1 Sistem Pakar Diagnosa Penyakit Bergejala Demam Menggunakan Metode Certainty
Factor Berbasis Android Wilma yulianti rukmana
Teknik Informatika, Universitas BSI Bandung e-mail: [email protected]
Abstrak
Terganggunya kesehatan secara umum terjadi karena ketidak seimbangan tubuh juga sistem imunitas tubuh terganggu. Banyak penyakit manusia yang ditandai dengan gejala demam, demam merupakan suatu keadaan suhu tubuh melebihi batas normal yang disebabkan oleh penyakit atau peradangan. Seringkali banyak orang yang menyepelekan hal tersebut sehingga terjadi kesalahan dalam mengatasi dan mengetahui penyakit yang bergejala demam tersebut. Perkembangan ilmu pengetahuan dan teknologi informasi saat ini dapat diberdayakan untuk membantu mengerjakan pekerjaan manusia. Salah satunya yaitu sistem pakar. Proses diagnosa penyakit diikuti dengan tersedianya lebih dari satu pilihan yang memenuhi kriteria tertentu dengan menggunakan metode Certainty Factor. Pembuatan sistem pakar menggunakan metode Certainty Factor ini dapat mendiagnosa penyakit bergejala demam seperti demam berdarah, typus, malaria, radang tenggorokan dan hepatitis.
Kata Kunci: Android, Certain factor, Demam, Sistem paka., Abstract
Wilma Yulianti Rukmana (17150120), Expert System for Diagnosing Fever Symptoms Using Android-Based Certainty Factor Method
Disruption of health in general occurs because the body's imbalance is also disturbed body's immune system. Many human diseases are characterized by symptoms of fever, fever is a state of body temperature that exceeds the normal limit caused by disease or inflammation.
Often many people underestimate this so that an error occurs in overcoming and knowing the symptomatic fever. The development of science and information technology can now be empowered to help do human work. One of them is the expert system. The disease diagnosis process is followed by the availability of more than one choice that meets certain criteria using the Certainty Factor method. The creation of an expert system using the Certainty Factor method can diagnose febrile symptoms such as dengue, typhus, malaria, laryngitis and hepatitis.
Keywords: Android, Certainty Factor, Fever, Expert System.
1. Pendahuluan 1.1. Latar belakang
Terganggunya kesehatan secara umum terjadi karena ketidak seimbangan tubuh juga sistem imunitas tubuh terganggu. Seseorang yang terkena penyakit akan ditandai dengan munculnya beberapa gejala. Salah satu gejala awal yang umum terjadi yaitu demam yang tinggi (Rantoso & Suria, 2017). Demam bukanlah sebuah penyakit melainkan gejala dari suatu penyakit Sampai saat ini penyakit demam masih menjadi masalah kesehatan masyarakat karena dapat menggangu aktifitas (Hasibuan & Prahutama, 2017).
Banyak penyakit manusia yang ditandai dengan gejala demam, demam merupakan suatu keadaan suhu tubuh melebihi batas normal yang disebabkan oleh penyakit atau peradangan (Nurjayadi
& Saraswati, 2017). Dalam keadaan demam ini tubuh banyak kekurangan cairan karena terjadinya penguapan yang lebih banyak dari pada biasanya. (Sari et al., 2017) Ukuran suhu tubuh yang naik akibat demam untuk setiap penyakit juga bervariasi. Banyaknya ragam penyakit yang disertai dengan variasi suhu tubuh akibat demam ini seringkali membuat penderita mengalami kebingungan mengenai jenis penyakit apa yang dialami saat ini (Rantoso
& Suria, 2017).
Demam merupakan peningkatan suhu tubuh di atas 38 derajat celsius yang umumnya merupakan respon tubuh terhadap penyakit. Demam tidak hanya dapat diakibatkan oleh infeksi virus, bakteri, atau parasit, tetapi dapat juga disebabkan oleh kondisi hipertiroidisme, artritis, atau penggunaan beberapa jenis obat-obatan.
