JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Sistem Pakar Mendiagnosa Gejala Penyakit Ibu Hamil Berdasarkan Keluhan Menggunakan Metode Teorema Bayes Siti Sarah Hayati 1 .
Usti Fatimah Sari Sitorus Pane 2 .
Afdal Alhafiz3
1,2,3
Sistem Informasi.
STM IK Triguna Dharma Email: 1 sarahombio@gmail.
com,2 ustipane@gmail.
com,3 Afdal.
alhafiz@trigunadharma.
Email Penulis Korespondensi: sarahombio@gmail.
Abstrak Oe M asalah yang dialami ibu hamil merupakan masalah yang terbanyak terjadi, kurangnya pengetahuan mengenai gejala yang dirasakan saat masa kehamilan, selain itu resiko abortus serta kematian semakin tinggi akibat adanya faktor keterlambatan mengambil keputusan untuk di rujuk, gejala utama keguguran harus di waspadai adalah munculnya pendarahan yang biasanya disertai dengan kram.
Bersadarkan hal tersebut diusulkan solusi berupa sistem pakar diagnosa gejala penyakit ibu hamil, menggunakan metode Teorema Bayes yang dapat membatu menangani penyakit selama kehamilan berlangsung berdasarkan gejala yang dirasakan ibu hamil.
M etode bayes ini diharapkan membantu untuk mengambil keputusan dengan tingkat keyakinan seorang pakar dengan menggunakan sistem terhadap masalah yang dialami ibu hamil.
Hasil dari penelitian ini M enujukan bahwa metode teorema bayes mendapatkan hasil perhitungan setiap jenis penyakit bahwa kesimpulan dengan nilai nilai 0,9013 atau dengan keyakinan tinggkat pada Preeklamsia dengan keterangan sangat pasti , berdasarkan hasil pengujian dengan di peroleh kasil 100% dengan mneggunakan sistem pakar berjalan sesuai dengan di perhitungsn dengan perhitungan manual.
Kata Kunci: Penyakit ibu hamil.
Sistem Pakar.
Teorema Bayes.
AbstracOe Problems experienced by pregnant women are the most common problems, there is a lack of knowledge about the symptoms experienced during pregnancy, apart from that the risk of abortion and death is higher due to delays in making a decision to refer, the main symptom of miscarriage that must be watched out for is the appearance of bleeding which is usually accompanied by cramps.
Based on this, a solution is proposed in the form of an expert system for diagnosing symptoms of pregnant women's diseases, using the Bayes Theorem method which can help treat diseases during pregnancy based on the symptoms felt by pregnant The Bayes method is expected to help make decisions with the level of confidence of an expert by using a system for pr oblems experienced by pregnant women.
The results of this research show that the Bayes theorem method obtains calculation results for each type of disease that conclude with a value of 0.
9013 or with a level of confidence.
in Preeclampsia with very definite information, based on test results with 100% results obtained using an expert system that works according to calculations using manual calculation.
Keywords: Bayes' Theorem.
Diseases of pregnant women.
Expert System.
PENDAHULUAN
Kondisi kesehatan ibu dan janin akan berdampak besar pada tingkat keguguran dan banyak juga ibu hamil meninggal dunia, karena memperjuangkan janin atau bayi yang ada dalam kandungan.
sebesar 226 per 100.
kelahiran hidup.
Kasus kematian ibu melahirkan di Indonesia masih tergolong cukup tinggi.
Padahal berdasarkan Sasaran Pembangunan Milenium atau Millenium Development Goals (MDG.
, angka kematian ibu ditetapkan pada angka 102 per 100.
000 kelahiran pada tahun 2015.
Angka kematian Kehamilan resiko tinggi adalah kehamilan yang akan menyebabkan terjadinya bahaya dan komlpikasi yang lebih besar baik terhadap ibu maupun terhadap janin yang dikandungnya selama masa kehamilan.
Gangguan dan penyakit pada kehamilan pada umumnya ditemukan pada kehamilan resiko tinggi.
