implementasi spk untuk mendiagnosis penyakit diabetes menggunakan metode tsukamoto
DESCRIPTION
Sistem Pendukung KeputusanTRANSCRIPT
SISTEM PENDUKUNG KEPUTUSAN DIAGNOSIS PENYAKIT DIABETES DENGAN METODE FUZZY TSUKAMOTO
Mas Iffah M. J. ₁, Muhammad Arif H. ₂, Ninis Primadona P. ₃, Anhar Tribowo ₄, Rosikhan Maulana Y ₅.
Program Studi Informatika/Ilmu KomputerProgram Teknologi Informasi dan Ilmu Komputer
Universitas BrawijayaJalan Veteran No. 8, Malang 65145, Indonesia
Email: [email protected] ₁, [email protected] ₂, [email protected] ₃, [email protected] ₄,
ABSTRACTDiabetes is a disease that has threat of death and economic impact on the sufferer in health care costs. It should be diagnosed early to avoid complications that can lead the treatment cost more expensive [1].In line with the rapid technological development, the diagnosis of the disease can be done with decision support system in which it can help provide clinical decision to the sufferer [4]. This research implementsFuzzy Tsukamoto method in the process of diabetes diagnosis. Functional testing with Black Box method shows that the overall functional works good.Keywords:Decision Support System, Diabetes, Fuzzy, Tsukamoto.
ABSTRAKDiabetes merupakan penyakit yang menjadi ancaman kematian dan
memiliki dampak ekonomi terhadap penderitanya dalam biaya pelayanan kesehatan. Penyakit diabetes perlu didiagnosis secara dini guna menghindari komplikasi yang dapat mengakibatkan biaya penanganan diabetes semakin mahal [1].Sejalan dengan kemajuan teknologi yang pesat, diagnosis penyakit dapat dilakukan dengan sistem pendukung keputusan di mana sistem ini dapat membantu memberikan keputusan klinis bagi penderitanya [4]. Penelitian ini mengimplementasikan metode FuzzyTsukamoto dalam diagnosis penyakit diabetes.Hasil pengujian fungsional dengan metode Black Box menunjukkan bahwa keseluruhan fungsional dapat berjalan dengan baik.Kata Kunci: Sistem Pendukung Keputusan, Diabetes, Fuzzy, Tsukamoto.
1. PENDAHULUAN1.1. Latar Belakang
Diabetes merupakan penyakit yang menjadi ancaman kematian dan memiliki dampak ekonomi terhadap penderitanya dalam biaya pelayanan kesehatan. Penyakit diabetes perlu didiagnosis secara dini guna menghindari komplikasi yang dapat mengakibatkan biaya penanganan diabetes semakin mahal [1]. Sejalan dengan kemajuan teknologi yang pesat, diagnosis penyakit dapat dilakukan dengan bantuan komputer. Komputer dapat mendiagnosis penyakit melalui sistem pendukung keputusan di mana sistem ini dapat membantu memberikan keputusan klinis bagi penderita penyakit [4].
Penelitian terkait diagnosis penyakit diabetes telah dilakukan
oleh Mariani ValentinaTampubolon (2010) dan Rizka Kartika Putri (2012) [6][7]. Mariani ValentinaTampubolon melakukan penelitian dengan membangun sistem pendukung keputusan penentuan penyakit diabetes mellitus dengan metode Sugeno. Mariani mencoba melakukan diagnosis berdasarkan kadar glukosa darah puasa, kadar glukosa plasma puasa, kadar glukosa plasma tidur, kadar glukosa darah 2 jam PP, kadar insulin, kadar HbA1c, kadar kolesterol HDL, kadar trigliserida dan umur. Sistem tersebut merupakan alat bantu pengambilan keputusan berdasarkan hasil pemeriksaan laboratorium pasien. Dengan adanya sistem tersebut, tenaga medis dapat dengan mudah mengetahui hasil penentuan
1
diagnosis penyakit diabetes mellitus sehingga dapat membantu mereka dalam melakukan pengambilan keputusan klinis. Namun penelitian ini tidak membahas tingkat akurasi metode Sugeno dan lebih membuktikan bahwa kehadiran sistem tersebut dapat mendukung tenaga medis dalam menentukan keputusan klinis [7].
