Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informatika dan Komputer
U Darmanto Soer
Universitas Pelita Bangsa
Computer Science & IT Electrical & Electronics Engineering

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

Found 1 Documents
Search

 1 
Diagnosa Prediksi Penyakit Thypoid Fever Menggunakan Data Mining Dengan Metode Algoritma Naive Bayes Classifier U Darmanto Soer; Sifa Fauziah; Mandasari Aggita
Jurnal Teknologi Informatika dan Komputer Vol 9, No 1 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i1.1611

Abstract

Wabah penyakit Typhoid Fever di Indonesia memang tengah memuncak, penyakit tersebut disebabkan oleh kuman Salmonella Typosa dan menyebar ke manusia melalui makanan dan minuman yang sudah terkotaminasi. Berdasarkan pada data tahun 2018 awal di RS Budi Asih didapatkan bahwa typhoid fever memasuki 3 besar penyakit yang banyak terjadi selama tahun 2018. Seiring dengan banyaknya pasien kasus typhoid fever akan memungkinkan data dengan jumlah skala yang sangat besar dapat terakumulasi, dengan memanfaatkan data tersebut penulis ingin menerapkan salah satu teknik data mining dengan perhitungan statiska dalam melakukan diagnosis penyakit typhoid fever. Metode yang digunakan adalah Naive Bayes dengan menggunakan sebanyak 250 data pasien kasus typhoid fever. Diagnosa Prediksi Penyakit Typhoid Fever menggunakan metode Naive Bayes merupakan aplikasi juga bertujuan membantu masyarakat dalam mendiagnosis penyakit typhoid fever secara dini. Hasil analisis menunjukkan bahwa gejala demam, mual muntah, pusing, batuk, diare, bradikardi bisa menjadi indikator untuk mendiagnosis penyakit typhoid fever. Hasil analisis juga menunjukkan bahwa ketepatan klasifikasi pasien kasus typhoid fever menggunakan metode naive bayes pada penelitian ini adalah sebesar 92%.
Co-Authors Mandasari Aggita Sifa Fauziah