JUST TI: (Jurnal Sains Terapan Teknologi Informasi) 14, 1 (Januari, 2022): 50 - 57

Website: e-journal.polnes.ac.id/index.php/justi
ISSN: 2579-4510(online) ISSN: 2085-6458(print)

SISTEM PAKAR DIAGNOSA PENYAKIT INFEKSI PADA SALURAN

PERNAPASAN MENGGUNAKAN METODE BACKWARD CHAINING DAN
PROBABILITAS KLASIK

Karyo Budi Utomo1), Farindika Metandi2), Tien Rahayu Tulili3)

1,2,3)
Jurusan Teknologi Informasi,
Politeknik Negeri Samarinda, Jl. Cipto Mangunkusumo, Samarinda, Kalimantan Timur, Indonesia
kbu@polnes.ac.id , farindika@gmail.com 2), tien.tulili@polnes.ac.id 3)
1)

Abstrak - Infeksi saluran pernapasan atau respiratory tract infections adalah infeksi yang menyerang saluran pernapasan
manusia. Infeksi ini disebabkan oleh bakteri atau virus. Dalam upaya membantu masyarakat (pasien) mendiagnosa
penyakit infeksi pada saluran pernapasan sejak dini diperlukan sebuah sistem pakar yang mampu mendiagnosa penyakit
infeksi pada saluran pernapasan sebelum dilakukan diagnosa lebih lanjut di rumah sakit. Sistem pakar diagnosa penyakit
infeksi pada saluran pernapasan di bangun dengan menggunakan mesin inferensi Backward Chaining yang
dikombinasikan dengan metode probabilitas klasik dengan harapan dapat disajikan persentase kemungkinan penyakit
pasien berdasarkan hipotesa pasien. Hasil dari penelitian ini berupa aplikasi (perangkat lunak) sistem pakar, berdasarkan
uji coba yang telah dilakukan penelusuran inferensi runut balik (Backward Chaining) lebih efektif dikombinasikan dengan
metode probabilitas klasik, dengan demikian dapat disajikan persentase kemungkinan kebenaran penyakit sesuai hipotesa
pasien berdasarkan gejala-gejala yang dirasakan.
Kata Kunci – Sistem Pakar, Infeksi Saluran Pernapasan, Backward Chaining, Probabilitas Klasik, Inferensi