Penelitian berikutnya yaitu penelitian yang dilakukan oleh Rizka Kartika Putri. Rizka mencoba melakukan penelitian dengan membuat sistem pendukung keputusan diagnosa diabetes mellitus menggunakan logika FuzzyMamdani. Sistem ini juga merujuk kepada hasil pemeriksaan laboratorium dan digunakan oleh tim medis dan atau pasien untuk penentuan diagnosis diabetes mellitus. Keluaran dari sistem ini yaitu hasil diagnosis untuk pasien serta grafik untuk memberikan gambaran kepada pasien terkait fuzzifikasi, inferensi, dan defuzzifikasi dengan metode Mamdani. Namun, penelitian ini tidak membuktikan tingkat akurasi Mamdani [6].
Berdasarkan uraian sebelumnya maka penulis mengusulkan penelitian dengan judul “Sistem Pendukung Keputusan Diagnosis Penyakit Diabetes dengan Metode FuzzyTsukamoto”.Metode Tsukamotodipilih karena berdasarkan penelitian yang dilakukan VinaRehadiOngkosaputra (2013), implementasi metode Tsukamoto memiliki tingkat akurasi hingga 92 persen [5].Sehingga diharapkan implementasi metode ini akan menghasilkan diagnosis diabetes dengan tingkat akurasi yang tinggi.
1.2. Rumusan MasalahBerdasarkan latar belakang
yang telah dipaparkan sebelumnya, maka didapatkan rumusan masalah sebagai berikut:
1. Bagaimana cara mengimplementasikan metode FuzzyTsukamoto dalam diagnosis penyakit diabetes?
2. Bagaimana tingkat akurasi yang dihasilkan dengan metode FuzzyTsukamoto berdasarkan
parameter yang digunakan dalam diagnosis penyakit diabetes?
1.3. Batasan MasalahAgar pembahasan tidak melebar
ke arah yang lebih luas, maka penelitian ditekankan pada hal-hal berikut:
1. Diagnosis penyakit diabetes menggunakan metode FuzzyTsukamoto.
2. Parameter yang digunakan adalah indeks masa tubuh (Body Mass Index/BMI), umur (age), dan tekanan darah (bloodpressure).
3. Sistem merupakan aplikasi web (WebApplication).
1.4. TujuanTujuan dari penelitian ini
adalah untuk menghasilkan sebuah sistem yang dapat melakukan diagnosis penyakit diabetes secara dini sehingga dapat mengurangi risiko komplikasi yang disebabkan ketidaktahuan penderita akan gejala penyakit ini.
1.5. Manfaat- Bagi Penulis:
1. Dapat menerapkan ilmu yang didapatkan selama perkuliahan Sistem Pendukung Keputusan.
2. Mengetahui lebih dalam tentang sistem inferensi Fuzzy khususnya metode Tsukamoto.
- Bagi Pengguna:1. Dapat mengetahui hasil
diagnosis penyakit diabetes secara dini.
