Journal Speed Sentra Penelitian Engineering dan Edukasi Volume 9 No

Journal Speed – Sentra Penelitian Engineering dan Edukasi – Volume 9 No 2 - 2017

speed.web.id

Penerapan Case Based Reasoning Dan Nearest Neighbor Retrieval Untuk Diagnosa Penyakit Langganan Anak Indah Purwandani AMIK Bina Sarana Informatika [email protected] ABSTRAK — Research shows, children are the population most easily exposed to irrational use of drugs (irrational use of drugs). The majority of daily health disorders in children is a mild disorder that generally heal by itself (self-timing). Case base reasoning is a knowledge-based approach to problemsolving based on past experience. These experiences are collected in the "base case" or base case of the Nearest Neighbor Retrieval (k-nearest neighbor or k-NN) is an algorithm for doing Classification of objects based on learning data Which is closest to the object. The type of research used in this study is an experimental model. This experimental research aims to create intelligent system based Case Based Reasoning and approach using Nearest Neighbor Retrieval Algorithm in the process of retrieve to help diagnose common illness in toddlers Kata Kunci: pediatri, case based reasoning, cbr, nearest neighbor retrieval ABSTRAK - Penelitian menunjukkan, anak-anak adalah populasi yang paling mudah terkena penggunaan obat irasional (penggunaan obat yang tidak rasional). Mayoritas gangguan kesehatan sehari-hari pada anak-anak adalah kelainan ringan yang umumnya sembuh dengan sendirinya (selftiming). Alasan dasar kasus adalah pendekatan berbasis pengetahuan untuk pemecahan masalah berdasarkan pengalaman masa lalu. Pengalaman ini dikumpulkan dalam "kasus dasar" atau base case dari Tetangga Tetangga Terdekat (k-terdekat tetangga atau k-NN) adalah algoritma untuk melakukan Klasifikasi objek berdasarkan data pembelajaran. Yang paling dekat dengan objek. Jenis penelitian yang digunakan dalam penelitian ini adalah model eksperimen. Penelitian eksperimental ini bertujuan untuk menciptakan sistem berbasiskan penalaran berbasis kasus berbasis pendekatan dengan menggunakan algoritma Tetapan Tetangga terdekat dalam proses pengambilan kembali untuk membantu diagnosis penyakit umum pada balita. Kata Kunci: pediatri, penalaran berbasis kasus, cbr, pencarian tetangga terdekat 1.1. PENDAHULUAN Pada hakekatnya setiap anak dari dalam kandungan hingga dewasa mempunyai hak untuk tumbuh dan berkembang dengan baik. Periode yang sangat penting dalam pertumbuhan dan perkembangan seorang anak adalah lima tahun pertama dalam kehidupannya. Setiap orang tua pada dasarnya juga ingin memberikan yang terbaik bagi buah hatinya. Namun kurangnya pengetahuan dan informasi seringkali membuat orang tua salah kaprah dalam menentukan apa yang terbaik untuk buah hatinya. Sebagian besar orang tua di Indonesia mendapatkan pengetahuan mengenai perkembangan anak hanya dari pengalaman orang tua ataupun saudara yang telah mempunyai anak. Meskipun pengalaman adalah guru terbaik tapi seringkali pengalamanpengalaman dalam perkembangan anak tersebut penuh dengan mitos dan justru menyesatkan. Orang tua yang modern diharapkan bisa berinisiatif dan bersikap proaktif untuk menambah serta menggali pengetahuan tentang perkembangan anaknya. Sehingga orang tua dapat lebih memahami, memantau dan melakukan pengecekan awal

