Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Teknika
Anthira, Najla
Unknown Affiliation
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Penerapan Data Mining Pada Klasifikasi Gangguan Jiwa Menggunakan Algoritma C5.0 Di RSJ. Mahoni Kota Anthira, Najla; Suendri, Suendri
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12784435

Abstract

Dalam dunia kesehatan, khususnya dalam bidang kesehatan mental, teknologi telah menjadi alat yang sangat berguna untuk mengeksplorasi berbagai metode dalam upaya mendeteksi, dan mengklasifikasikan jenis penyakit yang mungkin dialami oleh pasien. Meskipun banyak terobosan telah diterapkan di dunia kesehatan, namun dalam konteks kesehatan mental, tidak semua teknologi tersebut dapat diimplementasikan dengan efektif. Untuk memudahkan tenaga kesehatan dalam melakukan prediksi, dan klasifikasi jenis penyakit gangguan jiwa maka dibutuhkan sebuah system rekomendasi prediksi, dan klasifikasi yang efektif. Dalam penelitian ini algoritma C5.0 digunakan untuk mengolah dan mengklasifikaskan data kedalam kategori tertentu, berdasarkan hubungan antara variabel-variabel yang dimasukkan kedalamnya, sekaligus membuat pohon keputusan yang berfungsi untuk memvisualkan hubungan antara variabel-variabel tersebut. Hasil pengujian dengan metode confusion matrix didapati akurasi sebesar 94,44%. Dimana pada label Depresi didapati precision sebesar 88%, Skizofernia sebesar 94,44%, Bipolar sebesar 100%, Psikosis sebesar 91,80%, dan PTSD sebesar 100%. Sedangkan hasil recall pada label Depresi sebesar 88%, Skizofernia sebesar 89,47%, Bipolar sebesar 90%, Psikosis sebesar 100%, dan PTSD sebeasr 100%.
Co-Authors Suendri Suendri, Suendri