Analisis Perbandingan Algoritma Naïve Bayes dan Decision Tree Untuk Memprediksi Kehamilan Pada Penderita Diabetes
Keywords:
Decision Tree, Diabetes, Naive Bayes, Orange, PrediksiAbstract
Penyakit diabetes atau penyakit gula darah adalah kondisi kronis jangka panjang yang ditandai oleh peningkatan kadar gula dalam darah atau glukosa. Kondisi ini tidak hanya berdampak pada aspek fisik, tetapi juga dapat berpengaruh signifikan terhadap kesuburan dan kesehatan reproduksi, baik pada pria maupun wanita. Diabetes dapat menyebabkan gangguan hormonal yang pada gilirannya dapat menghambat proses implantasi atau bahkan pembuahan yang terjadi. Dalam upaya meningkatkan pemahaman dan pendekatan terhadap kesehatan reproduksi penderita diabetes, teknologi machine learning menjadi sebuah solusi inovatif. Algoritma machine learning, seperti Algoritma Naïve Bayes dan Algoritma Decision Tree, memiliki sifat konstruktif yang memungkinkan pembuatan prediksi yang akurat serta memberikan analisis yang mendalam. Penelitian ini bertujuan untuk membandingkan akurasi dan kinerja kedua algoritma tersebut dalam memprediksi kehamilan pada penderita diabetes. Hasil penelitian menunjukkan bahwa Algoritma Naïve Bayes mampu mencapai tingkat akurasi yang lebih tinggi dibandingkan dengan Algoritma Decision Tree, memberikan harapan untuk pengembangan pendekatan yang lebih efektif dalam manajemen kesehatan reproduksi bagi mereka yang mengidap diabetes.
References
[1] Sudjana, Nana. 2016. Penilaian Hasil Proses Belajar Mengajar. Bandung: Pt Remaja Rosdakarya.
[2] Basah, Sjachran, 1994. Hukum Tata Negara Perbandingan, Bina Aksara, Jakarta
[3] Olson & Delen. Advanced Data Mining Techniques. USA: Springer-Verlag Berlin Heidelberg. 2008
[4] Herdianto,(2013),Prediksi Kerusakan Motor Induksi Menggunakan Metode Jaringan Saraf Tiruan Backpropagation,Tesis,Universitas Sumatera Utara, Medan.
[5] Pratiwi M. A dan Fatimah. 2019. Patologi Kehamilan Memahami Berbagai Penyakit & Komplikasi Kehamilan. Yogyakarta. Pustaka Baru Press
[6] Smeltzer, S.C. & Bare, B.G. (2013). Buku Ajar Keperawatan Medikal Bedah
[7] Goutte, C., & Gaussier, E. (2005). A Probabilistic Interpretation of Precision, Recall and Fscore, with Implication for Evaluation. European Conference on Information
[8] Elisa, E. (2017). Analisa dan Penerapan Algoritma C4.5 DSalam Data Mining Untuk Mengidentifikasi Faktor-Faktor Penyebab Kecelakaan Kerja Kontruksi PT. Arupadhatu Adisesanti
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 PROKASDADIK: Prosiding Kecerdasan Artifisial, Sains Data, dan Pendidikan Masa Depan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.