Sistem Pakar Diagnosis Penyakit Gagal Jantung Kongestif, Penyakit Paru Obstruktif Kronik, Dan Asma Berdasarkan Gejala Utama Sesak Kronik Menggunakan Kombinasi Metode K-Nearest Neighbor Dan Certainty Factor

Tedjasulaksana, Jeffrey Junior and Imam Cholissodin,, S.Si., M.Kom. and Indriati,, S.T., M.Kom. (2021) Sistem Pakar Diagnosis Penyakit Gagal Jantung Kongestif, Penyakit Paru Obstruktif Kronik, Dan Asma Berdasarkan Gejala Utama Sesak Kronik Menggunakan Kombinasi Metode K-Nearest Neighbor Dan Certainty Factor. Sarjana thesis, Universitas Brawijaya.

Abstract

Kesehatan merupakan hal yang sangat penting bagi kehidupan semua orang dan jika tidak segera disembuhkan maka dapat mengganggu aktivitas hingga dapat menyebabkan kematian. Menurut beberapa studi, salah satu penyakit yang sering dialami oleh setiap orang adalah penyakit dengan gejala sesak atau kesulitan bernapas. Sesak kronik paling sering disebabkan karena penyakit jantung seperti gagal jantung kongestif atau penyakit respiratorik, asma dan penyakit paru obstruktif kronik (PPOK). Beberapa studi melaporkan bahwa kesesuaian antara diagnosis oleh dokter umum di layanan kesehatan primer dengan diagnosis akhir oleh dokter spesialis hanya mencapai kurang dari 50%. Maka pada penelitian ini dilakukan pembuatan sistem pakar untuk mendiagnosis penyakit jantung kongestif, penyakit paru obstruktif kronik (PPOK), dan asma menggunakan kombinasi metode K-Nearest Neighbor untuk melakukan klasifikasi penyakit dengan metode Certainty Factor untuk menentukan tingkat keyakinan dari hasil klasifikasi sebelumnya dengan menggunakan 20 gejala. Data yang digunakan merupakan data pasien Puskesmas Jumpandang Baru Kota Makassar dengan jumlah sebanyak 100 data. Hasil akurasi terbaik pada pengujian variasi nilai K sebesar 100% saat nilai K sebesar 3 dan hasil pengujian perbandingan akurasi saat menggunakan kombinasi metode K-Nearest Neighbor – Certainty Factor dan saat hanya menggunakan metode K-Nearest Neighbor saja menghasilkan nilai akurasi yang sama.

English Abstract

Health is very important for everyone's life and if it is not cured immediately, it can interfere with activities so it can cause death. According to several studies, one of the diseases that is often experienced by everyone is a disease with symptoms of shortness of breath or difficulty breathing. Chronic shortness is most often caused by heart diseases such as congestive heart failure or respiratory disease, asthma and chronic obstructive pulmonary disease (COPD). Several studies reported that the compatibility between a diagnosis by a general practitioner in primary health care and a final diagnosis by a specialist is only less than 50%. So in this study an expert system was made to diagnose congestive heart disease, chronic obstructive pulmonary disease (COPD), and asthma using a combination of the K-Nearest Neighbor method to classify diseases with the Certainty Factor method to determine the level of confidence from the previous classification results using 20 symptoms. The data used is patient data at Jumpandang Baru Public Health Center in Makassar City with a total of 100 data. The best accuracy results in testing variations in the K value are 100% when the K value is 3 and the results of testing the comparison of accuracy when using a combination of the K-Nearest Neighbor - Certainty Factor method and when only using the K-Nearest Neighbor method it produces the same accuracy value.

Item Type:	Thesis (Sarjana)
Identification Number:	052115
Uncontrolled Keywords:	Jantung kongestif, penyakit paru obstruktif kronik, asma, K-Nearest Neighbor, Certainty Factor, sistem pakar, Heart disease, chronic obstructive pulmonary disease, asthma, K-Nearest Neighbor, Certainty Factor, Chronic shortness, expert system.
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	PKN 03 UB
Date Deposited:	09 Jun 2023 03:17
Last Modified:	16 Oct 2024 02:07
URI:	http://repository.ub.ac.id/id/eprint/201299

Text Jeffrey Junior Tedjasulaksana..pdf Download (3MB)

Actions (login required)

View Item