Publication Search

Penyakit jantung merupakan salah satu penyakit dengan angka kematian tertinggi di negara maju bahkan dunia. Penyakit jantung dapat mengancam jiwa jika tidak ditangani dengan serius. Jumlah penderita penyakit jantung meningkat setiap tahunnya. Penyakit jantung dapat disebabkan oleh beberapa faktor, yang utama adalah konsumsi alkohol berlebihan, kebiasaan merokok, dan faktor keturunan. Penelitian ini bertujuan untuk memprediksi dan mencegah penyakit jantung sejak dini menggunakan algoritma pembelajaran mesin, yaitu regresi logistik. Data yang digunakan untuk pelatihan dan pengujian algoritma regresi logistik sebanyak 1.190 data, yang terbagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil pengujian menunjukkan bahwa model dapat memprediksi dengan akurasi sebesar 86%. Setelah model dibuat, model tersebut diimplementasikan ke dalam situs web. Penelitian ini diharapkan dapat berkontribusi pada diagnostik yang dapat membantu deteksi dini penyakit jantung.

Tingkat keberhasilan deteksi penyakit jantung sangat bergantung pada akurasi model klasifikasi yang digunakan. Penelitian ini bertujuan membandingkan kinerja dua algoritma klasifikasi, yaitu K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM), dalam mendeteksi penyakit jantung menggunakan dataset berjumlah 1025 sampel dengan dua kelas target, yakni sehat dan penyakit jantung. Proses pra-pemrosesan data meliputi pembersihan dan normalisasi fitur medis seperti usia, tekanan darah, serta kadar kolesterol. Evaluasi performa model dilakukan menggunakan metode Confusion Matrix, K-Fold Cross Validation, kurva Receiver Operating Characteristic (ROC), dan kurva Precision-Recall untuk mengukur akurasi, presisi, recall, serta keseimbangan antara presisi dan recall. Hasil pengujian menunjukkan bahwa algoritma KNN unggul dalam menghasilkan akurasi tinggi yaitu 99% dengan AUC ROC sempurna 1.00 dan presisi yang hampir konsisten sepanjang recall, sementara SVM menunjukkan performa stabil dengan akurasi 91%, AUC ROC 0.97, dan AP Precision-Recall sebesar 0.96. Penelitian ini menegaskan efektivitas KNN dalam menghasilkan prediksi penyakit jantung yang sangat akurat dengan potensi risiko overfitting pada parameter k kecil, sedangkan SVM memberikan kestabilan model dengan kemampuan generalisasi yang lebih baik. Temuan ini diharapkan dapat menjadi referensi dalam pemilihan algoritma klasifikasi yang sesuai untuk mendukung diagnosis penyakit jantung secara klinis.

Di Indonesia jagung sering digunakan sebagai komoditas utama makanan pokok selain nasi. Tanaman jagung memiliki potensi terkena penyakit ataupun serangan hama kapan saja yang menyebabkan gagal panen. Penyakit yang dapat menyerang tanaman jagung bisa dilihat dari perubahan daun. Deteksi dini terhadap penyakit dapat mencegah penyakit menyebar lebih luas, salah satunya dengan perubahan yang terjadi pada daun jagung. Penelitian ini mencoba melakukan identifikasi daun yang tidak sehat dengan cara ekstraksi ciri dan warna pada citra untuk mendeteksi penyakit daun tanaman jagung yaitu hawar, bercak dan karat. Proses klasifikasi citra dilakukan melalui akusisi citra menjadi data latih dan uji, kemudian menghitung nilai hasil fitur ekstraksi warna dan ekstraksi ciri. GLCM (Gray-Level Cooccurrence Matrix) sebagai ekstraksi ciri dan HSV sebagai ekstraksi warna. KNN (K Nearest Neighbors) dengan jarak Euclidean untuk klasifikasi. Dari 160 data citra latih dan 40 citra uji menggunakan algoritma KNN-HSV-GLCM didapatkan hasil akurasi terbaik.yaitu 85% dengan menggunakan dengan nilai k adalah 3 dan jarak piksel 1 dan akurasi terendah dengan nilai k adalah 3 dan jarak piksel 3 sebesar 70%.

