SISTEM PAKAR DIAGNOSA PERSALINAN NORMAL DAN BUATAN BERBASIS

ANDROID

Isni Fauzan

SI Teknik Informatika | STMIK EL Rahma Yogyakarta | 2017

Email : nandaorlando63@gmail.com

INTISARI

Sistem pakar diagnosa persalinan normal dan buatan digunakan untuk menganalisis

proses persalinan dengan beberapa gejala. Sistem ini dibuat untuk mempermudah dan

mengenalkan tekhnologi komputer lebih dekat lagi pada tenaga medis pembantu dokter pada

instansi kesehatan khususnya atau masyarakat pada umumnya dalam penanganan dan

penanggulangan diagnosa persalinan. Sistem ini mendukung dan membantu seperti halnya

seorang pakar kandungan untuk mengetahui jenis persalinan yang baik sesuai dengan kondisi

kesehatan ibu dan janin dikarenakan terbatasnya fasilitas konsultasi dari pakar. Sistem ini

menyediakan informasi persalinan, gambaran video persalinan dan gejala – gejala pada fase

sebelum persalinan.

Dari analisa dan perancangan yang telah dilakukan pada Sistem pakar diagnosa

persalinan normal dan buatan ini, implementasinya di buat kedalam bentuk sistem aplikasi

dengan menggunakan bahasa pemrograman android yaitu eclipse,ADT (Android Developer

Tools), SDK, Sqlite dengan bahasa java dan XML menggunakan metode forward chaining.

Sistem ini di buat untuk dapat mampu menggantikan keberadaan seorang pakar

kandungan sehingga mampu memperoleh kesimpulan, keterangan dan solusi sesuai dengan

data (gejala-gejala) yang di masukan. Dengan sistem ini dapat bermanfaat dan menambah

pengetahuan bagi tenaga medis pembantu dokter kandungan khususnya dan pada masyarakat

luas umumnya.

Kata kunci: sistem pakar, basis pengetahuan, mesin inferensi.

EXPERT SYSTEM OF DIAGNOSIS OF VAGINAL BIRTH AND ANDROID-BASED

ARTIFICIAL

Isni Fauzan

SI Informatics Engineering | STMIK EL Rahma Yogyakarta | 2017

Email : nandaorlando63@gmail.com

ABSTRACT

Expert system of diagnosis of vaginal birth and used to analyze labor with few

symptoms. The system was created to simplify and introduce computer technology even

closer on the auxiliary medical personnel health agencies on particular doctors or the public

in General in the diagnosis and countermeasures of handling labor. This system of support

and help as well as a content expert to find out the type of labor is a good fit with the health

condition of the mother and the fetus due to limited on-site consultation of experts. This

system provides information on childbirth, childbirth video description and symptoms –

symptoms in phase before labor.

From the analysis and design of which has been done on the expert system of

diagnosis of vaginal birth and artificial this, implementation, made into the form of the

application system by using the android programming language i.e. eclipse, ADT (Android

Developer Tools), SDK, Sqlite with java and XML using forward chaining.

The system is made to be able to replace the presence of an expert on the content so

that it is able to derive the conclusion, description and solutions in accordance with the data

(symptoms) that are in the input. With this system can be useful and increase knowledge for

medical personnel in particular and the obstetrician helpers on the public generally.

Key words: expert system, knowledge base, inference machine.

1. LATAR BELAKANG

Prosentase jumlah dokter spesialis yang ada khususnya spesialis obstetri dan

ginekologi yang masih terhitung sangat minim membuat banyak instansi pelayanan

kesehatan harus mengatur waktu dan jadwal jaga dokter. Penjadwalan yang dilakukan

tersebut menyebabkan beberapa permasalahan dan kendala, diantaranya yaitu pasien yang

harus menunggu jadwal dokter jaga untuk melakukan konsultasi dan pemberian tindakan

tidak bisa dilakukan karena menunggu keputusan seorang dokter spesialis sehingga

penanganan pasien gawat darurat tidak bisa langsung ditolong.

