FUZZY TSUKAMOTO PADA SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT PENCERNAAN PADA BAYI USIA 0-12 BULAN ABSTRAK

Transkripsi

1 FUZZY TSUKAMOTO PADA SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT PENCERNAAN PADA BAYI USIA 0-12 BULAN Burhanuddin Ahmad (A ) Program Studi Teknik Informatika - S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Jl. Nakula 1 No. 5-11,Semarang ABSTRAK Abstrak Terbatasnya informasi mengenai penyakit pencernaan pada bayi membuat para orang tua kesulitan untuk memprediksi penyakit yang diderita oleh bayi mereka. Untuk orang tua yang baru memiliki anak, hal ini merupakan hal yang baru bagi mereka. Para orang tua lebih memilih untuk mempercayakan hal diagnosa penyakit kepada pakar atau dokter yang ahli tentang kesehatan, peran dokter spesialis anak dalam hal penanggulangan penyakit pada anak sangat diperlukan tapi sering kali terbentur pada terbatasnya jumlah dokter spesialis anak sedangkan yang harus ditangani cukup banyak. Penelitian yang dilakukan adalah membuat aplikasi sistem pakar diagnosa awal penyakit pencernaan pada bayi menggunakan metode fuzzy Tsukamoto berbasis web. Sistem yang dapat digunakan untuk menyelesaikan suatu permasalahan yang membutuhkan suatu keahlian khusus. Teknik penalaran yang digunakan adalah penalaran fuzzy Tsukamoto. Dengan metode fuzzy Tsukamoto diagnosa dilakukan dengan memulai dari sekumpulan gejala-gejala dengan mencari kaidah yang cocok nantinya dapat melihat kesimpulan dari hasil analisa dan menentukan jenis penyakit pada anak. Tujuan dari penelitian ini adalah membuat aplikasi sistem pakar yang mampu mengidentifikasi atau mendiagnosa penyakit pencernaan pada bayi, pembuatan aplikasi sistem pakar ini menggunakan pemrograman PHP dan basis data menggunakan MySql. Kata Kunci : Sistem Pakar, Fuzzy Tsukamoto, PHP 1

2 1. Pendahuluan Penyakit pencernaan pada bayi adalah semua penyakit yang menyerang sistem pencernaan pada bayi yang disebabkan oleh asupan makanan yang tidak higienis dan bergizi, juga sistem pencernaan pada bayi yang masih lemah karena bayi membutuhkan waktu yang bertahap untuk mencerna dan beradaptasi pada makanan yang diberikan oleh orang tua bayi tersebut. Penyakit pada saluran pencernaan pada bayi merupakan penyakit yang berbahaya dan banyak menyebabkan kematian, karena sistem pencernaan pada bayi masih sangat lemah dan rentan terhadap penyakit. Salah satu penyakit pencernaan yang sering terjadi pada bayi adalah diare, menurut data World Health Organization (WHO) pada tahun 2007, diare adalah penyebab nomor satu kematian balita di seluruh dunia. Penyakit pencernaan pada bayi antara lain adalah diare, konstipasi, disentri, dan keracunan makanan. Kasus yang sering terjadi pada bayi yang sudah diberikan susu formula adalah terjadinya diare karena kurangnya kebersihan dan steril pada dotnya. Masalah yang sering terjadi adalah sulitnya mengetahui gejala - gejala penyakit pada bayi karena bayi hanya bisa menangis dan rewel membuat orang tua panik dan tidak bisa berfikir dengan cepat dan tepat karena orang tua belum bisa mengartikan tangisan bayi. Untuk itu perlunya sebuah sistem pakar untuk mendeteksi penyakit pencernaan pada bayi usia 0 sampai 12 bulan sangat diperlukan untuk membantu orang tua mendeteksi penyakit yang diderita pada bayi tersebut Penerapan teknologi kecerdasan buatan di bidang kesehatan saat ini sudah semakin canggih dan dapat membantu meningkatkan pelayanan kesehatan yang lebih baik. Hal ini didasari karena kurangnya tenaga medis didunia yang membuat tidak semua orang bisa mendapatkan pelayanan kesehatan. Sistem pakar (expert system) adalah sistem yang diciptakan dengan menggunakan teknik - teknik kecerdasan buatan (Artificial Intelligence) untuk mengadopsi cara berfikir dan bernalar seorang pakar dalam menyelesaikan suatu masalah, dan membuat suatu keputusan untuk menyelesaikan masalah tersebut dengan cara mengambil kesimpulan dari sejumlah fakta - fakta yang ada. Sistem pakar fuzzy untuk mendiagnosis penyakit merupakan pengembangan sistem pakar konvensional, artinya bahwa arsitektur antara sistem pakar dengan sistem pakar fuzzy memiliki kesamaan, yang membedakan di antara keduanya adalah metode kerja sistem tersebut. Sistem pakar Fuzzy dapat meningkatkan hasil 2

