

manula makin banyak, serta kurangnya pengetahuan tentang gejala dini dari

osteoporosis karena banyak orang yang berpendapat bahwa osteoporosis

merupakan gejala alam yang pasti di alami oleh setiap orang yang berusia diatas

30 tahun. Namun osteoporosis juga dapat menyerang semua umur termaksud pada

remaja dan anak-anak.

B. Analisis Kebutuhan

Untuk mengatasi permasalahan yang ada diperlukannya suatu aplikasi

yang dapat mendiagnosa osteoporosis, sehingga dalam penelitian ini peneliti

membuat suatu aplikasi sistem pakar untuk mendiagnosa osteoporosis untuk

mempermudah masyarakat dalam mengetahui apakah mereka terkena

osteoporosis atau tidak dengan menggunakan metode naïve bayes. Adapun yang

diperlukan dalam analisis kebutuhan, yaitu :

1. Analisis Kebutuhan Input

Pada analisis ini data-data yang perlu dimasukan yaitu user harus melakukan

registrasi terlebih dahulu sehingga nantinya user akan mendapatkan username

dan password, kemudian user bisa melakukan konsultasi (pilih gejala) yang

nantinya akan menghasilkan hasil diagnosa apakah user tersebut terkena

osteoporosis atau tidak osteoporosis.

2. Analisis Proses Sistem

Pada analisis ini data-data yang diperlukan yaitu konsultasi (pilih gejala),

selanjutnya data tersebut akan dihitung probabilitasnya dengan menggunakan

metode naïve bayes sehingga akan mendapatkan hasil apakah seseorang

terkena osteoporosis atau tidak.

Penerapan metode naïve bayes dalam menentukan apakah seseorang terkena

osteoporosis atau tidak osteoporosis, perhitungannya sama dengan pada Table

2.1 dan Tabel 2.2, terletak pada Bab II dan mempunyai nomor urut 14 dan 15.

4.1.3 Perancangan Sistem

A. Identifikasi External Entity

Tabel 4.1 Identifikasi External Entity

No External Entity Input Output

1 User - Registrasi

- Konsultasi

- Data User

- Hasil konsultasi

2 Admin - Data Gejala

- Data Rule

- Informasi Gejala

- Informasi User

- Informasi Rule

B. Diagram Konteks

Diagram Konteks merupakan arus data yang berfungsi untuk menggambarkan

keterkaitan aliran-aliran data antara sistem dengan bagian-bagian luar (kesatuan

luar). Kesatuan luar ini merupakan sumber arus data atau tujuan data yang

berhubungan dengan sistem informasi tersebut. Diagram konteks memberikan

batasan yang jelas mengenai besaran-besaran entitas yang berada diluar sistem

yang sedang dibuat.

Gambar 4.1 Diagram Konteks

SISTEM PAKAR

MENDIAGNOSA

OSTEOPOROSIS

Admin User

Data Gejala

Data Rule

Informasi Gejala

Informasi Rule

Hasil Konsultasi

Registrasi

Data User

Konsultasi

Diagram konteks diatas menerangkan terdapat dua entitas yang saling

berhubungan yaitu

a. User disini merupakan masyarakat yang akan melakukan diagnosa terhadap

osteoporosis, pada entitas user terdapat 4 aliran data dimana 3 aliran data

merupakan inputan yang dilakukan user ke sistem, sedangkan 1 aliran data

merupakan output yang diberikan sistem ke user.

b. Admin disini merupakan pakar yang paham akan osteoporosis sehingga

nantinya pakar dapat memasukan data gejala yang dapat digunakan oleh

sistem, pada entitas admin terdapat 5 aliran data dimana 2 aliran data

merupakan inputan yang dilakukan admin ke sistem, sedangkan 3 aliran data

dari sistem ke admin.

