Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : InfoTekJar%20(Jurnal%20Nasional%20Informatika%20dan%20Teknologi%20Jaringan)

Perancangan Sistem Pakar Diagnosis Penyakit Rematik Menggunakan Inferensi Forward Chaining Berbasis Prolog Hairani Hairani; Mokhammad Nurkholis Abdillah; Muhammad Innuddin
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 4, No 1 (2019): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (392.523 KB) | DOI: 10.30743/infotekjar.v4i1.1377

Abstract

Penyakit artrhitis atau sering dikenal dengan nama rematik merupakan penyakit yang menyerang sendi dan struktur atau jaringan penunjang sekitar sendi. Jenis penyakit rematik memiliki lebih dari 150 jenis, tetapi di indonesia ada 3 jenis penyakit paling sering diderita masyarakat diantaranya Gout Arthritis, Rheumatoid Arthritis, dan Osteo Arthritis. Gejala pada jenis penyakit rematik sering tidak disadari oleh masyarakat, karena umumnya memiliki gejala yang mirip satu sama lain. Salah satu solusi yang dapat digunakan masyarakat untuk melakukan diagnosis dini jenis penyakit rematik adalah sistem pakar. Sistem pakar adalah sebuah sistem yang mengadopsi pengetahuan pakar sehingga dapat melakukan seperti yang dilakukan pakar. Penelitian ini mengembangkan sistem pakar diagnosis penyakit rematik menggunakan inferensi forward chaining berbasis prolog. Metode inferensi forward chaining digunakan untuk menarik kesimpulan jenis penyakit rematik yang diderita berdasarkan gejala-gejala yang dirasakan. Berdasarkan pengujian yang telah dilakukan bahwa metode inferensi forward chaining dapat melakukan diagnosis jenis penyakit rematik..
Komparasi Akurasi Metode Correlated Naive Bayes Classifier dan Naive Bayes Classifier untuk Diagnosis Penyakit Diabetes Hairani Hairani; Gibran Satya Nugraha; Mokhammad Nurkholis Abdillah; Muhammad Innuddin
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 3, No 1 (2018): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v3i1.558

Abstract

Penyakit diabetes merupakan salah satu penyakit paling banyak diderita oleh manusia seluruh dunia. Setiap tahun terjadi peningkatan kematian yang disebabkan oleh penyakit diabetes. Penyakit diabetes terjadi disebabkan oleh tubuh tidak menghasilkan insulin dalam jumlah yang cukup. Salah satu cara yang digunakan untuk mengurangi jumlah kematian yang disebabkan oleh penyakit diabetes adalah melakukan diagnosis secara dini. Salah satu teknik yang bisa digunakan adalah memanfaatkan teknik data mining. Untuk melakukan diagnosis penyakit diabetes dibutuhkan suatu metode yang memiliki akurasi terbaik. Pada penelitian ini melakukan komparasi metode Correlated-Naive Bayes Classifier dan Naive Bayes Classifier untuk mendapatkan akurasi terbaik sehingga dapat digunakan untuk diagnosis penyakit diabetes. Berdasarkan pengujian yang telah dilakukan menunjukkan bahwa metode Correlated Naive Bayes Classifier (CNBC) memperoleh akurasi terbaik dibandingkan dengan metode Naive Bayes Classifier (NBC) untuk Dataset Pima indian Diabetes. Tingkat akurasi metode Correlated Naive Bayes Classifier (CNBC) sebesar 67,15%, sedangkan metode Naive Bayes Classifier (NBC) sebesar 64,33%. Metode Correlated Naive Bayes Classifier (C-NBC) memiliki akurasi lebih tinggi dibandingkan metode Naïve Bayes Classifier (NBC) karena pada metode Correlated Naïve Bayes Classifier memperhitungkan nilai korelasi dari masing-masing atribut dataset terhadap Kelasnya. Dengan demikian penggunaan metode Correlated Naïve Bayes Classifier (C-NBC) dapat digunakan untuk melakukan diagnosis penyakit diabetes karena memiliki tingkat akurasi yang bagus dibandigkan metode Naive Bayes Classifier.