ANALISIS DAN PENERAPAN ALGORITMA NAȈVE BAYES UNTUK KLASIFIKASI PENYAKIT DIABETES MELITUS (STUDI KASUS : UPTD PUSKESMAS PAKUAN BARU)

Adrian, M. Daffa (2023) ANALISIS DAN PENERAPAN ALGORITMA NAȈVE BAYES UNTUK KLASIFIKASI PENYAKIT DIABETES MELITUS (STUDI KASUS : UPTD PUSKESMAS PAKUAN BARU). Skripsi thesis, UNAMA.

[img] Text
BAB I.pdf

Download (278kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (586kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (210kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (2MB)
[img] Text
BAB V.pdf

Download (8kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (397kB)

Abstract

Diabetes Melitus adalah suatu kelompok penyakit metabolik dengan karakteristik hiperglikemia yang terjadi karena kelainan sekresi insulin, kerja insulin atau keduanya. Hiperglikemia merupakan suatu kondisi pada medis berupa peningkatan kadar glukosa melebihi batas normal yang menjadi karakteristik pada beberapa penyakit terutama Diabetes Melitus di samping berbagai kondisi lainnya. Diabetes Melitus saat ini menjadi salah satu ancaman kesehatan global. Klasifikasi merupakan salah satu teknik dari data mining yang dapat digunakan untuk membantu prediksi hasil klasifikasi tipe-tipe penyakit diabetes dengan menggunakan algoritma naïve bayes. Pengujian dilakukan dengan menggunakan 5 model evaluasi antara lain rapid miner dengan 3 options yaitu Use training set, 5 Fold Cross-Validation, 10 Fold Cross-Validation, serta 2 model evaluasi lainnya yaitu Microsoft Excel dan Phyton. Pengujian data mengenai Diabetes Melitus memiliki akurasi yang tinggi pada model evaluasi excel yaitu 89.00% dibandingkan dengan model evaluasi lainnya. Sedangkan untuk akurasi terendah adalah model evaluasi phyton yang memperoleh akurasi dengan hasil 86.36%. Algoritma naïve bayes dapat dikatakan sebagai salah satu algoritma yang efektif baik dari perhitungan ataupun hasil akhir yang mana pengujian tersebut dapat dijadikan sebagai landasan terkait Diabetes Melitus mengingat hasil akurasi diatas 85%.

Item Type: Thesis (Skripsi)
Subjects: Analisis Sistem Informasi
Divisions: Skripsi > Teknik Informatika > 2023
Depositing User: Digital Library
Date Deposited: 11 Jan 2024 11:49
Last Modified: 11 Jan 2024 11:49
URI: http://repository.unama.ac.id/id/eprint/3059

Actions (login required)

View Item View Item