Teks

Penerapan Algoritma Naive Bayes dan K-Means dalam Diagnosa Terkena Penyakit Stroke

---

Penyakit stroke menempati penyakit dengan angka kasus kematian yang tinggi di
dunia dengan presentase kematian total 11,02%. Stroke terjadi karena kerusakan
vaskular yang tiba-tiba pada sistem saraf pusat (otak, retina atau sumsum tulang
belakang). Oleh karena itu, masalah penyakit ini perlu adanya perhatian khusus
karena jumlah kasus kematian yang tinggi sehingga perlu adanya penerapan data
mining untuk membantu mendiagnosa terkena penyakit stroke.
Dalam penelitian ini dilakukan penerapan 2 fungsi dalam data mining yaitu
algoritma naive bayes classifier dan k-means clustering yang diimplementasikan
terhadap dataset diagnosa terkena penyakit stroke. Naive Bayes Classifier
digunakan untuk mendiagnosa terkena penyakit stroke atau tidak sedangkan KMeans Clustering digunakan untuk mengelompokan hasil dari diagnosa yang
terkena penyakit stroke. Algoritma naive bayes classifier menggunakan
rapidminer dan perhitungan manual ms.excel dengan label stroke dan no stroke.
K-Means Clustering adalah sebuah proses untuk klasterisasi dengan membagi
menjadi beberapa kelompok yang biasa disebut “cluster” berdasarkan nilai k
terhadap sampel dasar yang akan diuji. Hasil dari pengklasteran menghasilkan
cluster tinggi dan rendah dari hasil diagnosa yang terkena penyakit stroke. Data
yang digunakan pada penerapan algoritma naive bayes classifier dan k-means
clustering adalah stroke prediction dataset dari dataset publik kaggle dengan
jumlah 999 record dengan 7 atribut.
Atribut yang digunakan dalam penerapan algoritma naive bayes classification dan
k-means clustering ada 7, antara lain: gender, hypertension, heart_disease,
ever_merried, work_type, residence_type, dan smoking_status. Hasil penelitian
menunjukan bahwa pengukuran kinerja algoritma naive bayes classifier
menggunakan confussion matrix menghasilkan nilai akurasi sebesar 88,99%. Hal
ini menunjukan bahwa algoritma naive bayes classifier layak digunakan untuk
mendiagnosa terkena penyakit stroke. Berdasarkan pengujian algoritma k-means
clustering menggunakan 2 cluster, yakni cluster tinggi dan rendah menghasilkan
cluster 0 sebanyak 11 record dan cluster 1 sebanyak 2 record dengan uji validasi
davies bouldin index (DBI) sebesar 0,749. Dengan demikian, penerapan algoritma
naive bayes classifier dan k-means clustering dapat digunakan untuk diag

---

Ketersediaan

S00020.23

RF SI.S00020.23 Has p

My Library (Skripsi SI)

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

SI.S00020.23 Has p

Penerbit

Paguyangan : STMIK MPB., 2023

Deskripsi Fisik

xiii.82hlm.; 30cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

SI.S00020.23

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

data mining
Penyakit Stroke
Diagnosa
Naive Bayes Classifier
K-Means Clustering

Info Detail Spesifik

Dilengkapi Soft file+CD

Pernyataan Tanggungjawab

Nada Hasna Tsuroya 19.02.0.0018 Skripsi diajukan kepada Program Studi Sebagai bagian persyaratan untuk meraih derajat Sarjana Komputer

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar