PERBANDINGAN KINERJA NAÏVE BAYES DAN DECISION TREE C4.5 UNTUK KLASIFIKASI PENYAKIT STROKE PERBANDINGAN KINERJA NAÏVE BAYES DAN DECISION TREE C4.5 UNTUK KLASIFIKASI PENYAKIT STROKE PERBANDINGAN KINERJA NAÏVE BAYES DAN DECISION TREE C4.5 UNTUK K: Perbandingan Kinerja Naïve Bayes Dan Decision Tree C4.5 Untuk Klasifikasi Penyakit Stroke LASIFIKASI PENYAKIT STROKE

Sarita, Rahma (2024) PERBANDINGAN KINERJA NAÏVE BAYES DAN DECISION TREE C4.5 UNTUK KLASIFIKASI PENYAKIT STROKE PERBANDINGAN KINERJA NAÏVE BAYES DAN DECISION TREE C4.5 UNTUK KLASIFIKASI PENYAKIT STROKE PERBANDINGAN KINERJA NAÏVE BAYES DAN DECISION TREE C4.5 UNTUK K: Perbandingan Kinerja Naïve Bayes Dan Decision Tree C4.5 Untuk Klasifikasi Penyakit Stroke LASIFIKASI PENYAKIT STROKE. Skripsi thesis, UNAMA.

[img] Text
BAB I.pdf

Download (34kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (457kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (274kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB V.pdf

Download (14kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (124kB)

Abstract

Stroke merupakan kerusakan pada otak yang muncul mendadak, progresif, dan cepat akibat gangguan peredaran darah otak non traumatik, yang secara mendadak menimbulkan gejala seperti kelumpuhan sesisi wajah atau anggota badan, bicara tidak lancar, bicara tidak jelas, perubahan kesadaran, gangguan penglihatan serta pasien yang mengalami Stroke tidak hanya mengalami kecacatan fisik, tetapi juga cenderung mengalami masalah psikologis seperti depresi dan disfasia. Keberhasilan penanganan Stroke dapat terjadi jika penanganan dilakukan secara tepat, cepat, dan cermat pada penanganan awal pasien, penanganan yang diperlukan adalah dengan melakukan prediksi pada pasien stroke dengan menggunakan metode klasifikasi algoritma Naïve Bayes dan C4.5. Penelitian ini bertujuan untuk mengetahui perbandingan kinerja algoritma Naïve Bayes dan C4.5. Hasil perbandingan menunjukkan bahwa Naive Bayes dan Decision Tree C4.5 efektif dalam prediksi. Decision Tree C4.5, memiliki akurasi lebih tinggi, mencapai 94,7791% pada persenan data 80% penerapan metode ini dapat membantu deteksi dini dalam penanganan Stroke.

Item Type: Thesis (Skripsi)
Subjects: Analisis Sistem Informasi
Divisions: Skripsi > Teknik Informatika > 2024
Depositing User: Digital Library
Date Deposited: 26 Sep 2024 06:08
Last Modified: 09 Nov 2024 09:15
URI: http://repository.unama.ac.id/id/eprint/3799

Actions (login required)

View Item View Item