Hepatitis merupakan penyakit yang diderita oleh banyak orang, bahkan bisa menyebabkan kematian. Prediksi awal dapat mencegah kematian tersebut yaitu denganmengumpulkan data pasien hepatitis yang dilihat dari faktor - faktornya. Faktor-faktor tersebut antara lain Protime, Alk Phosphat, Albumin, Bilirubin dan Usia. Untuk mengolah datatersebut, dibutuhkan Data Mining. Salah satu metode data mining yang digunakan pada penelitian ini adalah klasifikasi.Tujuan penelitian ini yaitu bagaimana memprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan tingkat akurasi dan mencari atribut paling berpengaruh terhadapprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan menggunakan algoritma Algoritma K-Nearest Neighbor, Naïve Bayes Dan Neural Network dan kemudianmembandingkan ketiga hasil analisis dari ketiga algoritma tersebut.Dari hasil analisis 20 atribut dilakukan 3 kali percobaan dengan algoritma Naïve Bayes didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 76.92 %, tingkat error23.01% dan atribut Acites dan Spider merupakan atribut yang berpengaruh terhadap keputusan hidup atau meninggalnya pasien yang terkena penyakit hepatitis.Dengan menggunakanAlgoritma Neural Network didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 82,97%, tingkat error 17.03% dan atribut yang paling berpengaruh yaitu anorexia, spiders dan protime. Dengan menggunakan algoritma K-Nearest Neighbor didapat model klasifikasi dengan tingkat akurasi terbaik yaitu 93%, tingkat error 7% dan atribut yang paling berpengaruh terhadap penderita penyakit hepatitis yaitu Albumin.

Untuk mendapatkan suatu informasi tentang bagaimana mendiagnosa penyakit dan hama pada tanaman mangga secara digital maka dibutuhkan suatu aplikasi dalam bentuk sistem pakar yang dapat mewakili seorang pakar yang ahli di bidangnya untuk memberikan solusi terhadap permasalahan tanaman mangga. Case Based Reasoning untuk mendiagnosa penyakit dan hama tanaman mangga menggunakan algoritma similaritas Sorgenfrei adalah sebuah sistem pakar yang dapat sebagai alat bantu untuk melakukan konsultasi tentang penyakit dan hama tanaman mangga. Untuk mengimplementasikan Case Based Reasoning diperlukan empat tahapan proses yaitu retrieve, reuse, revise, dan retain. Sistem yang telah memberikan hasil dari perhitungan dengan nilai paling tinggi yang akan dijadikan solusi penyakit dan hama tanaman mangga. Pada proses revise, sistem akan meninjau kembali hasil perhitungan penyakit tanaman mangga. Jika hasil tersebut kurang atau sama dengan 20 persen, maka sistem tidak akan memberikan solusi penyakit tanaman mangga, dikarenakan informasi berupa penyakit yang tidak memenuhi syarat akan masuk ke dalam tabel revise yang selanjutnya akan diperbaiki kembali oleh pakar untuk menemukan solusi yang tepat. Setelah proses revise selesai dan sudah ditemukan solusi yang benar-benar tepat barulah pakar mulai menambah aturan dengan memasukan data kasus baru yang sudah ditemukan solusinya proses inilah yang dinamakan dengan proses retain.

Salah satu cabang AI (Artifical intelligence) adalah apa yang sering dikenal dengan Expert System, dimana sebuah program yang difungsikan untuk menirukan pakar manusia agar bisa melakukan hal-hal yang dapat dikerjakan oleh seorang pakar. Kanker mulut rahim adalah kanker yang terjadi pada uterus, suatu daerah pada organ reproduksi wanita yang merupakan pintu masuk ke arah rahim yang terletak antara rahim (uterus) dengan liang senggama (vagina). Tujuan dari penelitian ini adalah sistem yang memanfaatkan sistem pakar untuk menangani masalah diagnosis penyakit dalam hal ini mendeteksi secara dini penyakit kanker mulut rahim dengan mesin inferensi forward chaining. Adapun hasil dari sistem informasi ini adalah memberikan informasi mengenai keterangan penyakit kanker mulut rahim dan solusi penanganan penyakit kanker tersebut sesuai dengan stadium.

