Program studi informatika fakultas teknologi informasi dan elektro universitas teknologi yogyakarta

Implementasi Sistem

Tahap implementasi ini bertujuan untuk melakukan kegiatan spesifikasi gambar rancangan sistem ke dalam kegiatan yang sebenranya dari sistem informasi yang akan dibangun atau dikembangkan, kemudian mengimplementasikan sistem tersebut ke dalam bahasa pemrograman java dengan aplikasi Netbeans IDE 8.0.2 dan MySQL yang berfungsi untuk pengelolaan data. Pada tahap implementasi ini sistem harus dapat berjalan secara optimal. Tahap implementasi ini mempunyai beberapa kegiatan yang harus dilakukan yaitu program dan testing data, pelatihan dan pengujian sistem yang telah dibuat atau dikembangkan.

1. 
   Program dan Testing
   

Pada tahap ini dilakukan perancangan algoritma yang dilakukan dengan menggunakan pendekatan top-down (pemrograman modular). Selanjutnya adalah pembuatan program aplikasi yang menggunakan bahasa pemrograman yang sudah dipilih. Setelah program selesai dibuat maka akan dilakukan testing untuk mengetahui bagaimana kinerja sistem tersebut.

2. 
   Pelatihan dan Pengujian
   

Tahapan ini dilakukan setelah sistem yang dibangun sudah jadi mengetahui kinerja sistem yang dibangun menggunakan dengan bahasa pemrograman yang digunakan dalam aplikasi tersebut. Setelah itu sistem akan dan memerlukan pelatihan secara menyeluruh. Dengan pelatihan maka akan diuji dengan beberapa data uji yang berfungsi untuk mengetahui berapa persen tingkat kebenannya.

5. 
   Perangkat Pendukung Penelitian
   

Perangkat keras dan perangkat lunak yang digunakan sebagai pendukung penelitian sebagai berikut :

1. 
   Hardware
   

Hardware yang dibutuhkan untuk menjalankan sistem informasi inventaris ini adalah:

1. 
   Processor minimal Intel Core i3.
   
2. 
   Random Acces Memory (RAM) minimal 1GB.
   
3. 
   Printer digunakan untuk mencetak laporan hasil analisis.
   

2. 
   Software
   

Software yang dibutuhkan dalam sistem informasi ini adalah:

1. 
   Operating System (OS) atau sistem operasi yang digunakan minimal Windows 7.
   
2. 
   Database (basis data) yang digunakan adalah Xampp.
   

Tools yang digunakan untuk membangun sistem adalah Netbeans IDE 8.0.2
BAB IV

ANALISIS DAN PERANCANGAN SISTEM

1. 
   Analisis Sistem
   

Sistem deteksi kecenderungan gangguan makan merupakan sistem yang digunakan untuk menentukan apakah user mengidap ganguan makan atau tidak. Kecenderungan gangguan makan ini merupakan salah satu penyakit mental atau penyakit psikologi klinis dimana sering dialamai banyak orang akan tetapi keadaan tersebut sering tidak disadari terutama oleh para remaja. Gangguan makan yang diabaikan atau tidak segera ditangani akan berdampak pada kesehatan tubuh, gangguan makan ini akan memicu penyakit lain yang lebih berbahaya bahkan akan berdampak pada kematian. Kecenderungan gangguan makan pada penelitian ini dipusatkan pada remaja. Sistem ini dibuat menggunakan salah satu algoritma jaringan saraf tiruan yaitu Backpropagation. Jaringan saraf tiruan melakukan proses pengenalan gangguan makan berdasarkan dari pengalaman, pengalaman tersebut dilatihkan dan menghasilkan bobot yang dapat digunakan untuk mengenali gangguan makan seseorang. Input berupa kuisioner yang kemudian dibagi menjadi tiga kategori yaitu pengaruh citra tubuh, kebiasaan makan dan riwayat diet. Output yang dihasilkan dari sistem ini yaitu berupa deteksi gagguan makan yang dialami seseorang apakah mengalami kecenderungan anorexia nervosa, bulimia nervosa, binge eating disorder atau normal.

