Fuzzy Expert System Untuk Analisis Penyakit Stroke

Authors

  • Aan Jelli Priana Universitas Gajayana

DOI:

https://doi.org/10.55338/jikomsi.v7i1.2926

Keywords:

Sistem Pakar, Fuzzy Tsukamoto, Faktor Resiko, Penyakit Stroke

Abstract

Perkembangan penyakit stroke di Indonesia telah menjadi fenomena tersendiri. Sekitar tahun 1990-an, stroke menjadi penyebab utama peringkat keempat dari kematian penduduk Indonesia. Kemudian, pada 2014 hingga pertengahan 2015, penyakit ini menjadi penyebab kematian pertama di Indonesia. Hal ini menjadi perhatian khusus bagi Kementrian Kesehatan dan pelaku – pelaku kesehatan yang lain. Namun, tidak hanya para pelaku kesehatan baik dokter, perawat, ahli kesehatan dan sebagainya yang harusnya meningkatkan upaya pencegahan, pengobatan dan penanggulangan Stroke, akan tetapi para pasien stroke ataupun masyarakat umum sudah selayaknya menyadari akan upaya – upaya tersebut. Untuk mendukung upaya pencegahan, pengobatan dan penanggulangan stroke, bidang ilmu lain yaitu teknologi lain yaitu teknologi mobile dapat berpartisipasi melalui mobile health application. Selain itu untuk membantu dalam metode analisisnya menggunakan Metode Fuzzy Tsukamoto untuk mendeteksi dini risiko terkena penyakit stroke. Perpaduan antara mobile healthy dengan Metode Fuzzy Tsukamoto dapat menjadi metode alternatif dalam mendiagnosis risiko terkena penyakit stroke sehingga para pasien stroke atau masyarakat pada umumnya mendapatkan early warning dan meningkatkan kewaspadaan diri terhadap bahaya Stroke. Hasil analisis menunjukkan bahwa tingkat akurasi sistem yang diusulkan memiliki akurasi yang cukup baik dengan membandingkan data hasil fuzzy dengan data hasil pakar.

Downloads

Download data is not yet available.

References

V. Azzahra and S. Ronoatmodjo, “Faktor-faktor yang Berhubungan dengan Kejadian Stroke pada Penduduk Usia ≥15 Tahun di Provinsi Daerah Istimewa Yogyakarta (Analisis Data Riskesdas 2018),” J. Epidemiol. Kesehat. Indones., vol. 6, no. 2, 2023, doi: 10.7454/epidkes.v6i2.6508.

D. Darmawati, “Proses Pendiagnosaan Penyakit Menggunakan Logika Fuzzy Dengan Metode Mamdani,” Saintifik, vol. 3, no. 2, pp. 161–170, 2017, doi: 10.31605/saintifik.v3i2.156.

A. Enggarela, H. Muhartomo, and E. Setiawati, “Perbedaan Keluaran Motorik Pada Pasien Stroke Iskemik Pada Saat Serangan Tertidur Dan Terjaga,” Diponegoro Med. J. (Jurnal Kedokt. Diponegoro), vol. 7, no. 1, pp. 62–73, 2018.

A. . Rindengan and A. . L. Yohanes, Sistem Fuzzy. Bandung: CV. Patra Media Grafindo, 2019.

S. Ahmedov and A. Amirjanov, “Genetic-fuzzy logic model for a non-invasive measurement of a stroke volume,” Comput. Methods Programs Biomed., vol. 203, p. 106046, 2021, doi: 10.1016/j.cmpb.2021.106046.

A. P. Jacquin and A. Y. Shamseldin, “Development of rainfall-runoff models using Takagi-Sugeno fuzzy inference systems,” J. Hydrol., vol. 329, no. 1–2, pp. 154–173, 2006, doi: 10.1016/j.jhydrol.2006.02.009.

A. A. Soebroto, M. T. Furqon, E. A. S. Marhendraputro, and W. Ziaulhaq, “Sistem Pendukung Keputusan Penyakit Stroke menggunakan Metode Fuzzy Tsukamoto dengan Basis Pengetahuan Framingham Risk Score,” J. Edukasi dan Penelit. Inform., vol. 8, no. 2, p. 214, 2022, doi: 10.26418/jp.v8i2.56362.

V. Adelina, D. E. Ratnawati, and M. A. Fauzi, “Klasifikasi Tingkat Risiko Penyakit Stroke Menggunakan Metode GA-Fuzzy Klasifikasi Tingkat Risiko Penyakit Stroke Menggunakan Metode GA- Fuzzy Tsukamoto,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. September, pp. 3015–3021, 2018.

I. Anggraeni and Y. Yanti, “Sistem Pemantauan Pertumbuhan Batita Menggunakan Metode Fuzzy Tsukamoto,” Komputasi J. Ilm. Ilmu Komput. dan Mat., vol. 17, no. 1, pp. 346–353, 2020, doi: 10.33751/komputasi.v17i1.1749.

A. Adeli and M. Neshat, “A Fuzzy Expert System for heart disease diagnosis,” Proc. Int. MultiConference Eng. Comput. Sci. 2010, IMECS 2010, no. June, pp. 134–139, 2010.

Y. L. Xie, D. X. Xia, L. Ji, and G. H. Huang, “An inexact stochastic-fuzzy optimization model for agricultural water allocation and land resources utilization management under considering effective rainfall,” Ecol. Indic., vol. 92, no. August, pp. 301–311, 2018, doi: 10.1016/j.ecolind.2017.09.026.

A. Setiawan, B. Yanto, and K. Yasdomi, Logika Fuzzy Dengan Matlab. 2018.

Sylfanie Sekar Mayang and Ade Eviyanti, “Expert System for Diagnosing Early Symptoms of Stroke Using the Fuzzy Mamdani Method,” Procedia Eng. Life Sci., vol. 1, no. 2, 2021, doi: 10.21070/pels.v1i2.969.

B. A. Restuputri, W. F. Mahmudy, and I. Cholissodin, “Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto Dua Tahap Menggunakan Algoritma Genetika Pada Pemilihan Calon Penerima Beasiswa dan BBP-PPA ( Studi Kasus : PTIIK Universitas Brawijaya Malang ),” no. 15, pp. 1–10, 2015.

A. D. Puspitaningrum and A. S. Purnomo, “Sistem Pakar Untuk Mendeteksi Tingkat Risiko Penyakit Jantung Menggunakan Fuzzy Inferensi (Sugeno),” Pros. Semin. Nas. Multimed. Artif. Intell. 2018, vol. 2, no. November, pp. 1–11, 2018.

Downloads

Published

2024-03-20

How to Cite

Jelli Priana, A. . (2024). Fuzzy Expert System Untuk Analisis Penyakit Stroke. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI), 7(1), 264-272. https://doi.org/10.55338/jikomsi.v7i1.2926