Secara garis besar, kelangsungan suatu kehamilan sangat bergantung pada keadaan dan kesehatan ibu, plasenta dan keadaan janin .
Dimana kurangnya pengetahuan mengenai gejala yang dirasakan saat masa kehamilan merupakan permasalahan yang saat ini terjadi.
Hal tersebut membuat ibu hamil tidak menghiraukan gejala-gejala tertentu yang sebenarnya mengindikasi terhadap penyakit yang berbahaya.
Masalah yang di alami ibu hamil di atas merupakan terbanyak yang di keluhkan di lapangan tempat peneliti melakukan riset.
Solusi yang pakar dapat digunakan untuk mendiagnosa gejala penyakit ibu hamil berdasarkan keluhan mengunakan Sistem yang dapat melakukan masalah di lapangan tersebut termasuk dalam kategori sistem pakar.
Istilah sistem pakar dari istilah knowledge-based expert system.
Sistem pakar menggunakan pengetahuan seorang pakar yang dimasukkan ke dalam Seorang yang bukan pakar/ahli menggunakan sistem pakar untuk meningkatkan kemampuan pemecahan masalah, sedangkan seorang pakar menggunakan sistem pakar untuk knowledge assistant Sehingga dengan adanya sistem tersebut nantinya diharapkan dapat membantu ibu hamil di usia muda agar menjaga kandungannya dengan baik Siti Sarah Hayati, 2022.
Hal 46
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index dan dapat meminimalisasikan tingkat resiko kematian ibu hamil.
Metode yang digunakan adalah teorema bayes untuk melakukan proses pengolahan data yang di-input-kan oleh pengguna .
Teorema bayes merupakan teorema yang digunakan untuk menghitung peluang dalam suatu hipotesis dengan me nentukan nilai probabilitas dari hipotesa pakar dan nilai evidence yang didapat dari fakta dan objek yang didiagnosa.
Penerapan metode teorema bayes yang digunakan merupakan variabel berdasarkan nilai ketidakpastian pakar obstetri dan ginekologi kemudian d irumuskan menjadi dara.
Nilai ketidakpastian data pada gejala dan penyakit digunakan sebagai masukan sistem saat melakukan akuisisi pengetahuan penyakit oleh dokter menjadi masukan sistem saat melakukan akuisisi pengetahuan kaidah penyakit.
METODOLOGI PENELITIAN
Tahapan Penelitian Dalam menentukan gejala penyakit ibu hamil berdasarkan keluhan, terdapat beberapa bagian penting, yaitu sebagai berikut :
Teknik Pengumpulan Data Wawancara Observasi Studi Kepustakaan Penyakit Ibu Hamil Angka kematian ibu di Indonesia, sebagian besar disebabkan oleh kurangnya pengetahuan mengenai kehamilan, terlambatnya penanganan di rumah sakit, kurangnya tenaga medis maupun fasilitas yang memadai dan mahalnya biaya untuk konsultasi membuat para ibu enggan untuk ke dokter ahli.
Sistem pakar diagnosa pada ibu hamil ini diharapkan dapat memberikan pengetahuan mengenai diagnosa penyakit gangguan kehamilan pada ibu hamil, memberikan sarana media konsultasi mengenai penyakit pada kehamilan serta mengurangi banyaknya biaya konsultasi ke dokter ahli.
penyakit yang sering terjadi yaitu.
Plasenta previa adalah komplikasi kehamilan dimana plasenta terletak di bagian bawah rahim, sebagian atau seluruh- nya menutupi leher rahim.
Hal ini menyebabkan perdarahan vagina tanpa rasa sakit dan beberapa mengarah ke perdarahan yang mungkin cukup besar untuk mengancam kehidupan ibu dan janin yang mengarahkan ke persalinan segera, baik secara elektif atau darurat.
Pada umumnya ibu hamil dengan usia kehamilan diatas 20 minggu disertai dengan peningkatan tekanan darah di atas normal sering diasosiasikan dengan Data atau informasi awal terkait dengan tekanan darah sebelum hamil akan sangat membantu petugas kesehatan untuk membedakan hipertensi kronis .
ang sudah ada sebelumny.
dengan preeklampsia.