3 diagnosis dibandingkan dengan dengan sistem pakar klasik, peningkatan hasil yaitu persentasi seseorang terkena penyakit berdasarkan gejala yang diinputkan. Sistem pakar fuzzy mempunyai tiga metode yaitu metode Tsukamoto, metode Mamdani, dan metode Sugeno. Metode yang dipilih dalam sistem pakar adalah metode Tsukamoto. Metode ini dipilih karena metode ini sangat fleksibel dan memiliki toleransi pada data yang ada. Fuzzy Tsukamoto memiliki kelebihan yang lebih inuitif, diterima oleh banyak pihak, lebih cocok untuk masukan yang diterima oleh manusia bukan mesin. Oleh karena itu dalam penelitian ini menggunakan metode fuzzy Tsukamoto untuk diagnosis penyakit pencernaan pada bayi usia 0-12 bulan. Sistem ini nantinya akan mempermudah bagi masyarakat awam untuk diagnosis secara cepat kondisi bayi, serta menemukan solusi dari masalah pencernaan pada bayi. 2. Tinjauan Pustaka dan Landasan Teori 2.1. Penyakit Pencernaan Penyakit pencernaan pada bayi adalah semua penyakit yang menyerang sistem pencernaan pada bayi yang disebabkan oleh asupan makanan yang tidak higienis dan bergizi, juga sistem pencernaan pada bayi yang masih lemah karena bayi membutuhkan waktu yang bertahap untuk mencerna dan beradaptasi pada makanan yang diberikan oleh orang tua bayi tersebut. Beberapa jenis penyakit yang menyerang pencernaan bayi antara lain : 1. Diare Diare adalah keadaan dimana bayi sering buang air besar lebih dari tiga kali dalam sehari dengan konsentrasi kotoran lembek hingga cair. Pada dasarnya diare disebabkan oleh kegagalan atau gangguan penyerapan kandungan air pada usus besar. Penyebab diare ada bermacam - macam, mulai dari makanan yang tidak bisa dicerna oleh bayi, infeksi bakteri, gejala penyakit lain, ataupun asupan gizi yang kurang baik. Pada umumnya penyakit diare berbahaya pada saat disertai dengan dehidrasi[11]. Diare sering menyerang bayi usia 0-12 bulan. 2. Dehidrasi Dehidrasi adalah kondisi dimana tubuh mengalami 3

4 penurunan cairan didalam tubuhnya sehingga tubuh tidak punya cukup cairan untuk menjalankan fungsi normalnya[12]. Dehidrasi sering menyerang bayi usia 0-12 bulan. 3. Disentri Disentri adalah penyakit yang terjadi akibat infeksi pada usus yang memicu diare, yang disertai lendir ataupun darah. Disentri juga dapat memicu adanya dehidrasi yang dapat menyebabkan kematian.. Ada dua jenis disentri dengan penyebab utama, yaitu[12]: a. Penyebab disentri basiler adalah bakteri shigella. b. Penyebab disentri amoeba adalah Entamoeba histolytica. 4. Konstipasi Konstipasi adalah keadaan dimana bayi mengalami gangguan buang air besar karena terjadi pengerasan tinja, akibatnya tinja susah dikeluarkan. Penyebab dari konstipasi ada bermacam - macam seperti: pemberian ASI yang kurang, efek samping pengaruh obat - obatan tertentu, kekurangan cairan tubuh, pengaruh hormonal[11]. Konstipasi bisa menyerang bayi usia 0-12 bulan. 5. Keracunan Makanan Keracunan makanan adalah keadaan dimana bayi mengalami gangguan pencernaan akibat mengkonsumsi makanan taupun minuman yang tercemar. Penyebab dari keracunan makanan biasanya diakibatkan oleh bakteri maupun virus, ada 3 virus yang paling sering menyebabkan keracunan makanan, yaitu [13]: a. E. Coli Kelompok bakteri ini banyak ditemukan pada kotoran hewan ternak dan kotoran manusia. Bakteri E. Coli dapat mencemari makanan atau minuman saat bagian kecil dari kotoran tersebut terbang terbawa angin dan kontak dengan makanan. 4