2 Beberapa gejala yang dapat terjadi saat
demam yaitu keringat dingin, nyeri kepala, mengigigil, dehidrasi dan lain-lain. Demam memang menjadi sebuah masalah yang hampir semua orang pasti mengalaminya, bahkan gejala demam ini telah memakan banyak korban jika tidak ditangani dengan baik. Ada banyak sekali cara yang dapat digunakan untuk menurunkan suhu tubuh saat demam (Fanny et al., 2017).
Perkembangan ilmu pengetahuan dan teknologi informasi saat ini dapat
diberdayakan untuk membantu
mengerjakan pekerjaan manusia. Salah satunya yaitu sistem pakar mempermudah manusia untuk mengetahui lebih dini penyakit yang dideritanya. Agar tidak salah dalam mengobati seseorang yang menderita gejala demam tersebut.
(Adawiyah, 2017). Proses diagnosa penyakit diikuti dengan tersedianya lebih dari satu pilihan yang memenuhi kriteria tertentu dengan menggunakan metode Certainty Factor. Pembuatan sistem pakar menggunakan metode Certainty Factor berguna untuk membantu ketergantungan masyarakat terhadap para medis, memberikan informasi tentang diagnosa dampak pada mata yang mudah dipahami oleh masyarakat, dengan demikian program ini akan memberikan pembelajaran kepada masyarakat akan pentingnya teknologi informasi.
1.2. Tujuan
Penelitian ini dimaksudkan sebagai pembelajaran Diagnosis penyakit yang disertai demam mengguankan metode Certainty Factor berbasis Mobile yang dilaksanakan dengan tujuan untuk :
1. Membantu masyarakat untuk mendiagnosa penyakit demam yang di derita agar mengetahui sejak dini dan tidak salah dalam penangannannya.
2. Membuat sebuah aplikasi mobile sistem pakar dengan mentransfer ilmu pakar untuk mendiagnosa penyakit demam yang dapat digunakan oleh masyarakat
3. Membuat sistem pakar yang mudah di pahami dan membantu masyarakat untuk mendiagnosa penyakit bergejala demam berbasis mobile android menggunakan metode Certainty Factor.
Tujuan penulis Skripsi ini adalah sebagai salah satu persyaratan untuk menyelesaikan program studi S1 jurusan
Teknik Informatika Fakultas Teknik Universitas BSI bandung.
1.3. Rumusan Masalah
Berdasarkan latar belakang diatas maka penulis dapat mengidentiikasi sebagai berikut :
1. Bagaimana masyarakat agar mengerahui penyakit yang diderita sejak
dini ?
2. Bagaimana membuat aplikasi sistem pakar agar masyarakat mendiagnosa penyakit yang disertai demam dengan mudah ?
3. Bagaimana menerapkan sistem mendiagnosis penyakit yang disertai demam ?
2. Tinjauan Pustaka 2.1 Demam
Demam merupakan peningkatan suhu tubuh di atas 38 derajat celsius yang umumnya merupakan respon tubuh terhadap penyakit. Demam tidak hanya dapat diakibatkan oleh infeksi virus, bakteri, atau parasit, tetapi dapat juga disebabkan oleh kondisi hipertiroidisme, artritis, atau penggunaan beberapa jenis obat-obatan.
Beberapa gejala yang dapat terjadi saat demam yaitu keringat dingin, nyeri kepala, mengigigil, dehidrasi dan lain-lain. Demam memang menjadi sebuah masalah yang hampir semua orang pasti mengalaminya, bahkan gejala demam ini telah memakan banyak korban jika tidak ditangani dengan baik. Ada banyak sekali cara yang dapat digunakan untuk menurunkan suhu tubuh saat demam (Fanny et al., 2017).
