KLASIFIKASI CALON PENDONOR DARAH
MENGGUNAKAN METODE
NAÏVE BAYES
CLASSIFIER
(STUDI KASUS : Calon Pendonor Darah di Kota Semarang)
SKRIPSI
Disusun Oleh :
DHIMAS BAYUSUSETYO
NIM. 24010212130081
DEPARTEMEN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
i
KLASIFIKASI CALON PENDONOR DARAH
MENGGUNAKAN METODE
NAÏVE BAYES
CLASSIFIER
(STUDI KASUS : Calon Pendonor Darah di Kota Semarang)
Disusun Oleh :
DHIMAS BAYUSUSETYO
NIM. 24010212130081
Tugas Akhir sebagai salah satu syarat untuk memperoleh
gelar Sarjana Sains pada Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
ii
Judul
: Klasifikasi Calon Pendonor Darah Menggunkan Metode
Naïve
Bayes Classifier
(Studi Kasus: Calon Pendonor Darah di Kota Semarang)
Nama
: DhimasBayususetyo
NIM
: 24010212130081
Departemen : Statistika
Telah diujikan pada sidang Tugas Akhir tanggal 27 Maret 2017 dan dinyatakan
lulus pada tanggal 27 Maret 2017.
Semarang, 30 Maret 2017
Mengetahui,
Ketua Departemen Statistika
Fakultas Sains dan Matematika Undip
Dr. Tarno, M.Si.
NIP. 196307061991021001
Panitia Penguji Ujian Tugas Akhir
Ketua,
:
C
! "D
" #$!%% $!&!Naïve
Bayes Classifier
(
'& (C
! "D
"# & ' ! ) "%)
*)
: D
# ) + , ! & ,* -$
: 24010212130081
D
! ."&! ) !:
'&& &/! # 0 . %/%
A
# "& %%27
$ "! &2017.
' ! )"%
, 30
$ "! &2017
! )
bim
bing
--D
".
/"1$2'.
*-. 196307061991021001
!)bim
bing
iv
456 5789:596 5;
Puji Syukur penulis ucapkan kehadirat Allah SWT yang telah memberikan
rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan penulisan Tugas
Akhir dengan judul Klasifikasi Calon Pendonor Darah Menggunakan Metode
Naive Bayes Classifier
(Studi Kasus: Calon Pendonor Darah di Kota Semarang .
Begitu banyak pihak yang telah membantu, oleh karena itu rasa hormat dan terima
kasih penulis ingin sampaikan kepada:
1. Bapak Dr. Tarno, M.Si. selaku Ketua Departemen Statistika Fakultas Sains
dan Matematika Universitas Diponegoro sekaligus dosen pembimbing II.
2. Bapak Dr. Rukun Santoso, M.Si. selaku dosen pembimbing I.
3. Bapak dan Ibu dosen Departemen Statistika Fakultas Sains dan Matematika
Universitas Diponegoro yang telah memberikan ilmu selama proses belajar
di Departemen Statistika Fakultas Sains dan Matematika Universitas
Diponegoro.
4. Semua pihak yang tidak dapat disebutkan satu per satu yang telah membantu
penulis dalam penulisan Tugas Akhir ini.
Penulis menyadari bahwa penulisan Tugas Akhir ini masih jauh dari
sempurna. Oleh karena itu, kritik dan saran yang membangun sangat penulis
harapkan demi perbaikan dalam kesempatan berikutnya.
