5
berhubungan dengan penelitian ini:
Penelitian yang dilakukan oleh Dyah Rhetno Wardhani, Yushi Nurdini,
Bayhaqi dengan judul “Sistem Pendukung Keputusan dalam penentuan alat
kontrasepsi untuk keluarga berencana dengan pemodelan logika fuzzy Mamdani
studi kasus pada Puskesmas Cijayanti, Bogor” pada tahun 2014 membahas
mengenai penentuan alat kontrasepsi yang tepat pada Puskesmas Cijayanti, Bogor.
pada penelitian penentuan alat kontrasepsi untuk mengatur jumlah anak dan
membentuk keluarga berencana dan alasan lainnya tidak ada alat kontrasepsi yang
selalu cocok untuk semua akseptor dengan mengunakan beberapa kriteria seperti,
umur, jumlah anak, interval datang bulan dan alat kontrasepsi yang digunakan.
Permasalahan pada penelitian ini dapat diatasi dengan metode pemodelan Logika
Fuzzy Mamdani. Sehingga hasil penelitian ini terbukti efektif dalam membantu
peserta KB untuk menentukan alat kontrasepsi yang tepat dengan hasil pengujian
validasi data aplikasi dapat digunakan karena hampir 80% valid, dan hasil validasi
data ketidak akuratan kurang dari 5% [6].
b. Penelitian Asep Kamaludin
pendukung keputusan dalam pemilihan alternatif alat kontrasepsi menggunakan
Simple Additive Weighting” pada tahun 2012 membahas mengenai dalam memilih
alat kontrasepsi bukan merupakan hal yang mudah karena efek yang berdampak
terhadap tubuh tidak akan diketahui sebelum menggunakannya. Selain itu, tidak
ada alat kontrasepsi yang selalu cocok bagi semua orang karena situasi dan kondisi
tubuh dari setiap individu selalu berbeda. Kriteria yang digunakan dalam penelitian
ini yaitu umur, biaya, efek samping, lama pemakaian, efektivitas keberhasilan alat,
riwayat haid komplikasi yang potensial, keuntungan dan status kesehatan
Laporan Skripsi BAB I
6
Permasalahan pada penelitian ini dapat diatasi dengan menggunakan metode Simple
Additive Weighting. Sehingga hasil penelitian ini terbukti memberikan keputusan
alternatif alat kontrasepsi dengan menggunakan perhitungan metode Simple
Additive Weighting yang nantinya bisa dijadikan sebagai acuan untuk memilih alat
kontrasepsi dan memberikan informasi kelebihan dan kekurangan masing-masing
alat kontrasepsi serta memberikan peringatan mengenai kontraindikasi dari alat
berdasarkan riwayat kesehatan [7].
Penelitian yang dilakukan oleh Lilu Cristie Frensiska dengan judul “Sistem
Pendukung Keputusan dalam menentukan alternatif pemilihan alat kontrasepsi
menggunakan metode Analitycal Hierarchy Process (AHP) studi kasus pada klinik
bersalin Lubuklinggau”pada tahun 2015 membahas mengenai untuk membantu
para akseptor KB dalam melakukan alat kontrasepsi yang sesuai dengan dirinya.
permasalahan pada penelitian ini dapat diatasi dengan menggunakan metode
Analitycal Hierarchy Process (AHP). Sehingga hasil penelitian ini terbukti
alternatif, karena calon akseptor dapat memilih alat kontrasepsi dari alternatif yang
diberikan dengan cara melakukan perbandingan kriteria yang ada dan perbandingan
alternatif setiap kriteria sehingga akan didapat sebuah hasil yang terbaik dengan
menggunakan kriteria seperti umur, riwayat kesehatan, riwayat haid, lama
pemakaian, harga alat dan efek samping. Peneliti juga menyarankan Aplikasi ini
agar dapat dikembangkan kembali dengan menambah atau memberikan kriteria
yang berbeda sehingga hasil yang didapat lebih maksimal sehingga alternatif alat
kontrasepsi yang diberikan dapat sesuai dengan kondisi calon akseptor dan aplikasi
ini dapat dikembangkan kembali dengan menggunakan metode berbeda atau
menggabungkan sebuah metode yang ada dengan metode yang lain [8].
d. Penelitian Hanis Setiawati Permatasari, dkk
Penelitian yang dilakukan oleh Hanis Setiawati Permatasari, Awang Harsa
Kridalaksana, Addy Suyatno dengan judul “Sistem Pendukung Keputusan
pemilihan program studi di Universitas Mulawarman menggunakan metode
Tsukamoto (studi kasus: fakultas MIPA)” pada tahun 2015 membahas mengenai
proses pemilihan program studi oleh calon dilakukan dengan beragam cara.