2. Dapat meminimalisir biaya untuk diagnosis penyakit diabetes.
1.6. Tinjauan Pustaka1.6.1 Kajian Pustaka
Kajian pustaka pada penelitian ini adalah membandingkan penelitian usulan yang berjudul “Sistem Pendukung Keputusan Diagnosis Penyakit Diabetes Dengan Metode FuzzyTsukamoto” dengan penelitian yang sebelumnya berjudul “Implementasi Sistem Pakar Diagnosis Penyakit Diabetes Mellitus Menggunakan Metode FuzzyLogicBerbasis Web”. Pada penelitian sebelumnya, dibuat suatu sistem diagnosa penyakit diabetes dengan Metode FuzzyLogic. Adapun
2
kejelasan pada penelitian sebelumnya dan penelitian yang akan dilakukan saat ini dapat dilihat pada tabel 1 dan 2 sebagai berikut:
Tabel 1 Tabel Perbedaan Objek Dan Metode Penelitian Sebelumnya Dan
Yang Diusulkan
Metode ObjectPrevious FuzzyLog
icDiabetes Mellitus
Usulan Tsukamoto
Diabetes
Sumber:[Perancangan]
Tabel 2 Tabel Perbedaan Input Dan Output Penelitian Sebelumnya Dan
Yang DiusulkanFuzzyLogic Tsukamoto
Input
BiodataPasien :- Userna
me- Passwo
rd- Nama- Jeniskel
amin- Alamat- Email- No
teleponData Laboratorium:
- GlukosaDarahPuasa (GDP)
- Glukosa Plasma Puasa (GPP)
- Glukosa Plasma Tidur (GPT)
- GlukosaDarah 2 Jam PP (GD)
- Kadar HbA1c, Kadar HDL
- Kadar Triglise
- Indeksmassatubuh (Body Mass Index/BMI)
- Umur- Tekanan
darah
rida (Tg)
- Kadar Insulin
Output
Negative diabetes
Pra Diabetes
Positive diabetes tipe 1
Positive diabetes tipe 2
- Positive Diabetes- NegativeDiabetes
Sumber: [Perancangan]
1.6.2. Logika FuzzyLogika fuzzy merupakan suatu
cara untuk memetakan suatu ruang input ke dalam ruang output. Memetakan ruang input ke dalam ruang output dilakukan melalui suatu proses. Gambar 2.1 menyatakan visualisasi tentang pemetaan input ke output dengan melalui proses yang disebut dengan kotak hitam [3].
1.6.3 Metode Tsukamoto
Pada dasarnya, metode Tsukamoto mengaplikasikan penalaran monoton pada setiap aturannya. Kalau pada penalaran monoton, sistem hanya memiliki satu aturan, pada metode Tsukamoto, sistem terdiri atas beberapa aturan.Karena menggunakan konsep dasar penalaran monoton, pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Proses agregasi antar aturan dilakukan, dan hasil akhirnya diperoleh dengan menggunakan defuzzyfikasi dengan konsep rata-rata terbobot [8].
1.6.4. Penyakit DiabetesDiabetes yang juga dikenal di
Indonesia dengan istilah penyakit kencing manis adalah kelainan metabolik yang disebabkan oleh
3
banyak faktor, dengan simtoma berupa hiperglikemia kronis dan gangguan metabolism karbohidrat, lemak dan protein, sebagai akibat dari:- Defisiensi sekresi hormon insuli
n, aktivitas insulin, atau keduanya.
- Defisiensi transporter glukosa atau keduanyaJika salah satu butir dari Faktor
Resiko Diabetes di bawah ini terpenuhi, maka harus dilakukan Penyaringan penyakit diabetes dengan melakukan Tes Gula Darah Puasa dan Tes Gula Darah 2 jam setelah makan. Mengingat melakukan 2 Tes di atas di Laboratorium Klinik biayanya sama besar dengan Tes Toleransi Glukosa, maka sebaiknya langsung saja melakukan Tes Toleransi Glukosa [2].
2. METODE PENELITIAN2.1 Studi Literatur
Studi Literatur merupakan metode yang digunakan untuk mendapatkan dasar teori sebagai sumber untuk penulisan penelitian dan pengembangan aplikasinya. Teori dan pustaka yang berkaitan dengan penulisan penelitian ini adalah:
1. Logika Fuzzy2. Metode Tsukamoto3. Penyakit Diabetes
Studi literatur merupakan dasar teori yang digunakan sebagai penunjang dan pendukung penulisan penelitian. Sumber atau referensi yang digunakan antara lain jurnal, laporan penelitian, buku, dan bantuan mesin pencari (searchengine) dengan bantuan koneksi internet.
2.2 Pengambilan Data SampelPengambilan data sampel
merupakan metode untuk mendapatkan data sampel sebagai acuan untuk mengembangkan perangkat lunak. Data sampel yang dimaksud adalah data-data umur, Body Mass Index (BMI) dan tekanan darah beberapa orang. Data sampel didapatkan dari PimaIndians Diabetes Data Set yang didownload dari Website UCI. Data set tersebut berisi data tentang pasien wanita dengan minimal umur 21 tahun.
