BAB IV RANCANG BANGUN SISTEM
|
|
- Sudomo Makmur
- 6 tahun lalu
- Tontonan:
Transkripsi
1 22 BAB IV RANCANG BANGUN SISTEM Pengguna sistem adalah dokter namun sistem dapat juga digunakan oleh praktisi kesehatan lainnya seperti bidan, perawat bahkan masyarakat umum. Dokter dibantu dalam pengambilan keputusan mendiagnosa penyakit DBD, sedang masyarakat umum dapat melakukan diagnosa sendiri dengan tujuan untuk kewaspadaan dini dan segera mencari pertolongan ke dokter bila sistem menyimpulkan sakit DBD. Dari hasil analisis kebutuhan maka dikembangkan model yang mengacu pada sistem pakar sebagai berikut : Pengguna Antar muka Fasilitas Penjelasan Mekanisme Inferensi (interpretasi) Diagnosa & Tatalaksana Data base Rule base Basis Pengetahuan Training anfis Generate anfis Data training Gambar 10 Model aplikasi DBD
2 Desain Struktur Data Basis Data Fuzzy (Fuzzy Data Base) Desain struktur data menggunakan himpunan fuzzy. Data dibedakan atas kriteria dan parameter. Kriteria adalah gejala klinis penyakit DBD yaitu demam, bercak di kulit, pendarahan spontan dan uji tornikuet. Kriteria klinis direpresentasikan sebagai data fuzzy. Masing-masing kriteria memiliki parameter yang mencerminkan keanggotaan pada himpunan fuzzy. Dalam sistem fuzzy keanggotaan ini direpresentasikan dalam membership function (mf). Nilai fungsi keanggotaan masing-masing gejala klinis diperoleh berdasarkan wawancara dengan pakar. Demam terdiri 3 parameter yaitu ringan, sedang dan berat. Penilaian tingkat demam ditetapkan atas pengukuran suhu dan lamanya demam. Pengukuran suhu berkisar 36 C-42 C. Badan dikatakan demam bila suhu 37.3ºC atau lebih. Nilai fuzzy demam berdasarkan pengukuran suhu badan sebagai berikut : Tabel 1 Nilai fuzzy demam Demam Nilai Pengukuran Rendah 36,0 37,3 Suhu 36,0 37,3 ºC dan lama demam 1-2 hari Sedang 36,5 38,5 Suhu 36,5 38,5 ºC dan lama demam 3 atau 6 hari Tinggi 38,0 42,0 Suhu 38,0 42,0 ºC dan lama demam 4-5 hari Fungsi keanggotaan demam tipe Gaussian digambarkan sebagai berikut : Gambar 11 Membership function demam tipe Gaussian
3 24 Bercak terdiri 3 parameter yaitu sedikit, sedang dan banyak. Penilaian tingkat bercak ditetapkan atas pengukuran jumlah petekia per lingkaran diameter 2,8 cm pada kulit lengan, dada atau muka. Hasil pengukuran jumlah petekia diskor 0,00 1,00. Tingkat bercak ditetapkan berdasarkan skor sebagai berikut : Tabel 2 : Nilai fuzzy bercak Bercak Nilai Skor Pengukuran Sedikit 0,00 0,40 jumlah petekia < 4 per lingkaran diameter 2,8 cm Sedang 0,25 0,75 jumlah petekia 4-9 per lingkaran diameter 2,8 cm Banyak 0,60 1,00 jumlah petekia = 10 per lingkaran diameter 2,8 cm Fungsi keanggotaan bercak tipe Gaussian digambarkan sebagai berikut : Gambar 12 Membership function bercak tipe Gaussian Pendarahan spontan terdiri 3 parameter yaitu tidak jelas, jelas dan sangat jelas. Penilaian tingkat pendarahan spontan ditetapkan atas pengamatan pendarahan hidung, pendarahan gusi, hematemesis dan melena. Hasil pengamatan pendarahan spontan diskor 0,00 1,00. Tingkat pendarahan spontan ditetapkan berdasarkan skor sebagai berikut :
4 25 Tabel 3 : Nilai fuzzy pendarahan Pendarahan Nilai Skor Pengukuran Tidak jelas 0,00 0,40 Pendarahan hidung atau gusi sedikit. Jelas 0,25 0,75 Pendarahan hidung atau gusi banyak. Sangat jelas 0,60 1,00 Ditemukan hematemesis atau melena Fungsi keanggotaan pendarahan spontan tipe Gaussian digambarkan sebagai berikut : Gambar 13 : membership function pendarahan tipe Gaussian Uji tornikuet terdiri 3 parameter yaitu negatif, ragu-ragu dan positif. Penilaian tingkat uji tornikuet ditetapkan atas pengamatan jumlah petekia per lingkaran diameter 1 cm pada fossa cubiti. Hasil pengamatan uji tornikuet diskor 0,00 1,00. Tingkat uji tornikuet ditetapkan berdasarkan skor sebagai berikut : Tabel 4 : Nilai fuzzy tornikuet Tornikuet Nilai Skor Pengukuran Negatif 0,00 0,40 jumlah petekia < 4 per lingkaran diameter 2,8 cm pada fossa cubiti. Ragu-ragu 0,25 0,75 jumlah petekia 4-9 per lingkaran diameter 2,8 cm pada fossa cubiti. Positif 0,60 1,00 jumlah petekia = 10 per lingkaran diameter 2,8 cm pada fossa cubiti.
