IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI PENYEBAB KEMATIAN DI INDONESIA

IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI PENYEBAB KEMATIAN DI INDONESIA

• By Wicaksono Dimas Nur;
• S1- Sistem Infomasi
• 5
• 1-70

Dalam konteks kesehatan masyarakat, mengetahui penyebab utama kematian adalah langkah penting untuk merumuskan kebijakan yang tepat dan meningkatkan layanan kesehatan.
Algoritma Naive Bayes, yang terkenal karena kesederhanaan dan keefektifannya dalam klasifikasi teks, diaplikasikan pada dataset penyebab kematian yang mencakup berbagai faktor. Faktor aspek terpenting dari kesehatan populasi umum yang melemahkan identitas dan kesehatan nasional adalah penyebab kematian. mengetahui penyebab utama kematian adalah langkah penting untuk merumuskan kebijakan yang tepat dan meningkatkan layanan kesehatan. Di Indonesia, peningkatan jumlah kematian dan kompleksitas penyebabnya merupakan hal yang penting, peningkatan jumlah kematian dan kompleksitas penyebabnya merupakan hal yang perlu mendapat perhatian. Tujuan yang ingin dicapai dari penelitian ini adalah: “Untuk menganalisis klasifikasi Penyebab Kematian di Indonesia menggunakan metode algoritma naive bayes agar dapat mengetahui penyebab kematian di Indonesia dan bisa melakukan pencegahan dari dini untuk mengurangi angka kematian di Indonesia. Hasil tingkat akurasi metode algoritma naive bayes dalam menentukan klasifikasi penyebab kematian di Indonesia dengan pengujiannya menggunakan rasio 80: 20 maka diperoleh nilai akurasi sebesar 93% Dari hasil akurasi yang cukup tinggi yaitu 93 % metode naive bayes classifier cukup efektif dalam melakukan klasifikasi penyebab kematian di Indonesia.

• Katakunci Naive Bayes, Data Mining, Kematian, Klasifikasi
• URL http://
• Penerbit ,

REFERENSI

Arisandi, R. R. R., Warsito, B., & Hakim, A. R. (2022). Aplikasi naive bayes classifier (nbc) pada klasifikasi status gizi balita stunting dengan pengujian k-fold cross validation. Jurnal Gaussian, 11(1), 130–139

Cahya, D., & Buani, P. (2021). Penerapan Algoritma Naïve Bayes dengan Seleksi Fitur Algoritma Genetika Untuk Prediksi Gagal Jantung. Jurnal Sains Dan
Manajemen, 9(2).

Felicia Watratan, A., Puspita, A. B., Moeis, D., Informasi, S., & Profesional Makassar,
S. (2020). Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. In JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY (JACOST) (Vol. 1, Issue 1).
http://journal.isas.or.id/index.php/JACOST

Fatmawati, F., & Narti, N. (2022). Perbandingan Algoritma C4.5 dan Naive Bayes
Dalam Klasifikasi Tingkat Kepuasan Mahasiswa Terhadap Pembelajaran Daring.
JTIM : Jurnal Teknologi Informasi Dan Multimedia, 4(1), 1–12.
https://doi.org/10.35746/jtim.v4i1.196

Komputer, J. S., Buatan, K., & Ridwan, A. (2020). Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus.

Putri, A., Syaficha Hardiana, C., Novfuja, E., Try Puspa Siregar, F., Fatma, Y., & Wahyuni, R. (2023). Comparison of K-NN, Naive Bayes and SVM Algorithms for Final-Year Student Graduation Prediction Komparasi Algoritma K-NN, Naive Bayes dan SVM untuk Prediksi Kelulusan Mahasiswa Tingkat Akhir. Institut Riset Dan Publikasi Indonesia (IRPI) MALCOM: Indonesian Journal of Machine Learning and Computer Science Journal Homepage, 3(1), 20–26.

Prasetyo, V. R., Lazuardi, H., Mulyono, A. A., & Lauw, C. (2021). Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(1), 8–17. https://doi.org/10.25077/teknosi.v7i1.2021.8-17

Setio, P. B. N., Saputro, D. R. S., & Winarno, B. (2020). PRISMA, Prosiding Seminar Nasional Matematika Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5. 3, 64–71. https://journal.unnes.ac.id/sju/index.php/prisma/

Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). ANALISIS DATA MINING DATA NETFLIX MENGGUNAKAN APLIKASI RAPID MINER. JBASE - Journal of Business and Audit Information Systems, 4(1). https://doi.org/10.30813/jbase.v4i1.2729

Widya Utami, N., & Nyoman Saptiari STMIK Primakara, N. (2020). Penerapan Data Mining Untuk Klasifikasi Penyebab Kematian Menggunakan Algoritma Support Vector Machine.

Zai, C. (2022). Implementasi Data Mining Sebagai Pengolahan Data. Jurnal Portal Data, 2(3).