Penerapan Decision Tree dan Naïve Bayes dalam Perancangan Sistem Prediksi Jenis Golongan Darah
Keywords:
Golongan Darah, Tekstur Kulit, Kepribadian, Decision Tree, Naïve Bayes, Rule InductionAbstract
Golongan darah seseorang dapat diketahui dengan menggunakan uji darah, dapat pula diprediksi melalui tekstur kulit [1] dan kepribadian [2]-[3]. Tujuan penelitian ini adalah menerapkan dan membandingkan performa Decision Tree dan Naïve Bayes untuk prediksi golongan darah serta mengetahui atribut yang signifikan untuk prediksi golongan darah. Selain prediksi dibuat pula antarmuka untuk berinteraksi dengan pengguna. Akurasi prediksi dengan Decision Tree yaitu 75.38% dan Naïve Bayes 55.88%. Untuk meningkatkan performa, dilakukan Rule Induction dengan akurasi yang lebih baik dari Decision Tree dan Naïve Bayes yaitu 76.93%. Atribut yang paling efektif untuk menentukan golongan darah yaitu jenis kulit, jenis kelamin dan jenis kepribadian. Jenis kepribadian yang berpengaruh signifikan adalah 10 dari 13 jenis kepribadian.
Downloads
References
F. C. Permana, A. C. Padmasari, and S. Sylviani, “Rancang Bangun Aplikasi Pendeteksi Jenis Golongan Darah Berdasarkan Konsep Kepercayaan Rakyat Jepang (Minkan Shinkō),” Edsence J. Pendidik. Multimed., vol. 1, no. 1, 2019, doi: 10.17509/edsence.v1i1.17933.
R. Pebrina, M. Thomisnancy, B. Sherly, and S. Rassajati, “Pendataan Golongan Darah Warga Dusun Jambu sebagai Upaya Persiapan Pembentukan Desa Siaga Donor Darah,” Semin. Nas. Has. Pengabdi. Kpd. Masy. Univ. Ahmad Dahlan, no.September, pp. 761–768, 2019.
L. F. Samhan, A. H. Alfarra, and S. S. AbuNaser, “An Expert System for Knee Problems Diagnosis,” Int. J. Acad. Inf. Syst. Res., vol. 5, no. 4, pp. 59–66, 2021, [Online]. Available: www.ijeais.org/ijaisr.
D. Marutho, “Perbandingan Metode Naive Bayes , KNN , Decision Tree Pada Laporan Water Level Jakarta,” Manaj. Inform. AMIK JTC Semarang, vol. 15, no. 2, 2019.
O. D. Madeeh and H. S. Abdullah, “An Efficient Prediction Model based on Machine Learning Techniques for Prediction of the Stock Market,” J. Phys. Conf. Ser., vol. 1804, no. 1, 2021, doi: 10.1088/1742-6596/1804/1/012008.
G. Divva, M. Zulma, and N. Chamidah, “Perbandingan Metode Klasifikasi Naive Bayes , Decision Tree Dan K- Nearest Neighbor Pada Data Log Firewall,” no. April, pp. 679–688, 2021.
J. Zhong and Y. Li, “Design and implementation of intelligent guide system based on LBS,” 2019 IEEE Int. Conf. Consum. Electron. - Taiwan, ICCE-TW 2019, vol. 13, no. 3, pp. 92–103, 2019, doi: 10.1109/ICCE-TW46550.2019.8991682.
M. Justina Gamache, “What is the role of blood coltures in bacterial pneumonia?,” no. January, 2019,[Online]. Available: www.medscape.com/answers/300157-19144/what-is-the-role-of-blood-culturesin-bacterial-pneumonia.
A. A. Haqq, “Analisis Sikap Matematis Berdasarkan Golongan Darah,” Unswagati, 2018.
D. melina Agustina and Wijanarto, “Analisis Perbandingan Algoritma ID3 Dan C4 . 5 Untuk Klasifikasi Penerima Hibah Pemasangan Air Minum pada PDAM Kabupaten Kendal,” J. Appl. Intell. Syst., vol. 1, no. 3, pp. 234–244, 2016.
S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” J. Media Inform. Budidarma, vol. 5, no. 2, p. 406, 2021, doi: 10.30865/mib.v5i2.2835.
B. Charbuty and A. Abdulazeez, “Classification Based on Decision Tree Algorithm for Machine Learning,” J. Appl. Sci. Technol. Trends, vol. 2, no. 01, pp. 20–28, 2021, doi: 10.38094/jastt20165.
Y. Mohammed, S. Murad, and B. Tahir, “Air Temperature Prediction Using Different Datamining Approaches In Sulaymaniyah City In Iraq,” Passer, vol. 3, no. 2, pp. 1–9, 2021, doi: 10.24271/psr.21.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Prosiding Seminar Nasional Teknoka
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Supported by :
