Download pdf - PENENTUAN JENIS MALARIA DENGAN MENGGUNAKAN …digilib.unila.ac.id/27628/3/SKRIPSI TANPA BAB PEMBAHASAN.pdf · kemungkinan jenis malaria beserta nilai presentasenya. Hasil pengujian

PENENTUAN JENIS MALARIA DENGAN MENGGUNAKAN METODE

FORWARD CHAINING DAN NAIVE BAYES BERBASIS MOBILE

(Skripsi)

Oleh :

IRFANI MAHARANI

JURUSAN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMPUNG

2017

ABSTRAK



Oleh

IRFANI MAHARANI

Penelitian ini dilakukan untuk membuat suatu sistem pakar yang mampumengidentifikasi jenis malaria berdasarkan pengetahuan yang diberikan langsungdari pakar/ahlinya. Penelitian ini menggunakan metode perhitungan Naive Bayesdalam menghitung tingkat kepakaran dan dibuat pada mobile device platformAndroid. Data penelitian ini terdiri dari data gejala dan data jenis malaria, sertadata aturan. Pada penelitian ini data jenis malaria dibatasi yaitu berjumlah 4 jenispenyakit dengan 25 jenis gejala dan 4 jenis aturan. Metode inferensi yangdigunakan yaitu forward chaining (runut maju) dengan menelusuri aturan-aturanberdasarkan jawaban yang diberikan pengguna. Jawaban pengguna kemudiandiproses berdasarkan aturan (rule) dan dihitung menggunakan metode NaiveBayes. Proses penelusuran dilakukan sampai didapatkan suatu kesimpulan berupakemungkinan jenis malaria beserta nilai presentasenya. Hasil pengujianmenunjukkan bahwa: (1) Pengujian fungsional dengan menggunakan metodeBlack Box Equivalence Partitioning (EP) mendapatkan hasil sesuai dengan yangdiharapkan pada skenario uji di setiap kelas uji. (2) Pengujian kepakaran denganmembandingkan hasil perhitungan manual dan sistem sudah sesuai dan berjalanbaik. (3) Pengujian kuesioner dengan 40 orang responden yang dibagi menjaditiga kelompok responden menunjukkan; kelompok responden pertama yang terdiridari dokter mendapatkan rata-rata nilai sebesar 80,41 persen (dikategorikan sangatbaik), kelompok responden kedua yang terdiri dari para mahasiswa kedokteranmendapatkan rata-rata nilai sebesar 73,81 persen (dikategorikan baik), dankelompok responden ketiga yang terdiri mahasiswa Ilmu Komputer danmasyarakat penderita malaria mendapatkan rata-rata nilai sebesar 87,80 persen(dikategorikan sangat baik).

Kata Kunci : Sistem Pakar, Naive Bayes, Forward Chaining, Jenis Malaria,Skala Likert, Android.

ABSTRACT

DETERMINATION TYPES OF MALARIA USING FORWARD

CHAINING AND NAIVE BAYES METHODS ON MOBILE BASED

By

IRFANI MAHARANI

This research is aimed to establish an expert system that may identify the type ofmalaria based on knowledge that is given by the expert. This study uses NaïveBayes calculation in measuring the level of expertise which is generated inAndroid mobile device platform. The data of this research consist of symptomsdata, types of malarias data, and data rules. The type of malaria in this study arelimited for 4 types only with 25 types of symptoms and 4 types of rules. Theinference method in this study uses forward chaining method by searching therules based on the answers that given by users. The answers of users then areprocessed by rules and computed by using Naïve Bayes calculation. Thesearching process is continued until getting a conclusion of malaria typeprobability in percentage. The results showed: (1) Functional testing by usingBlack Box Equivalence Partitioning (EP) obtained the result as expected as thescenario in each test class. (2) expert testing by comparing the result of bothmanual and system calculation was good and well-run. (3) Questionnaire testingwith 40 respondents which are categorized into 3 group of respondents indicated:The group of respondent 1 which consists of doctors has 80.41 percent of average(categorized very good), the group of respondent 2 which consists of medicalstudents has 73.81 percent of average (categorized good) and the group ofrespondent 3 which consists of computer science students and malaria patients has87.80 percent of average (categorized verygood).

Key Words : Expert System, Naive Bayes, Forward Chaining, Type of Malaria,Likert Scale, Android.



Oleh :

IRFANI MAHARANI

Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar

SARJANA KOMPUTER

pada

Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam

JURUSAN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMPUNG

2017

Lulus Ujian Tanggal :

RIWAYAT HIDUP

Penulis dilahirkan pada tanggal 19 Oktober 1995 di

Bandar Lampung, dengan Ibu bernama Rosdiana dan

Ayah bernama Himalson.

Penulis menyelesaikan pendidikan formal pertama

kali di Taman Kanak-kanak An-Nur, Lempasing

tahun 2001, menyelesaikan Sekolah Dasar (SD) di

SD Negeri 2 Pesawahan Bandar Lampung tahun

2007, menyelesaikan Sekolah Menengah Pertama (SMP) di SMP Negeri 1

Pagelaran, Kabupaten Pringsewu tahun 2010, kemudian melanjutkan jenjang

Sekolah Menengah Atas (SMA) di SMA Negeri 1 Pagelaran Kabupaten

Pringsewu dan lulus tahun 2013.

Pada tahun 2013, penulis terdaftar sebagai mahasiswi Jurusan Ilmu Komputer

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui

jalur SBMPTN. Pada bulan Januari – Maret 2016, penulis melakukan kerja

praktik di Gala’s Indo Lampung selama 40 hari. Kemudian pada bulan Juli 2016

penulis melakukan Kuliah Kerja Nyata (KKN) selama 40 hari di Desa Rantau

Jaya Baru Kecamatan Putra Rumbia Kabupaten Lampung Tengah.

Selama menjadi mahasiswa, penulis aktif dalam Organisasi Himpunan Mahasiswa

Jurusan Ilmu Komputer (Himakom) Universitas Lampung dengan menjabat

sebagai Anggota Bidang Keilmuan pada tahun 2013-2014, Sekretaris Bidang

Keilmuan pada tahun 2014-2015.

PERSEMBAHAN

Puji dan syukur saya panjatkan kepada Allah SWT atas segala berkah-Nyasehingga skripsi ini dapat terselesaikan.

Teruntuk yang terkasih mama ku tersayang kupersembahkan skripsi ini, hasiljerih payah ku selama 4 tahun ini.

Terimakasih untuk cinta kasihmu untuk ku, anakmu..Terimakasih telah menjaga, mengasihi, melindungi ku seorang diri dengan

kesabaran, tetes keringat serta air mata.

Keluarga besar yang telah memberikan apresiasi.

Keluarga Ilmu Komputer 2013Serta Almamater tercinta,

Universitas Lampung.

Motto

“Barangsiapa bersungguh-sungguh, sesungguhnya kesungguhannya itu adalah

untuk dirinya sendiri.”

(Q.S.Al-Ankabut:6)

“Pohon kejujuran akarnya akan rapuh, daunnya akan layu dan buahnya akan

beracun bila selalu ditutupi dengan tirai kebohongan”

(Anonim)

SANWACANA

Assalamualaikum wr, wb.

Alhamdulillah, segala puji bagi Allah SWT yang telah melimpahkan rahmat,

hidayah, kesehatan dan karunia-Nya sehingga penulis dapat menyelesaikan

penulisan skripsi yang berjudul “Penentuan Jenis Malaria Dengan Menggunakan

Metode Forward Chaining Dan Naive Bayes Berbasis Mobile” dengan baik.

Terima kasih penulis ucapkan kepada semua pihak yang telah membantu dan

berperan besar dalam menyusun skripsi ini, antara lain :

1. Kedua orangtua tercinta, Mama dan Papa yang telah memberikan doa,

kasih sayang, dukungan dan semangat yang tak terhingga serta

memfasilitasi kebutuhan untuk menyelesaikan skripsi ini.

2. Bapak Aristoles, M.Si. sebagai pembimbing utama yang telah

membimbing, memotivasi serta memberikan ide, kritik dan saran selama

masa perkuliahan dan penyusunan skripsi sehingga penulis bisa sampai di

tahap ini.

3. Bapak dr. Tedy Subroto pembimbing kedua yang telah membimbing dan

memberikan bantuan, ide, kritik serta saran dalam penyusunan skripsi ini.

4. Bapak Dr. Eng. Admi Syarif sebagai pembahas, yang telah memberikan

komentar dan masukan yang bermanfaat untuk perbaikan dalam

penyusunan skripsi ini.

5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D. sebagai Dekan FMIPA

Universitas Lampung.

6. Bapak Dr. Ir. Kurnia Muludi, M.S.Sc., selaku Ketua Jurusan Ilmu

Komputer FMIPA Universitas Lampung.

7. Bapak Didik Kurniawan, S.Si., M.T. sebagai Sekretaris Jurusan Ilmu

Komputer FMIPA Universitas Lampung yang telah banyak membantu

penulis selama perkuliahan.

8. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang telah memberikan

ilmu dan pengalaman hidup selama penulis menjadi mahasiswa.

9. Ibu Ade Nora Maela dan Pak Irshan yang telah membantu segala urusan

administrasi penulis di Jurusan Ilmu Komputer.

10. Sahabat tercinta Eria, Dini dan Yeni yang tak pernah henti menemani,

memberikan semangat dan menghibur penulis dalam kondisi apapun.

11. Sahabat seperjuangan Pupang, April, Rita, Upeh, Ajenk, Nadya, Kidiw,

Adib, Danzen dan Vandu yang selalu memberikan kegembiraan, semangat

dikala penulis merasa jenuh dalam penyusunan skripsi ini.

12. Teman-teman yang baik hati kak deby, annisa, wibi, faiq, rifaldhi yang

selalu setia direpotkan dan mau menjadi tempat bertanya dikala buntu

terutama dimasa perkuliahan dan penyusunan skripsi ini.

13. Keluarga ku tersayang om amsar dan tante dwi yang selalu siap membantu

dan direpotkan.

14. Keluarga Ilmu Komputer 2013 yang tidak bisa disebutkan satu per satu,

terima kasih atas kebersamaannya selama ini.

15. Mas Naufal yang telah membukakan MIPA Terpadu dan ruang baca serta

menyiapkan ruang seminar.

