DIBIUS: Aplikasi diagnosa Diabetes Mellitus berbasis adaptive neuro-fuzzy inference system
DOI:
https://doi.org/10.21831/pspmm.v1i0.1Keywords:
Adaptive Neuro-Fuzzy Inference System, diabetes mellitus, Visual Basic 6.0Abstract
Diabetes Mellitus merupakan salah satu jenis penyakit keturunan yang dapat menyebabkan kematian. Jumlah penderita Diabetes Mellitus tersebut meningkat dari tahun ke tahun. Hal ini dikarenakan keterlambatan diagnosis penyakit dan juga gaya hidup yang tidak sehat. Penderita penyakit tersebut biasanya tidak menyadari sejak dini jika menderita penyakit Diabetes Mellitus. Untuk mengatasi hal tersebut maka dibuat sistem untuk identifikasi penyakit Diabetes Mellitus menggunakan penerapan dari matematika komputasi. Penggunaan matematika yang semakin meningkat dalam kehidupan manusia pada era revolusi industri 4.0 ini sangat mutlak. Banyak masalah yang dapat dimodelkan secara matematika dan disimulasikan dengan bantuan komputer untuk menyelesaikan masalah tersebut, khususnya dalam mendiagnosa Diabetes Melitus. Penelitian ini mengajak mahasiswa cerdas bermatematika dalam era revolusi industri 4.0 untuk membentuk suatu aplikasi DIBIUS yang merupakan penerapan dari metode ANFIS. Proses yang dilakukan pada penelitian ini adalah menentukan 15 variabel input dari gejala-gejala yang ada. Kemudian data diolah menggunakan pemrograman Visual Basic 6.0. Hasil dari penelitian ini adalah hasil diagnosis yaitu tidak terdiagnosis dan terdiagnosis. Oleh karena itu, diharapkan aplikasi DIBIUS ini dapat dijadikan pendiagnosis pertama bagi orang awam sebelum melakukan penanganan lebih lanjut.
References
F.H.H. Khadijah, L. Resti, dan C. Laili, “Diagnosis Penyakit Jantung Menggunakan Adaptive Neuro-Fuzzy Inference System,” Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 8, pp. 83, September 2016.
F. Silvia, E.R. Dian, dan P.A. Putra, “Identifikasi Penyakit Diabetes Mellitus Menggunakan Metode Modified K-Nearest Neighbor (MKNN),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Malang, vol. 1, pp. 507-510, Juni 2017.
M.B Hanna dan D.N. Oky, “Implementasi Adaptive Neuro-Fuzzy Inference System untuk Penentuan Status Gizi Balita,” Jurnal Sistem Informasi Bisnis, Semarang, Juli 2013.
Sa’di, S., Maleki, A., Hashemi, R., Panbechi, Z., and Chalabi, K. “Comparison of Data Mining Algorithms in the Diagnosis of Type II Diabetes,” in International Journal on Computational Science & Applications, vol. 5, pp. 1-12, 2015.
S. Andri, “Sistem Pakar Identifikasi Penyakit Paru – Paru pada Manusia Menggunakan Pemrograman Visual Basic 6.0,” Jurnal Teknologi dan Informatika, Palembang, vol. 1, pp. 202-221, September 2011.
Singla, P., Rai, H. M. and Singla, S. “Local Monsoonal Precipitation Forecasting using ANFIS,” Model: a Case Study for Hisar. International Journal of Research and Rev, 2011.
V,V. V.,and Ravikumar, A,”Study of Data Mining Algorithms for Prediction and Diagnosis of Diabetes Mellitus,” International Journal of Computer Application, 95(17), pp.12-16, 2014.
