P. 1
7-unikom-t-i

7-unikom-t-i

|Views: 1|Likes:
Published by Fathanah Yanti Mph

More info:

Published by: Fathanah Yanti Mph on Jan 23, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/27/2014

pdf

text

original

Sections

  • 3.1.1 Analisis Sistem Penelitian
  • 3.1.2 Analisis Masalah
  • 3.1.3 Solusi yang ditawarkan
  • 3.1.4 Analisis Data
  • 3.1.5 Analisis Data Mining
  • 3.1.6.1 Use Case Diagram
  • 3.1.6.2 Sequence Diagram
  • 3.1.6.3 Activity Diagram
  • 3.1.6.4.1 Spesifikasi Class
  • 3.1.6.4.2 Deskripsi Class Diagram User
  • 3.1.6.4.3 Deskripsi Class Diagram Kader
  • 3.1.6.4.4 Class Diagram VO
  • 3.1.6.4.5 Class Diagram Vo1_Lanjutan
  • 3.1.6.4.6 Class Diagram Vo2_Lanjutan
  • 3.1.6.4.7 Class Diagram Vo3_Lanjutan
  • 3.1.6.4.8 Class Diagram Vo_Kematian
  • 3.1.6.4.9 Class Diagram Vo_Observasi
  • 3.1.6.4.10 Class Diagram Mining
  • 3.1.6.4.11 Class Diagram Household
  • 3.1.7 Analisis Kebutuhan Perangkat Keras
  • 3.1.8 Analisis Kebutuhan Perangkat Lunak
  • 3.1.9 Analisis Kebutuhan Pengguna
  • 3.2.1 Perancangan Basis Data
  • 3.2.2 Perancangan Arsitektur menu
  • 3.2.3.1 Perancangan Antarmuka Halaman Login
  • 3.2.3.2 Perancangan Antarmuka Halaman Utama Admin
  • 3.2.3.3 Perancangan Antarmuka Halaman Utama Data Entry
  • 3.2.3.4 Perancangan Antarmuka Halaman Pengolahan Data Otopsi verbal
  • 3.2.3.5 Perancangan Antarmuka Halaman Pengolahan Data Otopsi verbal
  • 3.2.3.6 Perancangan Antarmuka Halaman Pengolahan Data Otopsi verbal
  • 3.2.3.7 Perancangan Antarmuka Halaman Pengolahan Data Otopsi verbal
  • 3.2.3.8 Perancangan Antarmuka Halaman Informasi Identifikasi Penyebab
  • 3.2.4 Perancangan Antarmuka Pesan Kesalahan
  • 3.2.5 Jaringan Semantik

BAB III ANALISIS DAN PERANCANGAN SISTEM

3.1

Analisis Sistem Analisis sistem diperlukan untuk menganalisa sistem penelitian CIRAI

yang sudah berjalan, menganalisa permasalahan yang ada pada sistem penelitian dan menganalisa kebutuhan yang diperlukan oleh penelitian saat ini. 3.1.1 Analisis Sistem Penelitian Penelitian CIRAI yang merupakan kependekan dari Community-based and Integrated Research of Influenza adalah salah satu kelompok kerja yang dilakukan oleh Unit Penelitian Kesehatan (UPK) FK UNPAD - Rumah Sakit Hasan Sadikin tentang penyakit influenza. Seperti penelitian kesehatan pada umumnya CIRAI mempunyai kegiatan utama mengumpulkan data objek penelitian, dimana data tersebut dikelola menjadi beberapa modul aplikasi yang terintregasi satu sama lain dalam sebuah sistem berbasis web. Dengan berkembangnya data penelitian, saat ini CIRAI melakukan pengambilan data kematian didaerah penelitian dengan metode otopsi verbal, tujuannya untuk mengidentifikasi penyebab kematian oleh symptoms influenza. Dari kegiatan ini akan dihasilkan sebuah data otopsi verbal yang harus dikelola oleh sistem untuk menghasilkan sebuah informasi berupa pendukung diagnosa tentang identifikasi penyebab kematian oleh symptoms influenza, dengan acuan data korespondensi penyebab kematian untuk otopsi verbal dengan kode ICD-10.

38

39

Dimana pada modul aplikasi yang sudah ada, untuk membuat sebuah laporan setiap modulnya, masih dilakukan secara manual oleh dokter penelitian. Manual disini maksudnya, setelah data masuk ke database sistem, dokter akan mendownloadnya dalam bentuk file excel, dan akan mengolahnya secara manual untuk menghasilkan informasi yang dibutuhkan. Berikut ini adalah alur prosedur dari sistem otopsi verbal yang sedang berjalan:

Gambar 3.1 Alur Proses Pengolahan Data Otopsi verbal

40

3.1.2 Analisis Masalah Dari analisis sistem yang sedang berjalan, dapat dilihat bahwa permasalahan dalam sistem penelitian CIRAI adalah dibutuhkan sebuah modul aplikasi yang dapat mengelola data otopsi verbal dan menghasilkan informasi berupa hasil identifikasi penyebab kematian oleh symptoms influenza untuk setiap kasus otopsi verbal yang ada dengan acuan data korespondensi penyebab kematian untuk otopsi verbal dengan kode ICD-10. 3.1.3 Solusi yang ditawarkan Dari permasalahan yang telah dipaparkan dalam analisis masalah, maka dapat disimpulkan bahwa saat ini pihak penelitian CIRAI membutuhkan sebuah modul aplikasi otopsi verbal yang dapat mengelola data kematian dan mengolahnya menjadi sebuah informasi dalam bentuk prediksi identifikasi penyebab kematian dengan menggunakan acuan data korespondensi daftar penyebab kematian untuk otopsi verbal dan hubungannya dengan kode ICD-10. Untuk aplikasi otopsi verbalnya sendiri, berdasarkan bentuk form manual otopsi verbal standar WHO yang komplek dengan pengkodean serta kondisi disetiap pertanyaannya, penulis memberikan solusi sebuah aplikasi yang user friendly dengan validasi disetiap pertanyaannya untuk meminimalisasi kesalahan input data. Sedangkan untuk penyajian informasi dalam bentuk identifikasi penyebab kematian, salah satu solusi yang dapat diterapkan adalah dengan data mining, karena data mining dapat ‘menggali’ knowledge yang tersimpan dalam data, dalam hal ini knowledge mengenai symptoms influenza pada data otopsi

dan data siap mining dari data pengolahan otopsi verbal tersebut. Pembagian tabel tersebut didasarkan pada pola form dan design form aplikasi yang sesuai dengan form manual otopsi verbal. t_vo11. Teknik mining yang akan digunakan adalah teknik Classification berupa decision tree. Berikut tabel deskripsi dari pembagian tabel – tabel tersebut : Tabel 3. t_vo22. Dan jenis tree yang akan diterapkan adalah forward chaining tree. t_vo32 dan t_vo33. t_vo_kematian. dapat diusulkan struktur data yang akan digunakan oleh sistem.1 Deskripsi masing – masing tabel otopsi verbal No 1 2 3 Tabel t_vo Deskripsi Tabel utama. Usulan struktur data pengolahan otopsi verbal tersebut terdiri dari tabel t_vo. yaitu data pengolahan otopsi verbal. t_vo_observasi.1.t_vo12. 3.4 Analisis Data Dari analisa sistem yang akan dibangun. karena menggunakan data symptoms influenza sebagai fakta dan data korespondensi penyebab kematian untuk otopsi verbal dengan kode ICD-10 sebagai kaidah untuk memperoleh suatu kesimpulan. t_vo12 . t_vo31. berisi informasi umum dari form otopsi verbal t_vo_kematian Tabel yang berisi catatan riwayat kematian termasuk surat kematian t_vo_observasi Tabel yang berisi informasi hasil observasi dari form otopsi verbal .41 verbal. dimana algoritma forward chaining ini dapat menjawab kebutuhan penelitian. Dalam hal ini data dibagi menjadi dua kategori.

