Post on 03-Apr-2018
Rancang Bangun Aplikasi Diagnosis Penyakit Hepatitis
Menggunakan Certainty Factor
Erista Pramana 1) (07410100359)1) SekolahTinggi Manajemen Informatika dan Komputer Surabaya
Email: s070 359 @si.stikom.edu
Abstract
The World Health Organization (WHO) estimates that more than two billion
people are infected with hepatitis B with a mortality rate of 250 thousand people per
year and 170 million people worldwide suffer from hepatitis C with a death rate of 350
thousand people per year. The number of hepatitis patients in Indonesia is estimated
that as many as 30 million people suffer from chronic hepatitis B and C. Half of it is
thought to have chronic liver disease, with 10 percent of them become cancerous liver.
Applications built will be able to help people with hepatitis in diagnosing and providing
information about the disease hepatitis experienced. Information generated application
form hepatitis outbreak confidence level based on the physical symptoms experienced
were calculated using the Certainty Factor.Based on the evaluation of the test results,
hepatitis disease diagnosis applications using Certainty Factor has been made capable
of diagnosing hepatitis disease experienced by patients and give certainty to the illness
as well as generate data that contains the results of diagnosis and disease therapy diet
meal plan that can help the user provide solutions to the disease suffered hepatitis.
Keywords: WHO, Hepatitis, Certainty Factor, Evident, Diagnosis
Penyakit Hepatitis adalah penyakit yang
disebabkan oleh beberapa jenis virus
yang menyerang dan menyebabkan
peradangan serta merusak sel-sel organ
hati manusia. Hati merupakan organ
tubuh manusia yang sangat penting
yang memiliki fungsi sebagai saringan
atas setiap masuknya partikel berbahaya
yang masuk ke tubuh seseorang.
Seseorang apabila mengidap penyakit
tersebut maka tidak ada lagi bagian
tubuhnya yang dapat menangkal
partikel berbahaya atau racun kedalam
tubuh sehingga dapat menimbulkan
resiko kematian. Virus hepatitis ini
1
memiliki tingkat keganasan yang lebih
besar daripada virus berbahaya lainnya
termasuk HIV Aids (Green,2005).
Badan Kesehatan Dunia (WHO)
memperkirakan lebih dari dua miliar
penduduk dunia terinfeksi hepatitis B
dengan angka kematian 250 ribu orang
per tahun dan 170 juta penduduk dunia
mengidap hepatitis C dengan tingkat
kematian 350 ribu orang per tahun.
Jumlah penderita hepatitis di Indonesia
diperkirakan sebanyak 30 juta orang
yang mengidap penyakit hepatitis B dan
C. Setengah dari jumlah itu diduga
memiliki penyakit liver kronis, dengan
10 persen di antaranya menjadi kanker
liver (Fauzy,2011).
Saat ini, penderita Hepatitis sering
mengalami keterlambatan penanganan
medis. Hal ini disebabkan oleh
keterbatasan waktu untuk melakukan
konsultasi ke dokter dan gejala yang
nampak pada penyakit ini mirip dengan
penyakit biasa sering diabaikan oleh
sebagian besar orang. Sehingga, sering
dijumpai penyakit ini sudah pada
kondisi kronis yang menyebabkan
kematian karena sudah mencapai tahap
akut dan sulit untuk disembuhkan.
Kebutuhan informasi yang cepat dan
tepat dari seorang pakar kesehatan atau
dokter spesialis penyakit dalam
sangatlah dibutuhkan, hal inilah yang
mendorong pembangunan aplikasi
diagnosa Hepatitis untuk diwujudkan.
Penanganan solusi kesehatan Hepatitis
akan sangat membantu terutama dalam
hal mendiagnosis, menentukan jenis
hepatitis yang diderita dan terapi yang
dibutuhkan.
Dalam penerapan teknologi Artificial
Intelligence ada beberapa aturan yang
sering digunakan, salah satunya adalah
Certainty Factor. Certainty Factor
merupakan perhitungan tingkat
kepastian terhadap kesimpulan yang
diperoleh yang dihitung berdasarkan
nilai probabilitas penyakit karena
adanya evident / gejala (Pearl, 2000).
