BAB I PENDAHULUAN 1.1 Latar Belakang
|
|
- Sukarno Hadiman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sistem pakar adalah suatu cabang kecerdasan buatan yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh seorang ahli untuk menyelesaikan suatu masalah tertentu. Salah satu penalaran dalam sistem pakar adalah penalaran berbasis kasus atau lebih dikenal dengan Case-Based Reasoning (CBR). CBR telah menjadi teknik yang sukses untuk sistem berbasis pengetahuan dalam banyak domain. Dimana CBR menggunakan pengalaman sebelumnya dalam kasus yang mirip untuk memahami dan memecahkan permasalahan baru. CBR mengumpulkan kasus sebelumnya yang hampir sama dengan masalah yang baru dan berusaha untuk memodifikasi solusi agar sesuai dengan kasus yang baru (Aamodt dan Plaza,1994). Untuk menemukan solusi dari sebuah kasus baru yang diberikan, sistem akan mencari kasus-kasus dalam basis kasus yang memiliki tingkat kesamaan yang paling tinggi. Telah banyak dilakukan penelitian tentang sistem pakar berbasis kasus atau Case Based Reasoning (CBR). Beberapa peneliti telah banyak meneliti terkait dengan sistem pakar berbasis kasus atau Case Based Reasoning (CBR) dengan menggunakan metode Probabilitas Bayesian untuk mendiagnosa sesuatu seperti diagnosa penyakit dll. Penelitian tentang diagnosa penyakit akibat virus eksantema oleh Agus Sasmito Aribowo dengan akurasi yang didapatkan sebanyak 45,2%, mendiagnosa penyakit gagal ginjal dengan akurasi yang didapatkan sebanyak % oleh Sri Rahayu. Dan terkait dengan sistem pakar berbasis kasus atau Case Based Reasoning (CBR) dengan menggunakan metode Nearest Neighbor untuk mendiagnosa sesuatu seperti mendiagnosa penyakit umum oleh Ardian Nur Romadhan dengan akurasi 77,7%, mendignosa penyakit diagnosis penyakit anjing oleh Fransica Octaviani S, Joko Purwadi, dan Rosa Delima dengan akurasi 90%.
2 Dalam penelitian ini peneliti ingin menerapkan metode-metode diatas dalam sistem pakar berbasis Case Based Reasoning (CBR) dalam studi kasus mendiagnosa penyakit pada anak. Untuk mendiagnosa penyakit pada anak ini peneliti menggunakan data gejala-gejala awal yang dialami oleh anak tersebut. Proses yang berjalan adalah sistem akan melakukan penelusuran terhadap kesamaan antara kasus baru yang dialami oleh anak dengan kasus-kasus lama yang terdapat di database sistem dengan mengunakan metode Probabilitas Bayesian dan Nearest Neighbor. Setelah itu akan didapatkan hasil kasus yang hampir sama dengan kasus lama tersebut dan akan dibandingkan hasil yang didapatkan dari metode Probabilitas Bayesian dengan hasil yang didapatkan dari metode Nearest Neighbor. 1.2 Rumusan Masalah Dari latar belakang masalah tersebut dapat dirumuskan suatu permasalahan yaitu : a. Bagaimana perbandingan dalam penerapan metode Probabilitas Bayesian dan Nearest Neighbor pada Case Based Reasoning (CBR) dalam mendiagnosa penyakit pada anak? b. Bagaimana merancang sistem pakar berbasis kasus atau Case Based Reasoning (CBR) untuk mendiagnosa penyakit pada anak dengan menerapkan metode Probabilitas Bayesian dan Nearest Neighbor? 1.3 Tujuan Penelitian Tujuan dilakukannya penelitian ini adalah untuk mengetahui perbandingan kinerja Sistem Pakar dalam mendiagnosa penyakit pada anak dengan penggunaan metode Probabilitas Bayesian dan Nearest Neighbor dalam penalaran berbasis kasus. 1.4 Batasan Masalah Adapun batasan masalah dari penelitian ini adalah: 1. Penyakit yang digunakan disini adalah penyakit yang umum terjadi pada anak.
3 2. Data penelitian yang digunakan disini adalah data dari RS Wangaya. 3. Nilai pembobotan dari penelitian ini adalah hasil diskusi dengan 1 pakar yaitu Dr. I G A K Suandi Sp.A sebagai Dokter Spesialis Anak. 1.5 Manfaat Penelitian Manfaat dari penelitian ini adalah 1. Bagi Masyarakat Dapat dijadikan gambaran untuk meningkatkan pengetahuan dan wawasan masyarakat mengenai gejala-gejala umum penyakit pada anak agar tidak memiliki rasa kecemasan yang tinggi. Dan juga membantu ibu-ibu untuk mendiagnosa awal penyakit yang diderita oleh anak mereka dan dapat memberikan penanganan awal. 2. Bagi Penulis Diharapkan dapat menambah pengetahuan bagi penulis mengenai gejalagejala awal untuk mendiagnosa penyakit pada anak. 1.6 Metodologi Penelitian Desain Penelitian Penelitian ini mengambil judul Penerapan Metode Probabilitas Bayesian dan Nearest Neighbour dalam Sistem Pakar Berbasis Case Based Reasoning (CBR). Desain penelitian yang digunakan dalam penelitian ini adalah studi kasus. Menurut (Hasibuan, 2007), studi kasus merupakan penelitian yang memusatkan perhatian pada suatu kasus tertentu dengan menggunakan individu atau kelompok sebagai bahan studinya. Penggunaan penelitian studi kasus ini biasanya difokuskan untuk menggali dan mengumpulkan data yang lebih dalam terhadap objek yang diteliti untuk dapat menjawab permasalahan yang sedang terjadi. Dalam masalah yang diambil, akan ada gejala-gejala 4 penyakit umum pada anak yang akan digunakan untuk menjadi data dalam penelitian ini. Akan terjadi penelusuran dari gejala-gejala baru yang dialami anak tersebut dengan mengunakan metode Probabilitas Bayesian dan Nearest Neighbor. Setelah itu
