Proyek ini dibuat hanya untuk tujuan pembelajaran dan sebagai sarana eksplorasi konsep Sistem Pakar dengan Metode Certainty Factor (CF). Saya berusaha memberikan informasi dan implementasi yang akurat, namun tidak menjamin sepenuhnya keakuratan teori maupun sistem yang digunakan. Jika Anda menemukan kesalahan baik dalam teori, perhitungan, maupun implementasi sistem, saya sangat menghargai masukan dan koreksi dari Anda. 🙏 Gunakan proyek ini dengan bijak dan sesuaikan dengan kebutuhan Anda. 🚀
Terima kasih atas pengertian dan dukungannya, Jangan ragu untuk menghubungi saya melalui atau
.
Sistem pakar adalah sebuah sistem berbasis komputer yang dirancang untuk meniru proses pengambilan keputusan seorang pakar dalam suatu bidang tertentu. Dengan menggunakan metode Certainty Factor (CF), sistem ini mampu mengukur tingkat kepastian dari sebuah diagnosis berdasarkan bukti yang tersedia. Hal ini memungkinkan sistem untuk memberikan rekomendasi yang lebih akurat sesuai dengan kondisi pengguna.
Certainty Factor dihitung berdasarkan formula berikut:
Dimana:
- MB (Measure of Belief) → Seberapa yakin pakar bahwa gejala menunjukkan penyakit tertentu.
- MD (Measure of Disbelief) → Seberapa yakin pakar bahwa gejala tidak menunjukkan penyakit tertentu.
| Penyakit | Gejala | Nilai MB | Nilai MD |
|---|---|---|---|
| Penyakit A | Gejala 1 | 0.8 | 0.2 |
| Penyakit A | Gejala 2 | 0.6 | 0.3 |
| Penyakit B | Gejala 1 | 0.7 | 0.2 |
| Penyakit B | Gejala 2 | 0.5 | 0.4 |
Terdapat 6 pilihan kondisi yang tersedia:
| Kondisi | Keterangan | Nilai |
|---|---|---|
| Tidak | Gejala tidak dialami sama sekali. | 0 |
| Tidak Tahu | Tidak yakin apakah gejala tersebut ada atau tidak. | 0.2 |
| Mungkin | Gejala bisa saja ada, tetapi tidak pasti. | 0.4 |
| Kemungkinan Besar | Gejala sangat mungkin ada, namun belum dapat dipastikan. | 0.6 |
| Pasti | Gejala pasti ada dan sangat jelas. | 0.8 |
| Sangat Pasti | Gejala sangat jelas dan dipastikan ada dengan tingkat kepastian yang tinggi. | 1.0 |
Berikut contoh pilihan gejala yang dipilih oleh pengguna:
| Gejala Yang Dipilih | Kondisi | Nilai |
|---|---|---|
| Gejala 1 | Pasti | 0.8 |
| Gejala 2 | Kemungkinan Besar | 0.6 |
Dengan metode Certainty Factor, sistem dapat membantu dalam menentukan kemungkinan suatu penyakit berdasarkan gejala yang dialami oleh pengguna dengan mempertimbangkan tingkat keyakinan pakar dan pengguna.
Untuk informasi lebih lanjut, silakan akses jurnal terkait melalui tautan berikut: Jurnal Certainty Factor.
- Clone Repository
git clone https://github.com/alfian742/expert-system.git
- Masuk ke Direktori Project
cd expert-system - Konfigurasi
- Konfigurasi Base URL di file
config/config.phpdan.htaccessdefine('BASE_URL', 'http://localhost/expert-system/');
ErrorDocument 403 http:/localhost/expert-system/error/403.php
- Buat database di MySQL dengan nama
expert_system - Import file SQL yang tersedia dalam folder
database/expert_system.sql - Konfigurasi koneksi database di
config/config.php:define('DB_HOST', 'localhost'); define('DB_USER', 'root'); define('DB_PASS', ''); define('DB_NAME', 'expert_system');
- Konfigurasi Base URL di file
- Jalankan Aplikasi
- Pastikan server web lokal seperti Apache atau Nginx aktif. Contoh perangkat lunak yang dapat digunakan adalah Laragon, XAMPP, atau MAMP.
- Akses aplikasi melalui browser dengan membuka
http://localhost/expert-system.
-
Login ke Aplikasi:
- Gunakan kredensial berikut untuk login ke aplikasi:
-
Admin:
- Email:
admin@gmail.com - Kata Sandi:
admin
- Email:
-
User:
- Email:
user@gmail.com - Kata Sandi:
user1234
- Email:
-
- Gunakan kredensial berikut untuk login ke aplikasi:
-
Jelajahi Menu:
- Setelah login, Anda akan dapat mengakses berbagai menu untuk mengelola data sesuai dengan peran Anda (Admin atau User).
-
Demo Aplikasi:
- Silakan akses demo aplikasi yang telah dideploy melalui tautan berikut: Sistem Pakar Certainty Factor.
Terima kasih telah mengunjungi repositori ini! Saya sangat menghargai waktu dan perhatian Anda dalam menjelajahi proyek ini. Jika proyek ini bermanfaat bagi Anda, jangan lupa untuk memberikan ⭐ Star pada repositori ini agar lebih banyak orang dapat menemukannya dan mendapatkan manfaat yang sama.



