EKSPERIMEN KLASIFIKASI DATA MINING PADA DATA REKAM MEDIS DIRUMAH SAKIT UMUM RIMBO MEDIKA MENGGUNAKAN METODE NAÏVE BAYES

Ardiansyah, Ardiansyah (2019) EKSPERIMEN KLASIFIKASI DATA MINING PADA DATA REKAM MEDIS DIRUMAH SAKIT UMUM RIMBO MEDIKA MENGGUNAKAN METODE NAÏVE BAYES. Skripsi thesis, STIKOM Dinamika Bangsa Jambi.

	Text BAB I.pdf Download (408kB)
	Text BAB II.pdf Restricted to Registered users only Download (471kB)
	Text BAB III.pdf Restricted to Registered users only Download (241kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (824kB)
	Text BAB VI.pdf Download (194kB)
	Text DAFTAR PUSTAKA.pdf Download (394kB)

Abstract

Data mining adalah suatu konsep penggalian data yang digunakan untuk menemukan pengetahuan yang tersembunyi didalam basis data. di Rumah Sakit Umum Rimbo Medika terdapat banyak sekali data pasien yang tersimpan didalam data rekam medis tiap bulannya dan tidak ada tindak lanjut dari data-data yang tersedia. Oleh karena itu, Penulis melakukan analisis data mining pada data-data pasien tersebut agar menjadi informasi yang sangat berharga bagi organisasi. Penulis menggunakan data pasien tahun 2018 bulan Februari sampai Oktober sebanyak 418 data yang kemudian disajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Metode yang digunakan adalah metode klasifikasi Naïve Bayes dengan 25 atribut. Untuk menyeleksi atribut penulis menggunakan algoritma classifier attribute evaluation Hasil klasifikasi Naïve Bayes dengan persentasi akurasi terbesar diperoleh dengan menggunakan Use Training Set yaitu sebesar 77.2727%, menggunakan 5-Fold cross validation Correctly sebesar 73.9234% dan menggunakan 10-Fold Cross Validation sebesar 73.2057%. Sedangkan hasil seleksi atribut menggunakan algoritma classifier attribute evaluation (ClassifierAttributeEval) dinyatakan bahwa atribut yang paling berpengaruh terhadap klasifikasi data rekam medis untuk memprediksi Tingkat resiko adalah Anamnese.

Actions (login required)

View Item