untuk kategori umur 2 (usia kematian 4 minggu 14 tahun) Tabel yang berisi informasi Penyakit atau kejadian yang mengarah pada kematian dan cidera/kecelakaan. untuk kategori umur 3 (usia kematian 15 tahun keatas) Tabel yang berisi informasi gejala penyakit pada wanita dan gejala yang berkaitan dengan kehamilan sebelum kematian. untuk kategori umur 2 (usia kematian 4 minggu .14 tahun) Tabel yang berisi informasi gejala sebelum kematian. untuk kategori umur 1 (usia kematian dibawah 4 minggu) Tabel yang berisi informasi gejala sebelum kematian. untuk kategori umur 1 (usia kematian dibawah 4 minggu) Tabel yang berisi informasi Penyakit atau kejadian yang mengarah pada kematian. untuk kategori umur 3 (usia kematian 15 tahun keatas) Tabel yang berisi informasi perawatan dan pelayanan kesehatan saat masa akhir hidup almarhum.42 4 t_vo11 5 t_vo12 Tabel yang berisi informasi Penyakit atau kejadian yang mengarah pada kematian. untuk kategori umur 3(usia kematian 15 tahun keatas) 6 t_vo21 7 t_vo22 8 t_vo31 9 t_vo32 10 t_vo33 Sedangkan untuk aplikasi data miningnya sendiri akan membutuhkan tabel berdasarkan skenario mining yang akan dibahas pada subbab berikut. .

yaitu data otopsi verbal hasil dari modul pengolahan otopsi verbal dalam aplikasi ini sendiri dan data korespondensi hasil penyebab kematian dengan ICD – 10. Dimana jenis decision tree yang digunakan adalah forward chaining tree.1. berikut tahapan proses mining identifikasi penyebab kematian pada penelitian CIRAI: 1. Sesuai landasan teori data mining yang dijelaskan pada bab sebelumnya. kemudian dari kaidah-kaidah tersebut diperoleh suatu kesimpulan. Dalam penulisan tugas akhir ini akan dilakukan proses pencarian informasi dari sekumpulan data atau fakta berupa influenza symptoms.1 Pembersihan Data Korespondensi Hasil Penyebab Kematian dengan ICD – 10 .43 3. berikut keterangan proses pembersihan data tersebut : 1. Kedua data tersebut mempunyai atribut-atribut data yang tidak relevan yang perlu dibersihkan. Proses akan mencari kaidah-kaidah dalam basis pengetahuan yang premisnya sesuai dengan data-data tersebut. Pembersihan Data (Data Cleaning) Proses data mining dalam aplikasi ini terdiri dari dua sumber data.5 Analisis Data Mining Metode yang digunakan dalam proses mining dalam melakukan pencarian informasi mengenai identifikasi penyebab kematian disini menggunakan metode Decision Tree. untuk menemukan suatu kesimpulan yang menjadi solusi dari permasalahan yang dihadapi yaitu jenis verbal autopsy themes sebagai hasil identifikasi penyebab kematian.

Data yang digunakan untuk proses mining disini terdiri dari dua sumber data. symptoms fotopobia dan tidak mendapat vaksin campak. seperti terlihat pada gambar berikut: Tabel 3. Data ICD-10 dalam bentuk PDF.2 Contoh proses pembersihan data ICD-10 . tidak terdapat pada data otopsi verbal. dilakukan dengan melakukan pencocokan dengan symptoms influenza yang akan digunakan sesuai keterangan pakar. maka dihilangkang. yaitu data otopsi verbal dan data korespondensi penyebab kematian untuk otopsi verbal dengan kode ICD-10.44 Dari batasan masalah yng ada. bahwa aplikasi ini dibatasi pada symptoms influenza saja. Penghilangan noise pada data ICD-10. contohnya untuk kasus tema otopsi verbal Campak. maka proses pembersihan data dalam proses mining disini adalah menghilangkan noise untuk field symptoms influenza.

Dari analisa .2 Pembersihan Data Otopsi Verbal Data symptoms otopsi verbal menggunakan pengkodean disetiap kontennya dimana pengkodean tersebut adalah sebagai berikut: Tabel 3.45 1.3 Keterangan Pengkodean Data Symptoms Otopsi Verbal No 1 2 3 Kode 1 2 998 Keterangan Ya Tidak Tidak Tahu Dari pengkodean tersebut. maka data symptoms yang akan dipakai hanya data dengan isian 1 yang artinya Ya. Contohnya data symptoms dapat dilihat pada isi tabel t_vo33 yang berisi symptoms untuk kematian kategori umur diatas 15 tahun berikut ini: Tabel 3.4 Contoh Data Symptoms Sebelum Dibersihkan id_vo 1 2 3 4 5 6 7 8 9 vo901 1 1 2 1 998 1 1 1 1 vo902 2 2 2 2 2 1 2 1 2 vo903 0 0 0 0 0 1 0 1 0 vo904 0 0 0 0 0 2 0 2 0 vo905 0 0 0 0 0 1 0 2 0 vo906 0 0 0 0 0 2 0 2 0 vo907 2 1 2 1 2 2 1 2 1 vo908 0 2 0 1 0 0 1 0 1 vo909 0 2 0 2 0 0 1 0 2 vo910 0 1 0 2 0 0 1 0 2 2. Seleksi Data (Data Selection) Proses ini merupakan proses pemilihan data penelitian CIRAI yang akan dimining dari sumber data yang sudah disebutkan sebelumnya.

46 penentuan symptoms influenza yang telah dilakukan. vo914.vo917.vo908. t_vo22 dan t_vo33. symptoms influenza tersebut tidak sama antara masing . Tabel t_vo33 (vo512.vo919.5 Keterangan Atribut Tabel t_vo t_vo t_vo12 t_vo12 t_vo12 t_vo12 t_vo12 t_vo12 t_vo12 Atribut id_vo vo301 vo906 vo911 vo913 vo917 vo919 vo921 vo936 Keterangan Id otopsi verbal Nama almarhum kejang penurunan_kesadaran demam batuk napas_cepat dispnea ruam . vo903. karena symptoms untuk masing – masing kategori umur akan berbeda. Dari data korespondensi penyebab kematian untuk otopsi verbal dengan kode ICD-10 dipelajari dan dipilih symptoms influenza dan kemudian di cocokkan dengan attribute dari tabel t_vo12. vo804. t_vo22 dan t_vo33. vo301) 2. yaitu: 1. vo824) 4. Tabel t_vo12 (vo913.vo923) 3. Tabel t_vo22 (vo512.vo907. Dan berikut keterangan dari setiap atribut tersebut: Tabel 3.vo933) Pemilihan atribut tersebut merupakan hasil analisis dari data korespondensi penyebab kematian untuk otopsi verbal dengan kode ICD-10 dengan tabel otopsi verbal terpilih.vo902.masing tabel t_vo12. vo808.vo803.vo921. maka hanya beberapa field dari beberapa tabel yang akan digunakan. Tabel t_vo(id_vo. Setelah dianalisis. vo809.

47 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo22 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 t_vo33 vo803 vo806 vo807 vo808 vo809 vo812 vo814 vo815 vo818 vo841 vo844 vo851 vo852 vo856 vo858 vo863 vo902 vo905 vo907 vo908 vo989 vo982 vo960 vo963 vo981 vo906 vo913 vo914 vo918 vo910 vo986 vo991 vo917 demam demam_turun_naik menggigil batuk batuk_3mgg napas_cepat dispnea dispnea_3mgg mengi penurunan_kesadaran kejang urin_sedikit ruam mata_merah penurunan_berat bengkak demam demam_turun_naik batuk batuk_3mgg penurunan_berat ruam penurunan_kesadaran kejang urin_sedikit menggigil dispnea dispnea_3mgg nyeri_dada dahak mata_merah bengkak mengi .

Dari sumber data yang sudah dijabarkan sebelumnya. dari tabel otopsi verbal terpilih terbentuk tabel t_symptoms dimana hubungan keduanya adalah many to many. berikut integrasi data yang diusulkan untuk penyelesaian mining identifikasi penyebab kematian. dari data korespondensi penyebab kematian untuk otopsi verbal dengan kode ICD-10 terbentuk tabel t_tema. Berikut struktur tabel – tabel tersebut : Tabel 3.7 Isi Tabel t_symptoms id_symp 1 2 3 4 5 6 7 8 9 10 symptoms demam demam_turun_naik batuk batuk_3mgg penurunan_berat ruam penurunan_kesadaran kejang urin_sedikit menggigil keterangan Demam Demam Turun Naik Batuk Batuk kurang dari 3 minggu Penurunan Berat Badan Ruam Penurunan Kesadaran Kejang Produksi Urin Sedikit Menggigil / Kedinginan . Integrasi Data (Data Integration) Dalam penulisan tugas akhir kali ini diasumsikan bahwa data yang diambil sudah berupa tabel-tabel dalam satu server.6 Struktur Tabel t_symptoms Field id_symp Symptoms Keterangan Type Null int(11) No varchar(50) No varchar(100) Yes Default NULL Tabel 3.48 3. maka menghasilkan tabel t_temasymp sebagai tabel referensi.

