Anda di halaman 1dari 10

Judul usul : Sistem Pakar untuk Mendeteksi Gangguan Penyakit pada Masa

Kehamilan
1. Sistem Pakar untuk Mengetahui Pemenuhan Gizi dan Deteksi Awal Kesehatan Ibu
Hamil Berbasis Web (Youllia Indrawaty N., ST., MT. dan Sapto Jendro Putranto,
S.Kom.).
Sistem yang dibuat berbasis web dengan menggunakan bahasa pemrograman PHP dan
e2glite sebagai shell expert system. Model pengembangan perangkat lunak yang
digunakan dalam pembuatan sistem ini adalah SDLC, sementara metode yang digunakan
untuk menganalisa data adalah metode forward chaining dan teknik representasi bingkai
(frame). Penggunaan basis pengetahuan dengan teknik representasi bingkai digunakan
untuk melakukan kontrol terhadap kondisi gizi ibu hamil

berdasarkan indikator-

indikator yang telah ditentukan, seperti berat badan sebelum hamil, berat badan saat
hamil, tinggi badan, usia ibu hamil, pekerjaan, usia kehamilan, keguguran, kehamilan
yang keberapa, suhu tubuh, tensi darah, asupan makanan, penyakit, dan asupan obatobatan. Selanjutnya, indikator tersebut akan diproses melalui proses perhitungan nilai
normal yang hasilnya akan dibandingkan dengan nilai normal rata-rata pada ibu hamil.
Jika semua data telah selesai diproses, maka pada menu kesehatan akan muncul penyakit
yang dideteksi berdasarkan gejala-gejala yang dirasakan beserta detail keterangan dari
penyakit tersebut, dan pada menu gizi akan tampil anjuran waktu pemeriksaan agar dapat
memastikan perkembangan berat badan serta asupan makanan yang dikonsumsi agar
dapat memberikan yang terbaik untuk janinnya.
2. Sistem Rekam Medik dan Sistem Pakar Keluhan Ibu Hamil di Bidan Andalan
Ny.Anik W,Amd. Keb, Berbasis PHP (Retno Wardhani dan Nofelin Aliyahwati).
Sistem rekam medik dan sistem pakar digunakan untuk mempermudah proses pencarian
suatu data dan mendiagnosa penyakit yang terjadi pada masa kehamilan. Software yang
digunakan dalam pembuatan sistem adalah Appserv-win 32-2.5.6. Dalam pembuatan
sistem pakar, fakta dan pengetahuan yang berhubungan dengan gejala-gejala penyakit
pada masa kehamilan akan digunakan dalam mengambil suatu kesimpulan. Berdasarkan
analisa yang di dapat, maka gangguan pada masa kehamilan terbagi menjadi beberapa
gejala umum yaitu, sakit kepala berlebih, bengkak pada muka dan tangan, mual, dan
muntah berlebih. Output yang dihasilkan menampilkan informasi penyakit yang