5 26 Fungsi keanggotaan uji tornikuet tipe Gaussian digambarkan sebagai berikut : Gambar 14 Membership function uji tornikuet tipe Gaussian Dalam penelitian ini digunakan ANFIS sebagai arsitektur jaringan neural dan ditetapkan 3 membership function jenis Gaussian. Pada arsitektur ANFIS membership function dibentuk secara adaptiv sesuai besaran data yang dimasukkan (data training) Basis Aturan (Rule Base) Pada penghitungan data fuzzy dengan ANFIS digunakan kaidah aturan IF THEN. Aturan dibuat berdasar pendapat pakar. Jumlah aturan sesuai dengan jumlah kriteria dan parameternya. Pada penelitian ini ada 4 kriteria yaitu demam, bercak, pendarahan spontan dan uji tornikuet. Masing-masing kriteria mempunyai 3 parameter (membership function) sehingga jumlah aturan sebanyak 3 4 = 81 aturan. Pada arsitektur ANFIS, aturan dibentuk secara adaptiv sesuai karakteristik data training yang dimasukkan. Contoh dibawah ini menggambarkan 2 buah aturan, lebih lengkapnya dapat dilihat pada lampiran 7 : Tabel 5 Basis aturan Rule-1 Rule-2 IF demam rendah AND bercak sedikit AND pendarahan_spontan tidak_jelas AND uji_tornikuet negatif IF demam tinggi AND bercak banyak AND pendarahan_spontan sangat_jelas AND uji_tornikuet positif THEN bukan DBD THEN DBD
6 Desain Arsitektur Desain arsitektur menggunakan ANFIS. Sistem inferensia fuzzy yang digunakan adalah tipe Takagi-Sugeno orde satu, sedangkan untuk fungsi keanggotaan menggunakan Gaussian. Proses pembelajaran yang dilakukan menggunakan algoritma Hybrid dan proses defuzzifikasi menggunakan metode Weighted Average Arsitektur ANFIS ditentukan oleh jumlah kriteria dan parameter. Ada 4 input kriteria yaitu demam, bercak, perdarahan dan uji tornikuet dimana masing-masing mempunyai 3 parameter. Struktur ANFIS seperti dapat dilihat pada Gambar 15. Struktur ANFIS secara detail dapat dilihat pada Lampiran 8. Demam Layer 1 Layer 2 Layer 3 Layer 4 demam Layer 5 bercak Pendarahan rendah Uji tornikuet w1 sedang ω 1 p N tinggi ω 1f1 Bercak sedikit sedang p w2 ω 2f2 ω 2 N? f banyak Pendarahan Tdk jelas Jelas p W3 N ω 3 ω 3f3 Sgt jelas ω 4f4 Uji tornikuet negatif ragu p W4 N ω 4 positif demam bercak Pendarahan Uji tornikuet Gambar 15 Arsitektur ANFIS
7 Fasilitas Penjelasan Bagian ini menerangkan penalaran, aksi maupun rekomensadi yang dilakukan oleh sistem pakar. Penjelasan dalam sistem pakar biasanya berhubungan dengan beberapa bentuk penelusuran aturan (rule) yang dilakukan selama pemecahan masalah baik berupa diagnosis, perlakuan dan komplikasi. Fasilitas penjelasan biasanya terdiri dari Why Explanations yaitu penjelasan sehubungan dengan pertanyaan pengapa sesuatu hal ditanyakan dan How Explanations yaitu penjelasan sehubungan dengan pertanyaan bagaimana kesimpulan dicapai Desain Keluaran (Output) Kesimpulan ANFIS diinterpretasikan dalam 2 kategori. Data kategori diperoleh dengan cara membuat fungsi keanggotaan output data training. Jumlah fungsi keanggotaan 2 dan jenisnya trapezoid. pengelompokan kategori ditetapkan berdasarkan nilai keanggotaan yang terbesar. Dari data training diperoleh nilai minimal dan maksimal output sebagai berikut : Tabel 6 Nilai minimal dan maksimal output data training. Jenis sampel data Nilai minimal Nilai maksimal Bukan DBD 89, ,0023 DBD 90, ,0005 Dibawah ini fungsi keanggotaan dengan menggunakan output data training. Gambar 16 Fungsi keanggotaan data kategori.
8 29 Misal pada Gambar 16 nilai kesimpulan ANFIS adalah 89,40 akan diinterpretasikan bukan DBD dan nilai kesimpulan ANFIS adalah 89,60 akan diinterpretasikan DBD. Interpretasi kesimpulan ANFIS dipresentasikan sebagai Diagnosa 1 yaitu Besar kemungkinan penderita terserang penyakit Demam Berdarah Dengue dan Diagnosa 2 yaitu Penderita tidak terserang penyakit Demam Berdarah Dengue. Masing-masing kategori sebagai output model ini disertai dengan tatalaksana tindak-lanjutnya. Tatalaksana sesuai dengan kategori output model adalah sebagai berikut : Diagnosa 1 : Besar kemungkinan penderita terserang penyakit Demam Berdarah Dengue. Tatalaksana : 1. Atasi pendarahan yang terjadi. 2. segera dirujuk ke fasilitas kesehatan yang lebih lengkap (rumah sakit) untuk dirawat dan pemeriksaan trombosit darah. 3. Lakukan penelitian ke rumah penderita. Cari penderita lain yang mengalami gejala serupa di rumah-rumah tetangga sampai radius 100 meter. Periksa jentik nyamuk dan lakukan pembersihan sarang nyamuk (PSN). Diagnosa 2 : Penderita tidak terserang penyakit Demam Berdarah Dengue. Tatalaksana : 1. Turunkan demamnya dengan obat penurun panas. 2. Segera kembali untuk dilakukan pemeriksaan ulang bila panas tidak turun atau timbul gejala bercak-bercak, mimisan, gusi berdarah muntah berdarah dan tinja bewarna hitam.
