Skripsi
Skripsi
pasien.
penurunan kunjungan pasien dan peningkatan
teledentistry (telehealth untuk
Rumusan Masalah
Bagaimana penerapan metode Certainty Factor dapat
1. Sistem Pakar
2. Certainty Factor
Measures of Belief (MB)
Measures of Disbelief (MD
3. K - Nearest Neighbor
Abses gigi Karies gigi Pengumpulan rekam medis & Wawancara Dokter Gigi:
17 17 Juni 2021 - Agustus 2021
6 Penyakit
28 gejala
Stomatitis 6 * 28 = 168 Basis pengetahuan
Periodontitis Production Rules
16 17 Forward Chaining
1. Data Cleaning
2 PP03 GP25 0.25
Data Preprocessing = 2. Data Selection
3. Data Transformation
Masalah Literatur
Wawancara
Langkah -
Dokter Gigi Membangun
Representasi
Dokumentasi
Pengetahuan
Data
Penelitian
Pemodelan
Preprocessing
Metode
Metode Certainty
Diagnosis
Factor
Gabungan Metode
Rancang sistem
CF - K Nearest
80%
Model sistem pakar yang
(dokter). perhitungan
diagnosisnya.
dengan dataset)
FANI MASTURINA | SKRIPSI
90%
Certainty Factor - menerapkan gabungan metode
Jupyter Notebook)
diagnosisnya.
I
Kerangka Konseptual
Model Protyping, Purnomo (2017)
Pengumpulan
Kebutuhan
Proses Desain
FANI MASTURINA | SKRIPSI
Membangun
Evaluasi &
Prototype Perbaikan
I
Evaluasi Aplikasi
Eight Golden Rules Evaluasi pengguna (user - dokter gigi)
Demo Aplikasi
FANI MASTURINA | SKRIPSI
XII
Skripsi
Terima kasih
Fani Masturina - 2001573676
masturinaf@gmail.com
1.interpretasi yang dirasakan pasien diubah menjadi
Simulasi Metode
dirasakkan pasien:
Demam – Kemungkinan Besar
Gusi Bengkak – Kemungkinan Besar
Bau Mulut – Mungkin
Mulut terasa seperti logam – Ragu-ragu
3. Mencari CFKeluhan etiap CFrules akan dikalikan
dengan CFPasien
Simulasi Metode
Sehingga,
Certainty Factor
Berikut contoh data gejala dan interpretasi yang
dirasakkan pasien:
Demam – Kemungkinan Besar
Gusi Bengkak – Kemungkinan Besar
Bau Mulut – Mungkin
Mulut terasa seperti logam – Ragu-ragu 4. CFKeluhan dikelompokkan berdasarkan penyakit-
penyakitnya masing-masing.
Simulasi Metode
Certainty Factor
Berikut contoh data gejala dan interpretasi yang
dirasakkan pasien:
Demam – Kemungkinan Besar
Gusi Bengkak – Kemungkinan Besar
Bau Mulut – Mungkin
Mulut terasa seperti logam – Ragu-ragu
6. Mencari CFPenyakit dari penyakit Abses gigi (a)
Simulasi Metode
Certainty Factor
Berikut contoh data gejala dan interpretasi yang
dirasakkan pasien:
Demam – Kemungkinan Besar
Gusi Bengkak – Kemungkinan Besar
Bau Mulut – Mungkin
Mulut terasa seperti logam – Ragu-ragu
6. Mencari CFPenyakit dari penyakit Gingivitis (b)
Simulasi Metode
Certainty Factor
Berikut contoh data gejala dan interpretasi yang
dirasakkan pasien:
Demam – Kemungkinan Besar
Gusi Bengkak – Kemungkinan Besar
Bau Mulut – Mungkin
Mulut terasa seperti logam – Ragu-ragu
6. Mencari CFPenyakit dari penyakit Periodontitis (c)
Simulasi Metode
Certainty Factor
Berikut contoh data gejala dan interpretasi yang
dirasakkan pasien:
Demam – Kemungkinan Besar
Gusi Bengkak – Kemungkinan Besar
Bau Mulut – Mungkin
Mulut terasa seperti logam – Ragu-ragu
6. Mencari CFPenyakit dari penyakit Stomatitis (d)
Simulasi Metode
Certainty Factor
Berikut contoh data gejala dan interpretasi yang
dirasakkan pasien:
Demam – Kemungkinan Besar
Gusi Bengkak – Kemungkinan Besar
Bau Mulut – Mungkin
Mulut terasa seperti logam – Ragu-ragu
Simulasi Metode
7. Setelah menemukan semua nilai Certainty Factor
Simulasi Metode
nilai Certainty Factor
Certainty Factor -
KNN 2. Gejala dan interpretasi Certainty Factor yang
Simulasi Metode
Certainty Factor -
KNN
Berikut contoh data gejala dan interpretasi yang
dirasakkan pasien:
Demam – Kemungkinan Besar (GP05)
Gusi Bengkak – Kemungkinan Besar (GP01)
Bau Mulut – Mungkin (GP04)
Mulut terasa seperti logam – Ragu-ragu (GP08)
Simulasi Metode 5. Menghitung jarak antara data testing dan data
Certainty Factor -
Euclidean.
KNN
Berikut contoh data gejala dan interpretasi yang
dirasakkan pasien:
Demam – Kemungkinan Besar (GP05)
Gusi Bengkak – Kemungkinan Besar (GP01)
Bau Mulut – Mungkin (GP04)
Mulut terasa seperti logam – Ragu-ragu (GP08)
6. Mengurutkan nilai euclidean darii nilai jarak
Euclidean terpendek.
Simulasi Metode
Certainty Factor -
KNN
Berikut contoh data gejala dan interpretasi yang
dirasakkan pasien:
penulisan ini nilai K nya adalah 6.
Demam – Kemungkinan Besar (GP05)
Gusi Bengkak – Kemungkinan Besar (GP01)
Bau Mulut – Mungkin (GP04)
Mulut terasa seperti logam – Ragu-ragu (GP08)
Simulasi Metode 8. Voting terhadap jumlah kemunculan penyakit
KNN
Berikut contoh data gejala dan interpretasi yang
Certainty Factor -
K Nearest Neighbor
Metode yang digunakan adalah Cross Validation. 20
data testing (dari dataset) yang sama digunakan
untuk metode yang lain agar mendapat kesamaan
yang serupa. Sehingga pada pengujian akurasi
menggunakan skala 20:80
XII
Skripsi
Terima kasih
Fani Masturina - 2001573676
masturinaf@gmail.com