16. Almamater tercinta, Universitas Lampung.

Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, akan tetapi

sedikit harapan semoga skripsi ini bermanfaat bagi perkembangan ilmu

pengetahuan terutama bagi teman-teman Ilmu Komputer.

Bandarlampung, 20 Juli 2017

Irfani Maharani

ix

DAFTAR ISI

Halaman

DAFTAR ISI ix

DAFTAR GAMBAR xiii

DAFTAR TABEL xvi

I PENDAHULUAN

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 4

1.4 Tujuan 4

1.5 Manfaat 4

II TINJAUAN PUSTAKA

2.1 Malaria 5

2.1.1 Daur Hidup Plasmodium sp 6

2.1.2 Patogenesis Malaria 7

2.2 Sistem Pakar 9

2.2.1 Komponen Sistem Pakar 10

2.2.1.1 Basis Pengetahuan 11

2.2.1.2 Mesin Inferensi 12

2.3 Metode Forward Chaining 14

x

2.4 Metode Naive Bayes 15

2.5 Metode Pengembangan Perangkat Lunak 16

2.5.1 Analisis 16

2.5.2 Perancangan 16

2.5.3 Implementasi 20

2.5.4 Pengujian 21

2.5.4.1 Blackbox Testing 22

2.5.4.2 Skala Likert 24

2.5.5 Pemeliharaan 25

BAB III METODOLOGI PENELITIAN

3.1 Waktu dan Tempat Penelitian 26

3.2 Alat Pendukung 26

3.3 Tahapan Penelitian 27

3.3.1 Identifikasi Masalah 28

3.3.2 Perumusan Masalah 28

3.3.3 Pengumpulan Data 28

3.3.4 Perancangan Sistem 29

3.3.4.1 Flowchart 29

3.3.4.2 Usecase Diagram 30

3.3.4.3 Activity Diagram 31

3.3.4.4 Sequence Diagram 34

3.3.4.5 Class Diagram 38

3.3.5 Perancangan Antarmuka 39

3.3.5.1 Perancangan Halaman Splash Screen 40

xi

3.3.5.2 Perancangan Halaman Menu Utama 40

3.3.5.3 Perancangan Halaman Menu Diagnosa 41

3.3.5.4 Perancangan Halaman Hasil Diagnosa 42

3.3.5.5 Perancangan Halaman Menu Jenis Penyakit 42

3.3.5.6 Perancangan Halaman Detail Penyakit 43

3.3.5.7 Perancangan Halaman Petunjuk 44

3.3.5.8 Perancangan Halaman Menu Tentang 45

3.3.6 Implementasi 45

3.3.7 Pengujian 45

3.3.7.1 Pengujian Internal 46

3.3.7.1.1 Pengujian Fungsional 46

3.3.7.1.2 Pengujian Kepakaran Sistem 50

3.3.7.2 Pengujian Ekstenal 51

3.3.8 Penyusunan Laporan 51

BAB IV HASIL DAN PEMBAHASAN

4.1 Analisa Kebutuhan Data 52

4.2 Representasi Pengetahuan 53

4.3 Implementasi Sistem 53

4.5.1 Tampilan Halaman Splash Screen 54

4.5.2 Tampilan Halaman Informasi 55

4.5.3 Tampilan Halaman Utama 56

4.5.4 Tampilan Halaman Menu Diagnosa 57

4.5.5 Tampilan Halaman Hasil Diagnosa 57

4.5.6 Tampilan Halaman Dtail Penyakit 58

xii

4.5.7 Tampilan Halaman Menu Jenis Penyakit 59

4.5.8 Tampilan Halaman Menu Tentang 59

4.5.9 Tampilan Halaman Menu Bantuan 60

4.4 Analisa Presentase Penyakit 62

4.5 Pengujian 65

4.5.1 Pengujian Internal 65

4.5.1.1 Pengujian Fungsional 65

4.5.1.1.1 Pengujian Versi Android 65

4.5.1.1.2 Pengujian Resolusi Layar dan Densitas

Layar 67

4.5.1.1.3 Pengujian User Interface 68

4.5.1.1.4 Pengujian Fungsi dari Menu Aplikasi 69

4.5.1.2 Pengujian Kepakaran Sistem 71

4.5.2 Pengujian Eksternal 76

4.5.2.1 Analisa Hasil Kuesioner 80

BAB V PENUTUP

5.1 Keimpulan 90

5.2 Saran 91

DAFTAR PUSTAKA 92

LAMPIRAN

LAMPIRAN PENGUJIAN

xiii

DAFTAR GAMBAR

Halaman

Gambar 2.1 Morfologi Nyamuk Anopheles 6

Gambar 2.2 Siklus Hidup Plasmodium sp 7

Gambar 2.3 Arsitektur Sistem Pakar 11

Gambar 2.4 Proses Backward Chaining 12

Gambar 2.5 Proses Forward Chaining 13

Gambar 2.6 Diagram Alir Teknik Penelusuran Deph First Search 13

Gambar 2.7 Diagram Alir Teknik Penelusuran Breadht-first Search 14

Gambar 2.8 Diagram Alir Teknik Penelusuran Best-first Search 14

Gambar 3.1 Diagram Alir Tahapan Penelitian 27

Gambar 3.2 Flowchart Sistem Pakar Identifikasi Malaria 29

Gambar 3.3 Use Case Diagram Sistem Pakar Identifikasi Malaria 30

Gambar 3.4 Activity Diagram Menu Diagnosa 31

Gambar 3.5 Activity Diagram Menu Data Penyakit 32

Gambar 3.6 Activity Diagram Menu Bantuan 33

Gambar 3.7 Activity Diagram Menu Tentang 33

Gambar 3.8 Sequence Diagram Menu Diagnosa 34

Gambar 3.9 Sequence Diagram Menu Data Penyakit 36

Gambar 3.10 Sequence Diagram Menu Bantuan 36

xiv

Gambar 3.11 Sequence Diagram Menu Tentang 37

Gambar 3.12 Class Diagram Sistem Pakar Identifikasi Malaria 38

Gambar 3.13 Rancangan Halaman Splash Screen 40

Gambar 3.14 Rancangan Halaman Menu Utama 41

Gambar 3.15 Rancangan Halaman Menu Diagnosa 41

Gambar 3.16 Rancangan Halaman Hasil Diagnosa 42

Gambar 3.17 Rancangan Halaman Jenis Pemyakit 43

Gambar 3.18 Rancangan Halaman Detail Peyakit 43

Gambar 3.19 Rancangan Halaman Menu Petunjuk 44

Gambar 3.20 Rancangan Halaman Informasi Petunjuk 44

Gambar 3.21 Rancangan Halaman Tentang 45

Gambar 4.1 Tampilan Halaman Splash Screen 54

Gambar 4.2 Tampilan Halaman Informasi 55



Gambar 4.5 Tampilan Halaman Utama 56

Gambar 4.6 Tampilan Halaman Menu Diagnosa 57

Gambar 4.7 Tampilan Halaman Hasil Diagnosa 58

Gambar 4.8 Tampilan Halaman Jenis Penyakit 58

Gambar 4.9 Tampilan Halaman Menu Jenis Penyakit 59

Gambar 4.10 Tampilan Halaman Menu Tentang 60

Gambar 4.11 Tampilan Halaman Menu Bantuan 60

xv

Gambar 4.12 Tampilan Halaman Submenu Diagnosa 61

Gambar 4.13 Tampilan Halaman Submenu Jenis Penyakit 61

Gambar 4.14 Grafik Hasil Pernyataan 1 81








Gambar 4.22 Grafik Rata-rata Hasil Pertanyaan 89

xvi

DAFTAR TABEL

Halaman

Tabel 2.1 Simbol Class Diagram 16

Tabel 2.1 (Lanjutan) Simbol Class Diagram 17

Tabel 2.2 Simbol Use Case Diagram 17

Tabel 2.2 (Lanjutan) Simbol Use Case Diagram 18

Tabel 2.3 Simbol Sequence Diagram 19

Tabel 2.4 Simbol Activity Diagram 20

Tabel 3.1 Pengujian Versi Android 46

Tabel 3.1 (Lanjutan) Pengujian Versi Android 47

Tabel 3.2 Pengujian Resolusi Layar dan Densitas Layar 47

Tabel 3.2 (Lanjutan) Pengujian Resolusi Layar dan Densitas Layar 48

Tabel 3.3 Pengujian User Interface 48

Tabel 3.3 (Lanjutan) Pengujian User Interface 49

Tabel 3.4 Pengujian Fungsi dari Menu Aplikasi 49

Tabel 3.4 (Lanjutan) Pengujian Fungsi dari Menu Aplikasi 50

Tabel 4.1 Pengujian Versi Android 66

Tabel 4.2 Pengujian Resolusi Layar dan Densitas Layar 67

Tabel 4.3 Pengujian User Interface 68

Tabel 4.3 (Lanjutan) Pengujian User Interface 69

Tabel 4.4 Pengujian Fungsi dari Menu Aplikasi 69



Tabel 4.5 Pengujian Diagnosa Sistem Pakar Penentuan Jenis Malaria 71

Tabel 4.5 (Lanjutan) Pengujian Diagnosa Sistem Pakar Penentuan JenisMalaria 72

xvii




Tabel 4.6 Hasil Penilaian Responden Dokter Terhadap KuesionerPengujian Sistem Pakar (Kelompok Responden I) 77

Tabel 4.7 Hasil Penilaian Responden Peternak dan Mahasiswa KedokteranTerhadap Kuesioner Pengujian Sistem Pakar (KelompokResponden II) 78

Tabel 4.8 Hasil Penilaian Responden Mahasiswa Ilmu Komputer danMasyarakat Penderita Malaria Terhadap KuesionerPengujian Sistem Pakar (Kelompok Responden III) 79

Tabel 4.9 Kriteria Penilaian Responden 80

1

I . PENDAHULUAN

1.1 Latar Belakang

Sistem pakar merupakan sistem yang menjadikan komputer mampu berfikir

layaknya manusia dalam memecahkan suatu permasalahan menggunakan rule-

rule yang telah dibuat oleh manusia (Sari, 2013). Sistem pakar dapat digunakan

untuk membantu dalam klasifikasi, pengambilan keputusan dan mendeteksi

penyakit salah-satunya adalah penyakit malaria. Malaria merupakan masalah

kesehatan masyarakat terutama daerah tropik sekaligus ancaman bagi dunia.

