1. Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi
Pada Anak Menggunakan Metode Naïve Bayes
BAYU HENDRA SETIAWAN
A11.2012.06545
1

2. Latar belakang
1. Di tahun 2011 prevalensi penderita epilepsi di Indonesia berkisar antara
0,5 – 4 % dengan rata-rata prevalensi epilepsi 8,2 per 1.000 penduduk.
2. Sedangkan jumlah pasien penderita epilepsy sekarang di perkirakan
sebanyak 4 juta jiwa
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
2

3. Tujuan
 Pembuatan aplikasi sistem pakar yang dapat mempermudah bagi
penderita penyakit epilepsy dalam mengetahui jenis serangan yang di
derita dan solusi penanganannya melalui pengolahan computer, sehingga
penanganan lebih lanjut terhadap penyakit epilepsy dapat di lakukan
dengan cepat
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
3

4. Gambaran Umum Epilepsi
 Jenis umum epilepsi yang biasanya sering terjadi pada beberapa
penderita adalah kejang kontrak yang berlebihan hingga membuat
penderitanya tidak sadarkan diri untuk beberapa waktu tertentu. Setiap
serangan epilepsi bisa terjadi kapan saja dan dimana saja. Hal inilah yang
membuat epilepsi terlihat sebagai penyakit yang berbahaya.
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
4

5. Metode Naïve Bayes Classifier
 Naïve Bayes Classifier merupakan sebuah metoda klasifikasi yang berakar
pada teorema Bayes. Metode pengklasifikasian dengan menggunakan
metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris
Thomas Bayes.
 Bayes Optimal Classifier menghitung peluang dari suatu kelas dari
masing-masing kelompok atribut yang ada, dan menentukan kelas mana
yang paling optimal. 8/13/2016
5

6. Metode Naïve Bayes Classifier
 The Naive Bayes Classifier bekerja sangat baik dibanding dengan model
classifierlainnya.
 Hal ini dibuktikan oleh Xhemali, Hinde dan Stone dalam jurnalnya “Naïve
Bayes vs. Decision Trees vs. Neural Networks in the
Classification of Training Web Pages” mengatakan bahwa “Naïve
Bayes Classifier memiliki tingkat akurasi yang lebih baik dibanding model
classifier lainnya”. 8/13/2016
6

7. Stade Transition Diagram
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
7
Untuk mempermudah dalam tahap
pembuatan system pakar, maka akan
di buat rancangan program secara
global

8. Implementasi Sistem
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
8

9. Implementasi Sistem
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
9

10. Kuesioner
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
10
Rumus =
𝑇𝑜𝑡𝑎𝑙 𝑆𝑘𝑜𝑟𝑒
𝑇𝑜𝑡𝑎𝑙 𝑆𝑘𝑜𝑟𝑒 𝑻𝒆𝒓𝒕𝒊𝒏𝒈𝒈𝒊
𝑥 100%
STS =
4
260
𝑥 100% = 1.53%
TS =
9
260
𝑥 100% = 3.46%
N =
93
260
𝑥 100% = 35.76%
S =
110
260
𝑥 100% = 43.30%
ST =
44
260
𝑥 100% = 16.92%
0
20
40
60
Sangat
Tidak Setuju
Tidak Setuju Netral Setuju Sangat
Setuju
Kuesioner
Series1 Series2
Dari hasil 26 kuesioner di atas maka dapat disimpulkan bahwa responden setuju bahwa system pakar epilepsy
dapat di andalkan.

11. Tingkat Akurasi
No Diagnosa Sistem Pakar Diagnosa Pakar
1 Parsial sederhana manifestasi klinis Parsial sederhana manifestasi psikis
2 Parsial sederhana manifestasi klinis Parsial sederhana manifestasi klinis
3 Parsial sederhana manifestasi otonomik Parsial sederhana manifestasi otonomik
4 Parsial sederhana manifestasi motoric Parsial sederhana manifestasi motoric
5 Parsial sederhana manifestasi sensorik Parsial sederhana manifestasi sensorik
6 Grandmal umum Grandmal umum
7 Grandmal primer Grandmal primer
8 Grandmal sekunder Grandmal sekunder
9 Petit mal non-khas Petit mal non-khas
10 Petit mal kompleks Petit mal kompleks
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
11
Rumus Menghitung Tingkat Akurasi
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑎𝑡𝑎 𝑉𝑎𝑙𝑖𝑑
𝐽𝑢𝑚𝑙𝑎ℎ 𝑆𝑒𝑙𝑢𝑟𝑢ℎ 𝐷𝑎𝑡𝑎
𝑋 100%
Jadi tingkat akurasi dari 10 data adalah
9
10
𝑋 100% =90%

12. Kesimpulan
1. Sistem pakar pengenalan gejala dini penyakit epilepsy pada anak ini telah mampu
memberikan informasi kepada pengguna mengenai jenis epilepsy berdasarkan gejala-
gejala yang di berikan.
2. Pembaharuan pengetahuan pada system pakar ini dapat di lakukan seorang pakar atau
admin.
3. Sistem mampu mendiagnosis dengan tepat sesuai pendapat pakar sebenarnya sebesar
90% dari 10 data pasien.
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
12

13. Saran
1. Perawatan perlu di lakukan agar program ini dapat di gunakan semaksimal mungkin serta di
lakukan evaluasi terhadap system sehingga dapat di lakukan penyesuaian system.
2. Dalam pelaksanaanya masih banyak usert yaitu masyarakat masih bingung dalam
menggunakan system pakar ini karena belum mengetahui cara mengoperasikan computer.
3. Program ini masih jauh dari kata sempurna maka dari itu perlu di lakukan perbaikan –
perbaikan demi kesempurnaan program dan kemudahan pemakai.
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
13

14. Question ?
8/13/2016
14

15. TERIMAKASIH…
8/13/2016
Sistem Pakar Pengenalan Gejala Dini Penyakit Epilepsi Pada Anak
Menggunakan Metode Naïve Bayes
15