KHALISNA, FIKRI (2022) IMPLEMENTASI DATA MINING UNTUK KLASIFIKASI JUMLAH MASYARAKAT TERTULAR VIRUS CORONA (COVID-19) MENGGUNAKAN METODE NAÏVE BAYES. S1 thesis, Universitas Malikussaleh.

	Text COVER.pdf Download (23kB)
	Text ABSTRAK.pdf Download (6kB)
	Text BAB 1.pdf Download (252kB)
	Text DAFTAR PUSTAKA.pdf Download (147kB)

Abstract

Dunia saat ini sedang mewaspadai penyebaran virus yang dikenal dengan virus corona. Virus corona (Covid-19) adalah bagian dari keluarga virus yang menyebabkan penyakit mulai dari flu hingga penyakit yang lebih parah. Penyakit yang disebabkan oleh virus corona atau dikenal dengan Covid-19 ini merupakan jenis baru yang ditemukan pada akhir tahun 2019. Data masyarakat yang tertular virus Covid-19 diklasifikasikan menjadi tiga yaitu isolasi, sembuh, dan meninggal. Sistem ini dibangun menggunkan metode penelitian waterfall dengan mengimplementasikan metode algoritma naïve bayes. Algoritma naïve bayes merupakan salah satu algoritma yang terdapat dalam teknik pengelompokan atau klasifikasi. Klasifikasi adalah proses untuk menentukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya tidak diketahui. penelitian ini bertujuan untuk melakukan klasifikasi jumlah masyarakat tertular virus Covid-19 di 10 kecamatan yaitu Baktiya, Lhoksukon, Dewantara, Kuta Makmur, Muara Batu, Tanah Luas, Tanah Jambo Aye, Seunuddon, Syamtalira Aron, Nisam Antara di Aceh Utara. Data yang digunakan adalah data masyarakat penderita virus Covid-19 yang diambil di Dinas Kesehatan Kabupaten Aceh Utara. Hasil penelitian pada klasifikasi naïve bayes dengan data training 500 data dan data pengujian 20 data dari 10 kecamatan mendapatkan hasil akurasi yaitu sebanyak isolasi 30%, sembuh 45%, dan meninggal 25%. Kata kunci : Covid-19, Penularan, Klasifikasi, Virus, Masyarakat.

Item Type:	Thesis (S1)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Yolinda Cesilia
Date Deposited:	22 Nov 2023 03:58
Last Modified:	22 Nov 2023 03:58
URI:	https://rama.unimal.ac.id/id/eprint/115

Actions (login required)

View Item