Komparasi Metode Klasifikasi Data Mining Decision Tree dan Naïve Bayes Untuk Prediksi Penyakit Diabetes

Permana, Baiq Andriska Candra; Patwari, Intan Komala Dewi

doi:10.29408/jit.v4i1.2994

Cited by 5 publications

(4 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Setelah pohon keputusan dibangun, ia kemudian diuji untuk memastikan kebenarannya dalam melakukan prediksi atau klasifikasi terhadap data yang belum pernah telah terlihat sebelumnya. Metode tersebut sering digunakan dalam tugas-tugas klasifikasi dan prediksi, serta dapat memberikan pemahaman yang intuitif terhadap faktor-faktor yang mempengaruhi pengambilan keputusan dalam suatu model [9].…”

Section: Decision Treeunclassified

Komparasi Algoritma Decision Tree Dan Naive Bayes Dalam Klasifikasi Penyakit Diabetes

Maulana,

Narasati,

Herdiana

et al. 2024

jati

View full text Add to dashboard Cite

Rata-rata nilai akurasi klasifikasi penyakit diabetes adalah sebesar 82%. Meskipun demikian, nilai tersebut masih kurang baik. Karena nilai akurasi tersebut masih dibawah rata-rata yaitu 85%. Masalah utama muncul karena tingkat akurasi yang kurang baik dapat menimbulkan risiko kesalahan yang signifikan dalam mengidentifikasi penyakit diabetes. Kecenderungan nilai rata-rata yang rendah ini menunjukkan adanya hambatan dalam keandalan sistem klasifikasi penyakit diabetes. Penelitian ini menerapkan metode Knowledge Discovery in Databases (KDD). Adalah sebuah teknik yang dipakai untuk mengeksplorasi dan memperoleh pemahaman yang mendalam pada suatu database. Tujuan utama pada tahapan KDD adalah menghasilkan informasi yang dapat digunakan sebagai landasan untuk pengambilan keputusan. Hasil penelitian menandakan bahwa Naive Bayes mencapai tingkat keakuratan yang lebih baik sebesar 91.56%. Sedangkan, Decision Tree memiliki tingkat akurasi 87.01%. Dari evaluasi ini, dapat disimpulkan bahwa Naive Bayes menghasilkan kinerja yang lebih unggul dalam klasifikasi penyakit diabetes pada dataset yang digunakan dibandingkan dengan Decision Tree.

show abstract

Section: Decision Treeunclassified

Komparasi Algoritma Decision Tree Dan Naive Bayes Dalam Klasifikasi Penyakit Diabetes

Maulana,

Narasati,

Herdiana

et al. 2024

jati

View full text Add to dashboard Cite

show abstract

“…Data mining adalah istilah yang digunakan untuk mencari atau menemukan pengetahuan pada database [16]. Data mining juga dapat dikatakan sebagai kumpulan data yang tidak diperkirakan sebelumnya serta ringkas data yang dilakukan dengan cara-cara sebelumnya yang dapat memberikan manfaat kepada pemilik data serta dapat digunakan [17].…”

Section: Data Miningunclassified

Analisa Algoritma Naïve Bayes Classifier (NBC) Untuk Prediksi Penjualan Alat Kesehatan

Ramadhani,

A’yuniyah,

Elvira

et al. 2023

IJIRSE

View full text Add to dashboard Cite

The application of Data Mining in the business scope can be found in the use of Customer Relationship Management (CRM). CRM is a company's effort to manage its sales and customers more optimally. Company Sales Data can be processed into knowledge that can be used to optimize marketing strategies. Purna Karya Scientific is a company engaged in the field of medical/medical devices, laboratory equipment, chemical and dental materials as well as educational aids. In this study has used sales data at PT. After Scientific Work with attributes item code, relation, number of items, and label as class. Then classify medical device sales data by implementing the Naïve Bayes Classifier (NBC) algorithm which can predict sales results by displaying an accuracy value. Implementation was carried out using Google Colab to obtain an accuracy value of 95%, a recall value of 95%, and a precision value of 81%. The results of data on sales of medical devices with 2 classes namely "Selling" and "Not Selling". The resulting value is very good and can be used as a basis for classifying sales of medical devices by analyzing the stock of goods at PT. Full Scientific Work.

show abstract

“…Maka dari itu perlu kiranya dibutuhkan sebuah cara ataupun teknik khusus yang dipergunakan untuk membantu dalam melakukan proses pengolahan data pada dataset. Cara tersebut biasa digunakan dengan data mining [9], [10].…”

Section: Pendahuluanunclassified

Perbandingan Algoritma Klasifikasi Data Mining Pada Prediksi Penyakit Diabetes

Wijaya,

Triayudi

2023

JoSYC

View full text Add to dashboard Cite

Diabetes is a chronic disease that attacks humans. One of the causes of diabetes in humans is that sugar intake is too high which the body cannot balance due to absorption or activities carried out. Diabetes is often considered a common disease among people, but the impacts caused by this disease are very detrimental to humans. Based on this, it is necessary for everyone to know whether they suffer from diabetes or not. Therefore, this problem must be resolved appropriately, where it is necessary to predict whether someone will have diabetes or not. The prediction process is carried out to determine whether someone has diabetes or not by knowing the patterns or possible symptoms that cause someone to suffer from diabetes. In this research, the pattern formation process is based on data stored in the past collected in a dataset. A dataset is a collection of past data that occurred in fact and was then collected over a certain period of time on a large scale. Data mining is a method used to process data based on collections of past data, whether in datasets or others. In data mining, the data processing process is carried out using various techniques, one of which is the solution technique in data mining is classification. In this research, the Naïve Bayes algorithm, the K-Nearest Neighbor (K-NN) algorithm and the C4.5 algorithm will be used. In the data mining classification process, there are 3 (three) algorithms used, namely Naïve Bayes, K-Nearest Neighbor and C4.5. From the results of the tests that have been carried out, the accuracy performance results for the Naïve Bayes algorithm are 75%, accuracy for the K-Nearest Neighbor algorithm by 80.60% and the C4.5 algorithm by 91.80%. In this case, it indicates that the C4.5 algorithm has better performance compared to other algorithms. Therefore, the pattern results produced by the C4.5 algorithm are used to make predictions about diabetes.

show abstract

Komparasi Metode Klasifikasi Data Mining Decision Tree dan Naïve Bayes Untuk Prediksi Penyakit Diabetes

Cited by 5 publications

References 1 publication

Komparasi Algoritma Decision Tree Dan Naive Bayes Dalam Klasifikasi Penyakit Diabetes

Komparasi Algoritma Decision Tree Dan Naive Bayes Dalam Klasifikasi Penyakit Diabetes

Analisa Algoritma Naïve Bayes Classifier (NBC) Untuk Prediksi Penjualan Alat Kesehatan

Perbandingan Algoritma Klasifikasi Data Mining Pada Prediksi Penyakit Diabetes

Contact Info

Product

Resources

About