BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7....

35
12 BAB II TINJAUAN PUSTAKA II.1. Penelitian Terkait Telah ada beberapa penelitian yang dilakukan terkait dengan metode Naive Bayes dan Dempster Shafer, diantaranya adalah : 1. Syafitri Hidayatul Annur Aini, Yuita Arum Sari, Achmad Arwan (2018), dengan judul “Seleksi Fitur Information Gain untuk Klasifikasi Penyakit Jantung Menggunakan Kombinasi Metode K-Nearst Neighbor dan Naive Bayes” Disimpulkan bahwa algoritma seleksi fitur Information Gain dengan kombinasi Metode K-Nearst Neighbor dan Naive Bayes memperoleh nilai akurasi tertinggi yang diperoleh saat menggunakan data latih dengan label kelas seimbang dan dapat digunakan untuk klasifikasi penyakit jantung. 2. Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification dalam Klasifikasi Kelayakan Pendonor Darah (Studi Kasus PMI Kab. Demak)” Hasil dari sistem yang dibangun pada penelitian ini mempunyai akurasi kinerja sebesar 81,6% sehingga sistem ini dapat diterapkan pada PMI Kabupaten Demak tempat penelitian ini berlangsung. 3. Jun Surya Dhoni R, Nurul Hidayat, S.Pd, M.Sc, Edy santoso S.Si, M.Kom(2016), dengan judul “Pemodelan Sistem Pakar untuk Mendiagnosa Penyakit Demam Berdarah Dengue Menggunakan Metode Dempster Shafer” Hasil pengujian akurasi yaitu 92% yang menunjukkan bahwa sistem pakar berfungsi dengan baik sesuai dengan daftar kebutuhan untuk mendiagnosa penyakit Demam Berdarah Dengue Menggunakan Metode Dempster Shafer.

Transcript of BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7....

Page 1: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

12 BAB II

TINJAUAN PUSTAKA

II.1. Penelitian Terkait Telah ada beberapa penelitian yang dilakukan terkait dengan metode Naive

Bayes dan Dempster Shafer, diantaranya adalah : 1. Syafitri Hidayatul Annur Aini, Yuita Arum Sari, Achmad Arwan (2018), dengan judul “Seleksi Fitur Information Gain untuk Klasifikasi Penyakit Jantung Menggunakan Kombinasi Metode K-Nearst Neighbor dan Naive

Bayes” Disimpulkan bahwa algoritma seleksi fitur Information Gain dengan kombinasi Metode K-Nearst Neighbor dan Naive Bayes memperoleh nilai akurasi tertinggi yang diperoleh saat menggunakan data latih dengan label kelas seimbang dan dapat digunakan untuk klasifikasi penyakit jantung. 2. Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes

Classification dalam Klasifikasi Kelayakan Pendonor Darah (Studi Kasus PMI Kab. Demak)” Hasil dari sistem yang dibangun pada penelitian ini mempunyai akurasi kinerja sebesar 81,6% sehingga sistem ini dapat diterapkan pada PMI Kabupaten Demak tempat penelitian ini berlangsung. 3. Jun Surya Dhoni R, Nurul Hidayat, S.Pd, M.Sc, Edy santoso S.Si, M.Kom(2016), dengan judul “Pemodelan Sistem Pakar untuk Mendiagnosa Penyakit Demam Berdarah Dengue Menggunakan Metode

Dempster Shafer” Hasil pengujian akurasi yaitu 92% yang menunjukkan bahwa sistem pakar berfungsi dengan baik sesuai dengan daftar kebutuhan untuk mendiagnosa penyakit Demam Berdarah Dengue Menggunakan Metode Dempster Shafer.

Page 2: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

13 4. Triara Puspitasari, Boko Susilo, Funny Farady Coastera (2016), dengan judul “Implementasi Metode Dempster Shafer Dalam Sistem Pakar Diagnosa Anak Tunagrahita Berbasis WEB” Penerapan metode Dempster

Shafer mampu memberikan rekomendasi perhitungan yang akurat dan dapat dijadikan referensi ketepatan diagnosa untuk diagnosa anak tunagrahita. 5. Yani Mulyani (2016), dengan judul “Kombinasi Sistem Pakar dan Machine Learning dengan Dempster Shafer dan Naive Bayes untuk Diagnosa Penyakit dengan Gejala Demam” Bertujuan untuk membuat sistem diagnosa penyakit dengan gejala demam dengan kombinasi metode dari Sistem Pakar dan Machine Learning untuk mengatasi kelemahan dari Metode Dempster Shafer agar dapat Bertujuan untuk membuat sistem diagnosa penyakit dengan gejala demam dengan kombinasi metode dari Sistem Pakar dan Machine Learning untuk mengatasi kelemahan dari Metode Dempster Shafer agar dapat menghasilkan keakurasian sistem yang lebih akurat

II.2. Sistem Pakar Pengetahuan yang di muat ke dalam sistem pakar dapat berasal dari seorang pakar ataupun pengetahuan yang berasal dari buku, jurnal, majalah dan dokumentasi yang dipublikasikan lainnya serta orang yang memiliki pengetahuan meskipun bukan ahli. Istilah sistem pakar sering disinonimkan dengan sistem berbasis pengetahuan (knowledge-based system) atau sistem pakar berbasis pengetahuan (knowledge based expert system). Sebuah sistem pakar umumnya tidak memiliki pengetahuan lain diluar area pengetahuannya kecuali jika diprogram dan dimuat ke dalam sistem. (Rika Rosnelly; 2012: 3-4).

