Sistem Pakar Diagnosa Penyakit Gigi dan MulutManusia Menggunakan Knowledge Base System dan Certainty Factor

Penulis

  • Jaenal Arifin

Kata Kunci:

Sistem Pakar, Penyakit Gigi dan Mulut, Knowledge BasedSystem

Abstrak

Mahalnya biaya konsultasi dan pemeriksaan penyakit gigi dan mulut menyebabkan masyarakat enggan untuk memeriksakan diri ke dokter. Untuk meminimalisir biaya dan memudahkan konsultasi dibutuhkan sebuah sistem yang dapat memprediksi penyakit gigi dan mulut yang sedang dideritanya tanpa harus pergi ke dokter gigi dan mulut terlebih dahulu. Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli [13]. Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan orang awam.Sebagai contoh, dokter adalah seorang pakar yang mampu mendiagnosis penyakit yang diderita pasien serta dapat memberikan penatalaksanaan suatu penyakit. Sistem pakar untuk memprediksi penyakit gigi dan mulut adalah sebuah aplikasi yang dapat membantu masyarakat awam dalam mendiagnosa atau memprediksi penyakit gigi dan mulut. Sehingga masyarakat dapat meminimalisir biaya dan memudahkan konsultasi.Pada penelitian ini akan melakukan perancangan sistem pakar menggunakan Knowledge BasedSystem(KBS) dan Certainty Factor(CF). Proses pembentukanKBS dengan menggabungkan beberapa kejadian pada target keputusan kemudian diproses sehingga memunculkan dependency diagramselanjutnya diproses lagi untuk menghasilkan tabel keputusan yang  belum di reduksi,setelah proses reduksi dilakukan maka akan menghasilkan tabel yang sudah di reduksi.Dari tabel keputusan yang sudah di reduksi menghasilkan if thenrule. Dengan ditambahkan Certainty Factor diharapkan mampu menghasilkan diagnosa penyakit yang mendekati keakuratan. Berdasarkan hasil pengujian, sistem pakar untuk memprediksi awal penyakit gigi dan mulut dengan menggunakan Knowledge Based Systemdan Certainty Factor,memiliki prosentase keberhasilan 90% serta kegagalan yang dialami 10%. Besar prosentase keberhasilan sangat bergantung oleh keakurasian data gejala penyakit yang digunakan.

Unduhan

Data unduhan belum tersedia.

Diterbitkan

2016-08-01