IMPLEMENTASI CASE BASED REASONINGUNTUK MENDIAGNOSIS PENYAKIT TUBERKULOSIS MENGGUNAKANALGORITMA K-NEAREST NEIGHBOR

Abstract

—Penalaran Berbasis Kasus menghasilkan solusi berdasarkan kemiripan terhadap kasus-kasus yang pernah terjadi sebelumnya. Solusi kasus baru dihasilkan dari pencocokan kemiripan dengan kasus lama. Pada penelitian ini penulis menerapkan CBR untuk mendignosa penyakit tuberkulosa. Sumber pengetahuan sistem diperoleh dengan mengumpulkan berkas rekam medis pasien tuberkulosis pada tahun 2014-2016. Perhitungan nilai kemiripan menggunakan algoritma K-Nearest Neighbor dengan nilai batas kewajaran 80%. Sistem ini dapat mendiagnosis 3 jenis penyakit tuberkulosis berdasarkan 25 gejala yang ada. Luaran sistem berupa jenis penyakit tuberkulosis berdasarkan gejala yang dialami pasien, solusi pengobatan dan presentasi kemiripan antara kasus baru dan kasus lama. Berdasarkan hasil pengujian dengan 51 kasus TB didapatkan hasil: (a) pengujian dengan 3 skenario pengujian kasus baru didapatkan keakuratan sistem masing-masing untuk skenario pertama akurasi yang diperoleh dengan 31 data latih (60% dari 51 kasus) dan 20 data uji (40% dari 51 kasus) akurasinya sebesar 63%, skenario kedua akurasi yang diperoleh dengan 35 data latih (70% dari 51 kasus) dan 16 data uji (30% dari 51 kasus) akurasinya sebesar 69.2% dan skenario ketiga akurasi yg diperoleh dengan 41 data latih (80% dari 51 kasus) dan 10 data uji (20% dari 51 kasus) akurasinya sebesar 90%, (b) hasil pengujian terhadap kasus lama dalam basis kasus didapatkan keakuratan sistemsebesar 100%.