Diagnosa Penyakit Ginjal Kronis Menggunakan Metode Klasifikasi Naïve

 (*)Harmayani Harmayani Mail (Universitas Asahan, Kisaran, Indonesia)
 Lamhot Sitorus (Universitas Katolik Santo Thomas, Medan, Indonesia)

(*) Corresponding Author

DOI: http://dx.doi.org/10.30865/mib.v4i3.2292

Abstract

Chronic Kidney Disease is a very dangerous disease that is often not seriously considered with the effects of this disease which leads to death. More than 26 million people in the United States are not aware of their kidney disease, only 8% of them begin to realize the disease, each body must be known early whether or not the body condition / / by diagnosing it, in this study classifications will be carried out on the diagnostic data attributes Chronic kidney disease aims to simplify the process of classifying symptoms and making decisions on the diagnosis of kidney disease, this process is carried out using a data mining classification approach using the Naïve Bayes Classifier method

Keywords


Chronic Kidney Disease, Data Mining Classification, Naïve Bayes Classifier Method

Full Text:

PDF


Article Metrics

Abstract view : 143 times
PDF - 50 times

References

N. Rofiqo, A. P. Windarto, and D. Hartama, “Penerapan Clustering Pada Penduduk Yang Mempunyai Keluhan Kesehatan Dengan Datamining K-Means,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 2, no. 1, pp. 216–223, 2018, doi: 10.30865/komik.v2i1.929.

K. Timur, K. Utara, S. Selatan, and I. K. Sehat, “DISPARITAS PEMBANGUNAN KESEHATAN DI INDONESIA BERDASARKAN Disparity of Health Development in Indonesia Based on Healthy Family,” pp. 18–27, 2020.

M. Amurwaningsih and U. Arum Darjono, “Analisis Hubungan Kualitas Hidup Yang Berhubungan Dengan Kesehatan Mulut (OHRQoL) Dan Status Kecemasan Dengan Status Nutrisi Pada Masyarakat Usia Lanjut,” Maj. Ilm. Sultan Agung, vol. 48, no. 123, pp. 46–54, 2010.

E. A. Kurnianto, I. Cholissodin, and E. Santoso, “Klasifikasi Penderita Penyakit Ginjal Kronis Menggunakan Algoritme Support Vector Machine (SVM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 12, pp. 6597–6602, 2018.

M. G. Sadewo, A. P. Windarto, and A. Wanto, “Penerapan Algoritma Clustering Dalam Mengelompokkan Banyaknya Desa/Kelurahan Menurut Upaya Antisipasi/ Mitigasi Bencana Alam Menurut Provinsi Dengan K-Means,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 2, no. 1, pp. 311–319, 2018, doi: 10.30865/komik.v2i1.943.

R. A. Saputra, “Komparasi Algoritma Klasifikasi Data Mining Untuk Memprediksi Penyakit Tuberculosis ( Tb ): Studi Kasus Puskesmas Karawang,” Semin. Nas. Inov. dan Tren, no. April, pp. 1–8, 2014.

D. P. Utomo, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” vol. 4, no. April, pp. 437–444, 2020, doi: 10.30865/mib.v4i2.2080.

A. Nugroho, Analisis dan Perancangan Sistem Informasi dengan Metodologi Berorientasi Objek, Edisi Revi. Bandung: Informatika Bandung, 2005.

N. D. Prayoga, N. Hidayat, and R. K. Dewi, “Sistem Diagnosis Penyakit Hati Menggunakan Metode Naïve Bayes,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2666–2671, 2018.

H. Amalia, “Perbandingan Metode Data Mining Svm Dan Nn Untuk Klasifikasi Penyakit Ginjal Kronis,” J. Pilar Nusa Mandiri, vol. 14, no. 1, pp. 1–6, 2018, doi: https://doi.org/10.33480/pilar.v14i1.80.

A. Sulistyohati, T. Hidayat, K. Kunci: Ginjal, S. Pakar, and M. Dempster-Shafer, “Aplikasi Sistem Pakar Diagnosa Penyakit Ginjal Dengan Metode Dempster-Shafer,” Semin. Nas. Apl. Teknol. Inf., vol. 2008, no. Snati, pp. 1907–5022, 2008.

D. Evanko, “Optical imaging of the native brain,” Nat. Methods, vol. 7, no. 1, p. 34, 2010, doi: 10.1038/nmeth.f.284.

Bila bermanfaat silahkan share artikel ini

Berikan Komentar Anda terhadap artikel Diagnosa Penyakit Ginjal Kronis Menggunakan Metode Klasifikasi Naïve

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 JURNAL MEDIA INFORMATIKA BUDIDARMA

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



JURNAL MEDIA INFORMATIKA BUDIDARMA
STMIK Budi Darma
Sekretariat : Jln. Sisingamangaraja No. 338 Telp 061-7875998
email : mib.stmikbd@gmail.com


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