Abstract: Abstract: Based on the results of National Basic Health Research in 2018 according to the proportion of total cholesterol levels in the population aged ≥45 years, 5 stated that as many as ≥10.5% of people had high…
had high cholesterol levels. The factors that cause hypercholesterolemia are nutritional status, especially obesity. Obesity is associated with lipoprotein, decreased High-Density Lipoprotein (HDL), and increased triglycerides and LDL, especially in central obesity. People who have a high percentage of body fat tend to have higher total cholesterol, LDL, and triglycerides compared to people who have normal weight. Nutrition counseling activities are carried out at the Johar Baru District Health Center which will be held on November 7, 2022. Respondents will be given a pre-test form containing 10 true and false statements for 10-15 minutes and then counseling will be carried out through poster media. After that, the respondent was given a post-test form. After 3 days of giving the material, monitoring, and evaluation were carried out on 5 respondents. This Monitoring and Evaluation will be carried out via telephone or the Whatsapp app. Based on the results of bivariate analysis, the results of knowledge obtained were p-value = 0.055 (p-value <0.05) so that it could be concluded that there was no difference in knowledge before and after nutritional education counseling using poster media in PTM patients at the Johar Baru District Health Center, Central Jakarta.
Keywords: cholesterol; fat consumption
Abstrak: Berdasarkan Hasil Riset Kesehatan Dasar Nasional pada tahun 2018 menurut proporsi kadar kolesterol total pada penduduk umur ≥45 tahun, 5 menyebutkan bahwa sebanyak ≥10,5% masyarakat memiliki kadar kolesterol tinggi. Adapun faktor penyebab hiperkolesterolemia adalah status gizi terutama obesitas. Terdapat keterkaitan antara obesitas dengan lipoprotein, peningkatan trigliserida dan LDL, penurunan High Density Lipoprotein (HDL), terutama pada obesitas sentral. Individu dengan persen lemak tubuh yang tinggi cenderung memiliki total kolesterol, LDL dan trigliserida yang lebih tinggi dibandingkan dengan individu dengan berat badan normal. Kegiatan penyuluhan gizi dilakukan di Puskesmas Kecamatan johar Baru yang dilaksanakan pada tanggal 7 November 2022. Responden akan diberikan form pre test yang berisikan 10 pernyataan benar dan salah selama 10-15 menit dan selanjutnya akan dilakukan penyuluhan melalui media poster. Setelah itu responden diberikan form post test. Setelah 3 hari pemberian materi dilakukan monitoring dan evaluasi kepada 5 responden. Monitoring dan Evaluasi ini akan dilakukan melalui telepon ataupun app Whatsapp. Berdasarkan hasil analisis bivariat, didapatkan hasil pengetahuan nilai p value = 0.055 (p-value < 0,05) sehingga dapat disimpulkan bahwa tidak terdapat perbedaan pengetahuan sebelum dan sesudah penyuluhan edukasi gizi menggunakan media poster pada pasien PTM di Puskesmas Kecamatan Johar Baru Jakarta Pusat.
Kata kunci: kolesterol; konsumsi lemak
Abstract:Abstract: Hypertension is a chronic disease and the number one killer in the world. Hypertension can attack almost all groups of people around the world, where the number of people who experience hypertension is increasing…
ng from year to year. Efforts can be made to reduce the incidence, such as taking blood pressure measurements or health checks, counseling about hypertension and treatment or handling to lower blood pressure. The village of Danurejo, especially in the hamlet of Japunan, is ranked fourth and fourth for people with hypertension. Lack of knowledge about hypertension management is one of the causes. This activity aims to increase public knowledge about hypertension and control the increase in blood pressure with herbal plants that are proven to reduce blood pressure, namely cucumber and celery. The results of the analysis with a comparison table, the results obtained that there are changes between before and before the administration of herbal medicines and health education. The average before the measurement of blood pressure is smaller than before the intervention, thus showing the influence of the administration of herbal medicine and health education. The implications of giving herbal medicines and health education can be used to increase the knowledge of citizens regarding hypertension management, so as to improve the quality of life of the elderly.