Pada penelitian ini digunakan data pengalaman atau data sample berupa sekelompok responden yang telah diwawancarai oleh seorang pakar psikologi dan juga mengisi formulir angket. Pakar psikologi tersebut yaitu Dra. Sri Respati Andamari, M.Si., Psi. Beliau merupakan dosen psikologi Universitas Teknologi Yogyakarta. Peneliti memilih beliau dengan alasan beliau seorang merupakan kosoler di student service UTY, selain itu beliau juga melayani konsultasi pada remaja di biro konsultasi miliknya sehingga lebih tahu mana yang memiliki memiliki kecenderungan gangguan makan dan tidak. Dari hasil wawancara yangdilakukan oleh narasumber dan responden tersebut akan dijadikan target bagi sistem.

Dari permasalahan yang terlalu sering akan berdampak pada penentuan deteksi awal kecenderungan gangguan makan, sehingga diperlukan sistem untuk mendeteksi kecenderungan gangguan makan dengan begitu remaja akan tau lebih awal kecenderungan gangguan makan yang dideritanya dan cepat dilakukan penanganan.

2. 
   Perancangan Sistem Implementasi JST untuk Mendeteksi Kecenderungan Gangguan Makan
   

1. 
   Perancangan Arsitektur Jaringan Syaraf Tiruan
   

Gambar 4.1 Arsitektur Jaringan

Pada gambar arsitektur jaringan saraf diatas, pada bagian lapisan input terdapat 3 inputan meliputi X₁, X₂, X₃ dan 1 bias yang selalu bernilai 1. X₁ mewakili kategori pengaruh citra tubuh, X₂ mewakili kategori kabiasaan makan, dan X₃ mewakili kategori riwayat diet. Pada bagian lapisan tersembunyi digambarkan dengan nilai Z₁, Z₂, Z₃,Z₄,…Z_n. Z_n merupakan lapisan tersembunyi keberapa, mengapa dibuatsampai n karena pada sistem jaringan tersebunyi menjadi parameter inputan sehingga jaringan tersembunyi dapat diberikan berbeda-beda pada setiap kali pelatihan, untuk menentukan tingkat konvergensi tercepat. Pada lapisan output tersebut hanya terdapat dua sel yaitu Y₁ dan Y₂ karena memiliki 4 nilai antara lain 00, 01, 10 dan 11 dimana 00 untuk anoreksia nervosa, 01 untuk bulimia nervosa, 10 untuk binge eating disorder, dan 11 untuk normal.

Bobot pada lapisan input menuju lapisan tersembunyi diwakilkan dengan variable V_ij, i bernilai 0, 1, 2, 3 dan j sejumlah hidden layer dimana j bernilai 1, 2, 3, 4….n. sedangkang bobot dari lapisan tersembunyi menujulapisan output diberi variable W_j, dimana j merupakan jumlah hidden layer, jadi j=1,2,3…..n, sedangkan W₀ merupakan bobot dari bias menuju lapisan keluaran.

2. 
   Diagram Alir Data (DAD)
   

Diagram Alir Data (DAD) merupakan alat untuk membuat diagram yang sebaguna dalam perancangan sistem untuk menggambarkan alur kerja sistem dalam pengolahan data dari input sampai output data.

1. 
   Diagram Konteks
   

Diagram Konteks merupakan gambaran sistem secara garis besar, dimana gambaran tersebut berupa hubungan antara entitas yang saling terkait dengan sistem. Entitas yang saling berhubungan adalah admin dan user, dimana admin dapat mengakses layanan pada sistem sedangakan user hanya dapat mengakses menu layanan user yang disediakan. Diagram konteks dapat dilihat pada Gambar 4.2.


Gambar 4.3 Diagram Konteks

2. 
   Diagram Jenjang (Level 0)
   

Diagram Jenjang adalah penjabaran menjelaskan beberapa proses yang terjadi pada sistem pendeteksi kecenderugan gangguan makan. Proses yang ada dalam sistem meliputi proses login, proses mastes data, proses pelatihan, proses pengujian, proses deteksi. Diagram jenjang dapat dilihat pada Gambar 4.3.



