Sistem Pakar Diagnosa Anemia pada Remaja Putri Menggunakan Metode Certainty Factor

Abstract

Abstract

Anemia poses a significant health threat to adolescent girls, primarily driven by iron deficiency during rapid growth phases and monthly menstruation cycles. The limited access to independent screening facilities motivated this study to develop a web-based expert system for the early detection of anemia among young females. The computational approach implemented in this system utilizes the Certainty Factor (CF) method, which accommodates diagnostic uncertainty by calculating confidence levels (Measure of Belief and Measure of Disbelief) based on expert knowledge across 15 symptoms covering physical-clinical, physiological, and lifestyle factors. Software engineering was executed using PHP with the Laravel framework and MySQL for database management. System performance was evaluated through Black Box Testing to ensure all features operated seamlessly, followed by an accuracy assessment comparing system outputs against clinical diagnoses across 50 data samples. The findings revealed that 47 computational cases yielded decisions identical to the expert's judgment, while 3 cases showed discrepancies. Consequently, the system achieved an accuracy rate of 94%, demonstrating that the application is highly feasible and effective as a supportive tool for the early identification of anemia risk in adolescents.

Abstrak

Kasus anemia masih menjadi ancaman kesehatan yang signifikan bagi kelompok remaja putri, yang umumnya dipicu oleh defisiensi zat besi selama masa pertumbuhan dan siklus menstruasi bulanan. Keterbatasan akses untuk melakukan pemeriksaan awal secara mandiri melatarbelakangi penelitian ini untuk merancang sebuah sistem pakar berbasis web guna mendeteksi penyakit anemia pada remaja putri sedini mungkin. Pendekatan komputasi yang diimplementasikan pada sistem ini adalah metode Certainty Factor (CF), yang berfungsi mengakomodasi nilai ketidakpastian diagnosa melalui kalkulasi tingkat keyakinan (Measure of Belief dan Measure of Disbelief) dari pengetahuan pakar terhadap 15 indikator gejala fisik klinis, fisiologis, dan pola hidup sehat. Rekayasa perangkat lunak dikembangkan menggunakan bahasa PHP dengan framework Laravel serta pengelolaan basis data MySQL. Evaluasi kinerja sistem diukur melalui Black Box Testing untuk memastikan fungsionalitas fitur berjalan tanpa hambatan, dilanjutkan dengan pengujian akurasi yang mengomparasi hasil perhitungan sistem dengan diagnosis ahli medis berdasarkan 50 sampel data uji. Temuan penelitian menunjukkan bahwa 47 data komputasi menghasilkan keputusan yang identik dengan vonis pakar medis, sedangkan 3 data menunjukkan perbedaan. Dengan demikian, persentase tingkat akurasi sistem mencapai angka 94%, membuktikan bahwa aplikasi ini sangat layak dan efektif diandalkan sebagai instrumen pendukung dalam identifikasi awal risiko anemia pada remaja.