Menurut Kusrini (2008) perhitungan
dengan menggunakan metode ini, dalam
sekali hitung hanya dapat mengolah dua
jenis data saja sehingga keakuratannya
dapat terjaga. Sedangkan menurut
Hartati (2005) hasil uji coba sistem
dengan menggunakan metode ini
menunjukkan bahwa sistem mampu
melakukan diagnosa penyakit kelamin
pria dan penyakit TBC berdasarkan
gejala-gelaja yang diderita pasien.
Meskipun gejala-gejala tersebut
mengandung ketidakpastian dengan
nilai Certainty Factor yang
menunjukkan tingkat kebenaran hasil
2
diagnosa. Dari uraian beberapa sumber
inilah dijadikannya alasan, mengapa
Metode Ceratinty Factor digunakan
pada implementasi aplikasi ini.
Sistem aplikasi yang akan dibuat
diharapkan dapat membantu seseorang
dalam mendiagnosis dan menenentukan
penyakit hepatitis yang diderita
berdsarkan gejala fisik yang dialami
serta dapat memberikan solusi atau
terapi apa yang harus dilakukan untuk
mengatasi penyakit yang dideritanya.
LANDASAN TEORI
2.1 Penyakit Hepatitis
Hepatitis adalah kelainan hati berupa
peradangan (sel) hati. Peradangan ini
ditandai dengan meningakatan kadar
enzim hati. Peningkatan ini disebabkan
adanya gangguan atau kerusakan
membran hati. Ada dua faktor
penyebabnya yaitu faktor infeksi dan
faktor non infeksi. Faktor penyebab
infeksi antara lain virus hepatitis dan
bakteri. Selain karena virus Hepatitis
A,B,C,D,E, dan G masih banyak virus
lain yang berpotensi menyebabkan
hepatitis misalnya adenoviruses ,
CMV , Herpes simplex , HIV ,
rubella ,varicella dan lain-lain.
Sedangkan bakteri yang menyebabkan
hepatitis antara lain misalnya bakteri
Salmonella typhi, Salmonella
paratyphi , tuberkulosis , leptosvera.
Faktor non-infeksi misalnya karena
obat. Obet tertentu dapat mengganggu
fungsi hati dan menyebabkan hepatitis
(Dalimartha,2008).
Virus yang menyebabkan virus
hepatitis berada didalam cairan tubuh
manusia yang sewaktu-waktu bisa
ditularkan ke orang lain. Memang
sebagian orang yang terinfeksi virus ini
bisa sembuh dengan sendirinya namun
demikian virus akan menetap dalam
tubuh seumur hidup.
2.1.1 Hepatitis A
Penyebab penyakit adalah virus
hepatitis A (HAV), picornavius
berukuran 27-nm (yaitu virus dengan
positive stain RNA). Virus tersebut
dikelompokkan kedalam Hepatovirus,
anggota famili Picornaviridae. Gejala
hepatitis A pada orang dewasa
diwilayah nonendemis biasanya
ditandai dengan demam, malaise,
anoreksia, nausea, gangguan abdomial
diikuti dengan gagngguan ikterus
dalam beberapa hari. Disebagian negara
berkembang virus Hepatitis A terjadi
pada amasa anak-anak umumnya
asimtomastis atau gejala sakit ringan.
Infeksi yang terjadi pada usia
3
selanjutnya hanya dapat diperiksa
melalui pemeriksaan laboratorium
terhadap fungsi hati. Disebagian besar
wilayah dunia muncul secara sporadis
sebagai wabah dengan kecenderungan
muncul secara siklis. Dinegara sedang
berkembang umumnya orang dewasa
sudah kebal dengan virus tersebut
sehingga jarang terjadi. Namun dengan
adanya perbaikan sanitasi lingkungan
disebagian besar negara di dunia
ternyata membuat penduduk golongan
dewasa muda menjadi lebih rentan
sehinnga frekuensi terjadi KLB
cenderung meningkat.
Dinegara-negara maju penularan
penyakit terjadi karena kontak dalan
lingkungan keluarga dan kontak
seksual dengan penderita akut, dan juga
muncul secara sporadis di tempat-
tempat penitipan anak usia sebaya,
menyerang wisatawan yang bepergian
ke negara dimana penyakit tersebut
endemis, menyersi ang pengguna
suntikan pecandu obat terlarang dan
pria homoseksual. Didaerah dengan
sanitasi lingkungan yang rendah,
infeksi umumnya terjadi pada usia yang
sangat muda.