Laporan Skripsi BAB I
7
menyebabkan mahasiswa berpindah program studi. Hal ini juga yang dapat
berakibat negatif adalah waktu dan tenaga yang terbuang dari para mahasiswa yang
berpindah program studi. Permasalahan pada penelitian ini dapat diatasi dengan
metode Tsukamoto sebagai metode yang cukup baik untuk menangani pengurutan
data multi kriteria dan metode Tsukamoto juga mampu memberikan sebuah
rekomendasi untuk program studi yang memiliki kriteria yang sesuai dengan
pengguna [9].
Penelitian yang dilakukan oleh Galuh Mazenda, Arief andy Soebroto, Candra
Dewi dengan judul “Implementasi Fuzzy Inference System (FIS) metode Tsukamoto
pada sistem pendukung keputusan penentuan kualitas air sungai” pada tahun 2014
membahas mengenai perubahan kualitas dan kuantitas sungai secara signifikan.
Permasalahan pada penelitian ini dapat diatasi dengan menggunakan metode
Tsukamoto dengan menggunakan tujuh parameter yang terdiri dari residu
tersuspensi (TSS), BOD, COD, pH, Fenol, serta minyak dan lemak.. Sehingga hasil
penelitian ini berjalan sesuai dengan kebutuhan fungsional. Hal ini dibuktikan
dengan hasil pengujian black box yang memberikan nilai presentasi sebesar 100%
[10].
8
9
10
terdahulu:
ini adalah sebagai berikut:
a. Perbedaan pada penelitian yang dilakukan dengan penelitian yang telah
dilakukan oleh Dyah Rhetno Wardhani, Yushi Nurdini, Bayhaqi adalah :
Pada penelitian ini menggunakan Logika Fuzzy Tsukamoto dimana penentuan
nilai kriteria ditentukan berdasarkan data sesungguhnya, namun pada metode
Logika Fuzzy Mamdani penentuan kriterianya ditentukan melalui asumsi
sendiri.
11
b. Perbedaan pada penelitian yang dilakukan dengan penelitian yang telah
dilakuan oleh Asep Kamaludin adalah :
Pada penelitian ini menggunakan Logika Fuzzy Tsukamoto yang tidak
memiliki bobot pada kriteria namum memiliki aturan sendiri dalam
menyimpulkan hasil akhir. Sedangkan, penelitian sebelumnya
menggunakan metode Simple Additive Weighting (SAW) yang
menggunakan bobot untuk menilai krieria yang digunakan.
c. Perbedaan penelitian yang dilakukan dengan penelitian yang telah dilakukan
oleh Lily Cristie Frensiska adalah :
Penelitian ini menggunakan metode Logika Fuzzy Tsukamoto dimana
metode ini menggunakan aturan dalam analisa data dan menggunakan
kriteria yang ada pada akseptor, namun pada penelitian sebelumnya
menggunakan metode Analitycal Hierarchy Process (AHP) yang
menggunakan perankingan dalam menentukan hasil akhir.
d. Perbedaan pada penelitian yang dilakukan dengan penelitian yang telah
dilakukan oleh Hanis Setiawati Permatasari, Awang Harsa Kridalaksana, Addy
Suyatno dan Penelitian Galuh Mazenda, Arief Andy Soebroto, Candra Dewi.
Adalah :
logika Fuzzy Tsukamoto untuk penentuan program studi dan penentuan kualitas
air sungai.
telah ditentukan dari hasil wawancara yang dilakukan dengan seorang pakar,
metode ini digunakan karena pencarian solusi dengan melihat rules yang telah
ditentukan, menentukan rules dengan melihat kriteria dan sub kriteria dari metode
Fuzzy logic Tsukamoto.
