Sistem Pakar Diagnosa Penyakit Stroke Menggunakan Metode Forward Chaining Dan Certainty Factor

  • Wahyu Rudiansyah Universitas Singaperbangsa Karawang
  • Asep Jamaludin Universitas Singaperbangsa Karawang
  • Kamal Prihandani Universitas Singaperbangsa Karawang

Abstract

Stroke merupakan penyakit tidak menular yang berbahaya. Stroke terjadi karena tersumbat atau pecahnya pembuluh darah pada otak yang menyebabkan rusaknya kondisi otak. Tingginya kasus penderita penyakit stroke menyebabkan angka penderita penyakit stroke terus bertambah umumnya disebabkan karena masyarakat yang tidak bisa menjaga pola hidup sehat dan terlambatnya diagnosa awal penderita stroke sehingga menyebabkan terlambatnya tindakan medis, jika hal tersebut terjadi sangat fatal akibatnya. Oleh karena itu, sistem pakar ini dibuat untuk dapat mendiagnosa penyakit stroke berdasarkan gejala menggunakan metode forward chaining dan certainty factor. Metode pengembangan perangkat lunak pada penelitian ini menggunakan metode Expert System Development Life Cycle (ESDLC). Hasil pengujian dari sistem pakar diagnosa penyakit stroke menggunakan metode black box testing menghasilkan kesimpulan sangat baik, lalu hasil pengujian sistem dengan metode user acceptance test (UAT) terhadap 30 responden menghasilkan penilaian persentase tampilan sistem sebesar 85,83% dan penilaian persentase manfaat sistem sebesar 83,33%.

References

Aguilera, R. C., Ortiz, M. P., Banda, A. A., & Aguilera, L. E. C. (2021). Blockchain Cnn Deep Learning Expert System for Healthcare Emergency. Fractals, 29(06), 2150227.
Al-Ajlan. A. (2015). The Comparison between Forward and Backward Chaining. International Journal of Machine Learning and Computing. 5(2).
Frendiana, V., & Widhiantoro, D. (2020). Desain UI dan UX pada Aplikasi Android Coronavirus Disease 2019 (COVID-19). Jurnal Ilmu Komputer dan Desain Komunikasi Visual. 5(2).
Kanggeraldo, J., Sari, R. P., & Zul, M. I. (2018). Sistem Pakar Untuk Mendiagnosis Penyakit Stroke Hemoragik dan Iskemik Menggunakan Metode Dempster Shafer. Jurnal RESTI. 2(2), 498-505.
Kobrinskii, B. A., & Donitova, V. V. (2021, January). Building a Knowledge Base of an Expert System for Personalized Stroke Risk Prognosis. In 2021 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (ElConRus) (pp. 2815-2817). IEEE.
Kementerian Kesehatan RI. (2019). Laporan Riskesdas 2018. Jakarta: Badan Litbangkes, Kemenkes.
Kementerian Kesehatan RI. (2019). Laporan Riskesdas 2013. Jakarta: Badan Litbangkes, Kemenkes.
Mayang, S. S., & Eviyanti, A. (2021). Expert System for Diagnosing Early Symptoms of Stroke Using the Fuzzy Mamdani Method. Procedia of Engineering and Life Science, 1(2).
Rachman, T., & Napitupulu, D. (2018). User Acceptance Analysis of Potato Expert System Application Based on TAM Approach. International Journal on Advance Science Engineering Information Technology. 8(1).
Saragih, R. (2018). Sistem Pakar Mengidentifikasi Minat Bakat Anak Dengan Metode Certainty Factor. Jurnal Penelitian Teknik Informatika. 1(1).
Setiabudi, W. U., Sugiharti, E., & Arini, F. Y. (2017). Expert System Diagnosis Dental Disease Using Certainty Factor Method. Scientific Journal of Informatics. 4(1).
Published
2022-01-04
How to Cite
Rudiansyah, W., Jamaludin, A., & Prihandani, K. (2022). Sistem Pakar Diagnosa Penyakit Stroke Menggunakan Metode Forward Chaining Dan Certainty Factor. INTECOMS: Journal of Information Technology and Computer Science, 4(2), 422 - 434. https://doi.org/https://doi.org/10.31539/intecoms.v4i2.3293
Abstract viewed = 0 times
PDF downloaded = 0 times