Page 3: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

14 Sistem Pakar pada umumnya dirancang untuk memenuhi beberapa karakteristik umum berikut ini : 1. Kinerja sangat baik(high performance). Sistem harus mampu memberikan respon berupa saran (advice) dengan tingkat kualitas yang sama dengan seorang pakar atau melebihinya. 2. Waktu respon yang baik (adequate respon time). Sistem juga harus mampu bekerja dalam waktu yang sama baiknya (reasonable) atau lebih cepat dibandingkan dengan seorang pakar dalam menghasilkan keputusan. 3. Dapat diandalkan (good reliability). Sistem harus dapat diandalkan dan tidak mudah rusak/crash. 4. Dapat dipahami (understandable). Sistem harus mampu menjelaskan lngkah-langkah penalaran yang dilakukannya seperti seorang pakar. 5. Fleksibel (fleksibility). Sistem harus menyediakan mekanisme untuk menambah, mengubah, dan menghapus pengetahuan (Rika Rosnelly, 2012;20-21). II.2.1. Ciri-ciri Sistem Pakar Sistem Pakar memiliki beberapa ciri-ciri, diantanya sebagai berikut: 1. Terbatas pada domain keahlian tertentu. 2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti. 3. Dapat menjelaskan alasan-alasan dengan cara yang dapat dipahami. 4. Bekerja berdasarkan kaidah/rule tertentu.

Page 4: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

15 5. Mudah dimodifikasi 6. Basis pengetahuan dan mekanisme inferensi terpisah. 7. Keluarannya bersifat anjuran. 8. Sistem dapat mengaktifkan kaidah secara searah yang sesuai, dituntun oleh dialog dengan pengguna (T.Sutojo,2012;162).

II.2.2. Manfaat Sistem Pakar Sistem Pakar menjadi sangat populer karena sangat banyak kemampuan dan manfaat yang diberikan, diantaranya : 1. Meningkatkan produktivitas, karena Sistem Pakar dapat bekerja lebih cepat daripada manusia. 2. Membuat seorang yang awan bekerja seperti layaknya seorang pakar. 3. Meningkatkan kualitas, dengan memberikan nasehat yang konsisten dan mengurangi kesalahan. 4. Mampu menangkap pengetahuan dan kepakaran seseorang. 5. Memudahkan akses pengetahuan seorang pakar. 6. Meningkatkan kapabilitas sistem komputer. Integritas Sistem Pakar dengan sistem komputer lain membuat sistem lebih efektif dan mencangkup lebih banyak sistem. 7. Mampu bekerja dengan informasi yang tidak lengkap atau tidak pasti. Berbeda dengan sistem komputer konvensional, Sistem Pakar dapat bekerja dengan informasi yang tidak lengkap.

Page 5: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

16 8. Bisa digunakan sebagai media pelengkap dalam pelatihan. Pengguna pemula bekerja dengan Sistem Pakar akan menjadi lebih berpengalaman karena adanya fasilitas penjelas yang berfungsi sebagai guru. 9. Meningkatkan kemampuan untuk menyelesaikan masalah karena Sistem Pakar mengambil sumber pengetahuan dari banyak pakar (T.Sutojo,2012;160-161).

II.2.3. Kekurangan Sistem Pakar

Selain manfaat sistem pakar juga memiliki beberapa kelemahan, diantaranya: 1. Memerlukan biaya yang sangat mahal untuk membuat dan memelihatanya. 2. Sulit dikembangkan karena keterbatasan keahlian dan ketersediaan pakar. 3. Sistem Pakar tidak selamanya 100% bernilai benar (T.Sutojo,2011;161). II.2.4. Konsep Dasar Sistem Pakar Ada beberapa konsep dasar yang digunakan pada sistem pakar meliputi enam hal berikut ini: 1. Kepakaran (Expertise) Kepakaran merupakan suatu pengetahuan yang diperoleh dari pelatihan, membaca dan pengalaman. Kepakaran inilah yang memungkinkan para ahli dapat mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan pakar.

Page 6: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

17 2. Pakar (Expert) Pakar adalah seseorang yang mempunyai pengetahuan, pengalaman dan metode khusus serta mampu menerapkannya untuk memecahkan masalah atau memberi nasehat. Seorang pakar harus mampu menjelaskan dan mempelajari hal-hal baru yang berkaitan dengan topik permasalahan, jika perlu harus mampu menyusun kembali pengetahuan-pengetahuan yang didapatkan dan dapat memecahkan aturan-aturan serta menentukan relevansi kepakarannya. 3. Pemindahan Kepakaran (Transfering Expertisi) Tujuan dari Sistem Pakar adalah memindahkan kepakaran dari seorang pakar ke dalam komputer, kemudian kepada orang lain yang bukan pakar. Proses ini melibatkan empat kegiatan, yaitu: a. Akuisisi pengetahuan (dari pakar atau sumber lain). b. Representase pengetahuan (pada komputer). c. Inferensi pengetahuan. d. Pemindahan pengetahuan ke pengguna. 4. Inferensi (Inferencing) Inferensi adalah sebuah prosedur (program) yang mempunyai kemampuan dalam melakukan penalaran. Inferensi ditampilkan pada suatu komponen yang disebut mesin inferensi yang mencangkup prosedur-prosedur mengenai pemecahan masalah. Semua pengetahuan yang dimiliki oleh seorang pakar disimpan pada basis pengetahuan oleh sistem pakar. Tugas mesin inferensi adalah mengambil kesimpulan berdasarkan basis pengetahuan yang dimilikinya.

Page 7: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

18 5. Aturan-aturan (Rules) Kebanyakan software pakar komersil adalah sistem yang berbasis rule (rule-

based system), yaitu pengetahuan disimpan terutama dalam bentuk rule, sebagai prosedure pemecahan masalah. Dengan aturan-aturan yang dilakukan pada sistem pakar untuk membantu mempermudah dalam melakukan solusi terhadap kejadian-kejadian terhadap kerusakan sebuah objek. 6. Kemampuan Menjelaskan (Explanation Capability) Fasilitas lain dari sistem pakar adalah kemampuannya untuk menjelaskan saran atau rekomendasi yang diberikannya. Penjelasan dilakukan dalam subsistem yang disebut subsistem penjelasan (explanation). Bagian dari sistem ini memungkinkan sistem untuk memeriksa penalaran yang dibuatnya sendiri dan menjelaskan operasi-operasinya (T.Sutojo,2011;163-165). II.2.5. Struktur Sistem Pakar Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan (Development Environment) dan lingkungan konsultasi (Consultation Environment).Lingkungan pengembangan sistem pakar digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan pakar. Komponen-komponen sistem pakar dalam kedua bagian tersebut dapat dilihat dalam gambar II.1 berikut ini:

Page 8: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

19 Gambar II.1 Arsitektur Sistem Pakar

(Sumber : Muhammad Arhami; 2012: 13-14) Keterangan: 1. Antarmuka (Interface) Interface merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi. Selain itu antarmuka menerima informasi dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pemakai. 2. Basis Pengetahuan Mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen, yaitu fakta dan aturan.Fakta merupakan informasi tentang obyek dalam area permasalahan tertentu. Sedangkan aturan merupakan informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui.

