TY  - THES
ID  - universitasamikomyogyakarta31972
UR  - https://eprints.amikom.ac.id/id/eprint/31972/
M1  - bachelor
A1  - Aziz, Dzaky Hamid Al
Y1  - 2026/02/10/
N2  - Teknologi dan akses kesehatan yang maju belum sepenuhnya mampu
menghentikan penyebaran virus influenza yang masih menjadi ancaman kesehatan
masyarakat di Indonesia akibat penyebarannya yang cepat. Meskipun vaksinasi
merupakan tindakan pencegahan yang efektif, tingkat penerimaannya masih
rendah karena faktor-faktor seperti kurangnya pemahaman, karakteristik individu,
budaya, dan keterbatasan akses, yang mengakibatkan perlindungan kesehatan di
masyarakat tidak merata. Penelitian ini bertujuan untuk menganalisis dan
membandingkan kinerja algoritma Support Vector Machine (SVM), Naïve Bayes,
dan Random Forest dalam mengklasifikasikan penerimaan vaksin influenza
dengan menggunakan metodologi CRISP-DM (Cross-Industry Standard Process
for Data Mining), yang mencakup tahapan dari business understanding hingga
evaluation. Dengan menggunakan data sekunder dari Kaggle.com, hasil penelitian
menunjukkan bahwa Random Forest mencapai kinerja terbaik dengan akurasi
sebesar 85%, disusul oleh SVM sebesar 83% dan Naïve Bayes sebesar 70%. Hal
ini membuktikan keunggulan Random Forest dalam menangani data yang
kompleks dan tidak seimbang, dan temuan ini diharapkan dapat menjadi referensi
ilmiah untuk pengembangan data yang lebih luas serta membantu proses
pengambilan keputusan dan edukasi di bidang kesehatan masyarakat.
PB  - Universitas AMIKOM Yogyakarta
AV  - restricted
KW  - Klasifikasi
KW  -  Vaksin Influenza
KW  -  Support Vector Machine
KW  -  Naïve
Bayes
KW  -  Random Forest
KW  -  Classification
KW  -  Influenza Vaccine.
TI  - ANALISIS PERBANDINGAN ALGORITMA SVM, NAIVE
BAYES, DAN RANDOM FOREST DALAM KLASIFIKASI
PENERIMA VAKSIN INFLUENZA
ER  -