Kecerdasan buatan atau artificial intelligence merupakan bagian dari ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Dalam artificial intelligence terdapat sebuah cabang yang mempelajari kepakaran yaitu sistem pakar yang bertujuan penelitian ini adalah mengembangkan sistem pakar diagnosis penyakit Tuberculosis dan demam berdarah berbasis web menggunakan metode certainty factor agar dapat membantu masyarakat dalam mengetahui gejala awal dari penyait TBC dan demam berdarah sehingga dapat mengambil tindakan dini. Selain itu dapat membantu dokter dalam mengambil keputusan untuk mengambil tindakan lebih lanjut. Sistem
3 pakar diagnosis penyakit Tuberculosis dan
demam berdarah berbasis web menggunakan metode certainty factor telah berhasil dikembangkan dan dapat
membantu masyarakat dalam
mendiagnosis penyakit TBC dan DBD sehingga dapat ditanggulangi lebih dini.
Selain itu sistem pakar ini dapat membantu dokter dalam pengambilan keputusan (Bria
& Takung, 2015).
Penyakit Dalam merupakan penyakit yang kompleks dan sering diderita oleh kebanyakan orang. Seringkali orang bingung dengan penyakit yang diderita dan harus ke dokter apa untuk berobat atau berkonsultasi. Karena penyakit dalam sangat beragam jenis dan gejalanya, maka seorang pakar atau dokter perlu mengkaji lebih dalam gejala yang dialami pasien untuk dapat menentukan penyakit yang diderita serat dapat memberikan solusi pengobatannya. Sistem pakar sangat berguna sekali bagi orang awam yang bukan pakar untuk meningkatkan kemampuan mereka dalam memecahkan masalah dan dapat memperbanyak atau menyebarkan sumber pengetahuan yang semakin langka. Salah satu implementasi yang diterapkan sistem pakar dalam bidang kesehatan yaitu sistem pakar untuk diagnosa penyakit dalam (Batubara at al., 2018).
Ketersediaan dokter ahli dan tenaga medis relatif masih kurang khususnya di daerah-daerah pelosok dan terpencil. Hal ini membuat masyarakat mengalami kesulitan dalam mendiagnosa penyakit tertentu sehingga penanganan medis menjadi terlambat dan dapat mengakibatkan resiko kematian. Anak sangat rentan terhadap kuman penyakit sehingga sebagai orang tua perlu untuk secara cepat memperoleh informasi tentang tingkat keparahan penyakit anak walaupun tidak tersedia dokter ahli anak sehingga orang tua mempunyai pengetahuan yang cukup untuk melakukan tindakan awal. Dalam penelitian ini yang menjadi permasalahan utama adalah bagaimana membangun suatu sistem berbasis komputer yang dapat mengadopsi kepakaran dokter ahli anak dengan menggunakan Certainty Factor. dengan tingkat kepercayaan yang telah ditentukan oleh pakar terhadap gejala-gejala yang mempengaruhi probabilitas terjadinya suatu penyakit anak. Sistem ini akan optimal jika seorang atau sekelompok pakar dalam hal
ini dokter ahli anak telah mendefenisikan secara jelas nilai CF setiap gejala penyakit terhadap kemungkinan terjadinya penyakit anak (Latumakulita, 2012).
Asidosis Tubulus Renalis dan sering disebut dengan penyakit ginjal khususnya pada bagian tubulus renalisnya, menurut sejumlah ilmiah bidang kesehatan asidosis tubulus renalis ini memang tergolong langka, dengan manifestasi klinis yang tidak spesifik sehingga diagnosis sering terlambat. Dalam keadaan normal ginjal menyerap asam sisa metabolisme dari darah dan membuangnya kedalam urin. Penyebab penyakit asidosis tubulus renalis disebabkan karna faktor keturunan atau bisa timbul akibat obat-obatan.
Walaupun penyakit asidosis tubulus renalis tergolong langka dalam masyarakat, tetapi pengertian mengenai penyakit ini masih sangat kurang, bahkan terkadang salah, sehingga banyak penderita asidosis tubulus renalis tidak tepat dalam penanganannya.
