Sistem Pakar Diagnosa Penyakit Gigi Menggunakan Metode Naive Bayes

Abstract

Penyakit yang sering dianggap sepele namun sangat mengganggu adalah penyakit gigi. Umumnya gigi rentan terhadap makanan dan cuaca bila gigi mengalami permasalahan. Dari survey diperoleh sangat minim keinginan penderita sakit gigi berobat ke rumah sakit atau dokter spesialis. Sebuah sistem pakar memperkenalkan implementasi diagnosa penyakit gigi. Sipenderita dapat mengobati sakit gigi dengan arahan dari kommputer (pakar). Pakar sebagai sumber data basis pengetahuan diwakilkan komputer mendiagnosa penyakit. Menurut pakar gigi ada 7 jenis penyakit: Erosi Gigi, Ginggi-vitis, Pulpi-tis, Abses Gigi, Periodo-ntitis, Karies Gigi, Hali-tosis, dan Sindrom Gigi Retak. dengan 37 gejala (dikodekan sesuai kriteria). Dalam Naïve Bayes, pengklasifikasian menggunakan metode probabilitas dan statistik. Perhitungan Naïve Bayes berdasarkan data penyakit dan data gejala dengan variable Data, Hipotesa dan Probabilitas. Hasil dari penelitian ini adalah sebuah diagnosa terhadap penyakit gigi dengan hasil nilai probabilitas tertinggi. Nilai probabilitas dari gejala penyakit gigi diperoleh berdasarkan pengalaman seorang pakar atau dokter gigi. Dari data yang diuji sesuai kasus diketahui probabilitas Penyakit Halitosis adalah yang tertinggi dari penyakit lain yaitu 0.29646 atau 29.64%.

Sistem Pakar dalam Mengidentifikasi Gejala Stroke Menggunakan Metode Naive Bayes

“…Penyelesaian masalah tersebut menggunakan pengetahuan dari seorang pakar yang didapatkan pengalaman pakar itu sendiri. Pengetahuan itu disimpan dalam komputer serta dilakukan perhitungan yang tepat untuk menarik kesimpulan suatu permasalahan [4].…”

Sistem Pendukung Keputusan Penentuan Status Karyawan Menggunakan Metode Naïve Bayes

“…Naïve bayes merupakan salah satu metode klasifikasi yang manfaatkan probabilitas sederhana melalui likehood maksimum terhadap masing-masing kelasnya [7]. Persamaan dari teorema bayes tersebut adalah [8]:…”

“…: Probabilitas X Sedangkan dalam mencari dan menentukan kelas yang cocok untuk sample yang digunakan dilakukan dengan menghitung rumus 2 rumus 2Dimana variable C tersebut adalah representasi suatu class sedangkan F1 … Fn merupakan karakterisktik petunjuk dalam melakukan klasifikasi [8]. Karena C adalah posterior peluang munculnya kelas C prior yang akan dikali dengan karakteristik kelas C (likehood) dan dibagi dengan evidence maka rumus 2 dapat ditulis dengan [9]:…”

Sistem Pakar Mendeteksi Kerusakan Sistem Hydrolic Pada Excavator Dengan Metode Certainty Factor

“…e = Evidence atau peristiwa atau fakta (gejala). Perhitungan selanjutnya adalah kombinasi dua atau lebih rule dengan evidence berbeda tetapi dalam hipotesis yang sama [11]:…”