Semarang, 29 Maret 2017
K
CDE FGFHDE F D ID CD J KLMENE K NOP DLFDO ENHQRKQ CDO R MINC DSDQ GQO TE F UD O TR NOTTDRVDLHDO IDO R NRVNIDHDO H NC DE IDS D INOTDO SQWQDO D TDL RMINC SNLE NVQS IDKDS IFK NL TQO DHDO QOS QH R NR KLNIFHE F H NCDE IDL F EQDS Q MV WNH UD O T VNCQR IFH NS D JQ F H NCDE OUDX
A
ID VNVNL DKD RNSMI N UD O T SNLR DE QH ID CDR R NS MIN H CDEFG FHDEFY E D CD J EDS QO UD D ID CD J Z[\]v
B
[ ^]_ X Z[\]v
B
[ ^]_ RNLQKDH DO S NHO FH KL NIFHEF VNLVDE FE KLMVDVF CFESFH E NINLJDOD UD O T VNL IDED L KD ID KNO NLDKDO SNMLNR DB
[ ^]_ INO TDO DE QREF FO INK NO INOEF UDO T HQ DSX `D ID K NONC FSFDO FO F IF CDHQHDOK NLVD FHDOS NL JD IDKR NS MIN Z[\
v
]B
[ ^]_ ID CDRRNOTJFS QO TK NCQ DO TVNLEUDLDSIDL F ENSFDK GFSQLOUD RNO TTQO DHDO IQDK NO INH DS DOY
UD FS Q K NO INHDS DO GQO TE F INOE FS DE O MLRD C IDO K NO INH DSDO ENCF EFJ K NCQDOT HQR Q CDS FGX
K
NIQD K NO INHDS DO S NLE NVQS IFTQODH DO QOS QH RNCDHQ HDO H CDE FG FHDEF PD C MOKNOIMO ML IDL D J IFK
MSD aNR DLDO TXVariabel prediktor yang digunakan adalah kadar hemoglobin, tensi atas, tensi
bawah, dan berat badan. Hasil dari penelitian ini menunjukan bahwa kedua
pendekatan tersebut sama baiknya dalam melakukan klasifikasi dengan nilai
Matthews Correlation Coefficient
(MCC) sebesar 0,8985841 atau mendekati +1.
ABSTRACT
hijk kg lg mjng op gk n qr stomr k k o l lgp ug p v j wo ur i ot lxpmng op n qjn urk mtgyr k jp u ug kn gpvxg kqr k ujn j mij kkrk ot mop mrsnkz lot nqr sxtso kr o l yrg p v j yir n o xkr n qr wo ur i n o str ug mn nqr mij kk o l o y{r mn k |qo kr mijk k ij yr i g k xp }po |p~ qrtr j tr ko wr wrn qo uk nqjn j tr gp mi xur u gp n qr mij kkglgmjn gop wrnqo ukz opr ol n qr w g k
v
B
.
v
B
g kjst rugmng opnr mqpg xrn qjnyj k r ukgws irsto yjygigkn g m jtr yj k r u op nqr jss i g mjng op o l jrk nqrot r w |gn q kn topv g p ursr p urp mr j kk xwsng op~ p n qg k kn xu mjttgr u o xn mottr mng o p n o nqr v
B
w rn qo u gp mj imxijn gp v n qr mop ugn gopj i sto yjygig n ol rj mq lrjnxtr xkg pv n |o jss toj mqr kz pot wj i urp kg n lxp mn gop jp u mxw xijng fr ugkn tgyxngop lxp mng op jssto j mqrk~ qr kr n |o jsstoj mq r k jt r xkr u no mij k kg l sto ks rmn gfr yioo u uopot k gp r wjtjpv hg n.
qr str ugmn ot fj tgj yir k xkr u jt r qr wo vio ygp irf r i,
xssrt yioo u str k kxtr,
io |rt yioo u str k kxtr,
jp u | rgvqn.
qr t r kxin o l n qg k kn xu kqo | k nqjn yonq jss toj mqrk qjfr nqr kj wrMatthews Correlation Coefficient
(
hh)
fj i xrkz0,8985841
ot mio krno1.