2.3 Analisa KebutuhanAnalisa kebutuhan merupakan
suatu metode untuk menganalisis kebutuhan yang akan dibuat meliputi spesifikasi media yang akan digunakan. Metode analisis kebutuhan didapatkan dari proses wawancara sehingga perancang dapat mengetahui secara rinci kebutuhan pengguna.
Kebutuhan fungsional dari sistem agar pengguna dapat berinteraksi dengan sistem adalah sebagai berikut:1. Sistem dapat menerima input
informasi dari pengguna mengenai umur, BMI dan tekanan darah pengguna.
2. Sistem mampu memproses data input pengguna untuk dapat menghasilkan diagnosa berdasarkan data sampel.
3. Sistem mampu menampilkan hasil diagnosa yang sesuai berdasarkan perhitungan data sampel.
Kebutuhan non fungsional pada sistem dijelaskan dalam paparan berikut:
1. Aplikasi bersifat aman karena tidak menggunakan peralatan yang berbahaya.
2. Pengguna hanya membutuhkan sebuah komputer untuk dapat mengakses aplikasi.
3. Aplikasi berjalan secara offline yaitu tanpa membutuhkan koneksi paket data karena informasi yang dibutuhkan terdapat dalam database aplikasi.
2.4 Perancangan SistemPerancangan sistem merupakan
tahapan di mana perancang mulai merancang suatu sistem yang mampu memenuhi semua kebutuhan fungsional maupun non fungsional dari aplikasi. Aplikasi memiliki bagian sistem yang memproses data input pengguna untuk menghasilkan output yang sesuai yaitu hasil diagnosa.
2.4.1. Diagram Blok Sistem Pendukung KeputusanDiagram blok sistem pendukung
keputusan merupakan penguraian logis dari fungsi-fungsi sistem dan
4
memperlihatkan bagaimana bagian-bagian (blok-blok) yang berbeda mempengaruhi satu sama lain.Garis besar perancangan blok diagram Sistem Pendukung Keputusan dapat dilihat pada Gambar 1.
Gambar 1 Diagram Blok Sistem Pendukung Keputusan
Sumber : [Perancangan]
2.5 ImplementasiImplementasi merupakan
tahapan yang dilakukan untuk membuat aplikasi secara nyata.Implementasi dilakukan dengan menggunakan Bahasa pemrograman PHP. Aplikasi yang diimplementasikan merupakan aplikasi berbasis web dengan sistem offline sehingga tidak membutuhkan sumber dari luar.
Aplikasi akan menampilkan menu utama dalam sistem salah satunya permintaan input umur, BMI dan tekanan darah pengguna. Pemrosesan dilakukan berdasarkan data sampel yang telah dilakukan sebelumnya. Berdasarkan data yang telah didapatkan maka peneliti akan menentukan grafik yang digunakan untuk menentukan rule sistem. Rule yang dibentuk disesuaikan dengan data sampel sebelumnya.
2.6 Pengujian dan AnalisisPengujian sistem yang
dilakukan berkaitan dengan pengujian validasi sistem.Tahap ini berfungsi untuk memastikan apakah sistem yang dibuat dapat memperbaiki permasalahan sebelumnya dan sejauh mana sistem dapat mempengaruhi permasalahan yang terjadi.Data yang dipakai sebagai parameter perhitungan keberhasilan sistem adalah data umur, BMI dan tekanan
darah.Pengujian parameter dilakukan berkali-kali agar dapat mendeteksi kesalahan yang terjadi sehingga mampu menghasilkan sistem yang valid dan sesuai
2.7 Pengambilan KesimpulanPengambilan keputusan
merupakan metode yang dilakukan setelah semua tahapan perancangan, implementasi, dan pengujian sistem aplikasi telah selesai dilakukan. Kesimpulan yang diambil dilakukan berdasarkan kesesuaian teori dan praktek. Kesimpulan dibuat bertujuan untuk menjawab rumusan yang disusun pada BAB I. Selain kesimpulan, bagian akhir dari penulisan ini adalah saran yang bertujuan untuk memperbaiki kesalahan yang terjadi dan menyempurnakan penulisan yang ditujukan pada penulisan dan perancangan aplikasi berikutnya.
