SISTEM PAKAR DIAGNOSA PENCABUTAN GIGI MENGGUNAKAN METODE NAÏVE BAYES PADA RUMAH SAKIT PERMATA BEKASI

Dental and oral health are important to consider and are an integral part of overall health that requires immediate treatment before it's too late and can affect one's Kesehatan gigi dan mulut penting untuk diperhatikan dan merupakan bagian integral dari kesehatan secara keseluruhan yang memerlukan penanganan segera sebelum terlambat dan dapat mempengaruhi kondisi kesehatan seseorang. Minimnya pengetahuan serta terbatasnya sumber informasi mengenai kesehatan gigi dan mulut menyebabkan kesadaran masyarakat untuk menjaga kesehatan gigi dan mulut masih rendah. Salah satu kendala yang dialami pasien penyakit gigi yaitu sulitnya mengambil keputusan dalam hal pencabutan gigi. Oleh karena itu pada penelitian ini dibangun suatu sistem pakar yang dapat mendiagnosa keputusan dalam pencabutan gigi berdasarkan pengetahuan yang diperoleh dari pakar langsung. Sistem pakar ini berbasis web dan dibangun menggunakan bahasa pemrograman Php dan database Mysql. Metode inferensi yang digunakan adalah metode Naïve Bayes. Metode ini dapat mendiagnosa keputusan pencabutan gigi menyesuaikan fakta yang dialami dan aturan yang telah dibuat. Setelah gejala didapatkan maka sistem pakar akan menampilkan hasil keputusan. Sistem pakar ini terdiri dari 11 gejala, 26 Atribut, dan 2 hasil keputusan yaitu cabut dan tidak cabut. Hasil dari penelitian ini adalah: (1) pengujian fungsional menggunakan metode black box memperoleh hasil sesuai harapan, (2) sistem melalui pengujian kepakaran dan memperoleh hasil rata-rata sebesar 86,66% (sangat baik). Berdasarkan nilai akurasi tersebut maka dapat disimpulkan bahwa sistem dapat mendiagnosa keputusan pencabutan gigi dengan baik. health condition. The lack of knowledge and the limited sources of information on oral health have caused public awareness to maintain oral health is still low. One obstacle experienced by dental disease patients is the difficulty of making decisions in terms of tooth extraction. Therefore in this study an expert system was built that could diagnose the decision on tooth extraction based on knowledge obtained from the expert directly. This expert system is web-based and was built using the Php and Mysql database programming languages. The inference method used is the Naïve Bayes method. This method can diagnose tooth extraction decisions according to the facts experienced and the rules that have been made. After symptoms are obtained, the expert system will display the results of the decision. This expert system consists of 11 symptoms, 26 attributes, and 2 decision results, namely unplug and unplug. The results of this study are: (1) functional testing using the black box method with the Equivalence Partitioning (EP) technique obtaining the expected results, (2) the system through expertise testing and obtaining an average result of 86.66% (very good). Based on the accuracy value, it can be concluded that the system can diagnose the tooth extraction decision well.