1. PENDAHULUAN tanpa memandang usia dan suku bangsa [6]. Dengan

Akhir-akhir ini dunia sedang dihebohkan oleh virus corona
baru yakni Covid 19. Covid-19 merupakan infeksi virus
baru yang mengakibatkan terinfeksinya 90.308 orang per
tanggal 2 Maret 2020. Virus ini bermula di Wuhan, China
pada 31 Desember 2019 [1]. Seperti penyakit yang
disebabkan oleh virus Corona lainnya, virus yang
merupakan virus RNA strain tunggal positif ini
menginfeksi saluran pernapasan [1]. infeksi Covid-19 bisa
menyebabkan gejala yang mirip flu, meski dalam beberapa
kasus, manusia yang terinfeksi menderita sakit yang cukup
parah, seperti disertai pneumonia.
Infeksi saluran pernapasan atau respiratory tract
infections adalah infeksi yang menyerang saluran
pernapasan manusia. Infeksi ini disebabkan oleh bakteri
atau virus [2]. Infeksi pada saluran napas merupakan
penyakit yang umum terjadi pada masyarakat [3], [4].
Infeksi saluran napas berdasarkan wilayah infeksinya
terbagi menjadi infeksi saluran napas atas dan infeksi
saluran napas bawah, Umumnya penyebab dari infeksi
saluran napas adalah berbagai mikroorganisme, namun
yang terbanyak yakni oleh karena infeksi virus dan bakteri
[3], [4].
Penyakit saluran pernafasan merupakan
sekelompok penyakit kompleks dan heterogen yang
disebabkan oleh berbagai penyebab dan dapat mengenai
setiap lokasi di sepanjang saluran nafas salah satu penyebab
utama kunjungan pasien ke sarana kesehatan [5]. Penyakit
paru dan saluran napas merupakan pernyakit yang tingkat
kejadianya cukup luas dan dapat menyerang siapa saja
berkembang pesatnya teknologi komputer, dimana layanan
dan informasi disajikan secara cepat dan mudah, maka
mendorong penulis untuk dapat menyajikan suatu alat
bantu berupa perangkat lunak yang menggunakan prinsip-
prinsip kerja seorang pakar (pengetahuan manusia) yang
dikemas dalam sebuah perangkat lunak, sehingga
diharapkan dapat memudahkan masyarakat mendeteksi
penyakit infeksi saluran pernapasan sejak dini sebelum
dilakukan pemeriksaan lebih lanjut ke rumah sakit.
Setidaknya hal tersebut dijadikan acuan sementara untuk
pencegahan penularan di lingkungan keluarga dan
sekitarnya.
Kecerdasan buatan adalah salah satu bidang ilmu
komputer yang membuat komputer dapat bertindak seperti
manusia (menirukan kerja otak manusia) [7]. Sistem pakar
atau expert system merupakan salah satu bidang yang
menggunakan kecerdasaan buatan [8], [9]. Secara umum
sistem pakar adalah sebuah sistem yang kinerjanya
mengadopsi keahlian yang dimiliki seorang pakar dalam
bidang tertentu ke dalam system atau program komputer
yang disajikan dengan tampilan yang dapat digunakan oleh
pengguna yang bukan seorang pakar sehingga dengan
system tersebut pengguna dapat membuat sebuah
keputusan atau menentukan kebijakan layaknya seorang
pakar [8], [9]. Dengan sistem pakar ini, orang awam pun
dapat menyelesaikan masalah yang cukup rumit yang
sebenarnya hanya dapat diselesaikan dengan bantuan para
ahli [8], [10]. Selain itu sistem pakar juga memiliki
berbagai keunggulan dibandingkan kepakaran manusia,
beberapa keunggulan sistem pakar dibandingkan dengan
kepakaran manusia adalah sistem pakar lebih terjangkau,
permanen, konsisten, proses lebih cepat dan dapat
diandalkan [11]. sedangkan kepakaran manusia mudah