Page 9: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

20 3. Akuisisi Pengetahuan (Knowledge Acquisition) Akumulasi transfer dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer. 4. Mesin Inferensi Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah.Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan workplace, dan untuk memformulasikan kesimpulan. 5. Workplace Workplace merupakan area dari sekumpulan memori kerja (working

memory).Workplace digunakan untuk merekam hasil-hasil antara dan kesimpulan yang dicapai agar hasil-hasil tersebut dapat dimengerti oleh pengguna dalam membaca struktur diagram yang dipaparkan didalam pembuatan sebuah aplikasi. 6. Fasilitas Penjelasan Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Komponen ini menggambarkan penalaran sistem II.3.1.Definisi Gangguan Psikologis Psikologi terdiri dari dua kata, yaitu psyche dan logos. Psyche adalah Bahasa

Yunani yang artinya jiwa, sedangkan logos artinya ilmu. Jadi,secara umum kata psikologi dapat diartikan sebagai suatu studi yang mempelajari tentang ilmu jiwa.

Page 10: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

21 Psikologi adalah ilmu yang mempelajari tentang kehidupan mental dan fenomena psikisnya, seperti perasaan, keinginan, kognitif persepsi atau pikiran logis. (William James, 1980). Gangguan psikologis adalah gangguan alam: cara berpikir (cognitive), kemauan (volition), emosi (affective), tindakan (psychomotor). Gangguan psikologis merupakan kumpulan dari keadaan-keadaan yang tidak normal, baik yang berhubungan dengan fisik, maupun dengan mental. (Maramis, 2010). Manusia dalam hidupnya selalu mengalami perkembangan, dalam perjalanannya tidak sedikit yang mengalami berbagai gangguan dan permasalahan yang kemudian disebut sebagai hambatan atau gangguan perkembangan, karenanya perlu ada perhatian khusus sehingga harapannya perkembangan yang akan berlangsung selanjutnya dalam kondisi yang positif. (Feri Fahrur, 2008). II.3.2. Jenis-jenis Gangguan Psikologis (Ami Fauzijah, 2008) Anak-anak merupakan fase yang paling rentan dan sangat perlu diperhatikan satu demi tahapan perkembangan yang dialaminya. Ada 13 jenis tipe gangguan psikologis pada anak yaitu :

1. Keterbelakangan Mental (Mental Retardetion) Keterbelakangan mental adalah kondisi di mana kecerdasan atau kemampuan mental seseorang berada di bawah rata-rata, disertai dengan kurangnya keterampilan untuk aktivitas sehari-hari. Orang dengan keterbelakangan mental dapat mempelajari keterampilan baru, namun dengan

Page 11: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

22 lebih lambat. Ada beberapa tingkat keterbelakangan mental, dari ringan hingga serius. Ciri-ciri dari keterbelakangan mental adalah: 1. Gagal mencapai standar intelektual 2. Duduk, merangkak atau berjalan lebih terlambat dari anak-anak lain 3. Kesulitan belajar berbicara atau berbicara dengan tidak jelas 4. Gangguan pada ingatan 5. Tidak dapat mengerti konsekuensi dari suatu aksi 6. Tidak dapat berpikir secara logis 7. Perilaku kekanakan yang tidak konsisten dengan usia anak 8. Kurangnya keingintahuan 9. Kesulitan dalam belajar 10. IQ di bawah 70 11. Tidak dapat menjalani kehidupan yang normal karena kesulitan dalam berkomunikasi, menjaga diri atau berinteraksi dengan orang lain 2. Tempre Tanum Gangguan perilaku pada anak ini artinya adalah anak yang marah dengan berlebihan, dan seringnya terjadi pada anak yang berusia 4 tahun. Anak akan melanjutkan kebiasaan ini apabila ia tahu keinginannya akan dipenuhi dengan cara ini. Ciri anak yang bermasalah dengan perkembangan emosinya antara lain: 1. Marah secara berlebihan 2. Tidak dapat mengungkapkan kepada orang dewasa mengenai hal yang dia inginkan

Page 12: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

23 3. Sangat peka dan sulit mengatasi jika merasa tersinggung 4. Cenderung memandang hal – hal dengan negatif 5. Meminta sesuatu dengan cara mengamuk, menangis, menjerit, menendang dan sebagainya 3. Gangguan Matematika (Mathematic Disorder) Ketidakmampuan seseorang dalam memahami dan melakukan operasi matematika. Pada dasarnya diskalkulia merupakan suatu keadaan dimana seorang anak tidak mampu menyerap dan menerjemahkan konsep-konsep aritmatika serta pengaplikasiannya. Seseorang dengan diskalkulia akan kesulitan dalam mencari hubungan antara angka-angka, lambang-lambang matematika dan jumlah yang digambarkan oleh setiap simbol (angka). Ciri-ciri gangguan matematika : 1. Kesulitan belajar menghitung. 2. Kesulitan menghafal urutan angka. 3. Tidak bisa melogikakan angka. 4. Kesulitan melihat bentuk. 5. Kesulitan mengenali tanda/ simbol matematika (+, -, :, x). 6. Kesulitan menghubungkan rumus. 7. Lemahnya long term memory. 8. Tidak familiar dengan istilah metematika. 9. Kesulitan menghitung waktu. 10. Kesulitan menemukan logika penghitungan.