Sistem Pakar Sistem pakar adalah cabang kecerdasan buatan yang menggunakan pengetahuan/ knowledge khusus untuk memecahkan masalah pada level human expert/pakar.
Salah satu penerapan sistem pakar dalam bidang kedokteran adalah untuk melakukan diagnosa penyakit.
Pada pen elitian ini dilakukan perancangan dan pembuatan sistem pakar yang digunakan untuk membantu menentukan diagnosa suatu penyakit yang diawali dari gejala utama penyakit pada proses kehamilan serta menentukan saran terapi yang harus diberikan .
Dalam penerapan Sistem Pakar yang digunakan untuk mendiagnosa penyakit Inflamasi Dermatitis Imun pada anak perlu membandingkan b eberapa metode diantaranya: Certantiy Factor.
Dempster Shafer, dan Teorema Bayes yang nantinya dapat digunakan untuk mengukur tingkat keyakinan pakar dan tingkat probabilitas terhadap gejala-gejala yang terjadi .
Ciri-ciri Sistem Pakar adalah sebagai berikut:
Memiliki informasi yang handal.
Mudah dimodifikasi.
Heuristik dalam menggunakan pengetahuan (Yang sering kali tidak sempurn.
untuk mendapatkan penyelesaian.
Dapat digunakan dalam berbagai jenis komputer.
Tujuan pengembangan sistem pakar sebenarnya bukan untuk menggantikan peran manusia, tetapi untuk mensubsitusikan pengetahuan manusia ke dalam bentuk sistem, sehingga dapat digunakan oleh orang banyak dalam penyusunanya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan .
nference rule.
dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu .
Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk menyelesaikan masalah tertentu.
Siti Sarah Hayati, 2022.
Hal 47
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Metode Teorema Bayes Teorema Bayes penelitian yang dilakukan menyebutkan bahwa metode Bayes dapat digunakan untuk mengembangkan sistem cerdas untuk diagnosa penyakit.
Pada penelitian ini medote Bayes diimplementasikan untuk mediagnosis penyakit dan membantu praktisi kesehatan untuk membuat keputusan klinis yang cerdas.
Hasil penelitian dapat memberikan pengobatan yang efektif, dan juga membantu untuk mengurangi biaya pengobatan Teorema Bayes adalah aturan yang menggunakan probabilitas untuk menghasilkan kep utusan dan informasi yang tepat Probabilitas Bayes merupakan salah satu cara untuk mengatasi ketidakpastian data dengan menggunakan formula Bayes yang dinyatakan :.
P(H|E) = P(E\H).
P(H)
P (E)
Dimana :
P(H|E) : probabilitas hiotesis H jika diberikan evidence E.
P(E|H) : probabilitas munculnya evidence E jika diketahui hipotesis H.
P(H) : probabilitas hipotesis H tanpa memandang evidence apapun.
P(E) : probabilitas evidence E.
Pemodelan Sistem Merancang pengembangan software yang berbasis object-orientated.
UML sendiri juga memberikan standar penulisan sebuah sistem blueprint, yang meliputi konsep proses bisnis, penulisan kelas -kelas dalam bahasa program yang spesifik, skema database, dan komponen yang diperlukan dalam sistem software, telah dibahas efektivitas kerja com dan bukalapak.
com tetapi tidak dijelaskan secara element cara kerja keduanya, baik menggunakan gambar atau pemodelan lainnya.
E-trade merupakan media pemasaran yang menggunakan website untuk bertransaksi atau menfasilitasi penjualan produk secara on-line.
Akan tetapi, penelitian yang sudah dilakukan sebelumnya dipandang kurang efektif karena pemaparan kerangka kerja dijelaskan dengan teks yang panjang lebar sehingga tidak efisien dan susah dipahami.
HASIL DAN PEMBAHASAN
NNo Tabel 3.
1 Data Gejala Penyakit ibu hamil
Kode Gejala
Gejala
G01
Pendarahan GO2
G03
G04
G05
G06
G07
G08
Muncul bercak merah darah hitam Tekanan darah tinggi Proteinuria.
itemukan protein didalam urin.
Gangguan penglihatan Nyeri di ulu hati
G09
Bengkak pada tungkai G10
Janin tidak berkembang dengan normal
G11
Berat badan naik secara tiba -tiba
G12
Pinggul terasa tertekan G13
Rasa tidak nyamaan pada perut
G14
Sakit seperti tertusuk diperut,panggul G15 Nyeri pada salah satu sis bagian bawah Siti Sarah Hayati, 2022.
Hal 48
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Berdasarkan 3 jenis penyakit ibu hamil tersebut maka diperoleh 15 jenis gejala yang sudah dirating dan dikodekan untuk menentukan kriteria gejala penyakit.
Adapun kode gejala dari jenis penyakit ibu hamil antara lain:
Tabel 3.
2 data Penyakit Kode Penyakit Nama Jenis Penyakit P01
Plasenta previa
P02
Preeklamsia
P03
Kehamilan elektropik
Pengidentifikasi pohon keputusan dari penyakit ibu hamil
Rule 1:IF jenis Gejala G01 AND G02 AND G03 THEN P01 Plasenta previa
P01
G01
G03
G02
Gambar 3.
2 pohon Keputusan Plasenta previa
Rule 2 :IF Jenis Gejala G04 AND G05 AND G06 AND G07 AND G08 AND G09 AND G10 AND G11 AND G12 AND G13 AND G14 THEN P02 Preeklamsia
P02
G04
G06
G10
G05
G08
G11
G09
G07
Gambar 3.
3 pohon Keputusan Preeklamsia
Rule 3 : IF Jenis Gejala G14 AND G15AND G16 AND G17 THEN P03 Kehamilan Elektropik
G12
G13
G14
G15
Gambar 3.
4 pohon Keputusan Kehamilan Elektropik Pengidentifikasi basis pengetahuan penyakit ibu hamil Setelah menentukan gejala,langkah selanjutnya yaitu menentukan basis pengetahuan jenis penyakit hal ini dapat dilihat dari tabel berikut:
Siti Sarah Hayati, 2022.
Hal 49
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Tabel 3.
3 Data Basis Aturan penyakit ibu hamil
Jenis penyakit P01
P02
Pendarahan E Demam Muncul bercak merah darah hitam Tekanan darah tinggi E Proteinuria.
itemukan protein didalam urin.
Gangguan penglihatan E
Nyeri di ulu hati
Bengkak pada tungkai E
Janin tidak berkembang dengan normal
Berat badan naik secara tiba-tiba Pinggul terasa tertekan Rasa tidak nyaman pada perut
Sakit seperti tertusuk di perut,panggul E
Nyeri pada salah satu sisi bagian bawah E
Gejala
P03
Tabel 3.
4 Data Riwayat Pasien
Nama Mayanti Sumarni Juar
Megawati Gejala Penyakit G G G
01 02 03 04
G G
E E
E E
E E E
E E E
E E
E E E E
E E
E E
E E E E
Siti Sarah Hayati, 2022.
Hal 50
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Nilai probabilitas didapat dengan rumus sebagai berikut :
p(B O A) ycy.
yaA) = ycE .
aA) Keterangan :
p(A|B) = peluang kejadian A bila B terjadi.
p(BOA) = probabilitas B dan A terjadi bersama-sama.
p(B) = probabilitas kejadian B.
Dari tabel diatas data gejala penyakit Impetigo sebanyak yaitu 22 data, maka :
G01=
=0.
G02=
G03=
G04=
G05=
G06=
G07=
G08=
G09=
G10=
G11=
=0.
= 0.
= 0.
= 0.
= 0.
= 0.
= 0.
= 0.
= 0.
= 0.
G12=
= 0.
G13=
= 0.
G14 =
G15=
= 0.
= 0.
Pembobotan nilai probabilitas penyakit ibu hamil Demi membantu pengembangan sistem pakar ini maka ditampilkan data hubungan antara gejala dan jenis penyakit ibu hamil kedalam sebuah tabel.
