KOMPARASI METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOUR UNTUK MENGOPTIMASI PREDIKSI PENYAKIT STROKE

Dani, Firman (2023) KOMPARASI METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOUR UNTUK MENGOPTIMASI PREDIKSI PENYAKIT STROKE. Skripsi thesis, UNAMA.

Preview	Text BAB I.pdf Download (129kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (546kB)
	Text BAB III.pdf Restricted to Registered users only Download (153kB)
	Text BAB IV.pdf Restricted to Registered users only Download (992kB)
Preview	Text BAB V.pdf Download (10kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (161kB) | Preview

Abstract

Perkembangan teknologi berkembang sangat pesat, bahkan dibidang kesehatan juga telah menggunakan teknologi-teknologi yang canggih sehingga dapat menyelesaikan pekerjaan dengan cepat dan mudah. Seiring dengan pesatnya perkembangan teknologi dibidang kesehatan, maka telah dilakukan penelitian untuk memprediksi penyakit stroke berdasarkan faktor-faktor yang ada dilingkungan masyarakat. Penelitian ini bertujuan untuk mengkomparasi 2 metode untuk menghasilkan metode yang efektif untuk digunakan dalam memprediksi penyakit stroke, yaitu metode Naïve Bayes dan K-Nearest Neighbour. Peneliti mengambil data sekunder yang bersumber pada website kaggle.com. Penelitian ini menggunakan perhitungan manual dan tools WEKA. Hasil pada perhitungan tools WEKA didapat akurasi pada metode naïve bayes sebesar 95.0464 %, pada metode K-Nearest Neighbour sebesar 95.9752 %, sedangkan pada Tools Rapid Miner menggunakam algoritma naïve bayes didapat akurasi sebesar 95,77% dan pada algoritma K-Nearest Neighbour didapat akurasi sebesar 95,25%. Maka dapat disimpulkan bahwa kedua metode bisa dan efektif digunakan untuk memprediksi penyakit stroke.

Item Type:	Thesis (Skripsi)
Subjects:	Artificial Intelligence
Divisions:	Skripsi > Teknik Informatika > 2023
Depositing User:	Digital Library
Date Deposited:	10 Jan 2024 08:41
Last Modified:	10 Jan 2024 08:41
URI:	https://repository.unama.ac.id/id/eprint/3038

Actions (login required)

View Item