2.1.2 Hepatitis B
Penyebab penyakit ini adalah
virus hepatitis B (HBV), termasuk
hepadnavirus, berukuran 42-nm double
straned DNA virus dengan terdiri dari
neucleocapsid core (HBc Ag)
berukuran 27 mm, dikelilingi oleh
lapisan lippoprotein dibagian luarnya
yang berisi antigen permukaan
(HBsAg). Hanya sedikit saja dari
mereka yang terinfeksi hepatitis B
(HVB) akut yang menunjukkan gejala
klinis.
Kurang dari 10% pada anak-anak
dan 30%-50% pada orang dewasa
dengan efisiensi Hepatitis B (HBV)
akut akan berkembang menjadi icteric.
Pada penderita yang menunjukan gejala
klinis, timbulnya gejala biasanya
insidious, dan anorexia, gangguan
abdominal yang samar-samar,mual dan
muntah, kadang-kadang disertai
arthralgia dan trash dan sering
berembang menjadi jaundice. Demam
ringan atau mungkin tidak sama sekali.
Tersebar diseluruh dunia,
endemis atau variasi musiman. WHO
memperkirakan lebih dari 2 milyar
orang terinveksi HBV (termasuk 350
juta kronis). Setiap tahun sekitar 1 juta
orang meninggal akibat terinfeksi HBV
dan lebih dari 4 juta kasus klinis terjadi.
4
Dinegara dimana HBV endemis tinggi
(prlevansi HbsAg berkisar atas 8 %),
infeksi biasanya terjadi pada semua
golongan umur. Meskipun angka
infeksi kronis tinggi terutama
disebabkan karena terjadi penularan
selama kehamilan dan pada masa bayi
dan anak-anak.
2.1.3 Hepatitis C
Penyebab penyakit adalah virus
hepatitis C (HCV) yang merupakan
virus RNA dengan amplop,
diklasifikasikan ke dalam genus
berbeda (Hepacavirus) dari famili
Flaviviridae. Paling sedikit ada 6
genotipe yang berbeda dan lebih dari
90 subtipe HCV yang diketahui saat ini.
Gejala penyakit ini umumnya
insidious,bisa disertai anoreksida,
gangguan abdominal tidak jelas, mual
dan muntah-muntah, berlanjut menjadi
icterus (jauncide) lebih jarang jika
dibandingkan dengan Hepatitis B.
Meskipun infeksi pertama
mungkin asimtomatis (lebih dari 90%
kasus) atau ringan, namun sebagian
besar (diantara 50%-80% kasus) akan
menjadi kronis. Pada orang yang
mengalamin infeksi kronis, sekitar
separuh dapat berkembang menjadi
cirrhosis atau kanker hati.
Hepatitis jenis ini tersebar
diseluruh dunia. Prevelnsi HCV
berhubungan langsung dengan
prevelansi orang yang menggunakan
jarum suntik bersama dikalangan
pecandu obat terlarang dan prevelensi
kebiasaan menggunakan alat suntik
yang tidak steril ditempat pelayanan
kesehatan.
Certainty Factor
Faktor kepastian (Certainty Factor)
diperkenalkan oleh Shortlife Buchanan
dalam pembuatan MYCIN. Certainty
Factor (CF) merupakan nilai parameter
klinis yang diberikan MYCIN untuk
menunjukkan besarnya kepercayaan.
Certainty Factor menurut Giarrantano
dan Riley dalam Kusrini (2008:15)
didefinisikan sebagai berikut :
CF (Pk , G)=MB(Pk ,G) – MD(Pk ,G)
Dengan :
5
Dimana:
CF (Pk,G) tingkat kepastian
penyakit Pk,
berdasarkan gejala G.
MB (Pk,G) pengukuran tingkat
kepastian penyakit Pk,
karena adanya gejala G.
MD (Pk,G) pemgukuran tingkat
ketidakpercayaan
penyakit Pk,
berdasarkan gejala G.
P(Pk\G) probabilitas penyakit
Pk dengan diketahui
gejala G telah terjadi.
P(Pk) probabilitas penyakit
Pk.
Apabila terdapat gejala-gejala yang
berbeda menyebabkan penyakit yang
sama, maka mis gejala G (G1, G2 ...
