Академический Документы
Профессиональный Документы
Культура Документы
A
Gejala yang nampak pada penyakit hepatitis mirip dengan gejala
penyakit ringan. Hal ini menyebabkan status keadaan umum penderita yang ada
AY
adalah tampak sakit biasa. Penderita cenderung memberikan suatu kesalahan
AB
sebagian besar orang. Sering dijumpai penderita penyakit hepatitis sudah pada
kondisi akut sulit untuk disembuhkan dan sudah mencapai tahap kronis hingga
menyebabkan kematian.
R
Kekurangan media informasi yang mudah diakses dari seorang pakar
SU
dari hasil jawaban atas pertanyaan-pertanyaan yang diberikan oleh dokter kepada
ST
pasien, dokter kemudian membuat kesimpulan penyakit yang diderita pasien serta
24
25
tempat menyimpan pengetahuan dan analisa dari dokter dalam aplikasi. Dimana
A
keduanya dalam menyimpulkan suatu keputusan mengacu pada suatu fakta-fakta
gejala yang didapatkan. Gejala-gejala yang diberikan oleh pasien, pada Certainty
AY
Factor akan diberikan nilai tingkat keyakinan yang akan digunakan untuk
mengukur tingkat kepastian suatu penyakit yang dialami pasien seperti yang
AB
dilakukan dokter.
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
M
berbagai literatur mengenai penyakit, sedangkan data rekam medik bisa kita
O
peroleh dari rumah sakit. Berikut Gambaran umum mengenai proses diagnosis
Data penyakit, gejala, terapi, dan tindakan yang didapatkan dari para ahli
medis dan rekam medik akan dimasukkan kedalam sistem untuk proses dan diolah
ST
yang kemudian akan dijadikan informasi jenis penyakit hepatitis yang dialami.
Proses tersebut dimulai dengan membuat Tabel penyakit,Tabel gejala, dan Tabel
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
A
terapi dokter akan melakukan penentuan bagaimana terapi itu akan diterapkan
terhadap penyakitnya.
AY
Terapi hepatitis akan disesuaikan dengan jenis penyakit hepatitis itu
AB
mempertahankan status gizi optimal tanpa memberatkan fungsi hati sehingga
dapat meningkatkan regenerasi jaringan hati dan mencegah kerusakan lebih lanjut,
meningkatkan fungsi jaringan hati yang tersisa serta mencegah koma hepatik.
R
Dalam penentuan perencanaan makanan yang harus diperhatikan adalah
SU
jumlah kalori yang diberikan harus habis, jadwal pengaturan makanan harus
diikuti sesuai dengan intervalnya yaitu tiga jam dan jenis makanan yang dihindari
ukuran 35-45 kalori per kilogram berat badan atau sekitar 2100 kalori perhari.
Makanan yang kaya hidrat arang kompleks yaitu 350-400 gram per hari agar
IK
dapat melindungi protein tubuh. Protein atau asam amino diberikan sebanyak 175
gram dan lemak sedang tidak lebih dari 40 gram per hari. Bentuk makanan
ST
A
Tempe 25 3,5 5 0 34
Sayuran A 125 3,75 12,5 0 65
AY
Sayuran B 25 1 1 0 8
Minyak
Jagung 5 0 0 5 45
Kacang
AB
2 Selingan Pagi Hijau 50 17,5 30 0 190
Pukul 09.30 Pepaya 100 24 0 0 96
Kacang
4 Selingan Sore Hijau 50 17,5 30 0 190
Pukul 15.30 Pisang 100 24 0 0 96
O
Minyak
Jagung 7,5 0 0 7,5 67,5
Selingan
6 Malam Pepaya 100 11 43,6
Pukul 21.30
penggunanya, karena pengguna aplikasi inilah yang akan menentukan aplikasi ini
A
Dokter melakukan segala maintenance data yang berkaitan dengan
penyakit, gejala dan terapi. Admin melakukan maintenance data yang berkaitan
AY
dengan rekam medik dan user. Selain melakukan maintenance terhadap data-data
aplikasi dokter dan admin juga dapat melakukan konsultasi sama seperti user. Hal
AB
tersebut dilakukan agar dapat melihat dan mengevaluasi apakah informasi pada
sistem sudah sesuai yang diharapkan. Sedangkan untuk user atau pengguna hanya
kesembuhannya.
sistem. Hal ini dilakukan dengan tujuan supaya aplikasi yang dibuat dapat
O
berfungsi dengan baik sesuai dengan apa yang diharapkan, yaitu mampu
IK
arsitektur yang terdiri dari tiga pengguna, yaitu dokter dan user umum untuk
A
data penyakit, data gejala, data terapi dan data tindakan, serta proses penentuan
terapi yang menjadi parameter dalam mementukan terapi bagi para penderita..
