Diagnosis Awal Gangguan Psikologis Anak Menggunakan Fuzzy Logic dan Backward Chaining

Abstract

Gangguan mental pada anak kerap sulit untuk diidentifikasi sejak awal karena kurangnya kesadaran masyarakat dan keterbatasan akses professional. Penelitian ini bertujuan untuk merancang dan menerapkan sebuah sistem pakar berbasis web yang berfungsi sebagai alat untuk diagnosis awal gangguan mental pada anak. Sistem ini dibangun dengan menggabungkan Fuzzy Logic dan Backward Chaining. Fuzzy Logic dengan efisien untuk mengatasi ketidakpastian serta variasi dalam tingkat keseriusan gejala yang kompleks, sehingga memungkinkan representasi bertahap dari tingkat kemunculan gejala dan penilaian gejala utama yang lebih detail. Di sisi lain, Backward Chaining dipilih sebagai mekanisme inferensi berbasis aturan untuk mengarahkan proses diagnosis dari kemungkinan gangguan kembali ke gejala-gejala yang relevan. Sistem ini dikembangkan untuk mengenali sepuluh jenis gangguan mental anak yang umum, berdasarkan empat puluh gejala utama yang telah diteliti secara menyeluruh dan divalidasi oleh seorang psikolog profesional. Proses validasi ini menjamin relevansi dan ketepatan informasi yang diterapkan dalam sistem. Kontribusi dari penelitian ini adalah penyediaan alat diagnosis awal yang responsif dan mudah diakses, yang mampu menangani pola gejala dengan fleksibel. Hasil pengujian fungsional menunjukkan bahwa sistem dapat dengan baik mencocokkan pola gejala dengan kemungkinan gangguan. Diharapkan sistem ini akan menjadi sumber yang berguna bagi orang tua, guru, dan pihak-pihak terkait lainnya, untuk meningkatkan pemahaman tentang gangguan mental pada anak serta memberikan arahan diagnosis awal yang tepat dan terukur.