Menurut Permata (2014), malaria endemis di 105 negara di dunia dan

menyebabkan 300-500 juta kasus serta kematian 1,5-2,7 juta setiap tahunnya.

Indonesia merupakan daerah endemis malaria dengan 60% penduduknya tinggal

di daerah endemis. Walaupun tidak merata disemua wilayah Kota Bandar

Lampung merupakan daerah endemis malaria, daerah endemis pada kota Bandar

Lampung yaitu daerah yang berada di pesisir pantai seperti Panjang, Kota Karang,

Sukamaju, Pasar Ambon, Sukaraja, dan wilayah datar seperti Kemiling, Kedaton

dan Rajabasa. Pada Tahun 2014 penderita malaria mengalami peningkatan dari

479 kasus pada tahun 2013 menjadi 565 pada tahun 2014, (Dinas Kesehatan Kota

Bandar Lampung, 2014).

2

Menurut Kasmui dan Kusuma (2016), malaria disebabkan oleh parasit genus

Plasmodium yang termasuk golongan protozoa melalui perantaran tusukan

(gigitan) nyamuk Anopheles. Menurut Permata dkk (2014) Ada banyak jenis

Plasmodium yang dapat menyebabkan penyakit pada manusia yaitu P.

falcifarum, P. vivax, P. malariae dan P. ovale. P. falcifarum menyebabkan

malaria tropika, P. vivax menyebabkan malaria tertiana, P. malariae

menyebabkan malaria kuartana, P. ovale menyebabkan malaria ovale. Parasit

plasmodium masuk melalui gigitan nyamuk anopheles betina.

Seseorang yang terjangkit malaria biasanya mengalami demam yang diikuti rasa

menggigil dalam siklus waktu yang sama (Rosnelly dan Hardjoko, 2011). Ciri-ciri

tersebut memiliki banyak kesamaan dengan penyakit lainnya. Masyarakat biasa

melakukan diagnosa awal tentang malaria tanpa pengetahuan dan fakta medis. Hal

ini menyebabkan terjadi kesalahan dalam diagnosa malaria maka perlu

dikembangkan suatu sistem yang mampu mendiagnosa malaria agar mengurangi

tingkat kesalahan dalam diagnosa awal malaria dan dapat membantu mempercepat

penanganan terhadap malaria.

Penelitian oleh Rosnelly dan Hardjoko (2011) mengenai Pengembangan Sistem

Informasi Diagnosis Penyakit Tropis Menggunakan Algoritma Naïve Bayesian

dihasilkan sistem yang mampu mendiagnosa penyakit malaria, demam berdarah

ataupun demam typoid dengan mengimplementasikan metode Naive Bayesian.

Penelitian selanjutnya dilakukan oleh Ramadhani dkk (2012) mengenai Sistem

Pakar Diagnosa Infeksi Penyakit Tropis Berbasis Web yang menghasilkan sistem

yang dapat membantu pengguna ataupun pasien dalam mendiagnosa penyakit

yang diderita sesuai dengan gejala yang dirasakan oleh pengguna ataupun pasien

3

menggunakan metode Naive Bayes. Penelitian sistem pakar mengenai penyakit

malaria sebelumnya telah dilakukan oleh Sadly Syamsuddin dan Ahyuna (2014)

mengenai Diagnosa Penyakit yang Disebabkan oleh Nyamuk Berbasis WEB.

Penelitian ini bertujuan menciptakan sistem pakar yang mampu melakukan

diagnosa penyakit yang disebabkan oleh nyamuk dengan tingkat akurasi yang

baik dan hampir tidak ditemukan kesalahan yang ada dalam tiap form komponen

yang diuji.

Pada penelitian mengenai sistem pakar diagnosa penyakit malaria belum

ditemukan penggunaan mobile base dalam penerapan interface. Penerapan mobile

base dalam interface dapat membantu user dalam mengakses sistem dikarenakan

sistem dapat beroperasi dalam smartphone. Metode yang digunakan dalam

membangun sistem ini adalah Forward Chaining. Metode tersebut digunakan

untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut

dijalankan, proses diulang hingga ditemukan suatu hasil. Dengan sistem ini

diharapkan dapat membantu dalam mendiagnosa penyakit malaria dengan efektif

dan efisien. Dalam perhitungan akurasi digunakan metode Clasic Probability dan

Naive Bayes.

1.2 Rumusan Masalah

Perumusan masalah dalam penelitian adalah bagaimana merancang dan

membangun sistem pakar yang mampu mendiagnosa malaria dengan metode

Forward Chaining dan Naive Bayes berbasis mobile.

4

1.3 Batasan Masalah

Batasan masalah dalam penelitian adalah:

1. Sistem mampu mendiagnosa malaria berdasarkan gejala awal penyakit.

2. Jenis malaria yang dapat diidentifikasi hanya 4 jenis yaitu malaria tropika,

tertiana, kuartana dan ovale dengan 25 gejala awal.

3. Metode yang digunakan adalah forward chaining yaitu proses identifikasi

penyakit malaria dilakukan gejala- gejala awal yang diberikan oleh sistem

dan Naive Bayes.

1.4 Tujuan

Tujuan yang ingin dicapai dalam penelitian adalah menciptakan sistem pakar yang

mampu membantu masyarakat dalam diagnosa malaria berbasis mobile.

1.5 Manfaat

Manfaat dari penelitian adalah:

1. Masyarakat dapat mengidentifikasi jenis penyakit malaria yaitu malaria

tropikana, tertiana, kuartana dan ovale.

2. Mempercepat penanganan terhadap pasien malaria.

3. Memberikan informasi tentang jenis – jenis Plasmodium yang terdapat

dalam nyamuk Anopheles yang dapat menyebabkan malaria.

5

II. TINJAUAN PUSTAKA

2.1 Malaria

Menurut Ramadhani dkk (2012) Penyakit malaria adalah penyakit yang

disebabkan oleh parasit Plasmodium, dan manusia dapat terinfeksi oleh

Plasmodium ini melalu gigitan nyamuk Anopheles, yang melepaskan Plasmodium

dari salivanya sewaktu menggigit manusia Plasmodium memasuki sel – sel

hepatosit, dan kemudian melalui sirkulasi darah akan memasuki sel – sel eritrosit.

Didalam sel – sel eritrosit plasmodium selanjutnya berreplikasi. Replikasi ini

merangsang sitolisis sel eritrosit dan menyebabkan lepasnya hasil metabolisme

Plasmodium yang bersifat toksis ke sirkulasi darah. Hal ini mencetuskan sejumlah

gejala klinik yang ringan sampai berat yang dapat menyebabkan kematian. Lebih

dari 100 negara dan territorial yang beresiko menjadi wilayah transmisi malaria

(WHO, 2014) . Malaria disebabkan oleh parasit (protozoa) Plasmodium. Terdapat

lima jenis spesies Plasmodium: P. falciparum, P. malariae, P. ovale, P. vivax, dan

P. knowlesi. Parasit malaria ditransmisikan melalui nyamuk anopheles betina,

yang biasanya menggigit pada saat waktu terbit dan terbenam (Putra, 2011).

6

Gambar 2.1 Morfologi Nyamuk Anopheles (UNICEF Indonesia, 2013)

2.1.1 Daur Hidup Plasmodium sp

Dimulai dari nyamuk yang menghisap manusia, nyamuk akan melepaskan parasit

malaria dalam bentuk sporozoit yang akan mengalami siklus eksoeritrositik

dengan menginfeksi sel hepatosit. Hepatosit yang mengandung merozoit pada

akhirnya akan membengkak dan pecah sehingga merozoit lepas dan masuk ke

dalam pembuluh darah. Selanjutnya siklus eritrositik, di dalam pembuluh darah

merozoit akan berkembang hingga 6-20 kali dalam waktu 42-72 jam menjadi

tropozoit. Pada eritrosit, tropozoit berubah bentuk menjadi ring form dan

mengonsumsi hemoglobin dalam darah hingga membentuk merozoit dan apabila

ruptur akan melepaskan seluruh merozoit di dalam eritrosit. Fase dimana parasit

berada dalam eritrosit merupakan penyebab utama munculnya gejala malaria.

Fase selanjutnya tropozoit yang berkembang menjadi gametosit akan berkembang

menjadi gametosit jantan dan betina. Di dalam tubuh nyamuk anophelesm betina,

7

plasmodium berkembang dari bentuk gametosit kemudian akan memulai siklus

sporogonik (CDC, 2010).

Gambar 2.2 Siklus Hidup Plasmodium sp (CDC, 2010)

2.1.2 Patogenesis Malaria

Menurut Putra (2011), anemia terjadi pada penderita malaria dengan

penghancuran eritrosit yang cepat dan hebat yang menyebabkan terjadinya

demam. Selain itu anemia juga dapat terjadi karena hemolisis autoimun,

sekuentrasi oleh limpa pada eritrosit yang terinfeksi. Pada serangan akut kadar

hemoglobin turun secara mendadak.

Gambaran karakteristik malaria pada umumnya adalah demam periodik, anemia,

dan splenomegali. Sebelum demam biasanya pasien merasa lemah, nyeri kepala,

8

tidak ada nafsu makan, mual atau muntah. Pada pasien dengan infeksi

majemuk/campuran (lebih dari satu plasmodium atau satu jenis plasmodium tetapi

infeksi berulang dalam waktu yang berbeda), maka serangan demam yang diderita

akan terus menerus atau tanpa interval.