AY
Dokter memberikan masukan berupa data rekam medik yang merupakan
AB
Perancangan arsitektur dari sisi dokter tidak dapat dipisahkan karena proses
perhitungan probabilitas gejala dan penyakit dengan data rekam medik saling
berhubungan.
R
Sedangkan dari user terdiri dari fasilitas input jawaban pertanyaan sesuai
SU
dengan gejala yang dialami. Jawaban yang diberikan kepada apalikasi sebagai
dapat dilihat bahwa gejala-gejala yang didapat dari user akan melalui proses
M
Masukan dari dokter dan admin akan diproses untuk menghasilkan suatu
ST
informasi untuk user berupa diagnosis penyakit dan terapi sebagai penunjang
Menghitung Nilai
Data Gejala, Data
Dokter Probabilitas Gejala Dan
Penyakit Nilai Probabilitas Gejala
Penyakit
dan Penyakit
A
Tindakan
User Pasien
AY
Penentuan Terapi
DIAGNOSIS Gejala Fisik
Terapi dan tindakan (Metode Certainty Factor)
AB
OUTPUT :
- Hasil Diagnosa
- Terapi
- Detail Konsultasi
Pilek ? (Ya/Tidak)
Flu
2
Radang tenggorokan ? (Ya/
Tidak)
Batuk berdahak ? (Ya/ POSITIVE
Tidak) NEGATIVE
3
Demam
Demam Septik ? (Ya/Tidak)
POSITIVE
Demam Siklik ? (Ya/Tidak) NEGATIVE
A
Hipersomia ? (Ya/Tidak)
5
Malaise
Lemah dan Lesu ? (Ya/
Tidak)
AY
POSITIVE
NEGATIVE
Stamina menurun ? (Ya/
Tidak)
AB
NEGATIVE
Perut Membesar ? (Ya/
Tidak)
Diare ? (Ya/Tidak)
POSITIVE
Kontipasi ? (Ya/Tidak)
NEGATIVE
SU
1
PENYAKIT
Berat badan turun ? (Ya/ POSITIVE
Tidak) NEGATIVE
Hepatitis A
Hepatitis B
Fibromyalgia? (Ya/Tidak) Hepatitis C
Myalgia Penyakit Lain
9
Tendinitis? (Ya/Tidak)
M 10
Menguning pada
POSITIVE
dada,perut dan bagian
NEGATIVE
tubuh ? (Ya/Tidak)
Tidak)
12
BAK +
Pucat ? (Ya/Tidak)
BAB +
13
Hitam ? (Ya/Tidak)
POSITIVE
NEGATIVE
table). Pada Tabel 3.1 menunjukan salah satu contoh decision table untuk rule set
A
dependency diagram , untuk lebih jelasnya dapat dilihat pada langkah 1 dan 2.
Langkah 1 : Plan
AY
Kondisi : Pilek ? (Ya/Tidak) =2
AB
Radang tenggorokan? (Ya/Tidak) =2
Jumlah Baris = 2 x 2 x 2 = 8
R
Langkah 2 : Decision Table
SU
Batuk Radang
Rule Pilek INFLUENZA
Berdahak Tenggorokan
M
4 Tidak Ya Ya POSITIF
6 Ya Tidak Ya POSITIF
7 Ya Ya Tidak POSITIF
8 Ya Ya Ya POSITIF
33
Dalam Tabel 3.2 rencana decision table adalah untuk rangkaian aturan
yang terkait dengan dua kondisi yang masing-masing dapat memiliki sejumlah
nilai yang berbeda. Indikasi gejala pilek memiliki dua nilai : apakah Ya atau
Tidak. Indikasi gejala pilek memiliki dua nilai : apakah Ya atau Tidak. Indikasi
A
gejala batuk berdahak memiliki dua nilai : apakah Ya atau Tidak. Indikasi gejala
tenggorokan radang memiliki dua nilai : apakah Ya atau Tidak. Begitu pula
AY
dengan indikasi gejala sakit kepala memiliki dua nilai : apakah Ya atau Tidak.
3.2.3 Flow Chart Aplikasi Sistem Pakar untuk Diagnosis Penyakit Hepatitis
AB
Menggunakan Certainty Factor
untuk Diagnosis dibagi menjadi beberapa proses yakni Flow Chart proses
Gejala-gejala yang dimasukkan akan diproses melalui rule base untuk mengetahui
IK
kemungkinan penyakit berdasarkan penafsiran atau analisa dokter. Rule base atau
analisa dokter dinyatakan dalam bentuk rule atau aturan sebagai tempat
menyimpan pengetahuan dan analisa dari dokter dalam aplikasi. Hasil analisis dan
perancangan aliran sistem proses diagnosis dapat dilihat pada Gambar 3.3.