disebabkan oleh keluhan pada masa kehamilan, gangguan, gejala, penyakit serta
penanganannya.
3. Sistem Pakar Diagnosis Preeklampsia pada Ibu Hamil Berbasis Android Studi
Kasus : Rumah Sakit Umum Mitra Sehat TA 2016/2017 (Aulia Ikhsan Gafar Ahmad
dan Tonny Hidayat).
Salah satu penerapan sistem pakar adalah di bidang kesehatan khususnya kesehatan ibu
hamil. Gangguan kehamilan yang sering dialami contohnya preeklampsia, yaitu gangguan
kehamilan yang disebabkan oleh hipertensi disaat kehamilan. Preeklampsia dapat
menyebabkan bayi lahir premature, bayi lahir cacat, hingga menyebabkan kematian pada
ibu hamil. Aplikasi sistem pakar ini dapat mendiagnosa apakah user mengalami
preeklampsia berdasarkan gejala-gejala yang di masukkan oleh user., serta dapat
menampilkan tentang preeclampsia, gejala gejala preeklampsia, bahaya preeclampsia,
dan catatan serta periode preeclampsia. Aplikasi dibangun dan dirancang dengan
menggunakan metode pengembangan sistem Linear Model Of Expert System
Development dengan bahasa pemnrograman Java dan menggunakan perangkat lunak IDE
Eclipse Juno. Sementara, untuk menganalisis data yang dimasukkan oleh user digunakan
metode forward chaining, yaitu pelacakan maju dimana aturan-aturan diuji satu demi satu
dalam urutan tertentu untuk mendapatkan kesimpulan.
4. Sistem Pakar Diagnosa Gangguan Kesehatan Kehamilan Menggunakan Metode
Forward Chaining (Zaehol Fatah).
Sistem pakar diagnosa untuk masalah kesehatan selama kehamilan dalam penelitian ini
adalah sistem yang dikembangkan dengan menerapkan metode Forward Chaining.
Metode ini memberikan diagnosis masalah kesehatan berdasarkan fakta-fakta yang ada
dikumpulkan dari wawancara dengan pengguna dalam sesi konsultasi. Tahapan dalam
pembuatan aplikasi sistem pakar ini dilakukan secara berurutan, yaitu menganalisis
permasalahan, perancangan sistem dan analisis kebutuhan, penulisan program, dan
evaluasi dan pengujian. Proses-proses dalam mendiagnosa gangguan kehamilan dapat
diidentifikasi dari beberapa data yang dikumpulkan selama penelitian, diantaranya
pendataan pasien yang hendak didiagnosa, pendiagnosaan/pemeriksaan pasien yang
sudah terdaftar atau terdata, dan pelaporan hasil pendiagnosaan/pemeriksaan. Penelitian
ini bertujuan untuk mengembangkan basis pengetahuan yang dapat membantu dalam

mendiagnosa suatu gangguan kesehatan kehamilan berdasarkan gejala-gejala yang


dialami oleh pasien..
5. Sistem Pakar Menggunakan Teorema Bayes untuk Mendiagnosa Penyakit
Kehamilan (Arief Kelik Nugroho dan Retantyo Wardoyo).
Sistem pakar pendiagnosa penyakit kehamilan dapat digunakan sebagai pengganti
seorang pakar dalam menjalankan tugas melakukan pemeriksaan kesehatan pada
kehamilan. Sistem ini juga dapat berfungsi sebagai alat bantu diagnosa kemungkinan
penyakit pada proses kehamilan. Proses penalaran dilakukan melalui 2 tahap, yaitu
penalaran untuk mendiagnosa penyakit menggunakan penalaran runut balik dan penalaran
untuk menentukan saran dan terapi menggunakan runut maju. Untuk mengatasi
ketidakpastian dalam menyelesaikan masalah pada sistem pakar digunakan metode
Bayesian. Penerapan metode bayes yang digunakan merupakan variabel berdasarkan nilai
ketidakpastian pakar obstetri dan ginekologi kemudian dirumuskan menjadi data. Nilai
ketidakpastian data pada gejala dan penyakit digunankan sebagai masukan sistem saat
melakukan akuisisi pengetahuan penyakit oleh dokter menjadi masukan sistem saat
melakukan akuisisi pengetahuan kaidah penyakit.
6. Sistem Pakar untuk Diagnosa Penyakit Ibu Hamil Berbasis Mobile (Menur Wahyu
Pangestika, Beni Irawan, dan Yulrio Brianorman).
Pada penelitian ini dibuat sistem pakar menggunakan metode Certainty Factor (CF) atau
faktor kepastian. Telah dilakukan penelitian mengenai pengaplikasian sistem pakar
dengan Certainty Factor untuk mendiagnosa 13 jenis penyakit pada ibu hamil yaitu Hamil
Normal, Infeksi Saluran Kencing (ISK), Gastritis (maag), Abortus, Hamil Anggur, Hamil
Ekstrauteri (Ektopik) Terganggu, Plasenta Previa, Solusio (Abrupsio) Plasenta,
Preklamsia Berat, Rupture Uteri, Retensio Plasenta (Plasenta Inkompletus), Syok
Hemoragik, dan Syok Septic. Proses yang berjalan adalah penelusuran gejala-gejala
penyakit pada ibu hamil dan outputnya berupa penyajian 40 gejala yang biasanya
dirasakan oleh pasien yang terdapat di 13 penyakit. Selanjutnya sistem akan memberikan
keterangan dan solusi atas jawaban yang diberikan pengguna/pasien. Basis pengetahuan
yang digunakan yaitu dengan rule-based reasoning (penalaran berbasis aturan). Pada
penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan
berbentuk IF-THEN. Mesin inferensi yang digunakan adalah forward chaining yaitu
penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

