Rahayu, Puput Tri (2021) PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN GAUSSIAN NAÏVE BAYES PADA KLSIFIKAI PENYAKIT DIABETES MELITUS. Undergraduate thesis, Universitas Muhammadiyah Jember.
![]() |
Text
a. Pendahuluan.pdf Download (1MB) |
![]() |
Text
b. Abstrak.pdf Download (410kB) |
![]() |
Text
c. Bab I.pdf Download (416kB) |
![]() |
Text
d. Bab II.pdf Restricted to Repository staff only Download (587kB) | Request a copy |
![]() |
Text
e. Bab III.pdf Restricted to Repository staff only Download (574kB) | Request a copy |
![]() |
Text
f. Bab IV.pdf Restricted to Repository staff only Download (620kB) | Request a copy |
![]() |
Text
g. Bab V.pdf Restricted to Repository staff only Download (339kB) | Request a copy |
![]() |
Text
h. Daftar Pustaka.pdf Download (409kB) |
![]() |
Text
i. Lampiran.pdf Restricted to Repository staff only Download (665kB) | Request a copy |
Abstract
Data mining merupakan pemrosesan suatu data menggunakan cara statistik, matematik, dll untuk mengidentifikasi suatu informasi pengetahuan potensial dan berguna yang tersimpan dalam basis data besar. Klasifikasi adalah salah satu tugas dari data mining yang bertujuan untuk memprediksi label kategori benda yang tidak diketahui sebelumnya, dalam membedakan antara objek yang satu dengan yang lainnya berdasarkan atribut atau fitur Terdapat beberapa algoritma yang dapat digunakan untuk mengklasifikan seperti algoritma K-Nearest Neighbor yang memiliki keunggulan yaitu lebih efektif didata training yang besar, dapat menghasilkan data yang lebih akurat dan Gaussian Naïve Bayes dimana metode ini hanya membutuhkan jumlah data trainng yang kecil untuk menentukan estimasi parameter yang diperlukan dalam proses pengklasifikasian. Setelah dilakukan penelitian menggunakan kedua algoritma tersebut, penelitian menggunakan algoritma K-Nearest Neigboar menghasilkan accuracy sebesar 71.27%, sensitivity sebesar 76.86%, specifity sebesar 81.59%%, precision sebesar 76.15% dan error rate sebesar 35.05% sedangkan pada saat mengguakan algoritma Gaussian Naïve Bayes menghasilkan accuracy sebesar 73.50%, sensitivity sebesar 96.14%, specifity sebesar 86.45%, precision sebesar 78.98% dan error rate sebesar 29.47%. berdasarkan hasil penelitian tersebut menunjukkan untuk algoritma Gaussian Naïve Bayes mempunyai accuracy yang lebih akurat bila dibandingkan dengan algortima K-Nearest Neighbor dalam mengklasifikasi data Diabetes Melitus. Kata kunci : Diabetes Mellitus, Gaussian Naïve Bayes, K-Nearest Neighbor
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Uncontrolled Keywords: | Kata kunci : Diabetes Mellitus, Gaussian Naïve Bayes, K-Nearest Neighboar | |||||||||
Subjects: | 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science | |||||||||
Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | |||||||||
Department: | S1 Teknik Informatika | |||||||||
Depositing User: | Puput Tri Rahayu | |||||||||
Contributors: |
|
|||||||||
Contact Email Address: | puputtriktb11@gmail.com | |||||||||
Date Deposited: | 29 Oct 2021 01:11 | |||||||||
Last Modified: | 30 Oct 2021 01:55 | |||||||||
URI: | http://repository.unmuhjember.ac.id/id/eprint/12113 |
Actions (login required)
![]() |
View Item |