Upload
others
View
11
Download
0
Embed Size (px)
Citation preview
8
BAB II
TINJAUAN PUSTAKA
2.1 Sistem Berbasis Pengetahuan
Sistem berbasis pengetahuan atau Knowledge Based System (KBS)
merupakan bagian dari kecerdasan buatan (Artifical Intelligence / AI). Sistem ini
terdiri dari Knowledge Base (KB) dan mesin inferensi yang berfungsi sebagai mesin
pencari pengetahuan. Sistem berbasis pengetahuan dapat diklasifikasikan ke dalam
5 tipe yaitu hypertext manipulation system, Intelligent Tutoring System (ITS), CASE
Based reasoning, Database in conjunction with an intelligent User Interface, dan
sistem pakar (expert system) [14].
2.1.1 Sistem Pakar
Sistem pakar merupakan sistem yang mengadopsi pengetahuan manusia
(human knowledge) ke dalam komputer untuk dapat menyelesaikan masalah [15].
Menurut Turban dalam buku kecerdasan buatan [16], terdapat 3 (tiga) unsur
manusia dalam sistem pakar yaitu :
a. Pakar (The Expert)
Pakar adalah seseorang yang menguasai bidang ilmu pengetahuan tertentu,
memiliki pengalaman, serta mampu memanfaatkan talentanya untuk
memberikan saran atau nasehat terhadap pentelesaian suatu masalah. Pakar
memiliki tugas penting dalam pembangunan sistem pakar. Tugas dari seorang
pakar adalah memberikan atau menyediakan pengetahuan.
b. Perekayasa Pengetahuan (Knowledge Engineer)
Knowledge engineer memiliki tugas utama yaitu menerjemahkan dan
merepresentasikan pengetahuan yang diperoleh dari seorang pakar. Untuk
memperoleh pengetahuan tersebut, knowledge engineer akan berinteraksi
langsung dengan pakar. Proses ini disebut dengan akuisisi pengetahuan.
Knowledge engineer haruslah memiliki keterampilan untuk merekayasa
9
pengetahuan, komunikasi yang baik, dapat menyesuaikan masalah kepada
software serta memiliki keterampilan pemrograman sistem pakar.
c. Pengguna (User)
Pengguna adalah orang yang menggunakan sistem pakar untuk dapat
menyelesaikan permasalahan. Pengguna dalam sistem pakar memiliki beberapa
kelas, yaitu :
1. Pemakai bukan pakar
Dalam konteks ini, sistem pakar berperan sebagai seorang konsultan atau
pemberi nasihat.
2. Siswa yang ingin belajar
Sistem pakar dapat berperan sebagai instruktur bagi siswa.
3. Pembangun sistem pakar
Dalam hal ini, sistem pakar memiliki peran sebagai rekan kerja (partner).
Pembangun sistem pakar memiliki tujuan untuk dapat meningkatkan serta
menambah basis pengetahuan.
4. Pakar.
Pakar yang menggunakan sistem pakar bertujuan untuk menjadikan
sistem pakar sebagai kolega, asisten ataupun unsur lainnya.
Secara umum, terdapat 4 (empat) komponen utama pembentuk sistem pakar
[17], antara lain :
a. Antarmuka Pengguna (User Interface)
Komponen ini merupakan penghubung antara pengguna dan sistem untuk dapat
berkomunikasi. Antarmuka akan menyajikan informasi kedalam bentuk yang
dapat dimengerti oleh pengguna.
b. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan komponen penting dalam sistem pakar yang
terdiri dari dua elemen utama yaitu fakta dan aturan (rules).
c. Mesin Inferensi (Inference Machine)
Mesin inferensi merupakan sebuah otak dari sistem pakar yang berfungsi untuk
penarikan kesimpulan. Mesin ini akan memproses penalaran berdasarkan basis
pengetahuan yang tersedia pada sistem.
10
d. Area Kerja (Workplace)
Workplace merupakan area dari sekelompok memori kerja yang berisi fakta-
fakta masalah dalam suatu sesi konsultasi.
Untuk menarik sebuah kesimpulan, pengguna akan berkomunikasi dengan
sistem melalui antarmuka. Selanjutnya, mesin inferensi akan bekerja selayaknya
sebuah processor dalam sistem pakar dengan mencocokan fakta-fakta pada memori
kerja berdasarkan basis pengetahuan (knowledge base).
