Klasifikasi Data Pasien Penyakit Tuberkulosis Paru Menggunakan Metode Probabilistic Neural Network (Studi Kasus: Puskesmas Telaga Sari Kota Balikpapan)
DOI:
https://doi.org/10.30872/eksponensial.v16i2.1514Kata Kunci:
classification, confusion matrix, probabilistic neural network, pulmonary tuberculosis, smoothing paramaterAbstrak
Pulmonary tuberculosis is an infectious disease that remains a major health problem in Indonesia. Early detection of this disease is very important to improve the effectiveness of treatment and prevention of its spread. The purpose of this study is to classify laboratory test data of pulmonary tuberculosis patients using the Probabilistic Neural Network method. The data used are medical records of patients with pulmonary tuberculosis disease at Puskesmas Telaga Sari, Balikpapan City in 2023-2024. The variables used are age, weight, systolic blood pressure, diastolic blood pressure, cough duration, fever duration, shortness of breath, and loss of appetite. The classification process involves the stages of encoding, data normalization, division of training data and testing data using a proportion of 80:20, and calculation of accuracy using confusion matrix. The results showed that classification using the Probabilistic Neural Network method was appropriate in classifying pulmonary tuberculosis disease and obtained the best smoothing parameter ( ) value of 0.1 with an accuracy value of 82.95% for training data and 95.45% for testing data.
Unduhan
Referensi
Azizah, P. D. I. (2021). Penerapan Probabilistic Neural Network pada Klasifikasi Berat Bayi Baru Lahir. Jurnal Riset Statistika, 1(2), 152-159.
Cahyanti, F. L. D., Sarasati, F., Astuti, W., dan Firasari, E. (2023). Klasifikasi Data Mining dengan Algoritma Machine Learning untuk Prediksi Penyakit Liver. Technologia, 14(2), 134-139.
Dinas Kesehatan Provinsi Kalimantan Timur. (2023). Profil Kesehatan Tahun 2022. Kalimantan Timur: Dinas Kesehatan Provinsi Kalimantan Timur.
Kementerian Kesehatan Republik Indonesia. (2024). Profil Kesehatan Indonesia 2023. Jakarta: Kementerian Kesehatan RI.
Lelewana, A. Y. P., Suarnianti, dan Restika, I. (2024). Determinan Perilaku Pencarian Pengobatan Pada Penderita TB Paru Di Puskesmas Tamalanrea. Jurnal Ilmiah Mahasiswa & Penelitian Keperawatan, 4(2), 142-151.
Lenaini, I. (2021). Teknik Pengambilan Sampel Purposive dan Snowball Sampling. Jurnal Kajian, Penelitian dan Pengembangan Pendidikan Sejarah, 6(1), 33-39.
Martias, L. D. (2021). Statistika Deskriptif Sebagai Kumpulan Informasi. Jurnal Ilmu Perpustakaan dan Informasi, 16(1), 40-59.
Permana, I. dan Salisah, F. N. (2022). Pengaruh Normalisasi Data Terhadap Performa Hasil Klasifikasi Algoritma Backpropagation. Indonesian Journal of Informatic Research and Software Engineering, 2(1), 67-72.
Primantoro, S., Goejantoro, R., dan Prangga, S. (2024). Clustering Titik Panas Bumi Pada Potensi Kebakaran Hutan Menggunakan K-Affinity Propagation. Jurnal Eksponensial, 15(2), 73-79.
Rahayu, N., Wasono, Amijaya, F. D. T. (2023). Klasifikasi Batubara Berdasarkan Jenis Kalori dengan Menggunakan Perbandingan Jarak Euclid, Jarak Manhattan, dan Jarak Minkowski Pada Algoritma Modified K-Nearest Neighbor (Studi Kasus: PT. XYZ Samarinda). Jurnal Ilmiah Matematika, 2(1), 1-10.
Rosamawati, Sartika, dan Hasan, C. (2023). Faktor Risiko Kejadian Tuberkulosis Paru di Wilayah Kerja Puskesmas Kaluku Bodoa Kota Makassar. Window of Public Health Journal, 4(6), 1028-1040.
Sawo, M. K., Rogi, O. H. A., dan Lakat, R. S. M. (2021). Analisis Pengembangan Kawasan Permukiman Berdasarkan Kemampuan Lahan Di Distrik Muara Tami. Jurnal Spasial, 8(3), 311-325.
Srirahayu, A. dan Pribadie, L. S. (2023). Review Paper Data Mining Klasifikasi Data Mining. Jurnal Ilmiah Informatika Global, 14(1), 7-12.
Tarigan, P. M. S., Hardinata, J. T., Qurniawan, H., Safii, M., dan Winanjaya, R. (2022). Implementasi Data Mining Menggunakan Algoritma Apriori dalam Menentukan Persediaan Barang (Studi Kasus: Toko Sinar Harahap). Jurnal UMJ, 12(2), 51-61.
Wenando, F. A., Fatma, Y., Ulfa, A., Salma, dan Taurin, J. S. (2023). Aplikasi dan Kerentanan Algoritma Probabilistic Neural Network (PNN): Systematic Literature Review. Jurnal Computer Science and Information Technology, 4(2), 491-499.