34
START
Gejala
A
Rule Base
AY
Certainty Factor
AB
R Penyakit
END
SU
idetifikasi jumlah gejala dan penyakit dari proses idetifikasi rule base. Apakah
gejala lebih dari satu, jika lebih dari satu maka aplikasi akan melakukan
IK
perhitungan kombinasi dari gejala yang ada. Perhitungan nilai CF akan disimpan
START
Input Gejala
Fisik
Nilai Probabilitas
Penyakit
P(Pk)
Nilai MB dan MD
(Pemberian nilai keyakinan masing-masing gejala yang
dialami pengguna)
MB = max[P(Pk|G) , P(Pk)] - P(Pk)/max[1,0]-P(Pk)
A
MD = min[P(Pk|G) , P(Pk)] - P(Pk)/min[1,0]-P(Pk)
AY
Verifikasi Nilai CF
dan CF 2
AB
CFcomb =
Nilai Salah satu Ya
CF + CF2 (1-CF1)
<0?
CFcomb =
Tidak
Ya CF + CF2 / 1-
min(|CF|,|CF2|)
CFcomb =
CF + CF2 (1 + CF)
R Nilai
Cfcomb 1
SU
Verifikasi Nilai
CFcomb 1 dan CF3
CFcomb 2=
Tidak Ya Cfcomb 1 + CF32 / 1-
min(|Cfcomb
M
1|,|CF3|)
CFcomb 2 =
CFcomb 1 + CF3 (1 +
CF)
Nilai
O
CF Penyakit
END
IK
tahap yang direlasikan dengan data training yaitu data rekam medik yang
36
diinputkan oleh admin. Pada data tersebut yang dibutuhkan adalah data penyakit
P(Pk)) dan gejala (dinotasikan dengan G) dihitung berdasarkan data rekam medik.
A
Misal dari data rekam medik seluruh penderita hepatitis berjumlah 450 orang ,
dengan rincian dari data tersebut yang tekena Hepatitis A sebanyak 125 orang,
AY
Hepatitis B sebanyak 175 orang dan Hepatits C sebanyak 150 orang.
AB
P (Hepatitis A ) = 125 / 450 = 0,277
yaitu digunakan untuk menghitung nilai Measure of Believe (MB) dan Measure of
kepastian atau keyakinan penyakit karena adanya gejala yang ada. MD (Measure
O
A
Misal dari data penyakit Hepatitis A, orang yang memiliki gejala demam
AY
dengan menganggap :
Pk = Hepatitis A
AB
G1 = demam
G2 = mata menguning
G3 = anoreksia
R
G2 = althraga
SU
terhadap gejalanya sebanyak jumlah penyakit dan gejala yang ada pada sistem.
= 0 / 0,723
=0
38
= - 0,117 / - 0,125
A
= 0,936
AY
Hepatitis A berdasarkan gejala mata menguning :
AB
= 0,123 / 0,723
= 0,170
= 0 / - 0,125
=0
M
Dengan cara yang sama sistem menghitung nilai keyakinan (MB) dan
O
kepastian (CF) tehadap gejala yang dialami dengan menggunakan persamaan 2.1.
ST
adalah :
= 0 – 0,936
39
= - 0,936
= 0,170 – 0
= 0,170
A
Dengan cara yang sama sistem menghitung nilai kepastian (CF) penyakit
terhadap gejala-gejalanya sebanyak jumlah penyakit dan gejala yang ada pada
AY
sistem.
AB
gejalanya proses selanjutnya menghitung nilai CF kombinasi gejala, karena
dimungkinkan gejala yang dialami oleh user tidak hanya satu gejala. Untuk
persamaan 2.6.
b. Jika salah satu nilai CF dari kedua gejala bernilai negatif maka maka
c. Jika nilai CF dari kedua gejala bernilai negatif maka maka menggunakan
O
persamaan 2.8.
mengalami gejala deman, mata kuning dan althga dengan nilai CF masing gejala
yaitu gejala demam dan mata kuning. Sebelumnya sistem akan mengidentifikasi
nilai CF dari kedua gejala tersebut apakah keduanya bernilai postif, salah satunya
bernilai negatif atau keduanya bernilai negatif. Karena kedua gejala bernilai
40
A
= 0,43 * 0,96
= 0,412
AY
Selanjutnya sistem akan melakukan perhitungan terhadap kombinasi dua
gejala tersebut dengan gejala ketiga yaitu althraga. Sama seperti sebelumnya
AB
sistem akan mengidentifikasi nilai CF dari kombinasi kedua gejala tersebut
dengan gejala ketiga apakah keduanya bernilai postif, salah satunya bernilai
negatif atau keduanya bernilai negatif. Karena CF keduanya bernilai positif maka
R
persamaan yang dipakai untuk menentukan nilai CF kombinasi 1 adalah tetap
SU
= 0,692 * 0,588
O
= 0,4
menderita hepatitis A dengan gejala demam, mata kuning dan althraga adalah 0,4
kombinasi gejala jumlah penyakit dan gejala yang ada pada sistem kemudian
mengambil nilai CF tertinggi dari hasil tersebut. Misal dari hasil gejala tersebut
Nilai CF Hepatitis A 0,4 , Hepatitis B 0,6 dan Hepatitis 0,2. Nilai CF tertinggi
41
adalah Hepatitis B 0,6 berarti tingkat kepastian bahwa user menderita penyakit
hepatitis dengan gejala demam, mata kuning dan althraga adalah penyakit
penyakit Hepatitis B.
