Penerapan Euclidean Probability dalam Mendiagnosis Atopik Dermatis

Penulis

Puji Sari Ramadhan

Abstrak

Atopik Dermatis atau yang lebih dikenal dengan istilah Eksim Susu merupakan penyakit yang terjadi pada anak pada bagian kulit. Tingginya penyebaran penyakit ini terhadap bayi atau anak-anak, maka perlu melakukan antisipasi dengan cara membangun sebuah sistem yang mampu menghasilkan pengetahuan dan informasi tentang Atopik Dermatis, sehingga dapat mengurangi resiko penyebaran penyakit ini serta dapat sesegera mungkin untuk dapat dilakukan penanganan dini terhadap penderita. Sistem yang akan dibentuk adalah dengan cara memindahkan segala bentuk informasi dan pengetahuan tentang Atopik Dermatis ke dalam aplikasi diagnosis  dengan menerapkan keilmuan Sistem Pakar yang menggunakan analisa Euclidean Probability. Penggunaan metode ini dalam melakukan diagnosis  nantinya dapat memberikan kontribusi dalam pengembangan dan kebaruan dalam penggunaan metode pada keilmuan sistem pakar dalam menghasilkan kesimpulan diagnosis. Selain itu dengan penerapan metode ini kedalam aplikasi diagnosis  dapat membantu masyarakat luas dalam melakukan diagnosis  tentang Atopik Dermatis, hal ini didasari dengan banyaknya penggunaan metode ini dalam penelitian sebelumnya, serta terlihat dari hasil pengujian yang telah dilakukan maka dapat diketahui bahwa  Euclidean Probability menghasilkan  nilai akurasi 100%  dari data yang tervalidasi dan hasil diagnosis  Euclidean Probability lebih optimal dibanding dengan teknik konvensional serta metode sistem pakar lainnya.

 

Abstract

Atopic Dermatitis, better known as Milk Eczema, is a disease that occurs in children on the skin. The high spread of this disease to infants or children, it is necessary to anticipate by building a system that can produce knowledge and information about Atopic Dermatitis, to reduce the risk of spreading this disease and early treatment for sufferers as soon as possible. The system that will be formed is by transferring all forms of information and knowledge about Atopic Dermatitis into the diagnosis application using Euclidean Probability analysis. The use of this method in making a diagnosis later can contribute to the development and novelty of the use of techniques in scientific expert systems in generating diagnosis conclusions. Also, by applying this method into the application of diagnosis can help the broader community in making a diagnosis of Atopic Dermatitis. This is based on the many uses of this method in previous studies, and it can be seen from the results of testing that Euclidean Probability produces an accuracy value of 100 % of validated data and the effects of Euclidean diagnosis Probability is more optimal compared to conventional techniques and other expert system methods.


 

Teks Lengkap:

PDF

Referensi


AGHA, M. EL, JARGHON, A. AND NASER, S. S. A. (2017) “Polymyalgia Rheumatic Expert System,” (August).

AKIB, A. ROMA, J. DAN K. N. (2015) Penyakit Defisiensi Imun. 1st ed. Jakarta: Ikatan Dokter Indonesia.

ASHARI (2016) “Penerapan Sistem Pakar Untuk Mendiagnosa Penyakit Pecernaan Dengan Pengobatan Alami,” (November), pp. 1–9.

HADINI, F. M. (2017) “Detection System Milkfish Formalin Android-Based Method Based on Image Eye Using Naive Bayes Classifier,” 9(1), pp. 2–5.

HANIFAH, U. ET AL. (2018) “DETEKSI PENYAKIT PTERIGIUM MENGGUNAKAN FORWARD CHAINING DAN ALGORITMA VIOLA JONES DETECTION OF PTERIGIUM DISEASE USING FORWARD CHAINING AND VIOLA,” 5(3), pp. 6118–6125.

HOSSAIN, M. S. ET AL. (2017) “A Belief Rule Based Expert System to Assess Tuberculosis under Uncertainty,” Journal of Medical Systems. Journal of Medical Systems, 41(3). doi: 10.1007/s10916-017-0685-8.

JAMAL, A. AND SUKADI (2015) “Rancang Bangun Sistem Pakar Diagnosa Kerusakan Notebook Pada Widodo Computer Ngadirojo kabupaten Pacitan,” Journal Speed – Sentra Penelitian Engineering dan Edukasi –, 7(3), pp. 52–58.

JOSHI, A. AND ASHISH, M. (2017) “Analysis Of K-Nearest Neighbor Technique For Breast Cancer Disease Classification,” International Journal of Recent Scientific Research, 8(8), pp. 1005–19008. doi: 10.24327/IJRSR.

MAHARANI, A. (2015) Penyakit Kulit. 1st ed. Edited by Mona. Yogyakarta: Pustaka Baru Press.

MASYA, F., PRASTIAWAN, H. AND MUBAROQ, S. (2016) “Application Design to Diagnosis of Bone Fracture ( Traditional ) using Forward Chaining Methods,” International Research Journal of Computer Science (IRJCS), 3(09), pp. 23–30.

MINARN, WARMAN, I. AND HANDAYANI, W. (2017) “Case-Based Reasoning (Cbr) Pada Sistem Pakar Identifikasi Hama Dan Penyakit Tanaman Singkong Dalam Usaha Meningkatkan Produktivitas Tanaman Pangan,” Jurnal TEKNOIF, 5(1), pp. 41–47. doi: 10.21063/JTIF.2017.V5.1.41-47.