Keywords: hypertension; hypertension management; herbal drug therapy
Abstrak: Penyakit hipertensi merupakan penyakit bersifat menetap dan pembunuh nomor satu di dunia. Hipertensi dapat menyerang hampir semua golongan masyarakat diseluruh dunia, dimana jumlah masyarakat yang mengalami hipertensi semakin bertambah dari tahun ke tahun. Upaya yang dapat dilakukan untuk menurunkan angka kejadian hipertensi diantaranya melakukan kegiatan pengukuran tekanan darah atau pemeriksaan kesehatan, penyuluhan mengenai penyakit hipertensi dan pengobatan atau penanganan untuk menurunkan tekanan darah. Desa Danurejo terutama di dusun Japunan menjadi peringkat keempat untuk penderita hipertensi. Rendahnya pengetahuan tentang manajemen hipertensi menjadi salah satu penyebabnya. Kegiatan ini bertujuan untuk meningkatkan pengetahuan masyarakat tentang penyakit hipertensi dan mengontrol peningkatan tekanan darah dengan tanaman herbal yang sudah terbukti dapat menurunkan tekanan darah yaitu mentimun dan seledri. Hasil analisis dengan tabel perbandingan, didapatkan hasil bahwa terdapat perubahan antara sebelum dan sesudah pada pemberian obat herbal dan pendidikan kesehatan. Rata-rata sesudah pengukuran tekanan darah lebih kecil dari sebelum intervensi, sehingga menunjukan adanya pengaruh dari pemberian obat herbal dan pendidikan kesehatan. Implikasi pemberian obat herbal dan pendidikan kesehatan dapat di terapkan untuk meningakatkan pengetahuan warga terkait manajemen hipertensi, sehingga dapat meningkatkan kualitas hidup lansia.
Kata kunci: hipertensi; manajemen hipertensi; terapi obat herbal
Abstract:Abstract: The hypertension prevalence in Daerah Istimewa Yogyakarta places second rank of the province with highest cases of hypertension (Kemenkes, 2018). According to the top 10 of diseases visits data from 2 January to…
o 31 December 2020, hypertension prevalence at Puskesmas Danurejan 1 shows the prevalence of the visits’ highest number. Based on this issue, the researchers collaborated with Psychologist of Puskesmas Danureja I to conduct Conscious Breathing (COBRA) Therapy Training, as an effort to improve the skills of elderly Posyandu Cadres to treat hypertension evenly in Tegal Panggung sub-district. The activities in this program are generally divided into five stages, those are : identifying problems occurred in Puskesmas Danurejan I; obtanining information about hypertension cases and treatment carried out by Puskesmas Danurejan I; and trial of Conscious Breathing (COBRA) therapy implementation. The results of the statistical analysis of the pared sample t-test showed a Z score = -3.752a with a value of p = 0.000 (p <0.01). Therefore, it can be concluded that Conscious Breathing (COBRA) therapy training gave an impact on increasing the knowledge of elderly posyandu cadres about hypertension and its treatment.. Moreover, the Elderly Posyandu cadres also actively shared the knowledge to another Elderly Posyandu member.
Keywords: conscious breathing; elderly posyandu; hypertension; puskesmas.