Menurut Departemen Kesehatan RI (2008), masa inkubasi malaria bervariasi dari

9-30 hari bergantung kepada jenis plasmodiumnya, paling pendek adalah P.

falciparum dan paling lama adalah P. malariae. Masa inkubasi pada penularan

secara alamiah bagi masing-masing spesies parasit, untuk P. falciparum 9-14 hari,

P. Vivax 12-17 hari, P. ovale 16-18 hari, dan P. malariae 18-40 hari. Gejala

klasik yang terjadi adalah “Trias Malaria” dijelaskan secara berurutan yaitu

stadium dingin (cold stage), stadium demam (hot stage), dan stadium berkeringat

(sweating stage). Serangan demam yang pertama didahului oleh masa inkubasi

(intrinsik). Setelah melewati masa inkubasi, pada anak besar dan orang dewasa

timbul gejala demam yang terbagi dalam tiga stadium yaitu (Putra, 2011):

a. Stadium dingin

Stadium ini diawali dengan gejala menggigil atau perasaan yang sangat

dingin. Gigi gemeretak dan pasien biasanya menutupi diri dengan segala

macam pakaian dan selimut yang tersedia. Nadi cepat tetapi lemah, bibir

dan jari-jari pucat (sianosis), kulit kering dan pucat, pasien mungkin

muntah. Stadium ini berlangsung 15 menit sampai 1 jam.

b. Stadium demam

Setelah penderita merasa kedinginan, pada stadium ini penderita merasa

kepanasan. Muka merah, kulit kering, dan terasa sangat panas seperti

terbakar, nyeri kepala, seringkali terjadi mual dan muntah, nadi menjadi

9

kuat kembali. Biasanya pasien menjadi sangat haus dan suhu tubuh dapat

meningkat sampai 41OC atau lebih. Stadium ini berlangsung antara 2-12

jam. Demam tersebut disebabkan karena pecahnya skizon dalam sel darah

merah yang telah matang dan masuknya merozoit darah ke dalam aliran

darah. Pada P. vivax dan P. ovale, skizon dari tiap generasi menjadi

matang setiap 48 jam sekali, sehingga timbul demam setiap hari ketiga

terhitung dari serangan demam sebelumnya. Pada P. malariae, demam

terjadi setelah 72 jam (hari keempat), dan pada P. falciparum terjadi setiap

24-48 jam.

c. Stadium berkeringat

Gejala ini diikuti dengan penurunan suhu yang cepat dan penderita yang

berkeringat sangat banyak. Namun, tidak selalu sama pada semua

penderita, tergantung pada spesies parasit, berat infeksi, dan usia

penderita. Gejala klinis berat biasanya dialami penderita yang terinfeksi

oleh malaria tropika yang disebabkan oleh adanya kecenderungan parasit

(bentuk tropozoit dan skizon) untuk berkumpul pada pembuluh darah

organ tubuh tertentu seperti otak, hati, dan ginjal, sehingga menyebabkan

tersumbatnya pembuluh darah organ-organ tersebut, yang akan

menyebabkan gejala klinis yang lebih berat, berujung komplikasi yang

akan diderita pasien.

2.2 Sistem Pakar

Sistem pakar merupakan program komputer yang masuk dalm cabang dari

penelitian ilmu komputer yaitu AI. Sistem pakar ditujukan pada sistem yang

10

cerdas yang dapat melakukan penalaran terhadap suatu pengetahuan ntuk

menghasilkan sebuah kesimpulan oleh komputer dengan menggunakan metode

inferensi yang diinterprestasikan dalam suatu mesin (Desiani dan Arhami, 2006).

2.2.1 Komponen Sistem Pakar

Menurut Rachmawati dkk (2012), sistem pakar disusun oleh komponen-

komponen:

1. Knowledge Base (Basis Pengetahuan)

Basis pengetahuan merupakan hasil akuisisi dan representasi pengetahuan

dari seorang pakar. Basis pengetahuan berisi pengetahuan-pengetahuan

dalam penyelesaian masalah. Basis pengetahuan terdiri dari dua elemen

dasar yaitu fakta dan rule atau aturan.

2. Inference Engine (Mesin Inferensi)

Mesin inferensi adalah sebuah program yang berisi metodologi yang

digunakan untuk melakukan penalaran terhadap informasi-informasi dalam

basis pengetahuan untuk memformulasikan konklusi.

3. User Interface (Antar Muka Pengguna)

User interface adalah penghubung antar program sistem pakar dengan

pengguna yang dapat dihubungkan via dekstop ataupun mobile.

Antarmuka digunakan sebagai media komunikasi antara pengguna dan

sistem pakar.

11

Gambar 2.3 Arsitektur Sistem Pakar (Rachmawati, 2012)

2.2.1.1 Basis Pengetahuan

Menurut Astuti dkk (2016), dalam membentuk basis pengetahuan terdapat

tahapan awal yaitu akusisi pengetahuan dimana dalam tahap ini pengetahuan di

dapatkan dari pakar maupun studiliteratur. Kemudian tahapan ini dilanjutkan

dengan merepresentasikan pengetahuan dimana dalam tahapan ini dapat berupa

pembobotan. Yang kemudian dilanjutkan dengan pembuatan basis pengetahuan

yang berupa pembuatan suatu aturan atau rule dalam tahap ini pakar akan sangat

berperan dalam validasi rule yang dibangun.

Menurut Desiani dan Arhami (2006), terdapat dua karakteristik umum dari

representasi pengetahuan yaitu:

1. Reperesentasi pengetahuan dapat diprogramkan dengan beragam bahasa

komputer yang ada dan dapat disimpan dalam memori.

12

2. Representasi pengetahuan dirancang sedemikian rupa sehingga pengetahuan

lainnya dapat dimanfaatkan untuk penalaran.

2.2.1.2 Mesin Inferensi

Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis

aturan, yaitu pelacakan ke belakang (backward chaining) dan pelacakan ke depan

(forward chaining). Pelacakan ke belakang adalah pendekatan yang di motori

tujuan terlebih dahulu (goal-driven). Dalam pendekatan ini pelacakan dimulai dari

tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk

kesimpulannya.

Gambar 2.4. Proses Backward Chaining (Arhami,2006)

Pelacakan kedepan adalah pendekatan yang dimotori data (data driven). Dalam

pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya

mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang

sesuai dengan bagian IF dari aturan IF-THEN.

13

Gambar 2.5. Proses Forward Chaining (Arhami,2006)

Kedua metode inferensi tersebut dipengaruhi oleh tiga macam penulusuran, yaitu

Depth-first search, Breadth-first search dan Best-first search.

1. Depth-first search, melakukan penulusuran kaidah secara mendalam dari

simpul akar bergerak menurun ke tingkat dalam yang berurutan.

Gambar 2.6. Diagram Alir Teknik Penelusuran Depth First Search (Arhami,2006)

2. Breadth-first search, bergerak dari simpul akar, simpul yang ada pada setiap

tingkat diuji sebelum pindah ke tingkat selanjutnya.

14

Gambar 2.7. Diagram Alir Teknik Penelusuran Breadth-first search

(Arhami, 2006)

3. Best-first search, bekerja berdasarkan kombinasi kedua metode sebelumnya.

Gambar 2.8. Diagram Alir Teknik Penelusuran Best-first search (Arhami, 2006)

2.3 Metode Forward Chaining

Menurut Indriyawati dan Surarso (2013), metode forward chaining merupakan

teknik pencarian yang dimulai dengan fakta yang diketahui, kemudian

mencocokkan fakta-fakta tersebut dengan bagian dari rules IF-THEN. Bila ada

15

fakta IF yang cocok dengan bagian IF, maka rule tersebut dieksekusi.

Pencocokan berhenti bila tidak ada lagi rule yang bisa dieksekusi.

2.4 Metode Naive Bayes

Probabilitas Bayes adalah suatu interpretasi dari kalkulus yang memuat konsep

probabilitas sebagai derajat dimana suatu pernyataan dipercaya benar. Teori bayes

juga dapat digunakan sebagai alat pengambilan keputusan untuk memperbaharui

tingkat kepercayaan dari suatu informasi. Teori probabilitas bayes merupakan satu

dari cabang teori statistik matematik yang memungkinkan untuk membuat satu

model ketidakpastian dari suatu kejadian yang terjadi dengan menggabungkan

pengetahuan umum dengan fakta dari hasil pengamatan (Trisyanto dan Fadlil,

2014).

Menurut Fithri (2013), Probabilitas Bayesian adalah salah satu cara untuk

mengatasi ketidakpastian. Rumus Teorema Bayes

( | ) = ( | ) ( )( )P(H|E) = probabilitas hipotesa H jika evidence E.

P(E|H) = probabilitas muncul evidence E jika diketahui hipotesa H.

P(E) = probabilitas evidence E.

P(H) = probabilitas hipotesa H tanpa memandang evidence apapun.

dalam penerapannya metode naive bayes dapat ditulis sebagai berikut

( | ) = ( | ) ( )∑ |

...... (1)

...... (2)

16

2.5 Metode Pengembangan Perangkat Lunak

2.5.1 Analisis

Menurut Herliana dan Rasyid (2016), dalam analisis kebutuhan sistem dituntukan

fungsi-fungsi dari sistem agar permasalahan yang terjadi dapat diselesaikan

dengan baik dan data yang didapatkan sesuai dengan yang diharapkan.

2.5.2 Perancangan

Hasil dari analaisa kebutuhan dituangkan dalam desain sistem yang dapat berupa

UML dan ERD dalam gambaran hubungan dari database (Herlina dan Rasyid,

2016).

Ada beberapa jenis diagram dalam UML (Unified Model Language)yaitu:

a. Diagram Kelas (Class Diagram)

Class adalah sebuah spesifikasi yang jika diinstansiasi akan menghasilkan

sebuah objek dan merupakan inti dari pengembangan dan desain

berorientasi objek. Class menggambarkan keadaan (atribut/properti) suatu

sistem, sekaligus menawarkan layanan untuk memanipulasi keadaan

tersebut (metoda/fungsi).

Tabel 2.1 Simbol Class Diagram

NO Gambar Nama Keterangan

1

Generalization Hubungan dimana objek anak(descendent) berbagi perilakudan struktur data dari objekyang ada di atasnya objekinduk (ancestor).

2NaryAssociation

Upaya untuk menghindariasosiasi dengan lebih dari 2objek.

17


3Class Himpunan dari objek-objek

yang berbagi atribut sertaoperasi yang sama.

4

Collaboration Deskripsi dari urutan aksi-aksiyang ditampilkan sistem yangmenghasilkan suatu hasil yangterukur bagi suatu aktor

5Realization Operasi yang benar-benar

dilakukan oleh suatu objek.