Agar sebuah sistem dapat berjalan dengan baik selayaknya seorang pakar,
terdapat 2 (dua) komponen tambahan dalam sebuah sistem pakar, yaitu :
a. Fasilitas Penjelasan (Explanation Facility)
Komponen ini merupakan gambaran penalaran sistem kepada pengguna, seperti
apa yang harus dilakukan pengguna untuk dapat menggunakan sistem pakar
yang dibuat.
b. Fasilitas Akuisisi Pengetahuan (Knowledge Acquisition Facility)
Akuisisi pengetahuan merupakan proses transformasi keahlian dari seorang
pakar kepada knowledge engineering untuk dibangun sebuah basis
pengetahuan.
Terdapat 2 (dua) jenis lingkungan yang membentuk sistem pakar.
Lingkungan tersebut adalah lingkungan pengembangan (development environment)
dan lingkungan konsultasi (consultation environment) [17].
11
Gambar 2.1. Struktur sistem pakar
Secara sederhana, struktur sistem pakar ditunjukkan pada Gambar 2.2.
Gambar 2. 2. Struktur sistem pakar sederhana
2.1.1.1 Kategori Masalah Sistem Pakar Secara Umum
Permasalahan-permasalahan yang biasa diselesaikan dalam sistem pakar
antara lain sebagai berikut [16]:
a. Interpretasi
Dalam konteks interpretasi, sistem pakar biasanya bertujuan untuk
pengambilan keputusan dari hasil observasi, seperti pengawasan, pengenalan
ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan.
12
b. Prediksi
Dalam hal ini, sistem pakar biasa digunakan untuk memprediksi akibat-akibat
yang dimungkinkan dari situasi-situasi tertentu, seperti peramalan, prediksi
demografis, peramalan ekonomi, prediksi lalulintas, estimasi hasil, militer,
pemasaran atau peramalan keuangan.
c. Diagnosis
Diagnosis bertujuan untuk menentukan sebab malfungsi dalam situasi
kompleks yang didasarkan pada gejala-gejala yang teramati, antara lain yaitu
medis, elektronis, mekanis, dan diagnosis perangkat lunak.
d. Desain
Sistem pakar juga digunakan untuk menentukan konfigurasi komponen-
komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu dan
kendala-kendala tertentu, antara lain seperti layout sirkuit ataupun
perancangan bangunan.
e. Perencanaan
Dalam hal perencanaan, sistem pakar berfungsi untuk merencanakan
serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan
kondisi awal tertentu. Contohnya seperti perencanaan keuangan, komunikasi,
militer, pengembangan politik, routing dan manajemen proyek.
f. Monitoring
Sistem pakar dapat digunakan untuk membandingkan tingkah laku suatu
sistem yang teramati dengan tingkah laku yang diharapkan darinya. Contohnya
Computer Aided Monitoring System.
g. Debugging dan Repair
Sistem pakar juga biasa digunakan untuk menentukan dan
mengimplementasikan cara-cara dalam mengatasi malfungsi, seperti perbaikan
terhadap suatu kerusakan.
h. Instruksi
Dalam konsep instruksi, sistem pakar dapat melakukan instruksi untuk
diagnosis, debugging dan perbaikan kinerja.
13
i. Kontrol
Sistem pakar dapat mengatur tingkah laku suatu environment yang kompleks
seperti kontrol terhadap interpretasi, prediksi, perbaikan, dan monitoring
kelakuan sistem.
j. Seleksi
Sistem dapat melakukan proses identifikasi untuk menentukan pilihan terbaik
dari sekumpulan kemungkinan.
k. Simulasi
Dalam hal ini, sistem dapat menjadi pemodelan interaksi antara komponen-
komponen sistem.
2.1.1.2 Kelebihan Sistem Pakar
Sistem pakar memiliki beberapa kelebihan, antara lain :
a. Orang awam bisa mengerjakan pekerjaan para pakar.
b. Menyimpan pengetahuan serta keahlian para pakar.
c. Menghemat waktu dalam pengambilan keputusan.
d. Meningkarkan kualitas serta produktivitas karena mampu memberikan nasehar
yang konsisten dan mengurangi kesalahan.