Demikian halnya yang terjadi pada Rumah Sakit Ibu Bersalin Ummi Khasanah yang

beralamat di Jalan Pemuda Gandekan Bantul, Yogyakarta. Saat ini proses pelayanan rumah

sakit khususnya penanganan persalinan dalam hal tindakan masih tergantung dari dokter

Spesialis Obstetri Ginekologi. Maka untuk membantu mempercepat proses tindakan harus

terdapat sistem yang membantu untuk mengolah kepakaran seorang dokter agar saat

berhalangan hadir sistemlah yang bisa membantu mendiagnosa pemilihan persalinan. Dan

salah satu pemanfaatan perkembangan teknologi yang telah ada adalah kecerdasan buatan

(Artificial Intelligence). Contoh pengaplikasian teknologi informasi di dunia kesehatan adalah

penggunaan sistem pakar.

Sistem pakar adalah sebuah sistem yang berbasis komputer yang menggunakan

pengetahuan, fakta, dan juga teknik penalaran tertentu dalam memecahkan masalah, yang

mana masalah tersebut adalah sebuah masalah yang biasanya dapat dipecahkan oleh seorang

pakar di dalam bidang atau disiplin ilmu tertentu (Kusrini, 2008). Salah satu perangkat

operating system terbaru yaitu android. Dan hadirnya smartpone android membuat

masyarakat modern lebih mudah untuk mendapatkan informasi. Selain itu, mengaplikasikan

sistem pakar ke dalam aplikasi smartphone android memungkinkan setiap individu untuk

menghemat waktu, biaya dan tenaga dalam mendapatkan pelayanan kesehatan terutama

berkaitan dengan persalinan.

1.1. Rumusan Masalah

Berdasarkan paparan latar belakang di atas, belum ada kepakaran tersistem

komputerisasi tentang seorang ahli dokter spesialis obstetri dan ginekologi untuk

mendiagnosa persalinan normal dan buatan berbasis Android.

1.2. Batasan Masalah

Dengan mengacu pada permasalahan yang telah dirumuskan, maka hal-hal yang

berkaitan dengan sistem akan diberi batasan sebagai berikut:

a. Aplikasi dibuat diatas platform Android sehingga dimungkinkan hanya dapat dijalankan

pada smartphone berbasis android.

b. Penelitian ini tidak membahas keamanan database dan keamanan jaringan yang digunakan

untuk kebutuhan aplikasi.

c. Sistem ini memberikan pertanyaan-pertanyaan tentang gejala yang sedang dialami dan

pasien atau pengguna aplikasi hanya menjawab “ya” atau “tidak” saja.

1.3. Tujuan Penelitian

Tujuan dari penelitian ini adalah Merancang dan membangun aplikasi mobile sistem

pakar diagnosa persalinan normal dan buatan yang dapat berjalan di smartpone berbasis

android.

2. LANDASAN TEORI

Sistem pakar (expert system) menurut Arhami (2005) adalah sistem yang berusaha

mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah

seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat

menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan

sistem pakar ini, orang awampun dapat menyelesaikan masalah yang cukup rumit yang

sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Secara umum, sistem pakar

merupakan sistem yang mengadopsi pengetahuan manusia ke dalam komputer sehingga

komputer dapat digunakan untuk menyelesaikan suatu masalah sebagaimana yang

dilakukan oleh seorang pakar.

Desain arsitektur sistem pakar dalam menentukan metode persalinan dapat

dilihat pada gambar berikut :

Gambar 2.1 Arsitektur sistem pakar

2.1 Forward chaining (pelacakan kedepan)

Menurut Arhami (2005) Forward chaining disebut juga penalaran dari bawah ke atas

karena penalaran dari fakta pada level bawah menuju konklusi pada level atas didasarkan

pada fakta. Penalaran dari bawah ke atas dalam suatu sistem pakar dapat disamakan untuk

pemrograman konvensional dari bawah ke atas. Fakta merupakan satuan dasar dari

paradigma berbasis pengetahuan karena mereka tidak dapat diuraikan ke dalam satuan paling

kecil yang mempunyai makna. Seperti ditunjukan pada Gambar 3.2.

