Application of Mamdani’s Fuzzy Inference System in The Diagnosis of Pre-eclampsia
Keywords:
Diagnosis, Pre-eclampsia, Pregnant Women, Fuzzy Inference System, Mamdani
Abstract
Pre-eclampsia is the second of the top three causes of death in pregnant women after bleeding and followed by infection. By knowing the risk factors, early detection of pre-eclampsia in pregnant women
needs to be done so that later it can be treated more quickly to prevent further complications. This study
aims to design a practical application of a decision-making system for the diagnosis of pre-eclampsia in
pregnant women using the Fuzzy Inference System (FIS) method so it can be used efficiently and effectively for the early diagnosis of pre-eclampsia. The method used in data analysis is the FIS Mamdani
method with defuzzification using the centroid method. The designed system considers blood pressure
and proteinuria as input variables and pre-eclampsia status as output variables. The research results
show that the system has 7.27% of Mean Absolute Percentage Error (MAPE) value and when comparing the final diagnosis of the system and expert diagnoses (doctors) from 20 patients at two hospitals, it
was found that the system diagnosis was 100% in accordance with the expert diagnoses.
References
Athiyah, U., Rosyadi, F. C. D. P., Saputra, R. A., Hekmatyar, H. D., Satrio, T. A., & Perdana, A. I. (2021). Diagnosa Resiko Penyakit
Jantung Menggunakan Logika Fuzzy Metode Tsukamoto. Jurnal Ilmiah Rekam Medis dan Informatika Kesehatan, 11(1), 31–40.
doi: https://doi.org/10.47701/infokes.v11i1.1045
Away, G. A. (2014). The Shortcut of Matlab Programming ( Edisi Revisi ) (Vol. 1). Bandung: INFORMATIKA.
Bardja, S. (2020). Faktor Risiko Kejadian Preeklampsia Berat/Eklampsia pada Ibu Hamil. EMBRIO: Jurnal Kebidanan, 12(1),
18–30. doi: http://dx.doi.org/10.36456/embrio.v12i1.2351
Chandra, B., Haning, S., Siokh, Y., Bulan, J., & Adhy, W. (2020). Prevalensi Proteinuria dengan Pemeriksaan Dipstik Urin pada
Pasien Hipertensi di Wilayah Kerja Puskesmas Daerah Terpencil Kabupaten Rote Ndao. Cendana Medical Journal, 8(3), 235–243.
doi: https://doi.org/10.35508/cmj.v8i3.3496
Fiano, D. S. I., & Purnomo, A. S. (2017). Sistem Pakar Untuk Mendeteksi Tingkat Resiko Penyakit Jantung Dengan Fuzzy Inferensi
(Mamdani). Informatics Journal, 2(2), 64–78. doi: https://doi.org/10.15575/telka.v8n2.149-157
Lindayani, I. K. (2018). Skrining Pre Eklampsia. Jurnal Ilmiah Kebidanan, 6(1), 47–52. doi: https://doi.org/10.33992/jik.v6i1.1056
Vol. 7, No. 1, Oktober 2023, Hal. 1–14
DOI: https://doi.org/10.30812/varian.v7i1.2764
14 | JURNAL VARIAN | e-ISSN: 2581-2017
Mada, G. S., Dethan, N. K. F., & Maharani, A. E. S. H. (2022). The Defuzzification Methods Comparison of Mamdani Fuzzy
Inference System in Predicting Tofu Production. Jurnal Varian, 5(2), 137–148. doi: 10.30812/varian.v5i2.1816
Masan, Y. B. (2019). Asuhan Kebidanan Berkelanjutan pada Ny. E.M.H dengan Preeklampsia Berat dan Berat Badan Lahir Rendah
di Puskesmas Batakte Kecamatan Kupang Barat Periode 18 Februari-18 Mei Tahun 2019. Laporan Tugas Akhir Jurusan Kebidanan
Politeknik Kesehatan Kemenkes Kupang. Retrieved from http://repository.poltekeskupang.ac.id/950/
