SISTEM PAKAR DIAGNOSA PENYAKIT DIARE PADA BALITA DENGAN METODE NAÏVE BAYES SKRIPSI Diajukan Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Strata Satu (S1) pada Program Studi Teknik Informatika Oleh: BAYTIKI KHOERIYAH 311410886 TEKNIK INFORMATIKA SEKOLAH TINGGI TEKNOLOGI PELITA BANGSA BEKASI 2018
91
Embed
SISTEM PAKAR DIAGNOSA PENYAKIT DIARE PADA BALITA …
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
SISTEM PAKAR DIAGNOSA PENYAKIT DIARE PADA BALITA
DENGAN METODE NAÏVE BAYES
SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Menyelesaikan
Program Strata Satu (S1) pada Program Studi Teknik Informatika
Oleh:
BAYTIKI KHOERIYAH
311410886
TEKNIK INFORMATIKA
SEKOLAH TINGGI TEKNOLOGI PELITA BANGSA
BEKASI
2018
SISTEM PAKAR DIAGNOSA PENYAKIT DIARE PADA BALITA
DENGAN METODE NAÏVE BAYES
SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Menyelesaikan
Program Strata Satu (S1) pada Program Studi Teknik Informatika
Oleh:
BAYTIKI KHOERIYAH
311410886
TEKNIK INFORMATIKA
SEKOLAH TINGGI TEKNOLOGI PELITA BANGSA
BEKASI
2018
i
ii
iii
iv
KATA PENGANTAR
Puji syukur penulis panjatkan ke hadiran Allah SWT. yang telah melimpahkan
segala rahmat dan hidayah-Nya, sehingga tersusunlah Skripsi yang berjudul
“SISTEM PAKAR DIAGNOSA PENYAKIT DIARE PADA BALITA DENGAN
METODE NAÏVE BAYES”.
Skripsi tersusun dalam rangka melengkapi salah satu persyaratan dalam
rangka menempuh ujian akhir untuk memperoleh gelar Sarjana Komputer
(S.Kom.) pada Program Studi Teknik Informatika di Sekolah Tinggi Teknologi
Pelita Bangsa.
Penulis sungguh sangat menyadari, bahwa penulisan Skripsi ini tidak akan
terwujud tanpa adanya dukungan dan bantuan dari berbagai pihak. Sudah
selayaknya, dalam kesempatan ini penulis menghaturkan penghargaan dan ucapan
terima kasih yang sebesar-besarnya kepada:
a. Bapak Dr. Ir. Suprianto, M.P selaku Ketua STT Pelita Bangsa
b. Bapak Aswan Supriyadi Sunge, S.E, M.Kom., selaku Ketua Program Studi
Teknik Informatika Sekolah Tinggi Teknologi Pelita Bangsa
c. Bapak Suherman, M.Kom., selaku Dosen Pembimbing I dan Bapak Nurhadi.,
S.Kom., M.Kom selaku Dosen Pembimbing II, yang telah banyak
memberikan arahan dan bimbingan kepada penulis dalam penyusunan Skripsi
ini.
d. Seluruh Dosen STT Pelita Bangsa yang telah membekali penulis dengan
wawasan dan ilmu di bidang teknik informatika.
e. Seluruh staf STT Pelita Bangsa yang telah memberikan pelayanan terbaiknya
kepada penulis selama perjalanan studi jenjang Strata 1.
f. Rekan-rekan mahasiswa STT Pelita Bangsa, khususnya angkatan 2014, yang
telah banyak memberikan inspirasi dan semangat kepada penulis untuk dapat
menyelesaikan studi jenjang Strata 1.
g. Ibu dan Ayah tercinta yang senantiasa mendo’akan dan memberikan semangat
dalam perjalanan studi Strata 1 maupun dalam kehidupan penulis.
v
h. Terimakasih juga kepada Muhammad Hilaludin Al-Fathan dan Sahroni
Sahlan. yang telah memberikan semangat dan motivasi kepada penulis selama
ini.
i. Semua pihak yang telah menbantu penulis dalam menyelesaikan Skripsi.
Akhir kata, penulis mohon maaf atas kekeliruan dan kesalahan yang
terdapat dalam Skripsi ini dan berharap semoga Skripsi ini dapat memberikan
manfaat bagi khasanah pengetahuan Teknologi Informasi di lingkungan STT
Pelita Bangsa khususnya dan Indonesia pada umumnya.
Bekasi, 30 Oktober 2018
Baytiki Khoeriyah
vi
DAFTAR ISI
P ERSETUJUAN .................................................. Error! Bookmark not defined.
PENGESAHAN .................................................... Error! Bookmark not defined.
PERNYATAAN KEASLIAN PENELITIAN .... Error! Bookmark not defined.