6

Dependency Hubungan dimana perubahanyang terjadi pada suatuelemen mandiri(independent) akanmempegaruhi elemen yangbergantung padanya elemenyang tidak mandiri

7Association Apa yang menghubungkan

antara objek satu denganobjek lainnya

b. Diagram Paket (Package Diagram)

c. Diagram Use-Case (Usecase Diagram)

Usecase diagram menggambarkan fungsionalitas yang diharapkan dari

sebuah sistem. Yang ditekankan adalah “apa” yang diperbuat sistem, dan

bukan “bagaimana”. Sebuah usecase merepresentasikan sebuah interaksi

antara actor dengan sistem. Seorang/sebuah aktor adalah sebuah entitas

manusia atau mesin yang berinteraksi dengan sistem untuk melakukan

pekerjaan-pekerjaan tertentu.

Tabel 2.2 Simbol Usecase Diagram


1

Actor Menspesifikasikan himpuanperan

18


2

Dependency Hubungan dimana perubahanyang terjadi pada suatuelemen mandiri (independent)akan mempengaruhielemen yang bergantungpadanya elemen yang tidakmandiri (independent).

3

Generalization Hubungan dimana objek anak(descendent) berbagi perilakudanstruktur data dari objek yangada di atasnya objek induk(ancestor).

4Include Menspesifikasikan bahwa use

case sumber secara eksplisit.

5

Extend Menspesifikasikan bahwa usecase target memperluasperilaku dari use case sumberpada suatu titik yangdiberikan.

6

Association Apa yang menghubungkanantara objek satu denganobjek lainnya.

7System Menspesifikasikan paket yang

menampilkan sistem secaraterbatas.

8

Use Case Deskripsi dari urutan aksi-aksiyang ditampilkan sistem yangmenghasilkan suatu hasil yangterukur bagi suatu aktor.

9

Collaboration Interaksi aturan-aturan danelemen lain yang bekerjasama untuk menyediakanprilaku yang lebih besar darijumlah dan elemen-elemennya(sinergi).

10

Note Elemen fisik yang eksis saataplikasi dijalankan danmencerminkan suatu sumberdaya komputasi.

19

d. Diagram Interaksi dan Sequence (Sequence Diagram)

Sequence diagram menggambarkan interaksi antar objek di dalam dan di

sekitar sistem (termasuk pengguna, display, dan sebagainya) berupa

message yang digambarkan terhadap waktu. Sequence diagram terdiri atar

dimensi vertical (waktu) dan dimensi horizontal (objek-objek yang

terkait).

Tabel 2.3 Simbol Squence Diagram


1

LifeLine Objek entity, antarmuka yangsaling berinteraksi.

2

Message Spesifikasi dari komunikasiantar objek yang memuatinformasi-informasi tentangaktifitas yang terjadi

3

Message Spesifikasi dari komunikasiantar objek yang memuatinformasi-informasi tentangaktifitas yang terjadi

e. Diagram Komunikasi (Communication Diagram)

f. Diagram Statechart (Statechart Diagram)

g. Diagram Aktivitas (Activity Diagram)

Activity diagram menggambarkan berbagai alir aktivitas dalam sistem

yang sedang dirancang, bagaimana masing-masing alir berawal, decision

yang mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram

juga dapat menggambarkan proses paralel yang mungkin terjadi pada

beberapa eksekusi.

20

Tabel 2.4 Simbol Activity Diagram


1

Activity Memperlihatkan bagaimanamasin-gmasing kelasantarmuka saling berinteraksisatu sama lain

2

Action State dari sistem yangmencerminkan eksekusi darisuatu aksi

3Initial Node Bagaimana objek dibentuk

atau diawali.

4ActivityFinal Node

Bagaimana objek dibentukdan dihancurkan

5Fork Node Satu aliran yang pada tahap

tertentu berubah menjadibeberapa aliran

h. Diagram Komponen (Component Diagram)

i. Diagram Deployment (Deployment Diagram)

2.5.3 Implementasi

Menurut Kadir (2003), implementasi sistem dilakukan untuk memastikan apakah

aplikasi yang dibuat telah sesuai kebutuhan sistem, desain, dan semua fungsi

dapat berjalan dan dipergunakan dengan baik tanpa kesalahan atau error. Pada

implementasi sistem, aktifitas yang dilakukan antara lain:

a. Pemrograman dan Pengujian.

b. Instalasi hardware dan software.

c. Pelatihan kepada pengguna.

d. Pembuatan dokumentasi.

e. Konversi.

21

2.5.4 Pengujian

Mustaqbal dkk (2015), pengujian software sangat diperlukan untuk memastikan

software/aplikasi yang sudah/sedang dibuat dapat berjalan sesuai dengan

fungsionalitas yang diharapkan. Pengembang atau penguji software harus

menyiapkan sesi khusus untuk menguji program yang sudah dibuat agar kesalahan

ataupun kekurangan dapat dideteksi sejak awal dan dikoreksi secepatnya.

Pengujian atau testing sendiri merupakan elemen kritis dari jaminan kualitas

perangkat lunak dan merupakan bagian yang tidak terpisah dari siklus hidup

pengembangan software seperti halnya analisis, desain, dan pengkodean.

Mustaqbal dkk (2015), ia menyarankan satu set prinsip pengujian:

1. Semua test harus dapat dilacak ke kebutuhan pelanggan.

2. Test harus direncanakan dengan baik sebelum pengujian mulai.

a. Prinsip Pareto berlaku untuk pengujian

b. 80% dari semua kesalahan yang terungkap selama pengujian akan mudah

dapat dilacak dari 20% semua modul program.

3. Pengujian seharusnya mulai “dari yang kecil” dan pengujian perkembangan ke

arah “yang besar”.

4. Pengujian menyeluruh adalah tidak mungkin. Paling efektif, pengujian harus

diselenggarakan oleh suatu pihak ketiga mandiri.

Langkah-langkah pengujian software ada 4 yaitu:

1. Unit testing-testing per unit yaitu mencoba alur yang spesifik pada struktur

modul kontrol untuk memastikan pelengkapan secara penuh dan pendeteksian

error secara maksimum

22

2. Integration testing – testing per penggabungan unit yaitu pengalamatan dari

isu-isu yang diasosiasikan dengan masalah ganda pada verifikasi dan

konstruksi program

3. High-order test yaitu terjadi ketika software telah selesai diintegrasikan atau

dibangun menjadi satu –tidak terpisah-pisah

4. Validation test yaitu menyediakan jaminan akhir bahwa software memenuhi

semua kebutuhan fungsional, kepribadian dan performa.

Menurut Khan (2011) dalam Mustaqbal dkk (2015), ada beberapa jenis pengujian

perangkat lunak, antara lain:

1. Pengujian white box adalah pengujian yang didasarkan pada pengecekan

terhadap detail perancangan, menggunakan struktur kontrol dari desain

program secara prosedural untuk membagi pengujian ke dalam beberapa kasus

pengujian. Secara sekilas dapat diambil kesimpulan white box testing

merupakan petunjuk untuk mendapatkan program yang benar secara 100%.

2. Black-Box Testing merupakan pengujian yang berfokus pada spesifikasi

fungsional dari perangkat lunak, tester dapat mendefinisikan kumpulan kondisi

input dan melakukan pengetesan pada spesifikasi fungsional program.

2.5.4.1 Black box Testing

Menurut Wahyudi dan Utami (2016), Proses pengujian black box adalah

pengujian yang dilakukan dengan cara mencoba program aplikasi dengan

memasukkan data ke dalam form - form yang telah disediakan. Pengujian ini

memungkinkan perekayasa perangkat lunak mendapatkan serangkaian kondisi

input yang sepenuhnya semua persyaratan fungsional untuk suatu program.

23

Black box Testing berfokus pada spesifikasi fungsional dari perangkat lunak.

Tester dapat mendefinisikan kumpulan kondisi input dan melakukan pengetesan

pada spesifikasi fungsional program.

Black box Testing bukanlah solusi alternatif dari White box Testing tapi lebih

merupakan pelengkap untuk menguji hal-hal yang tidak dicakup oleh White box

Testing.

Black box Testing cenderung untuk menemukan hal-hal berikut:

1. Fungsi yang tidak benar atau tidak ada.

2. Kesalahan antarmuka (interface errors).

3. Kesalahan pada struktur data dan akses basis data.

4. Kesalahan performansi (performance errors).

5. Kesalahan inisialisasi dan terminasi.

Pengujian didesain untuk menjawab pertanyaan-pertanyaan berikut:

1. Bagaimana fungsi-fungsi diuji agar dapat dinyatakan valid?

2. Input seperti apa yang dapat menjadi bahan kasus uji yang baik?

3. Apakah sistem sensitif pada input-input tertentu?

4. Bagaimana sekumpulan data dapat diisolasi?

5. Berapa banyak rata-rata data dan jumlah data yang dapat ditangani sistem?

6. Efek apa yang dapat membuat kombinasi data ditangani spesifik pada operasi

sistem? (Mustaqbal dkk 2015).

24

2.5.4.2 Skala Likert

Metode ini merupakan metode penskalaan pernyataan sikap yang menggunakan

distribusi respons sebagai dasar penentuan nilai skalanya. Nilai skala setiap

pernyataan tidak ditentukan oleh derajat favourable masing-masing, akan tetapi

ditentukan oleh distribusi respons setuju dan tidak setuju dari sekelompok

responden yang bertindak sebagai kelompok uji coba (Azwar, 2011).

Skala Likert, yaitu skala yang berisi lima tingkat preferensi jawaban dengan

pilihan sebagai berikut : 1= sangat setuju; 2 = tidak setuju; 3 = ragu-ragu atau

netral; 4 = setuju; 5 = sangat setuju. Penentuan interval per kategori digunakan

rumus sebagai berikut (Azwar, 2011) :

= 100%KKeterangan :

I = Interval;

K = Kategori interval

Untuk mendapatkan presentase hasil interpretasi, harus diketahui skor tertinggi

(X) dan angka terendah (Y) untuk item penilaian dengan rumus pada Persamaan

(4) berikut.

X = Skor terendah likert × jumlah responden (Angka Terendah 1)

Y = Skor tertinggi likert × jumlah responden (Angka Tertinggi 5)

Penilaian interpretasi responden terhadap aplikasi sistem pakar ini adalah hasil

nilai yang dihasilkan dengan menggunakan rumus index % pada Persamaan (5)

berikut.

