SISTEM PAKAR PENDIAGNOSA KEKURANGAN VITAMIN PADA LANSIA DENGAN METODE DEMPSTER-SHAFER

71130146, Yeru Adi Panyayub (2018) SISTEM PAKAR PENDIAGNOSA KEKURANGAN VITAMIN PADA LANSIA DENGAN METODE DEMPSTER-SHAFER. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71130146_bab1_bab5_daftarpustaka.pdf Download (493kB)
	Text (Skripsi Informatika) 71130146_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Defisiensi vitamin atau yang biasa disebut kekurangan vitamin memiliki dampak yang sangat berpengaruh bagi tubuh manusia. Vitamin dibedakan menjadi 2 bagian, yaitu vitamin yang larut dalam air dan vitamin yang larut dalam lemak. Vitamin yang larut dalam air yaitu B kompleks dan C, sedangkan vitamin yang larut didalam lemak yaitu, A,D,E,K. Banyak orang tidak mengetahui bahkan belum mengerti akan hal ini termasuk mereka yang menginjak masa lansia. Dalam hal ini bidang ilmu kecerdasan buatan (artificial intelligence) melalui sistem pakar (expert system) dapat membantu memecahkan masalah tersebut. Basis pengetahuan sistem pakar dirancang melalui akuisisi pengetahuan dari seorang pakar yang ahli dalam bidang ilmu gizi. Untuk dapat mengetahui tingkat kepastian dari kekurangan vitamin, sistem pakar yang akan dibangun ini menggunakan metode Demster-Shafer. Peneliti akan menggunakan metode Demster-Shafer dimana teori ini memiliki dasar matematika yang kuat. Teori ini untuk pembuktian berdasarkan fungsi kepercayaan (belief function) dan pemikiran yang masuk akal (plausible function), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah dan mendapatkan kemungkinan dari suatu peristiwa. Setelah sistem selesai dibangun, kemudian sistem akan diuji dengan pengujian alpha dan beta. Pengujian alpha merupakan pengujian bersama pakar dengan data uji dari pakar, sedangkan pengujian beta merupakan pengujian yang dilakukan bersama pakar dengan data uji yang didapat dari pasien. Hasil pengujian alpha dengan tingkat keakuratan 84,4% yang masuk dalam kategori penilaian tepat. Kemudian hasil dari pengujian beta dengan tingkat keakuratan 80,7% yang masuk dalam kategori penilaian tepat.

Actions (login required)

View Item