KATA PENGANTAR .......................................................................................... iv
DAFTAR ISI ....................................................................................................... ..vi
DAFTAR TABEL ................................................................................................. x
DAFTAR GAMBAR ............................................................................................ xi
ABSTRACT ......................................................................................................... xii
ABSTRAK .......................................................................................................... xiii
BAB I PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang ............................................................................................ 1
1.2 Identifikasi Masalah Dan Pembatasan Masalah........... ............................ ...3
1.2.1 Identifikasi Masalah ...................................................................... 3
dapat dengan mudah membuat dan mengolah suatu website, entah itu website
personal maupun perusahaan. Keberadaan XAMPP ini sangat membantu, terlebih
software ini berlisensi GNU dan dapat anda download secara gratis.
2. Notepad++
Notepad++ adalah program aplikasi pengembang yang berguna untuk
mengedit teks dan skrip kode pemrograman.
3. Web Browser
Google Chrome Google Chrome atau disingkat Chrome adalah web
browser freeware yang dirancang dan dikembangkan oleh Google Inc.
4.PHP
PHP adalah bahasa pemrograman berbasis web. Bahasa ini
mempunyai kelebihan yaitu kompabilitasnya dengan berbagai macam jenis
database, dukungan dengan berbagai macam jenis sistem operasi. PHP lebih
cocok dan umum digunakan jika digabungkan dengan database MySQL.
MySQL dengan PHP seakan-akan dua hal yang tidak dapat dipisahkan.
Tentunya untuk dapat menggunakan keduanya dibutuhka tingkat kemampuan
programming tertentu.
5. MySQL
MySQL merupakan RDBMS (Relational Data Base Management
Sistem). MySQL didistribusikan secara open source dan gratis mulai tahun
1996,tetapi mempunyai sejarah pengembangan sejak tahun 1979. Database
MySQL adalah database yang sangat powerfull, stabil, mudah. MySQL sangat
banyak dipakai dalam sistem database web dengan menggunakan PHP.
37
seperti sistem database SQL (Structured Query Language) yang lain, MySQL
juga dilengkapi dengan perintah-perintah dan sintaks-sintaks SQL, dengan
keunggulan sebagai berikut.
a. Konsep database MySQL berkecepatan tinggi tentang sistem
penyajian data.
b. Harga yang relatif murah, karena ada yang dapat diperoleh
secara gratis.
c. Sintaks bahasanya menggunakan perintah yang sederhana.
d. Dapat bekerja dalam beberapa system operasi seperti Windows,
Linux, MacOs, Unix (Solaris, AIX, dan DEC Unix), FreeBSD,
OS/2, Irix.
e. Dukungan penggunaan banyak tersedia. (Swastika, 2006).
Gambar 2.2. Logo MySql
BAB III
METODE PENELITIAN
3.1 Tempat Dan Waktu Penelitian
Penelitian dilakukan di Rumah Asri Medika Cikarang dengan narasumber
Bidan Lulu Azhari, selaku bidan praktek di Rumah Sakit Asri Medika Cikarang.
Yang dibutuhkan dalam proses wawancara yaitu 1 hari.
3.2 Sumber Data
Penulis menggunakan sumber data untuk mendukung penelitian dalam
menyelesaikan Tugas Akhir. Sumber datanya meliputi data primer dan data
sekunder. Nur Indriantoro dan supomo (2009) mengemukakan definisi dan
contoh data yang di ambil dari objek penelitian yaitu :
a. Data Primer
Data primer merupakan data yang diambil / diperoleh secara langsung dari
sumber asli. Data jenis ini diperoleh dari hasil wawancara
b. Data Sekunder
Data sekunder merupakan data pendukung yang sumbernya diperoleh
secara tidak langsung atau melalui media perantara (diperoleh dan dicatat oleh
pihak lain). Data sekunder dapat berupa bukti, catatan atau laporan historis
yang di publikasikan dan yang tidak di publikasikan. Adapun data sekunder yang
diambil dalam penelitian ini adalah data yang berupa faktaa yang berhubungan
dengan gejala dan penyakit Diare pada balita.
40
3.3 Perangkat Keras dan Perangkat Lunak Pendukung
1. Perangkat Keras
Laptop ASUS K43U
Processor AMD Dual Core E450
RAM 2048 MB
2. Perangkat Lunak
Sistem operasi Windows 7 Ultimate 64 Bit
Xampp V3.2.2 dan Notepade++
3.4 Metode Pengumpulan data
Metode Pengumpulan data dalam penelitian ini dilakukan guna
memperoleh data-data untuk dianalisa dan diolah, sehingga ditemukan
permasalahan apa saja yang ada dan diharapkan dari penelitian ini dapat
menghasilkan jalan keluar atau penyelesaian dari permasalahan tersebut. Dalam
proses pengumpulan data ada tiga cara yang biasa dilakukan, yaitu :
3.4.1 Wawancara
Suatu metode akuisisi yang sering digunakan dengan melibatkan
pembicaraan dengan pakar secara langsung dalam mengadakan teknik
pengumpulan data dengan cara mengajukan beberapa pertanyaan langsung
kepada orang yang mempunyai kapasitas dan informasi tentang ikan nila merah
untuk pelaksanaan penelitian.