terhadap proses tumbuh kembang anak, khususnya dalam hal kesehatan anak. Penelitian membuktikan, anak merupakan populasi yang paling mudah terpapar pada pola pengobatan yang tidak rasional (irrational use of drugs). Mayoritas gangguan kesehatan harian pada anak adalah merupakan gangguan ringan yang umumnya sembuh dengan sendirinya (bersifat self timing). (Purnamawati, 2008) Setiap gejala penyakit anak dan cara menanganinya perlu dikenali. Penanganan bukan hanya membantu penyembuhan, akan tetapi juga guna menghindari timbulnya komplikasi lebih jauh. Kesalahan cara mengatasi meskipun kecil, bisa menjadi penyebab penderitaan yang fatal dan permanen. Sedikit sekali orangtua yang memahami dan mempelajari guidelines (panduan) tata laksana gangguan kesehatan pada anak. (Purnamawati, 2008) Padahal orangtua adalah orang terdekat yang selalu mendampingi anak, apabila orangtua mempunyai pengetahuan mengenai tatalaksana gangguan kesehatan pada anak maka orangtua bisa menjadi ‖dokter‖ yang selalu siap siaga bagi anak-anaknya. Orangtua bisa secara mandiri menangani gangguan kesehatan yang terjadi pada anaknya

ISSN : 1979-9330 (Print) - 2088-0154 (Online) - 2088-0162 (CDROM)

20


dan tidak sepenuhnya bergantung pada ahli kesehatan atau pengobatan yang rumit. 2.1. BAHAN DAN METODE Berikut ini adalah beberapa penelitian yang terkait dengan penanganan kesehatan balita maupun Case Base Reasoning. a. Sistem Pendukung Keputusan Penanganan Kesehatan Balita Penelitian ini bertujuan untuk mempermudah dalam pemantauan tumbuh kembang balita, mempercepat distribusi informasi antar pihak terkait, distribusi bantuan yang cepat dan tepat guna dan memaksimalkan fungsi KMS(Kartu Menuju Sehat) sebagai alat untuk memantau pertumbuhan balita. Logika fuzzy digunakan untuk menghitung hasil keluaran berupa nilai gizi balita dengan menggunakan data-data yang terdapat di KMS. (Ika Kurnianti Ayuningtiyas, 2007) b. Penggunaan Case Base Reasoning dalam Sistem Diagnosis Penyakit dengan menggunakan Pohon Keputusan Penelitian ini membahas tentang bagaimana cara membentuk basis pengetahuan yang digunakan dalam sistem pakar dengan metode case based reasoning. Contoh kasusnya adalah membangun basis pengetahuan untuk sistem pakar diagnosis penyakit tuberkolosis pada anak. Algoritma C4.5 digunakan untuk membuat pohon keputusan diagnosa penyakit yang akan dijadikan basis pengetahuan dalam sistem pakar tersebut. (Kusrini) c.

Case-based reasoning in the care of Alzheimer’s disease patients

Alzheimer adalah sejenis penyakit penurunan fungsi saraf otak yang kompleks dan progresif yang di sebabkan karena berkurangnya gizi di otak. CBR diterapkan sebagai pendekatan penelitian medis untuk menemukan perawatan efektif pada pasien dengan mencocokan perawatan pasien yang sama di masa lalu. (Cindy Marling, 2001) d. Case Based Reasoning untuk Decision Support System Penelitian ini berfokus pada pengembangan framework yang kuat dan umum untuk mendukung ruang lingkup CBR yang sangat luas menggunakan pendekatan yang berbeda. CaBaGe(Case base Generator) adalah sebuah shell untuk menghasilkan system pendukung keputusan yang sewenang-wenang dimana kasus dan masalah direpresentasikan sebagai

