PERBANDINGAN ALGORITMA NAÏVE BAYES CLASSIFIER (NBC) DENGAN RANDOM FOREST UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS (PGK)

CATERINA, PARAS DEWI (2024) PERBANDINGAN ALGORITMA NAÏVE BAYES CLASSIFIER (NBC) DENGAN RANDOM FOREST UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS (PGK). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (99kB)
	Text BAB II.pdf Restricted to Registered users only Download (357kB)
	Text BAB III.pdf Restricted to Registered users only Download (292kB)
	Text BAB IV.pdf Restricted to Registered users only Download (870kB)
	Text BAB V.pdf Download (9kB)
	Text DAFTAR PUSTAKA.pdf Download (228kB)

Abstract

Penyakit Ginjal Kronis (PGK) atau dalam bahasa inggris Chronic Kidney Disease (CKD) adalah gangguan heterogen yang secara bertahap memengaruhi struktur dan fungsi ginjal, sulit untuk pulih, dan menyebabkan tubuh tidak dapat menjaga metabolisme serta gagal dalam menjaga keseimbangan cairan dan elektrolit, yang berujung pada peningkatan kadar ureum. Data penyakit ginjal kronis didapat dari Kaggle, dalam penelitian ini dilakukan perbandingan antara dua algoritma klasifikasi, yaitu Naïve Bayes Classifier (NBC) dan Random Forest dimana belum diketahui algoritma apa yang terbaik dalam mengklasifikasi penyakit ginjal kronis (PGK). Kedua algoritma dievaluasi berdasarkan metrik kinerja seperti akurasi, presisi, recall dan mae, r2, serta rmse. Hasil evaluasi menunjukkan bahwa performa Random Forest cenderung lebih unggul dengan mendapatkan akurasi 94% dan 87% dibandingkan dengan Naïve Bayes Classifier yang memiliki akurasi 95% dan 78% dalam konteks klasifikasi PGK.

Actions (login required)

View Item