41
3.4.2 Studi pustaka
Studi kepustakaan merupakan langkah-langkah dalam mencari sumber
data sekunder yang akan mendukung penelitian dan untuk mengetahui
sampai mana ilmu yang berhubungan dengan penelitian itu telah berkembang,
sampai mana terdapat kesimpulan yang pernah dibuat pada jurnal, buku-buku,
makalah-makalah, situs internet, dan lain-lain.
3.4.3 Studi literatur
Adalah Serangkaian kegiatan yang berkenaan dengan metode pengumpulan
data pustaka, membaca dan mencatat serta mengolah bahan penelitian.
3.5 Tahapan Penelitian
Tahapan penelitian yang dilakukan dalam penelitian ini ada pada gambar
3.1 di bawah ini :
Gambar 3.1 Tahapan Penelitian
42
3.5.1 Pengumpulan Data
Tahap pengumpulan data yakni tahap yang dilakukan dengan mempelajari
aspek-aspek dari sumber penelitian dengan cara mewawancarai seorang
narasumber, mempelajari studi pustaka dan studi letiratur dengan cara mencari
jenis-jenis penyakit pencernaan dan gejala-gejala dari prnyakit pencernaan.
Adapun Penyakit Diare pada Balita dan gejala-gejalanya :
Tabel 3.1 Tabel akuisisi Pengetahuan Penyakit diare pada balita
Kode Penyakit Nama Penyakit Gejala PenyakitP1
Diare
-Frekuensi Bab Lebih
Dari 3 Kali.
-Konsistensi Tinja
Cair/Lembek
-Mata Cekung
-Keadaan Turgor
Kembali Sangat
Lambt/Kembali Lambat
-Badan Gelisah/Tidak
Sadar
Setelah Itu Kategori Diagnosis Tersebut Selanjutnya Igunakan Sebagai
Data Input Untuk Program Sistem Pakar. Penjelasan Data Input Perangkat Lunak
Diberikan Sebagai Berikut :
43
1. Atribut Penyakit Diare Pada BalitaTabel 3.2 Atribut Penyakit Diare Pada Balita
Kode Nama Atribut Status AtributA1 Jenis Kelamin DicariA2 Usia DiketahuiA3 Frekuensi Bab DiketahuiA4 Konsistensi Tinja DiketahuiA5 Keadaan Mata DiketahuiA6 Keadaan Turgor DiketahuiA7 Keinginan Untuk Minum DiketahuiA8 Keadaan Umum Diketahui
2. Nilai AtributTabel 3.3 Nilai Atribut
No. Nama Atribut Nilai Atribut1. Jenis Kelmin Laki-Laki2. Jenis Kelamin Perempuan3. Usia Balita <6 Bulan4. Usia Balita 6-11 Bulan6. Usia Balita 12-23 Bulan7. Usia Balita 24-35 Bulan8. Usia Balita 36-47 Bulan9. Usia Balita 48-59 Bulan10. Frekuensi BAB >3 Kali11. Konsistensi Tinja Cair12 Konsistensi Tinja Lembek13 Konsistensi Tinja Padat14. Keadaan Mata Cekung15. Keadaan Mata Tidak Cekung16. Keadaan Turgor Kembali Lambat17. Keadaan Turgor Kembli Sangat Lambat18. Keadaan Turgor Kembali Segera19 Keinginan Minum Malas20. Keinginan Minum Ingin Minum Terus21. Keinginan Minum Normal22. Keadaan Umum Sadar23. Keadaan Umum Gelisah24. Keadaan Umum Tidak Sadar
3.5.2 Perancangan Sistem
44
Merupakan pengambaran, perencanaan dan pembuatan sketsa atau
pengaturan dari beberapa elemen yang terpisah ke dalam satu kesatuan yang utuh
dan berfungsi.
1. Perancangan Basis Data
Basis data merupakan tabel berisi baris jumlah data dan kolom
kriteria diagnosis serta hasil diagnosis dari hasil praproses yang akan
digunakan sebagai data latih. Tabel ini berfungsi untuk menyimpan
informasi berupa kriteria diagnosis penyakit pencernaan. Data latih
tersebut akan diolah pada program sistem pakar untuk diklasifikasikan
dengan metode Naive Bayes Classifier sehingga dihasilkan keluaran
berupa keputusan atau diagnosis adanya dugaan penyakit Diare pada
Balita.
