PENERAPAN ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI GEJALA DEMAM TIFOID PADA PUSKESMAS CIBADAK
| Main Authors: | Khabari Kamil , Abdullah, Yulistria, Resti, Supiandi, Apip, Gunawan |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
LPPM Universitas Bina Sarana Informatika
, 2021
|
| Subjects: | |
| Online Access: |
http://jurnal.bsi.ac.id/index.php/larik/article/view/499 http://jurnal.bsi.ac.id/index.php/larik/article/view/499/327 |
Daftar Isi:
- Typhoid fever is an infectious disease that is still a health problem in developing countries, especially in Indonesia. Salmonella typhi is a bacterium that causes typhoid fever which can be transmitted through food or drink contaminated by feces or urine from an infected person. The first step in managing typhoid fever is determining the right diagnosis. To reduce detection errors and avoid delays in diagnosis of typhoid fever sufferers, the application and utilization of data mining techniques can be carried out. One of the algorithms that can be applied is Naive Bayes Classifier, with the implementation of the Naive Bayes Classifier algorithm it is expected that sufferers can find out their health condition from typhoid fever that may occur, so they can immediately take action in an effort to minimize the symptoms that occur and are expected to take action early on. this makes other symptoms that will occur just do not occur and the symptoms are reduced. The Naïve Bayes Classifier is a well-known classification model and is often used. The results of this study get an accuracy of 93.71%. using rapid miner 5.2 with 142 datasets.
- Demam tifoid merupakan salah satu penyakit infeksi yang masih menjadi masalah kesehatan di negara berkembang, khususnya di Indonesia. Salmonella typhi merupakan bakteri penyebab demam tifoid yang dapat ditransmisikan melalui makanan maupun minuman terkontaminasi oleh feses atau urin dari orang yang telah terinfeksi. Langkah pertama dalam pengelolaan penyakit demam tifoid adalah penetapan diagnosis yang tepat. Untuk mengurangi kesalahan deteksi dan menghindari keterlambatan diagnosis penderita demam tifoid, dapat dilakukan penerapan dan pemanfaatan teknik data mining. Salah satu algoritma yang dapat diterapkan adalah Naive Bayes Classifier, dengan diterapkannya algoritma Naive Bayes Classifier ini diharapkan para penderita dapat mengetahui kondisi kesehatannya dari demam tifoid yang mungkin saja terjadi, sehingga dapat langsung melakukan tindakan sebagai usaha untuk meminimalisir gejala yang terjadi dan diharapkan tindakan sejak dini ini membuat gejala lain yang akan terjadi justru tidak terjadi dan gejala yang ada berkurang. Naïve Bayes Classifier yang dikenal merupakan salah satu model klasifikasi yang baik dan sering digunakan. Hasil dari penelitian ini mendapatkan akurasi sebesar 93,71%. menggunakan rapid miner 5.2 dengan 142 dataset.