Novi Asrika, Dwikeu (2014) Perbandingan Metode Na�¯ve Bayes dan Backpropagation Neural Network Dalam Mendiagnosa Penyakit Sinusitis. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Dalam mendiagnosa penyakit keakurasian data sangatlah penting karena untuk menghasilkan suatu solusi dibutuhkan keakurasian yang baik. Metode yang digunakan untuk diagnosa penyakit pun dijadikan suatu pertimbangan. Metode yang akan digunakan adalah metode Na�¯ve Bayes dan metode Backpropagation Neural Network, metode tersebut sama-sama memiliki keakurasian data yang baik. Pada penelitian sebelumnya telah dijelaskan bahwa dalam metode Na�¯ve Bayes dapat mencapai 94,4% dengan masukkan 22 gejala dan pada metode Backpropagation Neural Network mencapai 91,66% dengan 12 gejala masukkan. Dalam kedua penelitian tersebut keakurasian data dengan metode Na�¯ve Bayes lebih unggul daripada metode Backpropagation, namun dengan jumlah masukkan gejala berbeda. Tetapi kita tidak mengetahui apakah hasilnya akan sama jika gejala yang dijadikan masukkan berjumlah sama yaitu 17 gejala, apakah metode Na�¯ve Bayes masih lebih unggul atau metode Backpropagation yang menjadi lebih unggul. Berdasarkan uraian diatas yang telah disampaikan, maka akan dilakukan analisis perbandingan metode Na�¯ve Bayes dan Backpropagation Neural Nework untuk menentukan metode yang paling baik dalam segi akurasi data pada sistem pendiagnosa penyakit sinusitis dengan jumlah masukkan gejala yang sama dan menghasilkan keluaran jenis sinusitis akut, subakut atau kronis. Setelah dilakukan pengujian sistem dengan 60 data pasien yang tersedia dan jumlah masukkan (input) gejala yang sama yaitu 17 gejala, didapat hasil akurasi yang paling baik yaitu dengan menggunakan metode Na�¯ve Bayes yang tingkat keberhasilannya mencapai 93.33%. Sedangkan keberhasilan prediksi untuk metode Backpropagation Neural Network hanya mencapai 76.67%. Hal ini karena metode Na�¯ve Bayes tidak dipengaruhi oleh nilai acak(random), sedangkan metode Backpropagation Neural Network dipengaruhi oleh nilai inisialisai awal yang bersifat acak(random) yang menyebabkan nilai yang dihasilkan berubah-ubah.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Diagnosa, Sinusitis, Backpropagation Neural Network, Na�¯ve Bayes, akurasi data |
| Subjects: | S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2014 |
| Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1) |
| Depositing User: | Admin Repository |
| Date Deposited: | 16 Nov 2016 08:09 |
| Last Modified: | 16 Nov 2016 08:09 |
| URI: | http://repository.unikom.ac.id/id/eprint/28607 |
Actions (login required)
 |
View Item |