Tabel perancangan basis data yang digunakan ditunjukkan pada
tabel 3.4 Dalam basis data ini menggunakan tipe data varchar.
Tabel 3.4 Perancangan Basis Data
Id_Gejala Gejala Tipe DataG1 Jenis Kelamin Laki-Laki VarcharG2 Jenis Kelamin Perempuan VarcharG3 Usia Balita <6 Bulan VarcharG4 Usia Balita 6-11 Bulan VarcharG6 Usia Balita12-23 Bulan VarcharG7 Usia Balita24-35 Bulan VarcharG8 Usia Balita36-47 Bulan VarcharG9 Usia Balita48-59 Bulan VarcharG10 Frekuensi BAB>3 Kali VarcharG11 Konsistensi Tinja Cair VarcharG12 Konsistensi Tinja Lembek Varchar
45
G13 Konsistensi Tinja Padat VarcharG14 Keadaan MataCekung VarcharG15 Keadaan Mata Tidak Cekung VarcharG16 Keadaan Turgor Kembali Lambat VarcharG17 Keadaan Turgor Kembli Sangat Lambat VarcharG18 Keadaan Turgor Kembali Segera VarcharG19 Keinginan Minum Malas VarcharG20 Keinginan Minum Ingin Minum Terus VarcharG21 Keinginan MinumNormal VarcharG22 Keadaan Umum Sadar VarcharG23 Keadaan Umum Gelisah VarcharG24 Keadaan Umum Tidak Sadar Varchar
2. Perancangan Desain Antar Muka
Perancangan desain antarmuka dilakukan sebagai gambaran
awal terhadap Graphic User Interface (GUI) yang akan digunakan oleh
pengguna. Perancangan Graphic User Interface pada program sistem
pakar sebagai bantu diagnosis ini menggunakan bahasa pemrograman
PHP.
46
Gambar 3.2 Halaman Awal
Gambar 3.3 Halaman Login
47
3.5.3 Analisis Hasil Perhitungan
Perhitungan menggunakan metode Naive Bayes Classifier bertujuan
untuk mengklasifikasikan data uji melalui satu set data latih yang telah ada
sebelumnya sehingga dapat mengetahui hubungan antara fitur data dengan
variabel kelas yang dibentuk melalui probabilitas bagi setiap klasifikasinya
dengan menggunakan asumsi independensi. Berikut ini merupakan tahap
perhitungan menggunakan Naïve Bayes Classifier :
1. Mendefinisikan variabel dan kelas hasil klasifikasi
P(Bi|A) adalah variabel yang mewakili hasil klasifikasi untuk mengetahui
hasil diagnosis penyakit yang diderita orang tersebut. Maka diperlukan
perhitungan untuk mengetahui peluang terjadinya kelas diagnosis Bi jika
diketahui gejala Ai. Nilai Bi adalah hasil kelas diagnosis dan Ai adalah
gejala yang akan diperoleh probabilitasnya untuk mendiagnosis waspada
penyakit pencernaan
2. Perhitungan Probabilitas Prior
Perhitungan Probabilitas prior dengan cara menghitung peluang
munculnya suatu kelas Bi. Probabilitas prior diperoleh dengan cara
perhitungan munculnya suatu kelas dari data latih dibandingkan dengan jumlah
total data latih. Perhitungan probabilitas prior untuk kemungkinan kelas Bi
berdasarkan persamaan berikut :
P(Bi) : Probabilitas prior kemungkinan kelas Bi terjadi.
Bi : Kelas diagnosis yaitu waspada preeklamsia ringan dan penyakit pencernaan
48
B: Merupakan total jumlah data pada basis data latih.
3. Perhitungan probabilitas posterior
Perhitungan probabilitas posterior merupakan peluang kemunculan suatu
hipotesis benar untuk sampel data A yang diamati menggunakan persamaan
dasar Naïve Bayes yang ditunjukkan pada persamaan dibawah ini :
(�|) = P(A|B)P(B)�(�)
Atau dapat juga ditulis sebagai
Perhitungan P(A|B) yang merupakan probabilitas kemunculan masing- masing
fitur gejala input yang mempengaruhi munculnya kejadian B1 atau diagnosis
waspada penyakit pencernaan menggunakan persamaan berikut:
4. Perhitungan kejadian kelas diagnosis
Perhitungan menggunakan persamaan lanjutan Naïve Bayes Classifier.