4 akan dibandingkan hasil yang didapatkan dari metode-metode tersebut dengan kasus lama yang diperoleh dari RS Wangaya. Dan dari sanalah akan didapatkan hasil penyakit yang hampir sama dengan data-data penyakit yang diperoleh dari RS Wangaya Pengumpulan Data Setelah dilakukan identifikasi masalah dan tujuan, selanjutnya yaitu tahap pengumpulan data. Untuk mengetahui data apa saja yang dibutuhkan untuk menyelesaikan permasalahan ini, sebelumnya telah dilakukan studi literature dan studi lapangan. Jenis data yang digunakan pada penelitian ini dari cara memperolehnya yaitu data primer. Data primer adalah data yang berasal dari sumber asli atau pertama. Data ini tidak tersedia dalam bentuk terkompilasi ataupun dalam bentuk file-file. Data ini harus dicari melalui narasumber/responden, yaitu orang yang kita jadikan objek penelitian atau orang yang kita jadikan sebagai saran mendapatkan informasi ataupun data. (Jonathan Sarwono,2006:129). Selain data primer, didalam penelitian juga menggunakan data sekunder. Data sekunder adalah data yang sudah tersedia sehingga kita tinggal mencari dan mengumpulkan. (Jonathan Sarwono,2007:123) Pada penelitian ini data yang digunakan adalah data gejala-gejala penyakit pada anak yang diperoleh dari kasus-kasus di RS Wangaya, dan data penyakitnya diperoleh dari pakar. Pakarnya sendiri adalah seorang Spesialis Anak. Pada tabel 1.1 akan ditampilkan tabel penyakit pada anak dari pakar, pada tabel 1.2 akan ditampilkan tabel gejala penyakit gejala penyakit pada anak, dan pada tabel 1.3 akan ditampilkan tabel keputusan penyakit berdasarkan gejala. Tabel 1. 1 Tabel Penyakit Pada Anak (Sumber : Dr. I G A K Suandi Sp.A) Kode Penyakit K1 Demam Berdarah K2 Demam Thypoid
5 K3 K4 Diare TBC Tabel 1. 2 Tabel Gejala Penyakit Pada Anak (Sumber : RS. Wangaya) Kode Gejala G1 Demam G2 Mual G3 Muntah G4 Menjadi Lemas G5 Bibir Kering G6 Nafsu Makan dan Minum Menurun G7 Batuk G8 Pilek G9 Mimisan G10 Bibir Berdarah G11 Sakit Saat Menelan G12 Sakit Kepala G13 Gatal Seluruh Tubuh G14 Buang Air Besar Terus Menerus G15 Keluar Bintik Merah Pada Tubuh G16 Sakit Perut G17 Sakit Tenggorokan G18 Sesak Nafas G19 Sariawan G20 Sembelit G21 Menggigil G22 Lidah Putih G23 Nyeri Otot G24 Perut Sering Berbunyi
6 G25 G26 G27 G28 Kejang Batuk Darah Benjolan Di Leher Terkadang Berkeringat Tabel 1. 3 Tabel Keputusan Penyakit Berdasarkan Gejala (Sumber : RS. Wangaya) Tabel Keputusan Penyakit Berdasarkan Gejalanya Gejala Penyakit K1 K2 K3 K4 Demam Mual Muntah Menjadi Lemas Bibir Kering Nafsu Makan dan Minum Menurun Batuk Pilek Mimisan Bibir Berdarah Sakit Saat Menelan Sakit Kepala Gatal Seluruh Tubuh Buang Air Besar Terus Menerus Keluar Bintik Merah Pada Tubuh Sakit Perut Sakit Tenggorokan Sesak Nafas Sariawan Sembelit Menggigil Lidah Putih Nyeri Otot Perut Sering Berbunyi
7 Kejang Batuk Darah Benjolan Di Leher Terkadang Berkeringat Metode Yang Digunakan Metode yang digunakan dalam penelitian ini adalah Probabilitas Bayesian dan Nearest Neighbor. Untuk metode Probabilitas Bayesian, perhitungan tingkat Similarity dari kasus-kasus dengan gejala yang diberikan pada pakar, yang ada dalam database menggunakan metode Probabilitas Bayesian. Proses dilakukan setelah proses retrieve informasi dari data kasus yang sudah terindex. Hasil proses retrieve sangat mungkin berupa beberapa kasus yang mirip dan dekat dengan gejala-gejala untuk penyakit dari pakar tersebut. Untuk memilih satu dari beberapa kasus termirip perlu manajemen ketidakpastian. Ketidakpastian ini akan dihitung menggunakan teorema Probabilitas Bayesian, dengan rumus sebagai berikut: P(H E) = P(E H).P(H)..(1.1) P(E) Algoritmanya adalah sebagai berikut 1. Melakukan proses pencarian kasus yang mirip dan dekat dengan gejalagejala untuk penyakit anak dari kasus yang diperoleh dari RS.Wangaya. 2. Membandingkan antara kasus lama dengan kasus baru. Kasus 1, 2, 3, dan 4 merupakan kasus lama. Sedangkan kasus 5 merupakan kasus baru yang akan dibandingkan dengan 4 kasus lama tersebut Tabel 1. 4 Contoh Kasus Gejala/id_kasus Demam Mual Muntah Menjadi Lemas Bibir Kering Nafsu Makan dan Minum Menurun
8 Batuk Mimisan Bibir Berdarah Sakit Saat Menelan Sakit Kepala Pilek Gatal Seluruh Tubuh Buang Air Besar Terus Menerus Keluar Bintik Merah Pada Tubuh Sakit Perut Sakit Tenggorokan Sesak Nafas Sariawan Sembelit Menggigil Lidah Putih Nyeri Otot Perut Sering Berbunyi Kejang Batuk Darah Benjolan Di Leher Terkadang Berkeringat Kasus 1 adalah Demam Berdarah yang memiliki 3 gejala yang sama dengan kasus 5. Kasus 2 adalah Demam Berdarah yang memiliki 4 gejala yang sama dengan kasus 5. Kasus 3 adalah Demam Berdarah yang memiliki 3 gejala yang sama dengan kasus 5. Kasus 4 adalah Demam Thypoid yang memiliki 4 gejala yang sama dengan kasus Cari similarity value nya dengan cara Similarity Value = gejala yang sama jumlah gejala Untuk Kasus 1, Similarity Value = 3/28 = Untuk Kasus 2, Similarity Value = 4/28 = Untuk Kasus 3, Similarity Value = 3/28 = Untuk Kasus 4, Similarity Value = 4/28 = (1.2) 4. Setelah didapatkan SV dari masing-masing kasus, maka ditentukan MSVnya, karena disini maksimal banyaknya gejala pada satu kasus adalah