Gambar 2.2 Proses forward Chaining (pelacakan kedepan)

2.2 Persalinan

Persalinan adalah proses pengeluaran hasil konsepsi (janin dan plasenta) yang telah

cukup bulan atau dapat hidup diluar kandungan melalui jalan lahir atau melalui jalan lain,

dengan bantuan atau tanpa bantuan (kekuatan sendiri). Proses ini dimulai dengan adanya

kontraksi persalinan sejati, yang ditandai dengan perubahan servik secara progresif dan

diakhiri dengan kelahiran plasenta (Nugraheny, 2010). Metode persalinan yang digunakan.

a. Persalinan Normal

Proses persalinan dengan tindakan normal yaitu suatu proses pengeluaran hasil

konsepsi (janin dan uri) yang telah cukup bulan dan dapat hidup di luar uterus melalui

vagina secara spontan (Manuaba, 1998).

b. Persalinan Vacuum

Proses persalinan dengan tindakan ekstaksi vakum adalah salah satu bentuk metode

persalinan dengan menggunakan bantuan ekstrasi vakum alat cup / penghisap yang

berfungsi untuk menarik bayi keluar dengan lembut (Williams, 21 Ed, hal.552, 2006).

c. Persalinan Forseps

Persalinan ekstraksi forceps (cunam) adalah melahirkan janin dengan menarik janin

menggunakan alat forseps (Williams, 21 Ed, hal.532, 2006). Fungsi forceps

digunakan sebagai ekstraktor, rotator atau keduanya. Secara umum, forceps simpson

digunakan untuk melahirkan janin yang kepalanya mengalami moulage, seperti yang

sering dijumpai oleh wanita nullipara.

d. Persalinan Caesar

Proses persalinan dengan tindakan caesar (sectio caesarea) yaitu suatu proses

melahirkan dengan mengeluarkan janin melalui insisi dinding abdomen dan dinding

rahim (Williams, 21 Ed, hal.592, 2006).

3 PERANCANGAN SISTEM

UML (Unified Modeling Language) aplikasi pembelajaran servis printer inkjet ini

menjelaskan dan menggambarkan proses analisis dan desain berorientasi objek.

3.1 Use Case Diagram

Use Case Diagram adalah penjelasan mengenai siapa yang berinteraksi dengan sistem

dan bagaimana sistem itu berjalan. Komponen utama use case modeling ini adalah Actor dan

Use Case itu sendiri. Use case diagram aplikasi pemilihan persalinan dapat dilihat pada

gambar 4.8.

Gambar 4.8. Use Case Diagram

Gambar 4.8. Use Case Diagram diatas terdapat hubungan user atau aktor dengan

beberapa use case yaitu.

a. Pustaka

p.normal (persalinan normal), p.sesar (persalinan caesar), p.vacuum (persalinan vacuum),

p.forseps (persalinan forseps).

b. Video persalinan

vp.normal (video persalinan normal), vp.sesar (video persalinan caesar), vp.vacuum

(video persalinan vacuum), vp.forseps (video persalinan forseps)

c. Diagnosa persalinan

1) Persalinan normal gejalanya: F001, F002, F003, F004, F005.

2) Persalinan caesar gejalanya: F006, F007, F008, F009, F010, F011.

3) Persalinan vacuum gejalanya: F006, F008, F009, F011, F012, F013, F014.

4) Persalinan forseps gejalanya: F015, F016, F017, F018, F019, F020, F021.

