Skripsi
KLASIFIKASI PASIEN GAGAL JANTUNG MENGGUNAKAN METODE NAIVE BAYES DENGAN PENERAPAN DISKRITISASI
Gagal jantung merupakan masalah kesehatan masyarakat yang banyak ditemukan dan merupakan penyebab kematian nomor satu setiap tahun. Untuk mengklasifikasi gagal jantung, diperlukan data kesehatan yang telah dikumpulkan sebelumnya. Dalam proses pengolahan data tersebut, data mining dapat digunakan karena mampu mengolah data dalam jumlah besar dan berbasis komputer. Salah satu metode klasifikasi yang sering digunakan dalam data mining adalah Naive Bayes. Tujuan dari penelitian ini adalah untuk mengklasifikasikan pasien gagal jantung dan mengetahui tingkat akurasi klasifikasi menggunakan metode Naive Bayes dengan menerapkan diskritisasi. Data yang digunakan dalam penelitian ini adalah dataset pasien gagal jantung yang diperoleh dari repositori machine learning UCI dan terdiri dari 299 data dengan 13 variabel. Langkah-langkah yang dilakukan adalah: mendeskripsikan data gagal jantung, melakukan proses diskritisasi, membagi data menjadi data latih dan data uji dengan prinsip k-fold cross-validation (k=5), mengklasifikasikan menggunakan metode Naive Bayes dan mengevaluasi keakuratan model yang dibangun. Akurasi yang diperoleh dari klasifikasi pasien gagal jantung menggunakan metode Naive Bayes dengan penerapan diskritisasi sebesar 71,57%.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2107003397 | T64869 | T648692021 | Central Library (REFERENCES) | Available but not for loan - Not for Loan |
No other version available