8 Struktur Tabel t_tema Field id_va kode_va tema_va Type Null int(11) No varchar(8) Yes varchar(100) Yes Default NULL NULL Tabel 3.01 5 VA-05.49 11 dispnea 12 dispnea_3mgg 13 14 15 16 17 nyeri dada dahak mata_merah bengkak mengi Dispnea / Sesak Napas Dispnea kurang dari 3 minggu Nyeri Dada Produksi dahak meningkat Matah merah Pembengkakan / Edema Mengi Tabel 3.13 4 VA-05.10 3 VA-01.9 Isi Tabel t_symptoms id_va kode_va 1 VA-01.02 tema_va Campak Malaria Infeksi Saluran Napas Bawah (termasuk pneumonia dan bronkitis akut) Penyakit Paru Obstruktif Kronis Asma Tabel 3.07 2 VA-01.10 Struktur Tabel t_temasymp Field id_symp id_va Type int(11) int(11) Null Yes Yes Default Links to NULL t_symptoms -> id_symp NULL t_tema -> id_va .

hasil dari transformasi data ini menghasilkan tabel t_kasus. Tranformasi Data (Data Transformation) Dalam proses ini data akan ditransformasikan ke dalam data yang siap untuk di mining.11 Isi Tabel t_temasymp id_symp id_va 1 1 1 2 1 3 2 2 3 1 3 3 3 4 3 5 4 3 4 4 5 4 6 1 7 2 8 2 9 2 10 2 11 3 11 4 11 5 12 3 13 3 14 4 15 1 16 3 17 5 4. Proses tranformasi dimulai dari proses pembersihan tabel t_kasus untuk user sedang login (admin/data manager) dilanjutkan dengan proses pencarian symptoms ke .50 Tabel 3.

Berikut struktur tabel t_kasus : Tabel 3.51 semua kategori umur untuk setiap kematian pada data otopsi verbal dan hasilnya akan disimpan dalam tabel t_kasus.13 Isi Tabel t_kasus id_vo id_symp id_user 1 5 61 2 14 61 2 11 61 2 1 61 2 5 61 2 3 61 3 8 61 3 5 61 4 11 61 4 8 61 4 5 61 4 4 61 4 3 61 5 1 61 6 16 61 6 8 61 6 1 61 6 5 61 6 1 61 7 17 61 7 14 61 7 11 61 7 5 61 .12 Struktur Tabel t_kasus Field id_vo id_symp id_user Type int(11) int(11) int(11) Null No No No Default Links to t_vo -> id_vo t_symptoms -> id_symp user -> id_user Tabel 3.

52 7 7 8 8 9 9 9 9 10 10 10 10 12 12 13 13 13 13 13 14 15 15 15 17 17 17 18 18 19 19 19 19 19 20 24 24 24 4 3 2 1 11 5 4 3 16 5 2 1 11 5 16 10 5 2 1 5 16 1 5 11 6 5 9 1 11 9 5 4 3 1 16 11 1 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 .

maka algoritma yang diterapkan adalah algoritma forward chaining. Proses Mining Setelah didapatkan data siap mining yang disimpan dalam tabel t_kasus. Proses mining dimulai dari tari tabel t_kasus. yaitu penerapan metode untuk menemukan pengetahuan dalam data.53 24 24 24 24 25 25 26 26 26 26 26 26 26 27 28 28 28 28 29 29 30 30 5 4 3 1 1 5 16 14 10 5 3 2 1 5 17 16 11 5 15 5 1 5 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 5. langkah selanjutnya adalah melakukan proses mining. dimana dapat kita ambil symptoms yang paling sering muncul setiap kasusnya: . Karena metode klasifikasi yang diterapkan disini adalah metode decision tree dengan jenis tree yang merupakan forward chaining tree.

15 Tabel acuan urutan symptoms Id_symp 1 2 3 Symtomps Demam Demam Naik Turun Batuk Urutan 1 2 3 . digunakan tabel acuan pendekatan symptoms dengan tema influenza dari pakar. terlihat bahwa symptoms penurunan berat badan dengan id_symp = 5 dipilih sebagai atribut terbaik karena mempunyai kemunculan terbanyak setiap kasusnya. berikut tabel acuan tersebut: Tabel 3.54 Tabel 3. Sedangkan untuk penanganan symptoms dengan jumlah kemunculan sama. maka symptoms tersebut dapat kita jadikan sebagai root atau akar dari pohon decision tree yang akan kita bangun.14 Tabel jumlah kemunculan symptoms Id_symp 5 1 11 16 3 4 2 8 14 9 17 10 6 15 Symtomps Penurunan Berat Badan Demam Dispnea Bengkak Batuk Batuk < 3 minggu Demam Naik Turun Kejang Produksi Dahak Meningkat Produksi Urin Sedikit Mengi Menggigil Ruam Mata Merah Jumlah 21 15 9 7 7 5 4 3 3 2 2 2 1 1 Dari tabel tersebut.

55 4 10 6 8 11 14 9 15 17 5 16 Batuk < 3 minggu Menggigil Ruam Kejang Dispnea Produksi Dahak Meningkat Produksi Urin Sedikit Mata Merah Mengi Penurunan Berat Badan Bengkak 4 5 6 7 8 9 10 11 12 13 14 Berdasarkan tabel kemunculan symptoms dan data acuan urutan symptoms yang paling berpengaruh terhadap kasus influenza. berikut langkah pembentukan decision tree yang dibangun: Gambar 3.2 Tree Tahap 1 .

3 Tree Tahap 2 Gambar 3.4 Tree Tahap 3 .56 Gambar 3.

57 Gambar 3.6 Tree Tahap 5 .5 Tree Tahap 4 Gambar 3.

58 Gambar 3.7 Tree Tahap 6 .

59 Penurunan Berat badan Ya Penyakit Paru Obstruktif Kronis Tidak Tidak Demam Ya Dispnea Tidak Ya Malaria ISNB Campak Batuk Tidak Bengkak Asma Tidak Batuk < 3 minggu Tidak Ya ISNB ISNB Campak Paru Ya Asma ISNB Paru Ya Demam naik turun Tidak Kejang Ya Malaria ISNB Paru Gambar 3.8 Tree Tahap 7 .

9 Tree Tahap 8 .60 Penurunan Berat badan Ya Penyakit Paru Obstruktif Kronis Tidak Tidak Demam Ya Dispnea Tidak Ya Malaria ISNB Campak Batuk Tidak Bengkak Asma Tidak Batuk < 3 minggu Tidak Ya ISNB ISNB Campak Paru Ya Asma ISNB Paru Ya Demam naik turun Tidak Kejang Tidak Prod Dahak meningkat Ya Malaria Ya Malaria ISNB Paru Gambar 3.

10 Tree Tahap 9 .61 Gambar 3.

11 Tree Tahap 10 .62 Gambar 3.

12 Tree Tahap 11 .63 Penurunan Berat badan Ya Penyakit Paru Obstruktif Kronis Tidak Tidak Demam Ya Dispnea Tidak Ya Malaria ISNB Campak Batuk Tidak Bengkak Asma Tidak Batuk < 3 minggu Tidak Ya ISNB ISNB Campak Paru Ya Asma ISNB Paru Ya Demam naik turun Tidak Kejang Tidak Prod Dahak meningkat Tidak Menggigil Tidak Urin Sedikit Tidak Mengi Ya Paru Ya Malaria Ya Malaria Ya Malaria Ya Malaria ISNB Paru Gambar 3.

