PENERAPAN DATA MINING UNTUK PREDIKSI PENYAKIT TUMOR OTAK CITRA MRI MENGGUNAKAN NAÏVE BAYES

Eggy, Muhammad (2023) PENERAPAN DATA MINING UNTUK PREDIKSI PENYAKIT TUMOR OTAK CITRA MRI MENGGUNAKAN NAÏVE BAYES. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (431kB)
	Text BAB II.pdf Restricted to Registered users only Download (426kB)
	Text BAB III.pdf Restricted to Registered users only Download (304kB)
	Text BAB IV.pdf Restricted to Registered users only Download (795kB)
	Text BAB V.pdf Download (8kB)
	Text DAFTAR PUSTAKA.pdf Download (310kB)

Abstract

Dengan berkembangnya teknologi yang semakin pesat pada saat ini, menjadikan banyak hal yang sebelumnya sulit untuk diprediksi menjadi mudah untuk diprediksi. Dengan memanfaatkan ilmu pengetahuan yang ada dan didukung oleh data yang sesuai, maka untuk memprediksi suatu hal bukan lagi menjadi hal yang sulit. Di bidang pemerintahan, pendidikan, dan juga kesehatan kini sudah mulai memanfaatkan teknologi yang semakin berkembang ini. Terutama dalam bidang kesehatan, yang digunakan untuk mengklasifikasikan apakah sang pasien terdiagnosa dengan benar memiliki sebuah penyakit berdasarkan hasil tes yang telah dijalani. Tujuan utama penelitian ini adalah untuk memprediksi Tumor otak dengan menggunakan algoritma naïve bayes. Dataset yang telah dipilih penulis yaitu “Brain Tumor Dataset”, data tersebut memiliki total sebanyak 3.763 data dengan 13 atribut yaitu Mean, Variance, Standard Deviation, Entropy, Skewness, Kurtosis, Contrast, Energy, ASM, Homogeneity, Dissimilarity, Correlation, Class, Pada tahap aktivitas data mining dilakukan penulis menggunakan dua jenis tools yang berbeda yaitu WEKA dan RapidMiner, Data yang digunakan penulis pada pengujian ini akan dilakukan split data untuk data training dan data testing sebanyak 60;40, 70;30, dan 80;20. Metode yang digunakan dalam penelitian ini adalah Algoritma Naïve Bayes. Hasil dari penelitian ini adalah untuk mengklasifikasikan Tumor Otak. Dari hasil pengujian klasifikasi dengan algortima naïve bayes, didapatkan tingkat akurasi yang cukup baik sebesar yaitu 95%.

Actions (login required)

View Item