<![CDATA[Penanganan demam yang tepat memerlukan pemilihan obat yang sesuai dengan karakteristik pasien agar terapi yang diberikan efektif dan aman. Namun, variasi kondisi klinis pasien sering menyulitkan proses pengambilan keputusan, sehingga diperlukan dukungan sistem berbasis data. Penelitian ini bertujuan untuk mengembangkan model rekomendasi obat demam berbasis metode Naive Bayes yang mampu mengklasifikasikan jenis obat secara akurat berdasarkan karakteristik pasien. Metode penelitian menggunakan pendekatan data mining dengan memanfaatkan aplikasi RapidMiner, melibatkan dataset pasien yang mencakup variabel suhu tubuh, tingkat keparahan demam, usia, jenis kelamin, serta kondisi kesehatan pendukung. Data dikumpulkan dari sumber terverifikasi, kemudian dianalisis melalui tahapan praproses data, pelatihan model, dan pengujian performa menggunakan teknik klasifikasi Naive Bayes. Hasil penelitian menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi yang baik dalam memprediksi rekomendasi obat demam pada berbagai tingkat keparahan kondisi pasien. Kesimpulan dari penelitian ini menunjukkan bahwa metode Naive Bayes efektif digunakan sebagai dasar pengembangan sistem rekomendasi obat demam dan berpotensi membantu tenaga medis dalam pengambilan keputusan klinis secara lebih efisien dan berbasis data.]]>
Copyrights © 0000
