Perbandingan Kinerja Algoritma Dempster Shafer dan Fuzzy Naive Bayes dalam Klasifikasi Penyakit Demam Berdarah dan Tifus

Abstract

Menurut data tahun 2017 dan 2018, penyakit Demam Berdarah dan Tifus selalu masuk sebagai 10 (sepuluh) besar penyakit dengan jumlah rawat inap terbanyak di Rumah Sakit Umum Daerah Kabupaten Buleleng. Ada baiknya ketika gejala sudah mulai muncul, langsung diberikan penanganan yang tepat sehingga penyakit dapat diobati sejak dini dan jumlah pasien rawat inap menjadi berkurang. Hal ini menjadi dasar perlunya pendeteksian penyakit dilihat dari gejala awal yang dialami. Dalam penelitian ini deteksi penyakit dibatasi pada Demam Berdarah dan Tifus. Metode yang digunakan adalah Dempster Shafer atau sistem pakar dengan representasi pengetahuan dari pakar yaitu seorang Dokter Spesialis yang bekerja di Rumah Sakit Umum Daerah Kabupaten Buleleng. Metode ini sekaligus akan dibandingkan dengan metode Machine Learning yaitu kombinasi dari fuzzy logic dan naive bayes yang sesuai dengan karakteristik data gejala yang ada. Model klasifikasi menggunakan metode k-fold cross validation, sedangkan pengujian akurasi menggunakan confusion matriks. Untuk menguji akurasi hasil klasifikasi digunakan matriks konfusi. Dengan  k = 4 pada metode k-fold cross validation, dan perhitungan akurasi, presisi, dan recall pada confusion matriks didapat bahwa nilai akurasi menggunakan metode Dempster Shafer lebih besar daripada metode Fuzzy Naive Bayes.