9 6 jadi minimal gejala yang sama pada kasus baru adalah 3. Jadi karena Similarity Value = 3/28 = , maka MSVnya adalah Setelah terkumpul kasus-kasus yang memiliki MSV >= maka dihitunglah kasus tersebut mengunakan metode Probabilitas Bayesian. Awalnya adalah dicari nilai dari masing-masing kasus tersebut, seperti berikut P(K1) = P(K2) = P(K3) = P(K4) = Kasus DB Seluruh Kasus = 3 4 = 0.75 Kasus DB Seluruh Kasus = 3 4 = 0.75 Kasus DB Seluruh Kasus = 3 4 = 0.75 Kasus DT Seluruh Kasus = 1 4 = Setelah diperoleh hasil dari P(K) dari masing-masing kasus, akan dicari P(S K) dari masing-masing kasus seperti berikut P(S K1) = = 2.25 P(S K2) = = 3 P(S K3) = = 2.25 P(S K4) = = 1 7. Setelah itu dicari totalnya yaitu P(S) dari semua kasus tersebut P(S) = ( ) + (0.75 3) + ( ) + (0.25 1) = = Setelah itu akan diperoleh hasil probabilitas bayes dari masing-masing kasus seperti berikut P(K1 S) = P(S K1) P(K1) P(S) P(K2 S) = P(S K2) P(K2) P(S) P(K3 S) = P(S K3) P(K3) P(S) P(K4 S) = P(S K4) P(K4) P(S) = = = = = = = =
10 Jadi kesimpulan dari perhitungan kasus diatas dengan Metode Probabilitas Bayesian, maka didapatkan kesimpulan penyakit mengarah pada kasus 2 dengan hasil atau 38.29% Untuk metode Nearest Neighbor, Pada proses Retrieve ini akan dilakukan pembobotan dengan menggunakan metode Nearest Neighbour. 1. Akan melakukan proses pembobotan dengan melakukan pencocokan satu per satu antara gejala yang dmasukan dengan data yang ada di dalam basis pengetahuan. Proses pembobotan yang dilakukan oleh sistem ditampilkan dalam perhitungan di bawah ini. Bobot parameter (w) : Gejala Penting = 5 Gejala Sedang = 3 Gejala Biasa = 1 Dan Bobot Nilai Gejalanya adalah Sangat Dirasakan = 1 Cukup Dirasakan = 0.67 Sedikit Dirasakan = Dan untuk nilai pendekatan di setiap gejala nya adalah Tabel 1. 5 Tabel Nilai Pendekatan Nilai 1 Nilai 2 Pendekatan Sangat Dirasakan Sangat Dirasakan 1 Sangat Dirasakan Cukup Dirasakan 0.5 Sangat Dirasakan Sedikit Dirasakan 0.25 Cukup Dirasakan Sangat Dirasakan 0.5 Cukup Dirasakan Cukup Dirasakan 1 Cukup Dirasakan Sedikit Dirasakan 0.5 Sedikit Dirasakan Sangat Dirasakan 0.25 Sedikit Dirasakan Cukup Dirasakan 0.5 Sedikit Dirasakan Sedikit Dirasakan 1
11 3. Cari Similarity dari dengan membandingkan Kasus Baru dan Semua Kasus Lama seperti berikut Kasus Lama DB Demam (1) (5) Mual (0.67) (5) Muntah (0.67) (3) Menjadi Lemas (0.67) (3) Kasus Baru Demam (0.67) Mual (0.67) Bibir Kering (0.67) Nafsu Makan &Minum Menurun (0.67) Similarity = (0.5 5) : (1 5) 5:5:3:3 = 2.5:5 16 = 0.46 Kasus Lama DB Demam (0.67) (5) Mual (0.67) (5) Bibir Kering (0.67) (3) Nafsu Makan &Minum Menurun (0.33) (5) Menjadi Lemas (0.67) (3) Kasus Baru Demam (0.67) Mual (0.67) Bibir Kering (0.67) Nafsu Makan &Minum Menurun (0.67) Similarity = (1 5): (1 5):(1 3) : (0.5 5) 5:5:3:5:3 = = 0.738
12 Kasus Lama DT Demam (0.67) (5) BAB Terus Menerus (0.67) (1) Batuk (0.67) (3) Nafsu Makan &Minum Menurun (0.67) (5) Menjadi Lemas (0.67) (5) Kasus Baru Demam (0.67) Mual (0.67) Bibir Kering (0.67) Nafsu Makan &Minum Menurun (0.67) (1 5): (1 5) Similarity = 5:1:3:5:5 =10 = Jadi kesimpulan dari perhitungan kasus diatas dengan Metode Nearest Neighbour, maka didapatkan kesimpulan penyakit mengarah pada kasus 2 dengan hasil atau 73.8% Evaluasi dan Validasi Hasil Pada tahap ini akan dilakukan evaluasi dan validasi hasil. Evaluasi dan validasi hasil dilakukan untuk mengetahui apakah yang dihasilkan sudah sesuai dengan tujuan yang ingin dicapai. Pengujian sistem dilakukan dengan menginputkan kasus awal yang diderita oleh pasien dan sistem akan membandingkan kasus baru pasien dengan kasus lama yang terdapat dalam basis kasus. Dan jika terdapat hasil 2 kasus yang serupa dengan kasus baru maka akan dilakukan pengecekan terhadap gejala-gejala yang terdapat dalam data diatas.setelah itu akan didapatkan keakuratan sistem terhadap kasus baru dari pasien tersebut. Hasil yang ingin didapatkan adalah akurasi dari penerapan metode Probabilitas Bayesian dan Nearest Neighbor dalam sistem pakar berbasis kasus atau Case Based Reasoning (CBR) untuk mendiagnosa gejala-gejala penyakit pada anak. Untuk mendapatkan persentase nilai akurasi untuk hasil perhitungan dari metode Probabilitas Bayesian dan Nearest Neighbor adalah
13 kasus yang benar Persentase Hasil = semua kasus 100% Berikut adalah tabel untuk mencatat hasil perhitungan yang didapatkan dari sistem ini : Tabel 1. 6 Tabel Hasil Perhitungan Probabilitas Nilai Nearest Data Penyakit Similarity Bayesian Bayes Neighbor
BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Empiris Ada beberapa penelitian terkait yang pernah dilakukan mengenai Penerapan Metode Probabilitas Bayesian dan Nearest Neighbour dalam Sistem Pakar Berbasis Case
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Hewan ternak ayam memiliki banyak manfaatnya seperti telur dan dagingnya tidak terlepas dari kebutuhan konsumsi sehari-hari. Namun, ada permasalahan utama yang hampir
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Kesadaran masyarakat akan pentingnya pemenuhan gizi hewani membuat
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kesadaran masyarakat akan pentingnya pemenuhan gizi hewani membuat tingginya permintaan kebutuhan daging ayam broiler. Permintaan pasar yang tinggi terhadap
Lebih terperinciIMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING
IMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING Fransica Octaviani S. (1) Joko Purwadi (2) Rosa Delima (3) foctas@yahoo.com jokop@ukdw.ac.id rosa@ukdw.ac.id Abstraksi Penalaran
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. mengetahui penyakit yang diderita. - Pasien kesulitan jika ingin mencari racikan obat tradisional
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Permasalahan 3.1.1 Identifikasi Masalah yang dihadapi - Pasien memerlukan banyak waktu, biaya dan tenaga hanya untuk mengetahui penyakit yang diderita - Obat
Lebih terperinciRancang Bangun Sistem Pakar Pendiagnosa Penyakit Paru-Paru Menggunakan Metode Case Based Reasoning
Rancang Bangun Sistem Pakar Pendiagnosa Penyakit Paru-Paru Menggunakan Metode Case Based Reasoning Diki Andita Kusuma 1, Chairani 2 1,2 Jurusan Teknik Informatika, IBI Darmajaya 1,2 Jl. A. Pagar Alam,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Penyakit jantung merupakan salah satu penyakit yang berbahaya dan penyebab kematian nomor satu di dunia jika tidak ditangani dengan baik. Di Indonesia
Lebih terperinciPenentuan Penanganan Kasus Terhadap Penyakit...
Penentuan Penanganan Kasus Terhadap Penyakit... (Risfianti dkk.) PENENTUAN PENANGANAN KASUS TERHADAP PENYAKIT BERDASARKAN GEJALA MENGGUNAKAN CASE BASE REASONING DAN ALGORITMA NEAREST NEIGHBOR(STUDI KASUS:
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 III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Seseorang yang ingin memeriksa kesehatannya cenderung untuk berkonsultasi ke dokter ahli, namun terkadang hal ini dapat menyulitkan seseorang
Lebih terperinciJurnal Coding, Sistem Komputer Untan Volume 05, No.03 (2017), hal ISSN : X
IMPLEMENTASI CASE BASED REASONING SISTEM DIAGNOSA PENYAKIT ANAK BERBASIS WEB Tri Rezki Maulidia 1, Tedy Rismawan 2, Syamsul Bahri 3 1,2,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura
Lebih terperinciPENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA
PENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281 Yogyakarta
Lebih terperinciBAB IV ANALISA DAN PERANCANGAN
BAB IV ANALISA DAN PERANCANGAN 4.1 Analisa Sistem Sistem pakar penyakit paru merupakan system pakar yang dibuat dengan tujuan membantu pendeteksian pada penyakit paru pada seorang pasien. Secara konvensional,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Pakar Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan
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 terperinciPENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA
PENALARAN BERBASIS KASUS UNTUK DETEKSI DINI PENYAKIT LEUKEMIA Agus Sasmito Aribowo 1), Siti Khomsah 2) 1) Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari no 2 Tambakbayan 55281 Yogyakarta
Lebih terperinciSISTEM DIAGNOSA PENYAKIT MUSANG DENGAN METODE CASE BASED REASONING BERBASIS WEB
SISTEM DIAGNOSA PENYAKIT MUSANG DENGAN METODE CASE BASED REASONING BERBASIS WEB Muhamad Rheza, Herfina, Adriana Sari Aryani. Program Studi Ilmu Komputer FMIPA Universitas Pakuan Jl. Pakuan Po. Box 452
Lebih terperinciPENGEMBANGAN SISTEM CERDAS MENGGUNAKAN PENALARAN BERBASIS KASUS (CASE BASED REASONING) UNTUK DIAGNOSA PENYAKIT AKIBAT VIRUS EKSANTEMA
PENGEMBANGAN SISTEM CERDAS MENGGUNAKAN PENALARAN BERBASIS KASUS (CASE BASED REASONING) UNTUK DIAGNOSA PENYAKIT AKIBAT VIRUS EKSANTEMA Agus Sasmito Aribowo Jurusan Teknik Informatika UPN Veteran Yogyakarta
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Paru-paru sebagai pompa satu-satunya untuk sistem pernapasan adalah organ yang sangat penting bagi berlangsungnya kehidupan. Namun masih banyak orang yang kurang peduli
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 HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1 Tampilan Hasil Berikut adalah tampilan hasil dan pembahasan dari Sistem Pakar Mendiagnosa Perkembangan Dan Kesehatan Pada Anak. IV.1.1 Tampilan Menu Utama Tampilan ini
Lebih terperinciDIAGNOSIS PENYAKIT AKIBAT INFEKSI VIRUS PADA ANAK MENGGUNAKAN METODE CERTAINTY FACTOR
DIAGNOSIS PENYAKIT AKIBAT INFEKSI VIRUS PADA ANAK MENGGUNAKAN METODE CERTAINTY FACTOR Heri, Helfi Nasution, Helen Sasty Pratiwi Program Studi Teknik Infornatika Universitas Tanjungpura e-mail: heri.afung@gmail.com
