Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal DIPANEGARA KOMPUTER SISTEM INFORMASI (DIPAKOMSI)
Sri Damayanti
UNIVERSITAS DIPA MAKASSAR
Computer Science & IT Languange, Linguistic, Communication & Media

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

Found 1 Documents
Search

 1 
PERBANDINGAN ALGORITMA CLASSIFICATION DALAM MENGANALISIS DATASET MULTICLASS Dikadayanti Dikadayanti; Sri Damayanti; Andi Irmayana; Wilem Musu
Dipanegara Komputer Sistem Informasi Vol 17 No 1 (2023): Jurnal Dipanegara Komputer Sistem Informasi (DIPAKOMSI)
Publisher : Dipanegara Komputer Sistem Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dataset Penyakit gigi dan mulut adalah sekumpulan data yang memuat informasi penyakit gigi dan mulut dengan ragam atribut yang terkandung didalamnya. Pada penelitian ini, dataset yang dimiliki adalah dataset multiclass pasien penyakit gigi dan mulut dengan umur, jenis kelamin, diagnosa, tindakan, dan terapi sebagai atribut yang terkandung di dalamnya dimana terapi dipilih sebagai variable respon. Penetapan suatu penyakit dari hasil Analisa dokter seringkali memerlukan waktu yang cukup lama, begitupun masyarakat awam yang minim pengetahuan akan penyakit gigi dan mulut sehingga menjadi sebab ketidaktahuan terhadap penyakit yang diderita. Pada penelitian ini, akan dilakukan klasifikasi penyakit gigi dan mulut dengan melakukan komparasi algoritma Knn, C45, dan Naïve Bayes untuk menentukan algoritma dengan akurasi terbaik dalam mendeteksi terapi yang tepat penyakit gigi dan mulut . Untuk melakukan uji coba, akan digunakan tools jupyter sebagai alat untuk melakukan perbandingan akurasi pada algoritma tersebut.Setelah dilakukan penelitian, ditemukan bahwa algoritma c45 memiliki akurasi tertinggi dibanding algoritma Knn dan Naïve Bayes,dimana nilai akurasi yang diperoleh algoritma C45 sebesar 0,74%, sehingga algoritma C45 dapat digunakan dan diterapkan untuk mendeteksi terapi yang tepat penyakit gigi dan mulut dengan menggunakan dataset multiclass.
Co-Authors Andi Irmayana Dikadayanti Dikadayanti Wilem Musu