BAB III BAHAN DAN METODE
17 BAB III BAHAN DAN METODE 3.1. BAHAN Sampel penelitian diambil dari medical record (catatan medis) rumah sakit Dr. Sardjito Yogyakarta pada tanggal 13-16 Desember 2005. Sampel terdiri dari data pasien
Lebih terperinciADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK DIAGNOSA DAN TATALAKSANA PENYAKIT DEMAM BERDARAH DENGUE MUHAMMAD SYAFII
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK DIAGNOSA DAN TATALAKSANA PENYAKIT DEMAM BERDARAH DENGUE MUHAMMAD SYAFII SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 ABSTRAK Kematian akibat
Lebih terperinciDIAGNOSA PENYAKIT DBD (DEMAM BERDARAH DENGEU) DENGAN ALGORITMA PEMBELAJARAN HYBRID DAN BACKPROPAGATION BERBASIS NEURAL NETWORK
SNIPTEK 2015 ISBN: 978-602-72850-6-4 DIAGNOSA PENYAKIT DBD (DEMAM BERDARAH DENGEU) DENGAN ALGORITMA PEMBELAJARAN HYBRID DAN BACKPROPAGATION BERBASIS NEURAL NETWORK Ita Dewi Sintawati AMIK BSI Bekasi Jl.
Lebih terperinciADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK DIAGNOSA DAN TATALAKSANA PENYAKIT DEMAM BERDARAH DENGUE MUHAMMAD SYAFII
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) UNTUK DIAGNOSA DAN TATALAKSANA PENYAKIT DEMAM BERDARAH DENGUE MUHAMMAD SYAFII SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 ABSTRAK Kematian akibat
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I)
ISSN : 2338-18 SISTEM PAKAR DIAGNOSA PENYAKIT DBD DAN DEMAM TIFOID DENGAN METODE FUZZY TSUKAMOTO (STUDI KASUS PUSKESMAS PRACIMANTORO I) Waluyo (waluyo08@gmail.com) Didik Nugroho (didikhoho@gmail.com) Kustanto
Lebih terperinciMENDETEKSI KEBERADAAN NYAMUK AEDES AEGIPTY MENGGUNAKAN METODE FUZZY. Ikhlas Ali Syahbana
MENDETEKSI KEBERADAAN NYAMUK AEDES AEGIPTY MENGGUNAKAN METODE FUZZY Ikhlas Ali Syahbana Jurusan Sistem Informasi STMIK Pringsewu Lampung Jl. Wismarini.09 Pringsewu Lampung Website : www.stmikpringsewu.ac.id
Lebih terperinciDIAGNOSIS PENYAKIT DEMAM BERDARAH DENGUE MENGGUNAKAN VOTING FEATURE INTERVALS 5 ARISTI IMKA APNIASARI G
DIAGNOSIS PENYAKIT DEMAM BERDARAH DENGUE MENGGUNAKAN VOTING FEATURE INTERVALS 5 ARISTI IMKA APNIASARI G64103027 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1.Analisa Masalah Berbagai upaya telah dilakukan oleh perusahaan untuk menanggulangi penyakit seperti gejala-gejala, nilai akurasi di data, namun tanpa peran serta
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Dalam rangka meningkatkan derajat kesehatan penduduk salah satunya adalah menanggulangi penyakit Demam Berdarah Dengue (DBD), mulai dari tindakan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Dalam penelitian diagnosa penyakit asma dengan menggunakan metode fuzzy Tsukamoto, dibutuhkan data mengenai gejala penyakit dari seorang pakar atau
Lebih terperinciMODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA
MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA Muhammad Ilham 10211078 Program Studi Fisika, Institut Teknologi Bandung, Indonesia Email: muhammad_ilham@students.itb.ac.id Asisten:
Lebih terperinciRancang Bangun Sistem Pakar Pendiagnosa Penyakit Demam Typhoid dan Demam Berdarah Dengue dengan Metode Forward Chaining
Rancang Bangun Sistem Pakar Pendiagnosa Penyakit Demam Typhoid dan Demam Berdarah Dengue dengan Metode Forward Chaining Benny Wijaya, Maria Irmina Prasetiyowati Program Studi Teknik Informatika, Universitas
Lebih terperinciModel Potensi Penyebaran Penyakit Demam Berdarah Dengue di Kabupaten Jember Menggunakan Metode Fuzzy
Model Potensi Penyebaran Penyakit Demam Berdarah Dengue di Kabupaten Jember Menggunakan Metode Fuzzy Dia Bitari Mei Yuana Jurusan Teknologi Informasi Politeknik Negeri Jember, Jl. Mastrip PO Box 164, Jember,
Lebih terperinciMetode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia
Metode Tsukamoto untuk Mendiagnosa Penyakit Infeksi pada Manusia Irmalia Suryani Faradisa dan Putri Sari Jurusan Teknik Elektro, Institut Teknologi Nasional Malang E-mail: faradyza@gmail.com Abstrak Gejala
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan ilmu pengetahuan dan teknologi khususnya dibidang teknologi informasi, hampir semua dalam sisi kehidupan tak terlepas dari komputerisasi termasuk dunia kesehatan.