Gn) menyebabkan penyakit Pk, maka
terdapat nilai E(E1, E2 ... En) juga
menyebabkan penyakit Pk, maka
terdapat nilai CF1(Pk,G) dan
CF2(Pk,E). Tingkat kepastian yang
dihasilkan oleh sistem dalam
menentukan diagnosa adalah CF
kombinasi seperti yang dirumuskan
pada persamaan :
Dengan menggali dari hasil wawancara
dengan pakar . Nilai CF (Rule) didapat
dari interpretasi ‘term’ dari pakar
menjadi nilai CF tertentu (lihat tabel 1 )
Tabel 1CF Value Interpretation
Certain Term MD/MB
Tidak ada
Mungkin
Kemungkinan Besar
Hampir Pasti
Pasti
0 - 0.2
0.4
0.6
0.8
1.0
ANALISIS DAN PERANCANGAN
SISTEM
Seorang dokter dalam
mendiagnosis suatu penyakit adalah
dengan melihat gejala-gejala klinis yang
dialami pasien . Gejala-gejala tersebut
didapatkan dari hasil jawaban atas
pertanyaan-pertanyaan yang diberikan
oleh dokter kepada pasien, dokter
kemudian membuat kesimpulan
penyakit yang diderita pasien serta cara
penyembuhannya. Pengobatan dan
6
rujukan yang diberikan dokter sesuai
dengan penyakit yang dialami pasien.
Cara diagnosis dokter tersebut
memiliki persamaan dengan model
aplikasi diagnosis penyakit hepatitis
dengan menggunakan Certainty
Factor . Representasi penafsiran
analisis dokter dinyatakan dalam bentuk
rule sebagai tempat menyimpan
pengetahuan dan analisa dari dokter
dalam aplikasi. Dimana keduanya
dalam menyimpulkan suatu keputusan
mengacu pada suatu fakta-fakta gejala
yang didapatkan. Gejala-gejala yang
diberikan oleh pasien, pada Certainty
Factor akan diberikan nilai tingkat
keyakinan yang akan digunakan untuk
mengukur tingkat kepastian suatu
penyakit yang dialami pasien seperti
yang dilakukan dokter.
Untuk membuat aplikasi
diagnosis penyakit hepatitis secara
akurat, diperlukan data mengenai jenis
penyakit hepatitis, data gejala-gejala
penyakit, data jenis terapi, data tindakan
terapi dan data rekam medik. Data
rekam medik merupakan berkas yang
berisikan catatan dan dokumen yang
berisikan tentang identitas pasien,
pemeriksaan, pengobatan, tindakan dan
pelayanan lain yang telah diberikan.
Sumber data atau informasi bisa kita
dapatkan dari seorang ahli, dan berbagai
literatur mengenai penyakit, sedangkan
data rekam medik bisa kita peroleh dari
rumah sakit. Berikut Gambaran umum
mengenai proses diagnosis pasien
penderita penyakit hepatitis.
Data penyakit, gejala, terapi, dan
tindakan yang didapatkan dari para ahli
medis dan rekam medik akan
dimasukkan kedalam sistem untuk
proses dan diolah yang kemudian akan
dijadikan informasi jenis penyakit
hepatitis yang dialami. Proses tersebut
dimulai dengan membuat Tabel
penyakit,Tabel gejala, dan Tabel terapi
7
beserta detailnya, serta pembuatan
Tabel rekam medik..
Pada Tabel gejala dan penyakit
akan dilakukan proses penghitungan
tingkat probabilitas gejala terhadap
penyakit yang dialami sesuai dengan
data rekam medik yang telah
dimasukkan kedalam Tabel. Nilai
probabilitas inilah yang menjadi acuan
dalam perhitungan Certainty Factor .
Sedangkan untuk data terapi dokter
akan melakukan penentuan bagaimana
terapi itu akan diterapkan terhadap
penyakitnya.
Desain Arsitektur
Model pengembangan dalam
sistem informasi ini berupa desain
arsitektur yang terdiri dari tiga
pengguna, yaitu dokter, admin dan user
umum untuk konsultasi. Desain
arsitektur untuk Dokter terdiri dari
proses Maintenance data penyakit, data
gejala, data terapi dan data tindakan,
serta proses penentuan terapi yang
menjadi parameter dalam mementukan
terapi bagi para penderita.
