Analisis Klasifikasi Risiko terhadap Penderita Prostat Menggunakan Metode Naive Bayes

Saputra, Indra (2018) Analisis Klasifikasi Risiko terhadap Penderita Prostat Menggunakan Metode Naive Bayes. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[img] Text
1 JUDUL.pdf
Download (53kB)
[img] Text
1. Abstrak Indonesia.pdf
Download (86kB)
[img] Text
14 BAB I - PENDAHULUAN.pdf
Download (162kB)
[img] Text
15 BAB II - LANDASAN TEORI.pdf
Restricted to Repository staff only
Download (337kB)
[img] Text
16 BAB III - METODOLOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (505kB)
[img] Text
17 BAB IV - IMPLEMENTASI DAN PENGUJIAN.pdf
Restricted to Repository staff only
Download (235kB)
[img] Text
18 BAB V - PENUTUP.pdf
Restricted to Repository staff only
Download (89kB)
[img] Text
19 DAFTAR PUSTAKA.pdf
Download (58kB)
[img] Text
ARTIKEL.pdf
Download (191kB)

Abstract

Kelenjar prostat merupakan organ tubuh pada laki-laki yang berbentuk seperti kacang kenari, kelenjar prostat terletak di dasar kandung kemih dan mengelilingi uretra posterior, salah satu gangguan pada prostat adalah terjadinya pembesaran yang lazimnya terjadi pada pria di atas 50 tahun. Di Indonesia BPH menjadi penyakit urutan ke dua dengan jumlah penderita terbanyak setelah penyakit batu saluran kemih. Penyakit ini perlu diwaspadai karena bila tidak segera ditangani dapat mengganggu saluran kemih, efek jangka panjang yang timbul adalah retensi urine akut, refluks kandung kemih, hidroureter, dan urinari tract infection. Naïve bayes merupakan metode dalam dalam data mining yang digunakan untuk mengklasifikasi, salah satunya dapat digunakan dalam mengklasifikasi atau mendeteksi penyakit. Dari penelitian ini mendapatkan hasil hitung dari data uji terhadap confussion matrix menunjukkan bahwa tingkat akurasi 62.46748 %, presisi 40.56738 % dan recall 63.28341%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi, Prostat, Naive Bayes, Confusion Matrix
Subjects: 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Hendri Uut Fahrullah
Date Deposited: 16 Oct 2019 01:53
Last Modified: 16 Oct 2019 01:53
URI: http://repository.unmuhjember.ac.id/id/eprint/2483

Actions (login required)

View Item View Item