DETEKSI PENYAKIT JANTUNG MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING NAIVE BAYES

ARLIN ZULIYANTI, 6012028 (2017) DETEKSI PENYAKIT JANTUNG MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING NAIVE BAYES. Skripsi thesis, UNISNU JEPARA.

[img]
Preview
Text
6012028_COVER.pdf - Published Version

Download (578kB) | Preview
[img]
Preview
Text
6012028_BAB I.pdf - Published Version

Download (175kB) | Preview
[img]
Preview
Text
6012028_BAB II.pdf - Published Version

Download (525kB) | Preview
[img]
Preview
Text
6012028_BAB III.pdf - Published Version

Download (141kB) | Preview
[img]
Preview
Text
6012028_BAB IV.pdf - Published Version

Download (152kB) | Preview
[img]
Preview
Text
6012028_BAB V.pdf - Published Version

Download (125kB) | Preview
[img]
Preview
Text
6012028_DAFTAR PUSTAKA.pdf - Published Version

Download (164kB) | Preview

Abstract

Seiring dengan perkembangan zaman diiringi dengan bertambahnya data. Oleh sebab itu, muncul ilmu tentang data mining yang digunakan untuk memperbaiki pengambilan keputusan di masa yang akan datang berdasarkan informasi yang diperoleh dari masa lalu. Sekumpulan data yang ada di laboratorium klinik belum difungsikan secara efektif karena data tersebut setelah selesai biasanya hanya diarsip untuk riwayat penyakit pasien.

Setiap tahunnya lebih dari 36 juta orang meninggal salah satunya dikarenakan terkena penyakit jantung. Penyakit jantung merupakan gangguan yang terjadi pada sistem pembuluh darah besar sehingga menyebabkan jantung dan peredaran darah tidak berfungsi sebagaimana mestinya. Metode yang digunakan dalam penelitian ini adalah menggunakan algoritma naive bayes untuk meningkatkan akurasi dalam deteksi penyakit jantung. Dengan membandingkan parameter yang digunakan oleh peneliti terdahulu. Data set yang digunakan sejumlah 308 pasien dengan 24 parameter sebagai berikut: id, usia, jenis kelamin, kolesterol total, HDL, LDL, trigliserid, rasio kolestrol, irama, frekuensi/menit, zone transisi, axis (posisi listrik), gelombang P, gelombang QRS, interval P-R, interval QRS, voltage , segmen ST, gelombang T, cepat capek disertai nyeri dada dan sesak, merokok, olahraga, hipertensi, tekanan darah. Hasil penelitian dengan menggunakan 13 parameter dihasilkan akurasi 73.08 %, dengan 17 parameter dihasilkan akurasi 77.27 % dan ekperimen yang ketiga dengan 24 parameter dihasilkan akurasi 81.19%.

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing I : Nur Aeni Widiastuti,S.Pd.,M.Kom Pembimbing II : Buang Budi Wahono,S.Si.,M.Kom
Uncontrolled Keywords: Data Mining, Penyakit Jantung, Naive Bayes
Subjects: 000 Karya Umum > 000 Ilmu Umum dan Komputer > 001 Ilmu Pengetahuan > 001.4 Riset, Metode Statistik
000 Karya Umum > 000 Ilmu Umum dan Komputer > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Admin Perpustakaan Unisnu
Date Deposited: 31 Mar 2022 04:09
Last Modified: 31 Mar 2022 04:09
URI: http://eprints.unisnu.ac.id/id/eprint/2869

Actions (login required)

View Item View Item