##plugins.themes.academic_pro.article.main##
Perbandingan Implementasi Algoritma Naïve Bayes dan K-Nearest Neighbor Pada Klasifikasi Penyakit Hati
Abstract
Hati adalah organ kelenjar terbesar dengan berat kira-kira 1200-1500 gram. Hati dapat terkena berbagai macam penyakit. Untuk mengetahui jumlah rerataan manusia yang terkena penyakit hati, maka kita dapat melakukan klasifikasi terhadap penyakit hati. Penelitian ini bertujuan untuk membandingkan kemudian menyimpulkan algoritma terbaik yang dapat digunakan dalam melakukan klasifikasi penyakit hati. Adapun algoritma yang dibandingkan adalah Naïve Bayes dan K-Nearest Neighbor (K-NN). Hasil dari penelitian ini menyatakan algoritma K-NN dan Naïve Bayes memperoleh nilai lebih dari 80% baik nilai akurasi, presisi maupun recall. Algoritma K-NN memberikan nilai akurasi, presisi, serta recall yang lebih tinggi dibandingkan dengan algoritma Naïve Bayes. Maka algoritma terbaik yang dapat digunakan adalah K-NN.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Pujiyanta, A., & Pujiantoro, A., “Sistem Pakar Penentuan Jenis Penyakit Hati dengan Metode Inferensi Fuzzy Tsukamoto”, Jurnal Informatika, Vol.6, No.1, pp.617–629, Januari 2012. http://journal.uad.ac.id/index.php/JIFO/article/view/2787/1698
Safithri., “Mekanisme Regenerasi Hati secara Endogen pada Fibrosis Hati”, Mekanisme Regenerasi Hati Secara Endogen Pada Fibrosis Hati, Vol.2, No.4, pp.9–26, Februari 2018.
Falatehan, A. I., Hidayat, N., & Brata, K. C., “Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy Tsukamoto Berbasis Android”, Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, Vol.2, No.8, pp.2373–2381, Agustus 2018.
Prabiantissa, C. N., “Klasifikasi pada Dataset Penyakit Hati Menggunakan Algoritma Support Vector Machine, K-NN, dan Naïve Bayes”, Seminar Nasional Teknik Elektro, Sistem Informasi, Dan Teknik Informatika, Vol., No., pp.219–224, Juni 2021, doi: 10.31284/p.snestik.2021.1818.
Muslim, A. M., Syarifah, A., “Pemanfaatan Naïve Bayes Untuk Merespon Emosi Dari Kalimat Berbahasa Indonesia”, Unnes Journal of Mathematics, Vol. 4, No. 2, pp. 147-156, Jan 2015.
Rosandy, T. “PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DENGAN METODE DECISION TREE (C4.5) UNTUK MENGANALISA KELANCARAN PEMBIAYAAN (Study Kasus : KSPPS / BMT AL-FADHILA”, Jurnal Teknologi Informasi Magister Darmajaya, Vol.2, No.1, pp.52-62, Mei 2016.
Hidayanti, W. P., Yahya, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape (Rokok Elektrik) pada “Lombok Vape On””, Infotek : Jurnal Informatika dan Teknologi, Vol.3, No.2, pp.104-114, Juli 2020.
Bode, A., “K-Nearest Neighbor Dengan Feature Selection Menggunakan Backward Elimination Untuk Prediksi Harga Komoditi Kopi Arabika”, ILKOM Jurnal Ilmiah, Vol.9, No.2, pp.188-195, Agustus 2017, doi: 10.33096/ilkom.v9i2.139.188-195.
Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD )” , Jurnal Edik Informatika, Vol. 2, No.2, pp.213–219, 2019.
Syarli, & Muin, A. A., “Metode Naive Bayes Untuk Prediksi Kelulusan”, Jurnal Ilmiah Ilmu Komputer, Vol.2, No.1, pp.22–26, April 2016. https://media.neliti.com/media/publications/283828- metode-naive-bayes-untuk-prediksi-kelulu-139fcfea.pdf
Bustami, “Penerapan Algoritma Naive Bayes”, Jurnal Informatika, Vol.8, No.1, pp.884–898, Januari 2014.
Yustanti, W., ”Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah”, Jurnal Matematika Statistika Dan Komputasi, Vol.9, No.1, pp.57–68, Juli 2012.
Dewi, S. “Pada Prediksi Keberhasilan Pemasaran Produk Layanan Perbankan”, Techno Nusa Mandiri, Vol.13, No.1, pp.60–66, Maret 2016.
Hendrian, S. "Algoritma Klasifikasi Data Mining Untuk Memprediksi Siswa Dalam Memperoleh Bantuan Dana Pendidikan", Faktor Exacta, Vol.11, No.3, pp.266–274, 2018, doi:https://doi.org/10.30998/faktorexacta.v11i3.2777
