Hybrid Expert System untuk Deteksi Gangguan Perkembangan Anak Menggunakan Backward Chaining dan Case-Based Reasoning

Abstrak

Sebuah sistem pakar hibrida untuk mendeteksi gangguan perkembangan pada anak dengan menggabungkan metode Backward Chaining dan Case-Based Reasoning (CBR). Gangguan perkembangan anak merupakan masalah kesehatan yang memerlukan deteksi dini untuk intervensi yang tepat. Namun, keterbatasan akses ke ahli di daerah terpencil menjadi kendala utama. Sistem yang dikembangkan mengintegrasikan pendekatan berbasis aturan (rule-based) dengan pendekatan berbasis kasus (case-based) untuk meningkatkan akurasi diagnosis. Metode Backward Chaining digunakan untuk melakukan inferensi berdasarkan gejala-gejala yang diamati, sementara CBR memanfaatkan kasus-kasus sebelumnya sebagai referensi penalaran. Sistem ini diimplementasikan dengan basis pengetahuan yang berisi aturan-aturan medis dari pakar dan basis kasus yang berisi data pasien sebelumnya. Hasil pengujian menunjukkan bahwa sistem hibrida memiliki akurasi lebih tinggi (92%) dibandingkan dengan sistem yang hanya menggunakan metode tunggal (83% untuk Backward Chaining saja dan 85% untuk CBR saja). Sistem ini juga memberikan rekomendasi tindak lanjut yang lebih komprehensif berdasarkan pengalaman kasus-kasus serupa. Penelitian ini diharapkan dapat membantu tenaga kesehatan dan orang tua dalam melakukan deteksi dini gangguan perkembangan anak, terutama di daerah dengan keterbatasan akses ke ahli.