Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic Symmetric
Penyakit stroke merupakan salah satu penyakit yang cukup berbahaya di Indonesia. Penyakit yang diawali dengan tanda seperti mati rasa yang berada di wajah, kaki, lengan, ataupun di sisi salah satu tubuh, disertai dengan adanya kebingungan dan sulit untuk bicara. Penyakit stroke merupakan suatu penya...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Bina Sarana Informatika, LPPM
2021-02-01
|
| Series: | Jurnal Informatika |
| Online Access: | https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/8563 |
| _version_ | 1823935146982637568 |
|---|---|
| author | Rizal Rachman |
| author_facet | Rizal Rachman |
| author_sort | Rizal Rachman |
| collection | DOAJ |
| description | Penyakit stroke merupakan salah satu penyakit yang cukup berbahaya di Indonesia. Penyakit yang diawali dengan tanda seperti mati rasa yang berada di wajah, kaki, lengan, ataupun di sisi salah satu tubuh, disertai dengan adanya kebingungan dan sulit untuk bicara. Penyakit stroke merupakan suatu penyakit yang berhubungan dengan aliran darah ke otak. Mengingat sedikitnya dokter spesialis saraf di berbagai daerah di Indonesia serta keterbatasan waktu dan tenaga seorang dokter dalam melayani masyarakat luas sehingga dibutuhkan sebuah sistem yang mampu membantu mendiagnosa penyakit stroke. Sistem pakar dapat memungkinkan orang awam bisa mengerjakan pekerjaan para ahli. Perhitungan ketidakpastian dalam sistem pakar dapat dilakukan dengan beberapa metode ketidakpastian. Case based reasoning merupakan sebuah paradigma utama dalam penalaran otomatis (automated reasoning) dan mesin pembelajaran (machine learning). Untuk mencari jarak terdekat dari tiap tiap kasus dan mencari ukuran kemiripan (similaritas) kasus lama dengan kasus baru, dalam penelitian ini menggunakan algoritma K-Nearest Neighbor dan algoritma similaritas probabilistic symmetric. Dalam penelitian ini, telah dibuat web aplikasi sistem pakar diagnosa penyakit stroke sehingga dapat membantu masyarakat/pengguna dalam mendiagnosa awal gejala penyakit stroke tanpa menemui seorang dokter. |
| first_indexed | 2024-12-16T22:32:36Z |
| format | Article |
| id | doaj.art-a967be64170445efa3203f192c6092f3 |
| institution | Directory Open Access Journal |
| issn | 2355-6579 2528-2247 |
| language | Indonesian |
| last_indexed | 2024-12-16T22:32:36Z |
| publishDate | 2021-02-01 |
| publisher | Universitas Bina Sarana Informatika, LPPM |
| record_format | Article |
| series | Jurnal Informatika |
| spelling | doaj.art-a967be64170445efa3203f192c6092f32022-12-21T22:13:43ZindUniversitas Bina Sarana Informatika, LPPMJurnal Informatika2355-65792528-22472021-02-0181101610.31294/ji.v8i1.85634250Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic SymmetricRizal Rachman0STMIK Nusa Mandiri JakartaPenyakit stroke merupakan salah satu penyakit yang cukup berbahaya di Indonesia. Penyakit yang diawali dengan tanda seperti mati rasa yang berada di wajah, kaki, lengan, ataupun di sisi salah satu tubuh, disertai dengan adanya kebingungan dan sulit untuk bicara. Penyakit stroke merupakan suatu penyakit yang berhubungan dengan aliran darah ke otak. Mengingat sedikitnya dokter spesialis saraf di berbagai daerah di Indonesia serta keterbatasan waktu dan tenaga seorang dokter dalam melayani masyarakat luas sehingga dibutuhkan sebuah sistem yang mampu membantu mendiagnosa penyakit stroke. Sistem pakar dapat memungkinkan orang awam bisa mengerjakan pekerjaan para ahli. Perhitungan ketidakpastian dalam sistem pakar dapat dilakukan dengan beberapa metode ketidakpastian. Case based reasoning merupakan sebuah paradigma utama dalam penalaran otomatis (automated reasoning) dan mesin pembelajaran (machine learning). Untuk mencari jarak terdekat dari tiap tiap kasus dan mencari ukuran kemiripan (similaritas) kasus lama dengan kasus baru, dalam penelitian ini menggunakan algoritma K-Nearest Neighbor dan algoritma similaritas probabilistic symmetric. Dalam penelitian ini, telah dibuat web aplikasi sistem pakar diagnosa penyakit stroke sehingga dapat membantu masyarakat/pengguna dalam mendiagnosa awal gejala penyakit stroke tanpa menemui seorang dokter.https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/8563 |
| spellingShingle | Rizal Rachman Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic Symmetric Jurnal Informatika |
| title | Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic Symmetric |
| title_full | Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic Symmetric |
| title_fullStr | Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic Symmetric |
| title_full_unstemmed | Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic Symmetric |
| title_short | Implementasi Case Based Reasoning Mendiagnosa Penyakit Stroke Menggunakan Algoritma Probabilistic Symmetric |
| title_sort | implementasi case based reasoning mendiagnosa penyakit stroke menggunakan algoritma probabilistic symmetric |
| url | https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/8563 |
| work_keys_str_mv | AT rizalrachman implementasicasebasedreasoningmendiagnosapenyakitstrokemenggunakanalgoritmaprobabilisticsymmetric |