Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jiko (Jurnal Informatika dan komputer) Jurnal Teknologi dan Informasi
M Jajuli
Universitas Singaperbangsa Karawang
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jiko (Jurnal Informatika dan komputer)

 1 
PENERAPAN NAÏVE BAYES UNTUK KLASIFIKASI TINGKAT RISIKO DIAGNOSIS GIGI DI UPTD PUSKESMAS CINGAMBUL Elin Nurlia; Mohamad Jajuli; Intan Purnamasari
JIKO (Jurnal Informatika dan Komputer) Vol 4, No 2 (2021)
Publisher : Journal Of Informatics and Computer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v4i2.3190

Abstract

Penyakit gigi merupakan kondisi yang dialami ketika muncul rasa sakit pada organ gigi dan mulut karena gigi berlubang atau gangguan lainnya. Kesehatan gigi sangat penting sebab gigi termasuk organ penting pada sistem pencernaan, jika terjadi gangguan dapat menyebabkan masalah kesehatan lainnya. Bahkan peradangan gigi dan gusi yang parah jika tidak segera ditangani dapat menimbulkan penyakit mematikan seperti stroke, diabetes dan jantung. Kasus penyakit gigi yang terjadi di UPTD Puskesmas Cingambul setiap tahunnya masih mengalami peningkatan, bahkan penyakit dengan kondisi yang parah seringkali dikeluhkan. Namun pelayanan kesehatan gigi di sana masih terbatas karena tidak ada dokter yang bertugas. Oleh karena itu, diperlukan sebuah metode yang mampu mengklasifikasikan tingkat risiko diagnosis gigi agar dapat menilai penanganan yang tepat. Penelitian ini bertujuan untuk menerapkan algoritma Naïve Bayes dengan metodologi Knowledge Discovery in Database (KDD) untuk mengklasifikasikan diagnosis gigi berdasarkan risiko parah, sedang dan ringan. Pengujian penerapan algoritma Naïve Bayes dilakukan dengan sembilan skenario k-fold cross-validation. Penggunaan 3-fold cross-validation menunjukan performa terbaik dengan akurasi 93,33% dan nilai kappa 0,855 yang termasuk kategori klasifikasi Very Good. Sedangkan rata-rata hasil pengujian memperoleh accuracy 92,32% dan nilai kappa 0,833 yang termasuk kategori klasifikasi Very Good. Sehingga, algoritma Naïve Bayes dinilai mampu mengklasifikasikan tingkat risiko diagnosis gigi yang terjadi di UPTD Puskesmas Cingambul dengan baik karena memiliki nilai accuracy cukup baik dan nilai kappa yang termasuk kategori Very Good.
Co-Authors Carudin Carudin D Amelia D N Alifah Elin Nurlia F N Dhewayani Intan Purnamasari Sofi Defiyanti Tri Isna Kuswaya