PENERAPAN METODE CASE BASED REASONING PADA SISTEM PAKAR DIAGNOSIS PENYAKIT DALAM DENGAN ALGORITMA NEAREST NEIGHBOUR

Devras, Callista Audi (2024) PENERAPAN METODE CASE BASED REASONING PADA SISTEM PAKAR DIAGNOSIS PENYAKIT DALAM DENGAN ALGORITMA NEAREST NEIGHBOUR. Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (cover) 00. cover.pdf - Accepted Version Download (455kB)
	Text (BAB I-III) 01. BAB I-III.pdf - Accepted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) 02. BAB IV.pdf - Accepted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 03. BAB V.pdf - Accepted Version Restricted to Registered users only Download (233kB) | Request a copy
	Text (DAFTAR PUSTAKA) 04. DAFTAR PUSTAKA.pdf - Accepted Version Download (250kB)
	Text (Lampiran) 05. Lampiran.pdf - Accepted Version Restricted to Registered users only Download (591kB) | Request a copy

Abstract

Kurangnya akses terhadap layanan kesehatan, terbatasnya jumlah dokter dan tingginya biaya periksa ke dokter menjadi tantangan utama dalam penanganan penyakit dalam. Untuk mengatasi ini, penelitian ini mengembangkan sebuah sistem pakar berbasis Case Based Reasoning dengan Algoritma Nearest Neighbour untuk mendiagnosis penyakit dalam. Sistem ini dirancang untuk memberikan diagnosis dengan mencocokan gejala user yang baru dengan kasus-kasus serupa yang telah tersimpan dalam basis data, mencari kecocokan ini menggunakan pendekatan euclidean distance berbobot. Penelitian ini bertujuan untuk Menerapkan sistem pakar diagnosis penyakit dalam menggunakan Case Based Reasoning dan Algoritma Nearest Neighbour berbasis web, aplikasi dikembangkan menggunakan bahasa pemrograman PHP dan menggunakan framework Laravel, serta mengetahui tingkat akurasi sistem pakar diagnosis penyakit dalam dengan menggunakan confusion matrix. Penelitian ini mengikuti tahapan Expert System Development Life Cycle , meliputi identifikasi masalah, akuisisi pengetahuan, representasi pengetahuan, implementasi dan pengujian. Hasil dari pengujian confusion matrix menunjukan tingkat akurasi sistem ini yaitu 88.89% berdasarkan data testing dan 80% berdasarkan praktik dokter ditempat, sehingga rata-rata akurasi sistem adalah 84.445%.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Case Based Reasoning, Algoritma Nearest Neighbour, Penyakit dalam, Euclidean Distance berbobot, dan confusion matrix
Subjects:	Education > Education (General) Technology > TN Mining engineering. Metallurgy Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User:	Callista Audi Devras
Date Deposited:	17 Sep 2024 02:54
Last Modified:	17 Sep 2024 02:54
URI:	https://repository.bakrie.ac.id/id/eprint/10890

Actions (login required)

View Item