Sistem Pakar Diagnosa Penyakit TBC Menggunakan Algoritma Forward Chaining dan Certainty Factor Berbasis Android di Puskesmas Kedaung Barat

Sari

Abstrak: Tuberkulosis (TBC) termasuk dalam kategori penyakit menular dan hingga sekarang masih menjadi tantangan besar dalam sektor kesehatan di Indonesia. Proses diagnosa dini sangat penting untuk mencegah penyebaran dan mempercepat penanganannya. Tujuan dari penelitian ini adalah membuat sistem pakar berbasis Android, yang dapat digunakan oleh pengguna untuk mendiagnosis penyakit TBC secara mandiri. Aplikasi dibuat menggunakan Flutter, sebuah framework UI lintas platform yang dikembangkan oleh Google dan bahasa pemrograman Dart untuk mendukung pengembangan aplikasi Android. Sistem ini menerapkan metode Forward Chaining untuk menelusuri gejala yang dimasukkan oleh pengguna, serta Certainty Factor untuk menghitung tingkat kepastian hasil diagnosis berdasarkan gejala yang dialami. Pengujian dilakukan terhadap 25 responden dengan membandingkan hasil sistem dan diagnosis tenaga medis. Tingkat akurasi yang diperoleh melalui pengujian menggunakan metode Confusion Matrix mencapai 84% dengan tampilan antarmuka yang memudahkan pengguna untuk mendapatkan indikasi awal TBC serta solusi tindak lanjut, sehingga mendorong pengguna untuk segera melakukan pemeriksaan ke fasilitas kesehatan.

Kata kunci: Sistem Pakar, Tuberkulosis, Forward Chaining, Certainty Factor, Android

Abstract: Tuberculosis (TB) is classified as a contagious disease and remains a significant challenge in the health sector in Indonesia to this day. Early diagnosis is crucial to prevent its spread and accelerate treatment. This study aims to develop an Android-based expert system that allows users to diagnose TB independently. The application was developed using Flutter, a cross-platform UI framework developed by Google, and the Dart programming language to support Android application development. The system employs the Forward Chaining method to trace symptoms input by users and the Certainty Factor method to calculate the confidence level of the diagnosis based on the experienced symptoms. Testing was conducted on 25 respondents by comparing the system’s results with diagnoses made by medical professionals. The accuracy rate obtained from testing using the Confusion Matrix method reached 84%, with a user-friendly interface designed to provide initial indications of TB and recommended follow-up actions, encouraging users to seek medical examinations promptly..

Keywords: Expert System, Tuberculosis, Forward Chaining, Certainty Factor, Android