Muhani, N., & Besral. (2015). Pre-eklampsia Berat dan Kematian Ibu. Jurnal Kesehatan Masyarakat Nasional, 10(2), 80–86. doi:
http://dx.doi.org/10.21109/kesmas.v10i2.884
Nabillah, I., & Ranggadara, I. (2020). Mean Absolute Percentage Error untuk Evaluasi Hasil Prediksi Komoditas Laut. JOINS
(Journal of Information System), 5(2), 250–255. doi: 10.33633/joins.v5i2.3900
Nassa, M. (2018). Analisis Program Revolusi Kesehatan Ibu dan Anak dan Dampaknya Terhadap Penurunan Angka Kematian Ibu dan Bayi. In Prosiding UGM Public Health Symposium. Retrieved from https://www.neliti.com/
id/publications/272261/analisis-program-revolusi-kesehatan-ibu-dan-anak-dan-dampaknya
-terhadap-penuruna doi: https://dx.doi.org/10.22146/bkm.40614
Niswati, Z., Paramita, A., & Mustika, F. A. (2016). Aplikasi Fuzzy Logic dalam Diagnosa Penyakit Diabetes Mellitus pada
PUSKESMAS di Jakarta Timur. Jurnal Nasional Teknologi dan Sistem Informasi, 2(3), 21–30. doi: 10.25077/TEKNOSI.v2i3
.2016.21-30
Nizar, H., Shafira, A. S., Aufaresa, J., Awliya, M. A., & Athiyah, U. (2021). Perbandingan Metode Logika Fuzzy Untuk Diagnosa
Penyakit Diabetes. Explore:Jurnal Sistem informasi dan telematika, 12(1), 37–41. doi: http://dx.doi.org/10.36448/jsit.v12i1.1763
Pardede, S. O., Maharani, P., & Nadeak, B. (2014). Proteinuria pada Anak. Majalah Kedokteran UKI, XXX(2), 64–73. doi:
https://doi.org/10.33541/mkvol34iss2pp60
Putra, P. A., Purnawan, I. K. A., & Putri, D. P. S. (2018). Sistem Pakar Diagnosa Penyakit Mata dengan Fuzzy Logic dan Na¨ıve
Bayes. Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi), 6(1), 35–46. doi: http://dx.doi.org/10.24843/
JIM.2018.v06.i01.p04
Rizki, S. N., & Maulana, A. (2018). Artificial Intellegence Untuk Mendeteksi Penyakit Kelenjar Getah Bening (Lymphadennopathy)
Menggunakan Fuzzy Inference System (FIS) di Kota Batam. Jurnal Ilmiah Informatika, 6(1), 54–61. doi: https://doi.org/10.33884/
jif.v6i01.434
Ukkas, M. I., Palupi, S., & Pradiba, I. (2014). Sistem Pakar Diagnosa Jenis-Jenis Penyakit Demam Panas Pada Balita dengan
Menggunakan Metode Fuzzy Logic Berbasis Web. Jurnal SEBATIK, 12(1), 24–30. doi: http://dx.doi.org/10.46984/sebatik.v12i1
.66
Wantania, J. J. E. (2015, July). Hipertensi dalam Kehamilan. In Prosiding Pertemuan Ilmiah Tahunan Fetoaternal. Retrieved from
http://repo.unsrat.ac.id/1590/1/18. Hipertensi Dalam Kehamilan.pdf
Wardani, R. S. (2014). Aplikasi Sistem Fuzzy untuk Diagnosa Penyakit Jantung Koroner (Coronary Heart Disease). Skripsi
Program Studi Matematika FMIPA Universitas Negeri Yogyakarta. Retrieved from http://eprints.uny.ac.id/12689/
1/SKRIPSI.pdf
Yogi, E. D., Hariyanto, & Sonbay, E. (2014). Hubungan Antara Usia Dengan Preeklampsia Pada Ibu Hamil Di POLI KIA RSUD
Kefamenanukabupaten Timor Tengah Utara. Jurnal Delima Harapan, 3(2), 10–19. doi: https://doi.org/10.31935/delima.v1i1.40
Yunus, M. (2017). Penerapan Fuzzy Expert System untuk Diagnosa Penyakit Telinga, Hidung dan Tenggorokan (THT). , 15(1),
51–53. doi: http://dx.doi.org/10.30812/matrik.v15i1.29
Jantung Menggunakan Logika Fuzzy Metode Tsukamoto. Jurnal Ilmiah Rekam Medis dan Informatika Kesehatan, 11(1), 31–40.