Tabel ini berfungsi menyimpan data penyakit,pada tabel ini berisi kode penyakit data gejala dan probabilitas nilai probabilitas diambil berdasarkan pengalaman seorang pakar yang menangani penyakit ibu hamil data tersebut dapat dilihat dari tabel berikut.
Tabel 3.
5 Nilai Probabilitas penyakit ibu hamil
Kode
Gejala
Gejala Penyakit G01
Pendarahan G02
Demam
G03
Muncul bercak merah darah hitam
G04
Tekanan darah tinggi G05
G06
Proteinuria.
itemukan didalam urin.
Gangguan penglihatan G07
Nyeri di ulu hati
G08
Pusing G09 Bengkak pada tungkai G10 Janin tidak berkembang dengan G11 Berat badan naik secara tiba-tiba G12 Pinggul terasa tertekan Nama Penyakit Probabilitas Plasenta previa Preeklamsia Siti Sarah Hayati, 2022.
Hal 51
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Tabel 3.
5 Nilai Probabilitas penyakit ibu hamil .
Kode
Gejala
G13
G14
G15
Gejala Penyakit Nama Penyakiat Probabilitas Rasa tidak nyaman pada perut Sakit seperti tertusuk di perut,panggu Nyeri pada salah satu sis bagian Kehamilan Elektropik Adapun tolak ukur persentasi nilai distinasi pada sistem pakar adalah sebagai berikut:
Tabel 3.
6 persentase Nilai Densitas Nilai densitas Gejala Persentase nilai densitas 90-100% Sangat pasti 0,75-0,99 71-90% 0,50-0,74 51-70% Cukup pasti <0,50 0-50% Kurang pasti 1 Pengguna metode teorema bayes Adapun kasus penyakit yang terjadi pada ibu hamil melakukan diagnosa dengan menjawab pertanyaan yang sesuai dengan gejala berikut:
Tabel 3.
7 pilihan data konsultasi Gejala penyakit ibu hamil
Kode Penyakit Gejala Penyakit G01
G02
G03
G04
G05
G06
G07
G08
G09
G10
G11
G12
G13
G14
G15
Pendarahan Demam Muncul bercak merah darah hitam Tekanan darah tinggi Proteinuria.
itemukan protein didalam urin.
Gangguan penglihatan Nyeri di ulu hati Bengkak pada tungkai Janin tidak berkembang dengan normal Berat badan naik secara tiba-tiba Pinggul terasa tertekan Rasa tidak nyaman pada perut Sakit seperti tertusuk di perut,panggul Nyeri pada salah satu sis bagian bawah Untuk memastikan jenis penyakit ibu hamil maka dilakukan perhitungan sebagai berikut:
Mencari nilai hipotesa Untuk mencari semesta dapat dijumlahkan dari hipotesa yang di atas ycu Oc = ya1 ya2 U yaycu yco=1 Siti Sarah Hayati, 2022.
Hal 52
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index P01 Plasenta previa ycu Oc = ya1 ya2 yco=1 ycA Oc = 0,5 0,4 = 0,9 ya=1 P02 preeklamsia ycu Oc = ya4 ya5 ya6 ya9 yco=1 ycu Oc = 0,4 0,3 0,3 0,3 = 1, 3 yco=1 P03 kehamilan Elektropik ycu Oc = ya12 ya14 ya15 yco=1 ycu Oc = 0,3 0,2 0,1 = 0,6 yco=1 Mencari nilai Semesta Setelah didapatkan jumlah diatas ,maka didapatkan rumus untuk menghitung semesta adalah sebagai berikut .
yaycn ycE .
aycn ) ycn Ocyc = 1 P01 Plasenta previa ycE .
aycn ) yaycn Ocycnyc = 1 ya01 ycE .
ya2ycE .
= 0,555 = 0,444 P02 Preeklamsia yaycn Ocycnyc = 1 ya04 ycE.
a4 ) = 0,307 ya5 ycE.
a5 ) = 0,230 ya6 ycE.
a6 ) = 0,230 ya9 ycE .