Menggunakan asumsi independensi yang sangat tinggi seperti yang diperlihatkan
pada persamaan di bawah:
Sehingga penjabaran untuk setiap kemungkinan perhitungan P(A|Bi) sebagai
berikut:
1) Mencari P(A|Bi) sebagai hasil kemungkinan kelas diagnosis Penyakit
Perhitungan probabilitas masing-masing kriteria dilakukan dalam masing-
masing kelas diagnosis yaitu nilai P(A|Bi) dihasilkan dari P(Bi|A) pada setiap
kemungkinan. Oleh karena itu perhitungan P(A|Bi).P(Bi) yang digunakan sebagai
hasil keputusan diagnosis adalah perhitungan nilai yang paling maksimum.
BAB 1V
HASIL DAN PEMBAHASAN
4.1 Hasil Pengumpulan Data
Tahap utama dalam penelitian ini adalah pengumpulan data, teknik
pengumpulan data yang digunakan dalam penelitian ini adalah dengan metode
wawancara, studi pustaka dan studi literatur dan diperoleh informasi berupa
penyakit Diare Pada Blita dan gejala-gejalanya seperti pada tabel 4.1 dan tabel
4.2 berikut ini :
Tabel 4.1 Gejala Penyakit Diare Pada Balita
Id_Gejala GejalaG1 Jenis Kelamin Laki-LakiG2 Jenis Kelamin PerempuanG3 Usia Balita <6 BulanG4 Usia Balita 6-11 BulanG6 Usia Balita12-23 BulanG7 Usia Balita24-35 BulanG8 Usia Balita36-47 BulanG9 Usia Balita48-59 BulanG10 Frekuensi BAB>3 KaliG11 Konsistensi Tinja CairG12 Konsistensi Tinja LembekG13 Konsistensi Tinja PadatG14 Keadaan MataCekungG15 Keadaan Mata Tidak CekungG16 Keadaan Turgor Kembali LambatG17 Keadaan Turgor Kembli Sangat LambatG18 Keadaan Turgor Kembali SegeraG19 Keinginan Minum MalasG20 Keinginan Minum Ingin Minum TerusG21 Keinginan MinumNormalG22 Keadaan Umum SadarG23 Keadaan Umum GelisahG24 Keadaan Umum Tidak Sadar
52
Tabel 4.2 Nilai Atribut
No. Nama Atribut Nilai Atribut1. Jenis Kelmin Laki-Laki2. Jenis Kelamin Perempuan3. Usia Balita <6 Bulan4. Usia Balita 6-11 Bulan6. Usia Balita 12-23 Bulan7. Usia Balita 24-35 Bulan8. Usia Balita 36-47 Bulan9. Usia Balita 48-59 Bulan10. Frekuensi BAB >3 Kali11. Konsistensi Tinja Cair12 Konsistensi Tinja Lembek13 Konsistensi Tinja Padat14. Keadaan Mata Cekung15. Keadaan Mata Tidak Cekung16. Keadaan Turgor Kembali Lambat17. Keadaan Turgor Kembli Sangat Lambat18. Keadaan Turgor Kembali Segera19 Keinginan Minum Malas20. Keinginan Minum Ingin Minum Terus21. Keinginan Minum Normal22. Keadaan Umum Sadar23. Keadaan Umum Gelisah24. Keadaan Umum Tidak Sadar
4.2 Hasil Perancanagan Sistem
4.2.1 Relasi Antar Tabel
Relasi antar tabel adalah hubungan antara tabel yang mempresentasikan
hubungan antara objek di dunia nyata. Berikut Realasi Tabel dalam Sistem Pakar
Diagnosa Penyakit Diare Pada Balita yang ada pada digambar 4.1 dibawah ini :xa
53
Gambar 4.1 Relasi Antar Tabel
4.2.2 Use Case Diagram
Berikut use case diagram hasil dari perancangan sistem pakar diagnosa
penyakit pencernaan seperti pada gambar 4.2 Berikut :
Gambar 4.2 Use Case Diagram Aplikasi Sistem Pakar
54
Tabel 4.3 Definisi Actor
No Actor Deskripsi1. Admin Admin melakukan tugas login dan memanipulasi
( Insert, Update, dan Delete) semua isi content Aplilasi
Sistem Pakar Diagnosa Penyakit Diare Pada Balita2. User User Login dan mencari solusi masalah melalui
Aplikasi Sistem Pakar Diagnosa Penyakit Diare Pada
Balita
Tabel 4.4 Definisi Use Case
No Use Case Deskripsi1. Login Validasi untuk user sistem sebelum masuk
kedalam sistem.2. Menu Sistem Beberapa Menu dari Apliksi Sistem Pakar
Diagnosa Penyakit Diare Pada Balita.