3. PERANCANGAN3.1. Analisa Kebutuhan
Perangkat LunakTahapan analisa kebutuhan
sistem memiliki tujuan untuk memodelkan informasi yang akan digunakan dalam tahapan perancangan. Analisa kebutuhan sistem yang diperlukan meliputi identifikasi aktor, daftar kebutuhan sistem dan usecase diagram. Berikut ini merupakan penjelasan dari masing-masing tahapannya.
3.2. Perancangan Sistem Pendukung KeputusanTahapan perancangan sistem
pendukung keputusan di sini merupakan tahapan yang bertujuan untuk mengubah model informasi yang telah dibuat pada tahapan analisa kebutuhan sistem. Perancangan yang dilakukan adalah perancangan untuk seluruh subsistem yang terdapat dalam arsitektur sistem pendukung keputusan untuk diagnosa penyakit diabetes. Dalam perancangan Sistem Pendukung keputusan ini terdapat subsistem-subsistem yang mempermudah dalam menjabarkan perancangan sistem ini. Subsistem yang terdapat dalam perancangan sistem pendukung keputusan ini antara lain: Manajemen data, Basis
5
Pengetahuan, Manajemen Model dan Antarmuka (UserInterface).
3.2.1 Subsistem Manajemen DataAdapun data yang digunakan
adalah data sampel yang diperoleh dari data UCI. Data tersebut yaitu:1. Variabel
Setiap variabel masukan memiliki interval nilai yang digunakan sebagai variablelinguistic. Adapun variabel masukan tersebut yaitu:1. BMI (Body Mass Index)2. Umur3. Tekanan Darah
2. Aturan Kombinasi. Aturan kombinasi adalah pernyataan dalam bentuk sebuah aturan sebagai pedoman melakukan perhitungan untuk diagnosa penyakit diabetes.
3.2.2 Subsistem Basis PengetahuanBasis pengetahuan adalah suatu
jenis basis data yang dipergunakan untuk manajemen pengetahuan. Basis data ini menyediakan fasilitas untuk koleksi, organisasi, dan pengambilan pengetahuan terkomputerisasi. Berikut basis pengetahuan yang digunakan dalam penelitian ini.
1. Himpunan bahasa variabel yang terdiri dari:- BMI: kurus, normal,
obesitas- Umur: muda, parobaya,
tua- Tekanan Darah: rendah,
normal, tinggi2. Perolehan data beserta
rentang nilai dengan klasifikasi sebagai berikut:- BMI
≤ 18,5 = kurus18,5 ≥ x ≤ 25 = normal≤ 25 = obesitas
- Umur≤ 25 = muda35 ≥ x ≤ 55 = parobaya≥ 65 = tua
- Tekanan Darah≤ 80 = rendah80 ≥ x ≤ 85 = normal≥ 90 = tinggi
3.2.3 Subsistem Manajemen ModelManajemen model berfungsi
untuk memproses perhitungan data dengan menggunakan metode Tsukamoto. Melalui Gambar 2 dijelaskan proses perhitungan yang ada dalam metode Tsukamoto yang diterapkan dalam sistem.
Gambar 2 FlowchartFuzzy metode Tsukamoto
Sumber : [Perancangan]a. Derajat Keanggotaan
Pembentukan fungsi derajat keanggotaan merupakan pengelompokkan dari masing-masing variabel dengan masing-masing nilai tertentu. Salah satu variabel yang digunakan yaitu BMI yang terdiri dari: kurus, normal, dan obesitas.Fungsi derajat keanggotaan dari variabel BMI didefinisikan sebagai berikut:
b. Pembentukan Rule
6
Setelah melakukan pembentukan fungsi keanggotaan fuzzy, selanjutnya membentuk aturan (rule) yang sesuai dengan data-data yang ada. Rule merupakan serangkaian aturan yang digunakan sebagai dasar penghitungan yang akan dilakukan metode FuzzyTsukamoto.c. Perhitungan Derajat
KeanggotaanKemudian dilakukan perhitungan derajat keanggotaan yang salah satunya adalah perhitungan variabel BMIPada posisi kurus :µ(22) = 0Pada posisi normal :
µ(22) = = 0,92Pada posisi obesitas :
µ(22) = 22−21,7525−21,75
= 0,77
d. Penentuan RuleLalu menentukan rule yang
akan digunakan untuk mendiagnosis. Rule yang dimiliki yaitu:
Tabel 3 Penentuan Rule
No.