speed.web.id

satu set nilai dari beberapa atribut yang dipilih terutama atribut yang paling penting. CuBaGe (Curve Base Generator) juga merupakan shell CBR dimana kedua masalah dan kasus-kasus sebelumnya disajikan dengan cara grafis menggunakan curva atau time series. (Vladimir Kurbalija, 2008) e. Medical Case Based Reasoning Dalam penelitian ini dikemukakan beberapa medical CBR system yang sudah ada, diantaranya:  FM-Ultranet adalah medical CBR diimplementasikan dengan CBR-Work. FMUltranet mendeteksi bentuk cacad dan kelainan dari fetus melalui pengujian ultrasonographical.  Care Partner adalah sistem pendukung keputusan untuk tindak lanjut jangka panjang dari pencangkokan sel di Fred Hutchinson Cancer Research Center (FHCRC) di Seattle.  Classification System berfokus pada CBR di perlakuan hemodialysis untuk langkah akhir penyakit renal.  TeCoMED, TeCoMED mengkombinasikan CBR dengan abstrak sementara untuk menangani masalah siklus dari perilaku epidemic yang tidak beraturan.  WHAT, adalah pengajaran system medical CBR untuk edukasi siswa sport medicine.  The Auguste project, adalah upaya untuk menyajikan pendukung keputusan untuk perencanaan perawatan penderita Alzheimer’s ((Markus Nilsson, 2004)). 2.2. Tinjauan Studi Dalam penulisan penelitian ini penulis melakukan tinjauan studi dengan menggunakan buku dan jurnal yang berhubungan dengan tema yang dipilih. Secara lebih detail tinjauan studi dalam penulisan penelitian ini dapat di jelaskan sebagai berikut: 2.2.1. Pengertian Pediatri Menurut American Academy of Pediatrics (AAP) pediatrik adalah spesialisasi ilmu kedokteran yang berkaitan dengan fisik, mental, sosial kesehatan anak sejak lahir sampai dewasa muda. Pada ilmu pediatrik berhubungan juga pegaruh biologis, sosial lingkungan dan dampak peyakit pada perkembangan anak. Secara anatomis, fisiologis, imunologis, psikologis, perkembangan dan metabolismenya anak-anak memiliki perbedaan dengan orang dewasa.

Macam-macam Penyakit pada Anak


21


1. Tuberkulosis (TB). Tuberkulosis adalah penyakit menular langsung yang disebabkan oleh kuman TB (Mycobacterium Tuberculosis). Sebagian besar kuman TB menyerang paru - paru, tetapi dapat juga mengenai organ tubuh lainnya.

speed.web.id

Secara harfiah, bronkitis adalah suatu penyakit yang ditandai dengan inflamasi bronkus. Secara klinis, para ahli mengartikan bronkitis sebagai suatu penyakit atau gangguan respiratorik dimana batuk merupakan gejala yang utama dan dominan.

2. Infeksi Saluran Pernafasan Akut (ISPA)

8. Demam Berdarah

ISPA adalah penyakit infeksi pada saluran pernafasan atas maupun bawah yang disebabkan oleh masuknya kuman mikroorganisme (bakteri dan virus) ke dalam organ saluran pernafasan yang berlangsung selama 14 hari.

Demam berdarah (DB) atau demam berdarah dengue (DBD)adalah penyakit febril akut yang ditemukan di daerah tropis,dengan penyebaran geografis yang mirip dengan malaria.Demam berdarah disebarkan kepada manusia oleh nyamuk Aedes aegypti.

3. Infeksi Saluran Kemih (ISK) ISK sendiri adalah suatu keadaan adanya infeksi (ada pertumbuhan dan perkembangbiakan bakteri) dalam saluran kemih meliputi infeksi dari parenkim ginjal sampai infeksi dikandung kemih dengan jumlah bakteriuria yang bermakna. 4. Diare Perubahan dalam buang air besar dari biasanya, baikfrekuensi/jumlah buang air yang menjadi sering dan keluar dalam konsistensi cair daripada padat, maka itu adalah diare.

2.2.2.