http://dx.doi.org/10.46964/justti.v14i2.1488
Received: 24 Mei 2022 ; Revised: 27 Juni 2022; Accepted: 28 Juni 2022
 Karyo Budi Utomo dkk Sistem Pakar Diagnosa Penyakit Infeksi Pada Saluran Pernapasan
Menggunakan Metode Backward Chaining Dan Probabilitas Klasik
rusak, cenderung tidak dapat diprediksi, lebih mahal serta
lambat dalam pemrosesanya [11], [12].
Pada makalah ini bertujuan untuk membangun
system pakar diagnosa penyakit infeksi saluran pernapasan
dengan metode bakcward chaining dan probabilistik
klasik. Output yang dihasilkan berupa perangkat lunak
sistem pakar dengan berbasis web yang responsive
terhadap berbagai platform perangkat.
2. METODE
Knowledge base (Basis Pengetahuan) merupakan
factor utama dalam system pakar, akurasi hasil analisis
mesin inferensi serta analisis persentase kemungkinan atas
diagnose sangat ditentukan oleh basis pengetahuan.
Seperti yang tersaji dalam gambar 1, secara umum
tahapan dalam penelitian ini dibagi menjadi 5 bagian, yakni
:
a. Basis Pengetahuan : Merupakan bentuk basis data
tertentu yang digunakan dalam manajemen
pengetahuan (knowledge management). Basis
pengetahuan berperan dalam proses mengumpulkan,
mengorganisasikan, maupun mendapatkan kembali
suatu pengetahuan (knowledge)
b. Mesin Inferensi : Bagian dari system pakar yang
melakukan penalaran dengan menggunakan isi daftar
aturan berdasarkan pola urutan dan pola tertentu.
Selama proses konsultasi, mesin inferensi
menggunakan strategi backward chaining.
c. Analisis Presentase : Merupakan tahapan utuk
mendapatkan nilai presentase atas kemungkinan
penyakit yang di derita user berdasarkan gejala-gejala
yang sesuai dengan hipotesa penyakit yang ditetapkan
d. Implementasi : Tahap implementasi merupakan
bentuk mewujudkan system pakar berdasarkan mesin
inferensi yang ditetapkan ke dalam bentuk perangkat
lunak. Dalam tahapan implementasi ini terdapat 2 sub
tahapan, yakni, tahap desain system pakar dan tahap
membangun perangkat lunak system pakar
e. Uji coba & Evalusi : Merupakan tahapan untuk
menguji kehandalan perangkat lunak system pakar
untuk kemudian akan dilakukan evaluasi secara
berkala berdasarkan kondisi maupun kemungkinan
perubahan basis pengetahuan.
51
Knowledge Base
Inference Engine Precentage Analisys
(Backward Chaining) (Classic probability)
Implementation
- Expert Sistem Design
- Expert Sistem Software Development
Testing & Evaluation
Gambar 1. Metode penelitian
3. HASIL DAN PEMBAHASAN
3.1. Analisis Basis Pengetahuan
Basis pengetahuan merupakan salah satu bagian
terpenting dari sistem pakar, Pengetahuan dalam basis
pengetahuan dapat direpresentasikan dalam berbagai
cara. Namun sebagian besar basis pengetahuan belum
mengakomodasi adanya preferensi dari beberapa
pengambil keputusan (group support system) [24].
Basis pengetahuan berisi fakta-fakta, teori,
pemikiran, atau aturan-aturan yang mengarahkan
penggunaan pengetahuan dalam menyelesaikan masalah,
Sistem pakar akan bekerja dengan baik apabila
pengetahuan-pengetahuan dalam basis pengetahuan
direpresentasikan dan diorganisasikan dengan sebaik-
baiknya [24], [25].
Penyakit infeksi saluran pernapasan memiliki
jenis cukup banyak, dan tiap-tiap penyakit infeksi
pernapasan memiliki gejala secara spesifik serta tingkat
masa inkubasi juga berbeda-beda. Pada beberapa kasus
penyakit infeksi pernapasan, memiliki masa inkubasi yang
cukup lama, sehingga dibutuhkan waktu yang cukup lama
untuk mengetahui jenis penyakit yang menginfeksi saluran
pernapasan, untuk itu dalam penelitian ini hanya
membatasi pada 12 jenis penyakit infeksi saluran
pernapasan. Detail jenis penyakit kami sajikan pada tabel
1.
Tabel 1. Jenis Penyakit
Kode Nama Penyakit
P01 Bronkitis
P02 Pneumonia
JUST TI: (Jurnal Sains Terapan Teknologi Informasi) 14, 1 (Januari, 2022): 50 - 58
Website: e-journal.polnes.ac.id/index.php/justi
ISSN: 2579-4510(online) ISSN: 2085-6458(print)

P03 Bronkiolitis Tabel 2. Gejala Penyakit

Kode Nama Gejala
P04 Tuberkulosis Paru
P05 Laringitis G01 Demam

P06 Sinusitis G02 batuk berdahak

P07 Radang amandel G03 sakit/nyeri pada dada

(tonsillitis) G04 sesak nafas
P08 Radang tenggorokan G05 Hidung berair
P09 SARS G06 Hidung tersumbat (pilek)
P10 MERS G07 Batuk kering
P11 Covid-19 G08 Kesulitan bernapas (bukan pilek)
P12 Influenza ….. …………………………
….. …………………………
G47 Letih dan Lesu
Berdasarkan penyakit-penyakit yang telah ditetapkan
untuk menjadi topik pembahasan pada penelitian ini maka G48 Mata seperti terbakar
jenis-jenis gejala yang menyertainya tersaji pada tabel 2.
Daftar Hubungan gejala dan penyakit. Berikut
penyakit infeksi saluran pada pernapasan beserta gejala
dalam bentuk representasi pengetahuan dari pakar, dapat
dilihat pada tabel 3.

