Sistem Manajemen Siklus Haid Sebagai Media Manajemen Kesehatan Reproduksi Menggunakan Metode Forward Chaining dan Certainty Factor

Haid Tracker & Sistem Pakar Medis adalah platform manajemen kesehatan reproduksi cerdas berbasis web yang dirancang untuk membantu perempuan melacak siklus menstruasi secara akurat, sekaligus mendeteksi dini potensi gangguan kesehatan reproduksi sejak awal.

Tidak hanya sekadar mencatat jadwal, aplikasi ini mengintegrasikan Sistem Pakar Cerdas (Expert System) yang mengevaluasi fakta-fakta klinis (durasi haid, panjang siklus, volume pendarahan, dan kompilasi gejala fisik maupun psikologis) yang diinput oleh pengguna. Hasil analisis diolah untuk memberikan diagnosis dini yang objektif serta saran kesehatan yang personal, terukur, dan didukung oleh rekomendasi gaya hidup berbasis Kecerdasan Buatan (AI).

Pendekatan dan Metodologi (Methods Used)

Kecerdasan buatan dalam sistem pakar aplikasi ini dibangun menggunakan kombinasi dua metodologi yang andal di bidang rekayasa pengetahuan:

1. Forward Chaining (Mesin Inferensi) Metode ini bekerja dengan mengumpulkan fakta-fakta awal yang diberikan oleh pengguna (seperti durasi haid, panjang hari siklus, gejala nyeri, dan volume pembalut) untuk kemudian dicocokkan secara runtun ke depan (forward) dengan aturan-aturan klinis (Rule-Based) yang ada pada basis pengetahuan (knowledge base). Dari pencocokan ini, sistem dapat menarik kesimpulan jenis gangguan menstruasi yang sedang terjadi (seperti Amenore Sekunder, Oligomenorea, Polimenorea, Hipermenorea, Hipomenorea, atau Dismenore).
2. Certainty Factor (Penanganan Ketidakpastian) Mengingat gejala yang dialami memiliki tingkat subjektivitas yang tinggi, metode Certainty Factor (CF) digunakan untuk mengukur tingkat kepastian dari diagnosis tersebut. Sistem menghitung derajat keyakinan (degree of belief) berdasarkan bobot keyakinan dari pakar medis (dokter kandungan) dan gejala yang dirasakan pengguna. Output akhir menyajikan tingkat kepastian dalam bentuk persentase kepercayaan (misalnya: Oligomenorea dengan kepastian 88%), sehingga memberikan hasil deteksi dini yang lebih kredibel dan transparan.