Sistem Pakar Deteksi Keterlambatan Bicara Anak Menggunakan Forward Chaining dan Naïve Bayes

Deteksi Keterlambatan Bicara Anak

Abstract

Deteksi dini merupakan kunci intervensi yang efektif untuk masalah perkembangan anak. Penelitian ini bertujuan mengembangkan dan memvalidasi sebuah metode inferensi hibrida inovatif yang dirancang sebagai instrumen skrining (screening) risiko keterlambatan bicara dan bahasa pada anak. Sistem ini mengintegrasikan penalaran berbasis aturan dari Forward Chaining dengan klasifikasi probabilistik dari Naïve Bayes. Metode Forward Chaining diimplementasikan untuk merepresentasikan pengetahuan klinis yang bersifat deterministik, sementara klasifikasi Naïve Bayes digunakan untuk mengelola ketidakpastian diagnostik, dengan model yang dilatih menggunakan dataset tervalidasi. Guna memaksimalkan performa, model Naïve Bayes melalui proses optimasi komprehensif, mencakup penyederhanaan menjadi klasifikasi biner, penyeimbangan data latih dengan Synthetic Minority Over-sampling Technique (SMOTE), dan hyperparameter tuning. Hasil pengujian menunjukkan bahwa model Bernoulli Naïve Bayes yang telah dioptimalkan berhasil mencapai akurasi 72.22% pada data biner yang seimbang. Lebih krusial lagi untuk sebuah alat skrining, model ini menunjukkan nilai recall yang tinggi sebesar 84% untuk kelas ‘Terindikasi’, sehingga meminimalkan potensi kasus yang terlewat. Dengan demikian, sistem pakar hibrida ini terbukti valid sebagai instrumen skrining yang fungsional dan andal. Sinergi antara penalaran logis dan inferensi probabilistik yang teroptimasi menghasilkan sebuah alat yang tangguh untuk asesmen risiko dini, di mana keberhasilannya telah divalidasi melalui prototipe aplikasi web yang fungsional