Tabel 3. Daftar Hubungan Gejala dan Penyakit

No Gejala Kode Jenis Penyakit
Gejala
P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 P11 P12
1 Demam G01 X X X X X X X X X X X X
2 Batuk berdahak G02 X X
3 Sakit/nyeri pada dada G03 X X X X
4 Sesak nafas G04 X X X X X X
5 Hidung berair G05 X
6 Hidung tersumbat (pilek) G06 X X X X X
7 Batuk kering G07 X X X X X X X
8 Kesulitan bernapas (bukan G08 X
pilek)
… …………………………. …… ….. ….. ….. ….. ….. ….. ….. ….. ….. ….. ….. ….
… …………………………. …… ….. ….. ….. ….. ….. ….. ….. ….. ….. ….. ….. ….

47 Letih dan Lesu G47 X

48 Mata seperti terbakar G48 X

3.2 Inferensi Backward Chaining

Berikut gambar 2, uraian rule-rule dari sistem pakar menggunakan mentode inferensi Backward Chaining
diagnosa awal penyakit infeksi saluran pada pernapasan berdasarkan basis pengetahuan yang diperoleh dari pakar.

52
 Karyo Budi Utomo dkk Sistem Pakar Diagnosa Penyakit Infeksi Pada Saluran Pernapasan
Menggunakan Metode Backward Chaining Dan Probabilitas Klasik

Gambar 2. Alur diagnose dengan inferensi Backwrd Chaining

53
JUST TI: (Jurnal Sains Terapan Teknologi Informasi) 14, 1 (Januari, 2022): 50 - 58
Website: e-journal.polnes.ac.id/index.php/justi
ISSN: 2579-4510(online) ISSN: 2085-6458(print)

3.3 Penerapan Probabilitas Klasik

Probabilitas adalah perbandingan dari kejadian yang
menguntungkan dari seluruh kejadian yang
mempunyai kesempatan sama yang kemungkinan
terjadinya suatu peristiwa diantara kejadian
keseluruhan yang mungkin terjadi. berikut contoh
perhitungan persentase kemungkinan terjangkitnya
salah satu jenis penyakit infeksi saluran pada
pernapasan dengan menggunakan probabilitas klasik.
Penyakit influenza (P12) mempunya 9 jenis
gejala yang nampak, gejala yang muncul pada
penderita adalah 4 gejala, maka berdasarkan
persamaan 1 dapat dihitung kemungkinanya sebagai Gambar 3. Data Flow Diagram Sistem Pakar
berikut :
Database dalam sistem pakar diagnose
P (A) = (n (A))/n = 4/9 = 0.444 (1) penyakit infeksi saluran pernapasan terdapat 5 tabel,
P (A) = 0.444 namun demikian dari 5 tabel tersebut hanya terdapat 3
tabel yang menjadi inti dari system pakar, 2 tabel
Untuk mendapatkan persentase pada tiap lainya hanya bersifat pendukung. sehingga pada
gejala yang muncul, maka nilai probabilitas tersebut perancangan pada Entity Relationship Diagram (ERD)
dikalikan dengan 100% seperti yang tersaji pada hanya menyertakan 3 tabel, seperti yang kami sajikan
persamaan 2, sehingga hasil persentasenya adalah : pada gambar 4.

(2)
Percentage (A) = 0.444 x 100%
Percentage (A) = 44.4%

3.4 Perancangan Sistem

Gambar 4. Entity Relationship Diagram Sistem Pakar

Alat perancangan sistem dalam penelitian ini
menggunakan Data Flow Diagram (DFD) dan
Entity Relationship Diagram (ERD).
Perancangan Data Flow Diagram Seperti yang tersaji
pada gambar 3 terdapat 2 external entity yakni
Admin/Pakar (kolaborasi antara administrator dan
seorang pakar) serta Pasien.
3.5 Implementasi Program
Aplikasi system pakar diagnose penyakit infeksi
pada saluran pernapasan dibagi menjadi 2 (dua)
kategori menu, yakni:
1) Menu Admin : Diperuntukan bagi administrator
system, pada menu ini user terlebih dahulu harus
memasukan userid dan password, setelah userid dan
password diverifikasi benar selanjutnya user admin
dapat melakukan serangkaian pemeliharaan data,
meliputi pemeliharaan data penyakit, data gejala, serta
pemeliharaan data relasi yang berfungsi sebagai
sarana untuk menganalisa saat user pasien melakukan
diagnose. Selain itu user admin juga dapat melihat
laporan data pengunjung yang telah melakukan
diagnose di system ini.
2) Menu Pasien : Diperuntukan bagian
pengunjung yang ingin mendiagnosa kemungkinan

