A cancer of the lymph nodes (Lymphoma Maligna) is one of the fastestgrowing cancer. Deaths from this disease is high enough. This is because the symptoms of this disease is like a mild disease so patients who checked him already in an advanced stage. In addition, the lack of education of the community's response to the disease. Previous researchers were able to solve the problem is to make the application expert system that aims to provide education to the community that are capable of generating predictions of cancer lymphoma. However, the application was not optimal for use as one of the five test data generating predictions wrong. This has been the cornerstone of the development of this application with improvements and additions to the knowledge base of factors that affect the disease. Expected with the development of this application is able to provide a more optimal prediction results. Method of forward chaining is able to help in making predictions on expert system to factors that influence as the premise and conclusion prediction results. Based on the results of the assessment of the respondent, this application get an average rating of 4.63 assessment indices with A (5) = very good, B (4) = good, C (3) = moderate, D (2) = pretty, and E (1) = less. Therefore, this application is more optimal for use in generating a prediction of cancer of the lymph glands compared to the application Page that Lymphoma has an average application under 4.

Kanker kelenjar getah bening (Limfoma Maligna) merupakan salah satu jenis kanker ang tumbuh paling cepat. Kematian akibat penyakit ini cukup tinggi. Hal ini disebabkan karena gejala penyakit ini seperti penyakit ringan sehingga pasien yang memeriksakan dirinya sudah dalam keadaan stadium lanjut. Selain itu, kurangnya edukasi masyarakat terhadap penyakit tersebut. Peneliti sebelumnya mampu memecahkan masalah ini yaitu membuat aplikasi sistem pakar yang bertujuan memberikan edukasi terhadap masyarakat yang mampu menghasilkan prediksi limfoma maligna. Namun, aplikasi tersebut belum optimal untuk digunakan karena satu diantara lima data uji menghasilkan prediksi yang salah. Hal ini menjadi landasan pengembangan aplikasi ini dengan perbaikan basis pengetahuan dan penambahan faktor yang mempengaruhi penyakit tersebut. Diharapkan dengan pengembangan aplikasi ini mampu memberikan hasil prediksi yang lebih optimal. Metode forward chaining mampu membantu dalam menghasilkan prediksi pada sistem pakar dengan faktor-faktor yang mempengaruhi sebagai premis dan hasil prediksi sebagai kesimpulan. Berdasarkan hasil penilaian responden, aplikasi ini mendapatkan nilai rata-rata 4,63 dengan indeks penilaian A(5) = sangat baik, B(4) = baik, C(3) = sedang, D(2) = cukup, dan E(1) = kurang. Oleh karena itu, aplikasi ini lebih optimal untuk digunakan dalam menghasilkan prediksi penyakit limfoma maligna dibandingkan dengan aplikasi Limfoma Page yang memiliki rata-rata aplikasi di bawah 4.