Kesalahan mendiagnosis jenis penyakit menyebabkan kesalahan penanganan yang berdampak pada kematian. Hasil diagnosis membutuhkan derajat kepercayaan untuk menyakini hasilnya. Sistem pakar telah banyak digunakan untuk permasalahan diagnosis penyakit ayam broiler. Keterbatasan penelitian terdahulu pada kasus ini adalah dalam pemberian derajat kepercayaan seringkali hanya menggunakan nilai dari pakar. Peran pengguna hanya sebatas memilih gejala yang telah disediakan oleh sistem pakar tanpa memberikan penilaian bobot gejala yang dipilih, sehingga semua gejala dianggap pada kondisi ideal (keyakinan mutlak). Tujuan penelitian ini adalah mengembangkan purwarupa sistem pakar untuk diagnosis penyakit ayam broiler dengan menggabungkan metode forward chaining dan certainty factor, serta mengkombinasikan nilai bobot gejala dari pengguna dan pakar untuk meng-antisipasi kondisi tidak ideal. Tahapan penelitian terdiri dari pengumpulan data, pemodelan basis pengetahuan, implementasi dalam bentuk purwarupa berbasis web, dan pengujian. Hasil pengujian menunjukkan bahwa purwarupa sistem pakar menghasilkan diagnosis dengan tingkat validitas 100% ketika dibandingkan dengan perhitungan manual. Artinya purwarupa sudah sesuai rancangan. Selain itu, dampak pemberian nilai bobot gejala oleh pengguna berpengaruh terhadap turunnya nilai keyakinan hasil diagnosis bila dibandingkan kondisi ideal

Penyakit diabetes merupakan salah satu penyakit paling banyak diderita oleh manusia seluruh dunia. Setiap tahun terjadi peningkatan kematian yang disebabkan oleh penyakit diabetes. Penyakit diabetes terjadi disebabkan oleh tubuh tidak menghasilkan insulin dalam jumlah yang cukup. Salah satu cara yang digunakan untuk mengurangi jumlah kematian yang disebabkan oleh penyakit diabetes adalah melakukan diagnosis secara dini. Salah satu teknik yang bisa digunakan adalah memanfaatkan teknik data mining. Untuk melakukan diagnosis penyakit diabetes dibutuhkan suatu metode yang memiliki akurasi terbaik. Pada penelitian ini melakukan komparasi metode Correlated-Naive Bayes Classifier dan Naive Bayes Classifier untuk mendapatkan akurasi terbaik sehingga dapat digunakan untuk diagnosis penyakit diabetes. Berdasarkan pengujian yang telah dilakukan menunjukkan bahwa metode Correlated Naive Bayes Classifier (CNBC) memperoleh akurasi terbaik dibandingkan dengan metode Naive Bayes Classifier (NBC) untuk Dataset Pima indian Diabetes. Tingkat akurasi metode Correlated Naive Bayes Classifier (CNBC) sebesar 67,15%, sedangkan metode Naive Bayes Classifier (NBC) sebesar 64,33%. Metode Correlated Naive Bayes Classifier (C-NBC) memiliki akurasi lebih tinggi dibandingkan metode Naïve Bayes Classifier (NBC) karena pada metode Correlated Naïve Bayes Classifier memperhitungkan nilai korelasi dari masing-masing atribut dataset terhadap Kelasnya. Dengan demikian penggunaan metode Correlated Naïve Bayes Classifier (C-NBC) dapat digunakan untuk melakukan diagnosis penyakit diabetes karena memiliki tingkat akurasi yang bagus dibandigkan metode Naive Bayes Classifier.

No abstract

Penyakit artrhitis atau sering dikenal dengan nama rematik merupakan penyakit yang menyerang sendi dan struktur atau jaringan penunjang sekitar sendi. Jenis penyakit rematik memiliki lebih dari 150 jenis, tetapi di indonesia ada 3 jenis penyakit paling sering diderita masyarakat diantaranya Gout Arthritis, Rheumatoid Arthritis, dan Osteo Arthritis. Gejala pada jenis penyakit rematik sering tidak disadari oleh masyarakat, karena umumnya memiliki gejala yang mirip satu sama lain. Salah satu solusi yang dapat digunakan masyarakat untuk melakukan diagnosis dini jenis penyakit rematik adalah sistem pakar. Sistem pakar adalah sebuah sistem yang mengadopsi pengetahuan pakar sehingga dapat melakukan seperti yang dilakukan pakar. Penelitian ini mengembangkan sistem pakar diagnosis penyakit rematik menggunakan inferensi forward chaining berbasis prolog. Metode inferensi forward chaining digunakan untuk menarik kesimpulan jenis penyakit rematik yang diderita berdasarkan gejala-gejala yang dirasakan. Berdasarkan pengujian yang telah dilakukan bahwa metode inferensi forward chaining dapat melakukan diagnosis jenis penyakit rematik..

Penentukan bonus karyawan pada PT Bunga Raya berdasarkan atas dasar absensi,gaji,kerjasama,kedisiplinandanjumlahlembur.Masalahyangdihadapi adalah kurangnya transparansi dalam penentuan bonus karyawan, sehingga berdampak pada hubungan keharmonisan karyawan dalam bekerja, sehingga diperlukan sebuah sistem yang baru yang dapat mendukung dan mempermudah dalam proses perangkingan untuk meningkatkan kualitas keputusan dalam menentukan bonuskaryawan.Untuk mengatasi masalah tersebut diperlukan sebuah sistem yang mampu membantu bagian administrasi dalam mempercepat dan mempermudah proses perangkingan bonus karyawan. Sistem yang dimaksud adalah sistem pendukung keputusan (SPK). SPK adalah Sistem yang mampu memberikan rekomendasi dalam memutuskan suatu kasus tertentu. SPK yang dikembangkan menggunakan metode fuzzy dan simple additive weighting (SAW) atau dikenal dengan fuzzy SAW. Fuzzy digunakan untuk proses pembobotan nilai dari tiap kriteria dan SAW di gunakan untuk mencari nilai alternatif terbaik dalam berbabgai alternatif berdasarkan kriteria yang ditentukan.Padapeneltian(Salehetal.,2014)studikasusmengambiltempatdiCV.Asia Exotica Medan . Penentuan kulit ular untuk kerajinan tangan masih dilakukan secara manual dan susahnya untuk menentukan kualitas kulit ular yang digunakan untuk kerajinan tangan sama menggunakan metode Fuzzy SAW. namun acuan kriteria yang digunakan adalah 3 kriteria dalam penentuan kualitas kulitular.Hasil pengujian fungsional yang dilakukan pada beberapa browser (Chrome, Firefox, dan Internet Explorer) menunjukan bahwa semua fungsi yang terdapat dalam aplikasi dapat berjalan dengan baik. Hasil pengujian validasi dilakukan dengan membandingkan output sistem dengan perhitungan manual dan hasilnya memiliki tingkat validasi sebesar 100%. Hasil pengujian sistem secara user dilakukan dengan membagi kuisioner kepada 7 admin dan menunjukan bahwa sistem yang dikembangkan memiliki tingkat kepuasan sebesar 77%.