5 b. Salmonella Bakteri salmonella dapat ditemukan pada susu sapi maupun susu formula. c. Camphylobacter Para ahli mengklasifikasikan jenis bakteri sebagai penyebab paling umum dari keracunan makanan. Jenis bakteri dapat berasal dari susu sapi segar yang tidak dimasak dengan sempurna atau dari air yang terkontaminasi Fuzzy Tsukamoto Pada metode fuzzy Tsukamoto setiap konsekuen pada aturan berbentuk IF - THEN harus direpresentasikan dengan himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap - tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strenght). Hasil akhirnya diperoleh dengan menggunakan rata - rata terbobot[14]. Secara umum bentuk model fuzzy Tsukamoto adalah : If (X IS A) and (Y IS B) Then (Z IS C) Dimana A, B, C adalah himpunan fuzzy. If (x is A1) and (y is B1) Then (z is C1) If (x is A2) and (y is B2) Then (z is C2) Dalam inferensinya, metode fuzzy Tsukamoto menggunakan tahapan berikut. 1. Fuzzifikasi 2. Pembentukan basis pengetahuan Fuzzy (Rule dalam bentuk IF..THEN) 3. Mesin Inferensi Menggunakan fungsi implikasi MIN untuk mendapatkan nilai α predikat tiap - tiap rule (α1, α2, α3,..., αn). Kemudian masing - masing nilai α predikat ini digunakan untuk menghitung keluaran hasil inferensi secara tegas (crisp) masing - masing rule (z1, z2, z3,..., zn). 4. Defuzzifikasi Menggunakan metode rata - rata (Average) 5

6 z = α iz 1 α i Gambar 2.9 menunjukkan skema penalaran fungsi MIN dan proses deffuzifikasi dilakukan dengan cara mencari nilai rata - ratanya. 3. Metode Penelitian 3.1. Teknik Analisis Data pada bayi usia kurang dari 1 tahun dilakukan prosedur data yang sudah diperoleh yaitu : 1. Membuat tabel basis pengetahuan yang berupa nama penyakit, gejala - gejala yang timbul dan solusi dari penyakit tersebut. 2. Membuat tabel penyakit dengan membuat kode pada setiap penyakit. 3. Membuat tabel keputusan sistem pakar penyakit berdasarkan gejala. 4. Membuat tahapan perhitungan fuzzy Tabel 3.1 Tabel Penyakit Gambar 2.1 Skema penalaran fungsi implikasi min atau produk dan proses defuzzifikasi Proses DeFuzzifikasi Hasil akhir output (z) diperoleh dengan menggunakan rata - rata pembobotan : z = α 1z 1 + α 2 z 2 α 1 + α 2 No Nama Kode Penyakit Penyakit 1 Konstipasi P1 2 Diare P2 3 Diare dengan dehidrasi P3 tidak berat 4 Diare dengan dehidrasi P4 berat 5 Disentri P5 6 Disentri dengan P6 6

7 dehidrasi tidak berat 7 Disentri dengan dehidrasi P7 berat 8 Keracunan Makanan P8 Tabel 3.2 Jenis Gejala Kode Nama Gejala Gejala Tingkatan G01 Jarang Frekuensi Normal BAB Sering Cair Bentuk Lembek G02 kotoran Berbentuk atau feses Keras Tidak G03 Muntah Jarang Sering Ada darah Tidak G04 atau lendir pada Ya kotoran G05 Kondisi kesadaran bayi Lemah Gelisah Normal Kondisi Normal G06 mata pada bayi Cekung Normal G07 Frekuensi Kehausan minum bayi Malas minum Kondisi Normal G08 kulit tugor Lambat bayi ketika Sangat dicubit Lambat G09 Air mata Kering Berkurang Normal G10 Kering Kondisi Lembab mulut Normal Kondisi G11 pernafasan bayi Normal Cepat Normal G12 Demam Suhu badan Demam bayi tinggi Dingin G13 Kejang Tidak kejang Ya G14 Kondisi Normal perut bayi Keras Riwayat Tidak G15 keracunan masal Ya disekitar Semua bentuk representasi data tersebut bertujuan untuk 7

