Alfi Syahnum
Jurusan Sistem Informasi, Universitas Andalas

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pemanfaatan Metode Naïve Bayes dalam Implementasi Sistem Pakar Untuk Menganalisis Gangguan Perkembangan Anak Meza Silvana; Ricky Akbar; Alfi Syahnum
Jurnal Nasional Teknologi dan Sistem Informasi Vol 6, No 2 (2020): Agustus 2020
Publisher : Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v6i2.2020.74-81

Abstract

Gangguan perkembangan anak (GPA) sering menyulitkan bagi orang tua dalam memahami karakter anak. Permasalahan ini bisanya terdeteksi setelah anak berumur cukup besar sehingga lebih sulit dalam penanganannya. Tidak jarang banyak anak yang mengalami gangguan tersebut sampai mereka dewasa sehingga membuat permasalahan menjadi lebih besar. Untuk membantu pendeteksian gangguan perkembangan pada anak secara dini dibutuhkan suatu sistem yang bisa digunakan oleh orang tua atau lingkungan dengan mudah dengan memanfaatkan metode data mining naive bayes. Metode ini dinilai mampu untuk membantu dengan memberikan rekomendasi dalam mengambil keputusan dalam mendeteksi gangguan perkembangan pada anak. Penelitian ini dibuat sebuah sistem untuk mendeteksi enam gangguan perkembangan pada anak dari pakar. Naive bayes digunakan untuk menghitung probabilitas gangguan perkembangan anak dari berbagai gejala yang ada. Penelitian dimulai dari mengumpulkan data dengan menyebar kuesioner kepada 25 responden terpilih. Kemudian membagi data menjadi data Prior dan data testing antara pakar dan non pakar. Naive bayes dibangun dari nilai prior probability dan diolah menjadi nilai Posterior Probability pada 25 gejala terhadap keenam gangguan perkembangan pada anak yang diteliti. Proses yang dilakukan oleh pengguna adalah memilih gejala pada sistem berdasarkan keluhan yang dirasakan oleh pasien. Keluaran dari sistem ini adalah salah setu jenis penyakit yang terdeteksi oleh sistem serta probabilitasnya berdasarkan pilihan gejala oleh pengguna. Hasil pengujian sistem diujikan kepada 10 data Prior dan 15 data testing memiliki keakuratan 83,3% untuk pakar dan 73,3% untuk non pakar.