doi: https://doi.org/10.47701/infokes.v11i1.1045
Away, G. A. (2014). The Shortcut of Matlab Programming ( Edisi Revisi ) (Vol. 1). Bandung: INFORMATIKA.
Bardja, S. (2020). Faktor Risiko Kejadian Preeklampsia Berat/Eklampsia pada Ibu Hamil. EMBRIO: Jurnal Kebidanan, 12(1),
18–30. doi: http://dx.doi.org/10.36456/embrio.v12i1.2351
Chandra, B., Haning, S., Siokh, Y., Bulan, J., & Adhy, W. (2020). Prevalensi Proteinuria dengan Pemeriksaan Dipstik Urin pada
Pasien Hipertensi di Wilayah Kerja Puskesmas Daerah Terpencil Kabupaten Rote Ndao. Cendana Medical Journal, 8(3), 235–243.
doi: https://doi.org/10.35508/cmj.v8i3.3496
Fiano, D. S. I., & Purnomo, A. S. (2017). Sistem Pakar Untuk Mendeteksi Tingkat Resiko Penyakit Jantung Dengan Fuzzy Inferensi
(Mamdani). Informatics Journal, 2(2), 64–78. doi: https://doi.org/10.15575/telka.v8n2.149-157
Lindayani, I. K. (2018). Skrining Pre Eklampsia. Jurnal Ilmiah Kebidanan, 6(1), 47–52. doi: https://doi.org/10.33992/jik.v6i1.1056
Vol. 7, No. 1, Oktober 2023, Hal. 1–14
DOI: https://doi.org/10.30812/varian.v7i1.2764
14 | JURNAL VARIAN | e-ISSN: 2581-2017
Mada, G. S., Dethan, N. K. F., & Maharani, A. E. S. H. (2022). The Defuzzification Methods Comparison of Mamdani Fuzzy
Inference System in Predicting Tofu Production. Jurnal Varian, 5(2), 137–148. doi: 10.30812/varian.v5i2.1816
Masan, Y. B. (2019). Asuhan Kebidanan Berkelanjutan pada Ny. E.M.H dengan Preeklampsia Berat dan Berat Badan Lahir Rendah
di Puskesmas Batakte Kecamatan Kupang Barat Periode 18 Februari-18 Mei Tahun 2019. Laporan Tugas Akhir Jurusan Kebidanan
Politeknik Kesehatan Kemenkes Kupang. Retrieved from http://repository.poltekeskupang.ac.id/950/
Muhani, N., & Besral. (2015). Pre-eklampsia Berat dan Kematian Ibu. Jurnal Kesehatan Masyarakat Nasional, 10(2), 80–86. doi:
http://dx.doi.org/10.21109/kesmas.v10i2.884
Nabillah, I., & Ranggadara, I. (2020). Mean Absolute Percentage Error untuk Evaluasi Hasil Prediksi Komoditas Laut. JOINS
(Journal of Information System), 5(2), 250–255. doi: 10.33633/joins.v5i2.3900
Nassa, M. (2018). Analisis Program Revolusi Kesehatan Ibu dan Anak dan Dampaknya Terhadap Penurunan Angka Kematian Ibu dan Bayi. In Prosiding UGM Public Health Symposium. Retrieved from https://www.neliti.com/
id/publications/272261/analisis-program-revolusi-kesehatan-ibu-dan-anak-dan-dampaknya
-terhadap-penuruna doi: https://dx.doi.org/10.22146/bkm.40614
Niswati, Z., Paramita, A., & Mustika, F. A. (2016). Aplikasi Fuzzy Logic dalam Diagnosa Penyakit Diabetes Mellitus pada
