Analisis Perbandingan Klasifikasi Antara KNN Dan Naive Bayes Pada Diagnosa Penyakit Kulit Menggunakan K-Fold Cross Validation

Kumala, Shoima Fitra (2024) Analisis Perbandingan Klasifikasi Antara KNN Dan Naive Bayes Pada Diagnosa Penyakit Kulit Menggunakan K-Fold Cross Validation. Undergraduate thesis, UPN "Veteran" Jawa Timur.

	Text (COVER) COVER.pdf Download (5MB)
	Text (BAB I) BAB I.pdf Download (148kB)
	Text (BAB II) BAB II.pdf Restricted to Repository staff only until 4 June 2028. Download (328kB)
	Text (BAB III) BAB III.pdf Restricted to Repository staff only until 4 June 2028. Download (530kB)
	Text (BAB IV) BAB IV.pdf Restricted to Repository staff only until 4 June 2028. Download (854kB)
	Text (BAB V) BAB V.pdf Download (63kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (138kB)

Abstract

ABSTRAK Salah satu organ terbesar tubuh manusia ialah kulit, memiliki fungsi penting seperti perlindungan, penginderaan, dan pemeliharaan homeostasis. Meski sering dianggap kurang penting dibandingkan penyakit mematikan seperti HIV/AIDS dan tuberkulosis, masalah kulit sangat umum dan membutuhkan perhatian khusus, terutama dalam layanan kesehatan primer. Penelitian ini membandingkan metode Naive Bayes dan K-Nearest Neighbor (KNN) dalam mendiagnosis penyakit kulit menggunakan K-Fold cross validation. Berdasarkan penelitian terdahulu yang menunjukkan hasil beragam dalam klasifikasi penyakit kulit, studi ini mengevaluasi akurasi kedua metode. Enam klasifikasi penyakit kulit yang diuji adalah Psoriasis, Dermatitis Seboroik, Dermatitis Kronik, Lichen Planus, Pityriasis Rosea, dan Pitiriasis Rubra Pilaris. Hasil divalidasi data oleh 5-Fold Cross Validation sehingga menghasilkan akurasi pada Naive Bayes dengan nilai rata-rata akurasi 99.44% yang sebelumnya tanpa menggunakan k-fold mendapat 98.61%. Sedangkan akurasi yang di hasilkan pada algoritma K-Nearest Neighbors (KNN) menggunakan 5-fold cross validation adalah rata-rata akurasi 89.1% yang sebelumnya tanpa penggunaan k-fold memiliki akurasi 87.5%. Sehingga metode Naive Bayes mendapatkan akurasi lebih tinggi daripada K-Nearest Neighbor Sehingga kesimpulan pada penelitian ini menunjukkan bahwa algoritma Naive Bayes memberikan klasifikasi yang sangat baik dalam mengidentifikasi penyakit kulit dibandingkan dengan KNN, dengan akurasi rata-rata lebih tinggi vi setelah divalidasi data oleh k-fold cross validation pada dataset yang digunakan. Dengan demikian, Naive Bayes menjadi solusi yang efektif untuk permasalahan identifikasi penyakit kulit. Serta hasil penelitian menunjukkan bahwa K-Fold Cross Validation efektif dalam mengurangi overfitting dan meningkatkan validitas hasil. Kata Kunci : Naive Bayes, K-Nearest Neighbor, K-Fold Cross Validation, Data Mining, Skin Diseases, Dermatology

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Mandyartha, Eka Prakarsa	NIDN0725058805	eka_prakarsa.fik@upnjatim.ac.id
Thesis advisor	Nurlaili, Afina Lina	NIDN0013129303	afina.lina.if@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76.6 Computer Programming

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

SHOIMA FITRA KUMALA

Date Deposited:

05 Jun 2024 03:10

Last Modified:

05 Jun 2024 03:11

URI:

https://repository.upnjatim.ac.id/id/eprint/24305