Page 13: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

24 4. Gangguan Menulis (Disorder of Written Expression) Dalam menulis sesuatu seseorang membutuhkan penglihatan yang cukup jelas, keterampilan motorik halus, pengetahuan tentang bahasa dan ejaan, dan otak untuk mengkoordinasikan ide dengan mata dan tangan untuk menghasilkan tulisan. Jika salah satu elemen tersebut mengalami masalah maka menulis akan menjadi suatu pekerjaan yang sulit atau tidak mungkin dilakukan. Gangguan ini berkaitan dengan berkurangnya atau hilangnya kemampuan dalam menulis, sehingga tulisan yang dihasilkan sangat buruk dan hampir tidak dapat dibaca. 5. Gangguan Bahasa Ekspresi (Expressive Language Disorder) Gangguan bahasa ekspresif adalah kesulitan mengekspresikan maksud lewat bahasa lisan.Pemahaman bahasa si anak lebih baik daripada kemampuannya untuk berkomunikasi.Ini bisa terjadi karena trauma otak atau karena masalah perkembangan.Masalah perkembangan lebih umum terjadi pada anak-anak. Anak-anak yang bermasalah bahasa ekspresif tidak banyak bicara meskipun umumnya mereka mengerti bahasa yang ditujukan pada mereka. Ciri-ciri gangguan bahasa ekspresi : 1. Mungkin tidak berbicara sama sekali, atau mungkin memiliki kosakata yang terbatas untuk usia mereka. 2. Apakah kesulitan memahami petunjuk sederhana atau tidak mampu untuk nama benda 3. Menunjukkan masalah dengan sosialisasi. 4. Ketidakmampuan untuk mengikuti arah tetapi pemahaman menunjukkan dengan rutin, arah berulang-ulang.

Page 14: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

25 5. Echolalia (mengulangi kembali kata atau frasa baik langsung atau di lain waktu) 6. Ketidaksesuaian tanggapan ke “wh” pertanyaan 7. Kesulitan tanggapan yang sesuai untuk: ya / tidak pertanyaan, baik / atau pertanyaan, siapa / apa / mana pertanyaan, ketika / mengapa / bagaimana pertanyaan 6. Agresivitas Yang disebut tingkah laku agresif adalah tingkah laku yang menyerang secara fisik maupun secara verbal dan atau melakukan ancaman serta adanya rasa permusuhan. Tingkah laku yang agresif ini melibatkan perkelahian dan sudah pasti merugikan orang lain, bahkan hingga melukai secara fisik atau psikologis. Gejala anak agresif adalah: 1. Sering menggunakan kekerasan fisik seperti mendorong, memukul, dan berkelahi 2. Mengganggu teman – temannya dengan menggunakan fisik seperti menggunakan tangan atau kaki 3. Sering melakukan serangan verbal seperti mengejek, menghina, dan mencaci teman 7. Gagap (Stuttering) Gagap adalah gangguan bicara yang membuat suku kata atau kata-kata diulang atau diucapkan secara berkepanjangan sehingga mengganggu aliran bicara yang normal.Gangguan bicara ini dapat disertai dengan perilaku berulang, seperti kedipan mata yang cepat dan bibir bergetar.

Page 15: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

26 Gejala-gejala umum dari kondisi ini adalah: 1. Kesulitan memulai suatu kata atau kalimat 2. Pengulangan suara, suku kata, atau kata 3. Jeda untuk suku kata tertentu atau jeda pada suatu kata 4. Penambahan kata-kata seperti “um” apabila kesulitan melanjutkan kata-kata 5. Tekanan, ketegangan, atau pergerakan berlebih pada bagian atas wajah 8. Bipolar Disorder Orang yang memiliki kelainan bipolar adalah orang yang memiliki perubahan ekstrem pada moodnya, dari kondisi mania hingga depresi dan sebaliknya. Kedua polar dari suasana hati seseorang inilah penyebab penyakit ini disebut gangguan bipolar. Ketika anak – anak mengalami gangguan bipolar, mungkin akan sulit untuk mengidentifikasi pada awalnya dan seringkali dikira sebagai gejala depresi. Anak yang mengalami fase mania akan mengalami perubahan dalam suasana hati dan energinya, terkadang muncul tanpa peringatan dan tidak merespon pendekatan pengasuhan biasa. Ciri – ciri bipolar disorder seperti berikut: 1. Sangat mudah tersinggung dan agresif 2. Sulit untuk ditenangkan dan dibuat nyaman 3. Terlihat sangat senang berlebihan 4. Sulit tidur, gelisah dan sangat aktif 5. Memiliki pemikiran aneh atau mendengar suara – suara

Page 16: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

27 6. Menunjukkan ledakan emosi yang melibatkan agresi fisik atau tantrum yang lama dan penuh kemarahan 9. Aspergers Disorder Penyebab pasti sindrom asperger masih tidak diketahui. Namun, fakta bahwa ia cenderung untuk berjalan dalam keluarga menunjukkan mungkin diwariskan (diturunkan dari orangtua ke anak) genetic. Tapi terdapat beberapa gejala sindrom asperger paling umum yang bisa kalian lihat dari mereka yang terdiagnosis sindrom asperger, seperti : 1. Kesulitan berbicara 2. Berbicara menggunakan bahasa formal, Bahasa yang terlalu tinggi untuk usia mereka 3. Perkembangan motorik yang lambat 4. Sensitivitasnya tergolong tinggi 5. Tidak dapat mengatur suara terhadap lingkungannya 6. Tidak dapat bersosialisasi atau bercakap-cakap, selain pada ketertarikan mereka 7. Kecemasan dan depresi 8. Bicara yang berulang-ulang 10. ADHD (Attention Deficit Hyperactivity Disorder) Gangguan ini membuat anak tidak dapat mempertahankan rentang perhatian yang lebih lama daripada anak – anak seusianya. Masalah ini lebih banyak ditemui pada anak laki – laki daripada anak perempuan. Ciri – ciri anak

