KLASIFIKASI PENYAKIT MATA KATARAK BERDASARKAN ETIOLOGI MENGGUNAKAN METODE NAIVE BAYES DI RSUD IBNU SINA GRESIK

FIRMANSYAH, AKHMAD (2017) KLASIFIKASI PENYAKIT MATA KATARAK BERDASARKAN ETIOLOGI MENGGUNAKAN METODE NAIVE BAYES DI RSUD IBNU SINA GRESIK. undergraduate thesis, Universitas Muhammadiyah Gresik.

	Text 11. ABSTRACK.pdf Download (15kB)
	Text Bab I.pdf Download (29kB)
	Text Bab II.pdf Download (218kB)
	Text Bab III.pdf Download (819kB)
	Text Bab IV.pdf Restricted to Repository staff only Download (629kB)
	Text BAB V.pdf Download (15kB)
	Text Daftar Pustaka.pdf Download (10kB)

Abstract

Penyakit katarak merupakan penyebab utama kebutaan di seluruh dunia, yaitu lebih dari 50% (Depkes RI, 2016). Diperkirakan setiap tahun kasus baru buta karena katarak akan selalu bertambah sebesar 0,1% dari jumlah penduduk atau kira-kira 250.000 orang setiap tahunnya (Depkes RI, 2016). RSUD Ibnu Sina Kabupaten Gresik merupakan rumah sakit negeri kelas B. Salah satu perannya dalam bidang kesehatan ialah dalam penanganan penderita penyakit mata katarak di kota Gresik dan sekitarnya. Masalah yang dihadapi oleh RSUD Ibnu Sina Kabupaten Gresik adalah Banyaknya faktor penyebab yang mempengaruhi penyakit mata katarak dan beberapa faktor penyebab memiliki kesamaan atau kemiripan dengan faktor penyebab penyakit mata lainnya yang terkadang membuat dokter cukup kesulitan dalam mendeteksi dan menentukan kategori penyakit mata katarak yang diderita oleh pasien. Agar permasalahan tersebut dapat diselesaikan yaitu dengan dibuatkan suatu sistem yang dapat mengklasifikasikan penyakit mata katarak sebagai deteksi awal. Sistem ini menerapkan teknik Data Mining Classification dengan menggunakan metode Naive Bayes untuk mengklasifikasikan penyakit katarak sebagai deteksi awal. Atribut yang digunakan pada penelitian ini terdiri dari 4 variabel, yaitu Umur, Trauma Mata, Diabetes Melitus dan Hipertensi. Pengujian sistem dilakukan sebanyak tiga kali pengujian dengan komposisi data yang berbeda-beda. Pengujian pertama menggunakan 30 data uji, pengujian kedua menggunakan 25 data uji dan pengujian ketiga menggunakan 20 data uji. Berdasarkan ketiga pengujian bahwa jumlah data uji akan mempengaruhi keakuratan klasifikasi dan hasil akurasi terbaik terdapat pada pengujian pertam

Item Type:	Thesis (undergraduate)
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Shandy Rahma Ramadhan, S.IIP
Date Deposited:	16 Jul 2019 02:48
Last Modified:	16 Jul 2019 02:48
URI:	http://eprints.umg.ac.id/id/eprint/2029

Actions (login required)

View Item