Penerapan bayesian network pada prototipe sistem diagnosa penyakit pencernaan
S Sistem diagnosa merupakan suatu representasi dari sistem pakar yang memanfaatkan pengetahuan seorang pakar untuk di adopsi kedalam komputer, seolah membuat komputer bekerja layaknya seorang ahli dalam menyelesaikan suatu masalah yang membutuhkan daya analisis. Ketidakhadiran seorang pakar dalam membangun sistem diagnosa membuat daya penalaran menjadi tidak pasti sehingga membutuhkan metode probabilitas untuk mengelola kondisi tersebut. Metode Bayesian Network merupakan salah satu teknik dalam data mining yang merepresentasikan sebuah model Directed Acyclic Graph dengan nilai probabilitas bersyarat untuk membangun model prediksi pada suatu masalah tidak pasti. Salah satu bidang yang berkaitan dengan masalah tidak pasti adalah bidang kesehatan sehingga mendorong penu s untuk membangun sistem diagnosa penyakit berdasarkan literatur dan data yang diambil dari website kesehatan. Penerapan metode Bayesian Network pada sistem diagnosa dapat memberikan nilai kepercayaan berdasarkan perhitungan yang di-gnerate oleh sistem secara otomatis. Tingkat ke akuratan dapat dilihat dari kepercayaan yang dihasilkan olej sistem tersebut
D Diagnostic System is a representation of an expert system that utilizes an expert knowledge for adoption into the computer, to make the computer work like an expert in solving a problem that requires analysis. The absence of an expert in building diagnostics system makes reasoning power is uncertain and thus require the probability method to manage the condition. Bayesian Network method is one of data mining techniques that represent a Directed Acyclic Graph models with conditional probability values to build predictive models in an uncertain issue. One area of uncertainty relates to the problem is the health sector that encourages authors to establish a diagnosis system based on the literature and data taken from the health website. Application of Bayesian Network methods in diagnosis systems can give confidence values based on calculations that are generated by the system automatically. The accuracy level can be seen from the confidence generated by the system