C. Data Flow Diagram (DFD)

Data Flow Diagram menjelaskan proses yang ada pada Aplikasi Sistem Pakar

Untuk Mendiagnosa Osteoporosis menggunakan Metode Naïve Bayes.

a. DFD Level 0

b. DFD Level 1 Proses 1

User Registrasi Registrasi Registrasi

1.2

Inputan Data

Registrasi

2.0

Penentuan

Osteoporosis dan

Tidak

Osteoporosis

Gambar 4.2 DFD Level 0

1.0

Inputan Data Admin

User

Rule

Gejala

Registrasi Data Gejala

Data Rule

Registrasi

Konsultasi

Informasi Gejala

Hasil Konsultasi

Informasi Rule

Data User

Data User

Informasi User

Data User

Rule

c. DFD Level 1 Proses 2

2.2

User Registrasi Data User Registrasi

2.1

Penyelah

Data User

Rule

Konsultasi

HasilKonsultasi

D. Struktur Basis Data

1. Rule

Tabel 4.2 Rule

No Nama Tipe Size Keterangan

2. Registrasi Peserta

Tabel 4.3 Registrasi Peserta

Field Type

Id_user Int (5)

Nama Varchar (50)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

Id_rule

Tidak mengalami menstruasi

Tidak mengalami menstruasi slma 2 bulan

Ras

Nyeri tulang belakang

Nyeri pada kaki

Nyeri pada betis

Nyeri pada paha

Tinggi badan menurun

Nyeri pada tangan

Riwayat operasi sel indung telur

Riwayat mengkonsumsi obat-obatan

Riwayat mengkonsumsi alcohol

Riwayat merokok

Bentuk kaki X dan O

Riwayat keluarga

Pikun

Diare

Integer

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

varchar

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

Tgl-lahir Varchar (17)

Umur Int (5)

Alamat Varchar (50)

Telepon Varchar (20)

Username Varchar (30)

Password Varchar (32)

3. Gejala

Tabel 4.4 Gejala

Field Type

Id_gejala Int(4)

Nama Varchar (50)

E. Entity Relationship Diagram (ERD)

Entity Relationship Diagram (ERD) digunakan untuk menunjukkan hubungan

antara entity dengandatabase dan objek–objek (himpunan entitas) apa saja yang

ingin dilibatkan dalam sebuah basis data dan bagaimana hubungan yang terjadi

diantara objek-objek tersebut.

Entity Relationship Diagram (ERD) yang berisi komponen-komponen

himpunan entitas dan himpunan relasi yang masing-masing dilengkapi dengan

Tidakmengala

mi menstruasi

beberapa atribut yang mempresentasikan seluruh fakta yang ditinjau dari keadaan

yang nyata. Dimana dapat digambarkan secara lebih sistimatis dengan

menggunakan ERD. Adapun perancangan ERD sistem ini adalah :

F. Perancangan Antar Muka (interface)

1. Struktur Menu Program Pengguna

Menu

Konsultasi

Gejala

Logi

n Pilih

v Username l

Password l

Logi

n

Home Tentang Help

Sistem Pakar Mendiagnosa

Osteoporosis

2. Struktur Registrasi

3. Login User dan Admin

4. Halaman Konsultasi

Registrasi

Pendaftaran Member

Nama

Tanggal lahir

Umur

Alamat

Telpon

Tahun v Bulan v Tanggal v

Username

Password

Daftar

Username

Password

Login

Pilih v

Login

Gambar 4.6 Struktur Menu Program Pengguna

Gambar 4.7 Struktur Registrasi

Gambar 4.8 Login User dan Admin

GEJALA YA TIDAK

Apakah menstruasi anda sudah berhenti ?

Apakah menstruasi anda sering terhenti selama 2 bulan ?

Apakah anda dari suku asia atau suku kulit putih ?

Apakah anda merasakan nyeri pada tulang belakang ?

Apakah anda merasakan nyeri pada kaki ?

Apakah anda merasakan nyeri pada betis ?

