SISTEM PAKAR DIAGNOSIS PENYAKIT INFEKSI YANG DISEBABKAN OLEH BAKTERI DAN VIRUS MENGGUNAKAN METODE CASE BASED REASONING DENGAN ALGORITMA K-NEAREST NEIGHBOR BERBASIS WEBSITE (STUDI KASUS : PRAKTEK DOKTER dr.ANDHIKO B. SEKTI)

Julianto, Afis (2020) SISTEM PAKAR DIAGNOSIS PENYAKIT INFEKSI YANG DISEBABKAN OLEH BAKTERI DAN VIRUS MENGGUNAKAN METODE CASE BASED REASONING DENGAN ALGORITMA K-NEAREST NEIGHBOR BERBASIS WEBSITE (STUDI KASUS : PRAKTEK DOKTER dr.ANDHIKO B. SEKTI). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (703kB)
	Text (BAB I) BAB I.pdf Download (319kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (847kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (2MB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (69kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (1MB)
	Archive (SOURCE CODE) Source Code - Afis Julianto.rar Restricted to Repository staff only Download (65MB)
	Text (PUBLIKASI) Publikasi_18.21.1138 - Afis Julianto.pdf Restricted to Repository staff only Download (757kB)

Abstract

Penyakit infeksi bakteri dan virus merupakan salah satu masalah kesehatan yang paling banyak dialami manusia. Penyakit infeksi bakteri dan virus harus cepat didiagnosis agar tidak semakin parah. Namun kenyataannya banyak penyakit yang pada akhirnya terlambat didiagnosis sehingga mencapai tahap kronis. Padahal sebelum mencapai tahap tersebut, biasanya pasien menunjukkan gejala-gejala penyakit namun masih dalam tahap ringan. Untuk mengatasi permasalahan tersebut diperlukan adanya sistem pakar yang dapat membantu pasien dalam mendiagnosis dini penyakit akibat infeksi bakteri dan virus. Pada penelitian ini menggunakan metode penalaran berbasis kasus atau Cased Based Reasoning (CBR) dengan menggunakan algoritma K-Nearest Neighbor (K-NN) dimana dilakukan perhitungan kemiripan pada kasus lama dengan kasus baru. Sistem ini dapat mendiagnosis 7 jenis penyakit infeksi bakteri dan virus berdasarkan 45 gejala yang ada. Luaran sistem berupa jenis penyakit akibat infeksi bakteri dan virus berdasarkan gejala yang dialami pasien, solusi pengobatan dan presentasi kemiripan antara kasus baru dengan kasus lama. Tingkat ketepatan sistem yang dihasilkan dari pengujian yang dilakukan sebanyak 3 kali terhadap 110 data dengan pembagian 77 data latih dan 33 data uji yang berbedabeda didapat nilai rata-rata sebesar 100%.

Actions (login required)

View Item