2.2 Certainty Factor (CF)
Certainty factor atau faktor kepastian merupakan metode untuk menghadapi
permasalahan dimana jawabannya tidak pasti [18]. Maksud dari ketidakpastian ini,
dimana seorang pakar seringkali menganalisis informasi yang ada dengan
ungkapan “mungkin”, “kemungkinan besar”, ataupun “hampir pasti” [19].
Shortliffe Buchman yang pertama kali memperkenalkan metode ini pada tahun
1975. Secara umum, aturan (rule) dalam metode CF, direpresentasikan dalam
bentuk persamaan 2.1.
IF E1 [AND / OR] E2 [AND / OR] . . . En THEN H (CFrule)
…(2.1)
14
Di mana:
E1…En = fakta atau peristiwa (evidence) yang ada
H = hipotesa atau konklusi yang dihasilkan
CF = tingkat kepercayaan (Certainty Factor) terjadinya hipotesa akibat
adanya fakta atau peristiwa (evidence)
Dalam metode ini, dikenalkan konsep Measures of Belief (MB) atau ukuran
kepercayaan dan Measures of Disbelief (MD) atau ukuran ketidakpercayaan. Nilai
dari faktor kepercayaan didefinisikan dalam bentuk persamaan 2.2.
CF[H,E] = MB[H,E] - MD[H,E] …(2.2)
Di mana:
CF[H,E] = faktor kepastian dari hipotesis H yang dipengaruhi oleh peristiwa
(evidence) E. Besarnya CF antara -1 sampai dengan 1. Nilai -1
menunjukkan ketidakpercayaan mutlak dan 1 menunjukkan
kepercayaan mutlak.
MB[H,E] = measure of belief (ukuran kepercayaan) terhadap hipotesis H, jika
diberikan peristiwa (evidence) E, berkisar dari 0 – 1.
MD[H,E] = measure of disbelief (ukuran ketidakpercayaan) terhadap hipotesis
H, jika diberikan peristiwa (evidence) E, berkisar dari 0 – 1.
Certainty factor menggunakan suatu nilai bobot untuk mengasumsikan
derajat kepastian. Terdapat dua macam faktor kepastian yang digunakan dalam
metode ini. Yang pertama adalah faktor kepastian dari seorang pakar dan yang
kedua adalah faktor kepastian dari pengguna. Nilai bobot tersebut didapatkan dari
interpretasi term lalu diubah menjadi nilai CF tertentu. Adapun nilai CF pakar dan
pengguna yang digunakan sebagai tingkatan kepercayaan pada suatu hipotesis
terhadap suatu peristiwa terdapat pada Tabel 2.1.
15
Tabel 2.1. Interpretasi term nilai certainty factor [20]
No Deskripsi Nilai
1 Pasti Tidak -1,0
2 Hampir Pasti Tidak -0,8
3 Kemungkinan Besar
Tidak -0,6
4 Mungkin Tidak -0,4
5 Tidak Tahu -0,2 to
0,2
6 Mungkin 0,4
7 Kemungkinan Besar 0,6
8 Hampir Pasti 0,8
9 Pasti 1,0
Setelah diketahui nilai bobot CF pakar dan CF pengguna, akan dilanjutkan
dengan menghitung CF dari pakar dan pengguna berdasarkan persamaan 2.3.
CF[H,E] = CF[E,e] * CF[H,e] …(2.3)
Di mana :
CF[H,e] = faktor kepastian hipotesis H yang dipengaruhi oleh peristiwa
(ecvidence) e, atau nilai kepastian yang diberikan oleh pakar
terhadap suatu aturan.
CF[E,e] = faktor kepastian peristiwa (evidence) E yang dipengaruhi oleh
peristiwa (evidence) e, atau nilai kepastian yang diberikan oleh
pengguna terhadap gejala yang dialaminya.
CF[H,E] = faktor kepastian hipotesis dengan asumsi peristiwa (evidence).
Selanjutnya melakukan kombinasi dari keseluruhan nilai CF. Terdapat
beberapa aturan dalam melakukan kombinasi nilai CF. Jika CF dari kedua faktor
16
bernilai postif atau lebih dari nol (CF1 dan CF2 > 0), maka nilai CF akan dihitung
dengan persamaan 2.4.