7. Implementasi Metode Forward Chaining dalam Rancangan Sistem Pakar


Mendiagnosa Gangguan Kehamilan Berbasis Web pada RSIA RP. SOEROSO
(Frieyadie dan Herlina Aryanti).
Penelitian ini menggunakan metode Forward Chaining. Tujuan dari penelitian ini
merancang sistem pakar untuk diagnosa awal gangguan kehamilan Rumah Sakit Ibu dan
Anak (RSIA) RP Soeroso dengan berbasis web, meningkatkan mutu pelayanan kesehatan
RSIA RP Soeroso baik dari segi teknis kesehatan dan informasi yang jelas tentang
gangguan kehamilan, dan memberikan cara penanganan atau pertolongan pada saat ibu
mengalami gejala-gejala gangguan kehamilan tersebut. Tujuan dari penelitian ini adalah:
1) Merancang sistem pakar untuk diagnosa awal gangguan kehamilan Rumah Sakit Ibu
dan Anak (RSIA) RP Soeroso dengan berbasis web. 2) Meningkatkan mutu pelayanan
kesehatan RSIA RP Soeroso baik dari segi teknis kesehatan dan informasi yang jelas
tentang gangguan kehamilan. 3) Memberikan cara penanganan atau pertolongan pada saat
ibu mengalami gejala-gejala gangguan kehamilan tersebut.
8. Sistem Pakar Diagnosa Gangguan Rahim dengan Metode Certainty Factor Berbasis
Web (Ahyar Supani, Hartati Deviana, dan Salma).
Perancangan sistem ini juga merupakan konsep dari pembuatan sistem pakar diagnosa
gangguan rahim yang dibuat dengan menggunakan web dan mengintegrasikan metode
certainty factor ke web. Faktor Kepastian (Certainty Factor) menyatakan kepercayaan
dalam sebuah kejadian (atau fakta atau hipotesis) berdasarkan bukti atau penilaian pakar.
Certainty Factor menggunakan suatu nilai untuk mengasumsikan derajat keyakinan
seorang pakar terhadap suatu data. Pengalihan keahlian dari para ahli ke komputer untuk
kemudian dialihkan lagi ke orang lain yang bukan ahli, merupakan tujuan utama dari
sistem pakar. Proses ini membutuhkan 4 aktivitas, yaitu tambahan pengetahuan (dari para
ahli atau sumber sumber lainnya), representasi pengetahuan (ke komputer), inferensi
pengetahuan ke user, dan pengalihan pengetahuan ke user. Sistem pakar diagnosa
gangguan rahim berdasarkan metode certainty factor yang ditanamkan di web
menunjukkan nilai persentase kepastian mendekati kebenaran terhadap gejala yang
diyakini dan dirasakan pengunjung mengenai penyakit rahim.
9. Sistem Pakar Skrining Kehamilan Resiko Tinggi Menggunakan Metode Certainty
Factor Studi Kasus: Puskesmas Handil Bakti Palaran (Wahyu Syahidah, Indah Fitri
Astuti, dan Awang Harsa Kridalaksana).