Rumus Index % = ×

...... (3)

…......(4)

…………..(5)

25

2.5.5 Pemeliharaan

Selama sistem beroperasi, pemeliharaan sistem tetap diperlukan karena beberapa

alasan. Pertama, mungkin sistem masih menyisakan masalah-masalah yang tidak

terdeteksi selama pengujian sistem. Kedua, pemeliharan diperlukan karena

perubahan bisnis atau lingkungan atau adanya permintaan kebutuhan baru oleh

pengguna. Ketiga, pemeliharaan juga bisa dipicu karena kinerja sistem yang

menjadi menurun (Kadir, 2003).

26

III . METODOLOGI PENELITIAN

3.1 Waktu dan Tempat Penelitian

Penelitian dilaksanankan pada 06 Januari sampai dengan 5 Juni 2017 di Jurusan

Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam, Fakultas

Kedokteran Universitas Lampung, Desa Teluk Pandan Lempasing dan Rumah

sakit Muhammadiah Metro.

3.2 Alat Pendukung

Alat pendukung dalam penelitian adalah

a. Perangkat Keras

1. Laptop HP Probook 4440s dengan spesifikasi Processor Intel(R)

Core(TM) i3 CPU 3120M, RAM 6 GB.

2. Smartphone Android (Samsung Galaxy J2 Lollipop 5.1.1 version).

b. Perangkat Lunak

1. Sistem Operasi Windows 8.1 Pro 64 bit

2. Android Studio, digunakan untuk pembuatan aplikasi

3. SQLite Manager, sebagai software pembuatan dan akses database

27

4. Adobe Photoshop CS6, untuk pembuatan tampilan user interface dan

editing gambar.

3.3 Tahapan Penelitian

Tahapan penelitian merupakan langkah – langkah yang dilakukan peneliti dalam

melakukan penelitian. Adapun tahapan penelitian yang dilakukan peneliti dalam

membangun sistem pakar diagnosis malaria ditunjukkan pada gambar 3.1.

Gambar 3.1 Diagram Alir Tahapan Penelitian

28

3.3.1 Identifikasi Masalah

Identifikasi masalah merupakan tahapan awal yang dilakukan dalam penelitian

ini. Pada tahapan ini dilakukan identifikasi dalam masyarakat tentang penyakit

yang saat ini banyak terjadi dan masih kurang cepat dalam penanganannya.

3.3.2 Perumusan Masalah

Pada tahapan ini dilakukan perumusan dan pembatasan terhadap masalah yang

akan diteliti. Perumusan dan pembatasan masalah dilakukan agar penelitian fokus

dan tidak keluar dari batasan masalah yang telah ditentukan dalam pembuatan

sistem.

3.3.3 Pengumpulan Data

Dalam pengumpulan data dilakukan dengan dua metode yaitu studi literatur dan

wawancara.

a. Studi Literatur

Pada metode ini pengumpulkan data – data dilakukan dengan menggunakan

data – data yang ada dalam jurnal, buku ataupun dokumen yang berkaitan

dengan tema penelitian.

b. Wawancara

Metode wawancara dilakukan melalui proses wawancara langsung dengan

pakar/ ahli. Metode ini dilakukan dengan tujuan untuk mendapatkan data yang

tidak ditemukan dalam studi literatur. Data yang telah ditemukan akan

digunakan untuk rule dalam sistem pakar yang diteliti.

29

3.3.4 Perancangan Sistem

Dalam perancangan sistem akan digambarkan tentang gambaran sistem dalam

bentuk gambar agar mempermudah pengguna dalam memahami sistem yang akan

dibuat. Perancangan sistem dalam penelitian ini terdiri dari Flowchart, Usecase

Diagram, Activity Diagram, Sequence Diagram, dan Class Diagram.

3.3.4.1 Flowchart

Pada sistem pakar diagnosa malaria terdapat satu pengguna (user). Gambaran

tentang sistem ini secara garis besar dapat digambarkan menggunakan flowchart.

Flowchart merupakan gambaran dari proses bisnis yang berisi aktivitas yang

saling berelasi satu sama lain. Relasi antara pengguna dan sistem pakar

digambarkan pada Gambar 3.2.

Gambar 3.2 Flowchart Sistem Pakar Diagnosa Malaria

Dalam Flowchart yang digambarkan dalam Gambar 3.2 dijelaskan bahwa User

saat telah menjalankan aplikasi dan memilih menu diagnosa maka akan

ditampilkan pertanyaan tentang gejala – gejala penyakit yang terdapat dalam

30

database. Kemudian User meninputkan jawaban dari pertanyaan yang diajukan

oleh sistem yang selanjutnya akan diproses oleh sistem untuk dihitung nilai

akurasinya serta mendiagnosa jenis penyakit malaria yang diderita oleh User.

3.3.4.2 Usecase Diagram

Dalam usecase diagram akan direpresentasikan interaksi antara user dengan

sistem pakar diagnosa malaria. Usecase diagram ditunjukkan Gambar 3.3.

Gambar 3.3 Usecase diagram Sistem Pakar Diagnosa Malaria

Pada Gambar 3.3 digambarkan bahwa User memiliki empat aktivitas yaitu

mendiagnosa penyakit malaria, melihat data penyakit malaria, mengakses menu

bantuan dan mengakses menu tentang.

31

3.3.4.3 Activity Diagram

Activity Diagram merupakan gambaran aktivitas dalam sistem yang sedang

dirancang, dari mulai hingga selesai serta dapat menggambarkan proses paralel

yang mungkin terjadi pada beberapa eksekusi. Activity Diagram Sistem Pakar

Diagnosa Malaria ditunjukkan dalam Gambar 3.4 samapi dengan 3.7.

Gambar 3.4 Activity Diagram menu Diagnosa Sistem Pakar Diagnosa Malaria

Activity Diagram pada Gambar 3.4 merupakan interaksi antara User dan sistem

yang dijelaskan sebagai berikut.

1. User memilih menu diagnosa, yang kemudian sistem akan menampilkan

pertanyaan-pertanyaan.

2. User menjawab pertanyaan yang diberikan oleh sistem dan kemudian jawaban

tersebut akan diproses oleh sistem

3. Sistem menampilkan hasil diagnosa dan user mendaatkan hasil diagnosa sesuai

dengan gejala yang dipilih dalam daftar pertanyaan.

32

Gambar 3.5 Activity Diagram Menu Data Penyakit Sistem Pakar Diagnosa Malaria

Activity Diagram pada Gambar 3.5 terdiri dari interaksi antara User dan sistem.

Gambar 3.5 dijelaskan sebagai berikut.

1. User mengawali aktivitas dengan memilih menu data penyakit, yang kemudian

sistem menampilkan daftar jenis penyakit malaria.

2. Selanjutnya User mendapatkan informasi tentang jenis penyakit malaria yang

dipilih.

Pada Gambar 3.6 terdapat interaksi antara User dan sistem yang dijelaskan

sebagai berikut.

1. User memilih menu bantuan, kemudian sistem menampilkan informasi bantuan

2. User mendapatkan informasi mengenai bantuan dalam menggunakan sistem.

33

Gambar 3.6 Activity Diagram Menu Bantuan Sistem Pakar Diagnosa Malaria

Gambar 3.7 Activity Diagram menu tentang Sistem Pakar Diagnosa Malaria

Activity Diagram pada Gambar 3.7 menggambarkan interaksi antara User dan

sistem yang dijelaskan sebagai berikut.

1. User memilih menu Tentang kemudian sistem menampilkan sub menu dalam

menu tentang yaitu About dan Rate Us.

2. User memilih button About maka sistem akan menampilkan informasi tentang

aplikasi

34

3. User memilih button Rate Us maka sistem akan menampilkan halaman

playstore.

3.3.4.4 Sequence Diagram

Sequence Diagram menggambarkan interaksi antara objek dan di sekitar sistem

berupa pesan terhadap waktu. Sequence Diagram pada Sisem Pakar Diagnosa

Malaria digambarkan dalam Gambar 3.8 sampai dengan 3.11.

Gambar 3.8 Sequence Diagram Menu Diagnosa Sistem Pakar malaria

Sequence Diagram pada Gambar 3.8 terdiri dari satu user dan enam objek yaitu

Splash Screen, Main Activity, Controller Diagnosa, Memulai Diagnosa, Form

Gejala, Diagnosa. Proses pada Gambar 3.8 dijelaskan sebagai berikut.

1. User mengakses aplikasi melewati objek splash screen.

2. Kemudian User masuk ke halaman utama (Main Activity) kemudian sistem

melakukan self stimulus dengan menampilkan halaman utama.

35

3. User memilih menu diagnosa pada halaman utama yang kemudian dilanjutkan

oleh Controller Diagnosa untuk menampilkan halaman yang dituju.

4. User menjawab pertanyaan yang diberikan oleh sistem yang dilanjutkan ke

Form Gejala.

5. Sistem mengirim melakukan diagnosa dari inputan jawaban oleh User

6. Sistem Menampilkan hasil diagnosa kepada User.

Sequence Diagram pada Gambar 3.9 terdiri dari satu user dan lima objek yaitu

Splash Screen, Main Activity, Controller Data Penyakit, Form Data Penyakit dan

Data Penyakit. Proses pada Gambar 3.9 dijelaskan sebagai berikut.


2. Kemudian User masuk ke halaman utama (Main Activity) kemudian

sistem melakukan self stimulus dengan menampilkan halaman utama.

3. User memilih menu data penyakit pada halaman utama yang kemudian

dilanjutkan oleh Controller Data Penyakit untuk menampilkan halaman

yang dituju.

4. User memilih jenis penyakit yang akan dilihat detailnya pada Form Data

Penyakit

5. Sistem menampilkan detail dari penyakit yang dipilih oleh User.

36

Gambar 3.9 Sequence Diagram Data Penyakit

Gambar 3.10 Sequence Diagram Bantuan

Sequence Diagram pada Gambar 3.10 terdiri dari satu user dan empat objek yaitu

Splash Screen, Main Activity, Controller Bantuan dan Data Bantuan. Proses pada

Gambar 3.10 dijelaskan sebagai berikut.




37

3. User memilih menu bantuan pada halaman utama yang kemudian

dilanjutkan oleh Controller Bantuan untuk menampilkan halaman yang

dituju.

