Prediksi Resiko Kolesterol Tinggi Berdasarkan Data Kesehatan Menggunakan Improved Naïve Bayes

Majid, Ardian (2024) Prediksi Resiko Kolesterol Tinggi Berdasarkan Data Kesehatan Menggunakan Improved Naïve Bayes. undergraduate thesis, Universitas Muhammadiyah Gresik.

	Text LEMBAR PERNYATAAN KEASLIAN SKRIPSI.pdf Download (118kB)
	Text LEMBAR PENGESAHAN.pdf Download (94kB)
	Text LEMBAR PERSETUJUAN.pdf Download (220kB)
	Text HALAMAN PERSETUJUAN PUBLIKASI.pdf Download (144kB)
	Text HALAMAN JUDUL.pdf Download (376kB)
	Text BAB I.pdf Download (192kB)
	Text BAB II.pdf Download (318kB)
	Text BAB III.pdf Download (1MB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Download (190kB)
	Text DAFTAR PUSTAKA.pdf Download (266kB)
	Text LAMPIRAN.pdf Download (683kB)

Abstract

Kolesterol tinggi, yang secara medis dikenal sebagai hiperkolesterolemia, adalah salah satu faktor risiko utama untuk penyakit kardiovaskular, yang termasuk penyakit jantung dan stroke, yang merupakan penyebab utama kematian di seluruh dunia. Tingkat kolestrol yang tinggi dalam darah dapat mengakibatkan penumpukan plak pada dinding arteri, menyempitkannya dan meningkatkan risiko terjadinya penyumbatan pembuluh darah yang vital. Oleh karena itu, pengelolaan risiko kolestrol tinggi menjadi krusial dalam upaya pencegahan penyakit kardiovaskular. Dalam konteks ini, penelitian ini menggunakan metode Naive Bayes untuk memprediksi risiko kolestrol tinggi berdasarkan data kesehatan yang diperoleh dari Kaggle, sebuah platform sumber data terbuka. Hasil dari penelitian ini adalah model prediksi yang dapat mengestimasi risiko kolestrol tinggi pada individu berdasarkan karakteristik kesehatan mereka, memberikan kontribusi penting dalam upaya pencegahan penyakit kardiovaskular dengan memungkinkan prediksi risiko kolestrol tinggi berdasarkan data kesehatan individu. Selain itu, penelitian ini juga mengilustrasikan pentingnya pemanfaatan sumber data terbuka seperti Kaggle dalam riset kesehatan untuk memahami dan mengatasi masalah kesehatan masyarakat.

Item Type:	Thesis (undergraduate)
Uncontrolled Keywords:	Kolesterol Tinggi, Penyakit Kardiovaskular, Prediksi Risiko, Naive Bayes, Data Kesehatan, Kaggle, Pencegahan, Riset Kesehatan.
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	ARDIAN MAJID
Date Deposited:	15 Feb 2024 18:42
Last Modified:	15 Feb 2024 18:42
URI:	http://eprints.umg.ac.id/id/eprint/11405

Actions (login required)

View Item