Umur Tekanan Dara
h
BMI Hasil
Akhir
R[5]
Muda Normal
Normal
Negatif
R[6]
Muda Normal
Obesitas
Negatif
R[14]
Parobaya
Normal
Normal
Negatif
R[15]
Parobaya
Normal
Obesitas
Positif
Sumber : [Perancangan]e. Penentuan Nilai Minimal/α-
predikatSelanjutnya mencari nilai
minimal derajat keanggotaan dari setiap rule yang dimiliki. Salah satu rute yang digunakan yaitu: Rule [5] : Jika Umur = Muda dan Tekanan Darah = Normal dan BMI =Normal maka Hasil Akhir = Negatif.
µ(R5) = min
(µUmur(26)=Muda;µTekananDarah(
87)=Normal; µBMI(22)=Normal)
µ(R5) = min(0,95 ; 0,6 ; 0,92)
µ(R5) = 0,6
f. Penentuan Nilai Anggota Z (Defuzzyfikasi)Selanjutnya menghitung nilai
derajat keanggotaan Z berdasarkan rule yang dimiliki. Rule[5]:
µ (R5) = 70−Z (R5)70−30
Z(R5) = 70 - (
µ (R5 ) x 40¿
Z(R5) = 70 – (0,6 x 40)
Z(R5) = 70 – 24
Z(R5) = 46
g. Penarikan KesimpulanProses terakhir adalah
penarikan kesimpulan dengan menggunakan persamaan 2-1.
Hasil Akhir =
(µ(R5)Z (R5 )+µ (R6 )Z (R6 )+µ(R15 ) Z (R15 )+µ(R15)Z (R15))(µ (R5 )+v+µ (R6 )+µ (R14 )+µ(R15))
=
(27,6+27,6+3,4+1,6)(0,6+0,6+0,05+0,05)
= 60,21,3
= 46,31
3.2.4 Subsistem AntarmukaDalam perancangan desain
antarmuka aplikasi ini, secara garis besar gambaran dari desain antarmuka dari sistem pendukung keputusan ini antara lain: desain halaman input data dan desain halaman output tabel perhitungan.
7
Gambar 3 Desain Halaman InputSumber : [Perancangan]
Gambar 4 Desain Halaman Output Tabel Hasil Diagnosis Penyakit
DiabetesSumber : [Perancangan]
4. IMPLEMENTASI4.1 Spesifikasi Sistem
Hasil dari tahapan analisis dan perancangan sistem yang sebelumnya telah dijelaskan dalam Bab 4 digunakan sebagai acuan dalam mengimplementasikan sistem yang dapat berfungsi sesuai kebutuhan.
4.2 Batasan ImplementasiBatasan-batasan yang
digunakan dalam mengimplementasikan sistem pendukung keputusan untuk diagnosa penyakit diabetes yaitu:- Input yang diterima oleh sistem
yaitu minimal user harus menginputkan 4 nilai dari 4 kolom variabel yang disediakan.
- Output yang diterima user adalah berupa diagnosa penyakit diabetes
- IDE (Integrated Development Environtment) yang digunakan adalah Netbeans 8.0.2.
- Metode yang digunakan yaitu metode FuzzyTsukamoto.
- Rule yang digunakan adalah rule yang didapatkan dari pakar.
4.3 Implementasi AlgoritmaDalam subbab ini akan
diimplementasikan hasil dari
perancangan algoritma yang telah dibuat pada bab sebelumnya.
4.4 Implementasi AntarmukaDalam sub bab ini akan
diimplementasikan hasil dari perancangan algoritma yang telah dibuat pada bab sebelumnya.