Sistem Pakar Skrining Resiko Tinggi Kehamilan ini merupakan sistem yang digunakan
untuk memudahkan tenaga kesehatan terutama bidan dalam melakukan skrining terhadap
ibu hamil. Untuk melakukan perhitungan KPSR user harus memasukkan data kehamilan
terlebih dahulu kemudian user dapat memilih resiko kehamilan yang dialami oleh ibu
hamil. Setiap resiko kehamilan memiliki nilai yang akan diproses nantinya. Setelah
selesai tahap memilih resiko berdasarkan kondisi ibu hamil maka sistem akan memproses
sehingga mendapatkan hasil skor yang menyatakan kondisi ibu hamil serta rujukan yang
diberikan sesuai kondisi yang dialami ibu hamil. Disertakan pula detail perhitungan yang
telah dilakukan sistem.
10. Program Bantu Diagnosa Gangguan Kesehatan Kehamilan dengan Metode Forward
Chaining (Birgitta Whenty H, Rosa Delima, dan Joko Purwadi).
Tujuan dari penelitian ini adalah untuk membangun basis pengetahuan yang tepat yang
diterapkan pada program bantu untuk mendiagnosa gangguan kesehatan di masa
kehamilan dengan metode forward chaining. Metode forward chaining digunakan untuk
melakukan proses pengolahan data yang di-input-kan oleh pengguna. Dari fakta-fakta
yang ada tersebut dapat diperoleh kesimpulan jenis penyakit yang diderita ibu di masa
kehamilan, seperti Abortus Imminiens, Abortus Insipiens, Abortus Inkompletus, Abortus
Kompletus, Abortus Mola, Abortus Infeksiosus, Kehamilan Ektopik, Ruptura Uteri,
Plasenta Previa Marginalis, Plasenta Previa Lateralis, Plasenta Previa Totalis, Mola
Hidatidosa, Solutio Plasenta Ringan, Solutio Plasenta Sedang, dan Solutio Plasenta
Berat. Fakta yang berpengaruh terhadap diagnosa gangguan kesehatan kehamilan terdiri
dari masa kehamilan, asal perdarahan, sifat perdarahan, keadaan nyeri perut, kondisi ibu,
kanalis servikalis, fundus uteri, keadaan khusus ibu dan keadaan khusus fetus, selanjutnya
fakta-fakta tersebut dikodekan yang kemudian digunakan untuk merancang pohon
keputusan dan membantu perancangan basis aturan untuk memberikan solusi terhadap
permasalahan yang ada. Tahapan uji coba tersebut juga dapat berfungsi untuk menilai
keakurasian cara kerja sistem.
11. Penentuan Pemulihan Kesehatan Ibu Hamil Menggunakan Teknik Case Based
Reasoning dan Manhattan Distance (Teguh Munawar Ahmad, Yulison Herry
Chrisnanto, dan Rezki Yuniarti).
Penelitian yang dilakukan bertujuan agar sistem yang dapat menentukan dan mencari
solusi mengenai pemuliahan kesehatan ibu hamil dengan menggunakan metode penalaran

berbasis kasus (case bases reasoning) dan perhitungan kemiripan (similarity)


menggunakan metode manhattan distance. Manhattan distance digunakan karena pada
penelitian ini mengukur tingkat kemiripan suatu kasus tanpa adanya pembobotan terhadap
gejala. Pada metode case based reasoning permasalahan diselesaikan berdasarkan pada
solusi dari permasalahan sebelumnya. Tahapan-tahapan dalam CBR yaitu, retrieve, reuse,
revise, dan retain. Berdasarkan tahapan yang dimiliki CBR dalam menentukan solusi,
terdapat langkah utama yang harus diselesaikan, yaitu membangun basis kasus yang
terdiri dari atribut usia ibu, usia kehamilan, dan gejala penyakit. Tahapan selanjutnya
yaitu menentukan fungsi kemiripan dengan menggunakan rumus manhattan distance, lalu
tahap terakhir yaitu pengambilan data, dimana pada tahap ini kasus-kasus yang telah
tersimpan dalam basis kasus dipilih sebagai sebuah solusi.
12. Implementasi

