UJIAN TENGAH SEMESTER

KECERDASAN BUATAN
ANANDA ADITYA PUTRA
20190801089

1. APLIKASI MOBILE KESEHATAN

Saya ingin membuat aplikasi tentang Kesehatan menggunakan metode Naïve Bayes
.dimana menurut saya metode ini paling cocok untuk kecerdasan buatan di aplikasi
Kesehatan ini. Karana meotde bayes dapat dengan cepat dalam memprediksi sebuah
class berdasarkan input Di dalam palikasi Kesehatan ini nantinya user bbisa melakukan
konsultasi dengan beberapa pertanyaan melalu chat bot.
Dimana user nantinya bisa berinteraksi dengan chat bot sebagai contoh .chat bot akan
bertanya pertama dimana keluhan anda. Dan user akan menjawab di bagian dada. Lalu
chat bot akan bertanya lagi apa yang anda rasakan .sesak atau sakit nah anantinya
chatbot akan mengumpulkan data dari pasien dan nanti chatbot akan mengeluarkan
output tentag penyakit yang mungkin di miliki pasien .
Tapi ini semua masih memeliki kekurangan dan pada akhirnya chat bot akan
menyarankan pasien ke dokter jika penyakit pasien mungkin sangat berbahaya bagi
hidupnya.

2. a. metode Naïve Bayes yaitu mennyelesaikan masalah menggunakan table keputusan

diamana Tabel keputusan berfungsi untuk menentukan Pasien tersebut mengalami
penyakit apa, berdasarkan gejala yang timbul. Cara penghitungannya akan dilakukan
di jawaban b.

b.
• 𝑝(𝐻1│𝐺𝑎𝑡𝑎𝑙) =

𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻1) ∗ 𝑝(𝐻1)
𝑝(𝑔𝑎𝑡𝑎𝑙 − 𝑔𝑎𝑡𝑎𝑙|𝐻1) ∗ 𝑝(𝐻1) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻2) ∗ 𝑝(𝐻2) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻3) ∗ 𝑝(𝐻3) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻4) ∗ 𝑝(𝐻4) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻5) ∗ 𝑝(𝐻5)
0.3∗0.1 0.03
𝑝(𝐻1│𝐺𝑎𝑡𝑎𝑙 − 𝑔𝑎𝑡𝑎𝑙) = 0.3∗0.1+0.3∗0.1+0.3∗0.25+0.3∗0.3+0.3∗0.25 = = 0.1
0.3

• 𝑝(𝐻2│𝐺𝑎𝑡𝑎𝑙) =

𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻2) ∗ 𝑝(𝐻2)
𝑝(𝑔𝑎𝑡𝑎𝑙 − 𝑔𝑎𝑡𝑎𝑙|𝐻1) ∗ 𝑝(𝐻1) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻2) ∗ 𝑝(𝐻2) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻3) ∗ 𝑝(𝐻3) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻4) ∗ 𝑝(𝐻4) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻5) ∗ 𝑝(𝐻5)

0.3∗0.1 0.03
𝑝(𝐻2│𝐺𝑎𝑡𝑎𝑙) = 0.3∗0.1+0.3∗0.1+0.3∗0.25+0.3∗0.3+0.3∗0.25 = = 0.1
0.3
 • 𝑝(𝐻3│𝐺𝑎𝑡𝑎𝑙) =
𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻3) ∗ 𝑝(𝐻3)
𝑝(𝑔𝑎𝑡𝑎𝑙 − 𝑔𝑎𝑡𝑎𝑙|𝐻1) ∗ 𝑝(𝐻1) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻2) ∗ 𝑝(𝐻2) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻3) ∗ 𝑝(𝐻3) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻4) ∗ 𝑝(𝐻4) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻5) ∗ 𝑝(𝐻5)

0.3∗0.25 0.075
𝑝(𝐻3│𝐺𝑎𝑡𝑎𝑙) = 0.3∗0.1+0.3∗0.1+0.3∗0.25+0.3∗0.3+0.3∗0.25 = = 0.25
0.3

• 𝑝(𝐻4│𝐺𝑎𝑡𝑎𝑙) =

𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻4) ∗ 𝑝(𝐻4)
𝑝(𝑔𝑎𝑡𝑎𝑙 − 𝑔𝑎𝑡𝑎𝑙|𝐻1) ∗ 𝑝(𝐻1) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻2) ∗ 𝑝(𝐻2) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻3) ∗ 𝑝(𝐻3) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻4) ∗ 𝑝(𝐻4) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻5) ∗ 𝑝(𝐻5)

0.3∗0.3 0.09
𝑝(𝐻3│𝐺𝑎𝑡𝑎𝑙) = 0.3∗0.1+0.3∗0.1+0.3∗0.25+0.3∗0.3+0.3∗0.25 = = 0.3
0.3

• 𝑝(𝐻5│𝐺𝑎𝑡𝑎𝑙) =

𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻5) ∗ 𝑝(𝐻5)
𝑝(𝑔𝑎𝑡𝑎𝑙 − 𝑔𝑎𝑡𝑎𝑙|𝐻1) ∗ 𝑝(𝐻1) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻2) ∗ 𝑝(𝐻2) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻3) ∗ 𝑝(𝐻3) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻4) ∗ 𝑝(𝐻4) + 𝑝(𝑔𝑎𝑡𝑎𝑙|𝐻5) ∗ 𝑝(𝐻5)

0.3∗0.25 0.075
𝑝(𝐻5│𝐺𝑎𝑡𝑎𝑙) = 0.3∗0.1+0.3∗0.1+0.3∗0.25+0.3∗0.3+0.3∗0.25 = = 0.25
0.3

Kesimpulan berdasarkan teorema bayes :

Kemungkinan pasien herpes adalah 0.1
Kemungkinan pasien kutil adalah 0.1
Kemungkinan pasien bisul adalah 0.25
Kemungkinan pasien cacar adalah 0.3
Kemungkinan pasien campak adalah 0.25
Dari hasil diatas maka dapat disimpulakan pasien kemungkinan mengidap penyakit
cacar karna hasil perhitungan cacar memiliki nilai terbesar.
3.

a.

Lokasi yang akan di tuju di bagian timur yaitu TTE . yang mana bagian tersebut harus
melewati beberapa rute,antaralain rute PDG ke CGK lalu lanjut ke SUB . setelah itu disini
kitab isa memilih 2 rute untuk menuju ke TTE .yang pertama dari SUB ke UPG lalu ke
TTE dan yang ke 2 dari sub ke UPG lalu ke TTE.

b. Menurut saya algoritma searching BFS lebih cocok untuk menentukan rute karna
Breadth – First Search (BFS) Semua node pada level n akan dikunjungi terlebi
dahulu sebelum mengunjungi node-node pada level n+1. Pencarian dimulai dari node
akar terus ke level 1 dari kiri ke kanan, kemudian berpindah ke level berikutnya dari
kiri ke kanan hingga solusi ditemukan.
Keuntungan :
o tidak akan menemui jalan buntu, menjamin ditemukannya solusi (jika
solusinya memang ada) dan solusi yang ditemukan pasti yang paling
baik
o jika ada 1 solusi, maka breadth – first search akan menemukannya,jika
ada lebih dari 1 solusi, maka solusi minimum akan ditemukan.
o Kesimpulan : complete dan optimal