2.2 Dasar Teori
Sistem Pendukung Keputusan (Decision Support System) pertama kali
dikenalkan pada tahun 1970 oleh Michael S. Scott Morton dengan istilah
Laporan Skripsi BAB I
12
dibangun untuk mendukung solusi atas suatu permasalahan, tidak dimaksudkan
untuk mengotomatisasikan pengambilan keputusan tetapi memberikan
perangkat interaktif yang membantu pengambil keputusan untuk melakukan
analisis menggunakan model yang tersedia [11].
Menurut Herbert A. Simon ada 4 tahap yang harus dilalui dalam
proses pengambilan keputusan, yaitu [12] :
1. Penelusuran (Intelligence)
dihadapi serta keputusan yang akan diambil.
2. Perancangan (Design)
yang digunakan pemecahan masalah.
Tahap ini yaitu memilih alternatif solusi yang yang tepat dan
diperkirakan paling sesuai dalam pengambilan keputusan.
4. Implementasi (Implementation)
Tahap ini yaitu tahap pelaksanaan dari keputusan yang telah diambil.
Karakteristik-karakteristik dari Sistem Pendukung Keputusan adalah sebagai
berikut [13]:
terstruktur dan tidak terstruktur.
4. Memiliki subsistem yang terintegrasi
2.2.2. Logika Fuzzy
Dalam Bahasa Inggris, fuzzy mempunyai arti kabur atau tidak jelas. Jadi,
logika fuzzy adalah logika yang kabur yang mengandung unsur ketidakpastian [14].
Logika fuzzy merupakan metode pengambilan keputusan yang digunakan untuk
Laporan Skripsi BAB I
13
dengan maksud menangani masalah ketidakpastian. Yang dimaksud dengan
ketidakpastian adalah keraguan, ketidaktepatan dan kebenaran yang bersifat
sebagian. Dasar logika fuzzy adalah teori himpunan fuzzy. Menurut Indriana Candra
Dewi et all (2013), himpunan fuzzy disebut dengan himpunan tegas (crisp) dengan
nilai keanggotaan suatu item x dalam suatu himpunan A yang dituliskan dengan
A x , dimana memiliki dua buah kemungkinan nilai yaitu:
a. Satu (1) yang artinya suatu item menjadi anggota dalam suatu himpunan
tertentu.
b. Nol (0) yang artinya suatu item tidak menjadi anggota dalam suatu
himpunan tertentu.
Misalkan dalam kehidupan sehari-hari, dewasa didefinisikan dengan usia 17
tahun ke atas. Jika menggunakan logika tegas, seseorang yang berusia 17 tahun
kurang 1 hari dinyatakan sebagai tidak dewasa. Namun dalam logika fuzzy, orang
tersebut dinyatakan dengan hampir dewasa [14].
Logika fuzzy banyak memiliki keuntungan dibandingkan dengan metode lain
dalam pengambilan keputusan berdasarkan pengurangan jumlah nilai pada derajat
keanggotaan. Juga memiliki kemampuan penalaran seperti pemikiran manusia
dengan memberikan informasi yang mengolah sumber informasi yang ambigu dan
tidak akurat.
1. Sangat fleksibel.
2. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
3. Konsep matematis penalaran fuzzy mudah dimengerti dan sederhana.
4. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-
pengalaman secara langsung dari para pakar tanpa harus melalui proses
pelatihan.
konvensional.
6. Logika fuzzy berasal dari bahasa alami yang merupakan penalaran
mirip dengan manusia [14].
Laporan Skripsi BAB I
14
Contoh aplikasi dari penggunaan logika fuzzy yakni mesin cuci di
Jepang dengan menggunakan logika fuzzy untuk menentukan putaran yang tepat
secara otomatis berdasarkan jenis, banyaknya kotoran dan jumlah yang akan
dicuci. Contoh aplikasi yang lain yakni transmisi otomatis pada mobil, kereta
bawah tanah Sendai untuk mengontrol pemberhentian otomatis pada area tertentu,
bidang Ekonomi pada sistem pemasaran yang kompleks dan bidang Ilmu
Kedokteran dan Biologi untuk sistem diagnosis.
2.2.3. Logika dan Himpunan Fuzzy
2.2.3.1 Fungsi Keanggotaan
yang menerangkan mengenai pemetaan titik input dalam nilai keanggotaan
(derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara
yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan
melalui pendekatan fungsi. Himpunan fuzzy merupakan logika yang intuitif
sehingga saat akan memilih berbagai fungsi keanggotaan fuzzy maka dipilih
berdasarkan keinginan pemilik [15].
1. Representasi Linear
terdapat dua kemungkinan, yaitu:
derajat keanggotaan nol (0) bergerak ke arah kanan menuju nilai
domain yang memiliki derajat keanggotaan lebih tinggi [15].
Gambar 2.1 Representasi Kurva Linear Naik [15].
Laporan Skripsi BAB I
15
b a
x b
nilai domain yang memiliki derajat keanggotaan lebih rendah
[15].
Fungsi Keanggotaan:
x b
Kurva segitiga pada dasarnya terbentuk dari gabungan antara
dua garis linear. Fungsi ini terdapat hanya satu nilai x yang memiliki
derajat keanggotaan sama dengan 1, yaitu ketika x b . Tetapi,
nilai-nilai disekitar b memiliki derajat keanggotaan yang turun
cukup tajam (menjauhi 1) [15].
Laporan Skripsi BAB I
16
Fungsi Keanggotaan:
b a
c b
derajat keanggotaan sama dengan 1, yaitu b x c dengan
memiliki derajat keanggotaan untuk a x b dan c x d
memiliki karakteristik yang sama dengan fungsi segitiga [15].
Gambar 2.4 Representasi Kurva Trapesium [15]
Laporan Skripsi BAB I
17
b a
d x c x d
d c
x d
direpresentasikan dalam kurva segitiga pada sisi kanan dan kiri akan
naik turun. Tetapi terkadang salah satu sisi variabel tersebut tidak
mengalami perubahan. Himpunan fuzzy bahu digunakan untuk
mengakhiri variabel suatu daerah fuzzy [15].
Gambar 2.5 Representasi Kurva Bahu [15].
Fungsi Keanggotaan:
b a
x a
b a
x b
18
Kurva sigmoid berbentuk kurva sigmoidal seperti huruf S.
.
Fungsi Keanggotaan:
c a x a b c
c x b x c
c a
x c
dengan dalam logika biasa. Operasi-operasi dalam logika fuzzy yakni:
1. Gabungan
himpunan yang dekat dengan A atau dekat dengan B [14].
max ,A B A B A BA B x x x x
2. Irisan
himpunan yang dekat dengan A juga dekat dengan B [14].
Laporan Skripsi BAB I
19
min ,A B A B A BA B x x x x
3. Komplemen
dekat dengan A [14].
Sistem kendali logika fuzzy disebut sistem Inference Fuzzy (Fuzzy Inference
System) yakni sistem yang dapat melakukan penalaran serupa dengan prinsip
manusia dengan penalaran dengan nalurinya. Sistem kendali logika fuzzy
terdiri dari beberapa tahapan seperti pada diagram berikut:
Gambar 2.7 Proses Kendali Logika Fuzzy [16]
Menurut Suyanto (2014), Sistem kendali logika fuzzy pada gambar 2.8
memiliki beberapa tahapan yakni:
value) ke dalam fungsi keanggotaan himpunan fuzzy untuk diolah ke
dalam mesin penalaran.
20
yang tersedia. Inference menggunakan fuzzy input dan fuzzy rules sehingga
menghasilkan fuzzy output.
Hasil dari proses inference direpresentasikan oleh suatu fuzzy set untuk
setiap variabel bebas (pada consequent). Misalkan terdapat suatu sistem
dengan n variabel bebas x1,.....,xn dan m variabel tidak bebas y1,....,ym. Misalkan
R adalah suatu basis dari sejumlah r aturan fuzzy.
IF P1(x1,.....,xn) THEN Q1(y1,....,ym)
IF Pr(x1,.....,xn) THEN Qr(y1,....,ym)
dan Q1,...,Qr menyatakan fuzzy predicate untuk variabel tidak bebas.
