Data statistik menunjukkan kematian yang diakibatkan HIV sebesar 15% dan
AIDS sebesar 7,7% dari total 200 ribu kasus di Indonesia, mayoritas disebabkan
oleh Infeksi Oportunistik (IO) yang tidak ditangani dengan tepat. Sementara itu,
keberadaan Rumah Sakit Aktif Pelayanan, Dukungan, dan Pengobatan (RS-PDP)
HIV/AIDS di Indonesia hanya tersedia di kota-kota besar, sehingga jumlah tenaga
medis yang memahami HIV/AIDS terbatas dan hanya tersedia di RS-PDP.
Karena masalah tersebut, dirancang suatu sistem pakar yang dapat
memberikan hasil diagnosis Infeksi Oportunistik berdasarkan gejala-gejala yang
dialami oleh pasien HIV/AIDS. Knowledge base pada sistem pakar akan diperoleh
dengan mempelajari gejala-gejala dan IO melalui buku dan wawancara kepada
pakar. Gejala-gejala klinis tersebut akan disusun menjadi dasar pengetahuan yang
kemudian digunakan sebagai knowledge base pada sistem pakar. Knowledge base
tersebut kemudian akan ditelusuri menggunakan metode Naïve Bayes Classifier
untuk menentukan nilai probabilitas IO berdasarkan gejala-gejala yang diderita
sehingga menghasilkan konklusi akhir berupa hasil diagnosis IO.
Data rekam medis pasien HIV/AIDS digunakan sebagai data uji. Dengan
menggunakan confusion matrix, performa sistem diuji dengan menghitung
accuracy, precision, dan recall. Pengujian performa dilakukan untuk mengetahui
keakuratan dan ketepatan sistem pakar dalam memberikan hasil diagnosis IO. Dari
sepuluh kelas IO, diperoleh nilai rata-rata accuracy sebesar 98,4%, nilai rata-rata
precision sebesar 92,5%, dan nilai rata-rata recall sebesar 95,2%.
Kata Kunci: sistem pakar, Naïve Bayes Classifier, Infeksi Oportunistik, HIV,