Lebih terperinciBAB I PENDAHULUAN. Nyamuk merupakan penyebab dan pembawa beberapa jenis penyakit seperti
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Nyamuk merupakan penyebab dan pembawa beberapa jenis penyakit seperti malaria, demam berdarah (Dengue Haemorrhagic Fever), chikungunya, kaki gajah (filariasi)
Lebih terperinciTEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
RANCANG BANGUN SISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH MENGGUNAKAN METODE FORWARD CHAINING SKRIPSI Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana (S.Kom) Pada Program Teknik Informatika
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN
SISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN Ahyuna 1), Komang Aryasa 2) 1), 2) Jurusan Teknik Informatika, STMIK Dipanegara Makassar 3) Jl. Perintis
Lebih terperinciFuzzy Expert Sistem. Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015
Fuzzy Expert Sistem Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2015 Ketentuan Praktikum Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa
Lebih terperinciBAB I PENDAHULUAN. penyakit menular yang terutama menyerang anak-anak (Widoyono, 2008: 59).
A. Latar Belakang BAB I PENDAHULUAN Penyakit demam berdarah dengue (DBD) merupakan salah satu masalah kesehatan masyarakat di Indonesia yang jumlah penderitanya cenderung meningkat dan penyebarannya semakin
Lebih terperinciPenularan DBD terjadi melalui gigitan nyamuk Aedes aegypti betina yang telah membawa virus Dengue dari penderita lainnya. Nyamuk ini biasanya aktif
Definisi DBD Penyakit demam berdarah dengue (DBD) adalah suatu penyakit yang disebabkan oleh virus dengue yang dibawa oleh nyamuk aedes aegypti betina lewat air liur gigitan saat menghisap darah manusia.
Lebih terperinciMariyati, M. Ahsar Karim, Oni Soesanto
DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE DENGAN PENDEKATAN FUZZY Mariyati, M. Ahsar Karim, Oni Soesanto Program StudiMatematikaFakultas MIPA ULM Jl. Jend. A. Yani km. 36 Banjarbaru Kalimantan Selatan 70714
Lebih terperinciPerancangan Prediksi Keputusan Medis Untuk Penyakit Demam Berdarah Dengue Dengan Jaringan Syaraf Tiruan
Konferensi asional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Perancangan Prediksi Keputusan Medis Untuk Penyakit Demam Berdarah Dengue Dengan Jaringan Syaraf Tiruan i Komang Sri Julyantari
Lebih terperinciBAB II TINJAUAN PUSTAKA. Penyakit DBD adalah penyakit menular yang disebabkan oleh virus dengue
5 BAB II TINJAUAN PUSTAKA 2.1 Demam Berdarah Dengue Penyakit DBD adalah penyakit menular yang disebabkan oleh virus dengue dan ditularkan oleh nyamuk Aedes aegypti, yang ditandai dengan demam mendadak
Lebih terperinciBAB I PENDAHULUAN. A. Latar belakang. Penyakit demam berdarah adalah penyakit menular yang di
BAB I PENDAHULUAN A. Latar belakang Penyakit demam berdarah adalah penyakit menular yang di sebabkan oleh virus dengue dan di tularkan melalui gigitan nyamuk Aedes aegeypti. Penyakit ini dapat menyerang
Lebih terperinciTahap Sistem Pakar Berbasis Fuzzy
Company LOGO Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor 2011 www.company.com
Lebih terperinciBAB 1 PENDAHULUAN. dapat mengalami gangguan kesehatan, tanpa mengenal usia, jenis kelamin, pekerjaan,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kesehatan merupakan harta yang tak ternilai bagi manusia, sehingga manusia rela melakukan segala cara agar dapat menjaga kesehatan secara jasmani. Siapa saja
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Penyakit demam dengue atau demam berdarah merupakan penyakit infeksi yang disebabkan oleh virus dengue dan ditularkan melalui gigitan nyamuk Aedes aegepty dan Aedes albopictus
Lebih terperinciBAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah
Lebih terperinciDesain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Desain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak Natalia 1, Bella Halim 2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciPANDUAN PELAYANAN MEMINTA PENDAPAT LAIN (SECOND OPINION)
PANDUAN PELAYANAN MEMINTA PENDAPAT LAIN (SECOND OPINION) A. DEFINISI 1. Opini Medis adalah pendapat, pikiran atau pendirian dari seorang dokter atau ahli medis terhadap suatu diagnosa, terapidan rekomendasi
Lebih terperinciSistem Pakar untuk Mendiagnosa Penyakit Kucing Menggunakan Metode Backward Chaining
Sistem Pakar untuk Mendiagnosa Penyakit Kucing Menggunakan Metode Backward Chaining Mardiah Fadhli Politeknik Caltex Riau Jl. Umbansari No.1, telp/fax: 0761 53939/0761 554224 e-mail: rika@pcr.ac.id Abstrak
Lebih terperinciHASIL DAN PEMBAHASAN. masukan (input) yang digunakan dalam mengembangkan Fuzzy Inference System seperti yang disajikan pada Gambar 10 berikut :
Penentuan perangkat keras dan perangkat lunak yang akan digunakan untuk mengembangkan sistem Perangkat keras (hardware) Perangkat keras yang digunakan pada saat pengembangan sistem adalah komputer dengan
Lebih terperinciDesain sistem Analisis sistem Implementasi sistem Pemeliharaan Sistem HASIL DAN PEMBAHASAN Investigasi sistem
5 akuisisi pengetahuan untuk pengambilan keputusan berdasarkan gejala klinis dan gejala yang bersifat fuzzy, serta pembuatan fuzzy inference system (FIS). Dalam pembutan FIS, dinakan representasi fungsi
Lebih terperinciMANAJEMEN TERPADU BALITA SAKIT MODUL - 2 PENILAIAN DAN KLASIFIKASI ANAK SAKIT UMUR 2 BULAN SAMPAI 5 TAHUN
MANAJEMEN TERPADU BALITA SAKIT MODUL - 2 PENILAIAN DAN KLASIFIKASI ANAK SAKIT UMUR 2 BULAN SAMPAI 5 TAHUN PENDAHULUAN Seorang ibu akan membawa anaknya ke fasilitas kesehatan jika ada suatu masalah atau
Lebih terperinci3.1.2 Analisis Kebutuhan... Error! Bookmark not defined Perancangan... Error! Bookmark not defined Pengujian... Error!
