KLASIFIKASI PENYAKIT DIABETES PADA WANITA MENGGUNAKAN METODE NAÏVE BAYES

SUBAERI, MUHAMMAD (2019) KLASIFIKASI PENYAKIT DIABETES PADA WANITA MENGGUNAKAN METODE NAÏVE BAYES. Undergraduate thesis, Universitas Muhammadiyah Jember.

[img] Text
JURNAL.pdf

Download (262kB)
[img] Text
ABSTRAK.pdf

Download (107kB)
[img] Text
PENDAHULUAN.pdf

Download (1MB)
[img] Text
BAB I.pdf

Download (294kB)
[img] Text
BAB II.pdf
Restricted to Repository staff only

Download (325kB)
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (509kB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (469kB)
[img] Text
BAB V.pdf
Restricted to Repository staff only

Download (163kB)
[img] Text
LAMPIRAN.pdf

Download (6MB)

Abstract

Diabetes melitus (DM) merupakan suatu kelompok penyakit metabolik dengan karakteristik hiperglikemia yang terjadi karena kelainan sekresi insulin, kerja insulin, atau kedua-duanya. Naïve Bayes merupakan suatu metode klasifikasi yang menggunakan perhitungan probabilitas. Penentuan kelas dari suatu data pada dataset dilakukan dengan cara membandingkan nilai probabilitas suatu sampel berada di kelas yang satu dengan nilai probabilitas suatu sampel berada di kelas yang lain. Peneliti tertarik mengimplementasikan metode naive bayes terhadap klasifikasi penderita diabetes dengan sumber data UCI Machine Learning. Penelitian dengan implementasi metode naive bayes dalam klasifikasi penderita diabetes dengan data latih berjumlah 584 dan data uji berjumlah 146 dengan skenario pengujian menggunakan K-Fold Cross Validation sebanyak 5 kali memiliki hasil tertinggi akurasi 78,1% dan presisi 66,7% pada uji coba ke 3. Kata Kunci : Penyakit, Diabetes, Naive bayes.

Item Type: Thesis (Undergraduate)
Subjects: 600 Technology and Applied Science > 620 Engineering
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: rahma wahyu ningsih
Date Deposited: 07 Dec 2020 02:37
Last Modified: 07 Dec 2020 02:37
URI: http://repository.unmuhjember.ac.id/id/eprint/7167

Actions (login required)

View Item View Item