A
3.2.5 Entity Relationship Diagram
AY
Entity Relationship Diagram digunakan untuk menginterpretasikan,
AB
keseluruhan kebutuhan data dari pemakai. Dalam ERD data tersebut diGambarkan
dalam bentuk conceptual data model (CDM) dan physical data model (PDM).
User Rekam_Medik
id_user id_datarm
melakukan user_name nama_pasien
password jenis_kelamin
nama tgl_lahir
mengajukan tgl_lahir kota
alamat ku
kota td
Tanya_Jawab jenis_kelamin n
Konsultasi gol_darah rr
id_pertanyaan
id_konsultasi no_telp gcs
tgl_pertanyaan
tgl_konsultasi email tex
judul_pertanyaan
A
jawaban konsultasi status_user billirubin_direct
pertanyaan mempunyai
billirubin_indirect
jawaban
billirubin_total
Detail_Rekammedik mempunyai sgot
AY
sgpt
id_detail_rm
albumin Rule Penyakit
status_detailrm
globimin
id_rule id_penyakit
anti_igm mempunyai
mempunyai nama_rule penyakit
anti_igg
probabilitas_pk
hbsag
Gejala anti_hbcigm
id_gejala anti_hbcigg
AB
mempunyai nama_gejala hcv
pertanyaan keterangan_rm
probabilitas_gejala
Detail_Konsultasi Detail_Rule
id_detailkonsultasi id_detail_rule
mempunyai mempunyai
status_detaillkonsultasi ketrangan_rule
mempunyai
CF_Pk Nilai_CF_Gejala
mempunyai
R id_cfgejala
mb mengandung
Terapi
md
id_terapi Tingkat_Penyakit
mempunyai
SU
jenis_terapi id_tingkatpenyakit
terapi mempunyai Maksimal_CF mempunyai
Minimal_CF
mempunyai
ket_detail_menu
Tindakan mempunyai
mempunyai
id_tindakan Makanan
O
nama_tindakan
id_makanan
nama_makanan
ket_makanan
golongan_makanan
protein (g)
IK
lemak (g)
karbohidrat (g)
kalori
ST
Tabel. Dengan meng-generate CDM, maka akan didapat PDM seperti pada
Gambar 3.6.
43
USER
ID_USER integer
USER_NAME varchar(12)
PASSWORD varchar(12)
NAMA v50
ID_USER = ID_USER
T GL_LAHIR date T ANYA_JAWAB
ALAMAT varchar(50) ID_PERT ANYAAN integer
KOT A varchar(50) ID_USER integer
JENIS_KELAMIN varchar(10) ID_USER = ID_USER T GL_PERTANYAAN timestamp
REKAM_MEDIK
GOL_DARAH varchar(2) JUDUL_PERT ANYAAN varchar(100)
ID_DATARM integer
NO_T ELP varchar(50) PERTANYAAN varchar(200)
ID_PENYAKIT integer
EMAIL varchar(50) JAWABAN varchar(200)
NAMA_PASIEN varchar(50)
KONSULTASI STATUS_USER varchar(50)
JENIS_KELAMIN varchar(10)
ID_KONSULT ASI integer T GL_LAHIR date
ID_USER integer ID_DATARM= ID_DATARM KOT A varchar(50)
ID_TERAPI integer KU varchar(50)
ID_PENYAKIT = ID_PENYAKIT
A
T GL_KONSULTASI date TD varchar(15)
JAWABAN_KONSULT ASI varchar(50) N integer
RR integer
GCS varchar(10)
DET AIL_REKAMMEDIK T EX decimal(3,2)
AY
ID_DETAIL_RM integer BILLIRUBIN_DIRECT decimal(5,2)
ID_GEJALA integer BILLIRUBIN_INDIRECT decimal(5,2)
STATUS_DET AILRM varchar(50) BILLIRUBIN_TOT AL decimal(5,2) PENYAKIT
ID_DATARM integer SGOT decimal(5,2) ID_PENYAKIT integer
ID_PENYAKIT = ID_PENYAKIT
SGPT decimal(5,2) PENYAKIT varchar(20)
ALBUMIN decimal(5,2) PROBABILIT AS_PK decimal(6)
ID_TERAPI = ID_TERAPI GLOBIMIN decimal(5,2)
ID_GEJALA = ID_GEJALA
ANT I_IGM varchar(10)