= 0,230 c P03 kehamilan Elektropik yaycn ycy.
aycn ) ycn Ocyc = 1 ya12 ycE .
a12 ) = 0,6 ya14 ycE .
a14 ) = 0,333 ya15 ycE .
a15 ) = 0,166 Mencari nilai P(H.
probabilitas H tanpa memandang evidence.
ssetelah mendapatkan nilai P (H.
probabilitas hipotensi H tanpa memandang evidence apapun,aka langkah selanjutna sebagai berikut.
a P01 Plasenta Previa Siti Sarah Hayati, 2022.
Hal 53
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Oc = ycE yaycn O ycE.
yaycn Oe yc.
yco=1 =.
,5 y 0,555 ) .
,4 y 0,444 ) =0,2775 0,1776 =0,4551 P02 Preeklamsia Oc = ycE yaycn O ycE.
yaycn Oe yc.
yco=1 .
,4 y 0,307 ) .
,3 y 0,230 ) .
,3 y 0,230 ) .
,3 y 0,230 ) = 0,1228 0,069 0,069 0,069 = 0,3298 P03 Kehamilan Elektropik Oc = ycE yaycn O ycE.
yaycn Oe yc.
yco=1 =.
,3 y 0,6 ) .
,2 y 0,333 ) .
,1 y 0,166 ) =0,18 0,533 0,266 =0,979 Mencari nilai P (H.
E) Setelah mendapatkan nilainya,maka langkah selanjutnya mencari nilai P(H.
E) atau probabilitas hipotensi Hi benar jika diberikan nilai evidenceE.
P01 Plasenta Previa ycu= Ocyco =1 ycE.
OycE.
aya )OycE.
P (H.
E) =yce 0,5y0,555 P (H.
E)= = 0,6097 ycE( P (H.
E)= 0,4551 0,4y0,444 = 0,3902 0,4551 P02 Preeklamsia ycu= Ocyco =1 ycE.
OycE.
ycE .
aya )OycE.
P (H.
E) =yce 0,4y0,307 P (H.
E)= = 0,3723 0,3298 0,3y0,230 P (H.
E)= = 0,2092 P (H.
E)= = 0,2092 0,3298 0,3y0,230 0,3298 0,3y0,230 P (H.
E)= 0,3298 = 0,2092 P02 Kehamilan Elektopik ycu= Ocyco =1 ycE.
OycE.
aya )OycE.
P (H.
E) =yce 0,3y0,6 P (H.
E)= = 0,1838 ycE( 0,2y0,333 P (H.
E)= 0,979 0,1y0,166 P (H.
E)= 0,979 0,979 = 0,0680 = 0,0169 Mencari nilai bayes Setelah mendapatka seluruh nilai P(H.
E),maka jumlahka seluruh nilai bayesnya dengan rumus sebagai berikut a P01 Plasenta previa Oc = yaAycaycyceyc1 yaAycaycyceyc2 U yaAycaycyceyc ycu ya=1 Oc = .
,5 y 0,6.
,4 y 0,3.
yco=1 Siti Sarah Hayati, 2022.
Hal 54
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index = 0,3048 0,1560 = 0,4608 *100% = 46,08% P02 Preeklamsia Oc = yaAycaycyceyc1 yaAycaycyceyc2 U yaAycaycyceyc ycu ya=1 Oc = .
,4 y 0,3723 ) .
,3 y 0,2.
,3 y 0,2.
,3 y 0,2.
yco=1 = 0,1489 0,0627 0,0627 0,0627 = 0,9013 *100% = 90,13% P03 Kehamilan Elektropik Oc = yaAycaycyceyc1 yaAycaycyceyc2 U yaAycaycyceyc ycu ya=1 Oc = .
,3 y 0,1.
,2 y 0,0680 ) .
,1 y 0,0.
yco=1 =0,0551 0,0136 0,0016 = 0,0703 * 100% = 07,03% Maka dari hasil perhitungan nilai bayes setiap jenis penyakit sebagai berikut Nama Penyakit Tabel 3.