3.2 Basis Pengetahuan (Knowledge Base) dan Basis Aturan (Rule Base)

Basis pengetahuan yang digunakan dalam program ini adalah tentang fakta gejala,

dan solusi persalinan. Jumlah gejala yang diolah dalam sistem pakar diagnosa pemilihan

persalinan ini adalah 4 macam diagnosa persalinan. Fakta-fakta tersebut dapat di lihat pada

Tabel 4.1 dan Tabel 4.2 berikut ini.

Dari basis pengetahuan yang ada diatas yang telah dikelompok-kelompkkan kemudian

sebagai input dalam memberikan analisis diagnosa persalinan maka dibuatlah basis aturan

(rule base).

a. Aturan 1 atau Rule 1

IF Jalan lahir atau ukuran panggul ibu normal (F001)

AND Presentasi janin letak kepala (F002)

AND Keadaan umum ibu normal (F003)

AND Tidak ada penyulit di jalan lahir (F004)

AND Denyut jantung janin normal (F005)

THEN Persalinan Spontan (P001)

b. Aturan 2 atau Rule 2

IF Ibu kelelahan (kehabisan tenaga/ exhaused mother) (F006)

AND Ibu mengalami kala II memanjang (F007)

AND Ibu mengalami toksemia gravidarum ringan (F008)

AND Ibu ada riwayat penyakit jantung/ TBC/ dan asma bronkial ringan, dll

(pada ibu yang tidak boleh mengejan lama) (F009)

AND Pembukaan serviks sudah lengkap (F010)

AND Ibu mengalami ruptur uteri imminems (F011)

THEN Persalinan Vacuum (P002)

c. Aturan 3 atau Rule 3

IF Ibu kelelahan (kehabisan tenaga/ exhaused mother) (F006)

AND Ibu mengalami toksemia gravidarum ringan (F008)

AND Ibu ada riwayat penyakit jantung / TBC / asma bronkial – ringan, dll

(pada ibu yang tidak boleh mengejan lama) (F009)

AND Ibu mengalami ruptur uteri iminnems (F011)

AND Partus tidak maju (F012)

AND Ada pengeluaran meconium bayi (F013)

AND Terdapat indikasi pinard (F014)

THEN Persalinan Forseps (P003)

d. Aturan 4 atau Rule 4

IF Persalinan sebelumnya dilakukan dengan sectio caesarea lebih dari satu

kali atau satu kali dengan jarak kehamilan dekat (F015)

AND Ada penyulit persalinan normal misalnya pada ibu yang mengalami

perdarahan antepartum seperti pada plasenta previa atau solutio

plasenta (F016)

AND Ibu mengalami toksemia gravidarum berat (F017)

AND Ibu ada riwayat penyakit jantung / TBC/ asma bronkial berat (F018)

AND Ibu ada riwayat diabetes (F019)

AND Ibu telah dibantu dengan persalinan forseps atau vakum tapi belum

berhasil (F020)

AND Ibu mengalami infeksi virus herpes kelamin (F021)

Persalinan Caesar (P004)

3.3 Activity Diagram

Activity diagram dibuat untuk menjelaskan secara rinci aliran-aliran keja untuk setiap

use case. Dengan Activity diagram akan lebih memudahkan dalam mengkomunikasikan

langkah-langkah dalam aliran kejadian pada Aplikasi sistem pakar diagnosa persalinan

Berbasis Mobile Android di Akademi Kebidanan Ummi Khassanah Bantul Yogyakarta.

a. Activity Diagram Menu Pustaka

Pada gambar 4.9 dibawah merupakan activity diagram menu pustaka pada sistem pakar

diagnosa persalinan. Yang menjelaskan proses yang berlangsung saat user menekan tombol

pustaka pada menu utama. Selanjutnya sistem akan merespon dengan menampilkan list

pustaka. Dalam list pustaka terdapat empat menu yaitu bagian persalinan normal, persalinan

sesar, persalinan vacuum, dan persalinan forseps.