DAFTAR ISI LEMBAR PENGESAHAN... Error! Bookmark not defined. PERNYATAAN... Error! Bookmark not defined. ABSTRAK... Error! Bookmark not defined. ABSTRACT... ierror! Bookmark not defined. KATA PENGANTAR...
Lebih terperinciBAB 1 PENDAHULUAN. Penyakit demam berdarah dengue (DBD) sampai saat ini merupakan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Penyakit demam berdarah dengue (DBD) sampai saat ini merupakan salah satu masalah kesehatan di dunia karena prevalensinya yang cenderung meningkat serta penyebarannya
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI SISTEM. dioperasikan. Dengan kata lain, tahapan ini merupakan kelanjutan dari tahapan
BAB 4 IMPLEMENTASI DAN EVALUASI SISTEM 4.1 Implementasi Implementasi merupakan tahapan untuk meletakkan sistem untuk dapat dioperasikan. Dengan kata lain, tahapan ini merupakan kelanjutan dari tahapan
Lebih terperinciSISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER
SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER 1 Yasidah Nur Istiqomah (07018047), 2 Abdul Fadlil (0510076701) 1 Program Studi Teknik Informatika 2 Program
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilakukan
Lebih terperinciKUESIONER PENELITIAN PENGETAHUAN IBU RUMAH TANGGA DI PASEBAN BARAT JAKARTA PUSAT TENTANG DEMAM BERDARAH DENGUE DAN FAKTOR-FAKTOR YANG BERHUBUNGAN
KUESIONER PENELITIAN Lampiran 1. Kuesioner Penelitian PENGETAHUAN IBU RUMAH TANGGA DI PASEBAN BARAT JAKARTA PUSAT TENTANG DEMAM BERDARAH DENGUE DAN FAKTOR-FAKTOR YANG BERHUBUNGAN Saat ini kami dari Bagian
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang Masalah
BAB I PENDAHULUAN A. Latar Belakang Masalah DBD merupakan penyakit menular yang disebabkan virus dengue. Penyakit DBD tidak ditularkan secara langsung dari orang ke orang, tetapi ditularkan kepada manusia
Lebih terperinciFUZZY TSUKAMOTO PADA SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT PENCERNAAN PADA BAYI USIA 0-12 BULAN ABSTRAK
FUZZY TSUKAMOTO PADA SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT PENCERNAAN PADA BAYI USIA 0-12 BULAN Burhanuddin Ahmad (A11.2012.07062) Program Studi Teknik Informatika - S1 Fakultas Ilmu Komputer Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pada bab ini akan membahas mengenai uraian singkat hasil-hasil penelitian atau analisis terdahulu yang ada hubungannya dengan permasalahan yang akan ditinjau dalam tugas akhir.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Obat merupakan substansi yang dapat mengurangi gejala hingga menyembuhkan penyakit. Obat-obatan banyak yang beredar dan dijual bebas di pasaran. Ada yang bebas dibeli,
Lebih terperinciBAB V IMPLEMENTASI SISTEM
51 BAB V IMPLEMENTASI SISTEM Implementasi merupakan tahap peletakan sistem sehingga sistem siap dioperasikan. Tahap ini meliputi implementasi datamining untuk mencari aturan aturan sebagai dasar inferensi,
Lebih terperinciBAB I PENDAHULUAN. 3 tahun berturut turut. Berdasarkan laporan yang masuk dari rumah sakit dan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit demam berdarah dengue (DBD) merupakan salah satu masalah kesehatan masyarakat di Indonesia, khususnya daerah endemis seperti kota Surabaya, hal ini
Lebih terperinciKUESIONER PENELITIAN PENGETAHUAN IBU RUMAH TANGGA DI PASEBAN BARAT JAKARTA PUSAT TENTANG DEMAM BERDARAH DENGUE DAN FAKTOR-FAKTOR YANG BERHUBUNGAN
KUESIONER PENELITIAN Lampiran 1. Kuesioner Penelitian PENGETAHUAN IBU RUMAH TANGGA DI PASEBAN BARAT JAKARTA PUSAT TENTANG DEMAM BERDARAH DENGUE DAN FAKTOR-FAKTOR YANG BERHUBUNGAN Saat ini kami dari Bagian
Lebih terperinciSISTEM PAKAR DIAGNOSIS AWAL PENYAKIT KAMBING MENGGUNAKAN FUZZY INFERENCE TSUKAMOTO
SISTEM PAKAR DIAGNOSIS AWAL PENYAKIT KAMBING MENGGUNAKAN FUZZY INFERENCE TSUKAMOTO Sella Dwi Ovie Dityanto 1, Ariadi Retno Tri Hayati Ririd 2, Rosa Andrie Asmara 3 1,2 Program Studi Teknik Informatika,
Lebih terperinciBAB IV METODE PENELITIAN. mengaitkan bidang Ilmu Penyakit Dalam, khususnya bidang infeksi tropis yaitu. Rumah Sakit Umum Pusat dr. Kariadi Semarang.
