Metode Sample Bootstrapping Untuk Meningkatkan Performa Algoritma Naive Bayes Pada Citra Tunggal Pap Smear

Dewi, Yumi Novita; Sariasih, Findi Ayu

doi:10.15408/jti.v12i1.11031

Cited by 4 publications

(3 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penelitian ini dilakukan menggunakan metode data mining klasifikasi yaitu Algoritma Naïve Bayes dan KNN guna mengetahui hasil akhir pemeriksaan yang telah dilakukan. Klasifikasi adalah proses menciptakan sekumpulan model yang berfungsi untuk memaparkan dan memilah kategori pada data ataupun konsepnya [13]. Model berguna untuk memprediksi kategori objek dengan kategori yang tidak diketahui [14].…”

Section: Pendahuluanunclassified

Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbor (KNN) untuk Mengetahui Keakuratan Diagnosa Penyakit Diabetes

Puteri,

Sagirani,

Lemantara

2023

TEKNOSI

View full text Add to dashboard Cite

Diabetes adalah gangguan metabolisme kronis di mana pankreas tidak bisa menciptakan insulin yang cukup ataupun tubuh tidak berhasil menggunakan insulin yang telah dihasilkan. Penyebab yang dapat menimbulkan terjadinya penyakit diabetes berawal dari banyak antara lain penyebab genetik dan lingkungan. Diabetes tidak hanya menyebabkan kerugian ekonomi bagi pasien karena biaya pengobatan tetapi juga memperpendek umur peluang untuk hidup sebesar 5 – 10 tahun. Akibat lainnya adalah jika tidak ada upaya untuk mengontrol dan mencegah, diabetes dapat semakin memperburuk penderita karena dapat menimbulkan komplikasi yang berat. Berdasarkan permasalahan tersebut dapat dilakukan prediksi penyakit diabetes untuk dapat membantu tenaga medis mengetahu lebih dini kondisi pasien. Algoritma Naive Bayes dan K-Nearest neighbor (KNN) bisa digunakan membantu prediksi penyakit diabetes dengan menggunakan software RapidMiner Python. Hasil penelitian ini dievaluasi dengan Confusion Matrix serta Nilai AUC. Hasil metode Naïve Bayes adalah 77% dengan nilai AUC 0.83 sedangkan metode K-nearest neighbor (KNN=3) adalah 71% dengan nilai AUC 0.75, KNN=5 adalah 69% dengan AUC 0.76, dan KNN=7 adalah 68% dengan AUC 0.75 sehingga dapat disimpulkan bahwa algoritma naïve bayes lebih unggul dibandingkan dengan KNN, meski pada penelitian ini untuk algoritma KNN menggunakan K=3, K=5 dan K=7, lalu untuk untuk yang KNN dari ketiga K yang digunakan dari segi confusion matrix KNN=3 lebih unggul sedangkan dari nilai AUC yaitu KNN=5.

show abstract

Section: Pendahuluanunclassified

Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbor (KNN) untuk Mengetahui Keakuratan Diagnosa Penyakit Diabetes

Puteri,

Sagirani,

Lemantara

2023

TEKNOSI

View full text Add to dashboard Cite

show abstract

“…Pada penduga parameter untuk data dengan pencilan 10% dan 15% yang terletak pada gugus bawah data, bias pada penduga parameter tidak dapat teratasi. Sedangkan (Dewi & Sariasih, 2019) menyatakan nilai akurasi tujuh kelas meningkat menjadi 85,24%, dan nilai akurasi dua kelas meningkat menjadi 93,24% dengan menggunakan metode boostrap.…”

Section: Pendahuluanunclassified

Analisis Komparatif Variabel Independen E-learning terhadap Hasil Belajar Matematika dan Pemasaran Internasional Menggunakan Metode Bootstrap

