khalil gibran ahmad
universitas dinamika bangsa

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Algoritma Naïve Bayes Untuk Mengetahui Pasien Penyakit Gagal Jantung farchan akbar; fiqri ansyah; virginia casanova andiko andiko; khalil gibran ahmad; Errissya Rasywir; Despita Meisak; Yovi Pratama; Ayu Feranika
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 2 No 2 (2022): JAKAKOM Vol 2 No 2 September 2022
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1353.753 KB) | DOI: 10.33998/jakakom.2022.2.2.117

Abstract

Abstrak – Setiap tahunnya lebih dari 36 juta orang meninggal karena Penyakit Tidak Menular (PTM) (63% dari seluruh kematian). Lebih dari 9 juta kematian yang disebabkan oleh penyakit tidak menular terjadi sebelum usia 60 tahun, dan 90% dari kematian “dini” tersebut terjadi di negara berpenghasilan rendah dan menengah. Secara Global PTM penyebab kematian nomor satu setiap tahunnya adalah penyakit kardiovaskuler. Penyakit Kardiovaskuler adalah penyakit yang disebabkan gangguan fungsi jantung dan pembuluh darah, seperti : penyakit coroner, penyakit gagal jantung atau payuh jantung, hipertensi dan stroke. Diperkirakan sebanyak 17,3 juta kematian disebabkan oleh penyakit kardiovaskuler. Kata Kunci : data Pasien; algoritma naïve bayes; WEKA; klasifikasi; akurasi Abstract - Every year more than 36 million people die from non-communicable diseases (NCD) (63% of all deaths). More than 9 million deaths are caused by non-communicable diseases before the age of 60, and 90% of these “early” deaths occur in low- and middle-income countries. Globally, PTM is the number one cause of death every year is cardiovascular disease. Cardiovascular disease is a disease caused by impaired function of the heart and blood vessels, such as coronary disease, heart failure or heart failure, hypertension and stroke. It is estimated that 17.3 million deaths are caused by cardiovascular disease. Keywords: patient data; naïve Bayes algorithm; WEKA; classification; accuracy