Gambar 4.3 Diagram Jenjang

3. 
   Diagram Alir Data Level 1
   

Diagram arus data level 1 merupakan gambaran detail sistem implementasi JST untuk mendeteksi kecenderungan gangguan makan pada remaja menggunakan metode backpropagation yang akan dibangun. Pada DAD Level1 juga meruppakan penjabaran dari Diagram Jenjang, entitas yang terkait antara lain entitas admin, entitas user, selain itu proses yang terjadi adalah proses login, master data, pelatihan, pengujian, dan presiksi. DAD Level 1 dapat dilihat pada Gambar 4.4



Gambar 4.4 Diagram Alir Data Level1

4. 
   Diagram Alir Data Level 2 Proses 2
   

Dalam diagram rinci level 2 proses 2 ini merupakan uraian dari proses master seperti proses input data user, data kategori, data pertanyaan data gangguan serta data latih uji. Rancangan DFD pada diagram rinci level 2 proses 2 sistem implementasi JST untuk mendeteksi kecenderungan gangguan makan pada remaja menggunakan metode backpropagation tersebut dapat dilihat pada Gambar 4.5



Gambar 4.5 Diagram Alir Data Level 2 Proses 2

5. 
   Diagram Alir Data Level 2 Proses 3
   

Dalam diagram rinci level 2 proses 2 ini merupakan uraian dari proses JST seperti berupa proses pelatihan dan pengujian data. Rancangan DFD pada diagram rinci level 2 proses 3 sistem implementasi JST untuk mendeteksi kecenderungan gangguan makan pada remaja menggunakan metode backpropagation tersebut dapat dilihat pada Gambar 4.6


Gambar 4.6 Diagram Alir Data Level 2 Proses 3

3. 
   Flowchart Sistem
   

Flowchart pada perancangan sistem yang dibangun yaitu saat proses pelatihan data, pengujian data, dan deteksi gangguan makan, dimulai dari proses pengisian kuisioner hingga mendapatkan parameter untuk dijadikan data pelatihan. Proses pelatihan jaringan saraf tiruan dan pengujian jaringan saraf tiruan tersebut menggunakan metode backpropagation. Proses pelatihan jaringan saraf tiruan digunakan untuk mendapatkan bobot yang terbaik untuk digunakan pada proses pengujian. Selanjutnya pada proses pengujian digunakan untuk akurasu dari bobot yang di dapatkan pada proses pelatihan jaringan saraf tiruan.

1. 
   Flowchart Pelatihan Data
   

Pada flowchart pelatihan data ini merupakan proses untuk mendapatkan bobot yang sesuai. Bobot tersebut akan digunakan sebagai proses pengujian data. Rancangan Flowchart pelatihan data pada sistem implementasi JST untuk mendeeteksi kecenderungan gangguan makan pada remaja menggunakan metode backpropagation tersebut dapat dilihat pada Gambar 4.7.



Gambar 4.7 Flowchart Pelatihan Data

2. 
   Flowchart Pengujian Data
   

Pada flowchart pengujian data ini merupakan proses menguji data baru yang mana belum pernah dilatih sebelumnya. Rancangan Flowchart Pengujian data pada sistem implementasi JST untuk mendeeteksi kecenderungan gangguan makan pada remaja menggunakan metode backpropagation tersebut dapat dilihat pada Gambar 4.8.



Gambar 4.8 Flowchart Pengujian Data

3. 
   Flowchart Deteksi Penyakit
   

Pada flowchart prediksi ini merupakan proses untuk memberikan informasi berupa prediksi dimana user mendapatkan hasil gangguan makan yang diderita menurut hasil diagnosa awal sesuai dengan kuisione yang sudah diinputkan. Rancangan Flowchart Pengujian data pada sistem implementasi JST untuk mendeeteksi kecenderungan gangguan makan pada remaja menggunakan metode backpropagation tersebut dapat dilihat pada Gambar 4.9.



Gambar 4.9 Flowchart Prediksi Kecenderungan Gangguan Makan

4. 
   Entity Relational Diagram (ERD)
   

Aplikasi yang dibuat akan menerima input yang terdiri data kategori, data penyakit, data soal, dan data user. Kemudian, data akan dilatih dan diuji dengan metode backpropagation untuk mendapatkan hasil yang maksimal. Sistem tersebut akan menyimpan data-data tersebut dalam sebuah database dan akan diproses sesuai dengan aturan pada metode backpropagation, proses output yang dihasilkan pada aplikasi tersebut berupa deteksi awal gangguan makan.

1. 
   Identifikasi Entitas
   

Entitas-entitas yang terlibat dalam pengolahan data diagnosa awal penyakit kepala yaitu sebaga berikut:

1. 
   Entitas User
   
2. 
   Entitas Kategori
   
3. 
   Entitas Pertanyaan
   
4. 
   Entitas Perolehan
   
5. 
   Entitas Gangguan
   
6. 
   Entitas Bobot Hidden
   
7. 
   Entitas Bobot Output
   

2. 
   Relasi Antar Entitas
   

Relasi antar entitas merupakan hubungan antara sejumlah entitas yang berasal dari himpunan yang berbeda. Entity Relationalship Diagram (ERD) pada sistem implementasi JST untuk mendeteksi kecenderungan gangguan makan pada remaja mempunyai alur seperti pada Gambar 4.10.



