Sistem Pakar Diagnosa Penyakit Chelpagia Menggunakan Metode Dempster Shafer
Bibliographic record
Abstract
Teknologi Informasi membuat ketepatan dan kecepatan penyampaian informasi merupakan kebutuhan semua pihak. penyakit chepalgia (nyeri kepala atau sakit kepala) yang dirasakan oleh pasien anak-anak sampai dengan orang tua. Banyak pasien yang mengalami gejala penyakit chepalgia sebelum bertemu dokter dan mengalami kesulitan dalam berkonsultasi. Maka dari itu perlu adanya sistem untuk mempermudah pasien dalam melakukan tes melalui sistem dengan gejala penyakit yang dikeluhkan oleh pasien agar pasien lebih mudah untuk melakukan konsultasi tanpa harus datang menemui pakar. Tujuan dari penelitian ini adalah untuk mempermudah pasien untuk melakukan tes dan konsultasi melalui sistem pakar diagnosis penyakit chepalgia. Berdasarkan hasil penelitian yang dilakukan maka gejala tersebut yang telah dihitung untuk penyakit jenis Chelpagia Tension Headache, nilai densitas yang paling kuat adalah m15(P01) yaitu sebesar 0.95 atau jika dijadikan persentasi adalah sebesar 95%.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.036 | 0.012 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".