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

Suastu Aditia, Dwiki (2023) PENERAPAN ALGORITMA NAÏVE BAYES DAN GREEDY FORWARD SELECTION UNTUK PREDIKSI GAGAL JANTUNG. Skripsi thesis, UNAMA.

Preview	Text bab 1.pdf Download (78kB) | Preview
Preview	Text bab 2.pdf Download (232kB) | Preview
Preview	Text bab 3.pdf Download (57kB) | Preview
	Text bab 4.pdf Restricted to Registered users only Download (654kB)
	Text bab 5.pdf Restricted to Registered users only Download (44kB)
	Text daftar pustaka.pdf Restricted to Registered users only Download (49kB)

Abstract

Gagal jantung didefinisikan sebagai ketidakmampuan jantung untuk memompa darah 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 86.27%, sedangkan model Naïve Bayes tanpa seleksi fitur Greedy Forward Selection hanya mendapat
nilai akurasi sebesar 84.64%.

Item Type:	Thesis (Skripsi)
Subjects:	Artificial Intelligence
Divisions:	Skripsi > Teknik Informatika > 2023
Depositing User:	Digital Library
Date Deposited:	25 Mar 2024 01:33
Last Modified:	25 Mar 2024 01:33
URI:	https://repository.unama.ac.id/id/eprint/3541

Actions (login required)

View Item