BAB IV METODE PENELITIAN 4.1 Ruang Lingkup Penelitian Penelitian ini adalah penelitian di bidang Ilmu Kesehatan Anak dengan mengaitkan bidang Ilmu Penyakit Dalam, khususnya bidang infeksi tropis yaitu
Lebih terperinciDIAGNOSA PENYAKIT JANTUNG DENGAN METODE PENELUSURAN FORWARD CHAINNING-DEPTH FIRST SEARCH
DIAGNOSA PENYAKIT JANTUNG DENGAN METODE PENELUSURAN FORWARD CHAINNING-DEPTH FIRST SEARCH Putri Kurnia Handayani Jurusan Sistem Informasi Universitas Muria Kudus PO BOX 53 Gondangmanis Kudus e-mail : pu3_kurnia@yahoo.com
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI NEURAL NETWORK PADA DATA PASIEN DEMAM BERDARAH
53 BAB IV IMPLEMENTASI DAN EVALUASI NEURAL NETWORK PADA DATA PASIEN DEMAM BERDARAH Pada bab ini disajukan pengujian program aplikasi dan ahsil pengujiannya termasuk spesifikasi komputer yang digunakan
Lebih terperinciMetode Deffuzifikasi Mean of Maximum (MOM) Kolik Gas (Tympani) Kolik Twisted gut Kolik Impaksi METODE PENELITIAN Kerangka Pemikiran
Metode Deffuzifikasi Mean of Maximum (MOM) Salah satu metode deffuzifikasi adalah Mean of Maximum. Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Demam Berdarah Dengue merupakan penyakit infeksi yang dapat berakibat fatal dan dapat mengakibatkan kematian pada penderita dalam waktu yang relatif singkat.penyakit
Lebih terperinciYuliana Erma Suryani. Implementasi Fuzzy Expert System Untuk Diagnosis Penyakit Jantung
Yuliana Erma Suryani 155030201111112 Implementasi Fuzzy Expert System Untuk Diagnosis Penyakit Jantung Studi kasus penelitian mendesain Fuzzy Expert System untuk diagnose penyakit jantung. Sistem mempunyai
Lebih terperinciBAB III METODOLOGI PENELITIAN
63 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur Sistem Pakar Forward Chaining Wawancara Pakar Studi Literatur Permasalahan Perawatan Penderita DBD Sebaran Angket Aturan/Kaidah Data
Lebih terperinciSistem Pakar untuk Mendiagnosa Penyakit yang Disebabkan Nyamuk dengan Metode Forward Chainning
Nur Nafi iyah dkk: Sistem Pakar untuk Mendiagnosa Penyakit 20 Sistem Pakar untuk Mendiagnosa Penyakit yang Disebabkan Nyamuk dengan Metode Forward Chainning Nur Nafi iyah dan Endang Setyati Program Pascasarjana
Lebih terperinciPENERAPAN FUZZY MOORA PADA SISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE
PENERAPAN FUZZY MOORA PADA SISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE David Teknik Informatika STMIK Pontianak Jl Merdeka No. 372,Pontianak 78111 Email : DavidLiauw@gmail.com, David_Liauw@yahoo.com)
Lebih terperinciBAB IV RANCANG BANGUN SISTEM
BAB IV RANCANG BANGUN SISTEM 4.1. Gambaran Umum Sistem Aplikasi yang dibuat dalam penelitian ini digunakan untuk memasukkan data pasien dan melakukan prediksi terhadap penyakit diabetes serta anjuran terapinya.
Lebih terperinciDerajat 2 : seperti derajat 1, disertai perdarah spontan di kulit dan atau perdarahan lain
Demam berdarah dengue 1. Klinis Gejala klinis harus ada yaitu : a. Demam tinggi mendadak tanpa sebab yang jelas, berlagsung terus menerus selama 2-7 hari b. Terdapat manifestasi perdarahan ditandai dengan
Lebih terperinciMODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Wanti Rahayu 1 1 Mahasiswa Universitas Indraprasta PGRI Email : 1 wanti.reiku@gmail.com Abstrak- Guru merupakan aspek
Lebih terperinciSISTEM PAKAR ANALISIS PENYAKIT LUPUS ERITEMATOSIS SISTEMIK PADA IBU HAMIL MENGGUNAKAN METODE FORWARD CHAINING
SISTEM PAKAR ANALISIS PENYAKIT LUPUS ERITEMATOSIS SISTEMIK PADA IBU HAMIL MENGGUNAKAN METODE FORWARD CHAINING Sry Yunarti Program Studi Sistem Informasi STMIK Profesional Makassar yeye_rumbu@yahoo.co.id
Lebih terperinciBAB 2 2. LANDASAN TEORI
BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK PREDIKSI KEPUTUSAN MEDIS PADA PENYAKIT DEMAM BERDARAH DENGUE SKRIPSI JAMIL FAHMI NASUTION
IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK PREDIKSI KEPUTUSAN MEDIS PADA PENYAKIT DEMAM BERDARAH DENGUE SKRIPSI JAMIL FAHMI NASUTION 070823001 PROGRAM STUDI SARJANA MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciBAB I PENDAHULUAN. probabilitas klasik ( classical probability), probabilitas Bayes (Bayesian
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar harus mampu bekerja dalam ketidakpastian. Sejumlah teori telah ditemukan untuk menyelesaikan ketidakpastian, termasuk diantaranya probabilitas klasik
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Penggunaan komputer sekarang ini tidak hanya terbatas pada bidang komputer secara langsung. Komputer telah menjadi keperluan penting dalam keseharian dan digunakan
Lebih terperinciBAB III METODOLOGI 3.1. Kerangka Pemikiran
31 BAB III METODOLOGI 3.1. Kerangka Pemikiran Penelitian tentang prediksi meledaknya wabah suatu penyakit sudah banyak dilakukan oleh para peneliti. Mereka mencoba mencari pola dan relasi dari data set
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA II.1. Tampilan Hasil Penulis merancang program sistem pakar untuk diagnosis penyakit pengapuran pada sendi (OA) pada orang dewasa berbasis web dengan menggunakan bahasa pemrograman
Lebih terperinciBAB I PENDAHULUAN. yang tidak teratur dan kemampuan sel-sel ini untuk menyerang jaringan biologis
BAB I PENDAHULUAN A. Latar Belakang Kanker adalah sebuah penyakit yang ditandai dengan pertumbuhan sel yang tidak teratur dan kemampuan sel-sel ini untuk menyerang jaringan biologis lainnya, baik dengan
Lebih terperinciADLN - Perpustakaan Universitas Airlangga BAB IV PEMBAHASAN. menggunakan pemrograman Microsoft Visual Basic.NET
27 BAB IV PEMBAHASAN Pada bab ini akan dibahas tentang penerapan fuzzy inference system Tsukamoto untuk mendiagnosis penyakit mata serta implementasi ke dalam program menggunakan pemrograman Microsoft
Lebih terperinciBAB I PENDAHULUAN. banyak penyakit yang menyerang seperti dengue hemoragic fever.
