Abstrak
Untuk mempermudah kinerja PMI dalam mengklasifikasikan calon pendonor darah
apakah termasuk ke dalam kelas pendonor ataupun kelas non pendonor maka kami
membuat inovasi yaitu dengan membuat aplikasi klasifikasi calon pendonor darah
dengan metode Klasifikasi Naive Bayes berbasis pemrograman PHP. Dengan cara
komputerisasi inilah diharapkan dapat membantu kinerja PMI agar lebih cepat dan
tepat dalam mengklasifikasikan calon pendonor darah. Penggunaan metode nave bayes
sebagai metode utama dalam pengklasifikasian karena metode ini merupakan
pengklasifikasi paling sederhana dari model pengklasifikasian dengan peluang.
Terdapat dua jenis atribut data set yaitu kontinu dan diskrit. Kedua jenis data ini lah
yang nantinya kami gunakan dalam menentukan peluang dengan menggunakan metode
Klasifikasi Naive Bayes.
1. PENDAHULUAN
Donor darah merupakan proses
pengambilan
darah
dari
seseorang
mendonorkan darah.
transfusi
darah
bagi
pasien
yang
membutuhkan.[1]
Untuk
dapat
menyumbangkan
tahun,
bayes [3].
Metode
probabilitas.
menular.
Naive
Bayes
merupakan
Sedangkan
klasifikasi
selama 3 bulan.
nave
yang manual
Nave
Bayes
menentukan
Clasifier
untuk
Bayesian
Bayes
independensi
Classifier
Classifier
dari
dapat
merupakan
masing-masing
2. METODE PENELITIAN
kondisi/kejadian[4],dimana diasumsikan
menggunakan
teknik
Nave
Bayes
contoh (data
untuk
persamaan.
Mean() merupakan
data continue.
atribut
Xi
Mean
n
i 1
dinyatakan
rata-rata
yang
xi
(pers 2)
sebagai berikut:
P A | B
pada
P B | A P A
P B
berikut:
(pers 1)
2
Dimana probabilitas dari A dengan
1
2
n
i n xi
n 1
(pers3)
dibagi peluang B.
mengasumsikan
menghasilkan
distribusi
model
atau
nonparametrik
, x
1
2 2
x 2
2 2
(pers 4)
likelihood
suatu
fitur
dari
kelas
3. PEMBAHASAN
Kami
yaitu
gambar berikut
dilakukan
percobaan
dengan
mengggunakan
bahasa
Non
Pendonor
200
Data Testing
Pendonor
150
Non
Pendonor
25
25
Gambar 1.
Tabel 1. Jumlah
data
training
datatesting Percobaan 4
dan
Tampilan
Interface
Aplikasi
8. Interval Donor
telah
diproses
menunjukan
kelas Pendonor.
keakuratan:
4. SIMPULAN
keakuratan
Penggunaan
clasifier
metode
dalam
naive
bayes
296
100 %
4
74 %
Akurasi atau ketepatan program yang
pengklasifikasian
yang
paling
efektif
dan
metode
pendonor
cara
memperhatikan
karena
dengan
syarat-syarat
dalam
buat
sangat
Data
Testing Prosentase
gunakan.
DAFTAR PUSTAKA
75
bergantung dan
Data
Training
N
mengalami
bayes
Percobaan
naive
dikerjakan
komputerisasi
84 58 78 76
100 %
4
100 25 25
[1] Rhesus
84%
Negatif
Indonesia.
125 100 25 25
58%
125 125 25 25
78%
KEUNTUNGAN),
Januari
Senin
2012,
16
URL:
http://rhesusnegatif.com/article_det
4
200 150 25 25
76%
ail.php?id=50,
Diakses
pada
[2] Widjaya
Dinyar
Supiadi
http://xa.yimg.com/kq/groups/2161
P = Pendonor
2083/1478830814/name/Transfusi+
N = Non Pendonor
Darah+FK+Unjani+(Dinyar+S,+dr,
+SpPK).pdf Diakses pada tanggal
10 November 2012.
http://www.cs.unb.ca/profs/hzhang/
publications/FLAIRS04ZhangH.pd
f Diakses pada tanggal 10
November 2012.
[4] Natalius Samuel. Metode Naive
Bayes Classifier dan Penggunaanya
pada Klasifikasi Dokumen. April
2010,URL:http://xa.yimg.com/.../Tr
ansfusi+Darah+FK+Unjani+(Dinya
r+S,+dr,+SpPK)hProbstat2010017.pdf Diakses pada tanggal 10
November 2012.
[5] George H. John and Pat Langley
(1995).
Estimating
Distributions
Classifiers.
Eleventh
Continuous
in
Bayesian
Proceedings
of
Conference
Uncertainty
in
the
on
Artificial
San
Mateo,
URL:
http://www.cs.iastate.edu/~jtian/cs5
73/Papers/John-UAI-95.pdf
Diakses pada tanggal 13November
2012.