Gambar 4.1 Activity diagram menu pustaka

b. Activity diagram menu video persalinan

Pada gambar 4.10 merupakan activity diagram menu video persalinan yang terdapat pada

sistem pakar diagnosa persalinan. Yang menjelaskan proses yang berlangsung saat user

menekan tombol video persalinan pada menu utama. Selanjutnya sistem akan merespon

dengan menampilkan list video. Dalam list video terdapat empat menu yaitu video persalinan

normal, persalinan sesar, persalinan vacuum, dan video persalinan forseps.

Gambar 4.10 menu video persalinan

c. Activity diagram menu diagnosa persalinan

Pada gambar 4.11 berikut ini merupakan activity diagram menu diagnosa persalinan

yang terdapat pada sistem pakar diagnosa persalinan. Yang menjelaskan proses user menekan

tombol diagnosa persalinan pada menu utama. Selanjutnya sistem akan merespon dengan

menampilkan list pertanyaan gejala persallnan yang dirasakan pasien. Dalam list diagnosa

terdapat empat menu yaitu tombol “ya” atau “tidak” diikuti tombol “lanjut” atau memilih

“kembali”, sistem akan memproses jawaban dan mencari diagnosa lain sesuai dengan

runtutan gejala yang di alami, sampai didapat hasil diagnosa yang sesuai dengan gejala yang

dirasakan bisa merujuk ke persalinan normal, persalinan sesar, persalinan vacuum, maupun

persalinan forseps.

Gambar 4.11 activity diagram menu diagnosa persalinan

d. Activity diagram menu petunjuk pemakaian

Pada gambar 4.12 merupakan activity diagram menu petunjuk pemakaian yang terdapat

pada sistem pakar diagnosa persalinan.

Gambar 4.12. Activity diagram menu petunjuk pemakaian

Gambar 4.12 menjelaskan proses pada menu petunjuk pemakaian. Saat user menekan

tombol petunjuk pemakaian maka sistem akan menampilkan informasi petunjuk penggunaan

aplikasi sistem pakar persalinan ini.

e. Activity diagram menu tentang aplikasi

Pada gambar 4.13 merupakan activity diagram menu tentang yang terdapat pada sistem

pakar diagnosa persalinan. Yang menjelaskan proses pada menu tentang. Saat user menekan

tombol tentang maka sistem akan menampilkan informasi tentang aplikasi sistem pakar

persalinan ini.

Gambar 4.13 Activity diagram menu tentang

f. Activity diagram menu keluar

Pada gambar 4.14 merupakan activity diagram menu keluar yang terdapat pada sistem

pakar diagnosa persalinan.

Gambar 4.14 Activity diagram menu keluar

Gambar 4.14 menjelaskan tentang proses pada menu keluar. Saat user menekan

tombol keluar maka sistem akan menampilkan pilihan apakah akan benar-benar keluar dari

aplikasi atau tidak.

3.4 Class Diagram

Class diagram adalah diagram yang digunakan untuk menampilkan beberapa kelas

serta paket-paket yang ada dalam sistem atau perangkat lunak yang sedang dikembangkan

dan memberikan gambaran atau diagram statis tentang sistem atau perangkat lunak dan

relasi-relasi yang ada di dalamnya. Seperti terlihat pada gambar 4.15 class diagram persalinan

normal dan buatan di bawah ini.

Gambar 4.15. Activity diagram persalinan normal dan buatan

Gambar 4.15 diatas menjelaskan class-class dan relasi yang terdapat dalam aplikasi

sistem pakar persalinan yaitu class menu activity,splash, pustaka, video persalinan, diagnosa

persalinan, petunjuk pemakaian, tentang, dan keluar yang direlasikan satu sama lainnya.