Case Based Reasoning Case base reasoning adalah pendekatan berbasis pengetahuan untuk memecahkan masalah berdasarkan pengalaman pada masa lalu. Pengalaman- pengalaman ini dikumpulkan dalam ―case base‖ atau basis kasus. Case Base ini berisi kasus-kasus yang pernah terjadi yang nantinya akan dihitung kemiripanya dengan kasus yang baru, apabila sesuai maka dapat dijadikan sebagai solusi kasus yang baru dan apabila tidak sesuai maka akan diberikan penyelesain pada kasus baru untuk kemudian disimpan dalam case base.

5. Konstipasi Konstipasi adalah kondisi dimana feses memiliki konsistensi keras dan sulit dikeluarkan. Masalah ini umum ditemui pada anak-anak. Buang air besar mungkin disertai rasa sakit dan menjadi lebih jarang dari biasa. 6. Asma Asma adalah suatu keadaan di mana saluran nafas mengalami penyempitan karena hiperaktivitas terhadap rangsangan tertentu, yang menyebabkan peradangan.

7. Bronkitis

Gambar 1. Life Cycle CBR a. Retrive.


22


Mendapatkan kasus-kasus yang mirip dibandingkan dengan kumpulan kasuskasus di masa lalu (basis pengetahuan). Diawali dengan tahapan mengenali masalah dan berakhir ketika kasus yang ingin dicari solusinya telah ditemukan serupa dengan kasus yang telah ada dalam basis pengetahuan. Tahapan yang ada dalam retrieve antara lain : identifikasi masalah, memulai pencocokan, menyeleksi.

dalam sistem yang digunakan sebagai pendekatan untuk menentukan hasil diagnosa suatu masalah.  Sistem CBR sebagai Pendukung Keputusan, CBR diterapkan pasa sistem sebagai pendukung keputusan penyelesaian masalah.  Sistem CBR sebagai manajemen pengetahuan, CBR digunakan untuk mengelola pengetahuan yang didapat dari para ahli atau pakar di suatu bidang.

b. Reuse. Menggunakan kembali kasus yang ada dan solusinya digunakan untuk menyelesaikan masalah yang ada saat ini. Reuse suatu kasus pada kasus baru terfokus pada dua hal yaitu perbedaan dari kasus yang ada dengan kasus yang baru dan bagian mana dari retriee kasus yang dapat digunakan pada kasus baru. Cara me-reuse kasus yang ada di basis pengetahuan yang pertama adalah dengan me-reuse solusi dari kasus yang telah ada (transformatial reuse) yang kedua adalah me-reuse metode kasus yang ada untuk membuat solusi(derivational reuse). c.

Revise

Merubah dan mengadopsi solusi yang ditawarkan jika dibutuhkan. Tugas utama dari tahapan ini adalah :  Evaluasi solusi : bagaimana hasil yang diperoleh setelah dibandingkan dengan keadaan yang sebenarnya. Waktu dari evaluasi tergantung dari aplikasi yang sedang dikembangkan dan biasanya tahapanya berjalan di luar sistem CBR.  Merevisi kesalahan/ memperbaiki kesalahan :Perbaikan dilakukan dengan cara pengenalan kesalahan dari solusi yang ada dan kemudian membuat penjelasan tentang kesalahan tersebut.

speed.web.id

Keuntungan dalam menggunakan Case Based Reasoning :(Agnar Aamodt, 1994) 1) Mengurangi tugas akuisisi pengetahuan. 2) Menghindari mengulangi kesalahan yang dibuat di masa lalu 3) Memberikan fleksibilitas dalam pengetahuan permodelan 4) Penalaran dalam domain yang belum sepenuhnya dipahami, didefinisikan atau dimodelkan. 5) Membuat prediksi kemungkinan keberhasilan dari solusi yang ditawarkan. 6) Pembelajaran sepanjang waktu 7) Penalaran dalam domain dengan pengetahuan yang sedikit. 8) Penalaran dengan data atau konsep yang tidak lengkap atau tidak tepat 9) Menghindari mengulang semua langkah yang perlu diambil untuk mencapai solusi 10) Menyediakan alat penjelasan 11) Memperluas banyak tujuan yang berbeda 12) Memperluas jangkauan domain 13) Merefleksikan penalaran manusia. 2.2.3.Algoritma Nearest Neighbor Retrieval

