KLASIFIKASI NAÏVE BAYES UNTUK PREDIKSI AWAL PENYAKIT DIABETES MELITUS KLASIFIKASI NAÏVE BAYES UNTUK PREDIKSI AWAL PENYAKIT DIABETES MELITUS

Bella, Meliana Adinda (2024) KLASIFIKASI NAÏVE BAYES UNTUK PREDIKSI AWAL PENYAKIT DIABETES MELITUS KLASIFIKASI NAÏVE BAYES UNTUK PREDIKSI AWAL PENYAKIT DIABETES MELITUS. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (242kB)
	Text BAB 2.pdf Download (398kB)
	Text BAB 3.pdf Download (444kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (218kB)
	Text LAMPIRAN.pdf Download (637kB)

Abstract

Berdasarkan World Health Organization, diabetes melitus adalah suatu penyakit
kronis yang disebabkan oleh ketidakmampuan pankreas untuk menghasilkan
insulin dalam jumlah yang cukup atau oleh ketidakmampuan sel-sel tubuh untuk
merespons insulin secara efektif, sehingga menyebabkan peningkatan kadar gula
darah. Penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi
yang dapat membantu dalam pengambilan keputusan untuk prediksi awal penyakit
diabetes dengan mengetahui faktor apa saja yang harus menjadi pertimbangan
dengan menggunakan metode Naive Bayes. Proses penelitian dimulai dengan
pengumpulan data pasien yang mencakup berbagai atribut seperti usia, jenis
kelamin, berat badan, tinggi badan, glukosa, kolestrol (HDL, LDL), dan trigliserida.
Algoritma Naive Bayes telah diuji melalui aplikasi RapidMiner dengan
menggunakan 235 data pasien yang melakukan pengecekan darah dan 2 data
testing. Hasil pengujian menunjukkan akurasi yang diperoleh mencapai 96,17%,
menunjukkan bahwa sistem ini mampu melakukan klasifikasi dengan tingkat
ketepatan yang tinggi. Presisi sistem tercatat sebesar 97,01%, yang menandakan
bahwa sebagian besar prediksi positif adalah benar. Selain itu, recall sebesar
96,30% menunjukkan kemampuan sistem dalam mendeteksi sebagian besar kasus
positif diabetes melitus. Nilai Area Under the Curve (AUC) dari ROC Curve
sebesar 0,985 mengindikasikan kemampuan diskriminatif yang sangat baik dalam
membedakan antara kasus positif dan negatif.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T201 Patents. Trademarks
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika
Depositing User:	Users 30 not found.
Date Deposited:	13 Sep 2024 04:36
Last Modified:	18 Sep 2024 01:38
URI:	https://repository.unas.ac.id/id/eprint/11882

Actions (login required)

View Item