Please use this identifier to cite or link to this item: https://ptsldigital.ukm.my/jspui/handle/123456789/476225
Title: Perbandingan sistem pakar penyakit mata menggunakan kaedah Rangkaian Bayesian dan Dempster-shafer
Authors: Rahmad Kurniawan (P68500)
Supervisor: Mohd Zakree Ahmad Nazri, Prof. Madya Dr.
Keywords: Sistem pakar penyakit mata
Neural networks (Computer science)
Issue Date: Jan-2015
Description: Ramai pesakit tidak mampu untuk mendapatkan khidmat pakar mata untuk mendiagnosis mereka menyebabkan mereka mungkin terlewat atau tidak mendapat rawatan yang sesuai. Sistem pakar berasaskan web adalah pendekatan murah untuk menyediakan sistem diagnosis kendiri untuk rakyat. Walau bagaimana pun, oleh kerana pengetahuan yang sedikit dan wujud ketidakpastian pada setiap kes, teknik inferens yang berkesan perlu digunakan. Demster-Shafer dan Rangkaian Bayesian adalah dua teknik popular yang sering digunakan sebagai enjin inferens. Dalam kajian ini, dilakukan perbandingan kaedah Rangkaian Bayesian dan Dempster-Shafer untuk menguji keberkesanan kedua dua kaedah menggunakan data dan petua dari pakar penyakit mata di Riau, Indonesia. Nilai kebarangkalian digunakan untuk mengelas jenis penyakit berdasarkan nilai kebarangkalian yang terbesar. Kaedah penyelidikan sistem pakar penyakit mata ini adalah berasaskan Expert System Development Life Cycle (ESDLC). Kajian ini telah menggunakan 20 gejala fizikal untuk mengelas 6 jenis penyakit mata. Eksperimen pakar dilakukan dengan membandingkan penaabiran sistem pakar menggunakan kaedah Rangkaian Bayesian dan kaedah Dempster-Shafer dengan keputusan diagnosis oleh para pakar mata. Pengujian juga dilakukan sebagai penilaian kebolehgunaan aplikasi sistem pakar. Data yang dikumpul dari 10 pengujian yang dijalankan menunjukkan kaedah Rangkaian Bayesian memperolehi ketepatan 0.6 manakala kaedah Dempster-Shafer 0.4. Kedua-dua kaedah ini juga dapat menaabir dengan ketepatan 100%. Maka dapat disimpulkan bahawa kekurangan suatu kaedah boleh ditampung oleh kelebihan kaedah yang lain sebagaimana yang dapat dipelajari dari teorem No Free Lunches, Bayesian included.,Master/Sarjana
Pages: 114
Call Number: QA76.87.R337 2015 3 tesis
Publisher: UKM, Bangi
Appears in Collections:Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Files in This Item:
File Description SizeFormat 
ukmvital_76513+SOURCE1+SOURCE1.0.PDF
  Restricted Access
12.82 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.