Terdapat beberapa model aturan fuzzy yang digunakan secara luas dalam
berbagai aplikasi, yaitu:
a. Model Mamdani
Pada model mamdani aturan fuzzy didefinisikan sebagai:
IF x1 is A1 AND...AND xn is An THEN y is B
Dimana A1,....An dan B adalah nilai-nilai linguistik (atau fuzzy set)
dan “x1 is A1” menyatakan bahwa nilai variabel x1 adalah anggota fuzzy
set A1.
fuzzy. Secara garis besar, diagram blok proses inferensi fuzzy sebagai
berikut:
21
Sistem inference fuzzy menerima input crisp. Input dikirim ke basis
pengetahuan yang berisi n aturan fuzzy dalam bentuk IF-THEN. Fire
strength (nilai keanggotaan anteseden atau α) akan dicari pada setiap
aturan. Apabila aturan lebih dari satu, maka akan dilakukan agregasi
semua aturan. Selanjutnya pada hasil agregasi akan dilakukan defuzzifikasi
untuk mendapatkan nilai crisp sebagai output sistem. Salah satu metode
FIS yang dapat digunakan untuk pengambilan keputusan adalah metode
Tsukamoto. Pada metode Tsukamoto, implikasi setiap aturan berbentuk
implikasi “Sebab-Akibat”/Implikasi “Input-Output” dimana antara
anteseden dan konsekuen harus ada hubungannya. Setiap aturan
direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan
fungsi keanggotaan yang monoton. Untuk menentukan hasil tegas (Crisp
Solution) digunakan rumus penegasan (defuzifikasi) yang disebut “Metode
rata-rata terpusat” (Center Average Deffuzzyfier) [18].
Misalkan terdapat variabel input yaitu x dan y dan variabel output
yaitu z . Variabel x memiliki dua himpunan yaitu 1A dan 2A . Variabel
y terbagi atas dua himpunan yaitu 1B dan 2B sedangkan variabel output
terbagi atas dua himpunan yakni 1C dan 2C . Maka memiliki dua aturan
sebagai berikut:
IF x is 1A and y is 2B THEN z is 1C
IF x is 2A and y is 2B THEN z is 1C
Laporan Skripsi BAB I
22
adalah 1A dan 2A dengan menggunakan penalaran monoton maka
diperoleh nilai 1z pada aturan pertama dan 2z pada aturan kedua.
c. Model Sugeno
yaitu varian dari model Mamdani. Model ini menggunakan aturan yang
berbentuk:
IF x1 is A1 AND...AND xn is An THEN y = f(x1,...,xn)
Dimana f bisa berupa sembarang fungsi dari variabel-variabel input
yang nilainya berada dalam interval variabel output. Biasanya, fungsi ini
dibatasi dengan menyatakan f sebagai kombinasi linier dari variabel-
variabel input:
Dimana w0, w1,...., wn adalah konstanta yang berupa bilangan real
yang merupakan bagian dari spesifikasi aturan fuzzy.
2.2.4.3 Defuzzification
Menurut Suyanto (2014), defuzzification adalah pemetaan dari himpunan
fuzzy ke himpunan tegas yakni mengubah fuzzy input menjadi crisp value
berdasarkan fungsi keanggotaan yang telah ditentukan. Terdapat berbagai
metode defuzzification yang telah berhasil diaplikasikan untuk berbagai
masalah. Yakni:
a. Centroid Method
Metode yang disebut dengan Center of Area atau Center of Gravity.
Metode ini merupakan metode yang paling penting dan menarik karena
menghitung nilai crisp menggunakan rumus:

*
(2.7)
Dimana y* adalah nilai crisp dan µR(y) adalah derajat keanggotaan dari y.
b. LOM (Largest of Maximum Method)
Laporan Skripsi BAB I
23
keanggotaan z yang maksimal. Dengan contoh sebagai berikut:
Rule z Z
1 0.25 5750
2 0.25 5750
3 0.4 4000
4 0.6 5000
5 0.6 3000
c. SOM (Smallest of Maximum Method)
Dimana mengambil nilai z terkecil dari nilai derajat keanggotaan
z yang maksimal. Dengan contoh sebagai berikut:
Rule z Z
1 0.25 5750
2 0.25 5750
3 0.4 4000
4 0.6 5000
5 0.6 3000
d. MOM (Mean of Maximum Method)
Dimana mengambil nilai z rata-rata dari nilai derajat keanggotaan
z yang maksimal.
Rule z Z
1 0.25 5750
2 0.25 5750
3 0.4 4000
4 0.6 5000
5 0.6 3000
=4000.
