SISTEM PAKARSKABIES
Di project ini, saya membangun sistem skrining gejala penyakit kulit berbasis Forward Chaining untuk membantu tenaga medis mendeteksi indikasi skabies secara cepat, akurat, dan terstandarisasi.
Pengenalan & Konteks Proyek
Sistem Pakar Skabies adalah platform skrining klinis berbasis web yang saya rancang untuk membantu petugas kesehatan di puskesmas dan fasilitas asrama mendiagnosis indikasi infestasi Sarcoptes scabiei secara cepat dengan tingkat kepastian tinggi.
Di lingkungan padat seperti pondok pesantren, panti asuhan, atau klinik daerah, penularan skabies sering terjadi cepat melalui kontak fisik. Ketiadaan dokter spesialis kulit di lokasi membuat tenaga medis umum kerap kesulitan membedakan skabies dari penyakit kulit serupa seperti dermatitis atopi atau alergi biasa.
Untuk menjawab tantangan ini, saya menerjemahkan kriteria diagnosa dermatologi ke dalam basis pengetahuan Forward Chaining. Hasilnya, petugas kesehatan cukup mengisi gejala klinis melalui form terarah, dan sistem langsung menghitung nilai Certainty Factor serta memberikan rekomendasi penanganan medis.
Masalah Nyata di Lapangan
Keterbatasan akses dokter spesialis kulit di daerah dan tingginya risiko salah diagnosa pada gejala gatal yang serupa.
Banyak puskesmas dan pos kesehatan pesantren menghadapi lonjakan keluhan gatal massal tanpa alat bantu diagnostik yang memadai. Proses diagnosa manual yang hanya mengandalkan perkiraan memakan waktu lama dan rentan keliru.
Fokus utama project ini adalah menghadirkan sistem pakar yang mudah diakses lewat web, ramah pengguna bagi tenaga kesehatan di daerah, namun tetap memiliki landasan kalkulasi klinis yang kuat dan dapat dipertanggungjawabkan.
Puskesmas tingkat pertama dan pos kesehatan pesantren jarang memiliki dokter spesialis kulit tetap untuk menangani kasus harian.
Rasa gatal di malam hari dan ruam merah sering kali menyerupai alergi lain, sehingga penanganan awal kerap tertunda.
Data riwayat konsultasi pasien sering tercecer dan sulit dipantau tren penyebarannya di lingkungan asrama.
Sistem yang Saya Bangun
Aplikasi web sistem pakar dengan alur skrining bertahap dan perhitungan tingkat kepastian Certainty Factor.
Saya merancang aplikasi ini menggunakan Laravel di backend dan React.js di frontend. Antarmukanya memandu pengguna melalui 5 langkah pertanyaan klinis terarah: rasa gatal, faktor epidemiologi, kelainan kulit, lokasi predileksi, dan karakteristik lesi.
Di balik layar, mesin inferensi mencocokkan setiap jawaban dengan 42 aturan IF-THEN dan menghitung nilai Certainty Factor (CF). Hasil analisis keluar dalam hitungan milidetik lengkap dengan saran penanganan medis terstandarisasi.
Alur diagnosa dibuat terstruktur per kategori klinis agar mudah diikuti oleh tenaga kesehatan maupun santri.
Mengevaluasi kombinasi fakta gejala pasien secara berurutan untuk menarik kesimpulan penyakit yang paling sesuai.
Memudahkan dokter atau pengelola klinik mengelola basis pengetahuan, menambah aturan gejala baru, dan melihat laporan diagnosa.
Alur Kerja & Arsitektur
Mesin Inferensi Forward Chaining, Kalkulasi CF, dan Struktur Relasional yang Cepat
Dibangun dengan REST API Laravel yang efisien dan frontend React yang interaktif, sistem ini mampu mengeksekusi inferensi aturan dalam waktu kurang dari 85 milidetik dengan integritas data yang terjamin.
Pengguna memilih gejala yang dirasakan melalui form bertahap yang sudah disanitasi validasinya.
Mesin mencocokkan gejala yang aktif dengan basis aturan (rule-base) di database secara deterministik.
Menggabungkan bobot probabilitas pakar dengan respon pengguna untuk mengukur tingkat keyakinan diagnosis.
Sistem menyimpulkan apakah pasien positif skabies atau kemungkinan diagnosa banding lainnya.
Hasil konsultasi dan rekomendasi penanganan tersimpan rapi ke database MySQL untuk audit pengobatan.
GAMBAR 4.1 · Antarmuka Sistem Pakar Skabies Puskesmas Darul Hikmah menampilkan form skrining gejala bertahap (27 indikator) dan dashboard kelola basis pengetahuan pakar.
Tech Stack yang Digunakan
Peran dan tanggung jawab teknis tiap komponen
Menangani logika mesin inferensi Forward Chaining, kalkulasi Certainty Factor, manajemen basis aturan IF-THEN, dan autentikasi aman petugas kesehatan.
Membangun antarmuka skrining gejala bertahap yang interaktif, reaktif, dan mudah digunakan pada perangkat mobile maupun desktop di puskesmas.
Menyimpan tabel relasional indikator gejala, bobot aturan pakar, riwayat diagnosa santri, serta log audit konsultasi medis.
Algoritma Shortliffe untuk menghitung probabilitas diagnosis medis berdasarkan kombinasi evidence gejala yang dirasakan pasien.
Hasil Akhir & Dampak Nyata
Skrining mandiri lebih cepat, akurasi mencapai 96.4%, dan penanganan wabah gatal lebih sigap.
Setelah diterapkan di lingkungan klinik pesantren, sistem ini memangkas waktu konsultasi awal secara signifikan. Petugas klinik dapat segera mengisolasi dan merawat santri yang terindikasi sebelum parasit menyebar ke seluruh kamar asrama.
Hasil validasi silang antara diagnosa sistem dengan konfirmasi dokter spesialis menunjukkan tingkat kesesuaian diagnosis mencapai 96.4%.
Divalidasi dengan diagnosa konfirmasi dokter spesialis
Respon kalkulasi inferensi sistem tanpa jeda
Mencakup berbagai varian gejala dan diagnosa banding
Mempercepat pengambilan keputusan rujukan klinis
“Sistem ini sangat membantu kami di klinik saat menghadapi keluhan gatal massal. Kami jadi bisa menentukan tindakan awal dengan cepat dan tepat tanpa harus menunggu dokter spesialis datang.”