IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI PENYAKIT STROKE OTAK

Wijaya, M. Rizky (2023) IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI PENYAKIT STROKE OTAK. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (405kB)
	Text BAB II.pdf Restricted to Registered users only Download (597kB)
	Text BAB III.pdf Restricted to Registered users only Download (328kB)
	Text BAB IV.pdf Restricted to Registered users only Download (746kB)
	Text BAB V.pdf Download (9kB)
	Text DAFTAR PUSTAKA.pdf Download (208kB)

Abstract

Stroke merupakan penyakit yang disebabkan oleh penyumbatan darah di otak dan merupakan penyakit terbanyak ketiga setelah penyakit jantung dan kanker serta penyebab kecacatan tertinggi. Upaya yang bisa dilakukan adalah dengan melakukan pendeteksian dini stroke dalam bentuk SKD (Sistem Kewaspadaan Dini). Pendeteksian dini dapat dilakukan dengan mengetahui faktor pemicu yang mempengaruhi terjadinya stroke dan memprediksinya. Untuk dapat memprediksi penyakit stroke dibutuhkan sebuah klasifikasi pada data pasien Salah satunya menggunakan metode data mining dengan menggunakan algoritma naive bayes. Dari hasil yang didapat dari analisis data stroke otak menggunakan metode naive bayes dengan membandingkan 3 slpit data antara lain 0.8 ; 0.2, 0.7 ; 0.3, dan 0.6 ; 0.4 dengan perbandingan menggunakan 2 tools yaitu tools WEKA dan RapidMiner, memiliki akurasi yang cukup tinggi dan tidak jauh berbeda antara satu dengan yang lainnya. Perbandingan dengan split data 0.8 ; 0.2 dengan tools WEKA memiliki akurasi 88.6146% dan 85.30% dari tools RapidMiner, sedangkan split data 0.7 ; 0.3 dengan tools WEKA memiliki akurasi 88.5755% dan 86.49% dari tools RapidMiner, dan perbandingan split data 0.6 ; 0.4 dengan tools WEKA memiliki akurasi 88.5494% dan 86.85% dari tools RapidMiner.

Actions (login required)

View Item