Penerapan Data Mining Untuk Klasifikasi Penyakit Demam Berdarah Dengan Menggunakan Algoritma Naïve Bayes

Veronica, Veronica (2020) Penerapan Data Mining Untuk Klasifikasi Penyakit Demam Berdarah Dengan Menggunakan Algoritma Naïve Bayes. Skripsi thesis, Universitas Dinamika Bangsa.

	Text BAB I.pdf Download (183kB)
	Text BAB II.pdf Restricted to Registered users only Download (363kB)
	Text BAB III.pdf Restricted to Registered users only Download (146kB)
	Text BAB IV.pdf Restricted to Registered users only Download (495kB)
	Text BAB V.pdf Download (938kB)
	Text BAB VI.pdf Download (131kB)
	Text DAFTAR PUSTAKA.pdf Download (98kB)

Abstract

Penyakit demam berdarah merupakan salah satu masalah kesehatan masyarakat di Indonesia yang jumlah penderitanya cenderung meningkat dan penyebarannya semakin luas. Agar mengetahui tingkatan penyebaran penyakit demam berdarah di daerah Jambi dapat dilakukan prediksi dengan berdasarkan data-data pasien pada Puskesmas UPTD Pakuan Baru. Data-data yang terus meningkat ini membutuhkan metode untuk mengolah dan mengambil kesimpulan dan informasi. Pada tugas akhir ini penulis menggunakan metode algoritma Naïve Bayes. Dengan menggunakan atribut berupa jenis kelamin, alamat, kategori usia, demam, muntah, ruam merah, sakit kepala, jentik, musim dan demam berdarah. Untuk menghitung akurasi dari penelitian penulis juga menggunakan perhitungan precision, recall dan accuracy untuk mendapatkan hasil yang optimal dengan menggunakan 5 test options. Hasil dari 5 test options data training diperoleh rata-rata Correctly Classified Instances adalah 80,2 dan Incorrectly Classified Instances 6,2 serta persentase akurasi rata-rata Correctly Classified Instances sebesar 92,5% dan Incorrectly Classified Instances 7,5%. Pada data testing kelas rata-rata Correctly Classified Instances adalah 36,4 dan Incorrectly Classified Instances 1 serta persentase hasil akurasi Correctly Classified Instances sebesar 98,08% dan Incorrectly Classified Instances 1,92%.

Actions (login required)

View Item