Tiga fungsi dari sistem CBR berdasarkan keterlibatan pengguna, yaitu (Muzid, 2008)

Nearest Neighbor Retrieval (k-nearest neighbor atau k-NN) adalah sebuah algoritma untuk melakukan Klasifikas terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Kasus khusus di mana klasifikasi diprediksikan berdasarkan data pembelajaran yang paling dekat (dengan kata lain, k = 1) disebut algoritma nearest neighbor. Algoritma nearest neighbor berdasarkan pada proses pembelajaran menggunakan analogi / learning by analogi. Training sampelnya dideskripsikan dalam bentuk atribut numerik n-dimensi. (Fransica Octaviani S)

 Sistem CBR sebagai diagnosis, dalam hal ini pengguna memanfaatkan CBR

Tiap sampel mewakili sebuah titik pada ruang ndimensi. Dengan cara ini, semua training

d. Retain Tetap memakai solusi yang terakhir sebagai bagian dari kasus yang sekarang(baru). Terjadi proses penggabungan dari solusi kasus baru yang benar ke basis pengetahuan yang ada. Terdapat tiga tahapan antara lain : extract, index dan integrate.


23


sampel disimpan pada pola ruang n-dimensi. Ketika diberikan ―unknown‖ sampel, k-nearest neighbor classifier mencari pola ruang K training sampel yang paling dekat ―unknown‖ sampel tersebut. K training sampel ini adalah k nearest neighbor dari unknown sampel. Unknown sampel ditetapkan dengan class yang paling umum diantara k nearest neighborsnya. Ketika k = 1, unknown sampel ditetapkan dengan class dari training sampel yang paling dekat dengan pola ruangnya. Algoritma nearest neighbor retrieval menyimpan semua training sampel dan tidak membangun classifier sampai sampel baru (unlabeled) perlu diklasifikasikan, sehingga algoritma nearest neighbor retrieval sering disebut dengan instance-based atau lazylearners. Rumus untuk menghitung bobot kemiripan (similarity) dengan nearest neighbor retrieval adalah:

Similarity (problem,case) = s1*w1+ s2*w2+ …… + sn*wn w1 + w2 + …… + wn Keterangan: S = similarity (nilai kemiripan) W = weight (bobot yang diberikan) Pada fase training, algoritma ini hanya melakukan penyimpanan vektorvektor fitur dan klasifikasi data training sample. Pada fase klasifikasi, fitur – fitur yang sama dihitung untuk testing data (klasifikasinya belum diketahui). Jarak dari vektor yang baru ini terhadap seluruh vektor training sample dihitung, dan sejumlah k buah yang paling dekat diambil. Titik yang baru klasifikasinya diprediksikan termasuk pada klasifikasi terbanyak dari titik – titik tersebut.

speed.web.id

Jenis penelitian yang digunakan dalam penelitian ini adalah model eksperimen. Penelitian eksperimen ini bertujuan untuk membuat sistem cerdas berbasis Case Based Reasoning dan algoritma Nearest Neighbor Retrieval untuk membantu menangani gangguan kesehatan balita. Ada tiga tahap untuk menerapkan CBR dalam sistem pendukung keputusan klinis pada penanganan kesehatan balita. 1. Membangun basis kasus, yang digunakan sebagai tempat penyimpanan. (Usia balita, Gejalagejala penyakit, Penyakit dan solusi ) 2. Menentukan fungsi kemiripan (similarity), antara kasus yang sudah ada dengan kasus baru 3. Pengambilan data, pada langkah ini kasus-kasus yang telah tersimpan dalam basis kasus diambil atau dipilih sebagai sebuah solusi, dimana data ditampilkan dengan urutan tingkat nilai kemiripan (similarity) yang paling tinggi dengan range antara 0 sampai 1. Pada penerapanya sistem CBR bisa diawali dengan basis kasus yang sedikit, namun untuk mendapatkan solusi yang tepat CBR membutuhkan kasus yang sangat banyak untuk menjadi basis pengetahuanya. 3.1 Membangun Basis Kasus Tabel 1. Basis Kasus Penyakit Anak Gejala  

