RANCANG BANGUN SISTEM PAKAR MENGGUNAKAN METODE NAÏVE BAYES (NBC) UNTUK DIAGNOSA PENYAKIT ISPA BERBASIS WEBSITE DI KLINIK

Dwiki, Fadilah Gunawan (2026) RANCANG BANGUN SISTEM PAKAR MENGGUNAKAN METODE NAÏVE BAYES (NBC) UNTUK DIAGNOSA PENYAKIT ISPA BERBASIS WEBSITE DI KLINIK. Diploma thesis, UIN RADEN INTAN LAMPUNG.

	PDF Download (4MB)
	PDF Restricted to Repository staff only Download (5MB)

Abstract

ABSTRAK Layanan kesehatan di klinik memegang peranan krusial dalam memberikan penanganan medis awal bagi pasien. Kendati demikian, keterbatasan durasi pelayanan dan kuantitas tenaga medis sering kali menjadi hambatan dalam melakukan diagnosis dini secara optimal, khususnya pada penyakit Infeksi Saluran Pernapasan Akut (ISPA) yang memiliki kemiripan gejala antarjenisnya. Penelitian ini bertujuan untuk merancang dan membangun sebuah aplikasi sistem pakar berbasis website sebagai instrumen pendukung keputusan klinis untuk mendiagnosis jenis penyakit ISPA secara cepat, objektif, dan terkomputerisasi. Metode pengembangan sistem yang diterapkan dalam penelitian ini adalah metode Research and Development (R&D). Sistem pakar ini mengintegrasikan algoritma Naïve Bayes Classifier (NBC) untuk mengolah variabel gejala klinis yang diinput oleh pasien, kemudian menghitung nilai probabilitas tertinggi guna menentukan kesimpulan jenis penyakit ISPA beserta solusi penanganan pertamanya. Perangkat lunak ini diimplementasikan menggunakan bahasa pemrograman PHP, basis data MySQL, pemodelan diagram UML (Use Case, Activity, dan Class Diagram), serta dioperasikan melalui local server XAMPP. Pengujian fungsionalitas sistem dilakukan dengan metode Black Box Testing yang menunjukkan bahwa seluruh fitur masukan dan keluaran berjalan valid sesuai rancangan. Sementara itu, uji validasi data sampel terhadap keputusan pakar (dokter) menghasilkan tingkat akurasi diagnosis sebesar 80%. Dengan demikian, sistem pakar berbasis website ini dinyatakan layak dan efektif diaplikasikan sebagai media bantu digital untuk mempercepat proses diagnosis awal penyakit ISPA di klinik. Kata Kunci: Sistem Pakar, ISPA, Naïve Bayes Classifier, Website, Research and Development. ABSTRACT Healthcare services in clinics hold a crucial role in providing initial medical treatment for patients. However, constraints regarding service duration and the availability of medical personnel frequently hinder the optimal early diagnosis process, particularly for Acute Respiratory Infections (ARI), which exhibit highly overlapping symptoms across various types. This study aims to design and develop a web-based expert system application serving as a clinical decision support instrument to diagnose ARI types rapidly, objectively, and digitally. The system development methodology adopted in this study is the Research and Development (R&D) framework. This expert system integrates the Naïve Bayes Classifier (NBC) algorithm to process clinical symptom variables inputted by patients, subsequently calculating the highest probability value to determine the final ARI diagnosis along with its initial medical recommendations. The software is implemented using PHP programming language, MySQL database, UML modeling diagrams (Use Case, Activity, and Class Diagrams), and is operated via a XAMPP local server. Functional evaluation of the system was conducted utilizing Black Box Testing, demonstrating that all input and output features operate validly as intended. Furthermore, the sample data validation test against expert (doctor) decisions achieved a diagnosis accuracy rate of 80%. Consequently, this web-based expert system is declared feasible and effective to be applied as a digital assistive medium to accelerate the early diagnosis of ARI in clinics. Keywords: Expert System, ARI, Naïve Bayes Classifier, Website, Research and Development.

Actions (login required)

View Item