Azis

Lestari

2022

jpm

View full text Add to dashboard Cite

Pandemi yang terjadi telah memperkenalkan masyarakat pada proses pembelajaran E-learning, dimana pada awalnya pemerintah mewajibkan pembelajaran dilakukan secara online. Selama pelaksanaan E-learning berlangsung banyak hambatan yang ditemui baik oleh pengajar maupun pelajar, diantaranya adalah hasil belajar yang berbeda antara ilmu eksak dan non eksak. Penelitian ini bertujuan untuk mengetahui perbedaan hasil belajar E-learning apabila diterapkan pada ilmu eksak dan non eksak. Ilmu eksak yang digunakan adalah Matematika, sedangkan ilmu non eksaknya Pemasaran Internasional. Sampel penelitian digunakan 71 mahasiswa, selama penelitian sampel tidak diberik perlakuan apapun oleh peneliti (ex post facto), pengumpulan data dilakukan dengan cara memberi tes pada akhir perkuliahan. Agar hasilnya lebih akurat dan dapat diterapkan pada populasi, maka analisis uji beda menggunakan metode boostrap. Hasil penelitian menunjukkan nilai tertinggi mata kuliah eksak (Matematika) adalah 7,89 dan nilai terendah sebesar 5,57. Sedangkan nilai tertinggi untuk mata kuliah non eksak (Pemasaran Internasional) sebesar 9,59 dan nilai terendah sebesar 5,75. Maka E-learning lebih efektif digunakan untuk mata kuliah non eksak pemasaran internasional, dan tidak efektif untuk Matematika sebagai mata kuliah eksak. Pemilihan mata kuliah untuk E-learning sangat penting dan dapat melakukan penambahan metode tatap muka supaya dapat berinteraksi langsung antara pengajar dan mahasiswa serta memperbanyak untuk latihan dan praktik sampai tuntas.

show abstract

“…Tahap berikutnya merupakan proses perhitungan menurut teorema Naïve Bayes yang dilakukan oleh program komputer yang telah dibuat sebelumnya [9].…”

Section: Klasifikasi Dengan Naïve Bayesunclassified

Analisis Korelasi Status Pernikahan Terhadap Potensi Kanker Serviks Menggunakan Metode Naives Bayes

Ardian,

Irawan,

Yunus E. P.

2022

JBKom

View full text Add to dashboard Cite

Kanker serviks termasuk kanker yang proses terjadinya lama dan gejalanya sering tidak dirasakan. Kebanyakan seseorang terdeteksi dalam stadium yang sudah lanjut. Jika indikasi ini bisa lebih awal diketahui diharapkan pencegahan dan pengobatan dapat memberikan kesembuhan hingga 100 %. Di Rumah Sakit Kanker Dharmais pada 1993/1994 ada 710 kasus baru dimana 65% berobat dalam stadium lanjut. Data dari 12 pusat ilmu patologi di Indonesia tahun 1997 menunjukkan bahwa kanker serviks menduduki peringkat tertinggi, yaitu 25% dari 10 kanker tersering pada pria dan wanita, atau 26,4% dari 10 kanker tersering pada wanita. Angka ketahanan hidup dalam 2 tahun untuk stadium lanjut berkisar 53,2% dan bila pada stadium awal hampir 90%. Angka kematian bisa dikurangi 3-35%, asal dilakukan tindakan pencegahan dan deteksi dini. Hasil penelitian ditemukan bahwa Wanita yang belum pernah menikah memiliki potensi terindikasi positif kanker serviks dengan diikuti nilai tertentu variable lain yang disertakan dalam proses perhitungan menggunakan metode Naïve Bayes. Naive Bayes merupakan salah satu metode dalam pendekatan statistik untuk melakukan inferensi induksi pada persoalan klasifikasi. Metode ini biasa digunakan dalam menyelesaikan permasalahan yang berkaitan dengan pengambilan keputusan. Metode ini juga cocok untuk menyelesaikan permasalahan dimana diperlukan penanganan data yang tidak konsisten. Sedangkan permasalahan tersebut memerlukan data yang konsisten, sehingga metode ini dapat dipakai melakukan hipotesa dalam diagnosa awal penyakit seperti penyakit kanker serviks atau kanker leher Rahim.

show abstract

Metode Sample Bootstrapping Untuk Meningkatkan Performa Algoritma Naive Bayes Pada Citra Tunggal Pap Smear

Cited by 4 publications

References 3 publications

Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbor (KNN) untuk Mengetahui Keakuratan Diagnosa Penyakit Diabetes

Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbor (KNN) untuk Mengetahui Keakuratan Diagnosa Penyakit Diabetes

Analisis Komparatif Variabel Independen E-learning terhadap Hasil Belajar Matematika dan Pemasaran Internasional Menggunakan Metode Bootstrap

Analisis Korelasi Status Pernikahan Terhadap Potensi Kanker Serviks Menggunakan Metode Naives Bayes

Contact Info

Product

Resources

About