Tanaman obat (TO) adalah tanaman yang memiliki khasiat obat dan digunakan sebagai obat dalam penyembuhan maupun pencegahan penyakit. TO sebagai Obat Tradisional (OT) ini masih banyak digunakan oleh masyarakat, terutama dari kalangan menengah ke bawah. Bahkan dari masa ke masa,  OT ini mengalami perkembangan yang semakin meningkat, terlebih dengan munculnya isu kembali ke alam (back to nature) serta krisis yang berkepanjangan dan telah diakui juga bahwa OT dari TO tersebut  memiliki efek samping relatif kecil dibandingkan obat modern, meski tetap perlu diperhatikan bila ditinjau dari kepastian bahan aktif dan konsistensinya yang belum terjamin terutama untuk penggunaannya secara rutin. Bentuk dari kearifan budaya khususnya bagi masyarakat yang melestarikan pengobatan alami, TO perlulah didata dan didokumentasikan dengan tujuan agar berbagai manfaat TO dapat semakin banyak teridentifikasi dan secepatnya diimplementasikan kepada masyarakat. Dalam penelitian ini dihasilkan sebuah Elektronik Ensiklopedia Tanaman Herba (EETH) berbasis WEB yang merupakan salah satu upaya mendokumentasikan dan menginformasikan kepada masyarakat tentang berbagai tanaman yang berkhasiat obat. EETH ini dapat menyajikan informasi secara online mengenai berbagai macam tanaman yang berkhasiat obat/tanaman herba yang dapat membantu user dalam menambah pengetahuan mereka mengenaiTO, terutama TO yang tumbuh di sekitar lingkungan rumah dan cara pengolahan TO agar menjadi obat yang berkhasiat   Kata Kunci : Tanaman, Obat, Penyembuhan, Penyakit, Ensiklopedia

Buta warna adalah suatu kelainan yang disebabkan ketidakmampuan sel-sel kerucut  dalam retina mata yang mengalami kelemahan atau kerusakan permanen dan tidak mampu merespon warna dengan semestinya. Buta warna  merupakan kelainan genetik atau bawaan yang diturunkan dari orang tua kepada anaknya,  kebutaan warna juga dapat disebabkan seseorang mengkonsumsi obat dalam periode waktu tertentu karena penyakit yang dideritanya. Penglihatan warna sangat berpengaruh terhadap kehidupan sehari-hari dari seseorang, menjadikan masalah dan bahkan mungkin  bisa menjadikan seseorang akan merasa tersiksa dan frustasi dengan keadaan ini, misal pada anak-anak dimana tidak dapat memilih warna spidol atau crayon yang tepat, seseorang tidak dapat memadu padan warna baju yang cocok, seorang ibu yang tidak bisa mengetahui kapan daging benar-benar matang, seseorang tidak mengerti tanda lalu-lintas dan masih banyak lagi fakta-fakta tentang buta warna. Menurut dokter spesialis mata bahwa tidak ada cara untuk mengobati buta warna karena bawaan, karena buta warna bukan suatu penyakit melainkan gangguan penglihatan pada seseorang. Penyandang buta warna tetap mengenal warna tetapi warna yang sesuai dengan persepsi sendiri. Sedangkan penderita kebutaan warna yang disebabkan akibat samping dari mengkonsumsi obat maka kebutaan warna yang disandangnya dapat disembuhkan.

Cara menyikapi suatu penyakit saat ini sangat berubah. Masyarakat saat ini mengharapkan semua perawatan, bahkan atas kelainan yang paling berat pun, harus berhasil. Sementara itu, masyarakat saat ini juga semakin mandiri. Pada umumnya masyarakat sadar bahwa berbagai sakit ringan biasa, seperti pilek atau diare, tidak memerlukan bantuan ahli kesehatan atau pengobatan yang rumit. Masalah bagi masyarakat yang tidak terlatih secara medis adalah bahwa keluhan semacam sakit kepala atau batuk dapat merupakan petunjuk awal adanya sakit yang serius. Sejauh mana seseorang cukup aman untuk mengatasi sendiri sebuah masalah? Kapan mereka harus menelepon dokter atau meminta bantuan layanan kesehatan? Kapan mereka harus membawa si sakit ke unit gawat darurat sebuah rumah sakit? Dengan meluasnya teknologi piranti  mobile di masyarakat, maka mendorong pemanfaatan teknologi informasi tersebut untuk membantu dalam bidang kesehatan. Khususnya sebagai alat bantu untuk menyampaikan informasi dan mendiagnosa gejala penyakit yang diderita bayi. Hal ini akan membantu para orang tua dalam melakukan pencegahan dan pengobatan pada bayi mereka yang sakit.