SISTEM PAKAR UNTUK DIAGNOSIS RISIKO BERAT BADAN LAHIR RENDAH PADA IBU HAMIL MENGGUNAKAN INTERVAL TYPE-2 FUZZY INFERENCE SYSTEM DAN DEMPSTER-SHAFER

Oleh :
Afif Imam Rahadi - L0122006 - Fak. Teknologi Informasi dan Sains Data

Berat Badan Lahir Rendah (BBLR) merupakan salah satu penyebab Utama tingginya angka kematian bayi dan berbagai komplikasi kesehatan jangka panjang. Identifikasi risiko BBLR pada masa kehamilan penting dilakukan sejak dini. Namun, proses identifikasi sering menghadapi ketidakpastian akibat variasi kondisi klinis pasien dan ambiguitas pada batas parameter medis. Penelitian ini bertujuan untuk mengembangkan sistem pakar hibrida yang mengintegrasikan Decision Tree (DT), Interval Type-2 Fuzzy Inference System (IT2FIS) dan Dempster-Shafer (DS) untuk mengidentifikasi risiko BBLR. Knowledge Base sistem diekstraksi dari data kohort menggunakan algoritma Decision Tree dan selanjutnya divalidasi oleh pakar medis. IT2FIS memodelkan ketidakpastian pada parameter klinis melalui fungsi keanggotaan interval tanpa melalui tahapan type-reduction dan defuzzifikasi konvensional, melainkan langsung ditransformasikan menjadi Basic Probability Assignment (BPA). Selanjutnya, DS digunakan untuk menggabungkan evidensi dari aturan yang aktif untuk menghasilkan diagnosis akhir. Evaluasi sistem dilakukan menggunakan 20 data uji yang tidak terlibat dalam proses pembentukan aturan maupun perancangan fungsi keanggotaan. Hasil evaluasi menunjukkan bahwa sistem memperoleh akurasi sebesar 85% dan nilai sensitivitas mencapai 93.33% yang merepresentasikan tingkat kesesuaian tinggi diagnosis pakar. Penelitian ini berkontribusi pada pengembangan arsitektur sistem pakar hibrida melalui pemodelan fusi data tanpa tahapan type-reduction dan defuzzifikasi. Pendekatan ini terbukti mampu mencegah hilangnya informasi ketidakpastian, sekaligus mengoptimalkan tingkat interpretabilitas dan transparansi sistem dalam menghasilkan keputusan.