Daftar Isi:
  • Donor darah merupakan proses tranfusi darah dari pendonor ke dalam bank darah. Dalam proses pendonoran darah, calon pendonor harus dalam kondisi yang benar-benar masuk dalam kondisi paling aman. Jika salah menentukan kriteria indikator calon pendonor darah maka akan berakibat fatal bahkan dapat menimbutkan kematian. Dalam era kecanggihan, data mining sangat bermanfaat bagi untuk beberapa bidang termasuk dalam membantu pendonoran darah. Penelitian ini bertujuan untuk mengukur kinerja dari algoritma Naive Bayes yang diimplementasikan pada dataset pendonoran darah. Penelitian dimulai dengan pengumpulan sample pendonor darah baik kriteria yang boleh atau tidak boleh. Kemudian dilanjutkan dengan proses pembersihan data (data prepocessing). Setelah didapatkan dataset yang memenuhi kriteria, tahapan selanjutnya adalah mengimplementasi algoritma supervised learning Naive Bayes. Dalam penelitian ini juga lebih mengeksplor data atribut yang bersifat kontinyu. Atribut-atribut yang dipertimbangkan dalam penelitian ini adalah berat badan, kadar hemoglobin, umur, tekanan darah sistolik, distolik. Metode validasi pengukuran kinerja model yang digunakan dalam penelitian ini adalah k-fold cross validation dengan nilai k=10. Akurasi, Presisi, dan Nilai Recall menjadi parameter kinerja model algoritma yang diukur dalam penelitian ini. Hasil dari penelitian ini menunjukkan bahwa akurasi model algoritma Naive Bayes tergolong excellent yaitu sebesar 80%, nilai recall rata-rata kedua label adalah 80,61%, dan nilai precision dari algoritma ini sebesar 80,401%.