Gambar 4.10 Entity Relational Diagram (ERD)

4. 
   Struktur Database
   

Rancangan struktur table yang digunakan dalam sistem implementasi JST untuk mendeeteksi kecenderungan gangguan makan pada remaja adalah sebagai berikut:

1. 
   Tabel User
   
2. 
   Tebel Kategori
   
3. 
   Tebel Pertanyaan
   
4. 
   Tabel Gangguan
   
5. 
   Tebel Perolehan
   
6. 
   Table Bobot hidden
   
7. 
   Table Bobot output
   

Detail informasi dari table-tabel tersebut antara lain sebagai berikut:

1. 
   Tabel User
   

Nama tabel : user

Primary key : username

Foreign key :

Deskripsi tabel : tabel ini digunakan untuk menyimpan data user serta hak aksesya.

Rancangan struktur tabel user dapat dilihat pada Tabel 4.1

Tabel 4.1 Tabel User

Kolom	Tipedata	Field Size	Keterangan
Username	varchar	25	Primary Key
Password	varchar	10
nama_user	varchar	25
Umur	int	11
Jeniskelamin	varchar	10
hak_akses	varchar	10

2. 
   Tabel Kategori
   

Nama tabel : kategori

Primary key : kode_kategori

Foreign key :

Deskripsi tabel : tabel ini digunakan untuk menyimpan kategori-kategori dari soal-soal yang di jadikan kuisioner.

Rancangan struktur tabel kategori dapat dilihat pada Tabel 4.2

Tabel 4.2 Tabel kategori

Kolom	Tipe Data	Field Size	Keterangan
kode_kategori	varchar	10	Primary Key
nama_kategori	varchar	30

3. 
   Tabel pertanyaan
   

Nama tabel : pertanyaan

Primary key : kode_pertanyaan

Foreign key : kode_kategori

Deskripsi tabel : tabel ini digunakan untuk menyimpan pertanyaan serta pilihan jawabannya

Rancangan struktur tabel pertanyaan dapat dilihat pada Tabel 4.3

Tabel 4.3 Tabel Pertanyaan

Kolom	Tipe Data	Field Size	Keterangan
kode_pertanyaan	int	10	Primary Key
kode_kategori	varchar	10	Foreign Key
Pertanyaan	varchar	255
pilihanA	varchar	20
pilihanB	varchar	20
pilihanC	varchar	20
pilihanD	varchar	20
pilihanE	varchar	20

4. 
   Tabel Perolehan
   

Nama tabel : perolehan

Primary key : kode_perolehan, kode_gangguan

Foreign key : username

Deskripsi tabel : tabel ini digunakan untuk menyimpan skor perolehan yang sudah dijawab oleh user.

Rancangan struktur tabel perolehan dapat dilihat pada Tabel 4.4.

Tabel 4.4 Tabel Perolehan

Kolom	Tipe Data	Field Size	Keterangan
kode_perolehan	int	10	Primary Key
Nama	varchar	10
kode_pertanyaan	int	30	Foreign Key
kode_gangguan	varchar	10	Foreign Key
kode_kategori	varchar	30	Foreign Key
Jawaban	varchar	50
Bobot	double	-
Ket	varchar	30

5. 
   Table gangguan
   

Nama tabel : gangguan

Primary key : kode_gagguan

Foreign key : -

Deskripsi tabel : tabel ini digunakan untuk menyimpan data jenis gangguan makan.

Rancangan struktur tabel gangguan dapat dilihat pada Tabel 4.6

Tabel 4.5 Tabel gangguan

Kolom	Tipe Data	Field Size	Keterangan
kode_gangguan	varchar	10	Primary Key
nama_gangguan	varchar	30
target1	Int	1
target2	Int	1

6. 
   Table Bobot hidden
   

Nama tabel : bobotbias_hidden

Primary key : bobot_bias

Foreign key : -

Deskripsi tabel : tabel ini digunakan untuk menyimpan bobot hasil perhitungan dari input ke hidden.

Rancangan struktur tabel bobot hidden dapat dilihat pada Tabel 4.6