Klasifikasi Penentuan Status Zona di Kota Kupang Menggunakan Aalgoritma Naive Bayes Classifier

Jurnal Komputer dan Informatika Pub Date : 2022-03-12 DOI:10.35508/jicon.v10i1.6458

N. D. Rumlaklak, Adriana Fanggidae, Y. T. Polly

{"title":"Klasifikasi Penentuan Status Zona di Kota Kupang Menggunakan Aalgoritma Naive Bayes Classifier","authors":"N. D. Rumlaklak, Adriana Fanggidae, Y. T. Polly","doi":"10.35508/jicon.v10i1.6458","DOIUrl":null,"url":null,"abstract":"Badan Kesehatan Dunia menjadikan corona virus sebagai pandemi pada tahun 2020. Virus ini melanda seluruh dunia termasuk Indonesia. Nusa Tenggara Timur (NTT) per Juni 2021 mencatat kasus positif Covid-19 sebanyak 18.741 kasus dan Kota Kupang merupakan daerah penyumbang kasus positif terbanyak. Pertambahan kasus harian covid-19 pada Kota Kupang menunjukkan kenaikan yang cukup tinggi. Tujuan dari penelitian ini adalah membangun sistem klasifikasi untuk menentukan status zona di kota Kupang. Perancangan sistem menggunakan model waterfall digunakan untuk merancang dan membangun sistem sedangkan algoritma Naïve Bayes Classifier (NBC) digunakan untuk klasifikasi. Kriteria sebagai input dalam sistem untuk proses klasifikasi yaitu data terkonfirmasi positif, data pasien sembuh dan data meninggal. Hasil proses klasifikasi terdiri dari 2 kelas yaitu Zona Hijau dan Zona Merah. Data kasus harian Covid-19 Kota Kupang bulan Januari-Juni 2021 dengan jumlah 181 sebagai data latih. 31 data uji yang diinputkan ke sistem dianalisa menggunakan metode Naïve Bayes Classifier dan berhasil mendapatkan hasil klasifikasi sebagai ouput sistem. Pengujian pada penelitian dilakukan pada sistem yang dibangun menggunakan pengujian blackbox untuk menguji fungsionalitas sistem dengan hasil sesuai yang diharapkan. Confusion matrix digunakan untuk menguji kinerja dari metode klasifikasi dan hasil tingkat akurasi 77,91% serta nilai presisi 73,91%.","PeriodicalId":334895,"journal":{"name":"Jurnal Komputer dan Informatika","volume":"13 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-03-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Komputer dan Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35508/jicon.v10i1.6458","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Badan Kesehatan Dunia menjadikan corona virus sebagai pandemi pada tahun 2020. Virus ini melanda seluruh dunia termasuk Indonesia. Nusa Tenggara Timur (NTT) per Juni 2021 mencatat kasus positif Covid-19 sebanyak 18.741 kasus dan Kota Kupang merupakan daerah penyumbang kasus positif terbanyak. Pertambahan kasus harian covid-19 pada Kota Kupang menunjukkan kenaikan yang cukup tinggi. Tujuan dari penelitian ini adalah membangun sistem klasifikasi untuk menentukan status zona di kota Kupang. Perancangan sistem menggunakan model waterfall digunakan untuk merancang dan membangun sistem sedangkan algoritma Naïve Bayes Classifier (NBC) digunakan untuk klasifikasi. Kriteria sebagai input dalam sistem untuk proses klasifikasi yaitu data terkonfirmasi positif, data pasien sembuh dan data meninggal. Hasil proses klasifikasi terdiri dari 2 kelas yaitu Zona Hijau dan Zona Merah. Data kasus harian Covid-19 Kota Kupang bulan Januari-Juni 2021 dengan jumlah 181 sebagai data latih. 31 data uji yang diinputkan ke sistem dianalisa menggunakan metode Naïve Bayes Classifier dan berhasil mendapatkan hasil klasifikasi sebagai ouput sistem. Pengujian pada penelitian dilakukan pada sistem yang dibangun menggunakan pengujian blackbox untuk menguji fungsionalitas sistem dengan hasil sesuai yang diharapkan. Confusion matrix digunakan untuk menguji kinerja dari metode klasifikasi dan hasil tingkat akurasi 77,91% serta nilai presisi 73,91%.

查看原文本刊更多论文

库邦市的区域状态分类使用了原始的原始算法天真贝斯

世界卫生组织将科罗娜病毒定为2020年的大流行。病毒席卷全球，包括印尼。2021年6月，东努萨镇(NTT)记录了最多的病例，共18741例，库邦镇是举办地。库邦市的covid-19病例的增加表明，这一数字相当高。这项研究的目的是建立一个分类系统，以确定库邦市的区域状况。这种设计系统使用瀑布模型来设计和构建系统，而Naive Bayes Classifier算法则用于分类。作为系统分类过程的输入，标准是阳性数据确认、患者数据恢复和死亡。分类过程的结果由两个类组成，分别是绿区和红区。2021年1月至6月库邦市Covid-19病例数据，共有181人进行培训。31 .将测试数据保存到系统中，使用天真的Bayes经典法进行分析，并成功地将其归类为系统ouput。研究是通过使用黑盒测试来测试系统的预期性能。混乱矩阵被用来测试分类方法和精度等级77.91%和精度值73.91%的性能。

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 Komputer dan Informatika

自引率

0.00%

发文量