3.0. HASIL DAN PEMBAHASAN Penelitian ini berawal dari keprihatinan penulis pada kasus-kasus Irational Use of Drugs pada sebagian besar balita khususnya di Indonesia. Ketika orang tua berhadapan dengan gejala-gejala umum pada balita seperti demam, batuk, muntah karena panik orang tua terburuburu membawa balitanya ke dokter. Apabila orang tua memiliki pengetahuan yang mendasar mengenai penyakit umum pada balita maka orang tua bisa melakukan hometreatment dan dapat menghindari terjadinya Irational Use of Drugs atau polifarmasi. ISSN : 1979-9330 (Print) - 2088-0154 (Online) - 2088-0162 (CDROM)

 

  

Status mental: baik, waspada Rasa haus: minum baik, mungkin menolak cairan Denyut nadi: normal Kualitas kecukupan isi nadi: normal Pernapasan: normal Mata: normal Air mata: ada

Penyak it

Solusi

Diare dengan dehidra si minimal atau tanpa dehidra si

Jika ibu menyus ui, ASI terus diberika n dan diberika n lebih sering. Anak dengan diare harus terus minum CRO atau

24


 



Mulut dan lidah: lembap (basah) Elastisitas kulit: cepat kembali setelah dicubit Pengisian kapiler darah: normal

clear fluid. CRO yang kita kenal adalah oralit

speed.web.id

yang jauh kemiripannya dengan kasus yang sudah ada maka kasus tersebut akan dimasukan ke dalam basis data dengan disertakan nama penyakit dan penanganan penyakit yang harus dilakukan.

10 5 1

Tabel 2. Bobot parameter kasus Tinggi Sedang Rendah

Similarity (problem,case)  

Suhu lengan dan tungkai: hangat Produksi urin: normal sampai berkurang

Tabel 2. Contoh Gejala Kasus Baru Gejala  Status mental: lesu, sampai tidak sadar  Rasa haus: minum sangat sedikit, sampai tidak bisa minum  Denyut nadi: meningkat, sampai melemah pada keadaan berat  Kualitas kecukupan isi nadi: lemah, sampai tidak teraba  Pernapasan: dalam  Mata: sangat cekung  Air mata: tidak ada  Mulut dan lidah: pecah-pecah  Elastisitas kulit: kembali setelah 2 detik  Pengisian kapiler darah: memanjang (lama), minimal  Suhu lengan dan tungkai: dingin, biru  Produksi urin: minimal (sangat sedikit)

Jika muncul kasus baru seperti di atas maka akan dihitung kemiripannya dengan basis kasus yang sudah ada.

3.2 Pengukuran Kemiripan Kasus Kasus baru akan dicari kemiripannya dengan kasus yang telah tersimpan di dalam basis data. Pencarian kasus yang mirip akan disesuaikan dengan 3 faktor yaitu usia anak, jenis kelamin anak dan gejala. Apabila terdapat kasus baru

= s1*w1+ s2*w2+ …… + sn*wn w1 + w2 + …… + wn

Keterangan: S = similarity (nilai kemiripan) yaitu 1 (sama) dan 0 (beda) W = weight (bobot yang diberikan)