PUSKESMAS di Jakarta Timur. Jurnal Nasional Teknologi dan Sistem Informasi, 2(3), 21–30. doi: 10.25077/TEKNOSI.v2i3
.2016.21-30
Nizar, H., Shafira, A. S., Aufaresa, J., Awliya, M. A., & Athiyah, U. (2021). Perbandingan Metode Logika Fuzzy Untuk Diagnosa
Penyakit Diabetes. Explore:Jurnal Sistem informasi dan telematika, 12(1), 37–41. doi: http://dx.doi.org/10.36448/jsit.v12i1.1763
Pardede, S. O., Maharani, P., & Nadeak, B. (2014). Proteinuria pada Anak. Majalah Kedokteran UKI, XXX(2), 64–73. doi:
https://doi.org/10.33541/mkvol34iss2pp60
Putra, P. A., Purnawan, I. K. A., & Putri, D. P. S. (2018). Sistem Pakar Diagnosa Penyakit Mata dengan Fuzzy Logic dan Na¨ıve
Bayes. Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi), 6(1), 35–46. doi: http://dx.doi.org/10.24843/
JIM.2018.v06.i01.p04
Rizki, S. N., & Maulana, A. (2018). Artificial Intellegence Untuk Mendeteksi Penyakit Kelenjar Getah Bening (Lymphadennopathy)
Menggunakan Fuzzy Inference System (FIS) di Kota Batam. Jurnal Ilmiah Informatika, 6(1), 54–61. doi: https://doi.org/10.33884/
jif.v6i01.434
Ukkas, M. I., Palupi, S., & Pradiba, I. (2014). Sistem Pakar Diagnosa Jenis-Jenis Penyakit Demam Panas Pada Balita dengan
Menggunakan Metode Fuzzy Logic Berbasis Web. Jurnal SEBATIK, 12(1), 24–30. doi: http://dx.doi.org/10.46984/sebatik.v12i1
.66
Wantania, J. J. E. (2015, July). Hipertensi dalam Kehamilan. In Prosiding Pertemuan Ilmiah Tahunan Fetoaternal. Retrieved from
http://repo.unsrat.ac.id/1590/1/18. Hipertensi Dalam Kehamilan.pdf
Wardani, R. S. (2014). Aplikasi Sistem Fuzzy untuk Diagnosa Penyakit Jantung Koroner (Coronary Heart Disease). Skripsi
Program Studi Matematika FMIPA Universitas Negeri Yogyakarta. Retrieved from http://eprints.uny.ac.id/12689/
1/SKRIPSI.pdf
Yogi, E. D., Hariyanto, & Sonbay, E. (2014). Hubungan Antara Usia Dengan Preeklampsia Pada Ibu Hamil Di POLI KIA RSUD
Kefamenanukabupaten Timor Tengah Utara. Jurnal Delima Harapan, 3(2), 10–19. doi: https://doi.org/10.31935/delima.v1i1.40
Yunus, M. (2017). Penerapan Fuzzy Expert System untuk Diagnosa Penyakit Telinga, Hidung dan Tenggorokan (THT). , 15(1),
51–53. doi: http://dx.doi.org/10.30812/matrik.v15i1.29
Published
2023-10-31
How to Cite
[1]
G. Mada, M. Naibili, S. Manek, E. Mau, and W. Raza, “Application of Mamdani’s Fuzzy Inference System in The Diagnosis of Pre-eclampsia”, Jurnal Varian, vol. 7, no. 1, pp. 1 - 14, Oct. 2023.
Issue
Section
Articles
This work is licensed under a Creative Commons Attribution 4.0 International License.