MOHAMAD HADI, MISDRAM, M. AND A, R. F. (2016) “Perancangan Sistem Pakar Diagnosa Penyakit Ayam Dengan Metode Forward Chaining,” JImp, 2(no bagian volume), pp. 111–139. doi: 10.1017/CBO9781107415324.004.

NURAJIZAH, S. AND SAPUTRA, M. (2018) “Sistem Pakar Berbasis Android Untuk Diagnosa Penyakit Kulit Kucing Dengan Metode Forward Chaining,” Jurnal Pilar Nusa Mandiri, 14(1), pp. 7–14. Available at: http://ejournal.nusamandiri.ac.id/ejurnal/index.php/pilar/article/view/750/pdf.

PUTRI, S. A. AND SAPUTRA, E. P. (2018) “Perancangan Aplikasi Sistem Pakar Diagnosa Awal Kanker Reproduksi Wanita Dengan Metode Certainty Factor,” 2(3), pp. 63–68.

QWAIDER, S. AND NASER, S. S. A. (2017) “Expert System for Diagnosing Ankle Diseases,” (August).

RAMADHAN, P. S. (2018a) “Sistem Pakar Pendeteksian Varicella Simplex Dengan Menggunakan Teorema Bayes,” 5(5), pp. 454–459.

RAMADHAN, P. S. (2018b) “SISTEM PAKAR PENDIAGNOSAAN DERMATITIS IMUN MENGGUNAKAN TEOREMA BAYES,” InfoTekJar(Jurnanl Nasional Informatika dan Teknologi Jaringan), 3(73), pp. 43–48.

RAMADHAN, P. S. (2019) “PENERAPAN EUCLIDEAN PROBABILITY DALAM PENDETEKSIAN PENYAKIT IMPETIGO,” 4(1), pp. 11–16.

RAMADHAN, P. S. AND FATIMAH (2018) “Sistem E-Healthcare Untuk Mendiagnosa Penyakit Inflamasi Dermatitis Imun Anak Dengan Menggunakan Metode Certainty Factor,” 1(1), pp. 251–256.

RAMADHAN, P. S. AND FATIMAH, U. (2018) “Analisis Perbandingan Metode ( Certainty Factor , Dempster Shafer dan Teorema Bayes ) untuk Mendiagnosa Penyakit Inflamasi Dermatitis Imun pada Anak,” Saintikom, 17(2), pp. 151–157.

SINAGA, B., HASUGIAN, P. M. AND MANURUNG, A. M. (2018) “Sistem Pakar Mendiagnosa Kerusakansmartphone,” 3(1).

SITI HAWA, ABDULLAH, U. (2015) “Sistem Pakar Diagnosa Penyakit Pada Tanaman Kakao Menggunakan Metode Forward Chaining (Studi Kasus Dinas Perkebunan Indragiri Hilir) 1,” 4, pp. 1–8.

SUYATNO, A. AND KHAIRINA, D. M. (2018) “PENDETEKSI GANGGUAN JARINGAN LOKAL MENGGUNAKAN METODE CERTAINTY FACTOR,” 13(2), pp. 60–64.

TUSLAELA AND PERMADI, D. (2018) “Sistem Pakar Diagnosa Penyakit Gigi Dan Mulut Berbasis Web dengan Metode Forward Chaining,” Jurnal PROSISKO, 5(1), pp. 17–26. Available at: http://e-jurnal.lppmunsera.org/index.php/PROSISKO/article/view/586/594.

VERAWATY , MESRAN, SUGINAM, A. K. (2017) “Jambu Biji Menggunakan Metode Bayes,” 2(1), pp. 78–81.

WANG, T. ET AL. (2015) “Fault Diagnosis of Electric Power Systems Based on Fuzzy Reasoning Spiking Neural P Systems,” IEEE Transactions on Power Systems, 30(3), pp. 1182–1194. doi: 10.1109/TPWRS.2004.836256.

WIDJAJA, A. AND SUSILO, A. B. (2017) “EXPERT SYSTEM TO IDENTIFY DAMAGE CISCO AS5300 DEVICE WITH THE METHOD OF FORWARD CHAINING-BASED CLIENT-,” 9, pp. 787–805.

WULANDARI, KADEK AND MADE, S. (2018) “Prediction of Days in Hospital Dengue Fever Patients using K-Nearest Neighbor,” 3(1), pp. 23–25.

YANTO, B. F., WERDININGSIH, I. AND PURWANTI, E. (2017) “Aplikasi Sistem Pakar Diagnosa Penyakit Pada Anak Bawah Lima Tahun Menggunakan Metode Forward Chaining,” Journal of Information Systems Engineering and Business Intelligence, 3(1), pp. 61–67.

YENI ET AL. (2017) “Sistem Pakar Untuk Mendiagnosis Penyakit Tumor Otak Menggunakan Metode Certainty Factor (CF),” Jurnal INFOTEK, 2(1), pp. 0–4. Available at: http://ejurnal.amikstiekomsu.ac.id/index.php/infotek/article/view/98.

ZUHAER, M. AND ALHABIB, M. H. M. (2018) “Face Recognition System Based on Kernel Discriminant Analysis , K-Nearest Neighbor and Support Vector Machine,” 5(3), pp. 335–338.




DOI: http://dx.doi.org/10.25126/jtiik.2020752023