Abstract: Prevalensi hipertensi di Daerah Istimewa Yogyakarta menempatkan urutan ke- 2 sebagai provinsi dengan kasus hipertensi tertinggi (Kemenkes, 2018). Prevalensi Hipertensi di Puskesmas Danurejan I menurut data 10 besar kunjungan penyakit pertanggal 2 januari sampai 31 desember 2018 menunjukan prevalensi jumlah kunjungan terbanyak. Hal ini membuat peneliti bekerja sama dengan Psikolog Puskesmas Danureja I melakukan pelatihan terapi Conscious Breathing (COBRA) sebagai upaya peningkatan ketrampilan kader posyandu lansia guna penanganan penyakit hipertensi secara merata di kelurahan Tegal Panggung. Kegiatan yang dilakukan pada program ini secara umum dibagi menjadi lima tahapan yaitu; mengindentifikasi masalah-masalah yang dialami oleh Puskesma Danurejan I, memperoleh informasi mengenai kasus hipertensi dan penanganan yang dilakukan oleh Puskesmas Danurejan I, uji coba pelaksanaan terapi Conscious Breathing (COBRA), Pelatihan terapi Conscious Breathing (COBRA), dan follow up pelatihan yang telah diberikan. Hasil analisis statistik pared sample t-test menunjukan Skor Z = -3.752a dengan nilai p = 0,000 (p < 0,01). Dapat disimpulkan bahwa ada pengaruh pelatihan terapi Conscious Breathing (COBRA) terhadap kenaikan pengetahuan kader posyandu lansia terhadap penyakit hipertensi dan penanganannya. Selain itu kader posyandu lansia juga aktif dalam memberikan ilmu yang didapatkan kepada anggota posyandu lansia.
Keywords: conscious breathing; hipertensi; posyandu lansia; puskesmas.
Abstract:Abstract: Accurate forecasts of tea harvest production are important for workforce planning, factory operations, and marketing decisions, yet conventional estimation in plantations often relies on field experience and can…
n be biased and less adaptive to changing conditions. This study aims to develop a Random Forest Regression model to predict tea harvest production at the Bah Butong tea plantation using historical operational and climate-related data. The dataset consists of 60 monthly records (2020–2024) with six predictor variables: rainfall (mm), number of rainy days, pest level, weed level, number of harvested trees and land area. Data were split into 80% training (48 samples) and 20% testing (12 samples). Model hyperparameters were optimized using RandomizedSearchCV with RepeatedKFold cross-validation (5 folds, 3 repeats). The tuned model achieved MSE of 668,980,524.45, RMSE of 25,864.66 kg, MAE of 19,838.69 kg, and MAPE of 7.59% on the test set. The results indicate that the model can provide practical production estimates, with errors averaging about 7–8% of the actual production. Feature importance analysis shows that the number of harvested tea bushes and cultivated area contribute most to predictions. Future work should extend the historical period and incorporate time-based features (seasonality/lag) for improved forecasting.
Keywords: hyperparameter tuning; production prediction; random forest; regression; tea harvest
Abstrak: Perkiraan akurat produksi panen teh sangat penting untuk perencanaan tenaga kerja, operasional pabrik, dan keputusan pemasaran, namun estimasi konvensional di perkebunan seringkali bergantung pada pengalaman lapangan dan dapat bias serta kurang adaptif terhadap perubahan kondisi. Studi ini bertujuan untuk mengembangkan model Regresi Random Forest untuk memprediksi produksi panen teh di perkebunan teh Bah Butong menggunakan data operasional dan data terkait iklim historis. Dataset terdiri dari 60 catatan bulanan (2020–2024) dengan enam variabel prediktor: curah hujan (mm), jumlah hari hujan, tingkat hama, tingkat gulma, jumlah pokok panen, dan luas lahan. Data dibagi menjadi 80% data pelatihan (48 sampel) dan 20% data pengujian (12 sampel). Parameter model dioptimalkan menggunakan RandomizedSearchCV dengan validasi silang RepeatedKFold (5 lipatan, 3 pengulangan). Model yang telah disempurnakan mencapai MSE sebesar 668.980.524,45, RMSE sebesar 25.864,66 kg, MAE sebesar 19.838,69 kg, dan MAPE sebesar 7,59% pada set data uji. Hasil tersebut menunjukkan bahwa model dapat memberikan estimasi produksi yang praktis, dengan kesalahan rata-rata sekitar 7–8% dari produksi aktual. Analisis kepentingan fitur menunjukkan bahwa jumlah semak teh yang dipanen dan luas lahan budidaya paling berkontribusi pada prediksi. Pekerjaan selanjutnya harus memperpanjang periode historis dan menggabungkan fitur berbasis waktu (musiman/lag) untuk peramalan yang lebih baik.