64 Gambar 3.13 Tree Tahap 12 .

14 Tree Tahap 13 .65 Gambar 3.

15 Hasil Akhir Tree Dari proses pembentukan tree yang digambarkan.66 Gambar 3. terlihat bahwa alur pada decision tree di telusuri dari simpul akar terpilih ke simpul daun yang .

dan dari data-data tersebut dicari suatu kesimpulan yang menjadi solusi permasalahan yang dihadapi berdasarkan kaidah-kaidah basis pengetahuatan dalam tabel t_temasymp.67 memegang prediksi kelas untuk contoh tersebut.16 Kaidah Identifikasi penyebab Kematian Symptoms Penurunan berat badan Demam Dispnea Batuk Bengkak Batuk < 3 Minggu Demam naik turun Kejang Prod Dahak Meningkat Menggigil Urin Sedikit Mengi Ruam Mata Merah Campak Malaria ISNB √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ Paru √ Asma . Berikut kaidah dari akuisisi pengetahuan yang dijabarkan dalam susunan pohon forward chaining: Tabel 3. Basis pengetahuan dalam t_temasymp menjelaskan bahwa sebuah symptoms bisa merupakan bagian dari satu atau lebih tema otopsi verbal (verbal autopsy themes). Dimana penelusuran simpul menerapkan algoritma runut maju atau forward chaining yaitu strategi pencarian yang memulai proses pencarian dari sekumpulan data atau fakta dalam tabel t_kasus.

Presentasi Pengetahuan Sesuai tahapan decision tree yaitu dari dati diubah ke tree dan langkah selanjutnya adalah merepresentasikan tree tersebut ke dalam rule atau aturan.68 6. berikut aturan-aturan tersebut : Rule_1: IF symptoms = demam THEN tema otopsi verbal = Campak tema otopsi verbal = Malaria tema otopsi verbal = Infeksi saluran napas bawah Rule_2: IF symptoms = demam_turun_naik THEN kode otopsi verbal = Malaria Rule_3: IF symptoms = batuk THEN tema otopsi verbal = Campak tema otopsi verbal = Infeksi saluran napas bawah tema otopsi verbal = Penyakit paru obstruktif kronis tema otopsi verbal = Asma Rule_4: IF symptoms = batuk < 3 minggu THEN tema otopsi verbal = Infeksi saluran napas bawah tema otopsi verbal = Penyakit paru obstruktif kronis Rule_5: IF symptoms = penurunan berat badan THEN tema otopsi verbal = Penyakit paru obstruktif kronis Rule_6: IF symptoms = ruam THEN . Aturan ditulis dalam struktur IF – THEN.

69 tema otopsi verbal = Campak Rule_7: IF symptoms = penurunan kesadaran THEN Tema otopsi verbal = Malaria Rule_8: IF symptoms = kejang THEN tema otopsi verbal = Malaria Rule_9: IF symptoms = produksi urin sedikit THEN tema otopsi verbal = Malaria Rule_10: IF symptoms = menggigil/kedinginan THEN tema otopsi verbal = Malaria Rule_11: IF symptoms = dispnea/sesak napas THEN tema otopsi verbal = Infeksi saluran napas bawah tema otopsi verbal = Penyakit paru obstruktif kronis tema otopsi verbal = Asma Rule_12: IF symptoms = dispnea < 3 minggu THEN tema otopsi verbal = Infeksi Saluran Napas Bawah Rule_13: IF symptoms = nyeri dada THEN tema otopsi verbal = Infeksi Saluran Napas Bawah Rule_14: IF symptoms = dahak THEN tema otopsi verbal = Penyakit paru obstruktif kronis .

1. activity diagram dan sequence diagram . Analisis yang dilakukan dimodelkan dengan menggunakan UML (Unified Modeling Language). skenario. dengan tahapan antara lain.6 Analisis Kebutuhan Fungsional Analisis kebutuhan fungsional menggambarkan proses kegiatan yang akan diterapkan dalam sebuah sistem. use case diagram.70 Rule_15: IF symptoms = mata_merah THEN tema otopsi verbal = Campak Rule_16: IF symptoms = bengkak/edema THEN tema otopsi verbal = Infeksi saluran napas bawah Rule_17: IF symptoms = mengi THEN tema otopsi verbal = Asma Presentasi pengetahuan dari proses mining disini adalah sebuah kesimpulan apakah sebuah kasus kematian mempunyai satu atau lebih symptoms influenza dan teridentifikasi disebabkan oleh satu atau lebih tema otopsi verbal (verbal autopsy themes) atau tidak mempunyai symptoms influenza yang berarti tidak akan teridentifikasi penyebabnya. 3.

Data Manager Nama Use case Deskripsi Aktor .1 Use Case Diagram Use case diagram menggambarkan secara grafis perilaku aplikasi identifikasi penyebab kematian pada penelitian CIRAI.6. Gambar 3.1.1. Data Entry.1 Use Case dan Skenario 1.1. Use Case Login Identifikasi Login Melakukan proses login ke aplikasi/system. yaitu Data Manager dan Data Entry.6.16 Use Case Diagram 3. Dimana perilaku aplikasi terdiri dari dua aktor.71 3.

edit. dimana menu yang ditampilkan sesuai dengan level pengguna (admin/entry). Menampilkan halaman utama aplikasi CIRAI. Data Manager Pengguna telah login sebagai admin dan memilih menu otopsi verbal.72 Kondisi Awal Kondisi Akhir Pengguna memasukkan user id dan password ke halaman login aplikasi. Use Case Pengolahan Data User Identifikasi Pengolahan Data User Mengelola data pengguna sistem. password valid. Komentar Untuk proses login akan dilakukan 2 kali proses pengecekan/validasi. 2. Menampilkan halaman list data pengguna setelah terjadi proses pengolahan data baik input. kedua apakah user dan password sesuai. Skenario No Aksi Sistem 3 No Aksi Aktor 1 Memasukkan user dan password 2 Memilih login Sistem akan mengecek apakah user dan password yang diinputkan telah terdaftar dan valid. halaman utama akan ditampilkan. pertama apakah user yang dimasukkan sudah terdaftar. ataupun delete Skenario No Aksi Sistem 2 Sistem akan menampilkan Form add user 4 sistem akan menyimpan data hasi proses input pada data base Nama Use case Deskripsi Aktor Kondisi Awal Kondisi Akhir No Aksi Aktor 1 memilih proses add user 3 Memilih tombol submit . Jika user .

ataupun delete Skenario No Aksi Sistem 2 Sistem akan menampilkan Form isian kader 4 sistem akan menyimpan data hasi proses input pada data base 6 sistem akan menampilkan form edit otopsi verbal 8 10 sistem akan menyimpan data yang telah di edit pada data base sistem akan menghapus data yang dipilih pada database Nama Use case Deskripsi Aktor Kondisi Awal Kondisi Akhir No Aksi Aktor 1 memilih proses add kader 3 Memilih tombol Submit 5 memilih proses edit dan memilih data yang akan di edit 7 Memilih tombol submit 9 Memilih tombol delete pada data terpilih . Use Case Pengolahan Data Kader (Pewawancara) Identifikasi Pengolahan Data Kader (Pewawancara) Mengelola data kader untuk digunakan pada form input data otopsi verbal sebagai pewawancara Data Manager Pengguna telah login sebagai admin dan memilih menu Kader.73 5 7 9 memilih proses edit dan memilih data yang akan di edit Memilih menu update Memilih tombol delete pada data terpilih 6 sistem akan menampilkan form edit user sistem akan menyimpan data yang telah di edit pada data base sistem akan menghapus data yang dipilih pada database 8 10 3. Menampilkan halaman list data kader setelah terjadi proses pengolahan data baik input. edit.