4. Sistem menampilkan informasi bantuan kepada User.

Gambar 3.11 Sequence Diagram Tentang

Sequence Diagram pada Gambar 3.11 terdiri dari satu user dan lima objek yaitu

Splash Screen, Main Activity, Controller Tentang, Form Tentang dan Data

Tentang. Proses pada Gambar 3.11 dijelaskan sebagai berikut.




3. User memilih menu tentang pada halaman utama yang kemudian

dilanjutkan oleh Controller Tentang untuk menampilkan halaman yang

dituju.

38

4. User memilih button rate us kemudian sistem akan menampilkan halaman

play store

5. User memilih button about kemudian sistem menampilkan informasi data

pengembang.

3.3.4.5 Class Diagram

Class Diagram menggambarkan keadaan (atribut/properti) suatu sistem, sekaligus

menawarkan layanan untuk memanipulasi keadaan (metoda/ fungsi). Class

Diagram pada sistem pakar diagnosa malaria disajikan dalam Gambar 3.12.

Gambar 3.12 Class Diagram Sistem Pakar Diagnosa Malaria

Class Diagram pada Gambar 3.12 terdapat sembilan kelas yang terdiri dari

diagnosa, rule, metode, jenis metode, penyakit, jenis penyakit, gejala penyakit,

tentang dan bantuan.

39

1. Kelas diagnosa memiliki hubungan kompisisi dengan kelas relasi, yang berarti

bahwa kelas diagnosa tidak dapat berdiri tanpa adanya kelas relasi. Jika kelas

relasi hilang maka kelas diagnosa juga akan menghilang.

2. Kelas rule memiliki kelas turunan yaitu kelas gejala, penyakit dan metode.

3. Kelas metode memiliki hubungan asosiasi dengan kelas jenis metode dan kelas

rule dengan nilai kardinalitas satu. Hal ini berarti setiap metode hanya

memiliki satu rule dan rule dapat memiliki satu atau lebih metode.

4. Kelas jenis metode memiliki hubungan asosiasi dengan kelas metode.

5. Kelas penyakit memiliki hubungan asosiasi dengan kelas jenis penyakit dan

kelas rule dengan nilai kardinalitas satu. Hal ini berarti setiap penyakit hanya

memiliki satu rule dan rule dapat memiliki satu atau lebih penyakit.

6. Kelas gejala penyakit memiliki hubungan asosiasi kelas rule dengan nilai

kardinalitas satu atau lebih. Hal ini berarti setiap gejala penyakit dapat

memiliki satu atau lebih dan sebaliknya.

7. Kelas tentang berdiri sendiri dan tidak memiliki hubungan dengan kelas

lainnya.

8. Kelas bantuan berdiri sendiri dan tidak memiliki hubungan dengan kelas

lainnya.

3.3.5 Perancangan Antarmuka

Perancangan antarmuka bertujuan agar user dapat lebih memahami sistem dalam

penelitian ini, selain itu antarmuka juga merupakan penghubung antara interaksi

user dan sistem. Dalam sistem ini dirancang beberapa antarmuka yang nantinya

akan diakses oleh pengguna yaitu user.

40

3.3.5.1 Perancangan Halaman Splash Screen

Halaman splash screen adalah halaman awal yang muncul secara kilat saat sistem

pertama kali diakses. Splash screen pada sistem ini ditujukkan dalam Gambar

3.13.

Gambar 3.13 Splash screen sistem pakar diagnosa jenis malaria

3.3.5.2 Perancangan Halaman Menu Utama

Halaman menu utama berisi menu menu yang disajikan dalam sistem untuk

pengguna yaitu menu diagnosa, data penyakit, bantuan dan tentang. Perancangan

menu utama ditunjukkan dalam Gambar 3.14.

Splash screen

41

Gambar 3.14 Menu utama Sistem Pakar Diagnosa Jenis Malaria

3.3.5.3 Perancangan Halaman Menu Diagnosa

Gambar 3.15 Halaman Menu Diagnosis Sistem Pakar Diagnosa Jenis Malaria

Halaman menu diagnosa akan ditampilkan ketika user memilih button diagnosis

pada halaman menu utama. Pada halaman menu diagnosis sistem akan

memberikan pertanyaan kepada user untuk dijawab. Jawaban user hanya berupa

pernyataan iya atau tidak dalam bentuk tombol. Perancangan halaman diagnosis

di tunjukkan dalam Gambar 3.15.

menu menu menu

menu menu

Text view

button button

42

3.3.5.4 Perancangan Halaman Hasil Diagnosa

Halaman hasil diagnosa merupakan halaman hasil dari menjawab pertanyaan

menegnai gejala pada halaman menu diagnosa secara keseluruhan. Dalam

halaman hasil diagnosa akan disajikan hasil diagnosa, tingkat akurasi. Halaman

ini dilengkapi dengan button detail yang bila di tekan akan menuju ke halaman

detail penyakit. Perancangan halaman hasil diagnosa ditunjukkan dalam Gambar

3.16.

Gambar 3.16 Halaman Hasil Diagnosa Sistem Pakar Diagnosa Jenis Malaria

3.3.5.5 Perancangan Halaman Menu Jenis Penyakit

Halaman jenis penyakit merupakan halaman yang disajikan setelah user memilih

tombol jenis penyakit pada halaman utama. Halaman jenis penyakit akan

menampilkan jenis – jenis penyakit malaria yang terdapat dalam sistem.

Perancangan halaman jenis penyakit ditunjukkan dalam Gambar 3.17.

Text view

detail

43

Gambar 3.17 halaman Jenis Penyakit Sistem Pakar Diagnosa Jenis Malaria

3.3.5.6 Perancangan Halaman Detail Penyakit

Halaman detail penyakit akan ditampilkan setelah user memilih salah-satu dari

jenis penyakit malaria. Halaman ini berisikan informasi mengenai jenis malaria

yang dipilih oleh user. Perancangan halaman detail penyakit ditunjukkan dalam

Gambar 3.18.

Gambar 3.18 Halaman Detail Penyakit Sistem Pakar Diagnosa Jenis Malaria

Text view

44

3.3.5.7 Perancangan Halaman Petunjuk

Halaman bantuan akan ditampilkan setelah user memilih tombol bantuan pada

menu utama. Halaman ini akan menampilkan list dari menu bantuan dan akan

menampilkan informasi mengenai petunjuk penggunaan sistem setelah user

memilih salah-satu dari list petunjuk. Perancangan halaman bantuan ditunjukkan

dalam Gambar 3.19 dan Gambar 3.20.

Gambar 3.19 Halaman Menu Petunjuk Sistem Pakar Diagnosa Jenis Malaria

Gambar 3.20 Halaman Informasi Petunjuk Sistem Pakar Diagnosa Jenis Malaria

list

list

Text view

45

3.3.5.8 Perancangan Halaman Menu Tentang

Halaman tentang dapat diakses apabila user memilih tombol tentang pada menu

utama. Halaman tentang akan menyajikan informasi tentang pengembang sistem

pakar dan dilengkapi dengan button rate. Perancangan halaman tentang

ditunjukkan dalam Gambar 3.21.

Gambar 3.21 Halaman Tentang Sistem Pakar Diagnosa Jenis Malaria

3.3.6 Implementasi

Tahapan setelah perancangan adalah implementasi yaitu sistem akan mulai

dibangun berasarkan rancangan yang telah dibuat dengan menggunakan bahasa

pemerograman java dan database mysql dengan menerapkan metode inferensi

forward chaining.

3.3.7 Pengujian

Setelah tahap implementasi selesai maka dilakukan pengujian yaitu pengujian

internal dan eksternal. Pengujian ini bertujuan agar saat sistem telah digunakan

oleh masyarakat dapat menghasilkan informasi yang akurat.

Text view

rate

46

3.3.7.1 Pengujian Internal

Pengujian internal merupakan pengujian yang dilakukan oleh peneliti untuk

menguji fungsional sistem serta kepakaran dari sistem dalam menentukan jenis

malaria berdasarkan fakta – fakta yang diberikan.

3.3.7.1.1 Pengujian Fungsional

Pengujian fungsional dilakukan menggunakan metode black box Equivalence

Partitioning (EP). Pengujian dengan menggunakan metode ini akan membagi

domain masukan (input) ke dalam kelas-kelas sehingga test case pada aplikasi

dapat diperoleh. Pengujian ini dilakukan dengan cara membagi kelas uji seperti

pengujian versi android, resolusi layar dan densitas layar, pengujian user

interface, dan pengujian fungsi dan menu aplikasi.

a. Pengujian Versi Android

Pengujian ini dilakukan untuk menguji apakah aplikasi dapat berjalan dengan baik

dalam semua versi android yang diujikan. Pengujian versi android dapat dilihat

pada tabel 3.1.

Tabel 3.1 Pengujian Versi Android

No Kelas Uji Daftar Pengujian Skenario Uji Hasil yangDiharapkan

1 VersiAndroid

PengujianKompabilitas versiOperating System(OS) android

Pengujian padaandroid versi 4.1(Jelly Bean)

Kompatibel denganandroid versi 4.1(Jelly Bean)

47

Lanjutan Tabel 3.1 Pengujian Versi Android


1 VersiAndroid

PengujianKompabilitas versiOperating System(OS) android

Pengujian padaandroid versi 4.4(KitKat)

Kompatibel denganandroid versi 4.4(KitKat)

Pengujian padaandroid versi 5.0(Lollipop)

Kompatibel denganandroid versi 5.0(Lollipop)

Pengujian padaandroid versi 6.0(Marshmallow)

Kompatibel denganandroid versi 6.0(Marshmallow)

b. Pengujian Resolusi Layar dan Densitas Layar

Pengujian ini dilakukan untuk mengetahui apakah tampilan aplikasi terlihat baik

dan sesuai dengan resolusi android yang diujikan. Pengujian resolusi layar dan

densitas layar dapat dilihat pada Tabel 3.2.

Tabel 3.2 Pengujian Resolusi Layar dan Densitas Layar


1 VersiAndroid

Resolusi Layar danDensitas Layar

Pengujian padaandroid denganresolusi 4,5 inch

Tampilan sesuaidan proporsionaldengan resolusi4,5 inch





48

Lanjutan Tabel 3.2 Pengujian Resolusi Layar dan Densitas Layar


1 VersiAndroid

Resolusi Layar danDensitas Layar



c. Pengujian User Interface

Pengujian ini bertujuan untuk mengetahui apakah aplikasi memilki tampilan yang

baik dan user friendly terhadap pengguna. Pengujian user intrface dapat dilihat

pada Tabel 3.3.

