PENERAPAN ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI PENYAKIT DEMAM BERDARAH DENGUE (DBD) DAN TIFOID

Penulis

  • Cicilia Mega Lestari Universitas Budi Luhur
  • Deni Mahdiana

Kata Kunci:

Kata Kunci: Demam Berdarah Dengue (DBD), Demam Tifoid, Naïve Bayes, Data Mining, CRISP-DM, Rapid Miner

Abstrak

Demam Berdarah Dengue (DBD) adalah penyakit akut yang disebabkan oleh infeksi virus dengue, dengan gejala seperti demam, nyeri sendi, dan bisa berkembang menjadi komplikasi serius seperti perdarahan dan syok dengue. Demam Tifoid, disebabkan oleh bakteri Salmonella typhi, memiliki gejala yang mirip, seperti demam berkepanjangan dan gangguan pencernaan. Permasalahan pada penelitian ini penyakit DBD dan Tifoid memiliki gejala yang mirip, maka dari itu penelitian ini bertujuan membuat model algoritma Naïve Bayes untuk mengklasifikasikan penyakit DBD atau Tifoid sehingga mendapatkan hasil yang lebih akurat. Peneliti juga menggunakan CRISP-DM sebagai metode pengolahan data menggunakan aplikasi Rapid Miner untuk mengolah dan menghasilkan klasifikasi DBD atau Tifoid. Selain Rapid Miner peneliti juga menggunakan aplikasi Microsoft Excel dalam membantu menentukan klasifikasi DBD atau Tifoid. Pada penelitian ini mengambil data resmi yang dimiliki oleh Rumah Sakit Petukangan, data yang diperoleh merupakan data pasien yang terkena penyakit DBD dan Tifoid dalam rentang waktu dimulai pada tanggal 1 Juli 2023 sampai dengan 30 April 2024. Sebanyak 525 data telah diolah dan digunakan dalam penelitian ini. Hasil penerapan model menggunakan algoritma Naïve Bayes dan metode Split Data dengan perbandingan 60:40 diperoleh nilai tingkat akurasi sebesar  99.05%, nilai presisi 99.35%, nilai recall 98.71%, dan nilai AUC 0.999.

 

Referensi

Amilia, R. and Prasetyo, E. (2021) ‘Klasifikasi Diagnosa Penyakit Demam Berdarah Dengue Pada Anak Menggunakan Metode K-Nearest Neighbor Studi Kasus Rumah Sakit Pku Muhammadiyah Ujung Pangkah Gresik’, Indexia, 2(2), pp. 1–10. Available at: https://doi.org/10.30587/indexia.v2i2.2557.

Ariyanto, D. (2022) ‘Data Mining Menggunakan Algoritma K-Means untuk Klasifikasi Penyakit Infeksi Saluran Pernafasan Akut’, Jurnal Sistim Informasi dan Teknologi, 4, pp. 13–18. Available at: https://doi.org/10.37034/jsisfotek.v4i1.117.

Barber, I. (2010) ‘Bayesian Opinion Mining’, Tersedia di http://phpir. com/bayesian-opinion-mining [diunduh 10 September 2014] [Preprint].

Bramer, M. (2007) Principles of data mining. Springer.

Darussalam and Arief, G. (2018) ‘Jurnal Resti’, Rekayasa Sistem dan Teknologi Informasi, 1(1), pp. 19–25.

Dewi, A.O.P. (2020) ‘Big Data di Perpustakaan dengan Memanfaatkan Data Mining’, Anuva: Jurnal Kajian Budaya, Perpustakaan, dan Informasi, 4(2), pp. 223–230. Available at: https://doi.org/10.14710/anuva.4.2.223-230.

Dhewayani, F.N. et al. (2022) ‘Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Ke bakaran Menggunakan Model CRISP-DM’, Jurnal Teknologi dan Informasi, 12(1), pp. 64–77. Available at: https://doi.org/10.34010/jati.v12i1.6674.

Fadli, F. and Butar, B.B. (2019) ‘Penerapan Decision Tree Menggunakan Algoritma C4.5 Untuk Deteksi Demam Berdarah Pada RS. IMC Bintaro’, Indonesian Journal on Software Engineering (IJSE), 5(1), pp. 75–86. Available at: https://doi.org/10.31294/ijse.v5i1.5866.

Fatmawati, K. and Windarto, A.P. (2018) ‘Data Mining: Penerapan rapidminer dengan K-means cluster pada daerah terjangkit demam berdarah dengue (DBD) berdasarkan provinsi’, Comput. Eng. Sci. Syst. J, 3(2), p. 173.

Firmansyah, M.Y. et al. (2023) ‘Jurnal Smart Teknologi Penerapan Algoritma Itterative Dechotomiser 3 ( ID3 ) Untuk Klasifikasi Penyakit Tifoid Jurnal Smart Teknologi’, 4(2), pp. 160–167.