8 menyederhanakan data sehingga mempermudah membaca data untuk dimengerti dan menjadikan data tersebut lebih efektif untuk proses pengembangan program Metode Pengembangan Sistem Pengembangan sistem berarti memperbaiki sistem yang lama secara keseluruhan atau pada bagian - bagian tertentu pada sistem yang lama, dan bisa juga mengganti sistem lama dengan menyusun sistem baru untuk menggantikan kinerja sistem lama. Metode yang dikembangkan peneliti adalah metode fuzzy Tsukamoto, dengan tahapan - tahapan sebagai berikut: Penentuan himpunan fuzzy digunakan untuk menentukan fungsi keanggotaan dari tiap - tiap gejala. 2. Tahap Pembentukan Aturan (Rules) Dalam perancangan sistem ini diperlukan suatu rules yang digunakan untuk menentukan keputusan hasil output. Perancangan rules ini merupakan langkah setelah proses fuzzifikasi. Dengan merujuk pada tabel 3.1 dan tabel 3.2 maka dibuat aturan untuk mendiagnosis penyakit sebagai contoh berikut ini: Tabel 3.3 Aturan untuk mendiagnosis penyakit Gambar 3.2 Tahapan Perhitungan Fuzzy Berikut tahapan untuk menghitung menggunakan teknik logika fuzzy Tsukamoto : 1. Fuzzifikasi Rule IF THEN 1. G01 Jarang, P1 G02 Keras,G03 Tidak, G04 Tidak, G05 Normal, G06 Normal, G07 Normal, G08 Normal, G09 Normal, 8

9 G10 Normal, G11 Normal, G11 Normal, G12 Demam, G12 Normal, G13 Tidak, G13 Tidak, G14 Normal, G14 Normal, G15 Tidak G15 Tidak 4. G01 Sering, P4 2. G01 Sering, P2 G02 Cair, G02 Cair, G03 Sering, G03 Tidak, G04 Tidak, G04 Tidak, G05 Gelisah, G05 Normal, G06 Cekung, G06 Normal, G07 G07 Normal, Kehausan, G08 Normal, G08 Sangat G09 Normal, Lambat, G09 G10 Normal, Berkurang, G11 Normal, G10 Lembab, G12 Normal, G11 Cepat, G13 Tidak, G12 Dingin, G14 Normal, G13 Ya, G14 G15 Tidak Normal, G15 3. G01 Sering, P3 Tidak G02 Cair, 5. G01 Sering, P5 G03 Jarang, G02 Cair, G04 Tidak, G03 Tidak, G05 Gelisah, G04 Ya, G05 G06 Cekung, Normal, G06 G07 Normal, G07 Kehausan, Normal, G08 G08 Lambat, Normal, G09 G09 Normal, G10 Berkurang, Normal, G11 G10 Lembab, Normal, G12 9

10 Normal, G13 Tidak, G14 Normal 6. G01 Sering, G02 Cair, G03 Jarang, G04 Ya, G05 Gelisah, G06 Cekung, G07 Kehausan, G08 Lambat, G09 Berkurang, G10 Lembab, G11 Normal, G12 Demam, G13 Tidak, G14 Normal, G15 Tidak 7. G01 Sering, G02 Cair, G03 Sering, G04 Ya, G05 Gelisah, G06 Cekung, G07 Kehausan, G08 Sangat Lambat, G09 Berkurang, G10 Lembab, G11 Cepat, G12 Dingin, G13 Ya, G14 P6 P7 Normal, G15 Tidak 8. G01 Sering, P8 G02 Cair, G03 Sering, G04 Tidak, G05 Lemah, G06 Cekung, G07 Malas Minum, G08 Sangat Lambat, G09 Berkurang, G10 Lembab, G11 Cepat, G12 Dingin, G13 Ya, G14 Keras, G15 Ya 3. Mesin Inferensi Untuk mendapatkan α- predikat tiap - tiap rules (α1,α2,α3,...,αn), mesin inferensi menggunakan fungsi MIN. Kemudian masing - masing nilai α predikat ini digunakan untuk menghitung keluaran hasil inferensi secara tegas (crisp) masing - masing rule (z1, z2, z3,..., zn) 10