Dalam hal pemecahan suatu masalah yang bersifat pengetahuan atau sistem yang dirancang khusus sebagai suatu sarana untuk melakukan konsultasi sebagai mana layaknya seorang pakar atau suatu sistem informasi menjadi suatu keharusan, disebabkan komputer adalah suatu fasilitas pendukung dalam melakukan suatu analisa terhadap banyak hal, baik dalam hal penelitian maupun seorang ahli dalam suatu bidang tertentu. Berhubung internet dapat digunakan oleh semua kalangan (Fanny et al., 2018).
2.2 Certainty Factor
Definisi menurut David McAllister, certainty factor adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti ataukah tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. Metode ini sangat cocok untuk sistem pakar yang mendiagnosis sesuatu yang belum pasti. Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN. Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan.
Menentukan nilai CF pakar untuk masing-masing premis (ciri) Kemudian dilanjutkan dengan penentuan CF user, misalkan user memilih jawaban sebagai berikut :
4 Rule - rule yang baru tersebut
kemudian dihitung nilai CF pakar dengan CF user menggunakan persamaan
CF(H,E) = CF(E)*CF(rule) = CF(user)*CF(pakar)
Langkah yang terakhir adalah mengkombinasikan nilai CF dari masing – masing rule Kombinasikan CF 1 sampai CF 4 dengan persamaan
CFCOMBINE(CF1,CF2)= CF1+ CF2* (1 - CF1)
3. Metodologi Penelitian
Pada bagian ini dijelaskan penerapan algoritma Certainty Factor pada aplikasi yang ditunjukkan pada gambar III.1 menggunakan flow chart.
Gambar III.1. Flow Chart Algoritma Certainty Factor
Pada Gambar III.2 dapat dijelaskan bahwa penerapan algoritma Certainty Factor pada aplikasi dilakukan dengan inferensi dan fungsi perhitungan kepastian dari basis pengetahuan. Perhitungan dilakukan dengan menentukan nilai MB (Measure of Belief) dan nilai MD (Measure of Disbelief) pada rumus Certainty Factor.
4. Hasil dan Pembahasan A. Tabel Pakar
Dalam membangun sebuah aplikasi sistem pakar diagnosa penyakit bergejala demam ini peneliti ambil 5 jenis penyakit bergejala demam dan 17 gejala yang berkaitan dengan penyakit bergejala demam. Tabel daftar jenis penyakit
bergejala demam dapat dilihat di table berikut:
Tabel 1.4. Tabel Nilai User No. Keterangan Nilai User
1. Tidak 0
2. Ringan 0.3
3. Sedang 0.6
4. Berat 1
Nilai 0 menujukan bahwa pengguna berkonsultasi menginformasikan bahwa user tidak mengalami gejala seperti yang ditanyakan oleh sistem. Semakin user yakin bahwa gejala tersebut memang dialami user, maka semakin tinggi juga hasi presentase keyakinan diawali dengan pemecahan sebuah kaidah-kaidah yang dimiliki premis majemuk, menjadi kaidah- kaidah yang dimiliki premis tunggal.
Kemudian masing masing aturan baru dihitung CF-nya. Sehingga diperoleh nilai CF untuk masing-masing aturan, kemudian nilai CF tersebut dikombinsikan. Sebagai contoh, proses pemberian bobot pada seriap premis (gejala) hingga memperoleh keyakinan untuk penyakit yang akan didiagnosa. Dalam mengeskspesikan
derajat kepastian, CF untuk
mengansumsikan derajat kepastian seorang pakar terhadap suatu data.
Konsep ini kemudian diformilasikan dalam rumusan sebagai berikut.
