Penerapan Teorema Bayes pada Sistem Pakar untuk Diagnosis Infeksi Human Metapneumovirus (HMPV)

Abstract

Human Metapneumovirus (HMPV) adalah virus pernapasan yang dapat menimbulkan infeksi pada saluran pernapasan atas maupun bawah, khususnya pada kelompok yang memiliki risiko tinggi seperti anak-anak, lansia, serta individu dengan sistem kekebalan tubuh yang lemah. Secara klinis, infeksi HMPV menunjukkan gejala yang serupa dengan penyakit pernapasan lain, seperti influenza dan Respiratory Syncytial Virus (RSV), sehingga sering menimbulkan kesulitan dalam proses diagnosis pada tahap awal. Permasalahan ini semakin diperburuk oleh keterbatasan fasilitas pemeriksaan laboratorium khusus, misalnya RT-PCR, yang belum tersedia secara merata, terutama di daerah dengan keterbatasan sumber daya kesehatan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pakar berbasis Teorema Bayes sebagai alat bantu dalam melakukan diagnosis dini infeksi HMPV berdasarkan gejala klinis yang dialami pasien. Pendekatan probabilistik melalui Teorema Bayes diterapkan untuk mengelola ketidakpastian data dengan menghitung tingkat kemungkinan terjadinya infeksi berdasarkan pembobotan gejala yang ditetapkan oleh pakar serta input yang diberikan oleh pengguna. Metode penelitian yang digunakan meliputi analisis permasalahan, pengumpulan data melalui studi literatur dan konsultasi pakar, serta pengembangan sistem pakar dengan mengintegrasikan Teorema Bayes. Sistem yang dikembangkan menganalisis dua belas gejala utama yang berkaitan dengan infeksi HMPV. Hasil pengujian menunjukkan bahwa sistem menghasilkan nilai probabilitas infeksi HMPV sebesar 80% yang termasuk dalam kategori hampir pasti. Temuan ini membuktikan bahwa penerapan Teorema Bayes dalam sistem pakar dapat berperan secara efektif dalam mendukung diagnosis dini infeksi HMPV, meningkatkan akurasi pengambilan keputusan medis, serta membantu tenaga kesehatan dalam memberikan penanganan awal yang lebih cepat dan tepat.