Untuk inisial P.Normal, P.Sesar, P.Vacuum, dan P.Forseps adalah sub class yang

terdapat pada class pustaka. Inisial PV.Normal, PV.Sesar, PV.Vacuum, dan PV.Forseps

merupakan sub kelas dari class Video Persalinan. Selanjutnya inisial DP.Normal (F001,

F002, F003,F004, F005), DP.Sesar(F006, F007, F008, F009, F010, F011), DP.Vacuum

(F006, F008, F009, F011, F012, F013, F014), DP.Forseps (F015, F016, F017, F018, F019,

F020, F021) merupakan sub class dari class Diagnosa persalinan.

3.4 Squence Diagram

Squence diagram menjelaskan bagaimana entitas dalam sistem berinteraksi, termasuk

pesan yang digunakan saat interaksi. Semua pesan dideskripsikan dalam urutan. Squence

diagram berhubungan erat dengan Use Case, seperti gambar 4.16 berikut.

4 HASIL PENELITIAN DAN PEMBAHASAN

Berdasarkan hasil dari perancangan sistem yang dilakukan pada bab sebelumnya,

maka langkah selanjutnya menuju tahap implementasi program. Implementasi merupakan

suatu tahapan dimana sebuah sistem telah siap untuk diterapkan pada keadaan yang

sebenarnya.

Gambar 5.7 Menu utama Gambar 5.8 Menu Pustaka Gambar 5.15 Video persalinan

Gambar 5.16 Pertanyaan Diagnosa Persalinan

Gambar 5.17 Hasil Diagnosa Persalinan

Gambar 5.18 Petunjuk pemakaian

Gambar 5.19 Tentang aplikasi Gambar 5.20 Menu Keluar

5 KESIMPULAN

Dari hasil penelitian Sistem Pakar Diagnosa Persalinan Normal Dan Buatan Berbasis

Android menggunakan metode Forward Chaining maka dapat diambil kesimpulan bahwa

sistem pakar ini dapat membantu memberi pengetahuan kepada masyarakat terutama dalam

mengenali berbagai macam diagnosa persalinan dengan beberapa gejala menjelang

persalinan. Basis pengetahuan yang digunakan dalam program ini adalah tentang fakta gejala,

dan solusi. Jumlah gejala yang diolah dalam sistem pakar diagnosa persalinan normal dan

buatan ini adalah 21gejala dengan merujuk 4 diagnosa.

6 SARAN

Dalam penelitian ini ada kelemahan dan kekurangan diantaranya sistem pakar ini

admin tidak bisa melihat laporan konsultasi yang dilakukan user sehingga masa yang akan

datang dapat dikembangkan lagi, dan memperbanyak gejala diagnosa persalinan karena itu

disarankan untuk penelitian selanjutnya dapat dikembangkan lagi menjadi lebih baik lagi.

7 DAFTAR PUSTAKA

Andriani, R., dan Prakoso, B. D., 2016. Sistem Pakar Diagnosa Penyakit Hyperopia Dan

Myopia Pada Manusia Berbasis Android Menggunakan Teorema Bayes, J. Seminar

Nasional Teknologi Informasi dan Multimedia, 3, 6, 13-18.

Arhami, 2005. Konsep Dasar Sistem Pakar, Andi, Yogyakarta.

Arifianto, T, 2011. Membuat Interface Aplikasi Android Lebih keren dengan LWUIT, Andi,

Yogyakarta

Chapman V. 2006. Asuhan Kebidanan Persalinan & Kelahiran, Buku Kedokteran EGC,

Jakarta.

Decherney et all, 2007. Current Diagnosis and Treatment Obstetrics and Gynecology,

McGraw Hill, United States of America.

Guyton dan Hall, 2002. Textbook Of Medical Physiology. United States of America.

Hamalik, O., 2001. Kurikulum dan Pembelajaran. Bumi Aksara, Jakarta.

Hartati dan Iswanti, 2008. Sistem Pakar dan Pengembangannya. Graha Ilmu, Yogyakarta.

Kusrini, 2008. Sistem Pakar Teori dan Aplikasi,. Penerbit Andi Offset, Yogyakarta.

