Aji, Latifaestrelita Indi Pramesti (2022) ANALISIS PERBANDINGAN METODE ALGORITMA C4.5 DAN NAÏVE BAYES UNTUK MEMPREDIKSI KASUS COVID-19 (Studi Kasus: Daerah Istimewa Yogyakarta). S2 - Magister thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (THESIS)
19.51.1245 Latifaestrelita Indi Pramesti Aji.pdf Download (7MB) |
Abstract
Penelitian berikut yang berjudul “Analisis Perbandingan Algoritma C4.5 dan Naïve Bayes untuk Memprediksi Kasus COVID-19 (Studi Kasus: Daerah Istimewa Yogyakarta)” memiliki tujuan untuk mengoptimalkan, memanfaatkan dan mengimplementasikan penggunaan teknik data mining khususnya pohon keputusan Algoritma C4.5 dan Naïve Bayes dalam upaya membantu penanganan dan meminimalisir resiko dengan memprediksi kasus COVID-19. Wabah COVID-19 telah menyebabkan kasus kematian khususnya pasien yang terdeteksi parah dan kritis. Namun, ketersediaan studi pustaka atau literatur yang divalidasi oleh model machine learning untuk memprediksi resiko dampak dari COVID-19 sangat terbatas. Pernyataan resmi untuk mengembangkan teks baru dan teknik data mining guna membantu penelitian yang terkait dengan COVID-19 membawa penelitian ini untuk menggunakan Algoritma C4.5 dan Naïve Bayes, yang sebagaimana kedua teknik tersebut termasuk teknik data mining yang sering digunakan dan memiliki peran lebih untuk prediksi khususnya di bidang kesehatan. Berdasarkan hasil implementasi dan menganalisa perbandingan kedua metode, dibuktikan bahwa metode pohon keputusan Algoritma C4.5 merupakan metode yang baik dalam memprediksi kasus COVID-19. Dengan tingkat akurasi yang tinggi sebesar 98,41%, Algoritma C4.5 dibuktikan hasilnya hampir serupa dengan kasus COVID-19 yang sebenarnya, menimbang faktor-faktor eksternal yang dapat mempengaruhi parameter prediksi. Kemampuan Algoritma C4.5 dalam memprediksi juga lebih tinggi dibandingkan Naïve Bayes, sehingga metode ini lebih unggul serta dapat memberikan kontribusi untuk memahami fenomena yang literaturnya masih dalam tahap konstruksi.
| Item Type: | Thesis (S2 - Magister) | |||
|---|---|---|---|---|
| Contributor: |
|
|||
| Uncontrolled Keywords: | COVID-19, Algoritma C4.5, Naïve Bayes, Prediksi, Klasifikasi | |||
| 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 > 005 Pemrograman komputer, program dan data |
|||
| Divisions: | Pascasarjana MTI > Magister Teknik Informatika | |||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | |||
| Date Deposited: | 12 Jul 2023 01:51 | |||
| Last Modified: | 12 Jul 2023 02:24 | |||
| URI: | http://eprints.amikom.ac.id/id/eprint/20310 |
Actions (login required)
 |
View Item |