Diagnosis dan pengambilan keputusan tentang penyakit dalam bidang medis menghadapi ketidakpastian yang dapat memengaruhi proses pengobatan. Keputusan ini dibuat berdasarkan pengetahuan pakar dan cara seorang pakar dalam mendefinisikan kondisi pasien, gejala yang dialami dan faktor-faktor lain yang memengaruhi. Hasil definisi setiap pakar mungkin saja terdapat perbedaan berdasarkan faktor-faktor tersebut. Fuzzy modular expert system adalah suatu sistem berbasis pengetahuan yang memanfaatkan logika fuzzy untuk menangani ketidakpastian dan modularitas dalam pengambilan keputusan. Dalam sistem dengan ketidakpastian tinggi dan kompleksitas tinggi, logika fuzzy merupakan metode yang cocok untuk pemodelan. Dalam penelitian ini, fuzzy modular expert system untuk pemodelan ketidakpastian dalam pemberian dosis obat untuk terapi penyakit leukemia. Variabel output yang digunakan pada penelitian ini adalah tingkat toksisitas yang dihasilkan dari proses pemberian dosis obat yang dibagi menjadi lima kategori yaitu sangat rendah, rendah, sedang, tinggi dan sangat tinggi. Variabel output yang kedua adalah kategori stadium leukemia yang diderita oleh pasien yang dibagi menjadi empat kategori yaitu stadium 1, stadium 2, stadium 3 dan stadium 4. Penelitian ini menggunakan 128 data latih pasien dengan dua variabel output. Hasil yang diperoleh menunjukkan bahwa fuzzy modular expert system dalam mengindentifikasi dosis obat yang diberikan sebagai terapi obat leukemia dengan akurasi rata-rata sekitar 94,8% berdasarkan data yang telah diuji dan dibandingkan dengan informasi dari pakar. Abstract Diagnosis and decision-making about diseases in the medical field face uncertainties that can affect the treatment process. These decisions are based on expert knowledge and how an expert defines the patient's condition, symptoms experienced, and other influencing factors. The results of each expert's definition may differ based on these factors. A fuzzy modular expert system is a knowledge-based system that utilizes fuzzy logic to handle uncertainty and modularity in decision-making. In systems with high uncertainty and high complexity, fuzzy logic is a suitable method for modeling. In this study, a fuzzy modular expert system for modeling uncertainty in leukemia diagnosis. The output variables used in this study are the level of toxicity resulting from the drug dosing process which is divided into five categories, namely shallow, low, medium, high, and very high. The second output variable is the category of leukemia stage suffered by the patient which is divided into four categories, namely stage 1, stage 2, stage 3, and stage 4. This study used 128 patient training data with 2 output variable. The results indicate that the fuzzy modular expert system can diagnose leukemia with an average accuracy of around 94.8% based on data that has been tested and compared with expert diagnoses.
English
Diagnosis dan pengambilan keputusan tentang penyakit dalam bidang medis menghadapi ketidakpastian yang dapat memengaruhi proses pengobatan. Keputusan ini dibuat berdasarkan pengetahuan pakar dan cara seorang pakar dalam mendefinisikan kondisi pasien, gejala yang dialami dan faktor-faktor lain yang memengaruhi. Hasil definisi setiap pakar mungkin saja terdapat perbedaan berdasarkan faktor-faktor tersebut. Fuzzy modular expert system adalah suatu sistem berbasis pengetahuan yang memanfaatkan logika fuzzy untuk menangani ketidakpastian dan modularitas dalam pengambilan keputusan. Dalam sistem dengan ketidakpastian tinggi dan kompleksitas tinggi, logika fuzzy merupakan metode yang cocok untuk pemodelan. Dalam penelitian ini, fuzzy modular expert system untuk pemodelan ketidakpastian dalam pemberian dosis obat untuk terapi penyakit leukemia. Variabel output yang digunakan pada penelitian ini adalah tingkat toksisitas yang dihasilkan dari proses pemberian dosis obat yang dibagi menjadi lima kategori yaitu sangat rendah, rendah, sedang, tinggi dan sangat tinggi. Variabel output yang kedua adalah kategori stadium leukemia yang diderita oleh pasien yang dibagi menjadi empat kategori yaitu stadium 1, stadium 2, stadium 3 dan stadium 4. Penelitian ini menggunakan 128 data latih pasien dengan dua variabel output. Hasil yang diperoleh menunjukkan bahwa fuzzy modular expert system dalam mengindentifikasi dosis obat yang diberikan sebagai terapi obat leukemia dengan akurasi rata-rata sekitar 94,8% berdasarkan data yang telah diuji dan dibandingkan dengan informasi dari pakar. Abstract Diagnosis and decision-making about diseases in the medical field face uncertainties that can affect the treatment process. These decisions are based on expert knowledge and how an expert defines the patient's condition, symptoms experienced, and other influencing factors. The results of each expert's definition may differ based on these factors. A fuzzy modular expert system is a knowledge-based system that utilizes fuzzy logic to handle uncertainty and modularity in decision-making. In systems with high uncertainty and high complexity, fuzzy logic is a suitable method for modeling. In this study, a fuzzy modular expert system for modeling uncertainty in leukemia diagnosis. The output variables used in this study are the level of toxicity resulting from the drug dosing process which is divided into five categories, namely shallow, low, medium, high, and very high. The second output variable is the category of leukemia stage suffered by the patient which is divided into four categories, namely stage 1, stage 2, stage 3, and stage 4. This study used 128 patient training data with 2 output variable. The results indicate that the fuzzy modular expert system can diagnose leukemia with an average accuracy of around 94.8% based on data that has been tested and compared with expert diagnoses.
Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.