Aplikasi Diagnosa Penyakit Tuberculosis Menggunakan Algoritma Naive Bayes

Aplikasi Diagnosa Penyakit Tuberculosis Menggunakan Algoritma Naive Bayes

• By Amrin, Amrin; Saiyar, Hafdiarsya;
• D3 - Sistem Informasi
• 362

Sangat penting bagi dokter untuk melakukan diagnosa secara dini penyakit  tuberculosis agar dapat mengurangi penularan penyakit tersebut kepada masyarakat luas.  Pada penelitian ini, penulis akan menerapkan metode klasifikasi data mining, yaitu metode Naïve Bayes untuk mendiagnosa penyakit tuberculosis. Berdasarkan hasil pengukuran performa dari model tersebut dengan  menggunakan  metode pengujian Cross Validation, Confusion Matrix dan Kurva ROC, diketahui bahwa metode Naïve Bayes dengan  tingkat  akurasi sebesar 94,18% dan nilai area under the curva (AUC) sebesar 0,977. Hal ini menunjukkan model yang dihasilkan termasuk katagori klasifikasi  sangat baik karena memiliki nilai AUC antara 0.90-1.00. 

• Katakunci
• URL https://ejurnal.stmik-budidarma.ac.id/index.php/jurikom/article/view/900/864
• Penerbit ,

REFERENSI

Amrin, A. (2016). Data Mining Dengan Regresi Linier Berganda Untuk Peramalan Tingkat Inflasi. Jurnal Techno Nusa Mandiri, XIII(1), 74–

79. Retrieved from http://ejournal.nusamandiri.ac.id/ejurnal/index.php/techno/article/view/268 

Fine, J. (2012). An Overview Of Statistical Methods in Diagnostic Medicine. Chapel Hill. 

Gorunescu, F. (2011). Data Mining: Concepts, Models, and Techniques. Verlag Berlin Heidelberg: Springer. 

Han, J., & Kamber, M. (2006). Data Mining Concept and Tehniques. San Fransisco: Morgan Kauffman. 

Kusrini, &. E. (2009). Algoritma Data Mining . Yogyakarta: Andi Publishing. 

Liao. (2007). Recent Advances in Data Mining of Enterprise Data: Algorithms and Application. Singapore: World Scientific Publishing. 

Orhan, E., Temurtas, F., & Tanrıkulu, A. Ç. (2010). Tuberculosis Disease Diagnosis Using Artificial Neural Networks. Springer, 299-302. 

Santosa, B. (2007). Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu. 

Sogala, S. S. (2006). Comparing the Efficacy of the Decision Trees with Logistic Regression for Credit Risk Analysis. India. 

Sumathi, &. S. (2006). Introduction to Data Mining and its Applications. Berlin Heidelberg New York: Springer. 

Vercellis, C. (2009). Business Intelligent: Data Mining and Optimization for Decision Making. Southern Gate, Chichester, West Sussex: John 

Willey & Sons, Ltd. Southern Gate, Chichester, West Sussex: John Willey & Sons, Ltd.: Vercellis, Carlo (2009). Business Intelligent: Data 

Mining and OpJohn Willey & Sons, Ltd. 

Widoyono. (2011). Penyakit Tropis Epidemiologi, Penularan, Pencegahan dan Pemberantasan. Jakarta: Erlangga. 

Witten, I. H. (2011). Data Mining: Practical Machine Learning and Tools. Burlington: Morgan Kaufmann Publisher.