54
 Karyo Budi Utomo dkk Sistem Pakar Diagnosa Penyakit Infeksi Pada Saluran Pernapasan
Menggunakan Metode Backward Chaining Dan Probabilitas Klasik

penyakit infeksi saluran pernapasan yang di derita. penyakit dengan gejala maka perlu ada pemeliharaan,
User pasien pada saat masuk ke dalam system harus seperti yang tersaji pada gambar 7 user dapat
mengisi form yang berisi nama, email dan kota, melakukan pemeliharaan data dengan mudah.
setelah itu user pasien akan dapat menuju menu pasien
yang berisi informasi tentang penyakit infeksi saluran
pernapasan serta melakukan diagnose atas
kemungkinan penyakit yang di derita.

Gambar 7. Pemeliharaan Data Relasi antara penyakit dengan

gejala

Setelah data penyakit dan gejala sudah

Gambar 5. Pemeliharaan Data Penyakit
Gambar 5 menunjukkan bagaimana
mekanisme pemeliharaan data penyakit sistem
dilakukan, user admin dalam melakukan perubahan
data ataupun melakukan penambahan data penyakit
baru. Dalam penelitian ini hanya dibatasi pada 12 jenis
penyakit infeksi pada saluran pernapasan, namun
demikian sistem telah di desain untuk dapat
menampung lebih banyak penyakit. Sehingga
dimungkinkan pada kesempatan mendatang user
menambahkan jenis penyakit baru.
Untuk selanjutnya implikasi dari
penambahan ataupun penguranganan penyakit hampir
dipastikan akan dilakukan penambahan ataupun
pengurangan gejala, seperti yang tersaji pada gambar
6 user admin dalam melakukan perubahan gejala,
melakukan penghapusan gejal serta dapat melakan
penambahan gejala baru.
direlasikan, maka proses diagnose sudah dapat
dilakukan, untuk melakukan diagnose atas
kemungkinan penyakit yang di derita, user pasien
dalam melakukan diagnose secara mandiri, langkah
pertama yang dilakukan user pasien adalah mengisi
data nama, kota asal serta alamat email. Setelah
mengisi data tersbut user pasien diminta untuk
memilih jenis penyakit sesuai dengan asumsinya.
Gambar 8 menunjukan halaman untuk memilih jenis
penyakit yang diinginkan.
Gambar 8. Halaman Diagnosa (Memilih Penyakit)
Setelah user pasien memilih jenis penyakit
sesuai dengan yang diasumsikan berdasarkan gejala
yang dirasakan, maka akan ditampilkan halaman
pemilihan gejala. User pasien diminta untuk memilih
jenis gejala yang sesuai dengan yang dialami. Pada
gambar 9 tersaji halaman diagnosa untuk memilih
jenis gejala.

Gambar 6. Pemeliharaan Data Gejala

Untuk selanjutnya dalam proses diagnose

penyakit maka perlu dilakukan relasional antara jenis Gambar 9. Halaman diagnosa (Memilih Gejala)
penyakit dengan kesesuaian gejala yang dimiliki, dan
untuk memudahkan user dalam merelasikan antara