11 4. Defuzzifikasi Hasil akhir untuk output (z) diperoleh dengan cara menggunakan rata - rata pembobotan : z = α 1z 1 + α 2 z 2 α 1 + α Pengujian Setelah semua proses diatas selesai, peneliti melakukan pengujian terhadap metode logika fuzzy Tsukamoto. Pengujian dilakukan dengan cara membandingkan hasil diagnosis dari sistem dengan hasil diagnosis manual yang dilakukan dokter. Setelah mendapatkan hasil akhir maka dilakukan uji akurasi untuk mendapatkan hasil dalam bentuk persentase. Proses akurasi menggunakan rumus tingkat akurasi. x Tingkat Akurasi (%) = X 100% n Keterangan : x = jumlah klasifikasi nilai benar yang dilakukan sistem terhadap data aktual. n = jumlah data yang diujikan. 4. Hasil Penelitian 4.1.Tampilan Sistem Pakar Halaman Input Biodata Halaman ini digunakan pengguna untuk proses input biodata dan gejala - gejala penyakit yang dirasakan. Form biodata terdiri dari nama, alamat, umur dan jenis kelamin sedangkan untuk form gejala terdapat 15 form inputan gejala. Gambar 4.3 Form Biodata dan Gejala Halaman Hasil Diagnosis Setelah pengguna melakukan input biodata dan gejala sistem akan menampilkan hasil diagnosa penyakit berdasarkan perhitungan logika fuzzy Tsukamoto yang 11

12 diimplementasikan pada sistem pakar. 5) G05 : Normal 6) G06 : Normal 7) G07 : Normal 8) G08 : Normal 9) G09 : Normal 10) G10 : Normal 11) G11 : Normal 12) G12 : Normal 13) G13 : Tidak 14) G14 : Normal 15) G15 : Tidak Tabel 4.4 Contoh Nilai Perhitungan Gambar 4.4 Hasil Diagnosa 4.2.Perhitungan Sistem Pakar Pada tahap ini dijelaskan tahap - tahap perhitungan sistem pakar berbasis fuzzy Tsukamoto yang digunakan. Sampel data yang digunakan sebagai berikut: Nama : Fulan Umur : 12 Bulan Alamat : Semarang Jenis Kelamin : Laki - laki Gejala yang dirasakan : 1) G01 : Jarang 2) G02 : Keras 3) G03 : Tidak 4) G04 : Tidak Kode Nama Gejala Gejala Tingkatan Nilai G01 Jarang 0 Frekuensi Normal 1.1 BAB Sering 4 G02 Cair 9 Bentuk Lembek 22 kotoran Berbentuk 52 atau feses Keras 56 Tidak 0 G03 Muntah Jarang 1 Sering 6 Ada darah Tidak 1 G04 atau lendir pada Ya 6 kotoran Kondisi Lemah 30 G05 kesadaran Gelisah 80 bayi Normal 99 G06 Normal 1 12

