PREDIKSI PENDERITA DIABETES MENGGUNAKAN METODE NAIVE BAYES
DOI:
https://doi.org/10.23960/jitet.v11i3.3055Abstract Views: 965 File Views: 1039
Abstract
Prediksi adalah upaya memperkirakan sesuatu yang akan terjadi di masa depan dengan menggunakan berbagai informasi yang relevan pada waktu sebelumnya dengan menggunakan metode ilmiah. Data mining adalah kumpulan berbagai data atau informasi yang memiliki berbagai fungsi dan sangat bermanfaat di masa mendatang. Pemanfaatan data mining juga tidak hanya untuk teknologi saja melainkan bisa untuk Bidang Kesehatan salah satunya memprediksi penyakit diabetes dengan menggunakan metode Naive Bayes yaitu algoritma yang meminimalkan Kesehatan dari semua metode yang lain. Diabetes mellitus juga dikenal sebagai sekelompok masalah metabolism yang ditandai dengan tingginya kadar gula darah yang berkepanjangan. Diabetes dapat menyebabkan masalah kesehatan yang serius termasuk penyakit kardiovaskular. Penelitian ini bertujuan untuk memprediksi dan mengukur tingkat akurasi penyakit Diabetes. Pengumpulan data yang dilakukan di RSUD dr.soekardjo dengan menghasilkan 502 data pada rekam medis July 2019 – Desember 2022. Pengolahan Naive Bayes menghasilkan prediksi dengan 5 kali pengujian yaitu sebesar 57,38%, 70,27%, 78,26%, 85,71% dan 88,93%. Akurasi tertinggi sebesar 95.92% artinya rule yang dihasilkan mendekati 100%.
Downloads
References
L. Aryani, Fatmasari, Afriyudi, and N. Hadinata, “Prediksi jumlah siswa baru dengan menggunakan metode exponential smoothing (studi kasus: SMK Ethika palembang),” Bina Darma Conf. Comput. …, pp. 237–244, 2020, [Online]. Available: https://conference.binadarma.ac.id/index.php/BDCCS/article/view/1615%0Ahttps://conference.binadarma.ac.id/index.php/BDCCS/article/download/1615/693
U. M. D. E. C. D. E. Los, “No 主観的健康感を中心とした在宅高齢者における 健康関連指標に関する共分散構造分析Title”.
N. P. Tigga and S. Garg, “Prediction of Type 2 Diabetes using Machine Learning Classification Methods,” Procedia Comput. Sci., vol. 167, pp. 706–716, 2020, doi: 10.1016/j.procs.2020.03.336.
S. Soelistijo, “Pedoman Pengelolaan dan Pencegahan Diabetes Melitus Tipe 2 Dewasa di Indonesia 2021,” Glob. Initiat. Asthma, p. 46, 2021, [Online]. Available: www.ginasthma.org.
W. Apriliah, I. Kurniawan, M. Baydhowi, and T. Haryati, “Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest,” Sistemasi, vol. 10, no. 1, p. 163, 2021, doi: 10.32520/stmsi.v10i1.1129.
Fabiana Meijon Fadul, “済無No Title No Title No Title,” no. Dm, pp. 1–8, 2019.
Kementerian Kesehatan RI., “Infodatin tetap produktif, cegah, dan atasi Diabetes Melitus 2020,” Pusat Data dan Informasi Kementerian Kesehatan RI. pp. 1–10, 2020.
Sharyanto and D. Lestari, “Penerapan Data Mining Untuk Menentukan Segmentasi Pelanggan Dengan Menggunakan Algoritma K-Means dan Model RFM Pada E-Commerce,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 4, pp. 866–871, 2022, doi: 10.30865/jurikom.v9i4.4525.
M. Y. Putra and D. I. Putri, “Pemanfaatan Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Kelas XI,” J. Tekno Kompak, vol. 16, no. 2, pp. 176–187, 2022.
R. Hayami, Soni, and I. Gunawan, “Klasifikasi Jamur Menggunakan Algoritma Naïve Bayes,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no. 1, pp. 28–33, 2022, doi: 10.37859/coscitech.v3i1.3685.
D. Pascalina, R. Widhiastono, and C. Juliane, “Pengukuran Kesiapan Transformasi Digital Smart City Menggunakan Aplikasi Rapid Miner,” Technomedia J., vol. 7, no. 3, pp. 293–302, 2022, doi: 10.33050/tmj.v7i3.1914.
F. Gorunescu, “Data Mining: Concepts, Models, and Teachniques,” Verlag Berlin Heidelbergh: Springer, 2011.
Rosebrock, “Deep Learning For Computer Vision,” United States Am. Pyimagesearch, 2018.
