Aplikasi Sistem Pakar Naive Bayes Diagnosa Penyakit Demam Berdarah - Rumah IT - Rumah Teknologi Informasi
Trending
Loading...

11/13/2015

Aplikasi Sistem Pakar Naive Bayes Diagnosa Penyakit Demam Berdarah

Aplikasi Sistem Pakar Naive Bayes Diagnosa Penyakit Demam Berdarah

Naive Bayes Klasifikasi adalah suatu klasifikasi berpeluang sederhana berdasarkan aplikasi teorema Bayes dengan asumsi antar variabel penjelas saling bebas (independen). Dalam hal ini, diasumsikan bahwa kehadiran atau ketiadaan dari suatu kejadian tertentu dari suatu kelompok tidak berhubungan dengan kehadiran atau ketiadaan dari kejadian lainnya. Naive Bayes dapat digunakan untuk berbagai macam keperluan antara lain untuk klasifikasi dokumen , deteksi spam atau filtering spam dan menentukan penyakit dari gejala-gejala yang ada (Sistem Pakar).

Keuntungan Naive Bayes :

  1. Menangani Kuantitatif dan data diskrit
  2. Kokoh untuk titik noise yang diisolasi , misalkan titik yang dirata-ratakan ketika mengestimasi peluang bersyarat data.
  3. Hanya memerlukan sejumlah kecil data pelatihan untuk mengestimasi parameter yang dibutuhkan untuk klasifikasi.
  4. Menangani nilai yang hilang dengan mengabaikan instansi selama perhitungan estimasi peluang.
  5. Cepat dan efisiensi ruang
  6. Kokoh terhadap atribut yang tidak relevan
Kekurangan Naive Bayes:
  • Tidak berlaku jika probabilitas kondisionalnya adalah nol, apabila nol maka probabilitas prediksi akan bernilai nol juga.
  • Mengasumsikan variabel bebas.
Implementasi Naive Bayes :

Algoritma Naive bayes dapat diimplementasikan kedalam Aplikasi Sistem pakar. Dalam kasus ini kita akan menerapkan Naive Bayes kedalam Sistem Pakar Diagnosa Penyakit Demam Berdarah. Dimana setiap gejala mempunyai nilai probabilitas tertentu nilai probabilitas itulah yang akan diolah sehingga mendapatkan hasil akhir sebagaimana besarkah nilai probabilitas tersebut jika seseorang menderita demam berdarah.

Screenshoot input penyakit :


Aplikasi Sistem Pakar Naive Bayes Diagnosa Penyakit Demam Berdarah


Screenshoot Hasil Diagnosa :


Aplikasi Sistem Pakar Naive Bayes Diagnosa Penyakit Demam Berdarah



        Link Download

Share with your friends

18 comments

  1. terima kasih banyak mas/mbak sangat membantu untuk tugas kuliah saya,
    pokoknya cuma bilang terima kasih :)

    ReplyDelete
  2. itu penyakitnya memang demam berdarah kah?
    trus umurnya ngefek ke hasil

    ReplyDelete
  3. mas itu filenya udah ndak bisa bibuka
    bisa dikirim ke emailku ndk mas
    lin834974@gmail.com
    makasih mas

    ReplyDelete
  4. Ass wr wb, gan udh gk bisa di download lagi, bisa kirim ke email saya gan, ni email saya "arifzalbiahdi@ymail.com" makasih ya sebelumnya mas?

    ReplyDelete
  5. Assalamu'alaikum wr wb, mas link'y udh gk bisa di download lagi, bisa kirim ke email saya mas, ini email saya "carto1221006@gmail.com" makasih ya sebelumnya mas?

    ReplyDelete
  6. Mas link nya tolong diperbaiki ya mas.makasih

    ReplyDelete
  7. Mas link nya tolong diperbaiki ya mas.makasih

    ReplyDelete
  8. terima kasih, kalau bisa/ada buku atau materinya min? agar lebih faham, dan dimengerti :)

    ReplyDelete
  9. terimakasih banyak admin atas bantuannya, semoga admin mendapat balasan yang lebih atas kerja kerasnya dan semoga rejekinya lancar aamiin :)

    ReplyDelete
  10. Ass wr wb, gan udh gk bisa di download lagi, bisa kirim ke email saya gan, ni email saya "rianfebri24@gmail.com" makasih ya sebelumnya mas?

    ReplyDelete
  11. Assalamu'alaikum , mas link nya udh gk bisa di download lagi, bisa kirim ke email saya mas, ini email saya "incursio4@gmail.com" terimakasih mas

    ReplyDelete
  12. Assalamu'alaikum mas linknya gk bisa berfungsi, bisa kirim ke email saya aja mas, nofitarizki97@gmail.com

    ReplyDelete
  13. Assalamu'alaikum mas linknya gk bisa berfungsi, bisa kirim ke email saya aja mas, ikbal.m0731@gmail.com

    ReplyDelete
  14. Assalamu'alaikum kak linknya udh gk jalan, bisa kirim ke email harajuku777.ac@gmail.com buat belajar kak

    ReplyDelete

Notification
Welcome to Rumah IT . Please share this article to your favorite social media .
Done