ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN SVM UNTUK DETEKSI DINI PENYAKIT PARU-PARU PADA PUSKESMAS CIMUNING

Jordi Hafidz, Azis (2025) ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN SVM UNTUK DETEKSI DINI PENYAKIT PARU-PARU PADA PUSKESMAS CIMUNING. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB1.pdf Download (510kB)
	Text BAB 2.pdf Download (834kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (489kB)
	Text DAFTA PUSTAKA.pdf Download (617kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Text HASIL TURNITIN.pdf Download (581kB)
	Text SUKET TURNITIN.pdf Restricted to Registered users only Download (670kB)

Abstract

Penyakit paru-paru, seperti tuberkulosis, bronkitis, dan pneumonia, termasuk masalah kesehatan serius yang menjadi salah satu penyebab utama morbiditas serta mortalitas di Indonesia. Fasilitas kesehatan tingkat pertama, seperti Puskesmas Cimuning, sering menghadapi kendala dalam proses diagnosis dini akibat keterbatasan alat diagnostik seperti rontgen serta jumlah tenaga ahli yang terbatas. Penelitian ini berfokus pada pengembangan model prediksi penyakit paru-paru secara dini menggunakan algoritma machine learning, yaitu Naïve Bayes dan Support Vector Machine (SVM), di Puskesmas Cimuning. Berdasarkan evaluasi yang dilakukan, Naïve Bayes menunjukkan performa lebih unggul dibandingkan SVM dalam memprediksi penyakit paru-paru secara dini dengan akurasi testing sebesar 1.00, precision 1.00, recall 1.00, dan F1 score 1.00. Temuan ini mengindikasikan bahwa Naïve Bayes merupakan metode klasifikasi yang paling sesuai untuk membangun model prediksi dini penyakit paru-paru yang akurat. Proses penelitian mencakup analisis pemahaman bisnis, eksplorasi data, persiapan data, pemodelan, evaluasi, serta implementasi. Data yang digunakan diperoleh dari pasien puskesmas, kemudian melalui proses pembersihan dan analisis mendalam guna memastikan kualitas serta relevansinya. Matriks confusion diterapkan untuk mengevaluasi kinerja model dengan memberikan gambaran mendetail mengenai prediksi serta jenis kesalahan yang terjadi. Hasil penelitian ini menyimpulkan bahwa Naïve Bayes mampu memberikan prediksi akurat dengan keseimbangan precision dan recall yang optimal, serta lebih efektif dalam mengidentifikasi risiko dini penyakit paru-paru. Keberadaan sistem prediksi dini berbasis machine learning ini diharapkan dapat membantu tenaga medis di puskesmas dalam menganalisis pasien yang terindikasi mengalami penyakit paru-paru sehingga mempermudah rujukan ke rumah sakit terdekat.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing : Dr. Aji Setiawan, S.Kom., MMSI.
Uncontrolled Keywords:	Naïve Bayes, Machine Learning, Matriks Confusion, Penyakit paru - paru, Support Vector Machine.
Subjects:	000 Generalities/Karya Umum > 005.3 Programs/ Program
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	28 Jan 2026 07:40
Last Modified:	28 Jan 2026 07:40
URI:	http://repository.unsada.ac.id/id/eprint/9340

Actions (login required)

View Item