SISTEM PAKAR PENDETEKSI DINI NYERI KEPALA MENGGUNAKAN METODE NAIVE BAYES

Melandara, Silvanka (2020) SISTEM PAKAR PENDETEKSI DINI NYERI KEPALA MENGGUNAKAN METODE NAIVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf

Download (696kB)
[img] Text (BAB I)
BAB I.pdf

Download (238kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (863kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (BAB V)
BAB V.pdf

Download (57kB)
[img] Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf
Restricted to Registered users only

Download (117kB)
[img] Archive (SOURCE CODE)
Source Code-16.12.9333-Silvanka Melandara - Silvanka Melandara.zip
Restricted to Repository staff only

Download (34MB)
[img] Text (PUBLIKASI)
Publikasi-16.12.9333-Silvanka Melandara - Silvanka Melandara.pdf
Restricted to Repository staff only

Download (474kB)

Abstract

Nyeri kepala merupakan keluhan yang paling sering dikeluhkan oleh pasien saat datang ke dokter, baik ke dokter umum maupun neurolog. Hampir 90% nyeri kepala tidak membahayakan. Namun dokter harus dapat memilah mana nyeri kepala yang tidak membahayakan dan mana yang membahayakan nyawa. Penulis menitikberatkan pembahasan pada nyeri kepala primer karena jenis nyeri kepala ini paling sering dirasakan. Dalam penelitian ini akan dibangun sebuah sistem pakar pendeteksi dini nyeri kepala primer menggunakan metode Naive Bayes berbasis website yang nantinya akan membantu pengguna dalam melakukan diagnosa awal terkait dengan gejala nyeri kepala primer yang diderita oleh user. Rata-rata peforma yang diperoleh dari hasil confusion matrix pada 3 pengujian memiliki nilai accuracy, precision, dan recall/sensitivity sebesar, 92%, 100%, dan 92%.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Sismoro, Heri
Uncontrolled Keywords: Nyeri Kepala Primer, Sistem Pakar, Algoritma Naive Bayes
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 25 Jun 2022 04:56
Last Modified: 16 Aug 2023 06:08
URI: http://eprints.amikom.ac.id/id/eprint/2696

Actions (login required)

View Item View Item