Penerapan Metode Certainty Factor untuk Sistem Pakar Diagnosa Penyakit Degeneratif
Abdul Malik I Buna1,*, Citra Yustitya Gobel2
Sistem Informasi, Sistem Informasi, STMIK Ichsan, Gorontalo, Indonesia Email: 1,*mailqloex@gmail.com 2gobelcitra87@gmail.com,
Email Penulis Korespondensi: mailqloex@gmail.com Submitted 24-03-2023; Accepted 30-04-2023; Published 30-04-2023
Abstrak
Penyakit degeneratif merupakan kondisi kesehatan di mana organ atau jaringan terkait keadaan manusia yang terus menurun seiring waktu, Penyakit ini terjadi karena adanya perubahan pada sel-sel tubuh yang akhirnya mempengaruhi fungsi organ secara menyeluruh. Permasalahan saat ini, kurangnya pengetahuan masyarakat akan gejala-gejala dan jenis penyakit degeneratif serta kesaradan untuk memeriksakan kondisi kesehatan karena terhambat oleh biaya pemeriksaan yanng tergolong mahal.
Tujuan dari Penelitian untuk merancang Sistem Pakar Untuk Mendiagnosa Penyakit degeneratif Menggunakan Metode Certainty Factor sehingga dapat memudahkan masyarakat melakukan diagnosa penyakit degeneratif. Metode penelitian yang digunakan adalah metode Research and Development dimana Sumber data yang digunakan adalah data-data primer dan sekunder dengan metode pengumpulan data melalui observasi dan interview. Penelitian menerapkan metode certainty factor pada diagnosis dua penyakit regenatif yaitu penyakit Stroke dan Jantung coroner, hasil yang diperoleh dari perhitungan metode cetainty factor berdasarkan bobot MB setiap gejala-gejala penyakit dan melakukan uji coba pada tiga orang pasien telah mendapatkan nilai presentase CF diatas 90%
memiliki gejala penyakit Stroke sedangkan hasil implementasi sistem pakar di rancang pada platform mobile sehingga user dapat dengan mudah melakukan konsultasi diagnosis penyakit.
Kata Kunci: Penyakit Degeneratif; Sistem Pakar; Certaity Factor Abstract
Degenerative disease is a health condition in which organs or tissues related to the human condition continue to decline over time. This disease occurs due to changes in the body's cells which ultimately affect organ function as a whole. The current problem is the lack of public knowledge of the symptoms and types of degenerative diseases as well as the awareness to check health conditions because it is hampered by the relatively expensive cost of examinations. The purpose of this research is to design an expert system for diagnosing degenerative diseases using the Certainty Factor method so that it can make it easier for people to diagnose degenerative diseases. The research method used is the Research and Development method where the data sources used are primary and secondary data with data collection methods through observation and interviews. Research applies the certainty factor method to the diagnosis of two regenerative diseases, namely stroke and coronary heart disease, the results obtained from the calculation of the certainty factor method based on the MB weight of each disease symptom and conducting trials on three patients have obtained a CF percentage value above 90% having symptoms of Stoke disease while the results of the expert system implementation are designed on a mobile platform so that users can easily consult disease diagnoses.
Keywords: Degenerative disease; Expert system; Certaity Factor
1. PENDAHULUAN
Penyakit degeneratif merupakan kondisi kesehatan di mana organ atau jaringan terkait keadaannya yang terus menurun seiring waktu. Penyakit ini terjadi karena adanya perubahan pada sel-sel tubuh yang akhirnya mempengaruhi fungsi organ secara menyeluruh. Proses penuaan adalah penyebab penyakit degeneratif yang paling umum, semakin bertambah usia maka fungsi jaringan dan organ tubuh pun akan semakin mengalami penurunan[1]. Banyak faktor penyebab yang dapat memicu penyakit degeneratif, diantaranya pola makan, kebiasaan malas bergerak, jarang olahraga, dan merokok. Penyakit degeneratif yang akan di bahas pada penelitian ini yaitu stroke dan jantung coroner[2]. Saat ini, jumlah angka penderita penyakit degeneratif telah banyak di masyarakat namun kurangnya kesadaran serta pengetahuan masyarakat akan gejala- gejala penyakit degeneratif ini yang menjadi latar belakang pembangunan sistem pakar untuk mendiagnosa penyakit degeneratif.
Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tertentu termasuk dalam bidang kesehatan[3]. Sistem pakar menggabungkan pengetahuan dan penelusuran data untuk memecahkan masalah yang secara normal memerlukan keahlian manusia[4]. Tujuan pengembangan sistem pakar sebenarnya bukan untuk menggantikan peran manusia, akan tetapi untuk mensubtitusikan pengetahuan manusia ke dalam bentuk sistem, sehingga dapat digunakan oleh orang banyak. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para pakar/ahli. Dengan pengembangan sistem pakar, diharapkan bahwa orang awampun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan membantu aktifitasnya sebagai asisten yang sangat berpengalaman[5].sistem pakar yang dalam penelitian ini menggunakan metode Certainty Factor.
Metode certainty factor (CF) merupakan metode yang mendefenisikan ukuran kepastian terhadap suatu fakta atau aturan, untuk menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi atau dalam artian dengan menggunakan certainty factor ini dapat menggambarkan tingkat keyakinan pakar berdasarkan data yang berasal dari nilai ketidakpastian yang dirasakan pasien selanjutnya akan menghasilkan faktor kepastian (CF) penyakit degeneratif yang diderita oleh pasien[6]. Penelitian sebelumnya terkait dengan Sistem pakar penyakit Degenratif pernah dilakukan oleh Yulhendri [7] penelitian ini menghasilkan Sistem pakar untuk pnentun gizi penderita penyakit degeneratif menggunakan metode forward chaining berbasis website, peneitian lain terkait dengan penerapan metode certainty factor pada system pakar pernah dilakukan oleh [8],Dina Maulina [6] dan adi sucipto[9] penelitian ini menganalisa sebuah informasi dimungkinkan seorang pakar mengungkapkan informasi berupa pernyataan yang tidak pasti seperti mungkin, kemungkinan besar dan hampir pasti. Salah satu metode yang dapat digunakan dalam mengatasi ketidak pastian adalah metode certainty factor. Certainty factor merupakan metode yang mendefinisikan ukuran kepastian terhadap fakta atau aturan untuk menggambarkan keyakinan seorang pakar terhadap masalah yang sedang dihadapi. Penelitian oleh kiki dwi[10] [11]dan Ridho dkk[12] Metode penelitiannya dimulai dari studi literatur penelitian-penelitian sebelumnya yang relevan. Analisis data mengalkulasi certainty factor (CF), kemudian didesain SDLC dengan tipe waterfall, desain activity diagram dan use case diagram. Hasil penerapan metode certainty factor (CF) untuk sistem pakar dalam diagnosis penyakit-penyakit ikan yang disebabkan oleh parasit dapat diterapkan untuk 12 penyakit dengan tingkat kepercayaan di atas 95%. Berdasarkan review dan kajian teoritis pada peneliian sebelumnya maka dalam penelitian ini diangkat judul penerapan metode certainty factor untuk sisstem pakar diagnosa penyakit Regeneratif, dalam hal ini penelitian dibatasi pada dua penyakit degeneratif yaitu penyakit stroke dan jantung coroner.
2. METODOLOGI PENELITIAN
2.1 Tahapan Penelitian
Penelitian ini menggunakan metode Research and Development atau yang dikenal dengan metode Penelitian dan Pengembangan[13]. Metode ini didefinisikan sebagai metode penelitian yang digunakan untuk menghasilkan produk tertentu dan menguji keefektifan produk tersebut. Sejalan dengan hal tersebut, Sudaryono mendefinisikan penelitian dan pengembangan sebagai suatu proses pengumpulan dan analisis data dilakukan secara sistematis dan logis untuk mecapai tujuan tertentu[14].
Gambar 1. Metode Research And Development
Research and Development membagi metode menjadi 3 bagian dalam penelitian yaitu [15] :
a. Deskriptif. Digunakan dalam studi awal untuk menghimpun data kondisi yang ada yaitu perbandingan kondisi produk yang sudah ada dan yang akan dikembangkan, kondisi pihak pengguna, kondisi faktor pendukung dan penghambat.
b. Evaluatif. Digunakan untuk mengevaluasi proses uji coba pengembangan suatu produk.
c. Eksperimen. Digunakan untuk menguji keampuhan produk yang dihasilkan.