Gambar 5 Halaman InputSumber : [Implementasi]
Gambar 6Halaman Output Tabel Hasil Diagnosis Penyakit Diabetes
Sumber : [Implementasi]
5. HASIL DAN PEMBAHASAN5.1 Pengujian Fungsionalitas
Pengujian Fungsionalitas bertujuan untuk mengetahui apakah sistem yang telah dibangun telah menyediakan fungsi-fungsi yang dibutuhkan. Item-item yang telah dibuat dalam daftar kebutuhan dan merupakan hasil analisis kebutuhan akan digunakan sebagai acuan untuk melakukan pengujian fungsionalitas. Pengujian fungsionalitas menggunakan pengujian Black Box, karena pengujian ini tidak memfokuskan alur jalannya algoritma program dan lebih ditekankan untuk menemukan kesesuaian antara kinerja sistem dengan daftar kebutuhan sistem. Berikut ini akan dijelaskan bagaimana proses pengujian fungsionalitas untuk tiap-tiap kebutuhan sistem.
5.2 Hasil Uji Fungsionalitas
8
Tabel 4 Hasil Uji Fungsionalitas
No Kasus Hasil yang
didapatkan
Sta
tus
1 Mengg
unaka
n
Input
Data
System
dapatmemp
rosesinputa
n user
berupaumur
, berat,
tinggi,
tekanandara
hmengguna
kan system
tersebut
Vali
d
2 Check System
dapatmemb
erikaninfor
masitentang
umur, BMI,
Diagnosa,
tekanandara
h, alpha_p,
Z,
alpha_p*Z
menggunak
an system
tersebut.
Vali
d
Sumber : [Perancangan]
6. KESIMPULANBerdasarkan perancangan,
implementasi dan hasil pengujian dari Sistem Pendukung Keputusan diagnosis penyakit diabetes, maka didapatkan kesimpulan sebagai berikut:1. Aplikasi Sistem Pendukung
Keputusan menggunakan metode FuzzyTsukamoto telah dibuat sesuai dengan perancangan dan dapat digunakan dalam diagnosis penyakit diabetes dalam pengambilan keputusan.
2. Hasil yang diberikan oleh Sistem Pendukung Keputusan dengan metode
FuzzyTsukamoto untuk diagnosa penyakit diabetes memiliki kesesuaian dengan hasil perhitungan manual.
3. Aplikasi Diagnosa Penyakit Diabetes mampu berjalan sesuai dengan kebutuhan fungsional dan dibuktikan dengan melakukan pengujian BlackBox.
7. DAFTAR PUSTAKA[1] Anonim. 2012. Rutin Memantau
Gula Darah Pangkal Hemat. Kompas, 27 Agustus 2012.WWW [terhubung berkala].http://tekno.kompas.com/read/2012/08/27/12060656/rutin.memantau.gula.darah.pangkal.hemat [diakses pada 8 November 2014].
[2] Anonim.2014.Diabetes Melitus.http://id.wikipedia.org/wiki/Diabetes_melitus [diakses pada 8 November 2014].
[3] Dwi, Restia. 2014. Implementasi FuzzyTsukamoto untuk Penentuan Harga Sewa Kos. PTIIK Universitas Brawijaya. Malang.
[4] Kusumadewi, Sri., Linda, Rosalita. 2013. Pengembangan Sistem Pendukung Keputusan Patologi Klinis pada Perangkat Mobile untuk Diagnosis Penyakit dengan Gejala Demam. Skripsi tidak dipublikasikan. Teknik Informatika. Universitas Islam Indonesia. Yogyakarta.
[5] Ongkosaputra, VinaRehadi. 2013. Sistem Pakar Diagnosa Penyakit Alzheimer Secara Dini Menggunakan FuzzyTsukamoto. Skripsi tidak dipublikasikan. Universitas Dian Nuswantoro. Semarang
[6] Putri, Rizka K. 2012. Sistem Pendukung Keputusan Penentuan Diagnosa Diabetes Mellitus Menggunakan Logika FuzzyMamdani. Sistem Informasi. Universitas Dian Nuswantoro. Semarang.
[7] Tampubolon, Mariani V. 2010. Sistem Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus dengan Metode Sugeno. Skripsi tidak dipublikasikan. Ilmu Komputer.
9
Universitas Sumatra Utara. Medan.
[8] Thamrin, Fanoeel. 2012. Studi Inferensi FuzzyTsukamoto untuk Penentuan Faktor Pembebanan Trafo PLN. Tesis tidak dipublikasikan. Universitas Diponegoro. Semarang.
10