CFcombine CF[H,E]1,2 = CF[H,E]1 +CF[H,E]2 * (1-
CF[H,E]1)
…(2.4)
Jika salah satu nilai CF bernilai negatif atau kurang dari nol (CF1 atau CF2
< 0), maka akan dikombinasikan dengan persamaan 2.5.
CFcombine CF[H,E]1,2 = 𝐶𝐹[𝐻,𝐸]1 +𝐶𝐹[𝐻,𝐸]2
(1−𝑚𝑖𝑛 {|𝐶𝐹1|,|𝐶𝐹2|})
…(2.5)
Jika kedua nilai CF bernilai negatif atau kurang dari nol (CF1 dan CF2 < 0), maka
nilai CF kombinasi dihitung dengan persamaan 2.6.
CFcombine CF[H,E]1,2 = CF[H,E]1 +CF[H,E]2 * (1+
CF[H,E]1)
…(2.6)
2.3 Stunting
Stunting adalah suatu kondisi dimana anak memiliki panjang atau tinggi
badan berada dibawah minus 2 Standar Deviasi (<-2SD) dari standar median
WHO[21]. Stunting dapat diartikan sebagai kekurangan gizi kronis pada masa periode
kritis tumbuh dan kembang anak, yaitu saat anak masih berupa janin. Berdasarkan hasil
Riskesdas tahun 2013 terdapat 37,2 % atau 9 juta balita Indonesia mengalami stunting.
Angka tersebut tidak mengalami penurunan yang signifikan jika dibandingkan dengan
hasil Riskesdas pada tahun 2018, yaitu sebesar 30,8% atau 7 juta balita di Indonesia
mengalami stunting [22]. Stunting dapat menyebabkan organ tubuh tidak dapat
tumbuh dan berkembang secara optimal. Balita stunting berkontribusi terhadap 1,5
juta (15%) kematian anak balita di dunia [4].
17
2.3.1 Dampak Stunting
Stunting dapat berdampak jangka pendek maupun jangka panjang. Dampak
jangka pendeknya dapat menyebabkan anak mengalami gagal tumbuh, hambatan
perkembangan kognitif dan motorik, tidak optimalnya ukuran fisik tubuh serta
gangguan metabolisme. Dampak jangka panjangnya dapat menyebabkan
menurunnya kapasitas intelektual, gangguan struktur dan fungsi saraf serta sel-sel
otak yang bersifat permanen. Selain itu dapat menyebabkan penurunan kemampuan
penyerapan pelajaran di usia sekolah yang dapat mengganggu produktivitasnya
pada saat dewasa. Stunting juga dapat meningkatkan risiko penyakit tidak menular
seperti diabetes mellitus, hipertensi, jantung koroner hingga stroke [4] .
Gambar 2.3. Perbedaan perkembangan otak anak stunting dan sehat
2.4 Android
Android merupakan sebuah sistem operasi yang dikembangkan oleh
Android Inc. Sistem operasi diibaratkan sebagai penghubung antara piranti dengan
penggunanya. Android ditujukan untuk perangkat mobile berbasis Linux. Tahun
2005, Google resmi mengakuisisi Android. Pada proses pengembangan Android,
dibentuk Open Handset Alliance (OHA) pada tahun 2007. OHA bertujuan untuk
mengembangkan standar terbuka untuk perangkat mobile. Dalam konsorsium OHA
terdapat beberapa perusahaan seperti Texas Instruments, Broadcom Corporation,
Google, HTC, Intel, LG, Marvell Technology Group, Motorola, Nvidia,
Qualcomm, Samsung Electronics, Sprint Nextel dan T-Mobile [23].
Para developer dapat mengembangkan sebuah aplikasi pada sistem operasi
Android karena sifatnya yang open source. Disebut open source karena source code
18
pada sistem operasi ini dapat dilihat, diunduh dan dimodifikasi secara bebas. Dalam
proses distribusinya, terdapat dua jenis dukungan. Yang pertama dukungan penuh
dari Google atau Google Mail Service (GMS) dan kedua tidak mendapatkan
dukungan langdung dari Google atau Open Handset Distribution (OHD).