Nama Use case Deskripsi Aktor Kondisi Awal . Data Manager Pengguna telah login sebagai admin dan memilih menu otopsi verbal. Use Case Data Mining Identifikasi Data Mining Mengeluarkan laporan identifikasi penyebab kematian. Menampilkan halaman list data otopsi verbal setelah terjadi proses pengolahan data baik input. maupun edit untuk data. delete . Use Case Pengolahan Data VO Identifikasi Pengolahan Data VO Mengelola data otopsi verbal baik input. maka sistem akan menampilkan sebuah pesan kesalahan agar entry dapat memperbaiki kesalahan tersebut 5. ataupun delete Skenario No Aksi Sistem 2 Sistem akan menampilkan Form isian otopsi verbal 4 sistem akan menyimpan data hasi proses input pada data base 6 sistem akan menampilkan form edit otopsi verbal 8 Nama Use case Deskripsi Aktor Kondisi Awal Kondisi Akhir No Aksi Aktor 1 memilih proses input 3 5 Memilih tombol save memilih proses edit dan memilih data yang akan di edit Memilih tombol save 7 sistem akan menyimpan data yang telah di edit pada data base 9 Memilih tombol delete 10 sistem akan menghapus data yang pada data terpilih dipilih pada database Komentar Untuk proses Input dan Update sistem memiliki proses validasi data dimana jika ada kesalahan dalam pengisian maupun perubahan data.74 4. edit. Data Entry Pengguna telah login sebagai entry dan memilih menu otopsi verbal.

berikut detail mengenai identifikasi penyebab kematian setiap kasusnya.75 Kondisi Akhir No Aksi Aktor 1 memilih menu otopsi verbal 3 Memilih link identify dari salah satu kasus Menampilkan halaman laporan data otopsi verbal. Skenario No Aksi Sistem 2 Sistem akan menampilkan list data otopsi verbal yang masuk ke Nama Use case Deskripsi Aktor Kondisi Awal Kondisi Akhir No Aksi Aktor 1 Memilih menu otopsi verbal . memilih menu otopsi verbal dan mengakses link identify atau view pada kasus terpilih Menampilkan halaman informasi hasil identifikasi penyebab kematian untuk kasus terpilih. 4 sistem akan menjalankan proses mining dan penerapan algoritma decision tree serta menampilkan informasi detail identifikasi penyebab kematian dari kasus terpilih. 6. Data Manager Pengguna telah login sebagai admin. Menyiman hasil mining ke database Skenario No Aksi Sistem 2 Sistem akan menghapus t_kasus untuk user yang sedang login dan menginsertkan data siap mining terbaru . Use Case Informasi Identifikasi Penyebab Kematian Identifikasi Laporan Identifikasi Penyebab Kematian Mengeluarkan laporan identifikasi penyebab kematian. Komentar Untuk proses data mining menerapkan teknik classification dengan metode decision tree dan algoritma forward chaining. berupa prosentase masing – masing penyebab yang mungkin.

diubah atau dihapus. delete) jika dibutuhkan untuk aplikasi verbal otopsi. Nama Use case Deskripsi Aktor Kondisi Awal Kondisi Akhir No Aksi Aktor 1 Memilih modul Household 3 5 Memilih tombol “add household” Memasukkan data household yang ingin . Memilih link identify pada kasus terpilih 4 7. memilih menu household. Use Case Pengolahan Data Household Identifikasi Pengolahan Data Household Mengolah data household (input. Data Entry Pengguna telah login sebagai data entry. 7 Memilih tombol print 8 System menampilkan jendela popup print hasil identifikasi penyebab kematian Komentar Untuk proses pelaporan aplikasi identifikasi penyebab kematian disini menggunakan metode data mining dengan decision tree. 5 Memilih link view 6 sistem akan menampilkan pada kasus terpilih informasi identifikasi penyebab yang sudah kematian yang didapat dari proses teridentifikasi data mining besert informasi tambahan berupa note jika kita mengisinya ketika proses identifikasi. Data household berhasil ditambahkan.76 sistem 3 sistem akan menampilkan informasi identifikasi penyebab kematian yang didapat dari proses data mining. Data household akan tersimpan dalam basis data system. edit. Skenario No Aksi Sistem 2 Sistem akan menampilkan list data household yang masuk ke sistem 4 6 sistem akan menampilkan halaman form tambah data household.

1. karena tidak semua atau belum semua data otopsi verbal memiliki data household.6. 3.17 Sequence Diagram Login . Sequence Diagram Login Gambar 3.2 Sequence Diagram 1. dalam artian pengolahan hanya akan dilakukan jika data otopsi verbal membutuhkan atau memerlukan.77 ditambahkan pada form tambah data household dan memilih tombol submit 7 Kembali ke aplikasi 8 System akan menerima id otopsi verbal untuk household yang diinputkan dan menginputkan id tidak akan menampilkan pesan household dari data error bahwa id household belum household terinput ada di data household kedalam data otopsi verbal terpilih Komentar Pengolahan data household pada aplikasi otopsi verbal ini tentative.

78 2.18 Sequence Diagram Add User Gambar 3.19 Sequence Diagram Update User . Sequence Diagram Pengolahan User Gambar 3.

79 Gambar 3.20 Sequence Diagram Delete User 3. Sequence Diagram Pengolahan Kader Gambar 3.21 Sequence Diagram Tambah Kader .

23 Sequence Diagram Hapus Kader .22 Sequence Diagram Ubah Kader Gambar 3.80 Gambar 3.

Sequence Diagram Pengolahan VO Gambar 3.25 Sequence Diagram Ubah VO .81 4.24 Sequence Diagram Tambah VO Gambar 3.

82 Gambar 3.27 Sequence Diagram Identifikasi Penyebab Kematian .26 Sequence Diagram Hapus VO 5. Sequence Diagram Identifikasi Penyebab Kematian Gambar 3.

83

6. Sequence Diagram Pengolahan Data Household

Gambar 3.28 Sequence Diagram Pengolahan Household 3.1.6.3 Activity Diagram 1. Activity Diagram proses Login

Gambar 3.29 Activity Diagram proses Login

84

2. Activity Diagram proses Pengolahan Data User

Gambar 3.30 Activity Diagram proses Pengolahan Data User

85

3. Activity Diagram proses Pengolahan Data Kader

Gambar 3.31 Activity Diagram proses Pengolahan Data Kader

Activity Diagram proses Pengolahan Data VO Gambar 3.86 4.32 Activity Diagram proses Pengolahan Data VO .

87 5. Activity Diagram proses Data Mining Gambar 3.33 Activity Diagram proses data mining .

Activity Diagram proses Identifikasi Penyebab Kematian Gambar 3.34 Activity Diagram Identifikasi Penyebab Kematian .88 6.

35 Activity Diagram Pengolahan Data Household .89 Gambar 3.

maka berikut keterangan mengenai spesifikasi dan deskripsi dari masing – masing kelas yang ada: 3.6.1.17 Spesifikasi Class No 1 2 3 4 5 6 7 8 Nama Kelas user kader vo vo1_lanjutan vo2_lanjutan vo3_lanjutan vo_observasi vo_kematian Jenis kontrol kontrol kontrol data data data data data .36 Class Diagram Karena atribut dari kelas yang ada sangat banyak.4.1 Spesifikasi Class Tabel 3.4 Class Diagram Gambar 3.1.6.90 3.

6.1.91 9 mining 10 Household kontrol kontrol 3.1.2 Atribut Deskripsi Class Diagram User Type Nama Visibility Data id_user + Integer nama + Varchar level + Varchar password + Varchar Methode Nama Visibility Type login + void validasi void Add_user void Update_user Id_user Delete_user Id_user Keterangan Keterangan Fungsi login Fungsi validasi login Fungsi tambah user Fungsi update user Fungsi delete user 3.4.3 Atribut Deskripsi Class Diagram Kader Type Nama Visibility Data id_kader + Integer nama_kader Varchar Methode Nama Visibility Type Add_kader void Update_kader Id_user Delete_kader Id_user Keterangan Keterangan Fungsi tambah user Fungsi update user Fungsi delete user .6.4.

6.4.4 Class Diagram VO Atribut Nama Visibility Type Data id_vo int(11) no_vo + varchar(10) id_household varchar(10) tanggal1 date tanggal2 date tanggal3 date tanggal_akhir date nama_pewawancara1 varchar(50) nama_pewawancara2 varchar(50) nama_pewawancara3 varchar(50) tanggal_kunj_berikut1 date waktu_kunj_berikut1 time tanggal_kunj_berikut2 date waktu_kunj_berikut2 time tanggal_kunj_berikut3 date waktu_kunj_berikut3 time hasil1 int(11) hasil2 int(11) hasil3 int(11) hasil_akhir int(11) hasil_lainnya varchar(100) total_kunjungan int(11) no_int int(11) nama_pengawas varchar(50) nama_pemeriksa varchar(50) tanggal_pengawas date tanggal_pemeriksa date nama_tempat varchar(25) alamat_jalan varchar(100) propinsi varchar(25) area varchar(25) no_rumah int(11) nama_narasumber varchar(50) Keterangan .1.92 3.

