SISTEM PAKAR DIAGNOSIS AWAL COVID-19 MENGGUNAKAN METODE FORWARD CHAINING DAN RIPPLE DOWN RULES
Daftar Isi:
- Pada Desember 2019 ditemukan penyakit menular baru di Wuhan, Provinsi Hubei, Tiongkok. Organisasi Kesehatan Dunia (WHO) memberi nama penyakit ini Corona Virus Disease atau yang sering disebut sebagai Covid-19. Covid-19 dengan cepat menyebar ke seluruh negara termasuk Indonesia. WHO telah menetapkan beberapa varian, beberapa varian itu diantaranya Alpha, Delta, dan Omicron. Dengan banyaknya kasus penderita dan varian yang telah terdeteksi maka dibutuhkan sarana mendiagnosis awal Covid-19 guna menekan angka penyebarannya. Salah satu sarananya adalah sistem pakar yang dapat mendiagnosis awal Covid-19. Sistem pakar yang dikembangkan menggunakan metode pencarian forward chaining dalam mekanisme pencarian kesimpulannya. Covid-19 merupakan penyakit baru sehingga dimungkinkan terjadi penambahan atau pengurangan informasi pada sistem pakar yang dikembangkan. Metode ripple down rules diadopsi sebagai metode akuisisi pengetahuan. Sistem pakar “Siska-Cov” dikembangkan untuk mendeteksi dini Covid-19 berdasar gejala tiap variannya. Metode pengembangan sistem pakar yang digunakan dalam penelitian ini adalah Expert System Development Life Cycle (ESDLC). Ada beberapa tahapan dalam metode ini, tapi yang digunakan dalam penelitian ini adalah tahap penilaian, akuisisi pengetahuan, desain, dan pengujian. Penelitian dimulai dengan penilaian pembuatan sistem pakar, berdasarkan beberapa pertimbangan diatas sistem pakar dinilai layak dikembangkan. Data varian Covid-19 dan gejalanya dikumpulkan untuk pembuatan sistem pakar. Data varian dan gejalanya didapatkan dari jurnal penelitian. Selanjutnya dirancang desain, struktur basis pengetahuan, flowchart sistem dan komponen lainnya. Sistem Pakar dikembangkan berbasis WEB menggunakan gabungan HTML, PHP, dan Javascript. Sistem pakar diujikan pada 62 responden, dari hasil pengujian dapat disimpulkan bahwa nilai performa dari sistem, kemudahan penggunaan sistem, dan nilai kebergunaan sistem yang berkorelasi dengan perilaku pengguna terkait penggunaan sistem lebih lanjut.