Nilifda, Wita (2018) Pembuatan Sistem Klasifikasi Penyakit Jantung Menggunakan Metode Naive Bayes Berbasis Android. Other thesis, Universitas Komputer Indonesia.
UNIKOM_Wita Nilifda_Bab I.pdf
Download (122kB) | Preview
UNIKOM_Wita Nilifda_Bab V.pdf
Download (90kB) | Preview
UNIKOM_Wita Nilifda_Cover.pdf
Download (58kB) | Preview
UNIKOM_Wita Nilifda_Daftar isi.pdf
Download (92kB) | Preview
UNIKOM_Wita Nilifda_Daftar pustaka.pdf
Download (85kB) | Preview
UNIKOM_Wita Nilifda_Jurnal.pdf
Download (183kB) | Preview
UNIKOM_Wita Nilifda_Kata Pengantar.pdf
Download (60kB) | Preview
IMG_0001.jpg
Download (9MB) | Preview
IMG_0002.jpg
Download (1MB) | Preview
IMG_0003.jpg
Download (7MB) | Preview
Abstract
Pada saat ini, teknologi sudah berkembang semakin pesat yang dapat dimanfaatkan untuk berbagai keperluan, diantaranya dibidang kesehatan. Dibidang kesehatan, penyakit jantung merupakan penyebab kematian nomor satu di dunia, termasuk di Indonesia yang seharusnya dapat dicegah dan diobati. Oleh karena itu, diperlukan sebuah solusi yang mudah dan akurat untuk mengetahui penyakit jantung secara dini pada masyarakat berdasarkan keluhan yang dirasakan. Tujuan penelitian ini adalah untuk membuat sebuah aplikasi berbasis android yang mampu mengklasifikasi penyakit jantung berdasarkan gejala - gejala sakit yang muncul dengan menggunakan metode Naive Bayes. Pengujian pada aplikasi klasifikasi penyakit jantung menggunakan metode pengujian Alpha Blackbox yang memfokuskan pada keperluan fungsional dari aplikasi yang telah dibangun. Hasil pengujian alpha memberikan keluaran yang sesuai dengan perancangan mencapai 100%. Pengujian data dari 24 pasien yang menderita penyakit jantung menunjukan hasil yang sesuai 100%, tidak sesuai 0%. Pengujian beta dari 15 responden mengenai penilaian terhadap aplikasi �Heart Detection� dari sisi kepuasan pengguna melalui kuesioner, 14 orang memberikan sikap sangat positif (93,33%) dan 1 orang memberikan sikap positif (6,67%). Penelitian ini menyimpulkan keberhasilan membangun aplikasi untuk mengklasifikasi penyakit jantung menggunakan metode Naive Bayes dengan tingkat akurasi sebesar 100% dan dapat memberikan kemudahan bagi pengguna untuk mengetahui jenis penyakit jantung.
At this time, technology has developed more rapidly that can be utilized for various purpose, including in the field of health. In the field of health, heart disease is the number on death in the world, including in Indonesia that should be prevented and treated. Therefore, an easy accurate solution is needed to determine early heart disease in the community based on perceived complaints. The purpose of this study was to create an android-based application that is able to classify heart disease based on the symptoms of pain that arise by using Naive Bayes method. Tests on the application of heart disease classification using Alpha Blackbox testing that focuses on the functional requirements of application that have been built. Alpha test result provide the output in accordance with the design reaches 100%. Testing data from 24 patients suffering from heart disease showed result according to 100%, not corresponding 0%. The beta test of 15 respondents on the assessment of application of �Heart Detection� from the side of user satisfaction through questionnaires, 14 people gave a very positive attitude (93,33%) and 1 person gave a possitive attitude (6,67%). This study conclude the succes of building application to classify heart disease using the method of Naive Bayes with 100% accuracy and can provide convenience for users to know the type of heart disease.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | Migrasi dari GDL. Identifier: jbptunikompp-gdl-witanilifd-39355. Folder: S1-Final_Project / Fakultas_Teknik_dan_Ilmu_Komputer / Teknik_Komputer/Sistem Komputer / 2018 |
| Uncontrolled Keywords: | Penyakit Jantung, Naive Bayes, Aplikasi |
| Divisions: | S1 Skripsi > Sistem Komputer |
| Depositing User: | Robot Migration |
| Date Deposited: | 05 Nov 2026 13:13 |
| Last Modified: | 05 Nov 2026 13:13 |
| URI: | https://elibrary.unikom.ac.id/id/eprint/50215 |