Metode Research and Development digunakan peneliti untuk membangun Sistem Pakar Untuk Mendiagnosa Penyakit Degeneratif Berbasis Android Menggunakan Metode Certainty Factor.
2.2 Metode Certainty Factor
Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Rumus dasar faktor kepastian [16] :
𝐶𝐹 (𝐻, 𝐸) = 𝑀𝐵(𝐻, 𝐸) − 𝑀𝐷(𝐻, 𝐸)
CF(H,E) : certainty factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara – 1 sampai dengan 1. Nilai –1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kepercayaan mutlak.
(1)
MB(H,E) : ukuran kenaikan kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E.
MD(H,E): ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E
Suatu sistem pakar seringkali memiliki kaidah lebih dari satu dan terdiri dari beberapa premis yang dihubungkan dengan AND atau OR. Pengetahuan mengenai premis dapat juga tidak pasti, hal ini dikarenakan besarnya nilai (value) CF yang diberikan oleh pasien saat menjawab pertanyaan sistem atas premis (gejala) yang dialami pasien atau dapat juga dari nilai CF hipotesa.
Formula CF untuk beberapa kaidah yang mengarah pada hipotesa yang sama dapat dituliskan sebagai berikut [17]:
CF(H) {
𝐶𝐹(𝑅1) + 𝐶𝐹(𝑅2) − [𝐶𝐹(𝑅1) ∗ 𝐶𝐹(𝑅2); 𝑛𝑖𝑙𝑎𝑖 𝐶𝐹(𝑅1)𝑑𝑎𝑛 𝐶𝐹(𝑅2) > 0 𝐶𝐹(𝑅1) + 𝐶𝐹(𝑅2) − [𝐶𝐹(𝑅1) ∗ 𝐶𝐹(𝑅2); 𝑛𝑖𝑙𝑎𝑖 𝐶𝐹(𝑅1)𝑑𝑎𝑛 𝐶𝐹(𝑅2) > 0
𝐶𝐹(𝑅1)+𝐶𝐹(𝑅2)
1−min [𝐶𝐹(𝑅1).𝐶𝐹(𝑅2)}∶ 𝑛𝑖𝑙𝑎𝑖 𝐶𝐹(𝑅1)𝑑𝑎𝑛 𝐶𝐹(𝑅2)𝑏𝑒𝑟𝑙𝑎𝑤𝑎𝑛𝑎𝑛 𝑡𝑎𝑛𝑑𝑎 }
Nilai certainty factor ada 2, yaitu:
a. Nilai certainty factor kaidah yang nilainya melekat pada suatu kaidah/rule tertentu dan besarnya nilai diberikan oleh pakar.
b. Nilai certainty factor yang diberikan oleh pengguna untuk mewakili derajat kepastian/keyakinan atas premis (misalnya gejala, kondisi, ciri) yang dialami pengguna. Pada implementasi sistem pakar diagnosa penyakit dalam ini akan menggunakan rumus :
CF(R1, R2) = CF(R1) + CF(R2) – [ (CF(R1) x CF(R2) ] (3)
Karena nilai CF yang diberikan bernilai positif. Rumus tersebut kemudian dapat diterapkan pada beberapa rule yang berbeda secara bertingkat. Nilai CF setiap premis/gejala merupakan nilai yang diberikan oleh seorang pakar maupun literatur yang mendukung[18]
2.3 Penyakit Degeneratif
Penyakit degeneratif adalah kondisi kesehatan di mana organ atau jaringan terkait keadaannya yang terus menurun seiring waktu. Penyakit ini terjadi karena adanya perubahan pada sel-sel tubuh yang akhirnya mempengaruhi fungsi organ secara menyeluruh. Proses penuaan adalah penyebab penyakit degeneratif yang paling umum[19]. Ya, semakin bertambah usia, maka fungsi jaringan dan organ tubuh pun akan semakin mengalami penurunan. Itu sebabnya, orang lanjut usia (lansia) lebih mungkin dan lebih umum mengalami berbagai jenis penyakit degeneratif ketimbang dengan orang yang lebih muda.
