PENERAPAN ALGORITMA NAÏVE BAYES DAN GREEDY FORWARD SELECTION UNTUK PREDIKSI PENYAKIT GAGAL JANTUNG

Mubin, M. Satria (2024) PENERAPAN ALGORITMA NAÏVE BAYES DAN GREEDY FORWARD SELECTION UNTUK PREDIKSI PENYAKIT GAGAL JANTUNG. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (93kB)
	Text BAB II.pdf Restricted to Registered users only Download (426kB)
	Text BAB III (1).pdf Restricted to Registered users only Download (133kB)
	Text BAB IV.pdf Restricted to Registered users only Download (904kB)
	Text BAB V (1).pdf Download (7kB)
	Text DAFTAR PUSTAKA.pdf Download (91kB)

Abstract

Gagal jantung merupakan salah satu faktor utama yang berkontribusi terhadap tingginya tingkat morbiditas dan mortalitas di seluruh dunia. Kondisi gagal jantung merujuk pada ketidakmampuan jantung dalam memompa darah dengan efisien untuk memenuhi kebutuhan tubuh akan oksigen dan nutrisi. Gagal jantung sulit dikenali secara klinis, karena presentasi klinis yang beragam dan beberapa tanda klinis yang tidak spesifik pada tahap awal penyakit. Salah satu cara yang dapat digunakan untuk mengatasi permasalahan tersebut adalah dengan menggunakan teknik data mining. Salah satu algoritma klasifikasi dalam data mining yang dapat digunakan adalah Naïve Bayes. Naïve Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Namun algoritma naïve bayes diperlukan optimasi untuk meningkatkan kinerja dari model yang digunakan. Penelitian ini menggunakan seleksi fitur Greedy Forward Selection sehingga akan mendapatkan fitur atau atribut yang relevan. Hasil penelitian menunjukkan bahwa model Naïve Bayes dan Greedy Forward Selection mendapatkan nilai akurasi tertinggi sebesar 81,48% dengan menggunakkan RapidMiner, sedangkan 79,24% menggunakan aplikasi WEKA.

Actions (login required)

View Item