Tabel III.1. Tabel daftar penyakit bergejala demam
Kode Jenis Penyakit
P01 Malaria
P02 Demam Berdarah
P03 Tipus
P04 Radang
Tenggorokan P05 Hepatitis
Tabel III.2. Tabel daftar gejala Kode Nama Gejala G001 Sakit kepala parah G002 Mual dan muntah
G003 Diare
G004 Nyeri otot dan sendi
5 G005 Tidak nafsu makan
G006 Panas dingin G007 Pendarahan
G008 Demam
G009 Tubuh menggigil G010 Munculnya bintik
bintik merah G011 Nyeri menelan G012 Kuning pada kulit
dan mata G013 Nyeri perut G014 Urin gelap
G015 Pusing
G016 Lemah. Letih, lesu G017 Menurunnya
jumlah trombosit
Tabel III.3. Tabel Malaria
Kode Nama Gejala Nilai
pakar G00
1 Sakit kepala parah 0,9 G00
2 Mual dan muntah 0,7 G00
4 Nyeri otot dan sendi 0,6 G00
8
Demam 0,9
G00
5 Tidak nafsu makan 0,8 G00
9 Tubuh menggigil 0,7 G01
6 Letih, lemah, lesu 0,8 Tabel III.4 Tabel Demam berdarah
K o d e
Nama Gejal
a Ni lai P a k ar G
0 0 1
Sakit kepal
a parah
0, 9
G 0 0 4
Nyeri otot dan sendi
0, 7
G 0 1
Munc ulnya bintik
0, 9
0 bintik mera
h G
0 0 5
Tidak nafsu maka
n 0, 7
G 0 1 7
Menu runny
a jumla
h tromb
osit 0, 2
G 0 0 2
Mual dan munt
ah 0, 6
G 0 0 8
Dema
m 0.
9
Tabel III.5 Tabel tipus Kode Nama Gejala Nilai
pakar
G008 Demam 0,9
G004 Nyeri perut 0,9
G003 Diare 0,8
G001 Sakit kepala parah 0,4 G002 Mual dan muntah 0,6 G006 Panas dingin 0,3
Tabel III.6 Tabel radang tenggorokan Kode Nama Gejala Nilai
pakar
G008 Demam 0,9
G011 Nyeri menelan 0,9 G016 Letih, lemah,
lesu
0,7 G005 Tidak nafsu
makan 0,8
G004 Nyeri otot 0,3
G012 Pusing 0,2
G013 Nyeri perut 0,4
6
Tabel III.7 Tabel Hepatitis Kode Nama Gejala Nilai
pakar G013 Nyeri perut 0,8
G008 Demam 0,9
G001 Sakit kepala
parah 0,8
G002 Mual dan
muntah 0,7
G016 Letih, lemah.
Lesu
0,8 G005 Tidak nafsu
makan 0,6
G012 Kuning pada kulit dan mata 0,9 G014 Urin berwarna
gelap 0,9
G004 Nyeri otot 0,4
G009 Tubuh
menggigil
0,5
B. Hasil perhitungan
Adapun analisa terhadap sistempakar yang dibangun merupakan rule yang merupakan metode CF, metode CF merupakan suatu metode yang dikunakan untuk menghitung faktorkepastian dari gejala- gejala penyakit bergejala demam. Adapun logika metode CF pada sesi konsultasisistem, pengguna konsultasi diberi pilihan jawaban yang masing-masing memiliki bobot. Lihat Tabel 1.4. Nilai 0 menunjukan bahwa pengguna konsultasi menginformasikan bahwa user tidak mengalami gejala seperti yang dintanyaan oleh sistem. maka semakin tinggi juga hasi presentase keyakinan diawali dengan pemecahan sebuah kaidah- kaidah yang dimiliki premis majemuk, menjadi kaidah-kaidah yang dimiliki premis tunggal. Kemudian masing masing aturan baru dihitung CF-nya. Sehingga diperoleh nilai CF untuk masing-masing aturan, kemudian nilai CF tersebut dikombinsikan.
Sebagai contoh, proses pemberian bobot pada seriap premis (gejala) hingga memperoleh keyakinan untuk penyakit yang akan didiagnosa. Dalam mengeskspesikan derajat kepastian, CF untuk mengansumsikan derajat kepastian seorang pakar terhadap suatu data.
Konsep ini kemudian diformilasikan dalam rumusan sebagai berikut.
