ANALISIS TINGKAT AKURASI ALGORITMA K-NEAREST NEIGHBOUR DENGAN NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PENDONOR DARAH (Studi Kasus : RSUD Unit Transfusi Darah Bima)

Mutmainah, Siti (2020) ANALISIS TINGKAT AKURASI ALGORITMA K-NEAREST NEIGHBOUR DENGAN NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PENDONOR DARAH (Studi Kasus : RSUD Unit Transfusi Darah Bima). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (191kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (779kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (191kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (677kB)
	Text (BAB V) BAB V.pdf Download (62kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (85kB)
	Archive (SOURCE CODE) Soure code 18.21.1146 SITI MUTMAINAH.zip Restricted to Repository staff only Download (174kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (627kB)

Abstract

RSUD atau Rumah Sakit Umum Daerah Unit Transfusi Darah menyelenggarakan donor darah.. sebelum melakukan donor darah pendonor harus melakukan pemeriksaan. Klasifikasi merupakan salah satu teknik data mining yang dapat melakukan prediksi data pendonor dalam menentukan kelayakan pendonor darah. Penelitian ini bermaksud untuk membandingkan akurasi antara Algoritma K-Nearest Neigbord dan Naïve Bayes dalam klasifikasi kelayakan pendonor, dataset yang didapat pada rumah sakit umum daerah Bima memiliki imbalance class antara pendonor (Layak) dan (Tidak), sehingga data yang ada harus dilakukan penanganan imbalance data. Teknik yang digunakan dalam menangani Imbalance class adalah SMOTE (Syntetic Minority Over Sampling Technique). Penelitian dengan K-Nearest Neigbord menerapkan nilai K yang berbeda yaitu 1 sampai 10 untuk melihat hasil kinerja yang paling tinggi, akurasi tertinggi K-Nearest Neigbord pada K=1 yaitu 100%, mengalami penurunan akurasi pada K=2,3 92.13% dan K=4 sampai 10 stabil pada 91.17%. Penerapan SMOTE dalam menangani imbalance class pada klasifikasi pendonor darah menghasilkan akurasi tertinggi pada K=2 yaitu 98.09%. Naïve Bayes memiliki akurasi 98.09%. sedangkan akurasi yang sama antara Naïve Bayes dan Naïve Bayes dengan SMOTE 99.04%

Actions (login required)

View Item