OPTIMASI ALGORITMA NAÏVE BAYES MENGGUNAKAN METODE FEATURE SELECTION UNTUK PREDIKSI PENYAKIT DIABETES

Kusuma, Diki Andita and Chairani, Chairani (2022) OPTIMASI ALGORITMA NAÏVE BAYES MENGGUNAKAN METODE FEATURE SELECTION UNTUK PREDIKSI PENYAKIT DIABETES. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

	Text cover.pdf Download (53kB)
	Text abstrak.pdf Download (126kB)
	Text Scan halaman Persetujuan dan Pengesahan.pdf Download (3MB)
	Text Daftar isi.pdf Download (174kB)
	Text bab 1.pdf Download (559kB)
	Text bab 2.pdf Download (637kB)
	Text bab 3.pdf Download (558kB)
	Text bab 4.pdf Download (344kB)
	Text bab 5.pdf Download (179kB)
	Text daftar pustaka.pdf Download (411kB)
	Text lampiran.pdf Download (52kB)

Abstract

Penyakit diabetes dikenal sebagai penyakit silent killer. Hal ini membuat penyandangnya banyak yang tidak menyadari bahwa dirinya terserang penyakit diabetes. Keterlambatan dalam mendiagnosa penyakit diabetes dapat menimbulkan berbagai komplikasi yang membahayakan nyawa penderita. Di era digital saat ini, data mining dapat diimplementasikan di bidang kesehatan. Salah satu penerapannya yang paling dikenal pada saat ini adalah penggunaan data mining untuk memprediksi penyakit, salah satunya yaitu penyakit diabetes. Merujuk pada jurnal yang berjudul “Penerapan Algoritma Naïve bayes Untuk Klasifikasi Penyakit Diabetes” memiliki kesamaan yaitu mengenai dataset dan algoritma yang digunakan, sehingga dapat digunakan sebagai pembanding dengan peneliti yang menambahkan feature selection untuk meningkatkan nilai akurasi dari performa model. Berdasarkan hasil eksperimen yang dilakukan pada algortima naïve bayes menggunakan feature selection dengan metode forward selection menunjukkan adanya peningkatan akurasi dari peneliti sebelumnya yang belum menerapkan metode feature selection. akurasi yang diperoleh yaitu sebesar 92,10% dengan nilai AUC 0,965 dengan kriteria excellent Classification, dengan mempertahankan 4 atribut yang berpengaruh yaitu polyuria , gender, alopecia, dan Irritability. Kata kunci : Naïve Bayes, Penyakit Diabetes, Feature Selection

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	S1 Diki Andita Kusuma
Date Deposited:	03 Feb 2023 07:00
Last Modified:	03 Feb 2023 07:00
URI:	http://repo.darmajaya.ac.id/id/eprint/10492

Actions (login required)

View Item