Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Basis : Jurnal Ilmiah Matematika
Latifah Uswatun Khasanah
Laboratorium Matematika Komputasi Program Studi Matematika Jurusan Matematika FMIPA Universitas Mulawarman
Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Penyakit Diabetes Melitus Menggunakan Algoritma Naïve Bayes Classifier Latifah Uswatun Khasanah; Yuki Novia Nasution; Fidia Deny Tisna Amijaya
Basis : Jurnal Ilmiah Matematika Vol 1 No 1 (2022): BASIS: Jurnal Ilmiah Matematika
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (343.421 KB) | DOI: 10.30872/basis.v1i1.918

Abstract

Klasifikasi merupakan sebuah teknik analisis data yang mengekstrak model untuk mendeskripsikannya ke dalam kelas tertentu. Salah satu algoritma yang dapat digunakan untuk klasifikasi adalah algoritma Naïve Bayes Classifier. Algoritma Naïve Bayes Classifier merupakan salah sebuah metode klasifikasi yang memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya dengan menggunakan Teorema Bayes. Tujuan penelitian ini adalah untuk mengetahui hasil klasifikasi pasien ke dalam dua kategori diagnosis diabetes melitus yaitu ‘Ya’ dan ‘Tidak’ menggunakan algoritma Naïve Bayes Classifier dan mengetahui tingkat akurasi dari empat proporsi data yaitu 60:40, 70:30, 80:20 dan 90:10. Sampel pada penelitian ini adalah data pasien di RS Dirgahayu Samarinda Tahun 2018 s/d 2021 sebanyak 130 data pasien. Berdasarkan hasil analisis, pada proporsi data testing 40% dan 30% masing-masing terdapat 4 pasien hasil klasifikasinya tidak tepat. Pada proporsi data testing 20% dan 10% masing-masing terdapat 2 data pasien hasil klasifikasinya tidak tepat. Adapun tingkat akurasi pada proporsi data testing 40%, 30%, 20% dan 10% secara berurutan adalah sebesar 92,31%; 89,74%; 92,31%; dan 84,62%. Berdasarkan tingkat akurasi yang telah diketahui, nilai akurasi terbaik adalah pada proporsi data testing 40% dan 20% dengan nilai akurasi sebesar 92,31%.
Co-Authors Fidia Deny Tisna Amijaya Yuki Novia Nasution