Penerapan Algoritma Naïve Bayes untuk Memprediksi Penyakit Malaria pada Puskesmas Hanura

Authors

  • Halimah Halimah Institut Informatika and Business Darmajaya
  • Deppi Linda
  • Felisita Klaralia

Keywords:

Data mining, Naïve Bayes, Puskesmas, Prediksi, Malaria

Abstract

Dalam bidang kesehatan data rekam medis dapat digunakan sebagai perbandingan dan tolak ukur untuk mengetahui perkembangan penyakit di suatu daerah. Namun ada baiknya data tersebut diolah menjadi data yang bermanfaat termasuk untuk dapat memprediksi suatu penyakit. Kasus malaria merupakan penyakit menular dan sangat dominan di daerah tropis/subtropis. Kabupaten Pesawaran merupakan wilayah dengan kasus malaria tertinggi dan terus meningkat setiap tahunnya. Puskesmas Hanura memiliki paling banyak penderita yang positif malaria dari beberapa wilayah kerja puskesmas yang ada di Pesawaran. Pihak Puskesmas belum memiliki sistem untuk memprediksi malaria, oleh karena itu untuk memanfaatkan teknologi sistem informasi dan untuk mencegah malaria lebih awal maka dilakukan penelitian untuk memprediksi penyakit malaria dengan metode Naïve Bayes pada Puskesmas Hanura. Dataset pasien memuat 16 atribut dan 6 diantaranya merupakan gejala penyakit malaria dengan total 118 data pasien. Hasil perhitungan dengan Naïve Bayes menunjukan bahwa gejala penyakit yang sesuai akan menghasilkan prediksi positif. Hasil prediksi tersebut dapat digunakan untuk dugaan sementara sebelum pasien melanjutkan pemeriksaan langsung secara medis.

Downloads

Download data is not yet available.

References

[1 Saputra, R.A., 2014. Komparasi Algoritma Klasifikasi Data Mining Untuk Memprediksi Penyakit Tuberculosis (Tb): Studi Kasus Puskesmas Karawang Sukabumi

[2] Kusuma, P.J., 2013. Data Mining Untuk Mendiagnosa Penyakit Infeksi Saluran Pernafasan (ISPA) Menggunakan Metode Naive Bayes.

[3] Septiani dan Rijati, 2013. Klasifikasi Kehamilan Risiko Tinggi Pada Ibu Hamil Puskesmas Wonotunggal Batang Menggunakan Metode Naive Bayes


[4] Mustakim, 2013. Implementasi Data Mining Untuk Identifikasi Pola Penyakit Ispa Dengan Menggunakan Algoritma Apriori (Studi Kasus Di Uptd Puskesmas Bae Kabupaten Kudus)

[5] Hasanah, Q., Andrianto, A. dan Hidayat, M.A. 2018. Sistem Informasi Posyandu Ibu Hamil dengan Penerapan Klasifikasi Resiko Kehamilan Menggunakan Metode Naive Bayes

[6] Priyanti, E., 2017. Penerapan Algoritma Naive Bayes Untuk Klasifikasi Bakteri Gram-Negatif, Vol. 3, No.2


[7] Nurjoko, dan Kurniawan, H. 2016. Aplikasi Data mining Untuk Memprediksi Tingkat Kelulusan Mahasiswa Menggunakan Algoritma Apriori di IIB Darmajaya Bandar Lampung. Informatics and Bussiness Institute Darmajaya

[8] Kusrini, dan Luthfi, E.M. 2009. Algoritma Data Mining. Yogyakarta : CV. Andi Offset

[9] Fatta, Al Hanif. 2007. Analisis & Perancangan Sistem Informasi untuk Keunggulan Bersaing Perusahaan & Organisasi Modern. Yogyakarta : CV. Andi Offset.

Downloads

Published

2020-10-22