Gambar 1 Desain Arsitektur aplikasi
diagnosis penyakit hepatitis menggunakan metode Certainty Factor
Context Diagram
Context Diagram dari aplikasi
diagnosis penyakit hepatitis
menjelaskan garis besar dari proses
diagnosis penyakit. Pada Context
Diagram ini terdapat 3 external entity
yaitu dokter, admin dan user
Gambar 2 Context Diagram
8
DFD Level 0
DFD level merupakan hasil
decomposse dari DFD level Context.
Pada DFD level 0 terdapat lima proses.
Proses pada level ini yaitu proses
manajemen data, proses perhitungan CF
(Certainty Factor) gejala dan penentuan
terapi dan terakhir adalah proses
konsultasi.
dt rule
[Data User]
[Jawaban Konsultasi]
[Data Tindakan]
[Data Terapi]
[Data Penyakit]
[Data gejala]
[Data Rule]
Detail Rule
dt detail terapi
dt detail menu
nilai cf gejala
dt tingkat penyakit
pertanyaan gejala
dt konsultasi
detail konsultasi
pertanyaan
dt gejala
dt tindakan
dt menu makanan
dt penyakit
dt terapi
dt makanandt jenis menu
Detail Menu
Detail TerapiDetail Rule
dt tingkat penyakit
nilai CF gejalaDetail Rekam Medik
dt rekam medik
dt rule
dt menu makanan
dt tindakan
dt gejala
dt_user
dt jenis menu
dt makanan
dt terapi
dt penyakit
[Data Rekam Medik]
[Data Jenis Menu]
[Data Makanan]
[Gejala Fisik]
[Pertanyaan Gejala]
[Hasil Diagnosis]
[Pertanyaan Konsultasi]
[Data Menu Makanan]
User
Admin
Dokter
1
Manajemen Data
+
2
Perhitungan CF Gejala dan penentuan terapi
+
3
Diagnosis dan Konsultasi
+
1 User
2 Penyakit 3 Gejala
4 Terapi 5 Tindakan
6 Makanan7 Menu_Makanan
8 Jenis_Menu9 Rule
10 Rekam_Medik
11 Detail_Rekam_Medik12 Nilai_CF_Gejala
13 Detail_Rule
14 Tingkat_Penyakit
15 Detail_Terapi
16 Detail_Menu
17 Konsultasi
18 Detail_Konsultasi
19 Tanya_Jawab
9 Rule
Gambar 3 DFD Level 0
Conceptual data model (CDM)
mempunyai
mempunyaimempunyai
mempunyai
mempunyai
mempunyai mempunyai
mengajukan
mempunyai
mempunyai
mempunyai
mempunyai
mempunyai
mempunyai
mempunyai
mempunyai
mempunyai
mempunyai
melakukan
mengandungmempunyai
Userid_useruser_namepasswordnamatgl_lahiralamatkotajenis_kelaming ol_darahno_telpemailstatus_user
Rekam_Medikid_datarmnama_sampelg ejalahasil_uji_lab
Gejalaid_g ejalanama_g ejalapertanyaanprobabili tas_g ejala
Terapiid_terapijenis_terapiterapi
Penyakitid_penyakitpenyaki tprobabili tas_pk
Nilai_CF_Gejalaid_cfg ejalambmd
Konsul tasiid_konsultas itgl_konsultas ijawaban konsultasi
Tindakanid_tindakannama_tindakan
Detai l_Rekammedikid_detail_rmstatus_detail rm
Detai l_Terapiid_detailterapistatus_detail terapi
Detai l_Konsul tasiid_detailkonsultas istatus_detail lkonsul tasiCF_Pk
Tingkat_Penyaki tid_ting katpenyakitMaksimal_CFMinimal_CF
Tanya_Jawabid_pertanyaantgl_pertanyaanjudul_pertanyaanpertanyaanjawaban
Ruleid_rulenama_rulerule
Detai l_Ruleid_detail_ruleketrangan_rule
Menu_Makananid_menunama_menujumlah_kalori
Detai l_Menuid_detail_menuket_detai l_menu
Makananid_makanannama_makananket_makanang olong an_makananprotein (g )lemak (g )karbohidrat (g )kalori
Jenis_M enuid_jenis_menunama_jenis_menuket_jenis_menu