Page 17: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

28 hiperaktif dan gejala adhd pada bayi yang bisa dilihat pada anak – anak secara umum adalah: 1. Kurang perhatian yang ditandai dengan fokus yang pendek, sulit mendengarkan dan memperhatikan detail. 2. Sering mengabaikan dan mudah teralih serta terganggu fokusnya. 3. Sering memperlihatkan perilaku impulsif yang mengganggu orang lain. 4. Sulit untuk duduk diam dalam waktu lama atau bersikap tenang. 11. Gangguan Tingkah Laku (Conduct Disorder) Anak – anak yang mengalami gangguan perilaku ini selalu menunjukkan bahwa dirinya tidak mematuhi aturan sehingga mendapatkan cap sebagai anak nakal. Perilaku ini lebih cenderung ditunjukkan oleh anak laki – laki daripada anak perempuan. Gejala conduct disorder yang berupa salah satu gangguan jiwa pada anak yaitu: 1. Selalu mengabaikan aturan yang berlaku 2. Cenderung melakukan penyelesaian masalah secara fisik 3. Cenderung mengalami kecanduan narkoba dan alkohol sejak dini 4. Kurang memiliki empati terhadap orang lain 5. Suka melakukan perilaku yang menjurus kepada kriminalitas 12. Gangguan Menentang (Oppsitional Deflant Disorder) Dikenal juga dalam bahasa Inggris sebagai Oppositional Deviant Disorder (ODD) yang terjadi dua kali lebih sering pada anak lelaki daripada anak perempuan. Para peneliti menyatakan bahwa hampir 10 persen anak berusia di

Page 18: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

29 bawah 12 tahun mengalami gangguan ini. Gejala gangguan perilaku pada anak ini adalah: 1. Mudah tersinggung dan mudah marah 2. Anak sering menyatakan ekspresi kemarahannya 3. Sering melakukan perdebatan dengan orang dewasa, terutamadengan orang yang lebih akrab dengannya misalnya orang tuanya. 4. Suka melanggar peraturan 5. Sengaja mengganggu orang dewasa 6. Kualitas diri rendah 7. Senang menyalahkan orang lain untuk tindakan yang tidak bisa dibenarkan 13. Depresi Depresi dalam psikologi digambarkan sebagai kelainan suasana hati. Orang yang mengalami depresi akan merasa sedih, kehilangan, atau merasa marah dan mempengaruhi aktivitas sehari – harinya, mempengaruhi hubungan dengan orang lain dan bahkan memicu beberapa kondisi kesehatan kronis. Depresi bukanlah hanya sekedar perasaan melankolis, kesedihan atau bahkan kedukaan semata. Melainkan perasaan berupa keputus asaan yang menghancurkan dengan sangat buruk sehingga orang – orang yang sudah pernah mengalaminya dapat menyatakan bahwa hal tersebut adalah suatu hal yang paling menyakitkan yang pernah mereka alami. Depresi bukanlah suatu kelemahan dalam karakter atau disebabkan oleh bekerja atau berpikir terlalu keras, dan tidak dapat dihilangkan dengan mudah. Gejala depresi pada anak bisa dilihat sebagai berikut:

Page 19: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

30 1. Kehilangan minat pada hal – hal yang biasanya mereka sukai 2. Merasa sedih, kosong, tidak punya harapan, mudah tersinggung atau tidak merasakan apa – apa dan mudah menangis tanpa alasan 3. Merasa gelisah atau bergerak lambat 4. Merasa bersalah atau tidak berharga 5. Mengalami perubahan selera makan, kehilangan atau bertambah berat badan, atau mengalami masalah pencernaan 6. Merasa selalu kelelahan 7. Sulit membuat keputusan atau berkonsentrasi 8. Sulit tidur, tetap tidur atau tidur terlalu lama 9. Berpikir tentang bunuh diri II.4. Metode Naive Bayes dan Dempster Shafer

1. Metode Naive Bayes

Naive bayes merupakan salah satu algoritma yang dapat digunakan untuk memprediksi keanggotaan dari suatu class berdasarkan teorema bayes yang mampu bekerja seperti decision tree dan neural network (2016, Fadhil). Naive

bayes melakukan klasifikasi secaraefektif dengan mengoptimalkan pengawasan perkiraan dalam probabilitas yang akurat, bahkan ketika asumsi dilanggar performa classifier ini tetap lebih baik dibandingkan classifier yang lain (Ying-Yang, 2003). Persamaan teorema bayes dapat dilihat dalam Persamaan 2.1. p(H|E) = p(E|H) x p(H) p(E) (2.1)

Page 20: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

31 Dimana : p(H|E) = probabilitas hipotesis H terjadi jika evidence E terjadi p(E|H) = probabilitas munculnya evidence E, jika hipotesis H terjadi p(H) = probabilitas hipotesis H tanpa memandang evidence apa pun P(E) = probabilitas evidence E tanpa memandang apa pun 2. Metode Dempster Shafer Teori Dempster-Shafer adalah representasi, kombinasi dan propogasi ketidakpastian, dimana teori ini memiliki beberapa karakteristik yang secara instutitif sesuai dengan cara berfikir seorang pakar, namun dasar matematika yang kuat. Metode Dempster-Shafer pertama kali diperkenalkan oleh Dempster, yang melakukan percobaanmodel ketidakpastian dengan range probabilitas sebagai probabilitas tunggal. Kemudian pada tahun 1976 Shafer mempublikasikan teori Dempster tersebut pada sebuah buku yang berjudul Mathematical Theory of

Evident.Secara umum teori Dempster-Shafer ditulis dalam suatu interval[Belief,

Plausibility].Belief(Bel) adalah ukuran kekuatanevidencedalam mendukung suatuhimpunan proposisi. Jika bernilai 0 (nol)maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian. (Giarratano dan Riley, 1967) fungsi belief dapat diformulasikan sebagai persamaan (1) [4].