13 Kondisi masal mata pada Cekung 6 disekitar bayi G07 G08 G09 G10 G11 Frekuensi minum bayi Kondisi kulit tugor bayi ketika dicubit Air mata Kondisi mulut Kondisi pernafasa n bayi Normal 1 Kehausan 5 Malas minum 9 Normal 0.8 Lambat 2 Sangat Lambat 4 Kering 30 Berkurang 90 Normal 100 Kering 30 Lembab 90 Normal 100 Normal 37 Cepat 61 Normal 30 Maka nilai gejala pasien didasarkan pada tabel 4.1 sebagai berikut: 1) G01 : 0 2) G02 : 56 3) G03 : 0 4) G04 : 1 5) G05 : 99 6) G06 : 1 7) G07 : 1 8) G08 : 0.8 9) G09 : ) G10 : ) G11 : 37 12) G12 : 30 13) G13 : 1 14) G14 : 1 15) G15 : 1 Suhu Demam 36 G12 G13 G14 badan bayi Kejang - kejang Kondisi perut bayi Demam tinggi 39 Dingin 45 Tidak 1 Ya 6 Normal 1 Keras 6 Setelah diketahui nilai untuk setiap variabel input kemudian dilakukan perhitungan untuk mesin inferensi berdasarkan rule yang telah dibuat. Pembacaan rule mulai dari rule ke 1 sampai rule ke 425 G15 Riwayat keracunan Tidak 1 Ya 6 Pembacaan Rule ke 1: Rule 1: 13

14 G01 Jarang, G02 Keras,G03 Tidak, G04 Tidak, G05 Normal, G06 Normal, G07 Normal, G08 Normal, G09 Normal, G10 Normal, G11 Normal, G12 Normal, G13 Tidak, G14 Normal, G15 Tidak 1= min( Jarang, Keras, Tidak, Tidak, Normal, Normal, Normal, Normal, Normal, Normal, Normal, Normal, Tidak, Normal, Tidak) 1= min(1, 1.2, 1, 0, 0.96, 1, 2.5, 0.2, 1, 1, 1.045,1, 1, 1, 1) 1=0 Z 1 (p1) = 10 (α 4) Z 1 (p1) = 10 (0 4) = dst... Rule 425: G01 Sering, G02 Cair, G03 Sering, G04 Tidak, G05 Lemah, G06 Cekung, G07 Malas Minum, G08 Sangat Lambat, G09 Berkurang, G10 Lembab, G11 Cepat, G12 Dingin, G13 Ya, G14 Keras, G15 Ya 1= min( Sering, Cair, Sering, Tidak, Lemah, Cekung, Malas Minum, Sangat Lambat, Berkurang, Lembab, Cepat, Dingin, Ya, Keras, Ya) 1= min( - 3, - 8.2, - 4, 0, - 5.9, 0, - 3, 1.5, 1.1, 1.1, , 0, 0, 0, 0,) 1= Z 1 (p8) = 103 (α 4) Z 1 (p8) = 103 ( 8.2 4) Tahap Defuzzifikasi: defuzzifikasi = = (α 1Z 1 ) + + (α 425 Z 425 ) α α 425 defuzzifikasi = (0 10) + + ( ) ( 8.2) defuzzifikasi = Tahap Penentuan Penyakit Nilai defuzzifikasi dijadikan pedoman untuk penentuan penyakit dengan formula sebagai berikut 14

15 P1[defuzzifikasi] x = {( x x x = P2[defuzzifikasi] = { x = P3[defuzzifikasi] x = {( x x P4[defuzzifikasi] P5[defuzzifikasi] x 225 = {(225 x 250 x 250 x = {( x x x 90 P6[defuzzifikasi] = {(90 x 100 x 100 P7[defuzzifikasi] x = {( x x P8[defuzzifikasi] x = {( x x Berdasarkan aturan diatas maka dapat disimpulkan pasien uji mempunyai penyakit Konstipasi karena nilai defuzzifikasi masuk pada range P1 5. Kesimpulan dan Saran 5.1. Kesimpulan Berdasarkan dari hasil penelitian yang telah dilakukan penulis dalam pembuatan sistem pakar untuk pendeteksian penyakit pencernaan pada bayi, dapat disimpulkan bahwa : Tujuan penelitian ini adalah merancang sebuah sistem pakar menggunakan metode fuzzy Tsukamoto yang bisa memberikan informasi kepada pengguna mengenai penyakit pencernaan pada bayi usia 0 sampai 12 bulan dan memberikan solusi penyelesaian yang sesuai dengan masalah kesehatan yang di alami bayi. 1. Metode fuzzy Tsukamoto telah berhasil diimplementasikan pada system pakar untuk mendeteksi penyakit pencernaan bayi. System pakar dirancang dan diimplementasikan dengan Bahasa pemrograman PHP. 2. System pakar yang telah dibuat dapat digunakan untuk membantu dalam pengambilan keputusan dan membantu proses diagnosis penyakit pencernaan bayi. 3. Metode fuzzy Tsukamoto mempunyai performa yang cukup baik, hal tersebut dibuktikan pada proses pengujian yang 15

