Analisa Sistem Pakar Diagnosa Penyakit Covid-19 Berbasis Online Menggunakan Metode Backward Chaining
Keywords:
Backward Chaining, Sistem Pakar, Covid-19, OnlineAbstract
Sistem pakar adalah sebuah sistem informasi yang memuat pengetahuan dari seorang pakar dan bisa menyamai atau meniru kemampuan seorang pakar. Pakar yang dimaksud disini ialah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam. Contohnya dokter, mekanik, dan psikolog. Pada pembuatan sistem pakar ini penulis menggunakan metode Backward Chaining, merupakan salah satu metode yang digunakan di inference engine untuk menemukan objek yang sesuai. Penyebaran virus Covid-19 ini sangat cepat menyebar dan peningkatan terpaparnya virus Covid-19 ini sangat tinggi di Indonesia. Untuk itu diperlukan sebuah aplikasi sistem pakar untuk membantu mendiagnosa gejala penyakit dari penyebaran virus Covid-19 ini. Hasil yang diharapkan dari sistem pakar ini dapat membantu orang awam untuk mengetahui gejala awal terpaparnya virus Covid-19 dan memungkinkan pengguna untuk mengakses sistem pakar ini dimanapun dan kapanpun.
References
Adiwijaya, A. M. (2017). A comparative study of MFCC-KNN and LPC-KNN for hijaiyyah letters pronounciation classification system. Information and Communication Technology (ICoIC7), (pp. 1-5).
Adriana, I. A. (2007). Penalaran Komputer Berbasis Kasus (Case Based Reasoning). Yogyakarta: Ardana Media.
Al-Kabi, M. N., Kanaan, G., Al-Shalabi, R., Al-Sinjilawi, S., & Al-Mustafa, R. (2005). Al-Hadith Text Classifier. Journal of Applied Sciences 5, 584-587.
all, R. D. (2012). Telinga Hidung Tenggorok Kepala dan Leher edisi ketujuh. Jakarta: FK UI.
Andina Kusumaningrum, Said Al-Faraby, & Adiwijaya. (2017). Klasifikasi Informasi, Anjuran dan Larangan pada Hadits Shahih Bukhari menggunakan Metode Support Vector Machine. e-Proceeding of Engineering, 5014.
Asriyanti Indah Pratiwi, & Adiwijaya. (2018). On the Feature Selection and Classification Based on Information Gain for Document Sentiment Analysis. Applied Computational Intelligence and Soft Computing, 2018, 5. doi:https://doi.org/10.1155/2018/1407817
Desiani, A., & Arhami, M. (2006). Konsep Kecerdasan Buatan (1 ed.). (D. Hardjono, Ed.) Yogyakarta, Indonesia: Penerbit ANDI.
Desiani, A., & Arhami, M. (2006). Konsep Kecerdasan Buatan (1 ed.). (D. Hardjono, Ed.) Yogyakarta, Indonesia: Penerbit ANDI.
Eliza Riviera Rachmawati Jasin, Said Al-Faraby, & Adiwijaya. (2017). Klasifikasi Anjuran, Larangan dan Informasi pada Hadis Sahih Al-Bukhari. e-Proceeding of Engineering, 4683.
Faza Akmal, S. W. (Februari 2014). SISTEM PPAKAR UNTUK MENDIAGNOSA PENYAKIT LAMBUNG DENGAN IMPLEMENTASI METODE CBR (CASE BASED REASONING) BERBASIS WEB. Jurnal Sarjana Teknik Informatika, 2 (1).
Harrag, F., & El-Qawasmah, E. (2009). Neural Network for Arabic Text Classification. 2009 Second International Conference on the Applications of Digital Information and Web Technologies, 778-783.
Haza Nuzly Abdull Hamed, Siti Mariyam Shamsuddin, & Naomie Salim. (2008). Particle Swarm Optimization For Neural Network Learning Enchancement. Jurnal Teknologi, 13-26.
Kusrini. (2006). Sistem Pakar Teori dan Aplikasi (1 ed.). (f. Suyantoro, Ed.) Yogyakarta, Indonesia: Penerbit ANDI.
M.L. Zhang, & Z. H. Zhou. (2006). Multilabel neural networks with applications to functional genomics and text. IEEE transactions on Knowledge and Data Engineering, 1338-1351.
Nurcahyo, S. a. (2014). Rainfall Prediction in Kemayoran Jakarta Using Hybrid Genetic Algorithm (GA) and Partially Connected Feedforward Neural Network (PCFNN). Information and Communication Technology (ICoICT), (pp. 166-171).
Raharjo, J. S. (2013). Model Artificial Neural Network berbasis Particle Swarm Optimization untuk Prediksi Laju Inflasi. Sistem Komputer.
Reynaldi Ananda Pane, M. S. (2018). A Multi-lable Classification on Topics of Quranic Verses in English Translation using Multinomial Naive Bayes. 6th International Conference on Information and Communication Technology (ICoICT).
T.Sutojo, E. M. (2011). Kecerdasan Buatan. Yogyakarta: Andi.