Sistem

Pakar

untuk

Mendiagnosa

Penyakit

Kandungan

Menggunakan Metode Certainty Factor (Aida Indriani, S.Kom, M.Kom dan Yusni
Amaliah, S.Kom).
Sistem pakar untuk diagnosa penyakit dibangun dengan menerapkan metode certainty
factor. Sistem tersebut memberikan hasil berupa kemungkinan penyakit yang dialami,
prosentase keyakinan, serta solusi pengobatan berdasarkan fakta-fakta dan nilai
keyakinan yang diberikan oleh pengguna dalam menjawab dan mengisi keluhan ketika
menggunakan sistem ini. Implementasi sistem ini digunakan untuk mengevaluasi proses
akuisisi pengetahuan dalam membangun basis pengetahuan. Ketepatan berupa data
keluaran merupakan salah satu indikator bahwa basis pengetahuan sistem cukup baik.
Sedangkan basis pengetahuan sistem dapat dibangun dengan baik jika proses akuisisi
pengetahuan yang dilakukan tepat. Meskipun demikian, pada kenyataannya proses
akuisisi yang dilakukan tidak mudah karena terdapat berbagai macam kendala seperti
masalah waktu, pengetahuan pakar yang bersifat dalam (deep/tacit), kesulitan yang
dialami sistem dalam memahami pengetahuan dibidang kandungan serta metode
obeservasi yang tidak dapat dilakukan karena masalah kode etik kedokteran.
13. Sistem Pakar Konsultasi Penyakit Kehamilan Berbasis Kasus Menggunakan
Metode Case Based Reasoning (CBR) (Adyanata Lubis).
Pemanfaatan CBR dalam lingkup diagnosa penyakit pada kehamilan akan sangat
membantu para ibu hamil untuk identifikasi awal penyakit kehamilan yang dialaminya
secara mandiri, dan juga sebagai alat bantu pemahaman awal bagi para calon ibu hamil
untuk mengidentifikasi penyakit kehamilan sehingga menjadi ilmu (knowledge) dasar

dalam menghadapi kehamilan dimasa yang akan datang. Tujuan dari penelitian ini
diantaranya adalah untuk mengumpulkan dan menganalisa data sebagai kasus untuk
memudahkan penyimpanan data kasus kedalam basis kasus, serta memudahkan dalam
pengambilan data yang sesuai dengan kasus baru, merancang konsep Case Based
Reasoning yang dapat digunakan untuk mendiagnosa penyakit pada kehamilan, dan
menguji parameter-parameter untuk menentukan fungsi kemiripan (similarity) untuk
mengenali kesamaan atau kemiripan antara kasus kasus yang tersimpan dalam basis kasus
dengan kasus yang baru.
14. Sistem Pakar untuk Diagnosa Penyakit Kehamilan Menggunakan Metode DempsterShafer dan Decision Tree (Joko Minardi).
Teori Dempster-Shafer adalah teori matematika bukti berdasarkan fungsi keyakinan dan
penalaran yang masuk akal, yang digunakan untuk menggabungkan bagian yang terpisah
dari informasi. Dalam diagnosis penyakit informasi kehamilan yang diperoleh dari pasien
kadang-kadang tidak lengkap, dengan metode dan sistem pakar Dempster-Shafer aturan
bisa menjadi kombinasi dari gejala yang tidak lengkap untuk mendapatkan diagnosis
yang tepat sedangkan pohon keputusan digunakan sebagai alat pendukung keputusan
pelacakan referensi gejala penyakit. Sistem ini terbagi menjadi tiga tahapan yaitu input,
proses dan output. Dalam tahapan input pengguna/pasien akan memilih gejala yang akan
disimpan dalam data diagnosa, sistem akan menyesuaikan hasil input dengan aturan basis
pengetahuan dan decision tree, kemudian dari hasil pilih gejala tersebut (input) data
gejala akan di lakukan penghitungan dengan metode dempster shafer untuk mendapatkan
nama penyakit dan nilai densitas dari penyakit tersebut untuk menetukan tingkat
kepercayaan dari penyakit tersebut (proses), setelah itu akan menghasilkan output berupa
nama penyakit dan nilai kepercayaan penyakit.
15. Sistem Pakar Diagnosa Penyulit Kehamilan Menggunakan Metode Forward
Chaining Certainty Factor Berbasis Web (Wiji Setiyaningsih dan Trisna Beta Kuri
Wardani).
Sebuah sistem pakar mempunyai dua komponen utama yaitu basis pengetahuan dan
mesin inferensi. Basis pengetahuan merupakan tempat penyimpanan pengetahuan dalam
memori komputer dimana penegetahuan ini diambil dari seorang pakar Sedangkan mesin
inferensi merupakan otak dari apliksai sistem pakar. Sistem pakar diagnosa penyulit
kehamilan dapat menjadi media untuk melihat perkembangan ibu hamil yang mengalami

