E-Prosiding Persidangan Serantau Manasik Haji 2025 (MANASIK2025)

MANASIK2025 Putrajaya, 7-8 Oktober 2025 99 darah mereka dengan tepat. Dengan pendekatan analisis literatur yang sistematik ini, kajian diharap dapat menghasilkan cadangan yang lebih meyakinkan untuk mengintegrasikan sistem pakar berasaskan forward chaining ke dalam platform digital e-Taib Tabung Haji Malaysia. Bagi memudahkan pembacaan, analisis literatur dapat diringkaskan seperti (Jadual 1.0): ANALISA DAN DAPATAN KAJIAN Analisis literatur mendapati bahawa pembangunan sistem pakar berasaskan forward chaining telah memberikan impak yang signifikan merentasi pelbagai bidang aplikasi iaitu : (i) bidang perubatan; (ii) bidang pendidikan; (iii) bidang pertanian; (iv)bidang kesihatan maternal; dan (v) fiqh wanita. Dalam bidang perubatan, sistem pakar berasaskan forward chaining terbukti menyokong proses diagnosis dengan tahap kebolehpercayaan yang tinggi serta berperanan sebagai alat sokongan keputusan klinikal. Kajian oleh Tiwari et al. (2023) mendapati bahawa algoritma ini membantu doktor mendiagnosis penyakit seperti tuberkulosis, diabetes dan penyakit tropika dengan kadar ketepatan yang konsisten, sekali gus mempercepatkan proses rawatan dan meningkatkan keberkesanan intervensi perubatan. Dapatan tersebut diperkuat oleh kajian Rudyarti et al. (2025) yang membangunkan sistem pakar berasaskan web untuk mendiagnosis penyakit berkaitan perubahan iklim, dengan mencatat kadar ketepatan 92.3% dan sensitiviti 95.83%. Begitu juga, Soetanto et al. (2023) memperkenalkan gabungan forward chaining , interpolasi dan certainty factor dalam diagnosis kolik abdominal bayi yang berjaya mencapai ketepatan setinggi 96%. Himpunan dapatan ini memperlihatkan keupayaan algoritma forward chaining bukan sahaja dalam meningkatkan kepantasan diagnosis, malah juga dalam menjamin konsistensi serta mengurangkan kebergantungan kepada pegawai perubatan semata-mata. Walau bagaimanapun, cabaran utama yang dikenal pasti ialah kebergantungan kepada kualiti input simptom yang dimasukkan pengguna serta keperluan pengemaskinian pangkalan data secara berterusan agar sentiasa selari dengan perkembangan mutakhir dalam bidang perubatan. Justeru, keberkesanan sistem ini tidak hanya bergantung kepada kekuatan algoritma, tetapi juga kepada reka bentuk infrastruktur data dan tahap integrasi dengan amalan klinikal semasa. Dalam bidang pendidikan, penerapan algoritma forward chaining telah menunjukkan potensi yang besar dalam menilai tahap penguasaan pelajar serta mencadangkan modul pembelajaran yang sesuai dengan keperluan individu. Sitanggang (2022) mendapati bahawa pendekatan ini mampu meningkatkan keberkesanan pembelajaran adaptif kerana sistem dapat menyesuaikan modul mengikut tahap pencapaian dan jurang pengetahuan pelajar. Seterusnya, Ayorinde et al. (2025) melaporkan bahawa model penilaian berasaskan aturan forward chaining bukan sahaja mencapai ketepatan sehingga 80%, malah turut merekodkan kadar kepuasan pengguna sebanyak 90% serta keupayaan generalisasi 86% merentasi pelbagai kursus akademik. Dapatan ini menunjukkan bahawa sistem berasaskan aturan boleh berfungsi sebagai instrumen diagnostik pembelajaran yang konsisten, sekali gus memberi cadangan pengajaran yang lebih bersifat peribadi. Walau bagaimanapun, kelemahan ketara yang dikenal pasti ialah keterbatasan sistem dalam menilai faktor afektif seperti motivasi, minat dan emosi pelajar, yang turut mempengaruhi pencapaian akademik. Oleh itu, penyelidik menegaskan bahawa keberkesanan optimum hanya dapat dicapai sekiranya forward chaining digabungkan dengan teknologi kecerdasan buatan berasaskan emosi ( affective computing ) yang mampu menganalisis aspek bukan kognitif. Integrasi ini berpotensi melahirkan ekosistem pembelajaran digital yang lebih menyeluruh, responsif dan