Penerapan Algoritma Decision Tree Untuk Klasifikasi KIPI Vaksin Covid-19

Jurnal Ilmiah FIFO Pub Date : 2022-12-28 DOI:10.22441/fifo.2022.v14i2.005

Fajar Athallah Yusuf, M. Alfaridzi, Tazkiyah Herdi

{"title":"Penerapan Algoritma Decision Tree Untuk Klasifikasi KIPI Vaksin Covid-19","authors":"Fajar Athallah Yusuf, M. Alfaridzi, Tazkiyah Herdi","doi":"10.22441/fifo.2022.v14i2.005","DOIUrl":null,"url":null,"abstract":"Pandemi COVID-19 merupakan wabah yang terjadi di seluruh dunia, terutama Indonesia. Pandemi COVID-19 telah melumpuhkan berbagai bidang di sektor publik dan banyak penduduk terkena Sars-Cov-2 yang menyebabkan kematian bagi masyarakat dan tenaga kesehatan. dalam melaksanakan Program Vaksinasi Coronavirus di Indonesia. Banyak masyarakat yang khawatir terhadap Vaksinasi Coronavirus dikarenakan hoax terhadap Vaksinasi Coronavirus dan ketakutan dengan dampak KIPI. Penulis melakukan penelitian dengan menggunakan metode Decision Tree untuk melakukan klasifikasi KIPI Vaksin COVID-19 menggunakan data Vaksin COVID-19 siswa/siswi salah satu SMP Kota Bekasi. Berdasarkan hasil penelitian yang didapatkan, penelitian menghasilkan model Decision Tree dari 4 atribut yang didapatkan lalu dikategorikan dengan 2 variabel yang berbeda yakni variabel target dan variabel prediksi. Penelitian menghasilkan model Decision Tree lalu melakukan perbandingan dengan algoritma naive bayes dengan masing-masing keakuratan sebesar 89,5349% dan 88.3721 %. Hasil ini menunjukan algoritma Decision Tree memiliki keakuratan lebih tinggi dibandingkan dengan algoritma Naïve Bayes sehingga algoritma Decision Tree merupakan teknik yang tepat dalam hal pengklasifikasian. ","PeriodicalId":280491,"journal":{"name":"Jurnal Ilmiah FIFO","volume":"48 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-12-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ilmiah FIFO","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22441/fifo.2022.v14i2.005","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 1

Abstract

Pandemi COVID-19 merupakan wabah yang terjadi di seluruh dunia, terutama Indonesia. Pandemi COVID-19 telah melumpuhkan berbagai bidang di sektor publik dan banyak penduduk terkena Sars-Cov-2 yang menyebabkan kematian bagi masyarakat dan tenaga kesehatan. dalam melaksanakan Program Vaksinasi Coronavirus di Indonesia. Banyak masyarakat yang khawatir terhadap Vaksinasi Coronavirus dikarenakan hoax terhadap Vaksinasi Coronavirus dan ketakutan dengan dampak KIPI. Penulis melakukan penelitian dengan menggunakan metode Decision Tree untuk melakukan klasifikasi KIPI Vaksin COVID-19 menggunakan data Vaksin COVID-19 siswa/siswi salah satu SMP Kota Bekasi. Berdasarkan hasil penelitian yang didapatkan, penelitian menghasilkan model Decision Tree dari 4 atribut yang didapatkan lalu dikategorikan dengan 2 variabel yang berbeda yakni variabel target dan variabel prediksi. Penelitian menghasilkan model Decision Tree lalu melakukan perbandingan dengan algoritma naive bayes dengan masing-masing keakuratan sebesar 89,5349% dan 88.3721 %. Hasil ini menunjukan algoritma Decision Tree memiliki keakuratan lebih tinggi dibandingkan dengan algoritma Naïve Bayes sehingga algoritma Decision Tree merupakan teknik yang tepat dalam hal pengklasifikasian.

查看原文本刊更多论文

COVID-19大流行是一种世界性的流行病，尤其是印度尼西亚。COVID-19大流行已经使公共部门失去了控制，许多人暴露在Sars-Cov-2的影响下，这导致了公众和卫生工作者的死亡。在印尼执行Coronavirus疫苗计划。许多人担心皮质病毒疫苗接种，因为皮质疫苗对皮质疫苗的恶作剧和对KIPI影响的恐惧。作者使用Decision Tree方法对COVID-19疫苗COVID-19学生/女孩进行了研究。根据所获得的研究结果，该研究将所获得的4个属性中的Decision Tree模型分为2个不同的目标变量和预测变量。研究产生了Decision Tree模型，并将其与nave bayes算法进行比较，其准确性为89.5349%，88.3721 %。结果表明，Decision Tree算法比Naive Bayes算法更准确，所以Decision Tree算法是一种精确的技术。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Jurnal Ilmiah FIFO

自引率

0.00%

发文量