Perancangan Aplikasi Prediksi Gagal Ginjal Kronik Menggunakan Algoritma Naïve Bayes dan Visualisasi Chernoff Faces
Abstract
Berdasarkan PT Askes, pada 2014 ada sekitar 14,3 juta orang penderita gagal ginjal tahap akhir menjalani pengobatan yaitu dengan prevalensi 433 orang perjumlah penduduk. Jumlah ini akan meningkat hingga melebihi 200 juta pada tahun 2025. Dengan banyaknya data yang ada, maka dilakukanlah penelitian ini guna menemukan informasi yang lebih banyak. Untuk itu digunakan algortima naïve bayes untuk mencari pola dan menghasilkan prediksi penyakit gagal ginjal dan visualisasi chernoff faces untuk menggambarkan kondisi fisik pasien. Dari penelitian ini, dengan data latih yang digunakan, didapatkan akurasi prediksi sebesar 93.75% dan respon yang positif dari pasien dari hasil pengujian visualisasi.References
Putri, dkk (2012). Analisis Kinerja Dosen Jurusan Matematika Fmipa Unud Dengan Metode Chernoff Faces. Bali : Universitas Udayana.
Jaya, Ivan (2013). Analisis Seleksi Atribut Pada Algoritma Naïve Bayes Dalam Memprediksi Penyakit Jantung. Medan : Universitas Sumatera Utara.
Imanurrahman, Muhhamad (2015). Pengklasifikasian Penyakit Ginjal Menggunakan Metode Naive Bayes. Medan : Universitas Sumatera Utara.
Brunner, Suddarth. 2002. Keperawatan Medikal Bedah. Cetakani 8 vol 2. Jakarta EGC.
Brahmana, Yessi Sembiring (2010). Studi Diagnosa Penyakit Gagal Ginjal Kronik Yang Disebabkan Oleh Penyakit Hipertensi Yang Menimbulkan Dampak Spesifik Pada Keseimbangan Elektrolit Tubuh Terutama Kadar Na Dan K. Medan : Universitas Sumatera Utara.
Kusrini, Luthfi, E. T. (2009). Algoritma Data Mining. Surabaya : Andi Offset.
Han, Jiawei dan Kamber, Micheline. 2006. Data Mining: Concepts and Techniques Second Edition. San Fransisco. Morgan Kauffman Publisher.
Johnson, Richard A, and Dean W. Wichern, (2002). Applied Multivariate Statistical AnalYSiS, 5th edition. New Jersey : Prentice Hall Inc.
Downloads
Published
Issue
Section
License
Copyright info for authors
1. Authors hold the copyright in any process, procedure, or article described in the work and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2. Authors retain publishing rights to re-use all or portion of the work in different work but can not granting third-party requests for reprinting and republishing the work.
3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) as it can lead to productive exchanges, as well as earlier and greater citation of published work.