Ramadhani, Rizki Nuraini (2021) ANALISIS KEBUTUHAN NUTRISI PENDERITA GAGAL GINJAL KRONIS DENGAN METODE NAÏVE BAYES CLASSIFIER. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER - ABSTRAK)
COVER.pdf Download (550kB) |
|
Text (BAB I)
BAB I.pdf Download (156kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (758kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (744kB) |
|
Text (BAB V)
BAB V.pdf Download (69kB) |
|
Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (433kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
publikasi di luar - Source Code-17.11.1075-Rizki Nuraini Ramadhani - Rizki Nuraini Ramadhani.zip Restricted to Repository staff only Download (1MB) |
|
Text (PUBLIKASI)
Surat Pernyataan Publish Diluar 17.11.1075 Rizki Nuraini Ramadhani.pdf Download (5kB) |
Abstract
Gagal ginjal kronis atau GGK adalah kondisi saat fungsi ginjal menurun secara bertahap karena kerusakan ginjal baik dari dalam ginjal maupun luar ginjal. Penderita membutuhkan penanganan khusus terutama dalam hal pembatasan asupan makanan dan minuman. Dalam kurun waktu yang lama penderita akan mulai merasa jenuh dengan makanan yang itu-itu saja. Bahkan melewatkan kontrol rutin pada tes lab darah secara konseling dan berkala karena merasa repot. Beberapa hanya mengandalkan cek darah yang dilakukan poli hemodiasis sebulan sekali dan hal tersebut tidak terpantau secara langsung dan rinci. Untuk membantu proses analisis, penulis membuat sistem pendukung keputusan berupa prototype berbasis website dengan metode NBC (Naïve Bayes Classifier) untuk mengetahui tingkat kecukupan kebutuhan nutrisi penderita gagal ginjal kronis. Yang mana sistem ini akan menghasilkan data berupa klasifikasi yang terbagi dalam 4 kriteria yaitu sangat kurang, kurang, cukup, dan baik. Dari 39 data yang didapat, 30 data digunakan sebagai data latih yang menghasilkan 6 data bernilai sangat kurang, 15 data bernilai kurang, 6 data bernilai cukup, dan 3 data bernilai baik. Sedangkan 9 sisa data digunakan sebagai data uji menghasilkan hasil prediksi tingkat kecukupan nutrisi sebanyak 7 data bernilai kurang dan 2 data bernilai cukup dengan nilai akurasi 66,67% dan laju error sebesar 33,33%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | GGK, NBC, Klasifikasi, Classification | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 001 Ilmu pengetahuan 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 20 Jun 2022 07:49 | ||
| Last Modified: | 14 Aug 2023 07:49 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/1838 |
Actions (login required)
 |
View Item |