Prediksi Penyakit Hepatitis Menggunakan Algoritma Naïve Bayes Dengan Seleksi Fitur Algoritma Genetika

Duwi Cahya Putri Buani - STMIK Nusa Mandiri Jakarta

Abstract


Hepatitis adalah satu dari penyakit yang merupakan ancaman kesehatan didunia, sehingga perlu adanya penangannan khusus untuk penyakit hepatitis. Bidang Teknologi Informasi adalah salah satu yang dapat diaplikasikan untuk memprediksi penyakit hepatitis. Dengan cabang ilmu data mining permasalahan kesehatan tersebut dapat ditanggulangi. Naïve bayes adalah salah satu dari algoritma yang ada didalam data mining yang dapat digunakan untuk melakukan prediksi, agar akurasi dari predikisi algoritma naïve bayes meningkat maka dapat digunakan seleksi fitur dengan menggunakan algoritma genetika, dari penerapan metode tersebut dapat dihasilkan predikisi untuk penyakit hepatitis memiliki akurasi sebesar 96, 77%, hasil prediksi ini meningkat dari penelitian sebelumnya dengan menggunakan algoritma yang sama yaitu algoritma naïve bayes tanpa dilakukan seleksi fitur hasil akurasinya adalah 83, 71%, selisih hasil penelitian sebelumnya dengan penelitian ini adalah 13.06%

References


Bramer, M. (2007). Principles of Data Mining. Spinger. London: Springer. https://doi.org/10.1007/978-1-84628-766-4

Buani, D. C. P. (2017). Laporan Akhir Penelitian Mandiri. STMIK Nusa Mandiri Jakarta.

Desiani, A., & Muhammad, A. (2006). Konsep Kecerdasan Buatan. Yogyakarta: Cv. Andi Offset.

Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques. (D. Cerra, Ed.), San Francisco, CA, itd: Morgan Kaufmann (Third Edit). San Francisco: The Morgan Kaufmann. https://doi.org/10.1016/B978-0-12-381479-1.00001-0

Kusrini, & Luthfi, E. T. (2009). Algoritma Data Mining, 2009.

RI, K. K. (2014). InfoDATIN: Situasi dan Analisi Hepatitis. Pusat Data Dan Informasi. https://doi.org/24427659

Septiani, W. D. (2014). Penerapan Algoritma C4.5 Untuk Prediksi Penyakit Hepatitis Wisti. Jurnal Techno, Xi(1), 69–78.

Septiani, W. D. (2017). Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatiti. Pilar Nusa Mandiri, 13(1), 76–84.

Suryanto. (2007). Artificial Intelligent, Searching, Reasoning Planning dan Learning. Bandung: Informatika Bandung.

Witten, I. H., Frank, E., & Hall, M. a. (2011). Data Mining: Practical Machine Learning Tools and Techniques (Google eBook). (J. Gray, Ed.), Complementary literature None (Second Edi). United States of America: Morgan Kaufmann. https://doi.org/0120884070, 9780120884070

Zaidi, N., & Cerquides, J. (2013). Alleviating Naive Bayes attribute independence assumption by attribute weighting. The Journal of Machine …, 14, 1947–1988. Retrieved from http://dl.acm.org/citation.cfm?id=2567725




DOI: https://doi.org/10.31294/evolusi.v6i2.4381

ISSN: 2657-0793 (online). ISSN: 2338-8161 (print)

Published By LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License