Penerapan Data Mining untuk Klasifikasi Penyakit Stroke Menggunakan Algoritma Naïve Bayes

Authors

  • Agus Fajar Riany Univeritas Islam Negeri Raden Fatah Palembang
  • Gusmelia Testiana Univeritas Islam Negeri Raden Fatah Palembang

DOI:

https://doi.org/10.33020/saintekom.v13i1.352

Keywords:

data mining, classification, Naïve Bayes

Abstract

Stroke is a disturbance of brain function, both local and general, that occurs suddenly, progressively, and rapidly due to non-traumatic brain blood circulation disorders that lasts more than 24 hours or ends in death. Stroke is also one of the deadliest diseases in Indonesia. In this study, stroke data was used to explore new information or knowledge in it. The process of extracting new information from a set of data is known as data mining. Therefore, this research aims to classify data related to stroke using the Naïve Bayes algorithm to find out whether the patient has a stroke or not. There are 10 attributes that are included in the causes of stroke, among others, gender, age, history of hypertension, history of heart disease, marital status, type of work, type of residence, glucose level, body mass index and smoking status. The results showed that classification with the Naïve Bayes algorithm can be applied in classifying stroke data resulting in an accuracy value of 92.48% in the Good Classification category.

Downloads

Download data is not yet available.

References

Arhami, M., & Nasir, M. (2020). Data Mining: Algoritma dan Implementasi. Andi Offset.

Bugis, H. (2022). Metode Naïve Bayes Untuk Memprediksi Penyakit Stroke. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan …. https://doi.org/10.47970/siskom-kb.v6i1.317

Doni, B. T. R., Susanti, S., & Mubarok, A. (2021). Penerapan Data Mining Untuk Klasifikasi Penyakit Hepatocellular Carcinoma Menggunakan Algoritma Naïve Bayes. Jurnal Responsif?: Riset Sains Dan Informatika, 3(1), 12–19. https://doi.org/10.51977/jti.v3i1.403

Haryadi, D., Marini Umi Atmaja, D., Rahman Hakim, A., & Suwaryo, N. (2021). Identifikasi Tingkat Resiko Penyakit Stroke Menggunakan Algoritma Regresi Linear Berganda. Deny Haryadi, SNTEM, 1(November), 1198–1207. https://doi.org/10.53026/sntem.v1i2.589

Kemenkes RI. (2018). Hasil Riset Kesehatan Dasar Tahun 2018. Kementrian Kesehatan RI, 53(9), 1689–1699.

Kesehatan, K. (2019). Kementerian Kesehatan Republik Indonesia. Kementerian Kesehatan RI, 1(1), 1.

Muktamar, B. A., Setiawan, N. A., & Adji, T. B. (2015). Analisis Perbandingan Tingkat Akurasi Algoritma Naive Bayes Classifier dengan Correlated-Naive Bayes Classifier. Seminar Nasional Teknologi Informasi Dan Multimedia 2015, 49–54.

Nugraha, F. F., Sunandar, I., & Juliane, C. (2022). Penerapan Data Mining Dengan Metode Klasifikasi Menggunakan Algoritma C4.5. Jurnal Teknologi Informatika Dan Sistem Informasi, 9(4), 2862–2869. https://jurnal.mdp.ac.id/index.php/jatisi/article/view/2399/1011

Nurlia, E., Jajuli, M., & Purnamasari, I. (2021). Penerapan Naïve Bayes Untuk Klasifikasi Tingkat Risiko Diagnosis Gigi Di Uptd Puskesmas Cingambul. JIKO (Jurnal Informatika Dan Komputer), 4(2), 127–132. https://doi.org/10.33387/jiko.v4i2.3190

Pambudi, R. E., Sriyanto, S., & Firmansyah, F. (2022). Klasifikasi Penyakit Stroke Menggunakan Algoritma Decision Tree C.45. Teknika, 16(2), 221 – 226–221 – 226. https://doi.org/10.5281/zenodo.7535865

Prasetyo, E. (2014). Data Mining: Konsep dan Aplikasi Menggunakan Mtlab. Andi Offset.

Ridwan, A. (2020). Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 4(1), 15–21. https://doi.org/10.47970/siskom-kb.v4i1.169

Siddik, M., Hendri, H., Putri, R. N., Desnelita, Y., & Gustientiedina, G. (2020). Klasifikasi Kepuasan Mahasiswa Terhadap Pelayanan Perguruan Tinggi Menggunakan Algoritma Naïve Bayes. INTECOMS: Journal of Information Technology and Computer Science, 3(2), 162–166. https://doi.org/10.31539/intecoms.v3i2.1654

Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Alfabeta.

Suntoro, J. (2019). Data Mining: Algoritma dan Implementasi dengan Pemograman PHP. PT ELex Media Komputindo.

Suryani, & Hendryadi. (2018). Metode Riset Kuantitatif: Teori dan Aplikasi Pada Penelitian Bidang Manajemen dan Ekonomi Islam (2nd ed.). Prenademedia Group.

Testiana, G. (2018). Perancangan model prediksi kelulusan mahasiswa tepat waktu pada UIN Raden Fatah. JUSIFO (Jurnal Sistem Informasi), 4(1), 49–62. http://jurnal.radenfatah.ac.id/index.php/jusifo/article/view/1932

Written, I. H., Frank, E., & A., M. (2011). Data Mining?: practical machine learning tools and techniques. In Complementary Literature None.

Downloads

PlumX Metrics

Published

31-03-2023

How to Cite

Riany, Agus Fajar, and Gusmelia Testiana. 2023. “Penerapan Data Mining Untuk Klasifikasi Penyakit Stroke Menggunakan Algoritma Naïve Bayes”. Jurnal Saintekom : Sains, Teknologi, Komputer Dan Manajemen 13 (1):42-54. https://doi.org/10.33020/saintekom.v13i1.352.

Issue

Vol. 13 No. 1 (2023): Maret 2023

Section

Articles

License

Copyright (c) 2023 Agus Fajar Riany, Gusmelia Testiana

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Penulis yang menerbitkan naskahnya di jurnal ini menyetujui ketentuan berikut:

  1. Hak cipta pada setiap artikel adalah milik penulis.
  2. Penulis mengakui bahwa Jurnal Saintekom: Sains, Teknologi, Komputer dan Manajemen berhak menjadi yang pertama menerbitkan artikel dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License. (Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)).
  3. Penulis dapat mengirimkan artikel secara terpisah, mengatur distribusi non-eksklusif naskah yang telah diterbitkan dalam jurnal ini ke dalam versi lain (misalnya, dikirim ke repositori institusi penulis, publikasi ke dalam buku, dll.), dengan mengakui bahwa naskah tersebut telah dipublikasikan pertama kali di Jurnal Jurnal Saintekom: Sains, Teknologi, Komputer dan Manajemen;