penyulit kehamilan pada rumah sakit permata hati melalui grafik hasil diagnosa, dan
rumah sakit tersebut dapat memberikan jalan keluar ataupun solusi untuk menekan
jumlah penderita. Sistem ini juga dapat digunakan untuk memaksimalkan deteksi dini
mengenai penyulit kehamilan berdasarkan usia kandungan ibu hamil atau trimester
kehamilan. Patologi kehamilan adalah penyulit atau gangguan atau komplikasi yang
menyertai ibu saat hamil. Adapun bentuk patologi kehamilan berdasarakan trimester
kehamilan diantaranya adalah anemia, Hyperemesis Gravidarum, Abortus, Ektopik, Mola
Hidatidosa, Preeklamsia, Solusio Plasenta, Plasenta Previa.
16. Pendeteksian Diagnosa Penyakit Kandungan pada Ibu Hamil dengan Menggunakan
Metode Forward Chaining (Mulia Rahmayu).
Di dalam sistem pakar ini teknik inferensi yang digunakan adalah teknik pelacakan ke
depan (forward chaining). Forward chaining merupakan strategi pencarian yang memulai
proses pencarian dari sekumpulan data atau fakta, dari data-data tersebut dicari suatu
kesimpulan yang menjadi solusi dari permasalahan yang dihadapi. Basis pengetahuan
berisi pengetahuan penting untuk pengertian, formulasi dan pemecahan masalah. Basis
pengetahuan memasukkan dua elemen yaitu : fakta (facts) seperti situasi masalah dan
teori dari area masalah dan heuristic khusus atau rule-rule yang menghubungkan
penggunaan pengetahuan untuk pemecahan masalah spesifik dalam sebuah domain
khusus. Informasi dalam basis pengetahuan tergabung dalam sebuah program komputer
oleh proses yang disebut dengan representasi pengetahuan.
17. Penerapan Sistem Pakar untuk Mendeteksi Pendarahan pada Masa Kehamilan (Eka
Wajar Wati dan Tati Mardiana).
Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan dan
lingkungan konsultasi. Lingkungan pengembangan sistem pakar digunakan untuk
memasukan pengetahuan pakar kedalam lingkungan sistem pakar, sedangkan lingkungan
konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan
pakar dalam kedua bagian. Komponen-komponen dalam kedua bagian tersebut yaitu :
User Interface (antarmuka pengguna), basis pengetahuan, akuisisi pengetahuan, mesin
inferensi, workplace, fasilitas penjelasan, dan perbaikan pengetahuan. Pengetahuan
direpresentasikan dengan menggunakan aturan berbentuk IF-THEN dari sejumlah
pengetahuan pakar pada suatu domain masalah untuk menyelesaikan masalah secara
berurutan. Bentuk ini digunakan apabila dibutuhkan penjelasan tentang langkah-langkah