Gambar 3.10 Conceptual data model (CDM)
Physical data model (PDM)
9
ID_MAKANAN = ID_MAKANAN
ID_JENIS_MENU = ID_JENIS_MENUID_MENU = ID_MENU
ID_TINGKATPENYAKIT = ID_TINGKATPENYAKIT
ID_RULE = ID_RULE
ID_GEJALA = ID_GEJALA
ID_PENYAKIT = ID_PENYAKIT
ID_USER = ID_USER
ID_TERAPI = ID_TERAPIID_PENYAKIT = ID_PENYAKIT
ID_DATA = ID_DATA
ID_GEJALA = ID_GEJALA
ID_PENYAKIT = ID_PENYAKIT
ID_TINDAKAN = ID_TINDAKAN
ID_GEJALA = ID_GEJALA
ID_KONSULTASI = ID_KONSULTASI
ID_TERAPI = ID_TERAPI
ID_TERAPI = ID_TERAPI
ID_USER = ID_USER
ID_PENYAKIT = ID_PENYAKITID_GEJALA = ID_GEJALA
USERID_U SER varchar(12)USER_NAM E varchar(12)PASSWORD varchar(12)NAMA v50TGL_LAHIR dateALAMAT varchar(50)KOTA varchar(50)JENIS_KELAMIN varchar(10)GOL_DARAH varchar(2)NO_TELP varchar(50)EMAIL varchar(50)STATUS_USER varchar(50)
REKAM_MEDIKID_DATA varchar (10)NAMA_SAM PEL varchar (50)GEJALA varchar (50)HASIL_UJI_LAB varchar (10)ID_PENYAKIT varchar (20)
GEJALAID_GEJALA varchar(20)NAMA_GEJALA varchar(50)PERTANYAAN varchar(100)PROBABILITAS_GEJALA integ er
TERAPIID_TERAPI varchar(10)JENIS_TERAPI varchar(20)TER API varchar(100)
PENYAKITID_PENYAKIT varchar(20)PENYAKIT varchar(20)PROBABILITY integ er
NILAI_C F_GEJALAID_CF varchar (10)ID_GEJALA varchar (20)ID_PENYAKIT varchar (20)MB integ erMD integ er
KONSULTASIID_KONSULTASI varchar(10)ID_TERAPI varchar(10)TGL_KONSULTASI dateJAWABAN_KONSULTASI varchar(50)ID_USER varchar(12)
TINDAKANID_T INDAKAN varchar(10)NAMA_KETERANGAN varchar(100)
DETAIL_REKAM MEDIKID_DETAIL_RM varchar (10)STATUS_DETAILRM varchar (50)ID_GEJALA varchar (20)ID_DATA varchar (10)
DETAIL_TERAPIID_DETAILTERAPI varchar(10)ID_TERAPI varchar(10)ID_TINDAKAN varchar(10)STATUS_DETAILTERAPI varchar(50)
DETAIL_KONSULTASIID_DETAILKONSULTASI varchar(10)ID_KONSULTASI varchar(10)ID_GEJALA varchar(20)STATUS_DETAILLKONSULTASI varchar(50)CF_PK integ er TINGKAT_PENYAKIT
ID_TINGKATPENYAKIT varchar(10)ID_PENYAKIT varchar(20)ID_TERAPI varchar(10)MAKSIMAL_CF integ erMINIMAL_CF varchar(10)
TANYA_JAWABID_PERTANYAAN varchar(7)TGL_PERTANYAAN timestampJUD UL_PERTANYAAN varchar(100)PER TANYAAN varchar(200)JAWABAN varchar(200)ID_USER varchar(12)
RULEID_R ULE varchar(10)ID_PENYAKIT varchar(20)RULE numeric(1)NAMA_RULE varchar(25)
DETAIL_RULEID_D ETAIL_R ULE varchar(10)ID_GEJALA varchar(20)KETRANGAN _RULE <undefined>ID_R ULE varchar(10)
MENU_M AKANANID_MENU varchar(7)NAMA_MENU varchar(100)ID_TINGKATPENYAKIT varchar(10)JUM LAH_KALORI integ er
DETAIL_M EN UID_D ETAIL_M ENU varchar(10)KET_DETAIL_MENU varchar(10)ID_MENU varchar(7)ID_JENIS_MENU varchar(10)ID_MAKANAN varchar(10)
MAKANANID_MAKANAN varchar(10)NAMA_MAKANAN varchar(100)KET_M AKANAN varchar(100)PR OTEIN integ erLEMAK integ erKARBOHIDRAT integ erKALORI integ erGOLONGAN _MAKANAN integ er
JENIS_MENUID_JEN IS_MENU varchar(10)NAMA_JENIS_MENU varchar(100)KET_JENIS_MENU varchar(100)
Gambar 3 Physical data model (PDM)
IMPLEMENTASI
Halaman login adalah halaman
yang pertama kali akan ditampilkan
ketika membuka aplikasi diagnosis.
User harus menginputkan username dan
password pada halaman login agar bisa
masuk dalam aplikasi diagnosis
penyakit hepatitis. Halaman login dapat
dilihat pada Gambar 4.
Gambar 4.1 Halaman Log In
Tampilan pertanyaan untuk
mengidentifikasi gejala yang dialami
user yang akan melakukan diagnosis
pada aplikasi diagnosis penyakit
hepatitis ditunjukkan Gambar 4.53.
Gambar 4 Tampilan pertanyaan identifikasi gejala
Hasil diagnosis yang dilakukan pada
aplikasi pada kasus 1 didapatkan
kesimpulan bahwa antar hasil
pemeriksaan pasien yang terdapat pada
data rekam medik dengan hasil
diagnosis yang dilakukan pada aplikasi
seperti terlihat pada Gambar 5
Gambar 5 Hasil diagnosis
Detail hasil perhitungan Certainty
Factor yang tedapat pada aplikasi
seperti terdapat pada Gambar 6
Gambar 6 Perhitungan kombinasi gejala
KESIMPULAN
Berdasarkan evaluasi hasil uji coba,
aplikasi diagnosis penyakit hepatitis
menggunakan Certainty Factor yang
telah dibuat mampu mendiagnosis
penyakit hepatitis yang dialami
penderita dan memberikan nilai
kepastian terhadap penyakit yang
diderita serta menghasilkan data hasil
10
diagnosis yang berisi tentang terapi
penyakit dan meal plan menu makanan
yang dapat membantu user memberikan
solusi terhadap penyakit hepatitis yang
diderita.
SARAN
Berdasarkan penjelasan tentang sistem
aplikasi yang telah dibuat, dapat
diberikan saran untuk pengembangan
sistem ini sebagai berikut:
Sistem dapat dikembangkan menjadi
lebih lanjut dalam hal pemanfaatan
yaitu melalui media konsultasi berbasis
smartphone seperti Android,
Blackberry, dan I-Phone sehingga dapat
dengan mudah diakses dan melakukan
konsultasi.
Sistem dapat dikembangkan menjadi
lebih kompleks lagi yaitu aplikasi ini
dapat diperluas area penyakit yang akan
di diagnosis mencakup penyakit
hepatitis beserta komplikasi penyakit
yang menyertainya.
DAFTAR PUSTAKA
Anonim, Lembar Fakta Hepatitis.
http://www.depkes.go.id/hepat
itis/index.php/component/cont
ent/article/34-press-release/
799-lembar-fakta-
hepatitis.html. (Sitasi 20
September 2011)
Arhami, Muhammad. 2005. Konsep
Dasar Sistem Pakar.
Yogyakarta : Andi
Dalimartha, Setiawan. 2008. Ramuan
Tradisional Untuk Pengobatan
Hepatitis. Jakarta. Penebar
Swadaya.
Fauzy, Ahmad dr. Sp.PD-KGEH.
Prevalensi Penyakit Hepatitis
Virus di Indonesia.
http://www.rspondokindah.co.
id/rspi/index.php?
option=com_docman&task=do
c_download&gid=457&Itemid
=218&lang=id . (Sitasi 20
September 2011)
Green, Chris W.2005. Hepatitis Virus
dan HIV,Jakarta:Yayasan Spirtia
Hartati, 2005. Media Konsultasi
Penyakit Kelamin Pria dengan
Menggunakan Metode Certainty
Factor Bayesian. Yogyakarta:
Seminar Nasional Teknologi
Informasi (SNASTI) 2005
Universitas Gadjah Mada
Kusrini, 2008. Aplikasi Sistem Pakar.
Yogyakarta: Andi
Romeo, S.T. 2003. Testing dan
Implementasi Sistem. STIKOM.
Surabaya.
11
12