Pengembangan Sistem Pakar Berbasis Android untuk Deteksi Dini Mandiri Masalah Kesehatan Ibu Hamil

Abstract

Deteksi dini kesehatan ibu hamil merupakan upaya yang dilakukan untuk mengetahui gangguan kesehatan yang dialami selama masa kehamilan berlangsung. Hal ini tentu penting karena dapat berdampak terhadap pertumbuhan janin yang dikandungnya. Saat ini, Angka Kematian Ibu (AKI) yang merupakan salah satu indikator untuk mengukur status kesehatan ibu hamil belum memenuhi target Millenium Development Goals (MDGs) untuk menurunkan AKI menjadi 102 per 100.000 kelahiran hidup yang seharusnya dicapai pada tahun 2015. Pemerintah tentu telah melakukan upaya untuk menurunkan angka kematian ibu. Salah satunya melalui program pelayanan Antenatal terpadu untuk mencegah atau mendeteksi adanya penyakit kehamilan (Fatahilah, 2020). Namun, terdapat beberapa faktor yang menyebabkan ibu hamil tidak rutin melakukan pemeriksaan. Salah satu faktornya yaitu, kurangnya pengetahuan ibu hamil terhadap kondisi kesehatan pada masa kehamilan (Rachmawati et al., 2017). Saat ini sudah banyak aplikasi kesehatan ibu hamil yang memberikan pengetahuan seputar kehamilan. Namun, masih sedikit aplikasi kehamilan yang dapat melakukan deteksi dini mandiri masalah kesehatan ibu hamil. Sistem pakar menjadi solusi yang dapat diterapkan untuk mengenali tanda bahaya kehamilan berdasarkan gejala yang dialami oleh ibu hamil dengan mengadopsi pengetahuan pakar (Aji et al., 2018). Penggunaan sistem pakar juga sudah banyak diterapkan dalam mendeteksi berbagai penyakit yang diimplementasikan dengan menggunakan platform web atau android. Sistem pakar ini akan menerapkan metode Forward Chaining yang telah banyak digunakan dalam mendeteksi masalah kesehatan ibu hamil. Metode ini juga menghasilkan akurasi lebih tinggi dengan jumlah sample uji yang lebih banyak dibandingkan dengan metode lainnya. Sistem pakar tersebut nantinya akan menampilkan hasil deteksi penyakit berdasarkan gejala yang dialami dan memberikan saran penanganan yang sesuai. Pengujian sistem ini menggunakan tiga pengujian, yaitu pengujian black box, user acceptance test, dan pengujian akurasi. Pada pengujian black box menunjukkan bahwa seluruh fungsionalitas sistem berhasil dijalankan dengan baik. Selanjutnya, pada pengujian user acceptance test mendapatkan hasil sebesar 89,58 % yang menunjukkan bahwa sistem sangat baik untuk digunakan.