KOMPARASI ALGORITMA NAÏVE BAYES DAN DECISION TREE DALAM MELAKUKAN KLASIFIKASI PENYAKIT STROKE PADA DATASET STROKE PREDICTION

Givary, Jose (2024) KOMPARASI ALGORITMA NAÏVE BAYES DAN DECISION TREE DALAM MELAKUKAN KLASIFIKASI PENYAKIT STROKE PADA DATASET STROKE PREDICTION. Skripsi thesis, UNAMA.

Preview	Text BAB I.pdf Download (238kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (436kB)
	Text BAB III.pdf Restricted to Registered users only Download (621kB)
	Text BAB IV.pdf Restricted to Registered users only Download (390kB)
Preview	Text BAB V.pdf Download (159kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (194kB) | Preview

Abstract

Penelitian ini mengeksplorasi pemanfaatan machine learning untuk mengkomparasi dua algoritma dalam mengklasifikasi penyakit stroke dengan menggunakan algoritma Naïve Bayes dan Decision Tree. Dataset stroke prediction yang digunakan mencakup beragam fitur klinis dan faktor risiko stroke dari rekam medis pasien yang didiagnosis menderita atau tidak menderita stroke. Metode klasifikasi Naïve Bayes dan Decision Tree diimplementasikan dalam tahap training dan testing model. Hasil eksperimen menunjukkan bahwa model algoritma Naïve Bayes mencapai tingkat akurasi sebesar 89%, sedangkan model algoritma Decision Tree mencapai tingkat akurasi sebesar 91%. Implikasi dari penelitian ini adalah peningkatan presisi dalam diagnosis penyakit serius seperti stroke dengan memanfaatkan machine learning. Penelitian ini tidak hanya memberikan kontribusi terhadap pengembangan teknologi dalam bidang kesehatan, tetapi juga menggambarkan potensi penerapan algoritma Naïve Bayes dan Decision Tree sebagai alat yang efektif dalam mendukung praktisi kesehatan dalam mengidentifikasi dan mengklasifikasikan penyakit stroke. Penelitian ini berkontribusi pada meningkatkan diagnosis stroke dengan menggunakan algoritma Naïve Bayes dan Decision Tree.

Item Type:	Thesis (Skripsi)
Subjects:	Analisis Sistem Informasi
Divisions:	Skripsi > Teknik Informatika > 2024
Depositing User:	Digital Library
Date Deposited:	24 Sep 2024 07:08
Last Modified:	13 Nov 2024 04:13
URI:	https://repository.unama.ac.id/id/eprint/3757

Actions (login required)

View Item