nwrjp kn qjnyon qjsstoj mq r kr xj ii|r i iuogpvmi jk kg lg mjng op~Kyw
ds:
hij kkg lgmjn gopz jïve Bayes, Normal Density Function, Cumulative
x
4
t
s
t
4
4
t
s
4
4
!"#s t-t
st
$ %4
4
& !"#s t-t
st
' (t
s
44
4
) !"#s t-t
st
'w
*45
4
+ !"#s t-t
st
t
4
&4
,t
4
)4
' - $ . $4
+4
/s
0 $ 1 234v
536s
4
+4
0 $1 234v
5 36s
/t
7t
s
8 $
5
4
0 $1 234v
5 36s
/t
9 $ */ $ 0 $
t
15
)4
0t
:t
0 $ 1(- / ;8 '/
5
0 : $ +5
9 +7 (<'(=/ 9' (0( &,
H
IJIKIL|}~}} }}
(
)
~} s~}}} }} ss } ~} }}( = )
~}}}} s} s }= 2
}} } }} ss } }} } }}~s s~} } ~ }} s}}} ~s ~}ss}s ¡¢£
B
¤£ ¥²³´³µ³¶ ·³µ ¸§¹³¶º» ¼³½³¾³ ´¿¶À Á¶ ¿¶¿ ¹¼³¹³ÃÄ¿½³ÅÁµ ³ ¹³¶ ÆºÇ ÈÉ ÊÅÁ¸½Áµ ËÁ ¹
É̺ǻ»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»» ÊÍ ·³µ ¸§¹³¶É» Πϧ
We
Ðc
ÑÒÓÔ-
Ôe
Ó ÔÕ¶½ÕÖÅÁ½§³¸×§½Õ¹»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»» ÊØ ·³µ ¸§¹³¶Í» ¼³½³·³½§Ã³¶¼ ³½³Îϧ¾³ ´¿¶À Á¶ ¿¶¿ ¹¼³ ¹³ÃÕ¶½ÕÖÀ ¹¿ÙÁÙÄ´³Ù§Ú§Ö³Ù§»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»» ÊÇ ·³µ ¸§¹³¶
Ø»
²³Ù§´Ä ´³Ù§Ú§Ö³Ù§ÛÁ¶ ÆÆ Õ¶³Ö³¶ÛÁ½ ¿ ÂÁÜ
a
Ý Þe
ßà áe
ÓÂÁ¶ Ƴ¶
À Á¶ ÂÁÖ³½ ³¶× Õ¶ÆÙ§¼ Á¶Ù§½ ³Ù »»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»» âÌ ·³µ ¸§¹³¶ã» ²³Ù§´Ä ´³Ù§Ú§Ö³Ù§ÛÁ¶ ÆÆ Õ¶³Ö³¶ÛÁ½ ¿ ÂÁÜ
a
Ý Þe
ßà áe
ÓÂÁ¶ Ƴ¶À Á¶ ÂÁÖ³½ ³¶ÅÁ´§Ù§ÃÀ Á´ Õ³¶ÆÄÕµ Õ´³½§Ú»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»»» âÍ ·³µ ¸§¹³¶Ç» ŧ¶½ ³ÖÙÄ ´³Ù§Ú§Ö³Ù§ÛÁ¶ÆÆÕ¶³Ö ³¶ÛÁ½ ¿ ÂÁä³
ïve Bayes dengan
Pendekatan Fungsi Densitas ... 86
Lampiran 7. Sintaks Klasifikasi Menggunakan Metode Naïve Bayes dengan
¡ ¢¡ £ ¤ ¥ ¦§¨
v
© ª§y
©s
¢¥ ¡¡ ¡ ¡¡¤¥ ¥¥ ¢«¬® ¯°±° ²° ³´° ²° µ°¶
· ¡ ¤ ¥¡ ¤ ¡ ¥ ¥£ ¤ ¸ ¹ º ¢ ·» ¼ ½¾¿À
le
Á ÂÀ Ã.
· ¤ ¡ ¥ ¡ ¡ ¤ ¤¡ ¡¢¡ ¥ ¦aï
Äe
ª§ye
Å ¥ º¥ ¢¥ ¡¡ ¡ ¡¡¤¥ ¥¥ ¢.
¬Æ ÇÈ