BAB I PENDAHULUAN A. LATAR BELAKANG Kesehatan merupakan suatu hal yang paling penting. Dengan hidup sehat kita dapat melakukan segala hal, sehat tidak hanya sehat jasmani saja namun juga sehat rohani juga
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2009/2010
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2009/2010 SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT KULIT WAJAH Dewi Khatina Kusuma 2006250102 Desi Febrianti M.P.
Lebih terperinciAPLIKASI FUZZY INFERENCE SYSTEM (FIS) TSUKAMOTO UNTUK MENGANALISA TINGKAT RESIKO PENYAKIT DALAM
APLIKASI FUZZY INFERENCE SYSTEM (FIS) TSUKAMOTO UNTUK MENGANALISA TINGKAT RESIKO PENYAKIT DALAM Oleh: TRIVIA FALOPI NRP 1203 109 006 Dosen Pembimbing Drs. I Gusti Ngurah Rai Usadha, M.Si ABSTRAKSI Dalam
Lebih terperinciPENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012
PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY Digunakan untuk menghasilkan suatu keputusan tunggal / crisp saat defuzzifikasi Penggunaan akan bergantung
Lebih terperinciBAB I PENDAHULUAN A. LATAR BELAKANG. DHF (Dengue Haemorraghic Fever) pada masyarakat awam sering
BAB I PENDAHULUAN A. LATAR BELAKANG DHF (Dengue Haemorraghic Fever) pada masyarakat awam sering disebut sebagai demam berdarah. Menurut para ahli, demam berdarah dengue disebut sebagai penyakit (terutama
Lebih terperinci2/22/2017 IDE DASAR PENGANTAR SISTEM PAKAR MODEL SISTEM PAKAR APLIKASI KECERDASAN BUATAN
APLIKASI KECERDASAN BUATAN PENGANTAR SISTEM PAKAR Shinta P. Sari Prodi. Informatika Fasilkom UIGM, 2017 Definisi : Sebuah program komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah
Lebih terperinciPENERAPAN FUZZY INFERENCE SYSTEM TAKAGI-SUGENO-KANG PADA SISTEM PAKAR DIAGNOSA PENYAKIT GIGI
PENERAPAN FUZZY INFERENCE SYSTEM TAKAGI-SUGENO-KANG PADA SISTEM PAKAR DIAGNOSA PENYAKIT GIGI Lutfi Salisa Setiawati 1, Irwan Budiman 2, Oni Soesanto 3 1,2,3 Prog. Studi Ilmu Komputer Fakultas MIPA Universitas
Lebih terperinciBAB IV RANCANGAN SISTEM
BAB IV RANCANGAN SISTEM 4.1 Struktur Menu Diagnosa Demam Berdarah 4.1.1 Struktur Menu Utama DB Struktur menu utama pada aplikasi demam berdarah, yang meliputi dari menu utama mencangkup, menu konsultasi,
Lebih terperinciTAKARIR. Aedes aegypti : nyamuk yang menularkan penyakit demam. Database : kumpulan file atau tabel yang saling
TAKARIR Aedes aegypti : nyamuk yang menularkan penyakit demam berdarah dengue melalui gigitannya Backward chaining : penalaran mundur Consultation environment : lingkungan konsultasi Database : kumpulan
Lebih terperinciBAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit
BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit
Lebih terperinciRANCANGAN SISTEM PAKAR DENGAN METODE FORWARD CHAINING DAN HETEROASSOCOATIVE MEMORY UNTUK MENDETEKSI TINGKAT DEPRESI SESEORANG
RANCANGAN SISTEM PAKAR DENGAN METODE FORWARD CHAINING DAN HETEROASSOCOATIVE MEMORY UNTUK MENDETEKSI TINGKAT DEPRESI SESEORANG Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Depresi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penerapan ilmu komputer semakin meluas ke berbagai bidang, salah satunya di bidang kesehatan. Hal ini mendorong para ahli untuk semakin mengembangkan komputer agar
Lebih terperinciKUESIONER PENELITIAN PENGETAHUAN IBU RUMAH TANGGA DI PASEBAN BARAT JAKARTA PUSAT TENTANG DEMAM BERDARAH DENGUE DAN FAKTOR- FAKTOR YANG BERHUBUNGAN
KUESIONER PENELITIAN Lampiran 1. Kuesioner Penelitian PENGETAHUAN IBU RUMAH TANGGA DI PASEBAN BARAT JAKARTA PUSAT TENTANG DEMAM BERDARAH DENGUE DAN FAKTOR- FAKTOR YANG BERHUBUNGAN Saat ini kami dari Bagian
Lebih terperinciLampiran 1. Pedoman Wawancara dan Pedoman Observasi PEDOMAN WAWANCARA (UNIT PELAKSANA)
Lampiran 1. Pedoman Wawancara dan Pedoman Observasi PEDOMAN WAWANCARA (UNIT PELAKSANA) UNIT :... NAMA SISTEM INFORMASI :... Petunjuk Wawancara: 1. Ucapan terimakasih kepada informan atas kesediaannya diwawancarai.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis
Lebih terperinciSeminar Nasional Ilmu Komputer dan Aplikasinya SNIKA /11/2008
Seminar Nasional Ilmu Komputer dan Aplikasinya SNIKA 2008 27//2008 Seminar Nasional Ilmu Komputer dan Aplikasinya SNIKA 2008 27//2008 Seminar Nasional Ilmu Komputer dan Aplikasinya SNIKA 2008 27//2008
Lebih terperinciSISTEM INFORMASI GEOGRAFIS PENCEGAHAN DINI PENYEBARAN DEMAM BERDARAH DI KABUPATEN JEMBER MENGGUNAKAN METODE FUZZY
SISTEM INFORMASI GEOGRAFIS PENCEGAHAN DINI PENYEBARAN DEMAM BERDARAH DI KABUPATEN JEMBER MENGGUNAKAN METODE FUZZY I Putu Dody Lesmana 1), Faiqatul Hikmah 2), Beni Widiawan 3) 1) 3) Jurusan Teknologi Informasi,
Lebih terperinciPENGEMBANGAN SISTEM PAKAR FUZZY
FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi
Lebih terperinciAplikasi Metode ForwardChaining Untuk Mengidentifikasi Jenis Penyakit Pada Kucing Persia
Aplikasi Metode ForwardChaining Untuk Mengidentifikasi Jenis Penyakit Pada Kucing Persia Ferdio Grady Susanto 1, SusanaLimanto 1, dan Marcellinus Ferdinand Suciadi 1 1 Universitas Surabaya, Surabaya, Jawa
Lebih terperinciBAB I PENDAHULUAN. Penyakit Demam Berdarah Dengue (DBD) dalam beberapa tahun terakhir
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit Demam Berdarah Dengue (DBD) dalam beberapa tahun terakhir telah menjadi masalah kesehatan internasional yang terjadi pada daerah tropis dan subtropik di seluruh
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat ini, metode kecerdasan buatan (Artificial Intelligence) banyak digunakan dalam berbagai bidang seperti: bisnis, militer, pendidikan, psikologi, permainan
Lebih terperinciPENILAIAN DAN KLASIFIKASI ANAK SAKIT UMUR 2 BULAN SAMPAI 5 TAHUN
PENILAIAN DAN KLASIFIKASI ANAK SAKIT UMUR 2 BULAN SAMPAI 5 TAHUN Oleh : Dr. Azwar Djauhari MSc Disampaikan pada : Kuliah Blok 21 Kedokteran Keluarga Tahun Ajaran 2011 / 2012 Program Studi Pendidikan Dokter
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Kanker merupakan tantangan kesehatan masyarakat yang besar di dunia dengan insidensi yang meningkat setiap tahun (Parkin dkk., 2005 dalam Haryono, 2012). Insidensi
Lebih terperinciProses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani
JURNAL SAINTIFIK VOL.3 NO. 2, JULI 2017 Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani Darmawati Jurusan Matematika FMIPA Universitas Sulawesi Barat; e-mail: dharmawangs89@gmail.com
Lebih terperinciIDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Seminar Tugas Akhir O L E H : M I F T A H U D D I N P E M B I M B I N G : I R. Y E R R
Lebih terperinciSistem Pendukung Keputusan Untuk Menentukan Status Gizi Balita Menggunakan Metode Fuzzy Inferensi Sugeno (Berdasarkan Metode Antropometri)
Sistem Pendukung Keputusan Untuk Menentukan Status Gizi Balita Menggunakan Metode Fuzzy Inferensi Sugeno (Berdasarkan Metode Antropometri) Alfian Romadhon 1, Agus Sidiq Purnomo 2 1 Program Studi Sistem
Lebih terperinciKUESIONER PENELITIAN PENGETAHUAN IBU RUMAH TANGGA DI PASEBAN BARAT JAKARTA PUSAT TENTANG DEMAM BERDARAH DENGUE DAN FAKTOR-FAKTOR YANG BERHUBUNGAN
KUESIONER PENELITIAN Lampiran 1. Kuesioner Penelitian PENGETAHUAN IBU RUMAH TANGGA DI PASEBAN BARAT JAKARTA PUSAT TENTANG DEMAM BERDARAH DENGUE DAN FAKTOR-FAKTOR YANG BERHUBUNGAN Saat ini kami dari Bagian
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data runtun waktu dari fenomena real seperti data finansial biasanya bersifat nonstasioner. Tipe data runtun waktu finansial biasanya dicirikan oleh pola-pola seperti
Lebih terperinciBAB I PENDAHULUAN. semakin besar. Keadaan rumah yang bersih dapat mencegah penyebaran
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Seiring bertambahnya waktu maka semakin meningkat juga jumlah penduduk di Indonesia. Saat ini penduduk Indonesia telah mencapai sekitar 200 juta lebih. Hal
Lebih terperinci