Sistem operasi Android versi 1.0 resmi diluncurkan pada 23 september
2008. Sejak tahun 2009, versi Android dikembangkan dengan nama-nama
panganan manis seperti Cupcake ( versi 1.5), Donut ( versi 1.6), Eclair (versi 2.0–
2.1), Froyo (versi 2.2–2.2.3), Gingerbread (versi 2.3–2.3.7), Honeycomb (versi 3.0–
3.2.6), Ice Cream Sandwich (versi 4.0–4.0.4), Jelly Bean (versi 4.1–4.3), KitKat
(versi 4.4+), Lollipop (versi 5.0+), Marshmallow (versi 6.0+), Nougat (versi 7.0+),
Android Oreo (versi 8.0+), Android Pie (versi 9.0+) .
2.5 Android Studio
Android Studio merupakan sebuah IDE (Integrated Development
Environment) resmi untuk mengembangkan aplikasi Android. IDE resmi
diluncurkan oleh Google disebuah event Google I/O Conference pada 16 mei 2013
dengan sifat open source. Sejak saat itu, Android Studio menggantikan Eclipse
sebagai IDE resmi pengembangan aplikasi Android [24]. Android Studio
menggunakan Java sebagai bahasa utama pemrograman. Untuk pembuatan Layout,
digunakan bahasa XML. IDE ini merupakan pengembangan dari Eclipse, dimana
sudah terintegrasi SDK (Software Development Kit).
2.6 SQLite
SQLite merupakan sebuah basis data SQL yang tidak memiliki server
terpisah. Proses read dan write dilakukan langsung pada disk file. Format file basis
data yang digunakan adalah cross-platform, dimana SQLite dapat dengan bebas
menyalin basis data antara sistem 32-bit dan 64-bit. Basis data ini bersifat mandiri
atau tidak memiliki ketergantungan eksternal. Dalam keadaan crash atau listrik
mati, SQLite mampu bertahan secara konsisten. Bhosale,dkk [25] mengungkapkan
keunggulan SQLite dibandingkan dengan SQL server dan MySQL adalah sebagai
berikut :
19
a. SQL server dan MySQL berbasis server sedangkan SQLite berbasis file,
sehingga tidak akan mengalami gangguan ketika listrik mati.
b. SQLite merupakan sistem manajemen data relasional yang mudah untuk
pengembangan aplikasi mobile. Berbeda dengan MySQL menggunakan
manajemen server klien.
2.7 Entity Relationship Diagram (ERD)
ERD merupakan diagram yang menggambarkan keterhubungan antar objek-
objek data. Terdapat beberapa komponen utama dalam ERD yaitu:
1. Entitas
Entitas adalah sesuatu apa saja yang ada di dalam sistem, nyata maupun abstrak
dimana data tersimpan atau dimana terdapat data, yang digambarkan dengan
sebuah bentuk persegi panjang dan diberi nama dengan kata benda, orang,
lokasi dan kejadian (terdapat unsur waktu di dalammya).
2. Penghubung (Relationship)
Relationship adalah hubungan alamiah yang terjadi antara entitas yang
digambarkan dengan bentuk belah ketupat.
3. Relationship Degree
Relationship degree atau derajat hubungan adalah jumlah entitas yang
berpatisipasi dalam satu hubungan.
4. Atribut
Atribut adalah sesuatu yang menjelaskan apa sebenarnya yang dimaksud entitas
maupun relationship, sehingga sering dikatakan atribut adalah elemen dari
setiap entitas dan relationship.
5. Kardinalitas
Kardinalitas relasi merujuk kepada hubungan maksimum yang terjadi dari
entitas yang satu ke entitas yang lain dan begitu juga sebaliknya.
2.8 Unified Modeling Language (UML)
UML merupakan bahasa pemodelan berbentuk grafis untuk
menspesifikasikan ataupun memvisualisasikan suatu sistem perangkat lunak [26].
20
UML bisa diartikan sebagai blue print (cetak biru) yang merepresentasikan
kebutuhan, analisis, desain serta arsitektur sebuah perangkat lunak.