93 status_tinggal status_tinggallainnya main201_jam main202 main203 main203_lainnya main204 main301 main302 main303_tanggal main303_bulan main303_tahun main304_hari main304_bulan main304_tahun main305 main306 main307 main308_tanggal main308_bulan main308_tahun main309 main309_lainnya kategori entry postdate Methode Nama getRecordmain - int(11) varchar(100) time varchar(50) int(11) varchar(50) int(11) varchar(50) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(50) int(11) int(11) int(11) int(11) int(11) int(11) varchar(50) int(11) varchar(100) date Nama Responden Hubungan dengan almarhum Hubungan lainnya dengan almarhum Status tinggal dengan almarhum Nama Almarhum Jenis Kelamin Almarhum Pekerjaan Almarhum Pekerjaan lainnya almarhum Status pernikahan almarhum Kategori umur kasus kematian nama entry data Visibility Type + ($id_vo) Keterangan Fungsi select table t_vo .

1.4.6.5 Class Diagram Vo1_Lanjutan Atribut Nama id_vo vo401 vo402 vo403 vo502 vo502_ket vo503 vo503_ket Visibility + + - Type Data int(11) text text text int(11) int(11) int(11) int(11) Keterangan .94 checkhousehold - ($id_household) Fungsi cek keberadaan id_household pada t_household ($id_household) Fungsi cek keberadaan id_household pada t_vo ($id_vo) Fungsi hapus data otopsi verbal untuk kategori umur 1 ($id_vo) Fungsi hapus data otopsi verbal untuk kategori umur 2 Fungsi hapus data otopsi verbal untuk kategori umur 3 Fungsi mendapatkan semua field pada tabel t_vo Fungsi insert data pada table t_vo checkhouseholdvo - delvo1 - delvo2 - delvo3 - ($id_vo) getAllFieldsmain - void insert updatemain total + void ($id_vo) void 3.

95 vo504 vo505 vo505_ket vo506_1 vo506_2 vo506_3 vo506_4 vo506_5 vo506_lain vo507_1 vo507_2 vo507_3 vo507_4 vo507_5 vo507_6 vo507_7 vo507_8 vo507_9 vo507_10 vo507_lain vo508 vo509 vo601 vo601_lain vo602 vo602_lain vo603 vo604 vo605 vo606 vo607 vo608 vo609 vo610 vo611 vo612 vo613 - int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(50) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(50) int(11) int(11) int(11) varchar(50) int(11) varchar(50) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) .

96 vo614_lain vo615 vo615_lain vo616 vo701 vo702 vo703 vo703_ket vo704 vo704_ket vo705 vo706 vo707 vo708 vo709 vo710 vo711 vo711_lain vo712 vo713 vo714 vo715 vo716 vo717 vo718 vo719 vo801 vo802 vo802_lain vo803 vo804 vo805 vo805_lain vo901 vo902 vo902_ket vo903 - varchar(50) int(11) varchar(50) int(11) int(10) int(10) int(10) int(10) int(10) int(10) int(10) text int(10) text int(10) int(10) int(10) varchar(45) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) varchar(45) int(10) int(10) int(10) varchar(45) int(10) int(10) int(10) int(10) .

97 vo904 vo904_ket vo905 vo906 vo907 vo907_ket vo908 vo909 vo910 vo910_ket vo911 vo912 vo912_ket vo913 vo914 vo914_ket vo915 vo916 vo916_ket vo917 vo918 vo918_ket vo919 vo920 vo920_ket vo921 vo922 vo922_ket vo923 vo924 vo925 vo926 vo927 vo927_ket vo928 vo928_ket vo929 - int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) .

98 vo930 vo931 vo931_ket vo932 vo932_ket vo933 vo934 vo934_ket vo935 vo936 vo937 vo938 vo938_ket vo939 vo939_ket vo1001 vo1001_ket vo1002 vo1003 vo1004 vo1004_ket vo1005 Methode Nama getAllRecordsVo1 getAllRecordsVo2 getAllFields1 - int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) int(10) Keterangan Fungsi select table t_vo11 Fungsi select table t_vo12 Fungsi mendapatkan semua field pada tabel t_vo11 Fungsi mendapatkan semua field pada tabel t_vo12 Fungsi insert data pada table t_vo11 Fungsi insert data pada table t_vo12 Fungsi update tabel Visibility Type void void void getAllFields2 - void insert1 insert2 update1 - void void ($id_vo) .

6 Class Diagram Vo2_Lanjutan Atribut Nama id_vo vo401 vo402 vo403 vo502 vo503 vo504 vo505 vo506 vo507 vo508 vo509 vo510 vo511 vo512 vo601 vo602 vo602_lainnya vo603 vo604 vo605 vo606 vo607 vo607_lainnya vo608 kategori vo701 vo702 Visibility + - Type Data Keterangan int(11) text varchar(100) varchar(100) int(11) int(11) int(11) int(11) int(11) int(11) varchar(100) int(11) int(11) int(11) varchar(100) int(11) int(11) varchar(25) int(11) int(11) int(11) int(11) int(11) varchar(25) int(11) int(11) int(11) int(11) .99 update2 - ($id_vo) t_vo11 Fungsi update tabel t_vo12 3.4.1.6.

100 vo703 vo703_ket vo704 vo705 vo706 vo706_ket vo801 vo802 vo802_ket vo803 vo804 vo804_ket vo805 vo806 vo807 vo808 vo809 vo809_ket vo810 vo811 vo812 vo813 vo813_ket vo814 vo815 vo815_ket vo816 vo817 vo817_ket vo818 vo819 vo820 vo821 vo821_ket vo822 vo822_ket vo823 - int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) .

101 vo824 vo825 vo825_ket vo826 vo826_ket vo827 vo828 vo828_ket vo829 vo830 vo831 vo831_ket vo832 vo833 vo834 vo835 vo835_ket vo836 vo837 vo837_ket vo838 vo839 vo840 vo840_ket vo841 vo842 vo842_ket vo843 vo844 vo845 vo845_ket vo846 vo847 vo847_ket vo848 vo849 vo850 - int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) .

102 vo850_ket vo851 vo852 vo853 vo853_ket vo854_1 vo854_2 vo854_3 vo854_4 vo854_lain vo855 vo855_lain vo856 vo857 vo858 vo859 vo859_ket vo860 vo861 vo862 vo862_ket vo863 vo864 vo864_ket vo865_1 vo865_2 vo865_3 vo865_4 vo865_5 vo865_lain vo866 vo867 vo867_ket vo868_1 vo868_2 vo868_3 vo868_4 - int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(45) int(11) varchar(45) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(45) int(11) int(11) int(11) int(11) int(11) int(11) int(11) .

103 vo868_lain varchar(45) vo869 int(11) vo869_ket varchar(45) vo870 int(11) vo870_ket int(11) vo871 int(11) vo872 int(11) vo872_ket int(11) vo873 int(11) vo874 int(11) vo874_ket int(11) vo875 int(11) vo876 int(11) vo876_ket int(11) Methode Nama Visibility Type getAllRecordsVo1 void getAllRecordsVo2 void getAllFields1 void getAllFields2 insert1 insert2 update1 update2 void void void ($id_vo) ($id_vo) Keterangan Fungsi select table t_vo21 Fungsi select table t_vo22 Fungsi mendapatkan semua field pada tabel t_vo21 Fungsi mendapatkan semua field pada tabel t_vo22 Fungsi insert data pada table t_vo21 Fungsi insert data pada table t_vo22 Fungsi update tabel t_vo21 Fungsi update tabel t_vo22 3.4.1.6.7 Atribut Nama id_vo vo401 vo402 Class Diagram Vo3_Lanjutan Visibility + - Type Data Keterangan int(11) text varchar(100) .

104 vo403 vo502 vo503 vo504 vo505 vo506 vo507 vo508 vo509 vo510 vo511 vo512 vo601 vo602 vo602_lainnya vo603 vo604 vo605 vo606 vo606_lainnya vo607 vo701 vo702 vo702_ket vo703 vo704 vo704_ket vo705 vo706 vo706_ket vo707 vo708 vo708_ket vo801 vo802 vo802_ket vo803 - varchar(100) int(11) int(11) int(11) int(11) int(11) int(11) varchar(100) int(11) int(11) int(11) varchar(100) int(11) int(11) varchar(25) int(11) int(11) int(11) int(11) varchar(25) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) .