Tabel 3.3 Pengujian user Interface

No Kelas Uji DaftarPengujian

Skenario Uji Hasil yangDiharapkan

1 UserInterface

Pengujian padaicon IdentifikasiMalaria

Klik iconIdentifikasimalaria padaperangkat android

Menampilkansplash screen dandiikuti halamaninfo kemudianhalaman utama

Pengujian padaHalaman utamaaplikasiPenentuan JenisMalaria

Pilih menuDiagnosis

Menampilkanhalaman menuDiagnosis

Pilih menu DataPenyakit

Menampilkanhalaman menuData Penyakit

Pilih menuPetunjuk

Menampilkanhalaman menubantuan dengan 2tombol didalamnya

49

Lanjutan Tabel 3.3 Pengujian user friendly



Pilih menuTentang

Menampilkanhalaman menutentang dengantombol Rate didalamnya

d. Pengujian dari Fungsi Aplikasi

Pengujian ini bertujuan untuk mengetahui apakah tombol – tombol yang terdapat

dalam aplikasi dapat berjalan dan berfungsi dengan baik. Pengujian dari fungsi

aplikasi dapat dilihat dalam Tabel 3.4.

Tabel 3.4 Pengujian dari Fungsi Aplikasi



1 Fungsi layoutmenuDiagnosis

Pengujian button‘ya’ dalammenjawabpertanyaanmengenai gejala

Klik button ‘ya’ Menampilkanpertanyaanselanjutnya atauhasil diagnosis

Pengujian button‘tidak’ dalammenjawabpertanyaanmengenai gejala

Klik button‘tidak’

Menampilkanpertanyaanselanjutnya atauhasil diagnosis

Pengujianmelihat detailjenis malariayang dialamiuser

Klik button‘detail’

Menampilkaninformasimengenai jenismalaria yangdialami user

50

Lanjutan Tabel 3.4 Pengujian dari Fungsi Aplikasi



2 Fungsi layoutmenu DataPenyakit

Pengujian button‘data penyakit’

Klik button ‘datapenyakit’

Menampilkanhalaman datapenyakit berupalistview datapenyakit

Pengujianmelihatinformasi datapenyakit

Pilih salah satulist nama penyakit

Menampilkanhalamaninformasipenyakit

3 Fungsi layoutmenuPetunjuk

Pengujian button‘petunjuk’

Klik button‘petunjuk’

Menampilkan listpetunjukpenggunaansistem pakar

Pengujianmelihatinformasipetunjuk

Pilih salah-satulist petunjuk

Menampilkanhalamaninformasipenggunaansistem pakar

4 Fungsi layoutmenu Tentang

Pengujianmelihatinformasi tentang

Klik button‘About’

Menampilkaninformasi aplikasi

Klik button ‘RateUs’

Menampilkanaplikasi padahalaman playstore

3.3.7.1.2 Pengujian Kepakaran Sistem

Pengujian ini bertujuan untuk menguji kemampuan sistem pakar mengidentifikasi

jenis malaria terhadap fakta – fakta yang diberikan. Pengujian ini dilakukan

menggunakan metode F-Measure, precission dan recall.

51

3.3.7.2 Pengujian Eksternal

Pengujian eksternal dilakukan menggunakan metode kuisioner. Pengujian ini

bertujuan untuk mengetahui penilaian pengguna terhadap sistem.

3.3.8 Penyusunan Laporan

Setelah pengujian selesai dilakukan, tahapan terakhir adalah penyusunan laporan.

Seluruh data dan hasil pengujian yang telah ditarik kesimpulan akan

didokumentasikan dalam bentuk laporan.

90

V. PENUTUP

5.1 Kesimpulan

Berdasarkan penelitian yang telah dilakukan dapat disimpulkan beberapa hal

sebagai berikut :

1. Telah berhasil dibangun aplikasi ‘Identifikasi Jenis Malaria’ yang dapat

membantu masyarakat untuk mengetahui jenis malaria yang diderita.

2. Sistem pakar yang dibangun dapat memberikan presentase hasil diagnosa

penyakit berdasarkan fakta dan pengetahuan yang telah diberikan.

3. Pesentase menggunakan classic probability dan naive bayes menghasilkan nilai

yang berbeda hal ini dikarenakan dalam prosesnya naive bayes menggunakan

nilai bobot dalam setiap gejala yang muncul serta melihat dari gejala yang

sama antara jenis malaria.

4. Berdasarkan hasil pengujian Equivalence Partitioning, disimpulkan bahwa dari

40 orang total responden, 7 orang kelompok responden pertama dan 15 orang

responden ketiga menunjukkan bahwa penilaian terhadap aplikasi ‘Identifikasi

Jenis Malaria’ tergolong ‘Sangat Baik’ dan 18 orang kelompok responden

kedua tergolong ‘Baik’.

91

5.2 Saran

Adapun saran yang diberikan adalah sebagai berikut :

1. Penambahan data gejala dari setiap jenis malaria.

2. Penyempurnaan desain User Interface (UI) aplikasi.

3. Penyederhanaan bahasa pada gejala agar lebih mudah dimengerti.

DAFTAR PUSTAKA

Astuti, Indah. P, dkk. 2016. Pengembangan Sistem Pakar Identifikasi AwalPenyakit Kedelai Dengan Pendekatan Naive Bayes Berbasis Android. JurnalPustakawan Indonesia Vol. 14 No. 2.

Azwar, S. 2011. Sikap dan Perilaku Dalam: Sikap Manusia Teori danPengukurannya. Pustaka Pelajar: Yogyakarta.

CDC. 2010. Malaria: Scheme of The Life Cycle. Diunduh dari :http://www.dpd.cdc.gov/dpdx/HTML/Malaria.htm (diakses Oktober 2016).

Departemen Kesehatan Republik Indonesia. 2008. Pedoman PenatalaksaanMalaria Di Indonesia. Depatemen Kesehatan RI. Jakarta.

Desiani dan Arhami, M. 2006. Konsep Kecerdasan Buatan. ANDI. Yogyakarta.

Djarwanto, P. S. 1996. Statistik Induktif. BPFE-UGM. Yogyakarta.

Dinas Kesehatan Kota Bandar Lampung. 2014. Profil Kesehatan Kota BandarLampung 2014. Diunduh dari : http://www.depkes.go.id (diakses November2016).

Fithri, Diana. L. 2013. Sistem Pendeteksian Penyimpangan Tingkah Laku AnakUsia 0 Sampai 3 Tahun Dengan Metode Bayesian. Jurnal SIMETRIS vol. 4no. 1 ISSN: 2252-4983.

Herliana, Asti dan Rasyid, Prima. M. 2016. Sistem Informasi MonitoringPengembangan Software Pada Tahap Development Berbasis Web. JurnalInfotika vol. III no.1.

Indiyawati, Henny dan Surarso, Bayu. 2013. Sistem Pakar Diagnosa PenyakitTelinga Hidung Tenggorok (THT) Dengan Menggunakan Metode InferensiBerbasis Short Message Service (SMS). Jurnal Sistem Informasi Bisnis No1.

Kadir, Abdul. 2003. Pengenalan Sistem Informasi. ANDI. Yogyakarta.

Kasmui, M. Noor, Kusuma, SBW. 2016. Analisis Hubungan Kuantitatif Strukturdan Aktivitas Anti Malaria Senyawa Turunan Quinoxalin. Jurnal MIPA39(1)(2016): 51-56.

Mustaqbal, M. Sidi, Firdaus, Roeri Fajri, Rahmadi, Hendra. 2015. PengujianAplikasi Menggunakan Black Box Testing Boundary Value Analysis (StudiKasus: Aplikasi Prediksi Kelulusan SNMPTN). Jurnal Ilmiah TeknologiInformasi Terapan Volume I No. 3. ISSN : 2407 – 3911.

Permata, Endi, Ariwibowo, Didik dan Maulana, Alief. 2014. Klasifikasi ParasitMalaria Plasmodium Vivax Pada Citra Sel Darah Merah MenggunakanMetode Support Vector Machine One Against All. ISSN : 2302 – 3805.

Putra, T. R. Imansyah. 2011. Malaria Dan Permasalahannya. Jurnal KedokteranSyahkuala Vol. 11 No. 2.

Rachmawati, dkk. 2012. Aplikasi Sistem Pakar Diagnosis Penyakit Asma. ISSN:2302<7339 Vol. 09 No. 08 Sekolah Tinggi Teknologi Garut.

Ramadhani, Purnama, dkk. 2012. Sistem Pakar Diagnosa Infeksi Penyakit TropisBerbasis WEB. Jurnal Teknik Informatika Vol. 1.

Rosnelly, Rika dan Hardjoko, Agus. 2011. Pengembangan Sistem InformasiDiagnosis Penyakit Tropis Menggunakn Algoritma Naive Bayesian.KNS&I11-013.

Sari, Nur Anjas. 2013. Sistem Pakar Mendiagnosa Penyakit Demam BerdarahMenggunakan Metode Certainty Factor. Pelita Informatika Budi DarmaVol. IV No. 3. ISSN: 2301 – 9425

Syamsuddin, Sadly dan Ahyuna. 2014. Sistem Pakar Untuk Diagnosa Penyakityang Disebabkan oleh Nyamuk BerbasisWEB. Jatisi Vol. 1 No. 1. ISSN2407 – 4322.

Triyanto, Sulis dan Fadlili, Abdul. 2014. Sistem Pakar Untuk MendiagnosaPenyakit Kelinci Berbasis Web. Jurnal Sarjana Teknik Informatika Vol. 2No. 1 eISSN 2338-5197.

UNICEF Indonesia. 2013. Morfologi Nyamuk Anopheles. Diunduh darihttp://www.unicef.org/indonesia (diakses pada November 2016).

Wahyudi, Rizki dan Utami, Ema. 2016. Sistem Pakar E-Tourism Pada DinasPariwisata D.I.Y Menggunakan Metode Forward Chaining. Jurnal IlmiahDasi Vol. 17 No. 2. ISSN: 1411-3201.

World Health Organization. 2014. World Health Statistic 2013. France.