8 hasil bayes penyakit Nilai bayes Nilai Plasenta Previa
0,4608
46,08%
Cukup pPasti
Preeklamsia
0,9013
90,13%
Sangat Pasti Kehamilan Elektopik
0,0703
07,03%
Kurang pasti Dari hasil perhitungan bayes bahwa kesimpulan dengan nilai 0,9013 atau dengan keyakinan tinggi pada Preeklamsia dengan keterangan SANGAT PASTI Fungsi dari interface .
ini adalah untuk memberikan input dan menampilkan output dari aplikasi.
Pada aplikasi ini memiliki interface yang terdiri dari Menu login.
Transaksi.
Data Item dan Menu proses FP-Growth.
Dalam halaman utama untuk menampilkan pada tampilan Menu pada awal sistem yaitu Menu login dan menu utama.
Adapun Menu halaman utama sebagai berikut.
Menu Login Menu login merupakan sebuah tampilan menu awal dari program yang dimana user ataupun admin akan mengisi user name dan password untuk bisa masuk atau login ke menu berikutnya, gambar tampilan form login dapat dilihat pada gambar di bawah ini Gambar 1 :
Gambar 1 Menu Login Menu Utama Siti Sarah Hayati, 2022.
Hal 55
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Menu Utama digunakan sebagai penghubung untuk Menu Data iterm, data transaksi , proses dan laporan.
Berikut adalah tampilan Menu Utama:
Gambar 2 Menu Utama Dalam adminstrator untuk menampilkan Menu pengolahan data pada penyimpanan data kedalam database yaitu Menu item, dan Menu transaksi Adapun Menu halaman adminstrator utama sebagai berikut.
Form Data item Menu item berfungsi untuk pengolahan dalam penginputan data, ubah data dan penghapusan data promo.
Adapun Menu promo sebagai berikut.
Gambar 3 Menu Data Item Form Data Transaksi Menu transaksi untuk pengolahan data transaksi promosi penjualan item produk French Bakery.
Adapun Data Transaksi sebagai berikut.
Siti Sarah Hayati, 2022.
Hal 56
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Gambar 4 Menu Data Transaksi Pada bagian ini anda diminta untuk melakukan pengujian dengan sampling data baru dan pada bagian ini anda diminta untuk dapat menguji keakuratan sistem yang anda rancang dengan tools-tools yang sudah teruji dan terkalibrasi Adapun hasil proses program dalam promosi penjualan item produk sebagai berikut.
Gambar 5 Hasil Mengasosiasikan Gambar 6 Laporan Siti Sarah Hayati, 2022.
Hal 57
JURNAL CYBER TECH STMIK TRIGUNA DHARMA
P-ISSN : 2988-2508 .
E-ISSN : 2987-9604
Volume 5.
Nomor 1.
Edisi Januari 2022 https://ojs.
id/index.
php/jct/index Gambar 7 Laporan Hasil
KESIMPULAN
Berdasarkan hasil penelitian untuk menganalisa masalah penyakit ibu hamil dilakukan pengumpulan data dan melakukan observasi ataupun wawancara untuk mengamati masalah dalam penyakit ibu hamil dengan menggunakan metode Teorema bayes.
Berdasarkan hasil penelitian dalam merancang aplikasi sistem pakar dengan melakukan pemodelan UML dan dengan membangun sistem berbasis desktop dalam mengestimasi penyakit dengan menggunakan metode teorema bayes.
Berdasarkan hasil penelitian untuk pengujian sistem dengan melakukan login sistem dan pengolahan data variabel dan proses dalam mengestimasi diagnosa penyakit pasien dengan menampilkan laporan hasil dari pakar.
UCAPAN TERIMAKASIH
Terima Kasih diucapkan kepada kedua orang tua serta keluarga yang selalu memberi motivasi.
Doa dan dukungan moral maupun materi, serta pihak-pihak yang telah mendukung dalam proses pembuatan jurnal ini yang tidak dapat disebutkan satu persatu.
Kiranya jurnal ini bisa memberi manfaat bagi pembaca dan dapat meningkatkan kualitas jurnal selanjutnya.
REFERENCES