ANT I_IGG varchar(10)
HBSAG varchar(10) RULE
AB
ANT I_HBCIGM varchar(10) ID_RULE integer
ID_KONSULTASI = ID_KONSULTASI ANT I_HBCIGG varchar(10) ID_PENYAKIT integer
HCV varchar(10) NAMA_RULE varchar(25)
GEJALA KET ERANGAN_RM varchar(50)
ID_GEJALA integer
ID_GEJALA = ID_GEJALA
NAMA_GEJALA varchar(50)
PERTANYAAN varchar(200)
T ERAPI PROBABILIT AS_GEJALA decimal(6) ID_RULE = ID_RULE
ID_TERAPI = ID_TERAPI ID_TERAPI integer
JENIS_TERAPI varchar(20)
T ERAPI varchar(100)
ID_GEJALA = ID_GEJALA
R DET AIL_RULE
ID_DETAIL_RULE integer
ID_GEJALA integer
ID_RULE integer
KET RANGAN_RULE varchar(50)
DET AIL_KONSULT ASI NILAI_CF_GEJALA
SU
DET AIL_T ERAPI ID_DETAILKONSULTASI integer ID_CF integer
ID_DETAILTERAPI integer ID_KONSULT ASI integer ID_GEJALA integer
ID_TERAPI integer ID_PENYAKIT integer ID_PENYAKIT = ID_PENYAKIT
ID_GEJALA integer ID_GEJALA = ID_GEJALA
ID_TINDAKAN integer STATUS_DET AILLKONSULT ASI varchar(50) MB decimal(6)
STATUS_DET AILTERAPI varchar(50) CF_PK decimal T INGKAT_PENYAKIT MD decimal(6)
ID_TINGKAT PENYAKIT integer
ID_PENYAKIT integer
ID_TERAPI integer ID_PENYAKIT = ID_PENYAKIT
ID_TERAPI = ID_TERAPI
MAKSIMAL_CF decimal(6)
MINIMAL_CF decimal(6)
MENU_MAKANAN
M
ID_MENU integer
ID_TINGKAT PENYAKIT integer
ID_TINGKATPENYAKIT = ID_TINGKATPENYAKIT
NAMA_MENU varchar(100)
JUMLAH_KALORI integer
DET AIL_MENU
ID_DETAIL_MENU varchar(10) JENIS_MENU
O
MAKANAN
ID_MAKANAN integer
NAMA_MAKANAN varchar(100)
KET _MAKANAN varchar(100)
ST
GOLONGAN_MAKANAN integer
PROTEIN integer
LEMAK integer
KARBOHIDRAT integer
KALORI integer
Dalam struktur Tabel dijelaskan fungsi dari masing-masing Tabel hingga fungsi
masing-masing field yang ada di dalam Tabel. Selain itu juga terdapat tipe data
A
dari masing-masing field beserta konstrainnya.
AY
A. Tabel User
AB
Foreign Key : -
B. Tabel Penyakit
Foreign Key : -
45
A
2 nama_penyakit varchar 12 Nama penyakit
3 probabilitas_pk date 12 Probabilitas penyakit
berdasarkan rekam
AY
medik
4 Keterangan_pk varchar 50 Keterangan dan
deskripsi penyakit
AB
C. Tabel Gejala
Foreign Key : -
SU
D. Tabel Terapi
Foreign Key : -
A
Fungsi : Untuk menyimpan data terapi.
AY
Tabel 3.6 Tabel Terapi
AB
3 terapi varchar 50 Tahapan terapi yang
harus dilakukan
5 Keterangan_g varchar 50 Keterangan dan
deskripsi tentang
terapi
R
SU
E. Tabel Tindakan
Foreign Key : -
F. Tabel Makanan
Foreign Key : -
A
Fungsi : Untuk menyimpan data makanan.
AY
Tabel 3.8 Tabel Makanan
AB
2 nama_makanan varchar 30 Nama makanan
3 ket_makanan varchar 100 Keterangan cara
penyajian dan jumlah
takaran
4 golongan int Pengelompokan
R makanan berdasarkan
jenisnya
SU
5 kalori int Jumlah kalori
6 lemak int Kadar lemak
7 protein int Kadar protein
M
Foreign Key : -
A
Nama Tabel : JENIS MENU
AY
Primary Key : id_jenis_menu
Foreign Key : -
AB
Tabel 3.10 Tabel Jenis Menu Makanan
I. Tabel Rule
Foreign Key : -
Foreign Key : -
A
Fungsi : Untuk menyimpan data rekam medik.
