Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Sistem Cerdas Pendeteksi Penyakit dengan Gejala Lower Back Pain Menggunakan Algoritma Forward Chaining

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 5 No. 3 (2025) · hlm. 1352–1361

DOI
10.51454/decode.v5i3.1465
ISSN
2775-1813, 2775-2984
Terbit
2025-11-30
Penerbit
Universitas Muhammadiyah Kendari
Lisensi
creativecommons.org/licenses/by-sa/4.0/

Abstrak

Nyeri Punggung Bawah (Lower Back Pain/LBP) kini telah menjelma menjadi tantangan kesehatan masyarakat dengan implikasi serius pada aspek sosial dan finansial. Laporan Global Burden of Disease mengungkapkan bahwa LBP merupakan faktor utama penyebab kecacatan dan penurunan efisiensi kerja di banyak negara, tidak terkecuali Indonesia. Dalam konteks penanganan LBP, pendekatan forward chaining menawarkan kemampuan analitik yang mendalam terhadap sekumpulan manifestasi klinis pasien. Proses ini bekerja melalui tahapan penerimaan berbagai data input mencakup sifat nyeri, pola penyebaran nyeri radikular, elemen pencetus, dan temuan neurologis. Seluruh data ini kemudian diintegrasikan dengan basis pengetahuan yang memuat diagnostik tersistem. Keluaran dari mekanisme ini berupa deteksi beragam kemungkinan penyebab patologi, mencakup kondisi seperti strain otot, HNP (herniasi nukleus pulposus), penyempitan tulang belakang, maupun gangguan degeneratif tulang belakang lainnya. Studi ini berfokus pada perancangan sebuah sistem diagnostik berbasis kecerdasan buatan untuk mendeteksi penyakit dengan indikasi LBP melalui pendekatan bertahap dan eksperimental, dengan mengadopsi metode Research and Development (R&D). Hasil uji coba membuktikan bahwa sistem deteksi gejala nyeri punggung bawah yang mengimplementasikan forward chaining telah berjalan dengan baik. Teknik ini menunjukkan keberhasilan dalam penerapannya dengan capaian tingkat presisi yang sesuai dengan kriteria yang ditentukan.

Jaringan kolaborasi para penulis

4 penulis · 6 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Data ini berasal dari Crossref (yang disetorkan penerbit), karena endpoint OAI-PMH milik jurnal tidak dapat di-harvest.

Sumber metadata: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, pertama di-harvest 26 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata sebagai oai_dc, dikonversi dari Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Sistem Cerdas Pendeteksi Penyakit dengan Gejala Lower Back Pain Menggunakan Algoritma Forward Chaining</dc:title><dc:creator>Andriyanto, Sigit</dc:creator><dc:creator>Setiawan, Susilo</dc:creator><dc:creator>Mubarokh, Habib Kurniawan</dc:creator><dc:creator>Ramadhan, Muhammad Daffa Dzaki</dc:creator><dc:description>&lt;jats:p&gt;Nyeri Punggung Bawah (Lower Back Pain/LBP) kini telah menjelma menjadi tantangan kesehatan masyarakat dengan implikasi serius pada aspek sosial dan finansial. Laporan Global Burden of Disease mengungkapkan bahwa LBP merupakan faktor utama penyebab kecacatan dan penurunan efisiensi kerja di banyak negara, tidak terkecuali Indonesia. Dalam konteks penanganan LBP, pendekatan forward chaining menawarkan kemampuan analitik yang mendalam terhadap sekumpulan manifestasi klinis pasien. Proses ini bekerja melalui tahapan penerimaan berbagai data input mencakup sifat nyeri, pola penyebaran nyeri radikular, elemen pencetus, dan temuan neurologis. Seluruh data ini kemudian diintegrasikan dengan basis pengetahuan yang memuat diagnostik tersistem. Keluaran dari mekanisme ini berupa deteksi beragam kemungkinan penyebab patologi, mencakup kondisi seperti strain otot, HNP (herniasi nukleus pulposus), penyempitan tulang belakang, maupun gangguan degeneratif tulang belakang lainnya. Studi ini berfokus pada perancangan sebuah sistem diagnostik berbasis kecerdasan buatan untuk mendeteksi penyakit dengan indikasi LBP melalui pendekatan bertahap dan eksperimental, dengan mengadopsi metode Research and Development (R&amp;amp;D). Hasil uji coba membuktikan bahwa sistem deteksi gejala nyeri punggung bawah yang mengimplementasikan forward chaining telah berjalan dengan baik. Teknik ini menunjukkan keberhasilan dalam penerapannya dengan capaian tingkat presisi yang sesuai dengan kriteria yang ditentukan.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2025-11-30</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v5i3.1465</dc:identifier><dc:identifier>10.51454/decode.v5i3.1465</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 5 No 3 (2025); 1352-1361</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/decode/article/download/1465/780</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>