Berisikan aturan-aturan untuk pengambilan keputusan. Pada kasus baru terdapat seorang pasien yang menderita gejala-gejala sebagai berikut:
1. Demam (G008)
2. Tubuh menggigil (G009) 3. Diare (G003)
4. Mual dan muntah (G002)
Maka langkah-langkah dari metode Certainty Factor terhadap kepastian bahwa pasien terkena penyakit malaria dapat diselesaikan sebagai berikut:
CF G008 = CF(user)*CF(pakar)
= 0.3 * 0.9
= 0.27
CF G009 = CF(user)*CF(pakar)
= 0.3 * 0.7
= 0.21
CF G003 = CF(user)*CF(pakar)
= 0.6 * 0.2
= 0.12
CF G002 = CF(user)*CF(pakar)
= 0.9 * 0.4
= 0.36
CF combain1 (CFg1, CFg2) = CFg1 + CFg2 (1-CFg1)
= 0.27 + 0.21*
(1-0.27)
= 0.48*0.73 = 0.4233
CF combain2 (CFold1, CFg3) = CFold1 + CFg3 (1-CFold1)
= 0.4233 + 0.12
* (1- 0.4233)
= 0.5433 + 0.5767
=1.12
CF combain3 (CFold2, CFg4) = CFold2 + CFg4 (1-CFold2)
= 1.12 + 0.12 (1- 1.12)
= 1.24+0.12
=1.
C. Analisa Sistem
7
Gambar 4.1. Tapilan Diagnosa Pada gambar di atas merupakan tampilan untuk user memilih gejala yang diderita sesuan gejala yang di pilih dan di hitung sebelumnya yaitu.
Gambar 4.2. Gambar hasil diagnose Pada gambar diatas menunjukan hasil dari gejala yang dihitung diatas yang itu penyakit malaria dengan keterangan cara pengobatan yaitu meminum obat anti malaria dan jika sakit berkelanjutan segera hubungi dokter.
5. Kesimpulan
Kesimpulan dari hasil penelitian ini bahwa sistem pakar dapat digunakan untuk memecahkan masalah dalam berbagai bidang, salah satunya adalah diagnosa penyakit bergejala demam. Secara garis besar, sehingga penulis dapat menyimpulkan sebagai berikut :
1. Dengan adanya program system pakar ini maka masyarakat dapat mengetahui beberapa macam gejala awal dari penyakit bergejala demam tersebut beserta solusinya.
2. Dengan membuat seistem pakar berbasis android ini dapat mentranfer ilmu pakar yang dapat digunakan oleh masyarakat dengan mudah.
8 3. Memudahkan berkonsultasi dan
mendiagnosa penyakit bergejala demam.
4.2 Saran
Penelitian ini belum dapat digunakan untuk melakukan klasifikasi atau identifikasi penyakit bergejala demam, masih dibutuhkan bantuan tenaga medis untuk mendeteksi penyakit tersebut. Oleh karena itu, perlu dilakukan perbaikan pada penelitian ini agar memperoleh hasil yang lebih baik. Beberapa saran penulis yang dapat dilakukan pada penelitian selanjutnya:
1. Penambahan dalam
diagnosa jenis penyakit bergejala demam beserta penyebabnya.
2. Penambahan gejala dan jenis penyakit yang baru agar sistem pakar ini dapat digunakan seiringnya berjalan waktu.
Demikian saran dari penulis.
Semoga saran tersebut dapat dijadikan bahan bermanfaat khususnya bagi penulis dan pengguna pada umumnya.
PUSTAKA
Adawiyah, R. (2017). Case Based Reasoning For Diagnosis Of Disease Caused By Dengue VIRUS.Indonesian Journal of Information Technology, 1(2, Dec.), 1-10.
Bria, Y. P., & Takung, E. A. S. (2015).
Pengembangan Sistem Pakar Diagnosis Penyakit Tuberculosis Dan Demam Berdarah Berbasis Web Menggunakan Metode Certainty Factor. In Seminar Nasional Teknologi Informasi dan Komunikasi (Vol. 28).
Batubara, S., Wahyuni, S., & Hariyanto, E.