Lebih terperinciBAB I PENDAHULUAN. tubuh yang rentan akan penyakit. Pada bidang teknologi kesehatan semua
1 BAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan merupakan hal penting bagi manusia karena manusia memiliki tubuh yang rentan akan penyakit. Pada bidang teknologi kesehatan semua kebutuhan yang dipakai
Lebih terperinciCase Based Reasoning Untuk Mendeteksi Kerusakan Harddisk
Case Based Reasoning Untuk Mendeteksi Kerusakan Harddisk Nola Ritha 1, M. Nurtanzis Sutoyo 2 1 Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja Ali Haji 2 Sistem Informasi, Fakultas Teknologi
Lebih terperinciMODEL SISTEM PENDUKUNG KEPUTUSAN UNTUK DIAGNOSIS PENYAKIT ANAK DENGAN GEJALA DEMAM MENGGUNAKAN NAIVE BAYESIAN CLASSIFICATION
MODEL SISTEM PENDUKUNG KEPUTUSAN UNTUK DIAGNOSIS PENYAKIT ANAK DENGAN GEJALA DEMAM MENGGUNAKAN NAIVE BAYESIAN CLASSIFICATION Sri Mulyati 1, Sri Kusumadewi 2, Linda Rosita 3 1,2 Jurusan Teknik Informatika,
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 terperinciBAB III ANALISIS SISTEM
BAB III ANALISIS SISTEM 3.1 Analisis Permasalahan Kesehatan merupakan hal yang berharga bagi setiap manusia karena jika terserang penyakit akan berpengaruh buruk untuk aktifitas yang dilakukan. Suatu penyakit
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di Era Globalisasi ini masalah kesehatan merupakan masalah kompleks. Datangnya penyakit merupakan hal yang tidak bisa ditolak meskipun kadang dapat dicegah atau dihindari.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang 1 Gizi buruk merupakan status kondisi seseorang yang kekurangan nutrisi, atau nutrisinya di bawah standar. Gizi buruk banyak dialami oleh bayi dibawah lima tahun (balita).
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Pada bab ini akan dijelaskan tampilan hasil dari aplikasi yang telah dibuat, yang digunakan untuk memperjelas tentang tampilan-tampilan yang ada pada aplikasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan teknologi begitu pesat terutama dalam bidang komputer, sehingga tidak berlebihan apabila komputer dijadikan alat untuk memperingan beban
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 terperinciSISTEM PAKAR DIAGNOSA PENYAKIT PENCERNAAN MANUSIA MENGGUNAKAN METODE CASE BASED REASONING. Ernawati
SISTEM PAKAR DIAGNOSA PENYAKIT PENCERNAAN MANUSIA MENGGUNAKAN METODE CASE BASED REASONING Ernawati Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer Universitas Islam Indragiri (UNISI)
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 3269
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 3269 ANALISIS DAN IMPLEMENTASI SISTEM PAKAR DENGAN METODE CASE BASED REASONING DAN RULE BASED REASONING (STUDI KASUS: DIAGNOSIS
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Sistem Pakar Mendiagnosa Perkembangan Dan Kesehatan Pada Anak yang meliputi analisa sistem yang sedang berjalan dan desain sistem. III.1
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 terperinciPENERAPAN METODE PROBABILITAS BAYESIAN DAN NEAREST NEIGHBOUR DALAM SISTEM PAKAR BERBASIS CASE BASED REASONING (CBR) KOMPETENSI KOMPUTASI SKRIPSI
PENERAPAN METODE PROBABILITAS BAYESIAN DAN NEAREST NEIGHBOUR DALAM SISTEM PAKAR BERBASIS CASE BASED REASONING (CBR) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN RIRIN PUSPITA DEWI NIM. 1108605045 PROGRAM STUDI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tren dan pola gaya hidup selalu mengalami perubahan seiring perkembangan zaman. Perubahan pola hidup sangat berpengaruh terhadap kesehatan dan peningkatan penyakit.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Abnormal Psychology merupakan salah satu cabang dalam ilmu psikologi yang berupaya untuk memahami pola perilaku abnormal dan cara menolong orang-orang
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit pada saluran pencernaan merupakan penyakit yang umum dialami masyarakat. Berdasarkan Profil Kesehatan Provinsi Daerah Istimewa Yogyakarta tahun 2010
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 I PENDAHULUAN. untuk membantu seorang pakar/ahli dalam mendiagnosa berbagai macam
BAB I PENDAHULUAN I.1. Latar Belakang Seiring perkembangan teknologi yang sangat pesat, pada bidang kedokteran saat ini juga telah memanfatkan teknologi untuk membantu peningkatan pelayanan yang lebih
Lebih terperinciPENERAPAN METODE CERTAINTY FACTOR DALAM MENDETEKSI DINI PENYAKIT TROPIS PADA BALITA
Jurnal Informatika Mulawarman Vol. 8 No. 1 Edisi Februari 2013 20 PENERAPAN METODE CERTAINTY FACTOR DALAM MENDETEKSI DINI PENYAKIT TROPIS PADA BALITA Septya Maharani Program Studi Ilmu Komputer FMIPA Universitas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Sebuah sistem berbasis pengetahuan memiliki dua elemen utama yaitu basis pengetahuan/knowledge based dan kemampuan penalaran/reasoning. Basis pengetahuan merupakan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penyakit cacar air dan campak mungkin sudah tidak asing lagi dan merupakan penyakit yang mendunia. Penyakit cacar air merupakan penyakit menular yang dapat menyerang
