Implementasi Aplikasi Konsultasi Kesehatan Jiwa Dengan Algoritma Kepakaran dan Jaringan Syaraf Tiruan

Mailia Putri Utami

doi:10.33633/tc.v22i2.8038

Implementasi Aplikasi Konsultasi Kesehatan Jiwa Dengan Algoritma Kepakaran dan Jaringan Syaraf Tiruan

Mailia Putri Utami

Abstract

Upaya untuk menjawab bagaimana cara komputasi memproses data teks dari konsultasi pasien menjadi sebuat inputan yang dapat dimengerti menjadi hasil akurat untuk dapat memeberikan rekomendasi dari konsultaasi yang dikeluhkan pasien membangun dan mengembangkan algoritma Artificial Neural Network dalam membangun sistem optimal untuk memberikan hasil rekomendasi konsultasi kesahatan mental manusia secara kepakaran, dengan focus utama pada data input dan output yang akurat dan tepat Natural Language Processing (NLP), Algoritma Artificial Neural Network yang digunakan menggunakan jenis multilayer. Cara kerja dari jenis multilayer adalah later pertama dijadikan input layer yang bertugas menyimpan vector input pada jaringan, selanjutnya layer input dimasukan secara komputasi pada layer kedua, yang bekerja bisa dengan proses komputasi parallel. Sistem pakar yang digunakan pada penelitian ini adalah metode dari Forward Chaining. Tingkat kecocokan input dengan hasil ANN yang diambil adalah akurasi 0.92 selain itu sistem akan menampilkan bahwa sistem tidak bisa memproses ‘Tidak mengerti perintah’, akurasi sistem yang dibangun merupakan akurasi prosedur dari model utama yang terbentuk. Iterasi yang dipakai yaitu 92 kali dan waktu eksekusi optimal sistem beropreasi bisa sangat cepat yaitu 0.016 second. Proses Artificial Neural Network merupakan proses utama dari penelitian ini, karena proses kerjanya sebagai penyambung kata setiap dataset dan akan dicocokan dengan inputan pengguna

Keywords

Jaringan syaraf tiruan, Forward Chaining, Kesehatan Mental, Kepakaran

Full Text:

PDF

References

Belzunegui-Eraso, A., & Erro-Garcés, A. (2020). Teleworking in the context of the Covid-19 crisis. Sustainability (Switzerland), 12(9). https://doi.org/10.3390/su12093662

Cénat, J. M., Mohammad, S., Moshirian, M., Dalexis, R. D., Darius, W. P., Mansoub, F., Poisson, H., Broussard, C., Ukwu, G., Auguste, E., Nguyen, D. D., Sehabi, G., Aouame, M. El, & Khodabocus, S. N. (2022). The global evolution of mental health problems during the COVID-19 pandemic: A systematic review and meta-analysis of longitudinal studies. https://doi.org/10.1016/j.jad.2022.07.011

Nano Prawoto, Eko Priyo Purnomo, & Abitassha Az Zahra. (2020). The Impacts of Covid-19 Pandemic on Socio-Economic Mobility in Indonesia. International Journal of Economics and Business Administration, Volume VII(Issue 3), 57–71.

Zen Munawar, D. (2021). Pemanfaatan Teknologi Digital Di Masa Pandemi Covid-19. Jurnal Teknologi Informasi Komunikasi, 8(2), 160–175.

Jahani, A., Kalantary, S., & Alitavoli, A. (2021). An application of artificial intelligence techniques in prediction of birds soundscape impact on tourists’ mental restoration in natural urban areas. Urban Forestry and Urban Greening, 61(March), 127088. https://doi.org/10.1016/j.ufug.2021.127088

Chung, C. C., Chiu, W. T., Huang, Y. H., Chan, L., Hong, C. T., & Chiu, H. W. (2021). Identifying prognostic factors and developing accurate outcome predictions for in-hospital cardiac arrest by using artificial neural networks. Journal of the Neurological Sciences, 425(March), 117445. https://doi.org/10.1016/j.jns.2021.117445

Huang, X., Wang, H., Luo, W., Xue, S., Hayat, F., & Gao, Z. (2021). Prediction of loquat soluble solids and titratable acid content using fruit mineral elements by artificial neural network and multiple linear regression. Scientia Horticulturae, 278(December 2020), 109873. https://doi.org/10.1016/j.scienta.2020.109873

Saibene, A., Assale, M., & Giltri, M. (2021). Expert systems: Definitions, advantages and issues in medical field applications. Expert Systems with Applications, 177(July 2020), 114900. https://doi.org/10.1016/j.eswa.2021.114900

Hsieh, K. L. (2011). Employing a recommendation expert system based on mental accounting and artificial neural networks into mining business intelligence for study abroad’s P/S recommendations. Expert Systems with Applications, 38(12), 14376–14381. https://doi.org/10.1016/j.eswa.2011.03.078

Fiarni, C., Gunawan, A. S., Ricky, Maharani, H., & Kurniawan, H. (2015). Automated Scheduling System for Thesis and Project Presentation Using Forward Chaining Method with Dynamic Allocation Resources. Procedia Computer Science, 72, 209–216. https://doi.org/10.1016/j.procs.2015.12.133

Kim, Y. H., Song, J. H., & Park, J. H. (2009). An expert system for fatigue life prediction under variable loading. Expert Systems with Applications, 36(3 PART 1), 4996–5008. https://doi.org/10.1016/j.eswa.2008.06.041

S. Nurajizah, “Sistem Pakar Berbasis Android Untuk Diagnosa Penyakit Kulit Kucing dengan Metode Forward Chaining,” Jurnal PILAR Nusa Mandiri, vol. 14, pp. 7-14, 2018.

DOI: https://doi.org/10.33633/tc.v22i2.8038