2.8.1 Jenis-jenis Diagram UML
a. Use Case Diagram
Use case diagram digunakan untuk mendeskripsikan interaksi antara aktor
dengan sistem yang dibuat. Selain itu, use case diagram dapat diartikan sebagai
gambaran untuk mengetahui fungsi apa saja yang ada dalam sistem serta siapa
saja yang dapat berinteraksi dengan fungsi tersebut. Terdapat simbol-simbol
yang mendeskripsikan cara kerja use case diagram, yaitu sebagai berikut :
Tabel 2.2 Simbol use case diagram
No Simbol Nama Deskripsi
1
Actor Orang atau pengguna
yang berinteraksi
dengan sistem
2
Use Case Fungsionalitas yang
disediakan sistem
3
Association Relasi atau interaksi
antara aktor dan use case
4
Extend Relasi use case ke sebuah
use case yang tambahan,
dimana use case
tambahan tersebut
mampu berdiri sendiri
walau tanpa bantuan use
case
5
Generalitaion Hubungan antara dua
buah use case dimana
fungsi yang satu adalah
21
fungsi yang lebih umum
dari lainnya lainnya
6
Include Relasi use case ke sebuah
use case yang tambahan,
dimana use case
tambahan tersebut
memerlukan bantuan use
case untuk dapat berjalan
b. Activity Diagram
Diagram aktivitas merupakan diagram yang menggambarkan aliran kerja atau
aktivitas sebuah sistem maupun proses bisnis[26]. Terdapat perbedaan antara
diagram aktivitas dengan use case diagram. Terdapat simbol-simbol yang
mendeskripsikan diagram ini, yaitu sebagai berikut.
Tabel 2.3. Simbol activity diagram
No Simbol Nama Deskripsi
1
Mulai Menyatakan awal
pada sebuah proses
2
Aktivitas Mengambarkan
aktivitas yang dapat
dilakukan sistem
3
Decission Percabangan jika
terdapat aktivitas lebih
dari satu
4
Join Menggabungkan
aktivitas yang lebih
dari satu
22
5
Selesai Menyatakan akhir
dari sebuah proses
c. Sequence Diagram
Sequence diagram menunjukkan urutan kejadian dalam sekali proses. Diagram
ini akan memperlihatkan interaksi antar objek dalam perintah secara berurutan.
Adapun simbol dalam sequence diagram dapat dilihat pada Tabel 2.6.
Tabel 2.4. Simbol sequence diagram
No Simbol Nama Deskripsi
1
Actor Orang yang
berinteraksi dengan
sistem
2
Entity class Mengambarkan
hubungan aktivitas
yang dilakukan
3
Boundary class Menggambarkan
sebuah form
4
Control class Menggambarkan
hubungan boundary
dengan tabel
5
Life line Objek entity
antarmuka yang
saling beirnteraksi
6
Message Spesifikasi
komunikasi antar
23
objek, memuat
aktivitas yang terjadi
2.9 Black Box Testing
Black box testing merupakan pengujian yang berfokus pada spesifikasi
fungsional dari sebuah aplikasi. Pengujian ini bekerja dengan cara mengabaikan
komponen-komponen yang membentuk aplikasi tersebut. Oleh sebab itu, black box
testing menguntungkan bagi seorang penguji, karena tidak memerlukan keahlian
mengenai bahasa pemrograman. Black box testing melakukan pengujian
berdasarkan sudut pandang dari pengguna [27].
2.10 White Box Testing
Pengujian kotak putih atau biasa disebut dengan white box testing
merupakan pengujian yang berfokus pada bait kode. Pengujian ini dilakukan untuk
mengetahui kebenaran implementasi proses ataupun algoritma yang digunakan
dalam memproses masukan dari pengguna serta melakukan perhitungan [28].
Sehingga dapat diketahui apakah algoritma yang diterapkan sudah benar ketika
menerima masukan pengguna.
2.11 Usability Testing
Usability merupakan analisa kualitatis untuk menentukan nilai kegunaan
aplikasi. Sebuah aplikasi disebut usable ketika fungsi-fungsinya berjalan efektif,
efisien serta memuaskan. Dikatakan efektif jika pengguna berhasil mencapai tujuan
dalam menggunakan suatu perangkat lunak. Efisiensi berhubungan dengan
kelancaran pengguna dalam mencapai tujuan tersebut. Sedangkan memuaskan
berkaitan dengan sikap pengguna terhadap perangkat lunak. Oleh sebab itu,
diperlukan pengujian usability untuk mengevaluasi apakah perangkat lunak sudah
berjalan sesuai kebutuhan pengguna atau belum [29].
