Sihombing, Cintia Marito (2024) ALGORITMA NAÏVE BAYES DAN CORRELATION BASED FEATURE SELECTION PADA DETEKSI PENYAKIT STROKE SKRIPSI SARJANA INFORMATIKA. Bachelor thesis, Universitas Nasional.
Text
COVER.pdf Download (1MB) |
|
Text
BAB I.pdf Download (152kB) |
|
Text
BAB II.pdf Download (215kB) |
|
Text
BAB III.pdf Download (162kB) |
|
Text
BAB IV.pdf Download (1MB) |
|
Text
BAB V.pdf Download (140kB) |
|
Text
LAMPIRAN.pdf Download (448kB) |
Abstract
Berdasarkan data WHO, stroke ditetapkan menjadi penyakit paling mematikan kedua di dunia. Stroke terjadi disaat suplai darah menuju otak terhambat maupun berkurang dikarenakan tersumbat atau pembuluh darah yang pecah. Stroke mempunyai dampak dan akibat yang luas, sehingga sangat penting untuk menyelidiki penyakit ini. Oleh karena itu diperlukan perhatian khusus dalam profesi kedokteran khususnya bidang keperawatan. Khususnya pada bidang teknologi, memasuki era Revolusi Industri 4.0 akan bertambah maju seiring berjalannya waktu dan digunakan dalam ilmu kesehatan dengan menggunakan teknologi seperti machine learning. Perkembangan ini memberikan banyak keuntungan karena memungkinkan kita memprediksi berbagai penyakit dengan cepat dan akurat. Salah satunya adalah Stroke yang menggunakan algoritma Naive Bayes dan Corelation Based Feature. Manfaat penelitian ini adalah komplikasi serius dapat dicegah, dapat mendeteksi penyakit ini sejak dini, dan meminimalisir biaya yang muncul karena permasalahan ini. Penelitian ini bertujuan untuk memprediksi kemungkinan seseorang terindikasi stroke atau tidak dengan algoritma naïve bayes dan correlation based feature selection
Item Type: | Thesis (Bachelor) |
---|---|
Subjects: | Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources |
Divisions: | Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika |
Depositing User: | Miss Rahma Rahmawati |
Date Deposited: | 22 May 2024 02:29 |
Last Modified: | 22 May 2024 02:29 |
URI: | http://repository.unas.ac.id/id/eprint/11008 |
Actions (login required)
View Item |