105 vo803_ket vo8041 vo8042 vo8043 vo8044 vo8045 vo8046 vo8047 vo8048 vo8049 vo804_lainnya vo805 vo806 vo807 vo807_ket vo808 vo809 vo810 vo811 vo812 vo813 vo814 vo814_lainnya vo815 vo816 vo816_lainnya vo817 vo817_lainnya vo818 vo819 vo820 vo820_ket vo821 vo821_ket vo822 vo823 vo824 - int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(50) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(50) int(11) int(11) varchar(50) int(11) varchar(50) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) .

106 vo901 vo901_ket vo902 vo903 vo903_ket vo904 vo905 vo906 vo907 vo908 vo908_ket vo909 vo910 vo911 vo912 vo913 vo914 vo914_ket vo915 vo916 vo917 vo918 vo919 vo919_ket vo920 vo921 vo922 vo923 vo924 vo925 vo926 vo927 vo928 vo929 vo929_ket vo930 vo931 - int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) .

107 vo932 vo932_ket vo933 vo934 vo934_ket vo935 vo935_lainnya vo936 vo936_ket vo937 vo938 vo939 vo940 vo940_ket vo941 vo942 vo942_ket vo943 vo944 vo945 vo946 vo946_ket vo947 vo948 vo949 vo949_ket vo950 vo951 vo951_ket vo952 vo953 vo953_ket vo954 vo955 vo956 vo956_ket vo957 - int(11) int(11) int(11) int(11) int(11) int(11) varchar(100) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) .

108

vo958 vo958_ket vo959 vo960 vo961 vo961_ket vo962 vo963 vo964 vo964_ket vo965 vo966 vo966_ket vo967 vo968 vo968_ket vo969 vo970 vo970_ket vo971 vo972 vo973 vo973_ket vo974 vo975 vo975_ket vo976 vo976_ket vo977 vo978 vo978_ket vo979 vo980 vo980_ket vo981 vo982 vo983

+ -

int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(100) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11)

109

vo983_ket vo984_wajah vo984_badan vo984_lengan vo984_lain vo984_sebutkan vo985 vo985_lain vo986 vo987 vo988 vo989 vo989_1 vo989_1_ket vo989_2 vo990 vo990_1 vo990_1_ket vo991 vo991_1 vo991_1_ket vo991_2_wajah vo991_2_sendi vo991_2_tumit vo991_2_badan vo991_2_lain vo991_2_sebutkan vo992 vo992_1 vo992_1_ket vo992_2_leher vo992_2_ketiak vo992_2_lipat vo992_2_lain vo992_2_sebutkan vo993 vo993_ket

-

int(11) int(11) int(11) int(11) int(11) varchar(100) int(11) varchar(100) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(100) int(11) int(11) int(11) int(11) int(11) int(11) int(11) varchar(100) int(11) varchar(100)

110

vo993_1 int(11) vo993_1_ket int(11) vo994 int(11) vo994_1 int(11) vo994_1_ket int(11) vo995 int(11) vo995_1 int(11) vo995_1_ket int(11) vo995_2_jelaskan varchar(100) vo1101 int(11) vo1102 int(11) vo1102_ket int(11) vo1103 int(11) vo1104 int(11) vo1105 int(11) vo1105_ket int(11) vo1106 int(11) vo1107 int(11) vo1107_ket int(11) vo1108 int(11) vo1109 int(11) vo1109_ket int(11) vo1110 int(11) vo1111 int(11) vo1111_ket int(11) Methode Nama Visibility Type getAllRecordsVo1 void getAllRecordsVo2 void getAllRecordsVo2 void getAllFields1 void getAllFields2 getAllFields2 insert1 void void void

Keterangan Fungsi select table t_vo31 Fungsi select table t_vo32 Fungsi select table t_vo33 Fungsi mendapatkan semua field pada tabel t_vo31 Fungsi mendapatkan semua field pada tabel t_vo32 Fungsi mendapatkan semua field pada tabel t_vo33 Fungsi insert data pada table t_vo31

6.1.111 insert2 insert3 update1 update2 update3 - void void ($id_vo) ($id_vo) ($id_vo) Fungsi insert data pada table t_vo32 Fungsi insert data pada table t_vo33 Fungsi update tabel t_vo31 Fungsi update tabel t_vo32 Fungsi update tabel t_vo33 3.4.8 Class Diagram Vo_Kematian Atribut Nama Visibility Type Data + id_vo int(11) vaksin int(11) per1 int(11) per2 varchar(255) per3_rehidrasi int(11) per3_tranfusi int(11) per3_ngt int(11) per3_lain int(11) per3_sebutkan varchar(100) per4_rumah int(11) per4_tradisional int(11) per4_puskesmas int(11) per4_rs int(11) per4_klinik int(11) per4_swasta int(11) per4_apotek int(11) per4_lain int(11) per4_lainnya varchar(100) per5 int(11) per5_ket int(11) per6 int(11) per7 text per8 int(11) per9 int(11) per9_ket int(11) Keterangan .

112 per10 per10_sebutkan sur1 sur2_hari sur2_bulan sur2_tahun sur3_hari sur3_bulan sur3_tahun sur4 sur5 sur6 sur7 cat1 cat3 cat4 cat5 cat6 cat7 cat8 cat9 cat10 cat11 Methode Nama getAllRecord getAllFields1 insert1 update1 - int(11) varchar(100) int(11) int(11) int(11) int(11) int(11) int(11) int(11) text text text text int(11) text text text text text text text text time Keterangan Fungsi select table t_vo_kematian Fungsi mendapatkan semua field pada tabel t_vo_kematian Fungsi insert data pada table t_vo_kematian Fungsi update tabel t_vo_kematian Visibility Type void void void ($id_vo) .

6.1.10 Class Diagram Mining Atribut Nama id_vo id_symp id_user symptoms keterangan kode_va tema_va id_symp id_va Methode Nama Visibility + + + Visibility Type Data Keterangan int(11) int(11) int(11) varchar(50) varchar(100) varchar(8) varchar(100) int(11) int(11) Type Keterangan .1.9 Atribut Nama Class Diagram Vo_Observasi Visibility Type Data Keterangan id_vo + int(11) observasi text komentar_khusus text komentar_lain text pengamatan text nama varchar(25) tanggal date Methode Nama Visibility Type getAllRecord void getAllFields insert update void void ($id_vo) Keterangan Fungsi select table t_vo_observasi Fungsi mendapatkan semua field pada tabel t_vo_observasi Fungsi insert data pada table t_vo_observasi Fungsi update tabel t_vo_observasi 3.4.4.6.113 3.

1.6.4.11 Class Diagram Household Atribut Nama id_household kode_house nma_responde hub_keluarga kerja_household pend_household pendtingkathh unggas_skt_mati vaksinasi1 vaksinasi2 vaksinasi3 vgroup_vnd id_district tgl_survey geocoding pola11 pola12 pola13 pola14 pola15 pola21 Visibility Type Data + + int(11) varchar(10) varchar(50) varchar(100) varchar(25) varchar(15) varchar(15) varchar(20) int(11) int(11) int(11) varchar(5) int(4) date varchar(100) varchar(100) varchar(100) varchar(100) varchar(100) varchar(100) varchar(100) Keterangan .114 getAllRecordsMining getAllFieldsMining geDelete getSelect getInsert getAlgo - void void ($iduser) void void void Fungsi select table t_mining Fungsi mendapatkan semua field pada tabel mining Hapus isi tabel t_kasus untuk id user yang sedang login Fungsi pencarian symptoms dengan filtering Isi tabel t_kasus dengan data uptodate Fungsi yang menjalankan algoritma 3.

maka dibutuhkan sebuah server dengan spec yang memadai. berikut spesifikasi server yang ada dan digunakan saat ini oleh sistem: . Dalam prakteknya.7 Analisis Kebutuhan Perangkat Keras Pada dasarnya kebutuhan perangkat keras disini tidak ada hal spesifik seperti komputer biasa pada umumnya. hanya karena data yang dikelola system ini termasuk banyak.1.115 pola22 pola23 pola24 pola25 pola31 pola32 pola33 pola34 pola35 ditemukan pindah pindah_ya huni_ada tolak_wwcr posting_date posting_day posting_hour entry kader valid cetak edit_date edit_day edit_hour editor - varchar(100) varchar(100) varchar(100) varchar(100) varchar(100) varchar(100) varchar(100) varchar(100) varchar(100) varchar(11) varchar(11) text varchar(11) varchar(11) date varchar(20) time varchar(50) varchar(50) varchar(10) int(11) date varchar(10) time varchar(50) 3.