Page 21: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

32 Dimana : Bel (X) = Belief (X) Pls (X) = Plausibility (X) m (X) = mass function dari (X) m (Y) = mass function dari (Y) Teori Dempster-Shafer menyatakan adanya frame of discrement yang dinotasikan dengan simbol (Θ). frame of discrement merupakan semesta pembicaraan dari sekumpulan hipotesis sehingga sering disebut dengan environment yang ditunjukkan pada persamaan (3) : Θ = { θ1, θ2, … θN} (3) Dimana : Θ = frame of discrement atau environment θ1,…,θN= element/ unsur bagian dalam environment

Environment mengandung elemen-elemen yang menggambarkan kemungkinan sebagaijawaban, dan hanya ada satu yang akan sesuai dengan jawaban yang dibutuhkan. Kemungkinan ini dalam teori Dempster-Shafer disebut dengan power set dan dinotasikan dengan P (Θ), setiap elemen dalam power set ini memiliki nilai interval antara 0 sampai 1. m : P (Θ) [0,1] Sehingga dapat dirumuskan pada persamaan (4) : Dengan :

Page 22: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

33 P (Θ) = power set m (X) = mass function (X) Mass function (m) dalam teori Dempster-shafer adalah tingkat kepercayaan dari suatu evidence (gejala), sering disebut dengan evidence measure sehingga dinotasikan dengan (m).Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen.Untuk itu perlu adanya probabilitas fungsi densitas (m).Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya.Sehingga jika θ berisi n elemen, maka subset θ adalah 2n. Jumlah semua m dalam subset θ sama dengan 1. Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai : m{θ} = 1,0 Apabila diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m1 dan m2 sebagai m3, yaitu ditunjukkan pada persamaan (5) :

Page 23: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

34 Dimana : m3(Z) = mass function dari evidence (Z) m1(X) = mass function dari evidence (X), yang diperoleh dari nilai keyakinan suatu evidence dikalikan dengan nilai disbelief dari evidence tersebut. m2(Y) = mass function dari evidence (Y), yang diperoleh dari nilai keyakinan suatu evidence dikalikan dengan nilai disbelief dari evidence tersebut II.5. Unified Modeling Language (UML)

II.5.1. Defenisi Unified Modeling Language (UML)

Unified Modelling Language (UML) adalah sebuah “bahasa” yang telah menjadi standar dalam industri untuk visualisasi, merancang dan mendokumentasikan sistem piranti lunak.UML menawarkan sebuah standar untuk merancang model sebuah sistem.Dengan menggunakan UML kita dapat membuat model untuk semua jenis aplikasi piranti lunak, dimana aplikasi tersebut dapat berjalan pada piranti keras, sistem operasi dan jaringan apapun. Tetapi karena UML juga menggunakan bahasa classdan operationdalam konsep dasarnya, maka ia lebih cocok untuk penulisan piranti lunak dalam bahasa-bahasa berorientasi objek seperti C++, Java, C# atau VB.NET. Walaupun demikian UML tetap dapat

Page 24: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

35 digunakan untuk modeling aplikasi prosedural dalam VB atau C (Yuni Sugiarti,2013;34). UML biasa digunakan untuk : 1. Menggambarkan batasan sistem dan fungsi-fungsi sistem secara umum, dibuat dengan use case dan actor. 2. Menggambarkan kegiatan atau proses bisnis yang dilakukan secara umum, dibuat dengan interactions diagrams. 3. Menggambarkan representasi struktur statik sebuah sistem dalam bentuk class diagrams. 4. Membuat model behavior “yang menggambarkan kebiasaan atau sifat sebuah sistem” dengan state transition diagrams. 5. Menyatakan arsitektur implementasi fisik menggunakan component dan development diagrams. 6. Menyampaikan atau memperluas fungsionality dan stereotypes (Yuni Sugiarti,2013;36).

II.5.2. Diagram – Diagram Pada UML

Beberapa diagram yang terdapat pada UML diantaranya adalah : 1. Use Case Diagram

Use Case Diagram merupakan pemodelan untuk menggambarkan kelakuan (behavior) sistem yang akan dibuat. Diagram Use Case mendeskripsikan sebuah interaksi antara satu atau lebih actor dengan sistem yang akan dibuat. Diagram Use Case digunakan untk mengetahui fungsi apa saja yang

Page 25: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

36 ada didalam sebuah sistem dan siapa saja yang berhak menggunakan fungsi-fungsi tersebut. Hal yang perlu diingat mengenai diagram use case adalah diagram use case bukan menggambarkan tampilan antarmuka user, arsitektur dari sistem, kebutuhan nonfungsional dan tujuan performansi (Yuni Sugiarti,2013;41). Berikut ini adalah simbol-simbol yang ada pada use case diagram:

Tabel II.1. Simbol – Simbol Pada Use Case Diagram

Simbol Deskripsi Use case Fungsionalitas yang disediakan sistem sebagai unit-unit yang saling bertukar pesan antar unit atau aktor, biasanya dinyatakan dengan menggunakan kata kerja di awal frase nama use case Actor nama actor Orang, proses atau sistem yang lain berinteraksi dengan sistem informasi yang akan dibuat diluar sistem informasi yang akan di buat itu sendiri Asosiasi / association Komunitas antara actor dan use case yang berpartisipasi pada use case, atau use case memiliki interasi dengan actor Extend

..........................

Relasi use case tambahan ke sebuah use case dimana use case yang ditambahkan dapat berdiri sendiri walau tanpa use case tambahan itu, mirip dengan prinsip inheritance pada pemrograman berorientasi objek, biasanya use case tambahan memiliki nama depan yang sama dengan use case yang ditambahkan, arah panah mengarah pada use case yang dituju. Nama use case <<extend>>

Page 26: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

37 Include

.......................... Relasi use case tambahan ke sebuah use case dimana use case ditambahkan memerlukan use case ini untuk menjalankan fungsinya atau sebagai syarat dijalankan use case ini. Ada sudut pandang yang cukup besar mengenai include di use case,includeberarti use case yang ditambahkan akan selalu dipanggil saat use case tambahan dijalankan.

