Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Abadi, Ahmad Fajar
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 1 Documents
Search

 1 
Penerapan Data Mining dalam Mengklasifikasi Penyakit Stroke Menggunakan Algoritma Naïve Bayes Abadi, Ahmad Fajar; Alamsyah, Nur; Farhan Gagat Retnanto; Daniati, Erna; Ristyawan, Aidina
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 8 No. 2 (2024): SEMINAR NASIONAL INOVASI TEKNOLOGI 2024
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v8i2.5021

Abstract

Penyakit stroke adalah kondisi medis mendadak yang disebabkan oleh gangguan aliran darah di otak, baik karena penyumbatan atau pecahnya pembuluh darah. Kondisi ini dapat menyebabkan sel-sel otak kekurangan oksigen, darah, dan nutrisi yang berakibat fatal. Di Indonesia, stroke menempati urutan pertama sebagai penyebab kematian, diikuti oleh diabetes dan hipertensi. Penelitian ini bertujuan untuk mengklasifikasi penyakit stroke menggunakan algoritma Naive Bayes dengan dataset dari Kaggle. Penelitian ini menggunakan metode kualitatif untuk analisis literatur dan metode kuantitatif untuk pengujian teori dengan data numerik. Data sekunder dari Kaggle dipreproses dengan menghilangkan data duplikat dan missing value, menghasilkan 4908 rekaman dari 5110 awal. Implementasi klasifikasi dilakukan menggunakan RapidMiner Studio. Hasil penelitian menunjukkan tingkat acuraccy 87.22%, dengan precision sebesar 14.93% dan recall 42.58%. Penelitian ini menunjukkan bahwa algoritma Naive Bayes dapat digunakan secara efektif untuk klasifikasi stroke dengan hasil yang cukup akurat.
Co-Authors Aidina Ristyawan, Aidina Erna Daniati Farhan Gagat Retnanto Nur Alamsyah, Nur