24
sebagai:
Dimana y adalah nilai crisp dan () adalah derajat keanggotaan
dari nilai. Dengan contoh sebagai berikut:
Rule z z Z = z *z
1 0.25 23000 5750
2 0.25 23000 5750
3 0.4 10000 4000
4 0.6 8333 5000
5 0.6 5000 3000
Total 2.6 69333 23500
Jadi nilai dari y* =
dan progesteron sintetik yang berbentuk pil yang dapat dikonsumsi, yang bertujuan
untuk mengendalikan kelahiran dengan menghambat sel telur setiap bulannya [19].
1. Cara kerja
a. Menekan Ovulasi, jika seorang wanita minum pil KB setiap hari maka
tidak akan terjadi ovulasi (tidak ada sel telur). Tanpa ovulasi tidak akan
terjadi kehamilan.
c. Mengganggu pertumbuhan endometrium, sehingga menyulitkan proses
implantasi Memperkental lendir serviks (mencegah penetrasi sperma) 10.
2. Keuntungan
25
b. Mengurangi kehilangan darah (akibat haid) dan nyeri haid.
c. Mengurangi resiko terjadinya ket (kehamilan ektopik terganggu) dan kista
ovarium.
e. Pemulihan kesuburan hampir 100%.
3. Baik untuk wanita yang
a. Masih ingin punya anak.
b. Punya jadwal harian yang rutin, oleh karena pil harus diminum setiap hari
(membutuhkan motivasi yang tinggi) maka ia cocok untuk mereka yang
memiliki tingkat pendidikan yang tinggi misalnya masyarakat kota dan
kurang sesuai untuk masyarakat desa.
4. Kontradiksi
b. Pernah sakit jantung.
f. Penyakit gondok.
i. Tidak dianjurkan bagi wanita umur lebih dari 40 tahun.
5. Efek Samping
Penggunaan Pil KB pada sebagian wanita dapat menimbulkan efek samping,
antara lain enek/mual, berat badan bertambah, sakit kepala (berkunang-
kunang) perubahan warna kulit dan efek samping ini dapat timbul berbulan-
bulan.
Suntik merupakan alat kontrasepsi hormonal yang dimasukan kedalam tubuh
untuk mengcegah terjadinya kehamilan. Adapun jenis suntikan hormon ini ada yang
terdiri atas satu hormon, dan ada pula yang terdiri atas dua hormon sebagai contoh
Laporan Skripsi BAB I
26
jenis suntikan yang terdiri satu hormon adalah Depo Provera, Depo Progestin, Depo
Geston dan Noristerat. Sedangkan yang terdiri dari atas dua hormone adalah
Cyclofem dan Mesygna [20].
KB suntik sesuai untuk wanita pada semua usia reproduksi yang
menginginkan kontrasepsi yang efektif, reversibel, dan belum bersedia untuk
sterilisasi.
1. Cara kerja
Depo provera disuntikkan setiap 3 bulan sedangkan Noristerat setiap dua bulan.
Wanita yang mendapat suntikan KB tidak mengalami ovulasi.
2. Keuntungan.
c. Dapat dipakai dalam waktu yang lama.
d. Tidak mempengaruhi produksi air susu ibu
3. Baik untuk wanita yang:
a. Calon akseptor yang tinggal di daerah terpencil.
b. Lebih suka disuntik daripada makan pil.
c. Menginginkan metode yang efektif dan bisa dikembalikan lagi.
d. Mungkin tidak ingin punya anak lagi.
e. Tidak khawatir kalau tidak mendapat haid.
4. Kontradiksi.
b. Perdarahan pervaginam yang tidak diketahui sebabnya.
c. Tumor/keganasan.
d. Penyakit jantung, hati, darah tinggi, kencing manis,penyakit paru berat,
varices.
5. Efek samping
Efek samping dari dari suntikan Cyclofem yang sering ditemukan adalah mual,
berat badan bertambah, sakit kepala, pusing-pusing dan kadang-kadang gejala
tersebut hilang setelah beberapa bulan atau setelah suntikan dihentikan. Sedang
efek samping dari suntikan Depo Provera, Depo Progestin, Depo Geston dan
Laporan Skripsi BAB I
27
Noristeat yang sering dijumpai adalah mensturasi tidak teratur, masa mensturasi
akan lebih lama, terjadi bercak perdarahan bahkan mungkin menjadi anemia
pada beberapa klien.
