BKG

Lestari, Puji Indah (2018) Implementasi Algoritme K-Means Clustering Dan Naive Bayes Classifier Untuk Klasifikasi Diagnosa Penyakit Pada Kucing. Sarjana thesis, Universitas Brawijaya.

Indonesian Abstract

Kucing dewasa ini telah menjadi hewan peliharaan yang digemari masyarakat. Hal tersebut dikarenakan banyak manfaat yang didapat dari memelihara kucing, diantaranya adalah sebagai penghibur, bahkan sekarang di negara maju kucing banyak dipertandingkan dalam ajang cat show. Perawatan terhadap kucing terutama masalah kesehatan sangatlah penting karena beberapa penyakit pada kucing dapat menular pada manusia. Keterbatasan pemilik hewan dalam mendiagnosis gejala penyakit dengan pola memiliki gejala yang sama diantara beberapa penyakit, menjadi penyebab pemilik peliharaan mengalami kesulitan dalam melakukan diagnosis. Oleh sebab itu perlu ada sebuah sistem yang dapat mendiagnosa penyakit sehingga pemilik peliharaan dapat segera mengetahui penyakitnya dan dapat segera ditangani. Pada penelitian ini dapat memanfaatkan metode K-Means Naïve Bayes (KMNB) untuk diagnosa pada kucing. Pendekatan KMNB terbentuk dengan penggabungan teknik clustering dan klasifikasi. Pada tahap awal Clustering pada K-Means dimanfaatkan untuk mengelompokkan data yang sama. Selanjutnya klasifikasi data berdasarkan kategori menggunakan metode Naïve Bayes. Data yang memiliki kesalahan pada tahap pertama kemudian diklasifikasikan berdasarkan kategori pada tahap yang kedua. Berdasar pada hasil pengujian yang telah dilakukan dengan membandingkan hasil dari pengelompokkan pada K-Means konvensional membuktikan bahwa KMNB dapat memberikan rata- rata akurasi tertinggi sebesar 90% sedangkan K-Means konvensional memiliki rata-rata akurasi tertinggi sebesar 71, 379%.

English Abstract

At this time cat has become a popular pet community. This is because there are many benefits that exist from cats, such as an entertainer, and now developed countries many cats contested in the show cat. Treatment for cats is mainly because some of the cat's disease can spread to humans. The limitations of dentists in diagnosing diseases with a pattern of having the same symptoms as some diseases, are important in making a diagnosis. Therefore there need a system that can diagnose diseases that can be accessed by the cat owners and be dealt immediately. In this study can use K-Means Naïve Bayes (KMNB) method for diagnosis in cats. The KMNB approach is formed by the incorporation of clustering and classification techniques. In the beginning Clustering on K-Means was used to group the same data. Further classification of data by category using Naïve Bayes method. The data that have errors in the first stage are then organized by the second category. Identify data with the same character or data that shows similar characteristics from the start. Based on the results of tests that have been done by comparing the results of grouping on conventional KMeans proves that KMNB can produce the highest average of 90% while conventional K-Means has the highest average of 71, 379%.

Other Language Abstract

UNSPECIFIED

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2018/663/051808576
Uncontrolled Keywords: penyakit kucing, pengelompokkan, klasifikasi, K-Means, Naïve Bayes, KMNB. cat disease, clustering, classification, K-Means, Naïve Bayes, KMNB.
Subjects: 600 Technology (Applied sciences) > 636 Animal husbandry > 636.08 Specific topics in animal husbandry > 636.089 Veterinary medicine
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Budi Wahyono
URI: http://repository.ub.ac.id/id/eprint/161731
Text
Puji Indah Lestari.pdf

Download | Preview

Actions (login required)

View Item View Item