Lebih terperinciBAB I PENDAHULUAN. Sistem pakar menirukan perilaku seorang pakar dalam menangani suatu
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar menirukan perilaku seorang pakar dalam menangani suatu persoalan. Pada suatu kasus seorang pasien mendatangi dokter untuk memeriksa badannya yang mengalami
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penyakit Kulit Penyakit kulit adalah penyakit infeksi yang paling umum, terjadi pada orang-orang dari segala usia. Gangguan pada kulit sering terjadi karena ada faktor peyebabnya,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Faktor keterbatasan biaya menjadikan sebagian masyarakat tidak mampu membawa anggota keluarganya berobat ke dokter. Selain itu, banyak orang beranggapan bahwa penggunaan tanaman
Lebih terperinciBAB I PENDAHULUAN. pelaksana diagnosa digantikan oleh sebuah sistem pakar, maka sistem pakar
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar menirukan perilaku seorang pakar dalam menangani suatu persoalan. Pada suatu kasus seorang pasien mendatangi dokter untuk memeriksa badannya yang mengalami
Lebih terperinciIMPLEMENTASI CASE BASED REASONING UNTUK DIAGNOSA PENYAKIT BERDASARKAN GEJALA KLINIS DAN HASIL PEMERIKSAAN HEMATOLOGI DENGAN PROBABILITAS BAYES
IMPLEMENTASI CASE BASED REASONING UNTUK DIAGNOSA PENYAKIT BERDASARKAN GEJALA KLINIS DAN HASIL PEMERIKSAAN HEMATOLOGI DENGAN PROBABILITAS BAYES (Studi Kasus: RSUD Rejang Lebong) Azizi Satria Bararah 1,
Lebih terperinciBAB I PENDAHULUAN. Dengan semakin pesatnya perkembangan pemikiran manusia dewasa. ini, menyebabkan manusia berusaha membuat sesuatu untuk mempermudah
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar (expert system) adalah salah satu teknik kecerdasan buatan yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan menempati urutan tertinggi dalam menunjang kelangsungan aktivitas harian setiap manusia (Batubara,
BAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan menempati urutan tertinggi dalam menunjang kelangsungan aktivitas harian setiap manusia (Batubara, 2013). Kesehatan merupakan salah satu faktor penting bagi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Istilah gangguan kejiwaan/gangguan mental adalah seluruh gejala atau pola perilaku seseorang yang dapat ditemukan secara klinis yang berkaitan dengan tekanan/distress
Lebih terperinciBAB I PENDAHULUAN. Sistem pakar merupakan salah satu cabang kecerdasan buatan yang
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar merupakan salah satu cabang kecerdasan buatan yang mempelajari bagaimana mengadopsi cara seorang pakar berpikir dan bernalar dalam menyelesaikan suatu
Lebih terperinciSistem Pakar Untuk Diagnosa Penyakit ISPA Menggunakan Metode Faktor Kepastian
Sistem Pakar Untuk Diagnosa Penyakit ISPA Menggunakan Metode Faktor Kepastian Edi Iskandar STMIK EL RAHMA Yogyakarta beeyku@yahoo.com Abstrak : Kemajuan ilmu pengetahuan dan teknologi beserta aplikasinya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Pakar Sistem pakar merupakan salah satu cabang kecerdasan buatan yang mempelajari bagaimana mengadopsi cara seorang pakar berfikir dan bernalar dalam menyelesaikan suatu
Lebih terperinciBAB I PENDAHULUAN. yang dirancang untuk memodelkan serta kemampuan menyelesaikan masalah
BAB I PENDAHULUAN 1. Latar Belakang Sistem pakar atau expert system merupakan sebuah program komputer yang dirancang untuk memodelkan serta kemampuan menyelesaikan masalah seperti layaknya seorang pakar
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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai tinjauan pustaka berikut ini ada beberapa contoh penelitian yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi 4.1.1 Kebutuhan Perangkat Keras Agar aplikasi dapat dijalankan dengan baik dan lancar, diperlukan spesifikasi standar dari suatu perangkat keras. Ada beberapa
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Salah satu hewan ternak yang paling banyak diternakkan adalah unggas. Unggas memberikan banyak manfaat dan keuntungan, antara lain dapat dimanfaatkan dagingnya,
Lebih terperinciSISTEM PAKAR DIAGNOSA AWAL PENYAKIT GINJAL DENGAN METODE FUZZY LOGIC UNTUK PENENTUAN CERTAINTY FACTOR
SISTEM PAKAR DIAGNOSA AWAL PENYAKIT GINJAL DENGAN METODE FUZZY LOGIC UNTUK PENENTUAN CERTAINTY FACTOR Nurul Azka 1, Andi Farmadi 2, Dwi Kartini 3 123 Prodi Ilmu Komputer FMIPA ULM Jl. A. Yani Km 36 Banjarbaru,
Lebih terperinciALGORITMA NEAREST NEIGHBOR
ALGORITMA NEAREST NEIGHBOR A. Algoritma Nearest Neighbor adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari
Lebih terperinciAplikasi Sistem Pakar untuk Mendiagnosa Gangguan Pernafasan pada Anak Menggunakan Metode CF (Certainty Factor)
