Main Article Content

Abstract

Penyakit Pneumonia merupakan penyebab utama kematian balita di dunia. Diperkirakan ada 1,8 juta atau 20% dari kematian anak diakibatkan oleh Pneumonia, melebihi kematian akibat AIDS, malaria dan tuberkulosis terutama adalah Pneumonia. Terbatasnya kemampuan akomodasi dan pelayanan dari paramedis untuk pemeriksaan kesehatan, mendorong setiap orang untuk mampu mengenali dan melakukan penanganan dini terhadap suatu penyakit. Berdasarkan pada kondisi tersebut maka implementasi teknologi informasi berupa sistem pakar diharapkan dapat membantu masyarakat luas untuk mengenali dan melakukan penanganan dini terhadap penyakit Pneumonia pada balita. Penelitian ini mengembangkan sistem pakar menggunakan Algoritme K-NN (K-Nearest Neighbor). Variabel yang digunakan yaitu batuk dengan nafas cepat, crackles (ronki) pada auskultasi, demam dan dengan penambahan gejala lainnya maka dapat dinyatakan Pneuomonia berat, yaitu kepala terangguk-angguk, pernafasan cuping hidung, tampak didada tarikan lebih dalam, tidak menyusu atau makan dan minum atau memuntahkan semuanya, anak tampak biru atau sianosis. Hasil diagnosa sistem menunjukan bahwa nilai similarity tertinggi pada No MR 9878 yaitu sebesar 81%, maka kasus baru didiagnosis Pneumonia Berat.

Article Details

How to Cite
Silmina, E. P., & Hardiani, T. (2018). Perancangan Sistem Pakar Penyakit Pneumonia Pada Balita Menggunakan Algoritme K-NN (K-Nearest Neighbor). Pseudocode, 5(2), 56–63. https://doi.org/10.33369/pseudocode.5.2.56-63

References

  1. WHO, Pnemonia : The forgotten Killer for Children. 2006.
  2. K. RI, “Laporan Nasional Riset Kesehatan Dasar 2007,” Jakarta, 2007.
  3. K. RI, “Riset Kesehatan Dasar 2013,” 2013.
  4. Badan Pusat Statistik, “Laporan Survei Demografi dan Kesehatan Indonesia 2007,” 2008.
  5. E. Dewi, S. Mulyani, and I. N. Restianie, “Aplikasi Sistem Pakar Untuk Mendiagnosa Penyakit Anak (Balita) Dengan Menggunakan metode Forward Chaining,” 2012, vol. 1, no. 1, pp. 6–7.
  6. T. Harihayati and L. Kurnia, “Sistem Pakar Mendiagnosa Penyakit Umum Yang Sering Diderita Balita Berbasis Web Di Dinas Kesehatan Kota Bandung,” Komput. dan Inform., vol. 1, no. 1, pp. 65–69, 2012.
  7. Kusrini, Sistem Pakar Teori Dan Aplikasi. Yogyakarta: Andi, 2006.
  8. M. Zainuddin, K. Hidjah, and I. W. Tunjung, “Penerapan Case Based Reasoning (CBR) Untuk Mendiagnosis Penyakit Stroke Menggunakan Algoritme K-Nearest Neighbor,” in Citesee, 2016, pp. 21–26.
  9. W. P. Wagner, “Trends in expert system development: A longitudinal content analysis of over thirty years of expert system case studies,” Expert Syst. Appl., vol. 76, pp. 85–96, 2017.
  10. A. Ramdhani, R. R. Isnanto, and I. P. Windasari, “Pengembangan Sistem Pakar Untuk Diagnosis Penyakit Hepatitis Berbasis Web Menggunakan Metode Certainty Factor,” J. Teknol. dan Sist. Komput., vol. 3, no. 1, pp. 58–64, 2015.
  11. C. R. Pasalli, V. C. Poekoel, and X. Najoan, “Sistem Pakar Diagnosa Penyakit Anak Menggunakan Metode Forward Chaining Berbasis Mobile,” E-Journal Tek. Inform., vol. 7, no. 1, 2016.
  12. C. F. Chang, Y. L. Wu, and S. S. Hou, Preparation and characterization of superparamagnetic nanocomposites of aluminosilicate/silica/magnetite, vol. 336, no. 1–3. 2009.
  13. G. Mackenzie, “The definition and classification of pneumonia,” Pneumonia, vol. 8, no. 1, p. 14, 2016.
  14. F. Gorunescu, Data Mining: Concepts, Models and Techniques. 2011.