Meski begitu, penyakit ini juga bisa menyerang semua kalangan tanpa memandang usia. Beberapa faktor seperti gaya hidup, riwayat penyakit, dan genetik dapat memengaruhi seseorang untuk terkena penyakit ini[20].
3. HASIL DAN PEMBAHASAN
3.1 Penerapan Metode Certainty Factor
Penellitian ini membahas penerapan metode certainy Factor untuk diagnosa penyakit regeneratif dimana Data nilai kepercayaan certainty factor atau aturan dari pakar yang akan dibutuhkan dalam pembuatan sistem, berupa nilai 0,2 – 1,0 yang pakar gunakan untuk menilai setiap gejala dari penyakit Regeneatif[8]. Pada penelitian ini akan membutuhkan nilai CF dari 23 gejala pada 4 penyakit Degeneatif. Berikut merupakan Rule sistem pakar penyakit degeneratif.
Tabel 1. Rule Nilai Kepercayaan Pakar
Nama Penyakit Kode Nama Gejala MB
Penyakit Store G001 Salah satu sisi wajah akan terlihat menurun dan tidak mampu tersenyum karena mulut atau mata terkulai
0.8 G002 Tidak mampu mengangkat salah satu lengannya karena terasa lemas atau mati rasa.
Tidak hanya lengan, tungkai yang satu sisi dengan lengan tersebut juga mengalami kelemahan
0.8
G003 Ucapan tidak jelas, kacau, atau bahkan tidak mampu berbicara sama sekali meskipun penderita terlihat sadar
0.7 G024 Baal atau mati rasa sebelah badan, terasa kesemutan, terasa seperti terkena cabai,
rasa terbakar.
0.8
G025 Mulut, lidah mencong bila diluruskan 0.8
G026 Gangguan menelan, seperti sulit menelan, bila minum suka tersedak 0.6
G027 Tidak memahami pembicaraan orang lain 0.7
G028 Tidak mampu membaca dan menulis dan tidak memahami tulisan 0.7
G029 Berjalan menjadi sulit, langkahnya kecil-kecil 0.6
G030 Tidak dapat berhitung, kepandaian menurun 0.6
(2)
G031 Menjadi pelupa (dimensia) 0.6 G032 Vertigo (pusing, puyeng) atau perasaan berputar yang menetap saat tidak
beraktivitas
0.5 G033 Onset/awal terjadinya penyakit cepat, mendadak dan biasanya pada saat bangun
tidur/istirahat
0.6 G034 Penglihatan terganggu, sebagian lapang pandangan tidak terlihat, gangguan
pandangan tanpa rasa nyeri, penglihatan gelap atau ganda sesaat (berbayang)
0.6
G035 Tuli satu telinga atau pendengaran berkurang 0.5
Penyakit Jantung Coroner
G002 Tidak mampu mengangkat salah satu lengannya karena terasa lemas atau mati rasa.
Tidak hanya lengan, tungkai yang satu sisi dengan lengan tersebut juga mengalami kelemahan.
0.5
G003 Ucapan tidak jelas, kacau, atau bahkan tidak mampu berbicara sama sekali meskipun penderita terlihat sadar
0.5
G074 Nyeri dada 0.8
G075 Tertekan di daerah dada 0.8
G076 Rasa berat di dada 0.8
G077 Rasa mual atau nyeri ulu hati 0.7
G078 Keringat Dingin 0.6
G079 Rasa terbakar 0.6
Pada sesi konsultasi sistem, user diberi pilihan jawaban yang masing-masing memiliki bobot sebagai berikut : a Tidak = 0
b Sedikit yakin = 0,4 c Cukup yakin = 0,6 d Yakin = 0,8 e Sangat yakin = 1
a. Gejala Pasien (User) (MD) - G001 = Sedikit Yakin (0.4) - G002 = Yakin (0.8) - G003 = Cukup Yakin (0.6) - G024 = Sangat Yakin (1) - G025 = Sangat Yakin (1) b. CF Kesimpulan
Tabel 2. Hasil CF
No Kode Penyakit Kode Gejala MB MD CF (Kesimpulan) 1. P001 G001 0.8 0.4 0.8 x 0.4 = 0.32
G002 0.8 0.8 0.8 x 0.8 = 0.64 G003 0.7 0.6 0.7 x 0.6 = 0.42 G024 0.8 1 0.8 x 1 = 0.8 G025 0.8 1 0.8 x 1 = 0.8 2. P002 G002 0.8 0.8 0.8 x 0.8 = 0.64
G003 0.6 0.6 0.6 x 0.6 = 0.36 c. CF Combine
CF combine berlaku untuk CF kesimpulan yang lebih dari 1 yaitu pada P001, P002.
