Muhammad, Qolbi Shobri (2021) Perbandingan Metode Klasifikasi Regresi Logistik Biner Bayesian dan Naive Bayes Classifier Pada Pengklasifikasian Risiko Kematian Pasien Covid-19. Masters thesis, Universitas Andalas.
|
Text (Cover dan Abstrak)
Cover dan Abstrak Qolbi.pdf - Published Version Download (86kB) | Preview |
|
|
Text (BAB I Pendahuluan)
BAB I (Pendahuluan).pdf - Published Version Download (80kB) | Preview |
|
|
Text (BAB V Penutup)
BAB Akhir (Penutup dan Kesimpulan).pdf - Published Version Download (63kB) | Preview |
|
|
Text (Daftar Pustaka)
Daftar Pustaka.pdf - Published Version Download (79kB) | Preview |
|
Text (Tugas Akhir Ilmiah Utuh)
Tugas Akhir Utuh Qolbi.pdf - Published Version Restricted to Repository staff only Download (979kB) |
Abstract
Metode Klasifikasi merupakan suatu metode yang mengelompokkan data berdasarkan ciri-ciri atau karakter tertentu dari suatu data. Ada beberapa metode klasifikasi diantaranya adalah metode Regresi Logistik Biner Bayesian (RLBB) dan Na¨ıve Bayes Classifier (NBC). Penelitian ini membandingkan keakuratan kedua metode tersebut dalam mengklasifikasi data resiko kematian pasien Covid-19. Perbandingan keakuratan kedua metode tersebut dilakukan dengan dua tahap. Tahap pertama dengan seluruh variabel prediktor yang diasumsikan memiliki pengaruh terhadap variabel respon dan tahap kedua dengan variabel terpilih yaitu variabel yang memiliki pengaruh signifikan terhadap variabel respon. Dengan menggunakan metode RLBB diperoleh bahwa Jumlah Komorbid berpengaruh terhadap resiko kematian pasien Covid-19. Sementara itu dengan menggunakan metode NBC diperoleh Umur dan Jumlah Komorbid berpengaruh terhadap resiko kematian pasien Covid-19. Pada pengklasifikasian data resiko kematian pasien Covid-19, metode NBC menghasilkan nilai akurasi dan Press’s Q yang lebih tinggi daripada metode RLBB. Artinya metode NBC lebih baik dalam mengklasfikasikan resiko kematian pasien Covid-19 dibandingkan metode RLBB.
Item Type: | Thesis (Masters) |
---|---|
Primary Supervisor: | Dr. FERRA YANUAR |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
Divisions: | Pascasarjana (S2) |
Depositing User: | s2 matematika matematika |
Date Deposited: | 19 Oct 2021 06:54 |
Last Modified: | 19 Oct 2021 06:54 |
URI: | http://scholar.unand.ac.id/id/eprint/93023 |
Actions (login required)
View Item |