24
2.11.1 System Usability Scale (SUS)
Untuk melakukan pengujian usability, dapat dilakukan dengan
menggunakan metode System Usability Scale (SUS). SUS digunakan untuk
melakukan pengujian teknologi yang independent (mandiri) seperti pada perangkat
keras, perangkat lunak, website bahkan perangkat seluler. Metode SUS merupakan
skala uji terhadap kegunaan aplikasi yang sudah dibuat berdasarkan skala likert
dengan bobot nilai tertentu [30]. Adapun skala yang digunakan untuk setiap
jawaban kuisioner pada Tabel 2.8. menggunakan skala Likert sebagai berikut.
Tabel 2.5. Skala likert
Skala Keterangan Bobot Nilai
SS Sangat Setuju 5
S Setuju 4
C Cukup 3
TD Tidak Setuju 2
STD Sangat Tidak Setuju 1
Terdapat beberapa aturan dalam perhitungan metode SUS. Setiap
pertanyaan di nomor ganjil yaitu nomor 1,3,5,7 dan 9 maka skala jawaban
responden akan dikurangi 1. Setiap pertanyaan di nomor genap yaitu nomor 2,4,6,8
dan 10 maka 5 dikurangi dengan skala jawaban responden. Hasilnya skor akan
berkisar antara 0 hingga 4. Setelah itu skala jawaban dari responden dikali dengan
2,5 dan akan dihitung rata-rata semua jawaban responden. Skor keseluruhan
merupakan hasil rata-rata skor individual dan akan berkisar dari 0 sampai dengan
100 [31]. Perhitungan system usability scale dapat dilihat pada persamaan 2.5.
S𝑈𝑆=((𝑅1−1)+(5−𝑅2)+(𝑅3−1)+(5−𝑅4)+(𝑅5−1)+(5−𝑅6)+
(𝑅7−1)+(5−𝑅8)+(𝑅9−1)+(5−𝑅10))∗2.5)
… (2.5)
Selanjutnya, nilai total yang didapatkan dibagi rata-rata. Setelah didapatkan
nilai rata-rata dari penilaian responden, langkah selanjutnya adalah menentukan
grade dari hasil penilaian. Terdapat cara untuk menentukan hasil penilaian skor
25
akhir dari metode SUS, yaitu dilihat dari sisi penerimaan pengguna yang
dikategorikan berdasarkan tiga kategori yaitu not acceptable, marginal dan
acceptable. Sisi grade scale dengan 6 skala yaitu A,B,C,D,E dan F. Yang terakhir
dengan melihat nilai adjective rating dengan 6 skala yaitu worst imaginable, poor,
ok, good, excellent dan best imaginable. Adapun penentuan hasil penilaian metode
SUS dapat dilihat pada Gambar 2.4.
Gambar 2.4. Penentuan hasil penilaian SUS [31]
2.12 Penelitian Sebelumnya
Guna mendukung penelitian yang dilakukan, terlebih dahulu dilakukan
pengkajian mengenai penelitian sebelumnya. Adapun hasil penelitian sebelumnya
dapat dilihat pada Tabel 2.8.
Tabel 2.6. Penelitian sebelumnya
No Judul Peneliti Hasil Kelemahan Perbedaan
1 Perancangan
Sistem
Pakar dalam
Diagnosa
Stunting
pada Anak
dengan
Metode
Certainty
Cyntia
Lasmi
Andesti
Penelitian
bersumber
dari seorang
pakar untuk
mengetahui
faktor-
faktor
penyebab
anak
Pengguna
harus
mempunyai
akses internet
terlebih
dahulu untuk
dapat
menggunakan
nya,
Berbasis
platform
Android, bisa
digunakan tanpa
harus
mempunyai
akses internet,
tidak
memerlukan log-
26
Factor
Berbasis
Web
stuting.
Aplikasi
yang
dibangun
dapat
memberikan
solusi serta
cara
pencegahan
dini stunting
pada anak.
mengharuskan
pengguna log-
in terlebih
dahulu
sehingga
pengguna
tidak dapat
langsung
menggunakan
sistem.
Tidak dapat
digunakan
lagi jika masa
hosting sudah
habis.
in sehingga
pengguna dapat
langsung
menggunakan
aplikasi,
dilengkapi
dengan fitur
edukasi berupa
tips dan trik
seputar
pemberian
makanan sehat
dan bergizi
balita. Lokasi
dan pakar dalam
penelitian
berbeda.