Abstract: Expert systems, a branch of Artificial Intelligence (AI), are designed to represent expert knowledge within a computer system, allowing users to receive solutions as if consulting a human expert. In developing expert systems, an appropriate method is required, one of which is the Bayes Theorem. This method is used to calculate the probability of an event based on available observational data, enabling more accurate disease diagnosis based on patient symptoms. This study applies the Bayesian approach to address uncertainty in identifying gynecological diseases through conditional probability calculations. The data processing results show the probability distribution of various gynecological conditions, including: Anemia (75.38%), Hypertension (14.77%), Placenta Previa (5.00%), Premature Birth (3.00%), Hypotension (0.92%), Hyperemesis Gravidarum (0.63%), Ectopic Pregnancy (0.17%), Ovarian Cyst (0.12%), Uterine Cancer (0.002%), and Endometriosis (0.001%). Based on the findings, anemia is the most commonly experienced condition among pregnant women. Anemia can lead to fatigue, dizziness, fetal developmental disorders, and even premature labor. Therefore, it is recommended to consume iron-rich foods and undergo regular prenatal check-ups to monitor hemoglobin levels and prevent further complications. Keywords: Expert Systems, Identification, obstetric disease, Bayes Theorem. Abstrak: Sistem pakar, yang merupakan bagian dari cabang kecerdasan buatan (Artificial Intelligence), dirancang untuk merepresentasikan pengetahuan seorang pakar ke dalam sistem komputer sehingga pengguna dapat memperoleh solusi seolah-olah berkonsultasi langsung dengan pakar. Dalam pengembangan sistem pakar, dibutuhkan metode yang tepat, salah satunya adalah metode Teorema Bayes. Metode ini digunakan untuk menghitung probabilitas suatu kejadian berdasarkan data observasi yang tersedia, sehingga proses diagnosis penyakit dapat dilakukan secara lebih akurat berdasarkan gejala yang dialami pasien. Penelitian ini menerapkan pendekatan Teorema Bayes untuk menangani ketidakpastian dalam proses identifikasi penyakit kandungan melalui perhitungan probabilitas bersyarat. Hasil pengolahan data menunjukkan distribusi probabilitas beberapa jenis penyakit kandungan, di antaranya: Anemia (75,38%), Hipertensi (14,77%), Plasenta Previa (5,00%), Prematur (3,00%), Hipotensi (0,92%), Hyperemesis Gravidarum (0,63%), Kehamilan Ektopik (0,17%), Kista Ovarium (0,12%), Kanker Rahim (0,002%), dan Endometriosis (0,001%). Dari hasil tersebut, anemia merupakan kondisi paling dominan yang dialami ibu hamil. Anemia berisiko menyebabkan kelelahan, pusing, hambatan perkembangan janin, hingga kelahiran prematur. Oleh karena itu, penanganan yang disarankan meliputi konsumsi makanan kaya zat besi serta pemeriksaan kehamilan secara rutin untuk memantau kadar hemoglobin dan mencegah komplikasi lebih lanjut. Kata kunci: Sistem Pakar, Identifikasi, Penyakit Kandungan, Teorema Bayes.