AY
Tabel 3.12 Tabel Rekam Medik
AB
2 nama_pasien varchar 50 Nama sampel
pasien di data rekam
medik
3 jenis_kelamin varchar 50 Jenis kelamin
R pasien
4 tgl_lahir date Tanggal lahir pasien
5 kota varchar 50 Kota tempat pasien
SU
6 ku varchar 50 Keadaan umum
pasien
7 td varchar 15 Tensi darah
8 n integer 11 Denyut nadi
9 rr integer 5 Nafas
10 gcs integer 5 GCS
M
A
Fungsi : Untuk menyimpan data detail rekam medik.
AY
Tabel 3.13 Tabel Rekam Detail Medik
AB
2 id_gejala integer 11 FK Kode gejala pada
rekam medik
3 id_data_rm integer 11 FK Kode data rekam
medik
5 tgl_input date
R Tanggal input data
rekam medik
SU
A
Primary Key : id_detail_rule
AY
Foreign Key : id_gejala, id_rule
AB
Tabel 3.15 Tabel Rekam Detail Rule
Primary Key : -
penyakit.
A
AY
P. Tabel Detail Terapi
AB
Foreign Key : id_terapi, id_tindakan
tindakan
O
A
makanan
4 id_jenis_menu integer 11 FK Kode identitas data
jenis menu makanan
AY
R. Tabel Konsultasi
AB
Nama Tabel :KONSULTASI
konsultasi
IK
A
penyakit
3 jawaban varchar 12 Jawaban
pertanyaan gejala
AY
4 cf_pk integer Nilai perhitungan
tingkat kepastian
AB
T. Tabel Tanya Jawab
dari dokter.
pertanyaan
2 Tgl_pertanyaan timestamp Tanggal melakukan
IK
posting pertanyaan
3 pertanyaan integer 11 Isi pertanyaan yang
diajukan user
4 jawaban integer 11 Jawaban dari okter
ST
terhadap pertanyaan
yang diajukan user
5 User_id FK Kode identitas user
55
antara user dengan sistem. Perancangan antarmuka ini terdiri dari seluruh form
A
menggunakan Certainty Factor.
AY
A. Perancangan Halaman Home Publik
AB
halaman ini berupa pengetahuan dan berita mengenai penkembangan penyakit
dalam aplikasi. Perancangan halaman home publik dapat dilihat pada Gambar 3.7.
M
Header
Login
Username
IK
Password
Login
Content
Artikel
ST
List Artikel
Tips
List Tips
Footer
data diri sesuai dengan form yang ada di halaman registrasi user. Setelah
A
melakukan registrasi user akan mendapatkan username dan password yang
digunakan untuk masuk kedalam menu user pada aplikasi. Perancangan halaman
AY
Form registrasi user dapat dilihat pada Gambar 3.8.
AB
Registrasi User
Username : Password :
Validasi Confirm Password :
Nama : Kode :
Jenis Kelamin
Alamat
:
R Confirm Kode :
SU
Profile Picture
Kota :
Tgl. Lahir :
Gol. Darah :
.
No. Telp Browse . Upload
: .
No. HP :
E-mail :
M
Status User :
Daftar Cancel
O
terhadap penyakit hepatitis yang diderita. Pada halamam Home User ini terdapat
menu diagnosis, data konsultasi, tanya jawab, user profile dan user info. Menu
diagnosis yaitu menampilkan pertanyaan gejala dan dijawab oleh user sebagai
record history diagnosis yang dilakukan oleh user yang disajikan dalam bentuk
Tabel. Menu tanya merupakan media interaksi atau konsultasi user dengan
penyakitnya yang nantinya akan jawab oleh dokter. Menu user profile merupakan
A
halaman yang berisi informasi mengenai data diri user.
Menu user info yang terdiri dari tips, artikel dan FAQ merupakan merupakan
AY
halaman sebagai media informasi kepada user mengenai penyakit hepatitis yaitu
AB
tips atau informasi cara pengobatan dan penanggulangan. Perancangan halaman
FAQ
Profile Picture
Logout
M
List Artikel
O
Tips
List Tips
IK
Footer
ST
pasien. Pada Halaman diagnosis ini terdiri dari tampilan user melakukan proses
58
mengindikasikan gejala apa yang dialami user sebagai tahap awal dari diagnosis
dan user akan menjawab pertanyaan yang diberikan aplikasi sesuai dengan apa
yang dialaminya. Perancangan halaman diagnosis dapat dilihat pada Gambar 3.10.
A
DIAGNOSIS
AY
ID_KONSULTASI :
Username :
Nama :
Username :
AB
PERTANYAAN
YA
R TIDAK
Next
SU
menjawab pertanyaan yang diberikan aplikasi maka user dapat melihat hasil
IK
konsultasi. Pada halaman hasil diagnosis ini user akan dapat melihat hasil
perhitungan Certainty Factor penyakit yang dialami, terapi yang dianjurkan dan
ST
jadwal menu makan dengan tingkat kalori sesuai dengan penyakit yang
didiagnosis. Perancangan halaman hasil diagnosis dapat dilihat pada Gambar 3.11.