Tabel 3. Perbandingan Similarity Kasus Baru dan Basis Kasus Kasus Baru Bobot Kasus Lama Parameter Gejala X8 10 Gejala x8 Gejala x2 10 Gejala x2 Gejala x1 5 Gejala x4 Similarity (kasus baru, kasus lama) = [(1*10) + (1*10) + (0*5)] 10+10+5 = 0.8 3.3. Pengambilan atau pemilihan data. Tabel 4. Kriteria Kemiripan setiap kasus dengan kasus baru Basis Kasus

Similarity

Kasus 1 Kasus 2 Kasus 3 Kasus 4 Kasus 5 Kasus 6 Kasus 7 Kasus 8 Kasus 9 Kasus 10

0.8 0.9 0 0.4 0.5 0 0.95 0.01 0.2 0.7

Kriteria Kemiripan Tinggi Tinggi Rendah Rendah Sedang Rendah Tinggi Rendah Rendah Sedang

Pada proses ini solusi apabila akan dihitung nilai similarity dari kasus lama yang sudah ada dengan kasus baru yang muncul. Kasus lama dengan tingkat similarity paling tinggi akan


25


menjadi acuan dalam pemberian solusi atau tata laksana kasus baru. Kemudian kasus baru tersebut akan disimpan ke dalam basis data, [4] 4.0. KESIMPULAN Berdasarkan penelitian yang telah dilakukan penulis, penulis dapat menarik beberapa kesimpulan dari penelitian tersebut, diantaranya adalah: 1. Penerapan Case Based Reasoning dan algoritma Nearest Neighbor Retrieval bisa membantu dalam pengambilan keputusan penanganan kesehatan anak dengan gejala-gejala penyakit umum. 2. Case Based Reasoning dan algoritma Nearest Neighbor Retrieval tidak selalu menghasilkan keputusan yang benar 100%, system akan lebih baik jika semakin banyak kasus yang tersimpan didalamnya. 3. Dalam penerapannya system pakar menggunakan Case Based Reasoning dan algoritma Nearest Neighbor Retrieval harus secara periodik direview kembali untuk menghindari kesalahan-kesalahan yang mungkin saja ada,

REFERENSI [1] Agnar Aamodt, E. P. (1994). CaseBased Reasoning: Foundational Issues,. Case-Based Reasoning: Foundational Issues, Methodological Variations, and System . [2] Cindy Marling, P. W. (2001). Casebased reasoning in the care of Alzheimer’s disease patients. Casebased reasoning research and development . [3] Fransica Octaviani S, j. p. (n.d.). Implementasi Case Based Reasonng Untuk Sistem Diagnosis Penyakit

[5]

[6]

[7]

[8]

[9]

speed.web.id

Anjung. Teknik Informatika, Fakultas Teknologi Informasi,Universitas Kristen Duta Wacana . Ika Kurnianti Ayuningtiyas, F. S. (2007). SISTEM PENDUKUNG KEPUTUSAN PENANGANAN KESEHATAN. BALITA MENGGUNAKAN ..... Balita Menggunakan Penalaran Fuzzy Mamdani. Seminar Nasional Aplikasi Teknologi Informasi , 65-71. Kusrini, S. (n.d.). Penggunaan Penalaran Berbasis Kasus Untuk Membangun Basis Pengetahuan Dalam Sistem Diagnosis Penyakit. Markus Nilsson, M. S. (2004). Advancements and Trends in Medical Case-Based Reasoning: An Overview of. PSU Edu . Muzid, S. (2008). TEKNOLOGI PENALARAN BERBASIS KASUS (CASE BASED REASONING) UNTUK DIAGNOSA PENYAKIT KEHAMILAN. Seminar Teknologi Informasi. SNATI , 61-66. Purnamawati, D. (2008). Q & A for Smart Parent and Healthy Children. Jakarta: PT. Elex Media Komputindo. Vladimir Kurbalija, Z. B. (2008). Casebased reasoning framework for generating decision support systems. Novi Sad J. Math , 219-226.

.


26

Journal Speed Sentra Penelitian Engineering dan Edukasi Volume 9 No

Recommend Documents