Kata kunci: panen teh; prediksi produksi; random forest; regresi; tuning parameter
Abstract:Abstract: The growing intensity of cyber attacks, marked by rapid, large-scale, automated, and adaptive execution, requires analytical methods that represent the diversity of network environments, including variations in…
target platforms such as IoT, traditional networks, and hybrid infrastructures. This study compares machine learning models for cyber attack classification under heterogeneous environmental conditions and formulates a conceptual optimization framework based on model performance. Four publicly available benchmark datasets were used, namely UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, and a Kaggle cyber security attacks dataset, comprising approximately 40,000 to over 3.6 million records and 25 to 80 features across IoT, conventional, and mixed network environments. Random Forest, XGBoost, Multilayer Perceptron, and Transformer were implemented within a unified pipeline involving preprocessing, feature selection, and Bayesian Optimization-based hyperparameter tuning. All models achieved F1-score and Cohen's Kappa above 96%, with XGBoost performing best (97.80%, 97.26%), followed by Random Forest (97.78%, 96.96%) and Transformer (97.44%, 96.82%), while MLP scored lowest (96.74%, 96.00%), a gap below one percentage point. Confusion matrix analysis revealed persistent misclassification in minority and overlapping attack classes, informing a proposed adaptive cyber attack simulation optimization framework.
Keywords: cyber attacks; optimization; machine learning; environmental variability.
Abstrak: Meningkatnya intensitas serangan siber yang berlangsung cepat, masif, otomatis, dan adaptif menuntut pendekatan analitis yang merepresentasikan keragaman lingkungan jaringan, termasuk perbedaan karakteristik platform sasaran seperti Internet of Things (IoT), jaringan konvensional, dan infrastruktur hibrida. Penelitian ini membandingkan model machine learning untuk klasifikasi serangan siber pada kondisi lingkungan heterogen, sekaligus menyusun kerangka optimasi konseptual berdasarkan performa model. Empat dataset benchmark publik digunakan, yaitu UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, serta dataset Kaggle cyber security attacks, dengan jumlah data berkisar 40.000 hingga lebih dari 3,6 juta rekaman dan 25 sampai 80 fitur, mewakili lingkungan IoT, konvensional, dan campuran. Random Forest, XGBoost, Multilayer Perceptron, dan Transformer diimplementasikan melalui pipeline terpadu mencakup pra-pemrosesan, seleksi fitur, dan optimasi hyperparameter berbasis Bayesian Optimization. Seluruh model mencapai F1-score dan Cohen's Kappa di atas 96%, dengan XGBoost menunjukkan performa terbaik (97,80%, 97,26%), diikuti Random Forest (97,78%, 96,96%) dan Transformer (97,44%, 96,82%), sementara MLP mencatat skor terendah (96,74%, 96,00%), dengan selisih kurang dari satu poin persentase. Analisis confusion matrix mengungkap misklasifikasi yang konsisten pada kelas minoritas dan serangan dengan karakteristik serupa, yang menjadi dasar kerangka optimasi simulasi serangan siber adaptif yang diusulkan.
Kata kunci: serangan siber; optimasi; machine learning; variabilitas lingkungan
Abstract:Abstract: The rapid growth of the cosmetics industry on e-commerce platforms has intensified competition, creating a critical need for effective, data-driven marketing strategies. This study aims to conduct a comparative…
analysis of machine learning algorithms to predict the sales categories (High, Medium, Low) of cosmetic products on the Tokopedia marketplace. Four classification models; Random Forest, XGBoost, Logistic Regression, and Naive Bayes were trained and evaluated on data collected via web scraping. The methodology incorporates the Synthetic Minority Over-sampling Technique (SMOTE) to address significant class imbalance and GridSearchCV for hyperparameter optimization to ensure a fair and robust comparison. The experimental results conclusively show that the Random Forest model achieved the best performance, yielding the highest F1-Score Macro Average of 0.75 and an accuracy of 85.3%. The superior model was subsequently implemented in a simple recommendation system to simulate optimal discount strategies, demonstrating its practical utility in providing actionable insights for business decisions.