Sumber : ( Yuni Sugiarti,2013;42 )

2. Class Diagram (Diagram Kelas) Class Diagram menggambarkan struktur sistem dari segi pendefenisian kelas-kelas yang akan dibuat untuk membangun sistem. Kelas memiliki apa yang disebut atribut dan metode atau operasi. Atribut merupakan variabel-variabel yang dimiliki oleh suatu kelas. Atribut mendeskripsikan properti dengan sebaris teks didalam kotak kelas tersebut. Operasi atau metode adalah fungsi-fungsi yang dimiliki oleh suatu kelas. Diagram kelas mendeskripsikan jenis-jenis objek dalam sistem dan berbagai hubungan statis yang terdapat diantara mereka (Yuni Sugiarti,2013;57). Berikut ini adalah simbol-simbol yang ada pada diagram kelas : Tabel II.2. Simbol - Simbol Pada Diagram Kelas

Simbol Deskripsi Package

Package merupakan sebuah bungkusan dari sau atau lebih kelas <<include>> Package

Page 27: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

38 Aktivitas

Kelas pada struktur sistem Antarmuka / Interface Sama dengan konsep interface dalam pemrograman berorientasi objek Asosiasi 1 1..* Relasi antar kelas dengan makna umum, asosiasi biasanya juga disertai dengan multiplicity Asosiasi berarah / Directed asosiasi Relasi antar kelas dengan makna kelas yang satu digunakan oleh kelas lain, asosiasi biasanya juga disertai dengan multiplicity Generalisasi Relasi antar kelas dengan makna generalisasi-spesialisasi (umumkhusus) Kebergantungan / defedency .…………………. Relasi antar kelas dengan makna kebergantungan antar kelas Agresasi Relasi antar kelas dengan makna semua bagian (whole-part)

Sumber : (Yuni Sugiarti,2013;59)

3. Sequence Diagram

Sequence diagram digunakan untuk menggambarkan perilaku pada sebuah sekenario. Diagram ini menunjukkan sejumlah contoh objek dan pesan yang diletakkan diantaran objek-objek ini di dalam use case.

Nama kelas +Attribute1 +Attribute2 +Operation1( )

Page 28: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

39 Komponen utama sequence diagram terdiri atas objek yang ditulisakan dengan kotak segiempat bernama. Messege diwakili oleh garis dengan tanda panah dan waktu yang ditunjukkan dengan progress vertical. a. Objek /participant Objek diletakkan di dekat bagian atas diagram dengan urutan dari kiri ke kanan. Mereka diatur dalam urutan guna menyederhanakan diagram. Setiap participant dihubungkan dengan garis titik-titik yang disebut lifeline. Sepanjang lifeline ada kotak yang disebut activation. Activation mewakili sebuah eksekusi operasi dari participant. Panjang kotak ini berbanding lurus dengan durasi activation. Bentuk participant dapat dilihat pada gambar II.2.

Gambar II.2. Bentuk Participant (Sumber: Munawar,2012:88) b. Message Sebuah messsage bergerak dari satu participant ke participant yang lain dan dari satu lifeline ke lifeline yang lain. Sebuah participant bisa mengirim sebuah message kepada dirinya sendiri. Sebuah message bisa jadi simple, synchronous atau asynchoronous.

Message yang simple adalah sebuah perpindahan (transfer), contoh dari satu participant ke participant yang lainnya. Jika sebuah participant mengirimkan sebuah messagae tersebut akan ditunggu sebelum diproses dengan urusannya.

Page 29: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

40 Namun jika message asynchoronous yang dikirimkan, maka jawabannya atas message tersebut tidak perlu ditunggu. Simbol message pada squnence

diagram dapat dilihat pada gambar II.3.

Gambar II.3. Bentuk Messege (Sumber: Munawar,2012:88)

c. Time

Time adalah diagram yang mewakili waktu pada arah vertikal. Waktu dimulai dari ata ke bawah. Message yang lebih dekat dari atas akan dijalankan terlebih dahulu dibanding message yang lebih dekat ke bawah. Terdapat dua dimensi pada squence diagram yaitu dimensi dari kiri ke kanan menunjukkan tata letak participant dan dimensi dari atas ke bawah menunjukkan lintasan waktu. Simbol-simbol yang ada pada squence diagram ditunjukkan pada gambar II.4. Gambar II.4. Bentuk Message

(Sumber: Munawar,2005:89)

Page 30: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

41 4. Activity Diagram (Aktivitas) Diagram aktivitas atau activity diagram menggambarkan aliran kerja atau aktivitas dari sebuah sistem atau proses bisnis. Diagram aktivitas menggambarkan aktivitas sistem bukan apa yang dilakukan aktor, jadi aktivitas yang dapat dilakukan oleh sistem. Tabel II.3. Simbol Activity Diagram Notasi Keterangan Titik Awal Titik Akhir Activity Pilihan untuk pengambilan keputusan Fork digunakan untuk menunjukkan kegiatan yang dilakukan secara paralel atau untuk menggabungkan dua kegiatan paralel menjadi satu Rake menunjukkan adanya dekomposisi Tanda waktu Tanda pengiriman Tanda penerimaan Aliran Akhir (Flow Final) (Sumber : Munawar, 2012:110) Diagram aktivitas juga banyak digunakan untuk mendefenisikan hal-hal berikut : a. Rancangan proses bisnis dimana setiap urusan aktivitas yang digambarkan merupakan proses bisnis sistem yang didefenisikan.

