FUZZFORWARD: IMPLEMENTASI SISTEM PAKAR WEB ADAPTIF UNTUK PREDIKSI DIABETES TIPE 2 VIA FORWAD CHAINING FUZZIFIKASI PIMA DATASET

Abstract

Diabetes melitus tipe 2 merupakan penyakit kronis dengan prevalensi yang terus meningkat secara global dan menjadi penyebab utama komplikasi kardiovaskular serta gagal ginjal jika tidak terdeteksi secara dini. Permasalahan utama dalam diagnosis diabetes adalah data medis yang bersifat tidak pasti dan memiliki variasi antarindividu yang tidak dapat ditangani secara optimal menggunakan aturan tegas. Penelitian ini bertujuan mengembangkan FUZZFORWARD, sebuah sistem pakar web adaptif yang mengintegrasikan mekanisme forward chaining dengan proses fuzzifikasi untuk memprediksi risiko diabetes tipe 2.Metode penelitian meliputi analisis dataset Pima Indians Diabetes (768 record), perancangan fungsi keanggotaan fuzzy untuk 8 atribut klinis, penyusunan 45 basis aturan IF-THEN, implementasi sistem web menggunakan framework Streamlit, dan pengujian menggunakan 10-fold cross validation. Hasil pengujian menunjukkan sistem mencapai akurasi 69,66%, specificity 84,00%, sensitivity 42,91%, precision 58,97%, F1-Score 49,68%, dan AUC-ROC 0,6925. Sistem menunjukkan kemampuan baik dalam mengidentifikasi individu non-diabetes dengan transparansi proses inferensi yang tinggi, sehingga dapat digunakan sebagai alat bantu skrining awal diabetes tipe 2