4.2.3 Activity Diagram
Activity Diagram adalah salah satu untuk memodelkan event-event yang
terjadi dalam satu Use Case. Berikut ini Activiy Diagram dari Aplikasi Sistem
Pakar Diagnosa Penyakit Diare Pada Balita :
1. Activity Diagram Aplikasi Sistem Pakar
55
Gambar 4.3 Activity Diagram Sistem Pakar
2. Activity Diagram Login
Gambar 4.4 Activity Diagram Login
Tabel 4.5 Keterangan Activity Diagram Login
56
Name LoginLevel AdminActors AdminGoal Untuk Memasuki Halaman administratorPrecondition Admin belum valid dan belum berhasil masuk ke menu
aplikasi sesuai level loginPostcondition Admin telah valid untuk masuk ke menu aplikasi sesuai
level loginSteps Admin memasukkan username dan password
Admin berhasil masuk login
Amin masuk ke menu sistem
3. Activity Diagram Admin Menu Home
Gambar 4.5 Activity Diagram Admin Menu Home
Tabel 4.6 Keterangan Activity diagram admin menu Home
Name Admin mengelola menu Home pada AplikasiLevel AdminActors AdminGoal Untuk Mengolah menu Home pada aplikasiPrecondition Admin tidak bisa mengakses menu admin dan tidak bisa
57
merubah menu Home pada aplikasiPostconditio
n
Admin dapat mengakses menu halaman admin
Dan memanipulasi menu HomeSteps Admin dapat mengakses menu halaman admin
Admin memelihih menu Home
Admin memanipulasi menu Home
4. Activity Diagram Admin Menu Tentang Penyakit Diare
Gambar 4.6 Activity Diagram Admin Menu Tentang Penyakit Diare
Tabel 4.7 Keterangan Activity Diagram Admin Menu Tentang Diare
Name Admin mengelola menu Tentang Diare pada AplikasiLevel AdminActors AdminGoal Untuk Mengolah menu Tentang Diare pada aplikasiPrecondition Admin tidak bisa mengakses menu admin dan tidak bisa
merubah menu Tentang Diare pada aplikasiPostconditio
n
Admin dapat mengakses menu halaman admin
Dan memanipulasi menu Tentang DiareSteps Admin dapat mengakses menu halaman admin
58
Admin memelihih menu Tentang Diare
Admin memanipulasi menu Tentang Diare
5. Activity Diagram Admin Menu Layanan Kami
Gambar 4.7 Activity Diagram Admin Menu Layanan Kami
Tabel 4.8 Keterangan Activity diagram admin menu Layanan Kami
Name Admin mengelola menu Layanan Kami pada
AplikasiLevel AdminActors AdminGoal Untuk Mengolah menu Layanan Kami pada
aplikasiPrecondition Admin tidak bisa mengakses menu admin dan tidak
bisa merubah menu Layanan Kami pada aplikasiPostconditio
n
Admin dapat mengakses menu halaman admin
Dan memanipulasi menu Layanan KamiSteps Admin dapat mengakses menu halaman admin
Admin memelihih menu Layanan Kami Admin
memanipulasi menu Layanan Kami
59
6. Activity Diagram Admin Menu Tes Gejala
Gambar 4.8 Activity Diagram Admin Menu Tes Gejala
Tabel 4.9 Keterangan Activity diagram admin menu Tes Gejala
Name Admin mengelola menu Tes Gejala pada AplikasiLevel AdminActors AdminGoal Untuk Mengolah menu Tes Gejala pada aplikasiPrecondition Admin tidak bisa mengakses menu admin dan tidak
bisa merubah menu Tes Gejala pada aplikasiPostconditio
n
Admin dapat mengakses menu halaman admin
Dan memanipulasi menu Tes GejalaSteps Admin dapat mengakses menu halaman admin
Admin memelihih menu Tes Gejala Admin
memanipulasi menu Tes Gejala
7. Activity Diagram Admin Menu Metode
60
Gambar 4.9 Activity Diagram Admin Menu Metode
Tabel 4.10 Keterangan Activity Diagram manage Menu Metode
Name Admin mengelola menu Metode pada AplikasiLevel AdminActors AdminGoal Untuk Mengolah menu Metode pada aplikasiPrecondition Admin tidak bisa mengakses menu admin dan tidak
bisa merubah menu metode pada aplikasiPostconditio
n
Admin dapat mengakses menu halaman admin
Dan memanipulasi menu Metode Steps Admin dapat mengakses menu halaman admin
Admin memelihih menu Metode
Admin memanipulasi menu metode
4.2.4 Sequence Diagram
Sequence Diagram adalah diagram yang menggambarkan kolaborasi
dinamis antara sejumlah object, kegunaannya untuk menunjukkan rangkaian
pesan yang dikirim antara object juga interaksi antara object, Sesuatu yang terjadi
pada titik tertentu dalam eksekusi sistem.