Page 31: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

42 b. Urutan atau pengelompokkan tampilan dari sistem/user interface dimana setiap aktivitas dianggap memiliki sebuah rancangan antarmuka tampilan. c. Rancangan pengujian dimana setiap aktivitas dianggap memerlukan sebuah pengujian yang perlu didefenisikan kasus ujiannya. Activity diagram merupakan state diagram khusus, dimana sebagian besar state adalah action dan sebagian besar transisi ditrigger oleh selesainya state sebelumnya. Oleh karena itu, activity diagram tidak menggambarkan behavior internal sebuah sistem secara eksak, tetapi lebih menggambarkan proses-proses dan jalur-jalur aktivitas dari level atas secara umum (Yuni Sugiarti,2013;75). II.6. ERD (Entity Relationship Diagram) Pemodelan basis data dengan menggunakan diagram relasi antar entitas dapat dilakukan dengan menggunakan suatu pemodelan basis data yang bernama ERD (Entity Relationship Diagram) (Yudi Priadi,2014;20). Adapaun simbol-simbol ERD (Entity Relationship Diagram) adalah sebagai berikut :

Tabel II.4. Simbol – Simbol Pada ERD

Simbol Deskripsi Entitas/ entity

Entitas merupakan notasi untuk mewakili suatu objek dengan karakteristik sama, yang dilengkapi oleh atribut, sehingga pada suatu lingkungan yang nyata setiap objek akan berbeda dengan objek lainnya. Nama_entitas

Page 32: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

43 Relasi Relasi merupakan notasi yang digunakan untuk menghubungkan beberapa entitas berdasarkan fakta pada suatu lingkungan Atribut Atribut merupakan notasi yang menjelaskan karakteristik suatu entitas dan juga relasinya Garis Penghubung Garis penghubung merupakan notasi untuk merangkaian keterkaitan antara notasi-notasi yang digunakan dalam Diagram E-R, yaitu entitas, relai dan atribut. Sumber : (Yudi Priadi,2014;21)

II.7. Normalisasi Data Normalisasi adalah teknik yang di rancang untuk merancang tabel basis data relesional untuk menimbulkan diplikasi data dan menghindarkan basis data tersebut anomali. Suatu basis data dikatakan tidak normal jika terjadi 3 (tiga) anomali berikut: (Samiaji Sorosa; 2012:5) 1. Insertion anomaly Anomali yang terjadi jika ada adata yang tidak bisa disisipkan ke dalam tabel. 2. Update/Modification anomaly Anomali yang terjadi jika ada perunahan pada suatu item data maka harus mengubah lebih dari satu baris data. Langkah-langkah normalisasi sampai pada bentuk 3NF sebagai berikut:

a. First Normal Form(1NF)

Nama_relasi Nama_atribut

Page 33: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

44 Untuk menjadi 1NF suatu table harus memenuhi dua Syarat. Syarat pertama tidak ada akelompok data atau field yang berulang. Syarat kedua harus ada Primary key (PK) atau kunci unik, atau kunci yang membedakan satu baris dengan baris yang lain dalam satu table. Pada dasarnya sebuah table selama tidak ada kolom yang sama merupakan bentuk table dengan 1NF. b. Second Normal From (2NF) Untuk menjadi 2NF suatu table harus berada dalam kondisi 1NF dan tidak memiliki partial dependencies. Partial dependencies adalah kondisi jika atribut non kunci tergantung sebagian tetapi bukan seluruhnya pada PK. c. Third Normal From (3NF) 3NF suatu tabel berada dalam kondisi 2NF dan tidak memiliki transive

dependencies. Ttransive dependencies adalah suatu kondisi dengan adanya ketergantungan fungsiantara 2 atau lebih atribut non kunci(Non PK). II.8. Basis Data Menurut Chou basis data merupakan kumpulan informasi yang bermanfaat yang diorganisasikan kedalam tatacara yang khusus. Menurut Fabbry dan Schwab, basis data adalah sistem berkas terpadu yang dirancang terutama untuk meminimalkan pengulangan data. Menurut Date, sistem basis data pada dasarnya adalah sistem terkomputerisasi yang tujuannya adalah memelihara informasi dan membuat informasi tersebut tersedia saat dibutuhkan. (Abdul Kadir; 2012 : 9).

Page 34: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

45 II.9.1. Model Basis Data Model basis data menyatakan hubungan antar rekaman yang tersimpan dalam basis data. Beberapa literature menggunakan istilah struktur data logis untuk menyatakan keadaan ini.(Abdul Kadir; 2012 : 22) Model dasar yang paling umum ada 3 macam, yaitu: 1. Hirarkis 2. Jaringan dan Relasional II.9.2. Perancangan Basis Data Perancangan basis data, terlepas dari masalah yang ditangani, dibagi menjadi 2 tahapan: 1. Perancangan basis data secara konseptual, 2. Perancangan basis data secara logis, dan 3. Perancangan basis data secara fisis. Perancangan basis data secara konseptual merupakan upaya membuat model yang masih bersifat konsep. Perancangan basis data secara logis merupakan tahapan untuk memetakan model konseptual ke model basis data yang akan dipakai (model rasional, hirarkis, atau jaringan). Perancangan basis data secara fisis merupakan tahapan untuk menuangkan perancangan basis data yang bersifat logis menjadi basis data fisis yang tersimpan pada media penyimpan eksternal. (Abdul Kadir; 2012 : 39)

Page 35: BAB II TINJAUAN PUSTAKArepository.potensi-utama.ac.id/jspui/bitstream/123456789... · 2020. 7. 13. · Diana Septiari (2017), dengan judul “Implementasi Metode Naive Bayes Classification

46 II.10. VB.Net

Microsoft Visual Basic 2010 Express adalah salah satu flatform pemrograman. Sebuat alat yang digunakan oleh pengembang windows dari berbagai level untuk mengembangkan dan membangun aplikasi yang bergerak diatas sistem .NET Framework, dengan menggunakan bahasa BASIC. Visual Basic menyediakan cara cepat dan mudah untuk membuat aplikasi (Aswan, 2012:1). II.11. MySQL MySQL merupakan database server open source yang cukup populer keberadaannya. Dengan berbagai keunggulan yang dimiliki, membuat software database ini banyak digunakan oleh para praktisi untuk membangun suatu project. Adanya fasilitas API (Application Programming Interface) yang dimiliki oleh MySQL, memungkinkan bermacam-macam aplikasi komputer yang ditulis dengan berbagai bahasa pemrogramman dapat mengakses basis data MySQL (Wahana Komputer ; 2014 : 2)