116 Processor type Processor speed Number of processors Processor core available Processor front side bus Memory Internal cache Memory type Maximum memory Memory slots Intel® Xeon® X3330 Quad Core Processor 2.5" Non Hot Plug SATA 16x SATA DVD-ROM 3.66 GHz 2.8 Analisis Kebutuhan Perangkat Lunak Dalam analisis kebutuhan perangkat lunak.66 GHz 1 processor Quad 1333 MHz Front Side Bus 4 GB (2 x 2 GB) 6 MB (2 x 3 MB) Level 2 cache PC2-6400 unbuffered DDR2 ECC 800MHz 8 GB 4 DIMM slots Internal drives Internal drives Hard disk drive speed 250 GB SATA Non Hot Plug 3. Untuk bahasa pemograman : 1. Implementasi pembuatan aplikasi ini menggunakan software dan bahasa pemograman berikut : 1. HTML .5" Hard Drive 7.1. dibutuhkan beberapa software yang mendukung untuk digunakan dalam implementasi.200 rpm Storage controller HP Embedded 6 Port SATA Controller with Embedded RAID (4 ports for HDD) Internal drive bays Optical drives Four 3.1.

Untuk RDBMS 2.1. Dimana admin disini yang dimaksud adalah dokter penelitian yang bertugas sebagai data manager untuk mengidentifikasi data hasil penelitian yang sudah di-input-kan oleh pengguna entri. Untuk development tools 3. Untuk web server 4.2.3. Dan pengguna entri yang memasukkan data ke dalam system sesuai form manual hardcopy yang didapat dari dokter lapangan dan kader.5.117 1. SQL 2.4. Notepad++ 4. PHP 1.2.1. Apache 3. . CSS 1.1.1. JavaScript 1. MySQL 3. Macromedia Dreamweaver 3.9 Analisis Kebutuhan Pengguna Pengguna dalam sistem ini dibagi menjadi dua level yaitu level admin dan level entri.

18 Kebutuhan Pengguna No Pengguna 1 Data Manager Deskripsi Dokter penelitian yang berkepentingan untuk melakukan laporan diagnosa identifikasi penyebab kematian. Pembuatan tabel entitas selalu berpedoman pada ketentuan-ketentuan tentang cara penyusunan tabel. Dan berikut skema relasi dari aplikasi identifikasi penyebab kematian pada penelitian CIRAI UPK – FK Unpad: . Sehingga akan diperoleh susunan tabel entitas yang merupakan tabel yang terbebas dari adanya data rangkap (data redudancy).2 Perancangan Sistem Perancangan sistem dibuat berdasarkan hasil analisa yang telah dilakukan sebelumnya.FKUnpad.2. dalam penyusunan skema relasi harus memperhatikan hubungan antar entitas dengan kardinalitas dan partisipasi hubungan. berikut usulan skema relasi dari aplikasi identifikasi penyebab kematian pada penelitian CIRAI UPK .1 Perancangan Basis Data Berdasarkan perancangan class diagram. Beberapa staf yang bertugas memasukkan data otopsi verbal kedalam sistem. Tahap perancangan merupakan tahap yang menentukan hasil akhir dari sebuah sistem. Untuk mencapai tujuan tersebut.118 Tabel 3. 3. 2 Data Entry 3.

119 Gambar 3.37 Skema relasi otopsi verbal .

2. Halaman-halaman yang digunakan dapat dilihat pada struktur halaman di bawah ini : Halaman Login Halaman Utama Admin Halaman Utama Data Entry Halaman View Data Verbal Otopsi Halaman Mining Data Verbal Otopsi Halaman Utama Pengolahan Data Verbal Otopsi Halaman Pengolahan Data Verbal Otopsi kategori umur 1 Halaman Pengolahan Data Verbal Otopsi kategori umur 2 Halaman Pengolahan Data Verbal Otopsi kategori umur 3 Gambar 3.2 Perancangan Arsitektur menu Arsitektur menu disini dibagi kedalam beberapa halaman yang bertujuan untuk mempermudah pemahaman dan pengoperasian aplikasi Identifikasi Penyebab Kematian pada penelitian CIRAI di Unit Penelitian Kesehatan – FK Unpad.120 3.38 Struktur menu aplikasi Identifikasi penyebab Kematian .

3. sedangkan untuk mengantisipasi kesalahan dalam aplikasi ini penulis menggunakan pencegahan langsung dengan javascript untuk setiap kondisi inputan yang boleh diinputkan atau tidak. Perancangan antar muka ini terdiri dari perancangan tampilan program.121 3.2.1 Perancangan Antarmuka Halaman Login Gambar 3.3 Perancangan Antarmuka Dalam membuat aplikasi dibutuhkan tampilan yang sangat menarik.39 Rancangan Antarmuka Halaman Login Aplikasi Identifikasi Penyebab Kematian . dimana dalam perancangan antar muka ini akan dituangkan beberapa imajinasi dalam merancang tampilan program dan tampilan pesan yang nantinya akan dipakai untuk membuat aplikasi sesungguhnya.2.3.

40 Rancangan Antarmuka Halaman Utama Admin 3.41 Rancangan Antarmuka Halaman Utama Data Entry .3.122 3.3 Perancangan Antarmuka Halaman Utama Data Entry Gambar 3.2.2 Perancangan Antarmuka Halaman Utama Admin Gambar 3.2.3.

42 Rancangan Antarmuka Halaman Utama Pengolahan Data Otopsi verbal .4 Perancangan Antarmuka Halaman Pengolahan Data Otopsi verbal Gambar 3.2.3.123 3.

3.43 Rancangan Antarmuka Halaman Utama Pengolahan Data Otopsi verbal Lanjutan kategori Umur 1 .124 3.2.5 Perancangan Antarmuka Halaman Pengolahan Data Otopsi verbal Kategori Umur 1 Gambar 3.

2.44 Rancangan Antarmuka Halaman Utama Pengolahan Data Otopsi verbal Lanjutan kategori Umur 2 .125 3.3.6 Perancangan Antarmuka Halaman Pengolahan Data Otopsi verbal Kategori Umur 2 Gambar 3.

7 Perancangan Antarmuka Halaman Pengolahan Data Otopsi verbal Kategori Umur 3 Gambar 3.126 3.3.2.45 Rancangan Antarmuka Halaman Utama Pengolahan Data Otopsi verbal Lanjutan kategori Umur 3 .

47 Rancangan Antarmuka Pesan Kesalahan .46 Rancangan Antarmuka Halaman Informasi Identifikasi penyebab kematian 3.4 Perancangan Antarmuka Pesan Kesalahan Gambar 3.3.127 3.2.8 Perancangan Antarmuka Halaman Informasi Identifikasi Penyebab Kematian Gambar 3.2.

Berikut adalah uraian mengenai jaringan semantik pada sistem ini.5 Jaringan Semantik Jaringan semantik adalah alat yang efektif untuk merepresentasikan pemetaan data.2. F05-1 F02 F03-1 F05 F01 F03 F05-2 F04 F03-2 Gambar 3. yang bertujuan mencegah terjadinya duplikasi data.48 Jaringan Semantik Entry Keterangan : F01 F02 F03 F03-1 F03-2 F04 F05-1 F05-2 Halaman Login Halaman Menu Utama Data Entry Halaman Menu Utama Otopsi Verbal Halaman Menu Input Data Otopsi Verbal Halaman Menu Edit Data Otopsi Verbal Halaman Ubah Profil Data Entry Halaman Menu Input Data Household Halaman Menu Edit Data Household .128 3.

49 Jaringan Semantik Data Manager/Admin Keterangan : F01 F02 F03 F03-1 F03-2 F03-3 F04 F05 F06 Halaman Login Halaman Menu Utama Data Manager Halaman Menu Utama Otopsi Verbal Halaman Menu Identify Laporan Otopsi Verbal Halaman Menu View Laporan Otopsi Verbal Halaman Menu Print Laporan Otopsi Verbal Halaman Ubah Profil Data Manager Halaman Form Kader Halaman Form User .129 Gambar 3.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->