CF Combine (P001) :
- CF Combine 1 = 0.32 + (0.64 x (1 – 0.32)) = 0.7552 - CF Combine 2 = 0.7552 + (0.42 x (1 – 0.7552)) = 0.858016 - CF Combine 3 = 0.858016 + (0.8 x (1 – 0.858016)) = 0.971603 - CF Combine 4 = 0.971603 + (0.8 x (1 – 0.971603)) = 0.994321 CF Combine (P002) :
- CF Combine 1 = 0.64 + (0.36 x (1 – 0.64)) = 0.7696
Berdasarkan nilai tersebut maka penyakit yang diderita pasien (User) adalah P001 (Penyakit Stroke) dengan nilai CF = 0.994321 atau 99,4321%.
3.1 Implementasi Aplikasi Sistem Pakar
Hasil implementasi sistem pakar penyakit regeneratif menggunakan metode Certainty Factor pada Sistem berbasis website dan platform mobile android adalah sebagai berikut :
Gambar 2. Data Nilai Pakar
Form Data Nilai Pakar pada sistem memuat nilai MB (keyakinan) berdsarkan gejala-gejala penyakit Regeneratif dengan skala range bobot nilai 1 sampai 100, dimana masing-masing bobot nilai gejala dapat dilihat pada gambar 2.
Gambar 3. Data Konsultasi Pasien
Gambar 3 menunjukan hasil perancangan form data konsultasi pasien, dari tiga pasien yang melakukan kkonsultasi mendapatkan hasil presentase CF 98.827% penyakit Store pada pasien bernama Yuda, Presentase CF 99,432 % penyakit Stroke pada pasien bernama Mansur dan Pasien Samsul mendapatkan nilai presentase CF 94,298% peyakit stoke.
Gambar 4. Desain Tampilan halaman Konsultasi User
Gambar 4 merupakan halaman tapilan pada mobile android yang dapat diakses user saat ingin melakkukan
4. KESIMPULAN
Berdasarkan hasil penelitian ini, disimpulkan bahwa penerapan mtde certainty Factor pada sistem pakar diagnosa penyakit Regeneratif menghasilkan nilai presentase CF yang sesuai dengan kondisi gejalagejala yang di pilih oleh pasie sebagai user dimana pada ke tiga pasien yang di uji coba mendapatkan nilai CF diatas 90% masing-masing pasien yaitu yuda 98%, mansur 99% dan samsul 94% menderita penyakit Stoke.
REFERENCES
[1] N. Fridalni, “Pengenalan Dini Penyakit Degeneratif,” J. Abdimas Saintika, vol. 1, pp. 45–50, 2019.
[2] A. Amila, E. Sembiring, and N. Aryani, “Deteksi Dini Dan Pencegahan Penyakit Degeneratif Pada Masyarakat Wilayah Mutiara Home Care,” J. Kreat. Pengabdi. Kpd. Masy., vol. 4, no. 1, pp. 102–112, 2021.
[3] R. Pramody, “Aplikasi Sistem Pakar Untuk Mendiagnosa Penyakit Degeneratif Pada Lansia Berbasis Web,” JATI (Jurnal Mhs.
Tek. Inform., vol. 3, no. 1, pp. 269–276, 2019.
[4] R. Agusli, R. Setiyanto, and L. Muchtar, “Sistem Pakar Diagnosa Dini Penyakit Osteoarthritis Menggunakan Metode Certainty Factor,” Acad. J. Comput. Sci. Res., vol. 4, no. 2, pp. 20–28, 2022.