Kusumadewi, S., 2003. Artifical Intelligency (Teknik dan Implementasinya). Graha Ilmu,

Yogyakarta.

Koblinsky, M., Matthews, Z., Hussein, J., Mavalankar, D., Mridha, M. K., Anwar,

I., et all. (2006). “Maternal Survival 3 : Going to Scale with Professional Skilled

Care”. International Journal of Public Health and Preventive Medicine. Bangladesh :

Centre for Health and Population Research. (http:// search. Proquest. com/ docview/

872009166/ D576F1A32C254C43PQ/2?acountid=34598#untid=34598, diakses

tanggal 25 Agustus 2017 jam 15.00 WIB).

Manuaba, I.B.G., 1998. Ilmu Kebidanan, Penyakit Kandungan & Keluarga Berencana untuk

Pendidikan Bidan. Buku Kedokteran EGC, Jakarta.

Novtiananda, M. I., Reza M., dan Febriani M., 2014. Sistem Pakar Untuk Diagnosa Gizi

Berbasis Android. J. Jurusan Teknik Informatika, STMIK Palcom Tech, Palembang.

Nugroho, B., 2005. Database Relasional dengan MySql. Penerbit Andi, Yogyakarta.

Nugroho, A. 2005. Analisis dan Perancangan Sistem Informasi dengan Metodologi

Berorientasi Objek. Bandung : Informatika.

Pratiwi, D., 2015. Sistem Pakar Diagnosa Kanker Payudara Menggunakan, Metode Certainty

Factor Berbasis Android, Skripsi, Program Studi Ekstensi Ilmu Komputer, Fakultas

Ilmu Komputer dan Teknologi Informasi, USU, Medan.

Safaat, N., 2014, Pemrograman Aplikasi Mobile Smartphone dan Tablet PC Berbasis

Android Revisi Ke 2, Informatika, Bandung.

Sholiq, 2006. Permodelan Sistem Informasi Berorientasi Obyek dengan UML, Yogyakarta :

Graha. Ilmu.

Sofa, W., 2015. Buku Ajar Asuhan Persalinan Normal, Cetakan ke : 1, Nuha Medika

Sofian, A., 2012. Sinopsis Obstetri. Edisi 3, Jilid 1, Buku Kedokteran EGC, Yogyakarta.

Sofian, A., 2012. Sinopsis Obstetri. Edisi 3, Jilid 2, Buku Kedokteran EGC, Yogyakarta.

Sondakh, J.,2013. Asuhan Kebidanan Persalinan dan Bayi Baru Lahir. Yogyakarta :

Erlangga.

Sulistyawati, A., & Nugraheny, E.,2010. Asuhan Kebidanan pada Ibu Bersalin. Jakarta :

Salemba medika.

Turban, 1995. Decision Support and Expert Systems: Management Support Systems 2nd.

Prentice Hall PTR Upper Saddle River, NJ, USA.

Umam K., 2015. Sistem Pakar Diagnosa Penyakit Paru-Paru Menggunakan Metode Certainty

Factor Berbasis Android, Skripsi, Program Studi Teknik Informatika, FT Universitas

Muria, Kudus.

Williams, B.K. and Sawyer, S.C., 2011. “Using Information Technology: A Practical

Introduction to Computers & Communications. (9th edition)”. New York:

McGraw-Hill.

Wulan R., Lestari M., dan Parwati, S. N. W., 2014. Perancangan Sistem Pakar Penentu

Proses Persalinan Dengan Metode Naive Bayes Pada Kepulauan Di Daerah Terpencil

Penebel Tabanan Bali., J. SENTIKA, 46-51.

Yanto, P., Lidya, L., dan Defit, S., 2014. Sistem Pakar Pemilihan Persalinan Pervaginam Dan

Perabdominal, J. Mahasiswa Pascasarjana Magister Ilmu Komputer, Jurusan

Teknologi Informasi, Universitas Putra Indonesia “YPTK”, Padang.