PENERAPAN NAÏVE BAYES BERBASIS GENETIC ALGORITHM UNTUK PENENTUAN KLASIFIKASI DONOR DARAH

Hilda Amalia

Abstract


Donor Darah merupakan suatu kegiatan yang penting dilakukan oleh setiap manusia. Donor darah kegiatan yang  mulia dan dapat berdampak baik bagi sipendonor itu sendiri dan orang lain. Banyak hal yang dapat mengakibatkan seseorang memerlukan pertolongan orang lain dalam hal ini adalah darah seperti kecelakaan, operasi dan lain-lain. Pemenuhan kebutuhan darah harus dikelola dengan baik, hal ini bertujuan untuk mempermudah masyarakat yang memerlukan darah. Pengolahan data pendonor dan melakukan pengelolaan  yang baik terhadap data-data donor darah menjadi penting. Menemukan pola perilaku para pendonor sehingga dapat diperoleh stok darah yang memenuhi. Untuk itu penting dilakukan penilaian mengenai kemungkinan seseorang mendonorkan darahnya kembali sehingga menghasilkan klasifikasi donor darah. Dalam penelitian ini akan dilakukan peningkatan akurasi naïve bayes dengan menggunakan genetic algorithm. Dari penelitian ini diperoleh bahwa nilai akurasi yang dihasilkan oleh metode naïve bayes yaitu 74,07%, dan akurasi yang dihasilkan oleh metode peningkatan akurasi yaitu genetic algoritm dengan  naïve bayes yaitu sebanyak 76,48%


Full Text:

PDF

References


Ajlan, Al. "The Comparison Between Forward and Backward Chaining." International Journal of Machine Learning and Computing (2015): 106-113.

Sivandam S.N, Sumathi, S., “Intodution to Data Mining and Its Application”, Berlin, Springer.2006.

Larose, Daniel T., “Discovering Knowledge in Data An Inntrodution Data Mining”,Wiley-Interscience, New Jersey, USA, 2005.

Han,J & Kamber, “Data Mining Concepts, Models and Techniques ”, Second Edition, Morgan Kaufmann Publisher, Elsevier. 2007.

Vercellis,C, “Business Intelligence : Data Mining and Optimization for Decision Making, Wiley, 2009.

Rahman, M.S., Akter, K.H., Hossain, SH., Basak, A., and Ahmed, S.I. “Smart Blood Query: A Novel Mobile Phone Based Privacy-aware Blood Donor Recruitment and Management System for Developing Regions”, IEEE Workshops of International Conference on Advanced Information Networking and Applications (WAINA)(2011). 22-25 March 2011, PP: 544-548.

Dua. Sumeet, Du Xian, “Data Mining and Machine Learning in Cybersecurity”, CRC PRESS, New York, 2011.

Rani. Asha S, Ganesh. Hari S, “A survey on blood transfusion based on data mining techniques, International Journal of Scientific & Engineering Research”, Volume 5, Issue 6, (2014), 1175 ISSN 2229-5518.

Ashoori. Maryam, Taheri. Zahra, “Using Clustering Methods for Identifying Blood Donors Behavior”, 5th Iranian Conference on Electrical and Electronic Engeenering(2013), Islamic Azad University Gonabad Branch

Boonyanusith. Wijai, Jittamai. Phongchai, Blood Donor Classification Using Neural Network and Decision Tree Techniques, Proceedings of the World Congress on Engineering and Computer Science 2012 Vol I WCECS( 2012), October 24-26, 2012, San Francisco, USA

Sundaram. Syham, T. Santhaman, “A COMPARISON OF BLOOD DONOR CLASSIFICATION DATA MINING MODELS”, Journal of Theoretical and Applied Information Technology 31st August 2011. Vol. 30 No.2,(2011), ISSN: 1992-8645 www.jatit.org E-ISSN: 1817-3195

Whitcombe, J.M., Cropp, R.A., Braddock, R.D., Agranovski, I.E., ”The use of sensitivity analysis and genetic algorithms for the management of catalystemissions from oil refi neries” Math. Comput. Model. 4 4,(2006), 430 e 438

Liao. Warren, Triataphyllau. Evangelos, “Recent Advanced in Data Mining of Enterprise Data: Algorithm and Application, Science on Computer and Operation Research Vol.6, World Scientific Publishing Co. Pte. Ltd.Singapore.(2007).

Gorunescu. Florin, Data Mining Concepts, Model and Techiques vol 12, ISBN 978-3-642-19720-8, Springer, Berlin, 2011.

Bramer. Max, Principles of Data Mining, Undergraduate Topics in Computer Science ISSN 1863-7310, Springer, London, 2007.

Kusrini, & Luthfi, E. T. Algoritma Data Mining. Yogyakarta: AndiPublishing, 2009

Witten, H. I., Eibe, F., & Hall, A. M. Data Mining Machine Learning Tools and Techiques. Burlington: Morgan Kaufmann Publisher, 2011.




DOI: https://doi.org/10.31294/jtk.v2i2.1408

ISSN2550-0120

 dipublikasikan oleh LPPM Universitas Bina Sarana Informatika Jakarta

Jl. Dewi Sartika No. 289, Cawang, Jakarta Timur Telp : 021-8010836
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License