SISTEM PAKAR DETEKSI DINI GEJALA GANGGUAN NEUROLOGI MENGGUNAKAN METODE CASE BASED REASONING DENGAN ALGORITMA SIMILARITAS 3W-JACCARD

  • Ilham Pratama
  • Setyawan Wibisono
  • Eddy Nurraharjo

Abstract

Neurologi adalah cabang ilmu kedokteran yang menangani sistem saraf, di mana terdapat macammacam bagian jenis saraf yang ada pada manusia, salah satunya sistem saraf pusat yang terdiri dari otak dan sumsung tulang belakang. Kebanyakan masyarakat saat ini cenderung mengabaikan atau kurang dalam menanggapi gangguan yang terjadi pada sistem saraf. Bagaimanapun juga sistem saraf sangat berperan penting dalam segala aktivitas manusia, karena jika sedikit saja timbul gejala atau gangguan yang diabaikan maka bisa berakibat serius. Sebagaimana teknologi semakin canggih, maka dari itu untuk kedepannya penelitian ini diharapkan bisa membantu menggantikan seorang pakar, yang mencakup dalam hal kesehatan tentunya menggantikan peran seorang dokter untuk mendiagnosa dini gejala pada sistem saraf yang akan di implementasikan pada sebuah sistem yang dinamakan sistem pakar. Metode yang digunakan dalam sistem pakar adalah CBR (Case Based Reasoning). Metode ini digunakan untuk mencari persamaan dengan penalaran yang berbasis kasus yang sudah ada dengan kasus yang baru. CBR memiliki empat tahapan proses yaitu retrieve, reuse, revise, dan retain. Maka, dari proses tersebut akan dihitung dengan algoritma similaritas 3WJaccard untuk mencari presentase nilai kemiripan dan dijadikan hasil sebagai gejala yang akan menentukan diagnosa penyakit pada sistem saraf manusia.

References

[1] Kusumadewi, S., 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.
[2] Feriyawati, L., 2006. Anatomi Sistem Saraf dan Peranannya dalam Regulasi Kontraksi Otot Rangka. [Disertasi]. Medan: Fakultas Kedokteran Universitas Sumatra Utara.
[3] Irianto, K., 2004. Struktur dan fungsi tubuh manusia. Jakarta: Yrama Widia.
[4] Harsono., 2011. Buku Ajar Neurologi Klinis. Yogyakarta: Gadjah Mada University Press.
[5] Aamodt. A., dan Plaza E., 1994, Case Based Reasoning: Foundational Issues, Methodological Variations, and System Aproaches, IA Com-Artifical Intellegence Communication, IOS Press, Vol. 7. Ed. 1.
[6] Aconcagua, P.A., Wibisono, S., (2017), Case Based Reasoning untuk Mendeteksi Hama dan Penyakit Tanaman Anggrek Dendrobium Menggunakan Algoritma Similaritas Probabilistic Symmetric. SINTAK, 1.
[7] Setiawan, A, & Wibisono, S. (2018), Case Based Reasoning untuk Mendiagnosa Penyakit dan Hama pada Tanaman Mangga Menggunakan Algoritma Similaritas Sorgenfrei. Jurnal DINAMIK, Volume 23, No.1.
[8] Pahlawan, A. R., & Wibisono, S. (2017), Implementasi Case Based Reasoning untuk Sistem Diagnosis Hama dan Penyakit Tanaman Cabe Merah Menggunakan Algoritma Similaritas Neyman. SINTAK, 1.
[9] Prayuda, A.F., Wibisono, S., & Hadikurniawati, W. (2018), Implementasi Sistem Pakar Untuk Rekomendasi Masakan Tradisional dengan Metode Case Based Reasoning Menggunakan Algoritma Similaritas Czekanowski. Prosiding SENDI_U.
[10] Liao, T. W., Zhang, Z., dan Mount, C. R., 1998, Similarity Measures for Retrieval in Case-Based Reasoning Systems, Applied Artificial Intelligence, Vol. 12, Ed. 4.
Published
2019-12-06
How to Cite
Pratama, I., Wibisono, S., & Nurraharjo, E. (2019). SISTEM PAKAR DETEKSI DINI GEJALA GANGGUAN NEUROLOGI MENGGUNAKAN METODE CASE BASED REASONING DENGAN ALGORITMA SIMILARITAS 3W-JACCARD. SINTAK, 3. Retrieved from https://www.unisbank.ac.id/ojs/index.php/sintak/article/view/7630
Section
Vol 3 (2019)