Berbagi Free & Full Source Code Sistem Pakar Berbasis WEB Responsive menggunakan Naive Bayes

Salam sejahtera untuk kita semua semoga kita selalu diberikan kesehatan, kelancaran, keberkahan didalam segela aktifitas kehidupan kita oleh Yang Maha Kuasa Allah SWT.Aaamiin

Kembali lagi saya share Full Source Code Sistem Pakar untuk penyakit Ibu Hamil dan Menyusui dengan menggunakan Naive Bayes berbasis WEB Responsive, dimana tampilan bisa menyesuaikan dengan layar pada Mobile Phone yang kita gunakan.

Algoritma Naive Bayes merupakan sebuah metoda klasifikasi menggunakan metode probabilitas dan statistik yg dikemukakan oleh ilmuwan Inggris Thomas Bayes. Algoritma Naive Bayes memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai Teorema Bayes. Ciri utama dr Nave Bayes Classifier ini adalah asumsi yg sangat kuat (naf) akan independensi dari masing-masing kondisi / kejadian.

Naive Bayes Classifier bekerja sangat baik dibanding dengan model classifier lainnya. Hal ini dibuktikan pada jurnal Xhemali, Daniela, Chris J. Hinde, and Roger G. Stone. "Naive Bayes vs. decision trees vs. neural networks in the classification of training web pages." (2009), mengatakan bahwa "Nave Bayes Classifier memiliki tingkat akurasi yg lebih baik dibanding model classifier lainnya".

Keuntungan penggunan adalah bahwa metoda ini hanya membutuhkan jumlah data pelatihan (training data) yang kecil untuk menentukan estimasi parameter yg diperlukan dalam proses pengklasifikasian. Karena yg diasumsikan sebagai variabel independent, maka hanya varians dari suatu variabel dalam sebuah kelas yang dibutuhkan untuk menentukan klasifikasi, bukan keseluruhan dari matriks kovarians. (sumber :https://informatikalogi.com/algoritma-naive-bayes).

Fasilitas yang diberikan oleh sistem pakar ini :

Konsultasi, menu ini merupakan fasilitas yang diberikan untuk melakukan konsultasi dengan user mengenai penyakit yang bersangkutan.

Gejala, fasilitas ini diberikan untuk mengisikan gejala-gejala tentang penyakit 

Aturan, fasilitas ini diberikan untuk mengisikan relasi antara gejala dan penyakit yang bersangkutan, kemudian pemberian nilai bobot dari masing-masing gejala dimana nantinya akan menjadi dasar perhtungan nilai yang dianggap mendekati dengan penyakit.