Penerapan Algoritma Naïve Bayes Untuk Memprediksi Diagnosa Penyakit Tuberculosis(TBC) Pada Puskesmas Umbansari

Authors

  • Frety Dwinda Aritonang Universitas Lancang Kuning
  • Loneli Costaner Universitas Lancang Kuning

Keywords:

Algoritma naïve bayes, Puskesmas, Data Mining.

Abstract

Algoritma naïve byaes merupakan salah satu metode data mining yang bertujuan untuk menemukan pola- pola yang baru dalam data dan menyaring dan menyaring data-data yang berasal dari kata yang telah ada pada masa sebelumnya.Puskesmas umbansari merupakan salah satu pusat layanan kesehatan masyarakat yang menangani beragam jenis penyakit setiap harinya salah satunya penyakit tuberculosis(tbc)metode yang digunakan adalah  algoritma naïve bayes untuk memprediksi diagnosa penyakit tbc menggunakan 250 data set pasien  dengan 9 gejala yang dialami oleh pasien.metode ini mengaplikasikan pengklasifikasi probabilistik sesderhana,memanfaatkan asumsi bahwa semua atribut independen dan tidak saling terkait terhadap nilai kelas yang diberikan dengan akurasi mencapai 93.10% pada data uji. Hasil penelitian ini menunjukan bahwa algoritma naïve bayes dapat digunakan secara efektif dala mendukung proses diagnosa tbc pada puskesmas umbansari ,serta memberikan prediksi yang akurat.

References

[1] Aliful, A., Goejantoro, R., & Fathurahman, M. (n.d.). Klasifikasi Penyakit Tuberkulosis Menggunakan Metode Naive Bayes (Studi Kasus: Data Pasien Di Puskesmas Petung Kabupaten Penajam Paser Utara) Classification of Tuberculosis Using the Naive Bayes Method (Case Study: Patient Data at Puskesmas Petung Penajam Paser Utara). Jurnal EKSPONENSIAL, 14(1). http://jurnal.fmipa.unmul.ac.id/index.php/exponensial
[2] Bidang Komputer Sains dan Pendidikan Informatika, P., Akademi Perekam dan Informasi Kesehatan Iris Padang Jl Gajah Mada No, D., & Barat, S. (n.d.). Jurnal Edik Informatika Data Mining : Klasifikasi Menggunakan Algoritma C4.5 Yuli Mardi.
[3] Cherian, V., & Student, ]. (n.d.). Heart Disease Prediction Using Naïve Bayes Algorithm and Laplace Smoothing Technique. International Journal of Computer Science Trends and Technology (IJCST), 5. www.ijcstjournal.org
[4] Manalu, E., Sianturi, F. A., & Manalu, M. R. (2015). (). Jl. Iskandar Muda No.1 Medan, 1(2), 1.
[5] Marlina, E., Salman Halim, N., Donny, R., & Informasi STMIK Dipanegara Makassar, S. (n.d.). Sistem Pakar Untuk Diagnosa Penyakit Vertigo Dengan Metode Forward Chaining (Studi Kasus: Klinik Bhayangkara Panaikang).
[6] Mutiara, E. (2020). Algoritma Klasifikasi Naive Bayes Berbasis Parricel Swarm Optimization Untuk Prediksi Penyakit Tuberculosis (TB). Jurnal Swabumi, 8(1), 46–58.
[7] Napirah, M. R., Rahman, A., & Tony, A. (2016). Faktor- Fakror Yang Berhubungan Dengan Pemanfaatan Pelayanan Kesehatan Di Wilayah Kerja Puskesmas Tambaran Kecamatan Poso Pesisir Utara Kabupaten Poso. Jurnal Pengembangan Kota, 4(1), 29. https://doi.org/10.14710/jpk.4.1.29-39
[8] Ovilianda, A., & Ginting, B. (2021). Penerapan Data Mining Korelasi Penjualan Spare Part Mobil Menggunakan Metode Algoritma Apriori (Studi Kasus: CV. Citra Kencana Mobil). In Journal Of Information And Technology Unimor.

Downloads

Published

2024-11-01

How to Cite

Penerapan Algoritma Naïve Bayes Untuk Memprediksi Diagnosa Penyakit Tuberculosis(TBC) Pada Puskesmas Umbansari. (2024). SEMASTER: Seminar Nasional Teknologi Informasi & Ilmu Komputer, 3(1), 205-211. https://journal.unilak.ac.id/index.php/Semaster/article/view/23843