61
1. Sequence Diagram Login
Gambar 4.10 Sequence Diagram Admin Login
2 Sequence Diagram Admin Manage Menu Home
62
Gambar 4.11 Sequence Diagram Admin Manage Menu Home
3 Sequence Diagram Admin Manage Menu Tentang Penyakit Diare
Gambar 4.12 Sequence Diagram Admin Manage Menu Tentang Penyakit Diare
4 Sequence Diagram Admin Manage Menu Layanan Kami
63
Gambar 4.13 Sequence Diagram Admin Manage Menu Layanan Kami
5 Sequence Diagram Admin Manage Menu Tes Gejala
Gambar 4.14 Sequence Diagram Admin Manage Menu Tes Gejala
6 Sequence Diagram Admin Manage Menu Metode
64
Gambar 4.15 Sequence Diagram Admin Manage Menu Metode
4.2.5 Class Diagram
Berikut ini Class Diagram dari aplikasi sistem paka diagnosa Penyakit
diare pada balita sebagai berikut :
65
Gambar 4.16 Class Diagram
4.3 Hasil Pembuatan Sistem
4.3.1 Desain antar muka (Interface)
Desain Antar Muka merupakan desain pada computer / aplikasi perangkat
lunak dan situs web yang berfokus pada pengalaman penggunan dan interaksi.
Berikut ini desain antara muka (Interfase) dalam sistem pakar diagnosa penyakit
pencernaan pada balita :
1. Tampilan Halaman Home
66
Gambar 4.17 Tampilan Halaman Home
2.Tampilan Halaman Tentang Diare
Gambar 4.18 Tampilan Halaman Tentang Diare Pada Balita
3. Tampilan Halaman Layanan Kami
67
Gambar 4.19 Tampilan Halaman Layanan Kami
4. Tampilan Halaman Tes Gejala
Gambar 4.20 Tampilan Halaman Tes Gejala
5. Tampilan Halaman Metode
68
Gambar 4.21 Tampilan Halaman Metode
4.4 Analisis Hasil Perhitungan Naïve Bayes
4.4.1 Menghitung Probabilitas Kelas
Tahap pertama perhitungan untuk menentukan diagnosa dengan metode
Naïve Bayes adalah dengan mencari probabilitas dari masing-masing kelas.
Dalam diagnosa akan ditentukan 2 kelas yaitu kelas “ Diare Ya “ “Diare
Tidak”. Cara perhitungannya adalah dengan mencari berapa jumlah data yang
mengalami Diare Ya dan Diare Tidak dari total keseluruhan data training, lalu
membaginya dengan total keseluruhan data.
Tabel 4.11 Probabilitas Kelas
69
KelasDiare Yes Diare NoD”Yes” 11/15 = 0.73 D”No
”
4/15 = 0.27
4.4.2 Menghitung Probabilitas Masing-masing Atribut dan hasilnya
Cara mencari probabilitas suatu atribut adalah dengan membandingkan
atribut dari data testing dengan atribut dari data training. Berapa jumlah atribut
dengan kelas ”Diare Ya” yang berada pada data training, kemudian bagi
dengan probabilitas kelas “Diare Ya”. Begitu juga dengan mencari
probabilitas untuk kelas “Diare Tidak”.
1. Jenis Kelmin (JK)
Tabel 4.12 Atribut Jenis Kelamin (JK)
P = JK “ Laki-Laki | Hasil “Yes” = 5/11 = 0.454P = JK “ Laki-Laki | Hasil “No” = 2/4 = 0.5P = JK “ Perempuan | Hasil “Yes” = 6/11= 0.454 P = JK “ Perempuan | Hasil “No” = 2/4 = 0.5
2.Usia Balita (UB)Tabel 4.13 Atribut Usia Balita (UB)
P = UB “ <6” | Hasil “Yes” = 3/11 = 0.272P = UB “ <6” | Hasil “No” = 0/4 =0P = UB “ 6-11” | Hasil “Yes” = 1/11 = 0.090
70
P = UB “ 6-11” | Hasil “No” = 0/4 = 0P = UB “ 12-23” | Hasil “Yes” = 3/11 = 0.273P = UB “ 12-23” | Hasil “No” = ¼ = 0.25P = UB “ 24-35” | Hasil “Yes” = 1/11 = 0.90P = UB “ 24-35” | Hasil “No” = ¼ = 0.25P = UB “ 36-47” | Hasil “Yes” = 1/11 = 0.090P = UB “36-47” | Hasil “No” = 0/4 = 0P = UB “ 48-59 | Hasil “Yes” = 1/11 = 0.090P = UB “ 48-59” | Hasil “No” = 2/4= 0.5
3.frekunsi BAB (FB)
Tabel 4.14 Atribut Frekuensi BAB (FB)
P= FB “>3” | Hasil “Yes” = 11/11 = 1P= FB “>3” | Hasil “No” = 4/4 =1
P= KU “Sadar” | Hasil “Yes” = 1/11 = 0.090P= KU “Sadar” | Hasil ‘No” = 4/4 = 1P= KU “Tidak Sadar” | Hasil “Yes = 4/11 = 0.363P= KU “Tidak Sadar” | Hasil “No” = 0/4 = 0P= KU “Gelisah” | Hasil “Yes” = 6/11 = 0.545P= KU “Gelisah” | Hasil “No” = 0.090
72
4.4.3 Menghitung Probabilitas Akhir Untuk Setiap Kelas
Untuk menghitung probabilitas akhir pada setiap kelas, perlu
menggunakan data training yang terdapat pada tabel 4. dan mengubahnya
menjadi nilai yang sudah ditentukan pada proses 4.2.2 sesuai dengan atribut
masing-masing. Lalu dari masing-masing atribut dan nilai probabilitas kelas
dikalikan. Dari kedua hasil yang sudah ditentukan pada tiap kelas, bandingkan
nilai yang paling tinggi. Jika kelas “Diare Ya” bernilai paling tinggi maka
hasilnya “Diare Tidak”, begitu pula sebaliknya.
4.4.4 Kasus Perhitungan Naïve Bayes
Untuk memudahkan dalam pemahaman perhitungan Naïve Bayes,
secara manual akan dibuat studi kasus sebagai berikut dengan rulenya berupa data
training (lampiran ) Terdapat balita yang berumur 12-23 dengan data sebagai
berikut :
JK UB FB KT KM KTr KUM KUHasi
lPerempua
n
12-
23
>3 Cair Cekun
g
Kembal
i Sangat
Lambat
Malas
Minu
m
Gelisa
h yes
73
Data Testing X = ( JK = “perempuan”, UB = “12-23”, FB =”>3”, KT = “Cair”,
KM = “Cekung”,KTr= “Kembali sangat lambat”,KUM = “Mala Minum”,
Hasil=”Yes”)
Tahap 1 menghitung jumlah kelas atau prediksi
P(Ci)
P(Diare “Yes”) = 11/15 = 0.73
P(Diare”No”) = 4/15 = 0.27
Tahap 2 menghitung jumlah kasus yang sama dengan kelas yang sama.
P(X | Ci)
P = JK “ Laki-Laki | Hasil “Yes” = 5/11 = 0.454
P = JK “ Laki-Laki | Hasil “No” = 2/4 = 0.5
P = JK “ Perempuan | Hasil “Yes” = 6/11= 0.454
P = JK “ Perempuan | Hasil “No” = 2/4 = 0.5
P = UB “ <6” | Hasil “Yes” = 3/11 = 0.272
P = UB “ <6” | Hasil “No” = 0/4 =0
P = UB “ 6-11” | Hasil “Yes” = 1/11 = 0.090
P = UB “ 6-11” | Hasil “No” = 0/4 = 0
P = UB “ 12-23” | Hasil “Yes” = 3/11 = 0.273
P = UB “ 12-23” | Hasil “No” = ¼ = 0.25
P = UB “ 24-35” | Hasil “Yes” = 1/11 = 0.90
P = UB “ 24-35” | Hasil “No” = ¼ = 0.25
74
P = UB “ 36-47” | Hasil “Yes” = 1/11 = 0.090
P = UB “36-47” | Hasil “No” = 0/4 = 0
P = UB “ 48-59 | Hasil “Yes” = 1/11 = 0.090
P = UB “ 48-59” | Hasil “No” = 2/4= 0.5
P= FB “>3” | Hasil “Yes” = 11/11 = 1
P= FB “>3” | Hasil “No” = 4/4 =1
P = KT “Cair” |Hasil “Yes” = 6/11 = 0.545
P = KT “Cair” |Hasil “No” = 0/4 = 0
P = KT “Lembek” |Hasil “ Yes” = 3/11 = 0.272
P = KT “Lembek” |Hasil “No” =1/4 = 0,25
P = KT “Padat” |Hasil “Yes” = 1/11 = 0.090
P = KT “Padat” |Hasil ”No” = ¾ = 0.75
P= KM “Cekung” | Hasil “Yes” = 9/11 = 0.818
P= KM “Cekung” | Hasil “No” =0/4 = 0
P= KM “Tidak Cekung” | Hasil “Yes” = 1/11 = 0.090
P= KM “Tidak Cekung” | Hasil ”No“ = 5/4 = 1.25
P= KTr “Kembali Sangat Lambat” | Hasil “Yes” = 8/11 = 0.727
P= KTr “Kembali Sangat Lambat” | Hasil “No “ = 0/4 = 0