Yuniza, Viola
(2024)
Perbandingan Algoritma Na ve Bayes dan K-Nearest Neighbor dalam
Klasifikasi Diagnosis Pasien Penyakit Demam Berdarah Dengue di RSUD
DR. Achmad Darwis.
Skripsi thesis, Universitas Negeri Padang.
Abstract
Demam Berdarah Dengue (DBD) merupakan salah satu masalah kesehatan
di lingkungan masyarakat Indonesia yang harus segera mendapat penanganan
yang cepat. DBD merupakan penyakit menular yang disebabkan oleh virus
dengue dan ditularkan oleh nyamuk Aedes Aegypti. DBD di Kabupaten Lima
Puluh Kota terjadi peningkatan pada Tahun 2022 dibuktikan dengan tingkat IR
sebesar 14,40%. Penelitian ini bertujuan untuk mengetahui pengklasifikasian dan
tingkat akurasi dalam klasifikasi diagnosis pasien penyakit DBD di RSUD DR.
Achmad Darwis Tahun 2020-2022.
Jenis penelitian ini adalah penelitian terapan. Data yang digunakan adalah
data sekunder yang diperoleh dari RSUD DR. Achmad Darwis Kabupaten Lima
Puluh Kota. Data tersebut berupa data rekam medis pasien rawat inap penderita
penyakit DBD. Analisis yang digunakan adalah algoritma Na ve Bayes dan KNearest
Neighbor. Variabel dalam penelitian ini terdiri dari variabel prediktor
yaitu umur, suhu badan, demam, trombosit, jenis kelamin, nyeri sendi, nafsu
makan, pusing, mual muntah, gusi berdarah, mimisan.
Hasil pengklasifikasian pasien penyakit DBD di RSUD DR. Achmad
Darwis terhadap 34 data testing pada algoritma Na ve Bayes berhasil
mengklasifikasikan 12 pasien dikategorikan positif DBD dan 22 pasien
dikategorikan negatif DBD. Pada algoritma KNN berhasil mengklasifikasikan 3
pasien dikategorikan positif DBD dan 31 pasien dikategorikan negatif DBD.
Algoritma Na ve Bayes memiliki tingkat accuracy sebesar 91,18%. Sedangkan
algoritma KNN tingkat accuracy sebesar 73%. Berdasarkan nilai tersebut dapat
dikatakan bahwa algoritma Na ve Bayes memiliki peforma yang sangat baik
dalam mengklasifikasikan pasien penyakit DBD di RSUD DR. Achmad Darwis.
Actions (login required)
 |
View Item |