Jurnal Komputer Terapan Vol. 2, No. 2, November 2016, 159-168 159 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id Aplikasi Sistem Pakar untuk Mendiagnosa Gangguan Pernafasan pada Anak Menggunakan
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 terperinciKUESIONER PENELITIAN SKRIPSI HUBUNGAN PENGETAHUAN PENDERITA TENTANG TUBERKULOSIS PARU DENGAN PERILAKU KEPATUHAN MINUM OBAT
KUESIONER PENELITIAN SKRIPSI HUBUNGAN PENGETAHUAN PENDERITA TENTANG TUBERKULOSIS PARU DENGAN PERILAKU KEPATUHAN MINUM OBAT DI PUSKESMAS CURUG TANGERANG Pengantar : Dengan hormat, nama saya Ade Atik, mahasiswa
Lebih terperinciBAB I PENDAHULUAN. manusia atau bahkan melebihi kemampuan kerja manusia. meniru kerja dari para ahli. Dengan sistem pakar ini, orang awampun dapat
BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan komputer dewasa ini telah mengalami banyak perubahan yang sangat pesat, seiring dengan kebutuhan manusia yang semakin banyak dan kompleks. Komputer yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Anak merupakan sebuah karunia bagi setiap orangtua. Setiap anak diharapkan dapat tumbuh dan berkembang secara sehat, baik fisik, mental dan sosial sesuai dengan pertambahan
Lebih terperinciSISTEM KLASIFIKASI PENYAKIT ASMA MENGGUNAKAN ALGORITMA NAÏVE BAYES (STUDI KASUS : PUSKESMAS SUNGAI SALAK) Muhdi, Abdullah, Usman
SISTEM KLASIFIKASI PENYAKIT ASMA MENGGUNAKAN ALGORITMA NAÏVE BAYES (STUDI KASUS : PUSKESMAS SUNGAI SALAK) Muhdi, Abdullah, Usman Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer Universitas
Lebih terperinciBAB I PENDAHULUAN. kesehatan akan memeriksa dan melakukan diagnosa. Bila dokter cukup sibuk dan
BAB I PENDAHULUAN I.1. Latar Belakang Sistem pakar menirukan perilaku seorang pakar dalam menangani suatu persoalan. Pada suatu kasus seorang pasien mendatangi dokter untuk memeriksa badannya yang mengalami
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 terperinciSISTEM PENDUKUNG KEPUTUSAN KLINIS UNTUK MENGEFISIENKAN DIAGNOSA PENYAKIT KEJIWAAN MENGGUNAKAN CASE BASED REASONING
SISTEM PENDUKUNG KEPUTUSAN KLINIS UNTUK MENGEFISIENKAN DIAGNOSA PENYAKIT KEJIWAAN MENGGUNAKAN CASE BASED REASONING 1 Nur Kahfi Ibrahim, 2 Sri Winiarti (0516127501) 1,2 Program Studi Teknik Informatika
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa sistem yang sedang berjalan Analisa sistem yang dijelaskan pada bab ini adalah sebagai bahan perbandingan dengan sistem yang akan dirancang. Adapun sistem
Lebih terperinciCARA MENGGUNAKAN APLIKASI
CARA MENGGUNAKAN APLIKASI Untuk menjalankan aplikasi sistem pakar untuk melakukan diagnosis penyakit jantung dengan teorema bayes, yaitu : Jalankan aplikasi sistem pakar dengan memilih toolbar start pada
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisa Sistem Yang Sedang Berjalan Analisa sistem yang sedang berjalan merupakan proses awal yang harus dilaksanakan untuk menentukan permasalahan yang sedang
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Berikut ini akan dijelaskan tentang tampilan hasil program dan pembahasan dari Sistem Pakar Mendiagnosa Penyakit Dalam Dan Penyobatannya Menggunakan Obat
Lebih terperinciSistem Pakar Untuk Mendiagnosa Alergi Pada Anak Menggunakan Metode Met Teo T rem a Bay Ba es
Sistem Pakar Untuk Mendiagnosa Alergi Pada Anak Menggunakan Metode Teorema Bayes Dengan Client Server Berbasis Android Nama : Rizky Maula NPM : 16112614 Jurusan : Sistem Informasi Pembimbing : Dr. Novrina
Lebih terperinciPenerapan Case Based Reasoning (CBR) untuk Mendiagnosa Jenis Pecandu Narkoba
Penerapan Case Based Reasoning (CBR) untuk Mendiagnosa Jenis Pecandu Narkoba Andik Adi Suryanto 1, Imron Rosyidi 2, Miftahul Ulum 3, Adi Wendra 4 1,2,3,4 Jurusan Teknik Informatika, FT, Universitas PGRI
Lebih terperinciLAPORAN KEGIATAN PENGABDIAN MASYARAKAT REGULER
LAPORAN KEGIATAN PENGABDIAN MASYARAKAT REGULER Waspadai Penyakit Infeksi Pada Musim Kemarau Oleh : Dra.LilisSuryani.,M.Kes (NIK: 173013/NIDN 0510026801) FAKULTAS KEDOKTERAN DAN ILMU KESEHATAN UNIVERSITAS
Lebih terperinciTemanggung. Persetujuan Studi Pendahuluan RSUD Kabupaten
LAMPIRAN Lampiran 1. urat Temanggung Persetujuan tudi Pendahuluan RUD Kabupaten 63 Lampiran 2. urat Persetujuan Penelitian RUD Kabupaten Temanggung 64 Lampiran 3. Data Rekam Medik Pasien IK di Bangsal
Lebih terperinciBAB I PENDAHULUAN. dinding sistem pencernaan, mulai dari mulut hingga ke anus. Tapi kondisi ini
BAB I PENDAHULUAN I.1. Latar Belakang Penyakit crohn adalah salah satu penyakit radang usus dan merupakan kondisi jangka panjang yang mana peradangan bisa terjadi pada seluruh lapisan dinding sistem pencernaan,
Lebih terperinciDokumentasi Sistem Pakar Diagnosis Penyakit Anjing
Dokumentasi Sistem Pakar Diagnosis Penyakit Anjing Disusun Oleh 23508018 Danang Junaedi 23508019 Iwa Ovyawan Herlistiono 23508037 Tjokorda Agung 1. Pendahuluan Anjing sering disebut sebagai sahabat manusia