Keywords: classification; comparative analysis; machine learning; sales prediction; SMOTE
Abstrak: Pertumbuhan pesat industri kosmetik pada platform e-commerce telah membuat persaingan ketat, sehingga menciptakan kebutuhan krusial akan strategi pemasaran yang efektif dan berbasis data. Penelitian ini bertujuan untuk melakukan analisis komparatif terhadap algoritma machine learning untuk memprediksi kategori penjualan (Tinggi, Sedang, Rendah) produk kosmetik di marketplace Tokopedia. Empat model klasifikasi, yaitu Random Forest, XGBoost, Regresi Logistik, dan Naive Bayes, dilatih dan dievaluasi menggunakan data yang dikumpulkan melalui web scraping. Metodologi penelitian ini menerapkan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas yang signifikan dan GridSearchCV untuk optimisasi hyperparameter guna memastikan perbandingan yang adil. Hasil eksperimen menunjukkan bahwa model Random Forest mencapai performa terbaik, dengan menghasilkan F1-Score Macro Average tertinggi sebesar 0,75 dan akurasi 85,3%. Model unggul ini kemudian diimplementasikan dalam sebuah sistem rekomendasi sederhana untuk menyimulasikan strategi diskon yang optimal, yang menunjukkan kegunaan praktisnya dalam memberikan wawasan yang dapat ditindaklanjuti untuk pengambilan keputusan bisnis.
Kata kunci: analisis komparatif; klasifikasi; machine learning; prediksi penjualan; SMOTE
Abstract:Abstract: This study applies an integrated approach to optimize heart failure classification. The main objective is to address the challenge of class imbalance in medical datasets and to improve the accuracy, sensitivity,…
, and generalization of the classification model. The urgency of this issue is emphasized by statistics showing that cardiovascular diseases cause approximately 17.9 million deaths worldwide each year. Using a quantitative experimental approach, this study analyzes the "Heart Failure Prediction Dataset" from Kaggle, which consists of 918 records. The data were processed through normalization and encoding, followed by the application of SMOTE on the training set to balance class distribution. This step successfully increased model accuracy from 88.41% to 90.22% and minority class recall from 0.82 to 0.88. Furthermore, Bayesian Optimization was employed to refine the hyperparameters of SVM, resulting in a final model with an accuracy of 89.13% that demonstrated better generalization. This integrated approach significantly enhances the stability, sensitivity, and generalization of the model, making it a reliable tool for clinical decision support systems in predicting heart failure.
Keywords: bayesian optimization; heart failure; machine learning; SMOTE; SVM.
Abstrak: Penelitian ini menerapkan pendekatan terintegrasi untuk mengoptimalkan klasifikasi gagal jantung. Tujuan utama studi ini adalah untuk mengatasi tantangan ketidakseimbangan kelas dalam dataset medis dan meningkatkan akurasi, sensitivitas, serta generalisasi model klasifikasi. Urgensi ini ditegaskan oleh statistik yang menunjukkan bahwa penyakit kardiovaskular menyebabkan sekitar 17,9 juta kematian setiap tahun secara global. Menggunakan pendekatan eksperimental kuantitatif, penelitian ini menganalisis "Heart Failure Prediction Dataset" dari Kaggle, yang terdiri dari 918 catatan. Data diproses dengan normalisasi dan encoding, lalu SMOTE diterapkan pada data pelatihan untuk menyeimbangkan distribusi kelas. Langkah ini berhasil meningkatkan akurasi dari 88,41% menjadi 90,22% dan recall kelas minoritas dari 0,82 menjadi 0,88. Selanjutnya, Bayesian Optimization menyempurnakan hyperparameter SVM, menghasilkan model akhir dengan akurasi 89,13% yang menunjukkan generalisasi lebih baik. Pendekatan terintegrasi ini secara signifikan meningkatkan stabilitas, sensitivitas, dan generalisasi model. Hasil penelitian ini menjadikannya alat yang andal untuk sistem pendukung keputusan klinis dalam prediksi gagal jantung.
