GDL

DATA MINING CLASSIFICATION WITH NAÏVE BAYES METHODE FOR DIAGNOSING ACCUTE UPPER RESPIRATORY INFECTION IN PUSKESMAS KECAMATAN JAMBI SELATAN

Puskesmas Kecamatan Jambi Selatan merupakan salah satu unit pelayanan kesehatan masyarakat yang memiliki data pasien yang cukup banyak dan semakin bertambah tiap tahunnya, tidak ada tindak lanjut manfaat dari data-data yang tersedia dan digunakan hanya untuk kebutuhan operasional. Padahal data-data tersebut dapat dimanfaatkan dan diolah kembali untuk menjadi sebuah pengetahuan dan informasi yang bermanfaat sebagai bahan pertimbangan dalam keputusan menentukan diagnosa jenis ISPA apa yang diderita oleh pasien yang selama ini hasil diagnosa yang diberikan hanya positif atau negatif. Oleh karena itu, penulis melakukan analisis data mining pada data pasien tersebut agar menjadi informasi yang dapat berguna bagi masing-masing Puskesmas. Penulis menggunakan data pasien tahun 2017 sebanyak 1200 data dan diseleksi sehingga menjadi 260 data training yang kemudian di sajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Metode yang gunakan adalah metode klasifikasi Naïve Bayes dengan 9 atribut. Hasil klasifikasi Naïve Bayes dengan persentasi akurasi terbesar diperoleh dengan menggunakan 60% percentage split dan 80% percentage split yaitu sebesar 86,5385 %.Sedangkan hasil seleksi atribut menggunakan algoritma classifier attribute evaluation (ClassifierAttributeEval) dinyatakan bahwa atribut yang paling berpengaruh terhadap klasifikasi untuk mendiagnosa penyakit ISPA adalah Batuk. Penelitian ini diharapkan dapat dijadikan sebagai referensi bagi penelitian lain.

Beri Komentar ?#(0) | Bookmark