pencapaian solusi. Basis pengetahuan berisi solusi-solusi yang telah dicapai pada kasus
sebelumnya yang dapat digunakan untuk mendapatkan solusi dari sebuah kasus baru yang
memiliki kemiripan dengan kasus sebelumnya. Data hasil kuesioner pakar yang valid
diubah ke dalam bentuk tabel keputusan dan pohon keputusan dengan menggunakan
metode inferensi runut balik (backward chaining). Berdasarkan representasi pengetahuan,
kemudian dilakukan pengembangan sistem pakar dengan menggunakan model air terjun
(water fall) yang terdiri dari tiga tahapan, yaitu:

analisis kebutuhan software,

perancangan perangkat lunak, implementasi dan pengujian sistem. Keluaran yang


dihasilkan sistem pakar untuk mendeteksi pendarahan pada masa kehamilan dinilai cukup
akurat sehingga dapat digunakan sehingga dapat membantu ibu hamil gejala-gejala
mengetahui dan pendarahan mengurangi angka pendarahan pada masa kehamilan. Sistem
pakar dapat dikembangkan untuk mendiagnosis bayi lahir cacat, sehingga orang tua dapat
mempersiapkan mental dan tindakan yang akan dilakukan.
18. Sistem Pakar Diagnosa Gangguan Kehamilan dengan Metode Forward Chaining
(Dinda Dwi Ratnasari dan Sutariyani).
Sistem Pakar yang dibuat dapat membantu para pakar yaitu bidan/dokter kandungan
dalam mendiagnosa gangguan yang terjadi pada masa kehamilan yang diakibatkan oleh
gejala-gejala yang muncul sehingga mempermudah dalam memberikan penanganan yang
cepat dan tepat. Output yang dihasilkan pada sistem ini berupa solusi untuk penanganan
jenis gangguan dan memberikan penjelasan gangguan penyebab kehamilan.
19. Penerapan Sistem Pakar untuk Mengidentifikasi Masalah Kehamilan dengan
Metode Dempster-Shafer (Ashari).
Perancangan sistem pakar dalam mengidentifikasi masalah kehamilan dilakukan dengan
metode demspter-shafer dengan berdasarkan rule sesuai keahlian para pakar dengan
melakukan pengukuran kekuatan evidence dalam mendukung suatu himpunan proposisi
dan dilakukan oleh sistem komputer sebagai hasil perancangan diagram atau alur sistem,
perancangan database dan interface dari sistem pakar. Keberhasilan suatu aplikasi sistem
pakar terletak pada metode perancangan pengetahuan dan bagaimana mengolah
pengetahuan tersebut agar dapat ditarik suatu kesimpulan. Pengetahuan yang diperoleh
dari hasil wawancara dan analisa dari para pakar ke dalam sebuah tabel masalah
kehamilan dan gejala guna mempermudah proses pencarian solusi. Pada metode
dempster-shafer dibutuhkan seorang pakar untuk menentukansebuah nilai belief,

kemudian dengan adanya nilai kepercayaan maka akan ada nilai plausability untuk
mengetahui nilai kemungkinan dengan menggunakan metode dempster-shafer. Proses
pengujian sistem berupa masukan data gejala yang dialami pasien.
20. Perancangan Sistem Pakar Pendeteksi Gangguan Kehamilan (Budiya Surya Putra,
S.Kom.).
Sebuah program sistem pakar terdiri dari basis pengetahuan, basis data, mesin inferensi
dan antar muka pemakai. Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu
representasi dari seorang pakar yang tersusun atas fakta yang berupa suatu informasi
tentang cara bagaimana mengembangkan fakta baru dari fakta yang sudah diketahui.
Basis data adalah bagian yang mengandung unsur data semua fakta, dari saat sistem
beroperasi sampai fakta yang didapat hingga alur pengambilan keputusan. Mesin
inferensi menganalisa saat masalah terte ntu yang selanjutnya akan mencari jawaban atau
kesimpulan terbaik mengandung mekanisme fungsu berpikir serta pola-pola penalaran
sistem yang digunakan oleh pakar. Yang terakhir adalah antar muka pemakai adalah
penghubung antara program dengan pemakai. Di bagian ini proses penginputan data-data
dan pertanyaanserta jawaban yang diberikan oleh program.