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:	https://repository.unas.ac.id/id/eprint/13804

Actions (login required)

View Item