59
HASIL DIAGNOSIS
ID_KONSULTASI :
35
30
25
20
15
10 MB
5 MD
0
A
AY
Hepatitis A :
Hepatitis B :
Hepatitis C :
Terapi :
Menu Makanan :
AB
SImpan Cetak
penyakitnya yang nantinya akan jawab oleh dokter. Perancangan halaman tanya
M
TANYA JAWAB
IK
Judul Pertanyaan
Pertanyaan
ST
Simpan
halamam Home User ini terdapat menu maintenance data user,menu konsultasi,
A
menu data paramedis, menu data dokter, menu report dan menu user info.
AY
melakukan penambahan, perbaikan dan penghapusan terhadap data user. Selain
itu pada menu ini dokter juga dapat memberikan hak akses terhadap user account
AB
dan melakukan pemblokiran terhadap hak akses user.
Menu konsultasi pada dokter pada dasarnya sama seperti menu konsultasi
yang apa pada user, tetapi menu konsultasi pada dokter lebih bertujuan
R
mengontrol pada proses diagnosis aplikasi apakah hasil prosesnya sudah sesuai
SU
atau tidak.
paramedis. Dalam menu data paramedis terdapat data penyakit, data gejala, data
M
terapi, data tindakan dan data rule. Pada menu data paramedis ini, paramedis
O
penambahan, perbaikan dan penghapusan terhadap data data penyakit, data gejala,
IK
terdapat data rekam medik, data makana, data menu makan, dan data jenis menu.
Pada menu data paramedis ini, paramedis dapat melakukan maintenance data,
61
terhadap data rekam medik, data makana, data menu makan, dan data jenis menu.
tentang semua data-data yang berhubungan dengan aplikasi sebagai contoh adalah
A
laporan data user, laporan data konsultasi, laporan data penyakit, laporan data
terapi dan laporan penjadwalan menu makanan. Selain itu pada menu ini dapat
AY
disajikan informasi tentang segala aspek yang perhubungan dengan penderita
AB
Menu user info pada admin merupakan fasilitas menu yang digunakan
3.13.
M
Header
Selamat Datang Data Konsultasi Data Penyakit Data Rekam Medik Report Data User Tips
Admin Diagnosis Data Gejala Data Makanan Data History Diagnosa Artikel
Logout RULE
List Artikel
ST
Tips
List Tips
Footer
penyakit yang akan didiagnosis dalam aplikasi ini. Form ini berisisi inputan
mengenai spesifikasi dari penyakit beserta penjelasan dari penyakit tersebut. Data
A
penyakit ini nantinya akan berelasi dengan data rekam medik, data gejala, data
rule, data tingkat penyakit dan data rule sebagai proses detail dari data penyakit.
AY
Perancangan halaman maintenance data penyakit dapat dilihat pada Gambar 3.14.
AB
Data Penyakit
ID Penyakit R
Penyakit
Keterangan
SU
Penyakit
M
Simpan
O
probabilitas data penyakit yang akan didiagnosis dalam aplikasi ini berdasarkan
data rekam medik. Detail penyakit ini merupakan relasi diantara data penyakit
Detail Penyakit
ID Penyakit : Id_penyakit
penyakit : nama_penyakit
A
AY
AB
Gambar 3.15 Perancangan Halaman Detail Penyakit
R
J. Perancangan Halaman Maintenance Tingkat Penyakit
SU
Halaman maintenance tingkat penyakit merupakan salah satu detail dari
penyakit dan digunakan untuk menginputkan data tingkat penyakit yang akan
didiagnosis dalam aplikasi ini. Form ini berisisi inputan mengenai spesifikasi dari
M
tingkat penyakit beserta nilai Certainty Factor yang menjadi ukuran menentukan
data tingkat penyakit paramedis akan menentukan jenis tindakan terapi dan
IK
menetukan perencanaan makan (meal planing) yang akan dijalani user. Data
tingkat penyakit ini nantinya akan berelasi hasil dengan data rekam penyakit, data
ST
ID Tingkat
Penyakit
Tingkat
Penyakit
Min CF
A
Max CF
AY
Keterangan
Tingkat penyakit
AB
Simpan
gejala penyakit yang akan didiagnosis dalam aplikasi ini. Form ini berisisi inputan
mengenai spesifikasi dari gejala, pertanyaan gejala yang akan diajukan proses
M
pada saat diagnosis beserta penjelasan dari gejala tersebut. Data gejala ini
nantinya akan berelasi dengan data rekam medik, data penyakit, data rule, data
O