16 menghasilkan akurasi sebesar 77 persen Saran Berdasarkan kesimpulan dan analisis laporan, saran dari peneliti untuk penelitian lebih lanjut yaitu : 1. Pengembangan penelitian lebih lanjut dapat menambahkan atribut atau gejala baru yang untuk memperkuat hasil diagnosa dan penambahan saran penanganan berdasarkan penyakit yang terdeteksi. 2. Hasil akurasi pada penelitian ini cukup baik namun perlu ditingkatkan lagi. Peningkatan dapat berupa perbaikan membership function atau perbaikan rule. Penerapan metode lain juga dapat digunakan dalam pembuatan sistem pakar seperti certainty factor, jaringan syaraf tiruan dan penggunaan mesin inferensi fuzzy lain seperti mamdani, sugeno, dan lain lain. 6. Daftar Pustaka [1] E. P. Rahmadhani, G. Lubis, and Edison, Hubungan Pemberian ASI Eksklusif dengan Angka Kejadian Diare Akut pada Bayi Usia 0-1 Tahun di Puskesmas Kuranji Kota Padang, J. Kesehat. Andalas, vol. 2, no. 2, pp , [2] Data dan Informasi Kesehatan Situasi DIARE di Indonesia. [Online]. Available: es/download/pusdatin/buletin/bu letin-diare.pdf. [Accessed: 24- Jun-2016]. [3] R. S. ROEMANI, Data penderita penyakit pencernaan pada bayi. RUMAH SAKIT ROEMANI, [4] Q. alqorni Sahara, Aplikasi Android Sistem Pakar Guna Mendiagnosa Penyakit Usus Pada Manusia, Univ. Dian Nuswantoro, [5] A. Wahyono and A. Oktaviano, Sistem Pakar Diagnosa Awal Penyakit Pada Anak, no. 1, [6] E. Zuliarso, Aplikasi Sistem Pakar untuk Mendiagnosa Penyakit pada Bayi Menggunakan Piranti Mobile, vol. 16, no. 1, pp. 1 13, [7] Y. B. Asih, SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT PADA BALITA MENGGUNAKAN 16

17 CERTANTY FACTOR, Univ. Dian Nuswantoro, no. Skripsi, [8] S. Pakar, D. Penyakit, A. Balita, M. Metode, and F. A. Rustiqi, Sistem pakar diagnosa penyakit pada anak balita menggunakan metode forward chaining, [9] A. Makarios and M. I. Prasetiyowati, Rancang Bangun Sistem Pakar untuk Diagnosis Penyakit Mulut dan Gigi dengan Metode Fuzzy Logic, vol. IV, no. 2, pp. 1 6, [10] A. F. Maulana, MEMPREDIKSI PENENTUAN JUMLAH PRODUKSI MENGGUNAKAN FUZZY LOGIC METODE TSUKAMOTO PADA UD. BANALY FOOD PEMALANG, JAWA TENGAH, Univ. Dian Nuswantoro, [11] N. Swasanti and W. S. Putra, PERTOLONGAN PERTAMA PADA ANAK SAKIT. Yogyakarta, [13] Sofia, 3 Jenis bakteri penyebab keracunan pada balita beserta gejalanya. [Online]. Available: [Accessed: 05- Apr-2016]. [14] T. Sutojo, E. Mulyanto, and V. Suhartono, Kecerdasan Buatan. Semarang: Andi Offset, [15] Sejarah Kecerdasan Buatan, Hujan Hitam, [Online]. Available: 010/11/sejarah-kecerdasanbuatan.html. [Accessed: 10-Apr- 2016]. [16] A. B. S. Wafa, SISTEM PAKAR UNTUK MENDIAGNOSIS HAMA DAN PENYAKIT PADA TANAMAN PADI MENGGUNAKAN METODE BAYES, Univ. Dian Nuswantoro, no. Skripsi, p. 11, [12] Alodokter, Alodokter Dehidrasi dan Disentri. [Online]. Available: [Accessed: 05-Apr-2016]. 17