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 1.1 Kerangka Berpikir Pneumonia merupakan penyakit mematikan yang kurang ditanggapi serius oleh masyarakat, padahal penyakit ini selalu berada pada daftar 10 penyakit terbesar
Lebih terperinciBAB I PENDAHULUAN. membahayakan nyawa seseorang, Ironisnya gejala gejala tersebut seringkali
1 BAB I PENDAHULUAN 1.1 Latar Belakang Gejala penyakit merupakan awal timbulnya sebuah penyakit yang dapat membahayakan nyawa seseorang, Ironisnya gejala gejala tersebut seringkali diabaikan sehingga membuat
Lebih terperinciSISTEM PAKAR MENDIAGNOSA PENYAKIT GIGI DAN MULUT DENGAN MENGGUNAKAN METODE FORWARD CHAINING
SISTEM PAKAR MENDIAGNOSA PENYAKIT GIGI DAN MULUT DENGAN MENGGUNAKAN METODE FORWARD CHAINING Sukarno Bahat Nauli 1) Anthoni Septian 2) Jurusan Teknik Informatika Fakultas Teknik Universitas Satya Negara
Lebih terperinciPENENTUAN PENANGANAN KERUSAKAN MESIN PRODUKSI RESLETING DI PT. HERO TOP ZIP MENGGUNAKAN CASE BASED REASONING DAN SORENSEN COEFFICIENT
Penentuan Penanganan Kerusakan Mesin Produksi Resleting (Prakasa dkk.) PENENTUAN PENANGANAN KERUSAKAN MESIN PRODUKSI RESLETING DI PT. HERO TOP ZIP MENGGUNAKAN CASE BASED REASONING DAN SORENSEN COEFFICIENT
Lebih terperinciBAB 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PAKAR. yang ahli dalam bidang tertentu dan mempunyai pengetahuan atau keahlian
48 BAB 3 ANALISIS DAN PERANCANGAN SISTEM PAKAR 3.1 Analisis Sistem Pakar Dalam mengembangkan sistem pakar ini diperlukan pengetahuan dan informasi yang diperoleh dari beberapa sumber, yaitu dari para pakar,
Lebih terperinciSISTEM PAKAR PENDIAGNOSA PENYAKIT ANAK MENGGUNAKAN CERTAINTY FACTOR (CF) ABSTRAK
SISTEM PAKAR PENDIAGNOSA PENYAKIT ANAK MENGGUNAKAN CERTAINTY FACTOR (CF) Luther A. Latumakulita 1) 1) Program Studi Matematika FMIPA Universitas Sam Ratulangi Jl. Kampus Unsrat Manado 95115 e-mail: alexalatu@gmail.com
Lebih terperinciPEMANFATAN TEOREMA BAYES DALAM PENENTUAN PENYAKIT THT
PEMANFATAN TEOREMA BAYES DALAM PENENTUAN PENYAKIT THT Sri Winiarti Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta Email : daffal02@yahoo.com ABSTRAK Dalam
Lebih terperinciRANCANGAN CASE-BASED REASONING MENGGUNAKAN SORENSON COEFFICIENT
RANCANGAN CASE-BASED REASONING MENGGUNAKAN SORENSON COEFFICIENT Murien Nugraheni Program Studi Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Jl. Prof. Dr. Soepomo, S.H., Warungboto, Janturan,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Tabel 2.1 Perbandingan Tinjauan Pustaka
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tunjauan Pustaka Tabel 2.1 Perbandingan Tinjauan Pustaka NO Penulis Objek Metode Hasil Penelitian Perbandingan dengan Penelitian Sebelumnya 1 Christine Natalia
Lebih terperinciAPLIKASI SISTEM PAKAR BERBASIS ANDROID UNTUK DIAGNOSA AWAL PENYAKIT DAN RACIKAN OBAT TRADISIONAL
APLIKASI SISTEM PAKAR BERBASIS ANDROID UNTUK DIAGNOSA AWAL PENYAKIT DAN RACIKAN OBAT TRADISIONAL Ivan Eroka Yuliadji Binus University, Jakarta, DKI Jakarta, Indonesia Ricky Khoenata Binus University, Jakarta,
Lebih terperinciBAB I PENDAHULUAN. yaitu genetik (keturunan) dan lingkungan sebagai faktor eksternal tubuh. Alergi
BAB I PENDAHULUAN I.1. Latar Belakang Alergi adalah penyakit atau kelainan yang tidak menular tetapi kecenderungan seseorang mengalami alergi akan dipengaruhi oleh dua faktor, yaitu genetik (keturunan)
Lebih terperinciBerdasarkan sistem yang sedang berjalan, tahapan-tahapan proses. deteksi adanya viskositas darah dalam tubuh adalah sebagai berikut :
37 3. Jenis Kelamin Contoh input data jenis kelamin adalah : Jenis Kelamin : Laki-Laki III.1.2. Analisa Proses Berdasarkan sistem yang sedang berjalan, tahapan-tahapan proses deteksi adanya viskositas
Lebih terperinciNASKAH PUBLIKASI SISTEM PAKAR DIAGNOSIS PENYAKIT AKIBAT GIGITAN NYAMUK DISERTAI ANIMASINYA
NASKAH PUBLIKASI SISTEM PAKAR DIAGNOSIS PENYAKIT AKIBAT GIGITAN NYAMUK DISERTAI ANIMASINYA Diajukan Sebagai Salah Satu Syarat Menyelesaikan Program Studi S-1 Jurusan Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciFungsi Similaritas Pada Sistem Berbasis Kasus Penyelesaian Masalah Akademik Mahasiswa
Fungsi Similaritas Pada Sistem Berbasis Kasus Penyelesaian Masalah Akademik Mahasiswa Syaiful Hendra, Sri Kusumadewi 2 Jurusan Teknik Informatika STMIK Adhi Guna Jl. Undata No. 3 Palu Sulawesi Tengah Indonesia
Lebih terperinciCase-Based Reasoning Untuk Diagnosa Penyakit Respirologi Anak Menggunakan Similaritas Simple Mathcing Coefficient
17 Case-Based Reasoning Untuk Diagnosa Penyakit Respirologi Anak Menggunakan Similaritas Simple Mathcing Coefficient Tursina Prodi Teknik Informatika, Fakultas Teknik Universitas Tanjungpura Jl. Ahmad
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pada bab ini akan membahas tentang contoh-contoh sistem pakar yang telah dibangun sebelumnya dengan menggunakan metode Certainty Factor maupun dengan metode lainnya. Untuk mengelola
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Mendiagnosa Penyakit Alzheimer Dengan Metode
Lebih terperinci