5. Hasil Konsultasi

Nama : indri

Tanggal lahir : 4 oktober 1991

Umur : 22

Alamat : jln.jeruk

Telepon : 08658176878

Komputasi osteoporosis

Tidak mengalami menstruasi: 4/6

Ras : 2/6

Nyeri pada paha : 4/6

Tinggi badan menurun : 6/6

4/6*2/6*4/6*6/6

Hasil ya = 0,14814815

Komputasi tidak osteoporosis

Tidak mengalami menstruasi: 2/6

Ras : 3/6

Nyeri pada paha : 5/6

Tinggi badan menurun : 2/6

2/6*3/6*5/6*2/6

Hasil tidak = 0,0462963

Hasil : Anda di diaognosa terkena Osteoporosis

Gambar 4.9 Halaman Konsultasi

Proses

Gambar 4.10 Hasil Konsultasi

Kembali

6. Biodata Diri

Biodata

Nama : indri

Tanggal lahir : 4 oktober 1991

Umur : 22

Alamat : jln.jeruk

Telepon : 08658176878

7. Input Gejala

No Nama Gejala Aksi

1 Tidak mengalami menstruasi

Edit Hapus

2 Tidak mengalami menstruasi selama 2 bulan Edit Hapus

3 Ras Edit Hapus

4 Nyeri Tulang belakang Edit Hapus

5 Nyeri pada kaki Edit Hapus

6 Nyeri pada betis Edit Hapus

7 Nyeri pada paha Edit Hapus

8 Tinggi badan menurun Edit Hapus

9 Nyeri pada tangan Edit Hapus

10 Riwayat operasi sel indung telur Edit Hapus

11 Riwayat mengkonsumsi obat-obatan Edit Hapus

12 Riwayat mengkonsumsi alcohol Edit Hapus

13 Riwayat merokok Edit Hapus

14 Bentuk kaki X dan O Edit Hapus

15 Riwayat keluarga Edit Hapus

16 Pikun Edit Hapus

17 Diare Edit Hapus

Nama Gejala :

Simpan

Gambar 4.12 Input Gejala

Gambar 4.11 Biodata Diri

8. Inputan Rule

Gambar 4.13 Input Rule

YA TIDAK

Tidak mengalami menstruasi

Tidak mengalami menstruasi slma 2 bulan

Ras

Nyeri tulang belakang

Nyeri pada kaki

Nyeri pada betis

Nyeri pada paha

Tinggi badan menurun

Nyeri pada tangan

Riwayat operasi sel indung telur

Riwayat mengkonsumsi obat-obatan

Riwayat mengkonsumsi alcohol

Riwayat merokok

Bentuk kaki X dan O

Riwayat keluarga

Pikun

Diare

Osteoporosis

Osteoporosis

Simpan Reset

9. Daftar User

No Nama Tanggal

Lahir

Umur Alamat Telepon Aksi

x x x x X x x

x x x x X x x

4.1.4 Implementasi Sistem

Teknologi yang digunakan dalam pengembangan sistem ini adalah

teknologi aplikasi berbasis web, yang membentuk sebuah program yang dapat

berdiri sendiri dan dapat dijalankan dalam lingkungan Internet. Sehingga

dimanapun pengguna (user) berada dapat menggunakan aplikasi ini, dengan

mengakses situs tersebut secara cepat dan mudah. Diharapkan dengan adanya

aplikasi ini dapat meningkatkan pengetahuan dan dapat memberikan kemudahan

dalam hal mendiagnosa osteoporosis. Tampilan Implementasi sistem mendiagnosa

seseorang terkena osteoporosis atau tidak dengan menggunakan metode Naive

Bayes adalah sebagai berikut :

a. Implementasi Menu Utama

Pada impementasi menu utama ini terdapat beberapa menu yaitu Home, Profil,

Tentang Osteoporosis, Help, Konsultasi, Registrasi, Login User dan Admin,

seperti pada Gambar 4.15.

Gambar 4.14 Daftar User

b. Implementasi Tentang Osteoporosis

Pada implementasi ini dimana masyarakat dapat mengetahui apa osteoporosis

itu, seperti pada Gambar 4.16.

c. Implementasi Help

Pada impelemtasi ini masyarakat diberikan petunjuk untuk menggunakan

aplikasi sistem pakar mendiagnosa osteoporosis, seperti pada Gambar 4.17.

Gambar 4.15 Implementasi Menu Utama

Gambar 4.16 Implementasi Tentang Osteoporosis

d. Registrasi User

Pada tahap ini masyarakat diharuskan untuk mengisi form pendaftaran untuk

bisa masuk pada menu konsultasi tentang gejala osteoporosis, seperti pada

Gambar 4.18.

e. Login User

Tahap ini masyarakat memasukan username dan password yang didapat dari

registrasi, seperti pada Gambar 4.19.

Gambar 4.17 Implementasi Help

Gambar 4.18 Registrasi User

f. Halaman Konsultasi

Disini masyarakat akan memasukan gejala yang sering mereka rasakan

sehingga nantinya akan mendapatkan hasil dari konsultasi ini, seperti pada

Gambar 4.20.

g. Halaman Hasil Konsultasi

Pada tahap ini masyarakat akan mengetahui apakah mereka terkena

osteoporosis atau tidak, seperti pada Gambar 4.21.