55
JUST TI: (Jurnal Sains Terapan Teknologi Informasi) 14, 1 (Januari, 2022): 50 - 58
Website: e-journal.polnes.ac.id/index.php/justi
ISSN: 2579-4510(online) ISSN: 2085-6458(print)
Selain memilih gejala, pada halaman tersebut
juga disajikan definisi dari penyakit yang di pilih, hal
tersebut dimaksudkan agar user pasien memahami atas
penyakit yang mereka pilih untuk di diagnose. Setelah
user memilih jenis gejala yang sesuai dengan yang
dirasakanya, selanjutnya sistem melakukan analisis
diagnosa berdasarkan penyakit dan gejala yang dipilih,
pada contoh kasus pemilihan penyakit dan gejala maka
diperoleh hasil diagnose seperti yang tersaji pada
gambar 10.
Seperti yang tersaji pada gambar 10
berdasarkan analisis data menggunakan probabilitas
klasik maka akan disajikan persentase kemungkinan
kesesuaian antara jenis penyakit dan jenis gejala yang
dipilih. Dan untuk memberikan informasi yang
komprehensif kepada pasien, juga disajikan
kemungkinan-kemungkinan penyakit lain yang di
derita oleh pasien dengan memberikan nilai persentase
pada tiap-tiap kemungkinan penyakit.
Gambar 10. Halaman hasil diagnosa
I. KESIMPULAN
Berdasarkan hasil analisa, perancagnan
system serta implementasi program, selanjutnya dapat
di Tarik kesimpulan sebagai berikut:
1. Hasil penelusuran inferensi runut balik (Backward
Chaining) lebih efektif dikombinasikan dengan
metode probabilitas klasik, dengan demikian dapat
disajikan persentase kemungkinan kebenaran
penyakit sesuai hipotesa pasien berdasarkan
gejala-gejala yang dirasakan.
2. Aplikasi system pakar yang dihasilkan mampu
menyajikan persentase kemungkinan-
kemungkinan penyakit lain di luar dari pilihan
penyakit sesuai hipotesa pasien yang di sesuaikan
dengan gejala-gejala yang dirasakan atau dipilih
pasien dalam daftar gejala yang terdaftar di
aplikasi.
3. Aplikasi system pakar yang dihasilkan dapat
dijadikan rujukan pasien untuk melakukan
diagnosa awal sebelum dilakukan pemeriksaan
lebih lanjut di fasilitas kesehatan
REFERENSI
56
[1] Yuliana, "Corona virus diseases (Covid-19); Sebuah
Tinjauan Literatur," Wellness And Healthy
Magazine,. vol. 2, no. 1, p. 187-192, Feb. 2020.
[2] (2019) Website halodoc. [Online], Available:
https://www.halodoc.com/
[3] I. Amelinda, A. Djamal, E. Usman, "Pola Sensitivitas
Bakteri Penyebab Infeksi Saluran Napas Bawah Non
Tuberkulosis Terhadap Kotrimoksazol di
Laboratorium Mikrobiologi RSUP Dr. M. Djamil
Padang," Jurnal Kesehatan Andalas, Vol.3, no. 3, 2014
[4] (2016) Makalah Bakteriologi " Bakteri Patogen Pada
Saluran Pernafasan" [Online], Available :
http://annanyo22.blogspot.com/2017/01/makalah-
bakteriologi-bakteri-patogen.html
[5] N. A. Handayani, I. D. Wahyono, “Pernafasan Yang
Dipicu Penggunaan Air Conditioner ( Ac ) Dengan
Metode Dempster Shafer,” JFTI 1–8, 2010
[6] Samsudin, Usman, Selviana, "Aplikasi Sistem Pakar
Diagnosa Penyakit Pernapasan Menggunakan Metode
Case-Based Reasoning," Jurnal Ipteks Terapan, Vol.
11, no. 4, p. 272-282, Des. 2017
[7] A. P. Kusuma, M. Sari, "Perbandingan Metode
Forward Chaining Dan Backward Chaining Pada
Sistem Pakar Diagnosis Penyakit Ikan Lele
Sangkuriang," ANTIVIRUS: Jurnal Ilmiah Teknik
Informatika, Vol. 12, No. 1, p. 59–71, Mei. 2019
[8] K. B. Utomo, T. R. Tulili, M. Limbong, “Rancang
Bangun Sistem Pakar Untuk Deteksi Penyakit Paru-
Paru Dengan Metode Forward Chaining”, JUST TI:
(Jurnal Sains Terapan Teknologi Informasi) 12, 1,
Januari, 2020
[9] A. Andriani, Pemrograman Sistem Pakar: Konsep
Dasar dan Aplikasinya Menggunakan Visual Basic 6,
Jogjakarta, Indonesia: Mediakom, 2017.
[10] A. D. Lestyaningrum, Anardani, "Rancang Bangun
Sistem Pakar Diagnosa Penyakit Tuberkulosis (TBC)
dengan Metode Forward Chaining," Journal of
Computer and Information Technology, Vol.1, No. 1,
Agustus. 2017
[11] H. Sastypratiwi, R. D. Nyoto, "Analisis Data Artikel
Sistem Pakar Menggunakan Metode Systematic
Review," JEPIN (Jurnal Edukasi dan Penelitian
Informatika), Vol. 6, No. 2, Agustus. 2020
[12] A. S. Aribowo, S. Khomsah, "Sistem Pakar Dengan
Beberapa Knowledge Base Menggunakan Probabilitas
Bayes Dan Mesin Inferensi Forward Chaining",
Seminar Nasional Informatika 2011 (semnasIF 2011),
UPN ”Veteran” Yogyakarta, Juli 2011
[13] N. Arbaiy, S. E. Sulaiman, N. Hassan, Z. A. Afip,
"Integrated Knowledge Based Expert System for
Disease Diagnosis System," International Research
and Innovation Summit (IOP Conf. Series: Materials
Science and Engineering), May. 2017
[14] L. Medsker and J. Liebowitz, Design and
Development of Expert Systems and Neural
Networks, 1st ed., Prentice Hall, 1993.
[15] T. S. Kuhn, “The structure of scientific revolutions,”
International Encyclopedia of Unified Science, vol. 2,
no. 2, pp. 274-276, 2006.
[16] A. Al-Ajlan, "The Comparison between Forward and
Backward Chaining," International Journal of
 Karyo Budi Utomo dkk Sistem Pakar Diagnosa Penyakit Infeksi Pada Saluran Pernapasan
Menggunakan Metode Backward Chaining Dan Probabilitas Klasik