(2018, September). Penerapan Metode Certainty Factor Pada Sistem Pakar Diagnosa Penyakit Dalam. In Seminar Nasional Royal (SENAR) (Vol. 1, No. 1, pp.
81-86).
Febrianti, E. L., & Christi, T. (2017).
Peneraan Forward Chaining Untuk Mendianogsa Penyakit Malaria Dan Pencegahanya Berbasis Web. JURTEKSI, 4(1), 93-100.
Fanny, R. R., Hasibuan, N. A., & Buulolo, E.
(2017). Perancangan Sistem Pakar
Diagnosa Penyakit Asidosis Tubulus Renalis Menggunakan Metode Certainty Factor Dengan Penulusuran Forward Chaining. JURNAL MEDIA INFORMATIKA BUDIDARMA, 1(1).
Hasibuan, C. A., Mukid, M. A., &
Prahutama, A. (2017). Klasifikasi Diagnosa Penyakit Demam Berdarah Dengue (DBD) Menggunakan Support Vector Machine (SVM) Berbasis GUI Matlab. Jurnal Gaussian, 6(2), 171-180.
Hasibuan, N. A., Sunandar, H., Alas, S., &
Suginam, S. (2017). Sistem Pakar Mendiagnosa Penyakit Kaki Gajah Menggunakan Metode Certainty Factor.
Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika), 2(1), 29-39.
Latumakulita, L. A. (2012). Sistem Pakar Pendiagnosa Penyakit Anak Menggunakan Certainty Factor (CF). Jurnal Ilmiah Sains, 12(2), 120-126.
Lengkong, H. N., Sinsuw, A. A., & Lumenta, A. S. (2015). Perancangan penunjuk rute pada kendaraan pribadi menggunakan aplikasi mobile gis berbasis android yang terintegrasi pada google maps. Jurnal Teknik Elektro dan Komputer, 4(2), 18-25.
Lubis, D. A., Hasibuan, N. A., & Ulfa, K.
(2018). Sistem Pakar Mendiagnosa Penyakit Hepatitis Menggunakan Metode Variable Centered Intelligent Rule System (Vcirs). Komik (Konferensi Nasional Teknologi Informasi dan Komputer), 2(1).
Nurjayadi, M., & Saraswati, L. A. (2017).
Pemanfaatan Obat-Obat Tradisional Dalam Mencegah Dan Mengobati Penyakit Typhus Sebagai Upaya Peningkatan Hidup Sehat Pada Masyarakat Pagesangan Barat Mataram. Sarwahita, 14(02), 114-122.
Purwanti, R. S., & Mardlijah, M. (2019).
Analisis Kestabilan dan Kontrol Optimal pada Model Dinamik Penyebaran Penyakit Malaria. Jurnal Sains dan Seni ITS, 8(1), 38-44.
Puspitasari, T.D., Metode, M., Shafer, D., Septiriana, R., & Ayu, V. (2015).
Kecerdasan buatan Sistem Pakar Identifikasi penyakit Mata, 86-90.
Rantoso, E., & Suria, O. (2018). Sistem Pakar Diagnosa Penyakit Yang Disertai Demam Menggunakan Metode Naive Bayes Classifier. JMAI (Jurnal Multimedia &
Artificial Intelligence), 2(2), 1-10.
Sari, N. A. (2013). Sistem Pakar
Mendiagnosa Penyakit Demam Berdarah Menggunakan Metode Certainty Factor.
Pelita Informatika: Informasi dan Informatika, 4(3).
9 Sulistyorini, P. (2014). Pemodelan Visual
dengan Menggunakan UML dan rational Rose, XIV(1), 23-29.
Syaifudin, Y. W., Rozi, I. F., Mentari, M., &
Lestari, V. A. (2018). Dasar Pemograman:
Dasar Pemograman (Vol. 1). UPT Percetakan dan Penerbitan Polinema.
Adawiyah, R. (2017). Case Based Reasoning Untuk Diagnosis Penyakit Demam Berdarah. Intensif: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi, 1(1), 63-73.