Kata kunci: bayesian optimization; gagal jantung; machine learning; SMOTE; SVM
Abstract:Abstract: Hypertension is one of the chronic diseases that can increase the risk of cardiovascular disease. A healthy diet is an important factor in managing hypertension, but many patients struggle to choose foods that…
are suitable for their condition. Therefore, a decision support system is needed to help patients determine healthy food choices objectively and systematically. This research aims to apply the ELECTRE (Elimination Et Choix Traduisant La Réalité) method in determining healthy foods for hypertension patients. This method is used because it can handle various criteria simultaneously and provide recommendations based on a mathematical approach. Data were obtained from Serozha Clinic through interviews, observations, and literature reviews on the nutritional content of food. The research results show that the ELECTRE method is capable of providing healthy food recommendations with an accuracy level of 90%, higher than the manual technique which only reaches 70%. In addition, the time required in the decision-making process has significantly decreased. Patients also showed a higher level of satisfaction with the proposed system. In conclusion, the ELECTRE method has proven effective in helping hypertension patients choose foods that meet their nutritional needs, and can thus be used as a reference in the development of decision support systems in the health sector.
Keywords: electre method; healthy food; health management; hypertension.
Abstrak: Hipertensi merupakan salah satu penyakit kronis yang dapat meningkatkan risiko penyakit kardiovaskular. Pola makan yang sehat menjadi faktor penting dalam pengelolaan hipertensi, namun banyak pasien kesulitan dalam memilih makanan yang sesuai dengan kondisi mereka. Oleh karena itu, diperlukan sistem pendukung keputusan yang dapat membantu pasien dalam menentukan pilihan makanan sehat secara objektif dan sistematis. Penelitian ini bertujuan untuk menerapkan metode ELECTRE (Elimination Et Choix Traduisant La Realite) dalam menentukan makanan sehat bagi penderita hipertensi. Metode ini digunakan karena mampu menangani berbagai kriteria secara simultan dan memberikan rekomendasi berdasarkan pendekatan matematis. Data diperoleh dari Klinik Serozha melalui wawancara, observasi, serta tinjauan literatur mengenai kandungan gizi makanan.Hasil penelitian menunjukkan bahwa metode ELECTRE mampu memberikan rekomendasi makanan sehat dengan tingkat akurasi 90%, lebih tinggi dibandingkan teknik manual yang hanya mencapai 70%. Selain itu, waktu yang dibutuhkan dalam proses pengambilan keputusan berkurang secara signifikan. Pasien juga menunjukkan tingkat kepuasan yang lebih tinggi terhadap sistem yang diusulkan.Kesimpulannya, metode ELECTRE terbukti efektif dalam membantu penderita hipertensi memilih makanan yang sesuai dengan kebutuhan gizi mereka, sehingga dapat digunakan sebagai referensi dalam pengembangan sistem pendukung keputusan di bidang kesehatan.
Kata kunci: hipertensi; makanan sehat; metode electre; pengelolaan kesehatan.
Abstract:Abstract: This research aims to develop a method for detecting leaf spot disease in oil palm seedlings using Convolutional Neural Network (CNN). Leaf spot disease in oil palm seedlings can hinder growth and production. CNN…
NN has proven effective in image processing and classification, particularly in plant disease detection. In this study, we utilized a dataset of images containing oil palm seedling leaves infected with leaf spot disease and healthy leaves. We performed data processing, built a CNN model, and conducted hyperparameter tuning. The test results demonstrate that the developed CNN model achieves high accuracy in recognizing and distinguishing between oil palm seedling leaves infected with leaf spot disease and healthy ones. This research contributes to the development of plant disease detection technology that can support economic growth in the oil palm plantation sector.