Machine Learning and Computing, Vol. 5, No. 2, pp.

106-13, April. 2015
[17] A. Jose and A. Prasad, Design and Development of a
Rule Based Expert System for AACR: A Study of the
Application of Artificial Intelligence Techniques in
Library and Information Field, Saarbrücken,
Germany: VDM Verlag 2011.
[18] M. Sagheb-Tehrani, “Expert systems development:
Some issues of design process,” ACM SIGSOFT
Software Engineering Notes, vol. 30, no. 2, pp. 1-5,
2005
[19] H. Hamsinar, F. Musadat, Rahayu, "Penerapan
Metode Backward Chaining Pada Sistem Pakar Untuk
Mendeteksi Penyakit Tanaman Jagung", Jurnal
Informatika, Volume 8, No.1, Juni 2019
[20] N. Danapriatna, R. Setiawan, Pengantar Statistika,
Yogyakarta, Indonesia: Graha Ilmu, 2005.
[21] A. M. Puspitasari, Suhartono, Kushartantya, "Sistem
Pakar Berbasis Web Dengan Metode Probabilitas
Klasik Untuk Diagnosa Penyakit Tuberkulosis Pada
Manusia Dewasa", Jurnal Masyarakat Informatika,
Vol. 4, No. 7, Oktober 2013
[22] M. Arhami, Konsep Dasar Sistem Pakar, Yogyakarta,
Indonesia: Andi, 2005.
[23] Aristoteles, J. Prasetyo, M. Fuljana, K. Muludi,
"Expert System of Chili Plant Disease Diagnosis using
Forward Chaining Method on Android," (IJACSA)
International Journal of Advanced Computer Science
and Applications, Vol. 8, No. 11, pp. 164-168, 2017
[24] S.Kusumadewi, S. Hartati, "Basis Pengetahuan
Dengan Model Keputusan Kelompok Untuk
Diagnosis Gangguan Kejiwaan," Journal of
Mathematics and Natural Sciences, Vol. 18, no. 1, pp.
28-42, 2008
[25] Turban, Efraim; Aronson, Jey; dan
Liang, Ting-Peng, Decision Support Systems and
Intelligent Systems, NewJersey, US: Pearson Prentice
Hall, 200

57