Gambar 4.19 Login User

Gambar 4.20 Halaman Konsultasi

h. Halaman Biodata Diri

Halaman ini dimana user bisa melihat data yang mereka masukan sebelumnya,

seperti pada Gambar 4.22.

i. Login Admin

Tahap dimana admin memasukan username dan password untuk masuk ke

dalam sistem, seperti pada Gambar 4.23.

Gambar 4.21 Halaman Hasil Konsultasi

Gambar 4.23 Login Admin

Gambar 4.22 Biodata Diri

j. Halaman Input Gejala

Pada tahap ini admin bisa melakukan penambahan pada gejala, seperti pada

Gambar 4.24.

k. Halaman Input Rule

Pada tahap ini admin akan memasukan gejala-gejala dari osteoporosis, seperti

pada Gambar 4.25.

Gambar 4.24 Input Gejala

l. Halaman Daftar Gejala

Pada halaman daftar gejala ini yaitu gejala-gejala yang dimasukan oleh admin

sebelumnya, seperti pada Gambar 4.26

m. Halaman Daftar User

Pada halaman ini menampilkan data pasien, seperti pada Gambar 4.27.

4.1.5 Pengujian Hasil

Setelah melakukan implementasi sistem maka selanjutnya dilakukan

pengujian hasil, pada tahap ini dapat diketahui kekurangan dari sistem apakah

Gambar 4.25 Halaman Input Rule

Gambar 4.26 Halaman Daftar Gejala

Gambar 4.27 Halaman Daftra User

sistem ini dapat digunakan masyarakat dalam mendiagnosa osteoporosis atau

tidak, setelah dilakukan pengujian hasil dapat disimpulkan bahwa aplikasi sistem

pakar untuk mendiagnosa osteoporosis ini dapat mengetahui apakah mereka

terkena osteoporosis atau tidak.

4.2 Pembahasan

Indonesia merupakan negara yang penderita osteoporosisnya meningkat

tiap tahunnya. Hal ini akibat dari meningkatnya harapan hidup yang menyebabkan

manula makin banyak, serta kurangnya pengetahuan tentang gejala dini dari

osteoporosis karena banyak orang yang berpendapat bahwa osteoporosis

merupakan gejala alam yang pasti di alami oleh setiap orang yang berusia diatas

30 tahun. Namun osteoporosis juga dapat menyerang semua umur termaksud pada

remaja dan anak-anak.

Pada tahapan ini sistem dapat menentukan apakah seseorang terkena

osteoporosi atau tidak dengan menghitung probabilitas dari tiap gejala yang

dipilih atau dikonsultasikan oleh user dengan sistem, sehingga dapat

menghasilkan hasil dari konsulatsi tersebut. Data yang digunakan pada penelitian

ini merupakan data diskrit, dimana data diskrit merupakan data yang sifatnya

terputus-putus, nilainya bukan merupakan pecahan (angka utuh) sehingga apabila

pada sistem menghasilkan nilai yang sama maka data tersebut tidak terdeteksi

karena setiap fitur tersebut tidak memiliki nilai yang sama.

Sistem ini nantinya dapat digunakan masyakat umum yang ingin

mengetahui apakah mereka menderita osteoporosis atau tidak dengan menerapkan

metode naïve bayes, dimana seseorang dapat dikatakan terkena osteoporosis

apabila nilai probabilitas Ya lebih tinggi dari nilai probabilitas Tidak, kemudian

apabila nilai probabilitas Tidak lebih tinggi dari nilai probabilitas Ya maka tidak

terkena osteoporosis.

Tabel 4.5 Perbandingan Data Real dan Menggunakan Naïve Bayes

No Dokter Sistem

1 Ya Ya

2 Tidak Tidak

3 Ya Ya

4 Tidak Tidak

5 Ya Ya

6 Ya Ya

7 Tidak Tidak

8 Tidak Tidak

9 Ya Ya

10 Tidak Tidak

11 Ya Ya

12 Tidak Tidak

Dari data diatas selanjutnya kita menghitung kinerja kedua data tersebut

dengan menggunkan rumus :

TP + TN

TP + TN +FP +FN

Ket : TP = apabila pakar mengatakan Ya dan sistem juga Ya

TN = apabila pakar mengatakan Tidak dan sistem juga Tidak

FP = apabila pakar mengatakan Ya dan sistem mengatakan Tidak

FN = apabila pakar mengatakan Tidak dan sistem mengatakan Ya

Maka :

6 + 6 12

6 + 6 + 0 + 0 12

x 100 = = 100 %