[5] K. A. F. A. Samah, S. Ibrahim, N. Ghazali, M. Suffian, M. Mansor, and W. A. Latif, “Mapping a hospital using OpenStreetMap and Graphhopper : A navigation system,” vol. 9, no. 2, pp. 661–668, 2020.
[6] D. Maulina, “Metode Certainty Factor Dalam Penerapan Sistem Pakar Diagnosa Penyakit Anak,” J. Inf. Syst. Manag., vol. 2, no.
1, pp. 23–32, 2020.
[7] Y. Yulhendri, “Diagnosa Kebutuhan Gizi Penderita Penyakit Degeneratif Menggunakan Sistem Pakar Berbasis Web,” J. Ilmu Komput., vol. 4, p. 127, 2019.
[8] I. F. Ashari and V. Adhelia, “Expert System and IoT for Diagnose of Feline Panleukopenia Virus using Certainty Factor,”
MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 2, pp. 451–462, 2022.
[9] A. Sucipto, Y. Fernando, R. I. Borman, and N. Mahmuda, “Penerapan Metode Certainty Factor Pada Diagnosa Penyakit Saraf Tulang Belakang,” J. Ilm. FIFO, vol. 10, no. 2, p. 18, 2019.
[10] K. D. Prebiana and L. G. Astuti, “Penerapan Metode Certinty Factor(Cf) Dalam Pembuatan Sistem Pakar Diagnosis Penyakit Tumor Otak,” JELIKU (Jurnal Elektron. Ilmu Komput. Udayana), vol. 8, no. 3, p. 315, 2020.
[11] J. Mantik, D. S. Kariza, A. Jamaludin, and A. Perimajaya, “Expert System Diagnosing Gastroesophageal Reflux Disease (GERD) Using Certainty-Factor Method,” J. Mantik, vol. 6, no. 3, pp. 2685–4236, 2022.
[12] R. Ridlo, A. Hakim, A. Pangestu, and A. Jaenul, “Penerapan Metode Certainty Factor dengan Tingkat Kepercayaan pada Sistem,”
vol. 2, no. July, pp. 29–37, 2021.
[13] P. D. Sugiono, Metode Penelitian dan Pengembangan (Research and Development / R&D), Kesatu. Bandung: Alfabeta, 2019.
[14] Prof. Dr. Sugiyono, Metode Penelitian dan pengembangan "research and development, Ke-4. Bandung: Alfabeta, 2019.
[15] C. Y. Gobel, Rekayasa Perangkat Lunak Teori dan Praktek. Jakarta: Media Edu Pustaka, 2022.
[16] M. Hutasuhut, T. Tugiono, and A. H. Nasyuha, “Analisis Aritmia (Gangguan Irama Jantung) Menerapkan Metode Certainty Factor,” J. Media Inform. Budidarma, vol. 5, no. 4, p. 1386, 2021.
[17] A. Febriliansyah and P. Mauliana, “Sistem Pakar Diagnosis Penyakit Herpes Alpha Menggunakan Metode Certainty Factor Berbasis Web,” eProsiding Sist. Inf. …, vol. 3814, pp. 84–88, 2020.
[18] A. S. Ashidiqi, I. Widaningrum, and J. Karaman, “Implementation of The Certainty Factor Method in The Expert System For Early Diagnosis of Dyslexia in Childhood,” INTENSIF J. Ilm. Penelit. dan Penerapan Teknol. Sist. Inf., vol. 7, no. 1, pp. 18–32, 2023.
[19] M. M. Rissa et al., “Edukasi Diabetes Mellitus dan Cara Penggunaan Obat,” J. Pengabdi. Masy. Berkemajuan, vol. 6, no. Perkeni 2015, pp. 293–297, 2022.
[20] I. P. Sari, W. I. F. Ningsih, D. F. Arinda, N. Najmah, and F. Utama, “Skrining dan konseling gizi rutin dapat meningkatan kewaspadaan terhadap penyakit degeneratif,” J. Pengabdi. Masy. Humanit. Med., vol. 3, no. 1, pp. 1–13, 2022.