AKDR atau spiral, atau dalam bahasa Inggrisnya Intra-Uterine Devices,
disingkat IUD adalah alat yang dibuat dari polietilen dengan atau tanpa
metal/steroid yang ditempatkan di dalam rahim. Pemasangan ini dapat untuk 3-5
tahun dan dapat dilepaskan setiap saat bila anda berkeinginan untuk mempunyai
anak.
AKDR ini bekerja dengan mencegah pertemuan sperma dengan sel telur.
2. Keuntungan.
b. Metode jangka-panjang (perlindungan sampai 10 tahun dengan menggunakan
Tembaga T 380A).
d. Lebih murah dari pil dalam jangka panjang.
3. Baik untuk wanita yang:
a. Menginginkan kontrasepsi dengan tingkat efektifitas yang tinggi, dan jangka
panjang.
b. Tidak ingin punya anak lagi atau ingin menjarangkan anak.
c. Memberikan ASI.
e. Berada dalam masa pasca aborsi.
f. Mempunyai resiko rendah terhadap PMS.
g. Tidak dapat mengingat untuk minum sebutir pil setiap hari.
h. Lebih menyukai untuk tidak menggunakan metode hormonal atau yang
memang tidak boleh menggunakannya.
4. Kontradiksi.
Laporan Skripsi BAB I
28
b. Infeksi leher rahim atau rongga panggul, termasuk penderita penyakit
kelamin.
e. Riwayat kehamilan ektopik.
5. Efek samping
Kadang-kadang ditemukan keputihan yang bertambah banyak. Disamping itu pada
saat berhubungan (senggama) terjadi expulsi (IUD bergeser dari posisi) sebagian
atau seluruhnya. Pemasangan IUD mungkin menimbulkan rasa tidak nyaman, dan
dihubungkan dengan resiko infeksi rahim.
2.2.5.4 Susuk KB/Implant/AKBK ( Alat Kontrasepsi Bawah Kulit )
Adalah 6 kapsul kecil yang terbuat dari silikon berisi hormone levonorgestrel
yang ditanam di bawah kulit.
1. Cara kerja
AKBK atau sering disebut dengan implan secara tetap melepaskan hormon
tersebut dalam dosis kecil ke dalam darah. Di Indonesia saat ini digunakan
Norplant (6 kapsul). Bekerja dengan cara:
a. Lendir serviks menjadi kental.
b. Mengganggu proses pembentukan endometrium sehingga sulit terjadi
implantasi.
b. Tidak mempengaruhi produksi ASI
c. Tidak mempengaruhi tekanan darah.
d. Pemeriksaan panggul tidak diperlukan sebelum pemakaian
e. Baik untuk wanita yang tidak ingin punya anak lagi, tetapi belum mantap
untuk ditubektomi.
Laporan Skripsi BAB I
29
b. Mungkin tidak ingin punya anak lagi.
c. Tinggal di daerah terpencil.
d. Tak khawatir jika tak dapat haid.
e. Kontraindikasi.
4. Kontradiksi
b. Perdarahan pervaginam yang tidak diketahui sebabnya.
c. Tumor/keganasan.
5. Efek samping
Kadang-kadang pada saat pemasangan akan terasa nyeri. Selain itu ditemukan
haid yang tidak teratur, sakit kepala, kadang-kadang terjadi spotting atau anemia
karena perdarahan yang kronis.
yang dikembangkan untuk melakukan pengembangan perangkat lunak, maupun
membuat perangkat lunak, sebuah model yang dikembangkan secara sistematis dari
satu tahap ke tahap lain dalam model seperti air terjun [21].
Gambar 2.9 Metode Waterfall [22].
Berikut merupakan penjelasan dari tahapan – tahapan metode Waterfall [23] :
1. Analisis
30
2. Design
Proses yang dilakukan untuk melakukan pembuatan antarmuka dari sistem yang
akan digunakan dengan melihat dari kebutuhan fungsi sistem sehingga sebuah
sistem dapat digunakan dengan baik sesuai dengan kebutuhan.
3. Implementasi
dimengerti oleh sistem, dengan menggunakan bahasa pemrograman.
4. Testing
5. Maintenance
Proses pengujian dan pemeliharaan sistem yang dilakukan setelah program
selesai dibuat, pengujian sistem difokuskan pada fungsi dan kinerja dari program
tersebut, dan pemeliharaan dilakukan untuk memeriksa kinerja dan penambahan
fungsi.