Gatto, P.A., Maulana Awangga, R. and Andarsyah, R. (2023) ‘Diagnosis Penyakit Demam Berdarah Menggunakan Naïve Bayes’, JATI (Jurnal Mahasiswa Teknik Informatika), 7(3), pp. 1676–1681. Available at: https://doi.org/10.36040/jati.v7i3.6891.

Herin, S. and Prasetyaningrum, P.T. (2024) ‘Sistem Pakar Diagnosa Penyakit Demam Berdarah Dengue Dan Tifoid Menggunakan Metode Certanty Factor Berbasis Web’, Journal of Computer and Information Systems Ampera, 5(3), pp. 203–220.

Jasri, M., Wijaya, A. and Sunggara, R. (2022) ‘Penerapan Data Mining untuk Klasifikasi Penyakit Demam Berdarah Dengue (DBD) Dengan Metode Naïve Bayes (Studi Kasus Puskesmas Taman Krocok)’, SMARTICS Journal, 8(1), pp. 35–42. Available at: https://doi.org/10.21067/smartics.v8i1.7375.

Jaya, S., Handoko, P. and Purnama, D.G. (2019) ‘Pelatihan olah data menggunakan Ms. Excel bagi pengelola rptra dan guru paud di wilayah kelurahan bintaro, kecamatan pesanggrahan’, in Prosiding Seminar Nasional Pengabdian Masyarakat LPPM UMJ.

Kamil, A.K. et al. (2021) ‘Penerapan Algoritma Naïve Bayes Untuk Memprediksi Gejala Demam Tifoid Pada Puskesmas Cibadak’, Jurnal Larik: Ladang Artikel Ilmu Komputer, 1(1), pp. 27–31. Available at: https://doi.org/10.31294/larik.v1i1.499.

Kusuma, A.P. and Sukendra, D.M. (2016) ‘Analisis spasial kejadian demam berdarah dengue berdasarkan kepadatan penduduk’, Unnes Journal of Public Health, 5(1), pp. 48–56.

Rahman, M.F. et al. (2017) ‘Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN)’, Jurnal Informatika, 11(1), p. 36. Available at: https://doi.org/10.26555/jifo.v11i1.a5452.

Ramadhani, F., Satria, A. and Sari, I.P. (2023) ‘Implementasi Metode Fuzzy K-Nearest Neighbor dalam Klasifikasi Penyakit Demam Berdarah’, Hello World Jurnal Ilmu Komputer, 2(2), pp. 58–62. Available at: https://doi.org/10.56211/helloworld.v2i2.253.

Rampengan, S.H. and Antono, E. (2007) ‘Infark Miokard Ventrikel Kanan’, Indonesian Journal of Cardiology, pp. 445–453.

Retnosari, R. (2021) ‘Analisa kelayakan kredit usaha mikro berjalan pada perbankan dengan metode naive bayes’, PROSISKO: Jurnal Pengembangan Riset Dan Observasi Sistem Komputer, 8(1), pp. 53–59.

RI, K. (2006) ‘Keputusan Menteri Kesehatan Republik Indonesia Nomor 364 tentang Pedoman Pengendalian Demam Tifoid’, Jakarta: Kemenkes RI [Preprint].

Rokhman, M.M. et al. (2018) ‘Pelatihan Pemanfaatan Microsoft Office Pada Staf Pengajar di SMPLBN (Sekolah Menengah Pertama Luar Biasa Negeri) Kota Malang’, Jurnal Mnemonic, 1(1).

Sastrawan, A.S. (2020) ‘Perbandingan Kinerja Algoritma Dempster Shafer dan Fuzzy Naive Bayes dalam Klasifikasi Penyakit Demam Berdarah dan Tifus’, Jurnal Ilmu Komputer Indonesia, 5(1), pp. 24–32.

Sudarsono, B.G. et al. (2021) ‘Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner’, JBASE - Journal of Business and Audit Information Systems, 4(1), pp. 13–21. Available at: https://doi.org/10.30813/jbase.v4i1.2729.

Tawakal, F. and Azkiya, A. (2020) ‘Diagnosa Penyakit Demam Berdarah Dengue (DBD) menggunakan Metode Learning Vector Quantization (LVQ) Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) Dumai, (2)’, JISKa, 4(3), pp. 193–201.

Watratan, A.F. and Moeis, D. (2020) ‘Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia’, Journal of Applied Computer Science and Technology, 1(1), pp. 7–14.

Unduhan

Diterbitkan

30-09-2024

Cara Mengutip

Mega Lestari, C., & Mahdiana, D. (2024). PENERAPAN ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI PENYAKIT DEMAM BERDARAH DENGUE (DBD) DAN TIFOID. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(2), 1838. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1483

Terbitan

Vol 3 No 2 (2024): Prosiding SENAFTI Ke-5 September 2024

Bagian

Poster

Lisensi

Hak Cipta (c) 2024 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>