Integrasi Machine Learning dan Sistem Berbasis Pengetahuan untuk Diagnosa Penyakit Umum dan Rekomendasi Tanaman Obat

Abstrak

Meningkatnya prevalensi penyakit umum serta keterbatasan akses terhadap konsultasi medis dini mendorong perlunya pengembangan alat diagnostik yang efektif dan mudah diakses. Tanaman obat tradisional masih menjadi sumber berharga dalam masyarakat, namun pemanfaatannya seringkali belum terintegrasi secara sistematis dengan metode diagnostik modern. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem terintegrasi yang menggabungkan teknik machine learning dengan sistem pakar berbasis pengetahuan untuk membantu mendiagnosa penyakit umum pada manusia serta memberikan rekomendasi tanaman obat sebagai alternatif penanganan.

Metode penelitian yang digunakan adalah studi kasus deskriptif dengan pendekatan kualitatif untuk mengumpulkan pengetahuan ahli, data gejala, serta rujukan pengobatan tradisional. Selanjutnya, model supervised machine learning digunakan untuk meningkatkan akurasi diagnosa, sementara metode certainty factor (CF) diterapkan untuk menangani ketidakpastian dalam analisis gejala. Sistem dibangun dengan mengintegrasikan basis pengetahuan medis dan tanaman obat dengan mekanisme inferensi serta model prediktif.

Hasil penelitian menunjukkan bahwa sistem ini dapat menjadi media konsultasi bagi masyarakat untuk deteksi dini penyakit umum sekaligus memberikan rekomendasi tanaman obat yang aman dan sesuai dengan pengetahuan pakar. Integrasi machine learning dan sistem berbasis aturan terbukti meningkatkan reliabilitas diagnosa dibanding penggunaan metode tunggal.

Kesimpulannya, penelitian berkontribusi pada upaya menjembatani kecerdasan komputasional modern dengan kearifan pengobatan tradisional, sehingga menghasilkan alat bantu kesehatan yang terjangkau dan bermanfaat. Ke depan, sistem ini dapat dikembangkan lebih lanjut dengan dataset yang lebih luas, kemampuan pembelajaran real-time, serta integrasi dengan platform kesehatan digital.