Keywords: Convolutional Neural Network, image processing, leaf spot disease detection, oil palm seedlings.
Abstrak: Penelitian ini bertujuan untuk mengembangkan metode deteksi penyakit bercak pada bibit kelapa sawit menggunakan Convolutional Neural Network (CNN). Bibit kelapa sawit yang terinfeksi penyakit bercak dapat menghambat pertumbuhan dan produksi kelapa sawit. Metode CNN telah terbukti efektif dalam pengolahan citra dan klasifikasi, khususnya dalam deteksi penyakit pada tanaman. Dalam penelitian ini, kami menggunakan dataset citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Kami melakukan processing data, membangun model CNN, dan melakukan tuning hyperparameter. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan memiliki akurasi yang tinggi dalam mengenali dan membedakan citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Penelitian ini memberikan kontribusi dalam pengembangan teknologi deteksi penyakit tanaman yang dapat mendukung pertumbuhan ekonomi di sektor perkebunan kelapa sawit.
Kata kunci: bibit kelapa sawit, Convolutional Neural Network, deteksi penyakit bercak, pengolahan citra.
Abstract:Abstract: Tract disorders are disorders caused by abnormalities in the digestive system. This disorder is triggered by food or a person's physical condition. Digestive disorders cannot be diagnosed quickly, but mostly occur…
cur in the digestive system. Because the knowledge that will be suspected as a disease is still lacking, it takes experts or doctors to diagnose digestive disorders. The goal is to help produce a diagnosis of the disease experienced by the patient based on the symptoms experienced. The research data is processed based on the symptoms felt by the patient. Patient data using the Certainty Factor method or the value of disease certainty. This Certainty Factor method is a system that is able to run according to needs and produces a high percentage of accuracy results. The system design stage is implemented in the Hypertext Preprocessor programming language and My SQL database. The results of the diagnosis with this method produce a level of confidence in the patient's disease. From the results of the tests carried out, it can produce information about the diagnosis of the disease and help patients and medical personnel in knowing the condition of the disease that is being experienced.
Keywords: certainty factor; digestive tract disorders; expert system,
Abstrak: Gangguan saluran merupakan gangguan yang disebabkan oleh kelainan pada sistem pencernaan. Gangguan ini dipicu oleh makanan atau kondisi fisik seseorang. Gangguan pencernaan ini tidak bisa dilakukan diagnosa dengan cepat, tetapi sebagian besar terjadi pada sistem pencernaan. Dikarenakan pengetahuan yang akan diduga sebagai penyakit masih kurang, maka dibutuhkan tenaga ahli atau dokter untuk mendiagnosis gangguan pencernaan. Tujuannya untuk membantu menghasilkan diagnosa penyakit yang dialami pasien berdasarkan gejala yang dialami. Data penelitian diolah berdasarkan gejala yang dirasakan oleh pasien. Data pasien menggunakan metode Certainty Factor atau nilai kepastian penyakit. Metode Certainty Factor ini merupakan sistem yang mampu berjalan sesuai dengan kebutuha serta menghasilkan persentase akurasi hasil yang tinggi. Tahapan perancangan sistem diimplementasikan ke dalam bahasa pemrograman Hypertext Preprocessor dan database My SQL. Hasil diagnosa dengan metode ini menghasilkan tingkat kepercayaan terhadap penyakit pasien. Dari hasil pengujian yang dilakukan sudah dapat menghasilkan informasi tentang diagnosa penyakit dan membantu pasien serta tenaga medis dalam mengetahui kondisi penyakit yang sedang dialami.
Kata kunci: certainty factor; gangguan saluran pencernaan; sistem pakar