PENERAPAN NAIVE BAYES UNTUK UNTUK DIAGNOSE

PENYAKIT DIARE USIA BALITA PADA SISTEM PAKAR

BERBASIS WEBSITE

Diare adalah pengeluaran tinja tidak normal dan cair. debit air besar tidak normal dan
membentuk tinja cair dengan frekuensi yang lebih besar dari biasanya.
Di kalangan masyarakat penyakit diare cenderung di anggap sebagai penyakit yang remeh
karena diatasi dengan cara yang mudah yaitu memberikan obat-obatan tanpa diketahui jenis diare
yang dialami oleh balita serta tanpa penanganan yang dilakukan oleh tenaga medis (Destarianto et
al, 2015:122).
Faktor yang mempengaruhi kejadian diare, antara lain yang paling sering adalah:
ketersediaan air bersih, sanitasi buruk dan perilaku hidup tidak sehat, sedangkan secara klinis dapat
disebabkan oleh infeksi, makanan dan psikologis. Faktor yang mempengaruhi kejadian diare, antara
lain ketersediaan air bersih, sanitasi buruk dan perilaku hidup tidak sehat, sedangkan secara klinis dapat
disebabkan oleh infeksi, makanan dan psikologis.

Naïve Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung

sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang
diberikan (Saleh, 2015:209).
dinilai berpotensi baik dalam mengklasifikasikan dokumen dibandingkan dengan metode
pengklasifikasian lain dalam hal akurasi dan efisiensi komputasi (Saleh, 2015:208).

A. Metode pengumpulan data

Pengumpulan data yang digunakan pada penelitian ini menggunakan data primer dengan
teknik wawancara langsung terhadap pakar yang sudah memiliki pengalaman yang lama
dan pengetahuan khusus dalam bidang kesehatan khusunya terhadap penyakit diare,

B. Pemilihan Populasi dan Sampel

Berdasarkan hasil pengumpulan data dari para pakar tenaga medis di UPTD Puskesmas
Caringin, dapat diambil kesimpulan mengenai sample data pasien penyakit diare pada anak
balita. Penelitian ini menggunakan sample data dengan jumlah 140 data.
Jenis Usia Frekuensi Konsistensi Mata Turgor Keinginan Keadaan Hasil
Kelamin (bulan) BAB Tinja untuk Umum
minum
Perempuan 6-11 >3 Cair Cekung Kembali Malas Gelisah Ya
sangat minum
Lambat
Laki-Laki 6-11 >3 Cair Cekung Kembali Malas Gelisah Ya
sangat minum
Lambat
Perempuan 12-23 >3 Cair Cekung Kembali Malas Gelisah Ya
sangat minum
Lambat
Laki-Laki 36-47 >3 Cair Cekung Kembali Malas Gelisah Ya
sangat minum
Lambat
Perempuan 6-11 >3 Lembek Cekung Kembali Malas Gelisah Ya
sangat minum
Lambat
Perempuan 12-23 >3 Cair Cekung Kembali Malas Gelisah Ya
sangat minum
Lambat
Tabel di atas merupakan nilai probabilitas untuk setiap kelas berdasarkan data yang ada.
Dalam membuat model Naive Bayes terlebih dahulu kita mencari probabilitas hipotesis
untuk masing-masing Kelas P (H). Hipotesis yang ada yaitu pasien (balita) yang menderita
penyakit diare

1) Use Case Diagram

User atau pengguna sebagai actor dapat masuk ke dalam halaman utama, halaman
konsultasi dengan mengisi form data user dan diagnosa lalu menampilkan hasil diagnosa
penyakit diare. Selain itu pengguna juga dapat melihat halaman informasi tenatang
penyakit diare.
2) Entity Relationship Diagram (ERD)
Rancangan basis data yang dituangkan dalam ERD (Entity Relationship Diagram) yang
digunakan pada sistem pakar diagnosa penyakit diare berbasis web
3) Tampilan Antar Muka Website
Tampilan antarmuka atau user interface untuk halaman konsultasi dari sistem pakar diagnosa
penyakit diare menggunakan naive bayes dapat dilihat pada gambar 8 dibawah ini:
Sedangkan Tampilan antarmuka atau user interface untuk halaman hasil konsultasi dari sistem
pakar diagnosa penyakit diare menggunakan naive bayes dapat dilihat pada gambar 6 dibawah ini: