Penentuan Penularan Covid-19 berdasarkan Gejala Kandidat Covid-19 Memanfaatkan Algoritma Naïve Bayes

Handoko Putra, Yeffry and Wahdiniwaty, Rahma and Abdul Rahman, Noorihan and Ahmad Zukarnain, Zuriani (2022) Penentuan Penularan Covid-19 berdasarkan Gejala Kandidat Covid-19 Memanfaatkan Algoritma Naïve Bayes. Prosiding Seminar Nasional Sains dan Teknologi, 12 (1). pp. 406-412.

[img] Text
PENENTUAN PENULARAN COVID-19 BERDASARKAN GEJALA KANDIDAT COVID-19 MEMANFAATKAN ALGORITMA NAÏVE BAYES.pdf

Download (1MB)
Official URL: https://publikasiilmiah.unwahas.ac.id/index.php/PR...

Abstract

Indonesia mengalami penularan covid-19 sejak awal tahun 2019 dan untuk mengatasinya pemerintah Indonesia memilih cara mitigasi dengan memberlakukan sistem pembatasan sosial (PSBB) dan kemudian diganti dengan pembaasan aktivitas (PPKM darurat dan PPKM Level 4). Mitigasi dilakukan karena sampai saat ini belum jelas gejala pasti yang menandai seseorang tertular Covid-19. Namun pada penelitian ini ingin dicoba untuk mengatasi dari sisi pencegahan yaitu dengan menentukan seberapa besar gejala-gejala dari pasien yang bisa menjadi gejala kandidat untuk Covid-19. Penentuan gejala kandidat ini dilakukan dengan memilih gejala dominan dan prioritas gejala melalui survei di beberapa puskemas di Kabupaten Bandung Barat. Sedangkan relasi pasangan gejala kandidat terhadap penularan Covid-19 dilakukan mempergunakan algoritma Naïve Bayes. Hasil dari perhitungan data uji untuk model usulan ini diperolah akurasi sebesar 85% dan AUC sebesar 0,878 yang menunjukkan model usulan untuk penularan Covid-19 dengan empat gejala kandidat sudah memenuhi klasifikasi baik. Model usulan ekperimental ini bisa menjadi alternatif sebelum pihak pemerintah yang berwenang dengan kesehatan belum mengumumkan kepastian gejala-gejala apa saja yang menjadi gejala pasti yang menandai seseorang tertular Covid-19

Item Type: Article
Subjects: Prosiding
Divisions: Universitas Komputer Indonesia
Depositing User: Yudha Taufik Nugraha
Date Deposited: 06 Dec 2022 04:52
Last Modified: 06 Dec 2022 04:52
URI: https://repository.unikom.ac.id/id/eprint/69509

Actions (login required)

View Item View Item