perhitungan nilai Certainty Factor gejala sebagai proses detail antara data gejala
IK
Data Gejala
ID Gejala
Gejala
Pertanyaan
Gejal
A
Keterangan
AY
Gelala
AB
Simpan
terhadap penyakit yang akan didiagnosis dalam aplikasi ini berdasarkan data
M
rekam medik. Detail penyakit ini merupakan tampilan dari Tabel data nilai CF
gejala yang merupakan relasi diantara data penyakit dan data gejala berdasarkan
O
data rekam medik. Perancangan halaman maintenance detail gejala dapat dilihat
IK
Detail Gejala
ID Gejala : Id_gejala
Gejala : nama_gejala
A
nama_gejala
25
20
15
10
AY
5
0
Hepatitis A Hepatitis B Hepatitis C
MB 12 17 22
MD 17 11 29
Probabilitas 10 21 14
AB
Gambar 3.18 Perancangan Halaman Detail Gejala
R
M. Perancangan Halaman Maintenance Data Makanan
SU
Halaman maintenance data makan diugunakan untuk menginputkan data
makanan sebagai bagian dari perencanaan makan (meal planing). Form ini
kandungan kalori. Data makanan ini nantinya akan berelasi dengan data jenis
O
menu, data menu makanan dan data detail menu sebagai proses detail antara data
IK
Makanan
ID Makanan
Nama
makanan
Keterangan
makanan
A
Golongan
Karbohidrat gr
AY
Protein gr
Lemak gr
Kalori kkal
AB
Simpan
data rekam medik sebagai pengukur tingkat probabilitas yang akan digunakan
dalam menentukan nilai Certainty Factor gejala maupun penyakit pada saat
M
melakukan diagnosis. Form ini berisisi inputan mengenai data diri pasien,data
pemeriksaan pasien, yang terdiri dari gejala fisik dan hasil uji laboratorium yang
O
ada di rumah sakit. Data rekam medik ini nantinya akan berelasi dengan data
IK
penyakit dan data detail rekam medik sebagai proses detail antara data rekam
Kode Pasien
Tanggal Lahir
Penyakit
A
Gejala 2 Gejala 6 Gejala 10
AY
Gejala 4 Gejala 8 Gejala 12
Keterangan
AB
Simpan
rule sebagai tempat menyimpan pengetahuan dan analisa dari dokter dalam
M
aplikasi. Form ini berisisi inputan mengenai rule penafsiran kombinasi gejala dan
penyakit yang ditimbulkan. Data rule terdiri ID rule, nama rule, kombinasi gejala
O
dan penyakit yang ditimbulkan. Data rule ini nantinya akan berelasi dengan data
IK
gejala dan data penyakit. Perancangan halaman set rule dapat dilihat pada
Gambar 3.21.
ST
69
SET RULE
Kode Rule
Nama Rule
Set Gejala
Gejala 1 Gejala 5 Gejala 9
:
A
Gejala 4 Gejala 8 Gejala 12
AY
Penyakit
Keterangan
Rule
Simpan
AB
Gambar 3.21 Perancangan Halaman Set Rule
R
P. Perancangan Halaman General Rule
analisa dari dokter dalam aplikasi. Form ini berisisi inputan mengenai rule
M
penafsiran kombinasi indikasi parameter gejala dengan gejala dan gejala dengan
O
penyakit yang ditimbulkan. Perancangan halaman set rule dapat dilihat pada
Gambar 3.22.
IK
ST
70
GENERAL RULE
Parameter Gejala
Text
Text
Gejala 1 Gejala 2 Gejala 3 Gejala 4 PENYAKIT
Text
Text
ya ya ya ya POSITIVE
Text tidak tidak tidak tidak NEGATIVE
Text
Text
ya ya ya ya POSITIVE
Text
tidak tidak tidak tidak NEGATIVE
A
Text
Text ya ya ya ya POSITIVE
Text
Text
tidak tidak tidak tidak NEGATIVE
AY
Text ya ya ya ya POSITIVE
Text
Text
Text
Simpan
AB
Gambar 3.22 Perancangan Halaman Form General Rule
laporan hasil konsultasi berupa kesimpulan dari hasil diagnosis berupa tingkat
kepastian penyakit beserta terapi dan tindakan yang harus dilakukan penderita .
M
A
AY
AB
Gambar 3.23 Perancangan Halaman Hasil Konsultasi
R
R. Perancangan Laporan Daftar Menu Makanan (Meal Plan)
SU
Laporan hasil daftar menu makanan merupakan laporan dari aplikasi
Detail dari isi laporan daftar menu makanan berupa daftar menu makanan yang
berisi informasi tentang banyaknya jumlah takaran yang harus dikonsumsi, nilai
O
kandungan karbohidrat, nilai kandungan protein, nilai kandungan lemak dan total
IK
nilai kandungan kalori. Perancangan halaman hasil konsultasi dapat dilihat pada
Gambar 3.24.
ST
72
A
AY
AB
Gambar 3.24 Perancangan Halaman Daftar Menu Makanan
R
SU
M
O
IK
ST