ANALISIS PERBANDINGAN AKURASI ANTARA ALGORITMA NAIVE BAYES DAN NEURAL NETWORK UNTUK KLASIFIKASI STATUS PASIEN COVID-19

Rahayu, Ivan Ngudi (2023) ANALISIS PERBANDINGAN AKURASI ANTARA ALGORITMA NAIVE BAYES DAN NEURAL NETWORK UNTUK KLASIFIKASI STATUS PASIEN COVID-19. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (818kB)
	Text (BAB I) BAB I.pdf Download (193kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (554kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (452kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (653kB)
	Text (BAB V) BAB V.pdf Download (76kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (153kB)
	Archive (SOURCE CODE) Source Code - Ivan Ngudi Rahayu.zip Restricted to Repository staff only Download (71kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (723kB)

Abstract

COVID-19 adalah penyakit menular yang disebabkan oleh virus SARS- COV-2. Pada manusia, virus ini dapat menimbulkan infeksi pernapasan ringan maupun penyakit seperti SARS atau MERS yang bersifat lebih mematikan. Dengan melihat beberapa atribut yang berpengaruh, kemudian diuraikan dalam penelitian dengan menggunakan naïve bayes dan neural network, dengan tujuan untuk membandingkan akurasi terhadap atribut yang berpengaruh dalam prediksi gejala COVID-19, sehingga hasil dari penilitian ini dapat digunakan sebagai referensi berdasarkan data kesehatan untuk memprediksi status pasien. Penelitian dilakukan dengan menggunakan dataset pasien COVID-19 yang bersumber dari repository github. Pasien dikategorikan kedalam dua kelas label yaitu positif dan negatif. Metode yang digunakan adalah dengan menggunakan algoritma Naïve Bayes Classifier dan Neural Network MLP untuk dibuat model klasifikasi pasien COVID-19. Penelitian di awali dengan tahap preprocessing data meliputi handling missing data, encoding, normalisasi data, feature selection, dan balancing data. Kemudian dibuat model klasifikasi menggunakan dua algoritma. Penelitian ini diharapkan dapat memberikan manfaat bagi pihak terkait seperti tenaga medis dan pemerintah dalam screening gejala-gejala COVID-19 secara dini dengan mengimplementasi model klasifikasi yang dibuat. Kemudian diharapkan dapat menjadi acuan untuk penelitian selanjutnya dalam metode klasifikasi data penyakit. Hasil pengujian dari 934 data diperoleh hasil tertinggi menggunakan metode Naïve Bayes dengan perolehan akurasi 68.64%, presisi 75%, dan recall 53%. Kemudian untuk Neural network diperoleh hasil tertinggi dengan akurasi 96.05%, presisi 93%, dan recall 99%.

Actions (login required)

View Item