KLASIFIKASI KASUS CACAR MONYET DI INDONESIA TAHUN 2022-2024 MENGGUNAKAN ALGORITMA NAIVE BAYES

ADEL, AHMAD FAROUK (2025) KLASIFIKASI KASUS CACAR MONYET DI INDONESIA TAHUN 2022-2024 MENGGUNAKAN ALGORITMA NAIVE BAYES. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (1MB)
	Text BAB 1.pdf Download (215kB)
	Text BAB 2.pdf Download (396kB)
	Text BAB 3.pdf Download (288kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (232kB)
	Text LAMPIRAN.pdf Download (349kB)

Abstract

Cacar monyet merupakan penyakit menular yang mengalami peningkatan jumlah kasus di Indonesia dalam beberapa tahun terakhir. Untuk membantu dalam proses klasifikasi tingkat keparahan kasus, penelitian ini menerapkan algoritma Naïve Bayes dalam menganalisis data epidemiologi kasus cacar monyet di Indonesia pada periode 2022–2024. Algoritma ini dipilih karena kemampuannya dalam menangani data dengan atribut independen serta efisiensinya dalam proses klasifikasi probabilistik. Data yang digunakan dikategorikan ke dalam tiga kelas: rendah, sedang, dan tinggi, kemudian diolah menggunakan RapidMiner. Hasil penelitian menunjukkan bahwa model dengan rasio data latih dan data uji 50:50 memberikan akurasi terbaik dibandingkan dengan rasio lainnya. Evaluasi model dengan metrik precision, recall, dan f1-score menunjukkan performa yang cukup baik dalam mengklasifikasikan tingkat keparahan kasus. Oleh karena itu, penelitian ini diharapkan dapat membantu instansi kesehatan dalam memprioritaskan langkah-langkah pencegahan dan penanganan lebih lanjut terhadap penyebaran cacar monyet di Indonesia.

Item Type:	Thesis (Bachelor)
Subjects:	L Education > L Education (General) R Medicine > R Medicine (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Yulia Zahra Yamini
Date Deposited:	18 Jul 2025 03:43
Last Modified:	18 Jul 2025 03:43
URI:	http://repository.unas.ac.id/id/eprint/13804

Actions (login required)

View Item