Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer
Rakhmawati, Hidayatur
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Library & Information Science Mathematics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN ALGORITMA NAIVE BAYES UNTUK MENDIAGNOSIS DAN K-MEANS UNTUK MENGELOMPOKKAN PENYAKIT GAGAL JANTUNG Rakhmawati, Hidayatur; Aeni, Arinda Nur
Jurnal Sistem Informasi, Teknologi Informatika dan Komputer Volume 15 No 1, September Tahun 2024
Publisher : Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/justit.15.1.273-283

Abstract

Penyakit gagal jantung menjadi salah satu penyakit yang memiliki angka kematiian yang tinggi. Penyebab dari gagal jantung antara lain disfungsi miokard, endokard, perikadium, pembuluh darah besar, dan kelainan katup. Terjadinya kesalahan dalam mendiagnosis pasien menjadi permasalahan dalam penelitian ini. Adanya kemajuan teknologi dapat memberi kemudahan dalam segala aktivitas salah satunya dibidang kesehatan. Penelitian ini bertujuan untuk menerapkan algoritma naive bayes classifier untuk mendiagnosis benar tidaknya seorang pasien terkena gagal jantung dan k-means untuk mengelompokkan hasil dari diagnosis penyakit gagal jantung. Metode data mining yang digunakan pada penelitian ini adalah algoritma Naive Bayes untuk mendiagnosis dan algoritma K-Means untuk mengelompokkan penyakit gagal jantung. Data yang digunakan pada penelitian ini bersumber dari Rumah Sakit Umum Muhammadiyah Siti Aminah Bumiayu dengan jumlah 216 record dan 10 atribut. Hasil penelitian menunjukkan bahwa kinerja algoritma naive bayes menggunakan pengujian akurasi confusion matrix dengan nilai akurasi sebesar 80,22%. Berdasarkan hasil pengujian k-means diperoleh sebanyak 94 record yang terkena penyakit gagal jantung dari 216 record. 94 record tersebut diolah kembali menggunakan algoritma k-means menjadi 3 cluster, yaitu cluster rendah, sedang tinggi. Hasil dari klasterisasi yaitu cluster 0=27 record, cluster 1=50 record, cluster 2=17 record dengan mendapatkan validasi davies bouldin index (DBI) sebesar 1,450. Kesimpulannya yaitu penerapan algoritma naive bayes dan k-means dapat digunakan untuk diagnosis terkena penyakit gagal jantung dan mengklaster penyakit gagal jantung
PERBANDINGAN ALGORITMA NAIVE BAYES DAN C.45 DALAM DIAGNOSIS PENYAKIT PARU-PARU Rakhmawati, Hidayatur; Sindyka, Afifah
Jurnal Sistem Informasi, Teknologi Informatika dan Komputer Vol 15 No 3 (2025): Volume 15 No 3, Mei Tahun 2025
Publisher : Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit paru-paru sangat berbahaya karena dapat menyebabkan kerusakan pernafasan dalam jangka pendek maupun panjang. Masalah yang sering terjadi misalnya terkena penyakit paru-paru karena kualitas udara yang tercemar/terkontaminasi, sehingga udara yang dihirup masyarakat banyak mengandung virus/bakteri. Timbulnya kesalahan diagnosis pada pasien menjadi permasalahan dalam penelitian ini. Adanya teknologi dapat memudahkan segala aktivitas, termasuk dalam bidang kesehatan. Penelitian ini bertujuan untuk mengetahui kinerja algoritma Naive Bayes dan C4.5 sebagai perhitungan hasil diagnostik untuk mengklasifikasikan orang yang terkena penyakit paru-paru. Metode ekstraksi data yang digunakan dalam penelitian ini adalah algoritma Naive Bayes dan C4.5 untuk mengklasifikasikan hasil diagnosa penyakit paru-paru. Klasifikasi naif pada algoritma Bayes dilakukan dengan mentransformasikan kumpulan data yang menentukan frekuensi setiap nilai kelas dan metode klasifikasi pada algoritma C4. 5 dengan mentransformasikan fakta menjadi pohon keputusan sesuai aturan yang ada. Data yang digunakan dipenerapan kedua algoritma ini dari dataset pribadi yang terdiri dari total 325 record dengan 5 atribut. Hasil penelitian menunjukkan bahwa pengukuran kinerja algoritma Naive Bayes menggunakan matriks konfusi dengan validasi silang 10 kali lipat menghasilkan nilai akurasi sebesar 91,08%. Pengukuran kinerja yang sama juga dilakukan pada algoritma C4. 5 masing-masing menggunakan matriks konfusi dan validasi silang 10 kali lipat, menghasilkan nilai akurasi sebesar 89,23%. Hasil akurasi menunjukkan Algoritma Naive Bayes lebih unggul dibandingkan C4. 5 dengan selisih 1,85%. Kesimpulannya adalah algoritma Naive Bayes lebih baik dalam mengklasifikasikan hasil diagnosa penyakit paru.
Co-Authors Aeni, Arinda Nur Sindyka, Afifah