scholarly journals Identifikasi Faktor-Faktor yang Mempengaruhi Kelayakan Donor Darah di STIKes Santa Elisabeth Medan Tahun 2019

2020 ◽  
Vol 7 (2) ◽  
pp. 122
Author(s):  
Paska Ramawati Situmorang ◽  
Widya Yanti Sihotang ◽  
Lilis Novitarum
Keyword(s):  
Naive Bayes ◽  
Naïve Bayes ◽  
Naive Bayes Classifier ◽  
Bayes Classifier ◽  
Naïve Bayes Classifier ◽  
Chi Square

Donor darah adalah kegiatan menyalurkan darah atau produk berbasis darah dari satu orang ke sistem peredaran orang lainnya. Angka kematian akibat tidak tersedianya cadangan darah untuk transfusi pada negara berkembang relatif tinggi. Indonesia memiliki tingkat penyumbang sebanyak 6-10 orang per 1000 penduduk  yang jauh lebih kecil dibandingkan dengan beberapa negara kecil di Asia. Meskipun ada peningkatan kesadaran masyarakat untuk melakukan donor darah secara sukarela, tetapi banyak masyarakat yang gagal mendonorkan darahnya karena berbagai alasan kesehatan sehingga penting dilakukannya identifikasi masalah-masalah yang membuat calon pendonor darah  gagal memberikan darah. Tujuan dari penelitian ini adalah untuk mengidentifikasi faktor-faktor yang mempengaruhi status kelayakan donor darah dari dosen/mahasiswa STIKes Santa Elisabeth Medan tahun 2019 dan dianalisis berdasarkan hasil pemeriksaan dengan metode Naive Bayes Classifier. Data dievaluasi secara statistik menggunakan uji Chi square. Berdasarkan hasil penelitian yang dilakukan, karakteristik umum calon pendonor darah adalah mahasiswa/i, perempuan, kelompok usia 16-35 tahun, berat badan >50 kg dan status hemoglobin normal. Kami menemukan hanya ada 38.85% responden yang memiliki status “Boleh Donor” dengan karakteristik umum golongan darah 0 terbanyak, perempuan, usia 16-35 tahun, berat badan >50 kg dan semua responden memiliki kadar hemoglobin normal. Berdasarkan uji statistik yang dilakukan, terdapat hubungan erat antara berat badan dengan kondisi hemoglobin normal dan kondisi hemoglobin normal dengan status kelayakan donor, sedangkan jenis kelamin tidak memiliki hubungan yang signifikan terhadap kondisi hemoglobin maupun status kelayakan donor darah.  

scholarly journals Analisis Sentiment Tweets Berbahasa Sunda Menggunakan Naive Bayes Classifier dengan Seleksi Feature Chi Squared Statistic

2019 ◽  
Vol 4 (3) ◽  
pp. 87
Author(s):  
Yono Cahyono ◽  
Saprudin Saprudin
Keyword(s):  
Social Media ◽  
Sentiment Analysis ◽  
Naive Bayes ◽  
Naïve Bayes ◽  
Naive Bayes Classifier ◽  
Bayes Classifier ◽  
Naïve Bayes Classifier ◽  
Chi Square ◽  
Chi Squared ◽  
Use Of Social Media

At present the development of the use of social media in Indonesia is very rapid, in Indonesia there are a variety of regional languages, one of which is the Sundanese language, where some people especially those living in West Java use Sundanese language to express comments, opinions, suggestions, criticisms and others in social media. This information can be used as valuable data for individuals or organizations in decision making. The huge amount of data makes it impossible for humans to read and analyze it manually. Sentiment analysis is the process of classifying opinions, analyzing, understanding, evaluating, emotions and attitudes towards a particular entity such as individuals, organizations, products or services, topics, events, in order to obtain information. The purpose of this research is the Naїve Bayes Classifier (NBC) classification algorithm and Feature Chi Squared Statistics selection method can be used in Sundanese-language tweets sentiment analysis on Twitter social media into positive, negative and neutral categories. Chi Square Statistic feature test results can reduce irrelevant features in the Naïve Bayes Classifier classification process on Sundanese-language tweets with an accuracy of 78.48%.

scholarly journals ANALISIS SENTIMEN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DENGAN SELEKSI FITUR CHI SQUARE

2014 ◽  
Vol 3 (3) ◽  
pp. 92 ◽  
Author(s):  
JUEN LING ◽  
I PUTU EKA N. KENCANA ◽  
TJOKORDA BAGUS OKA
Keyword(s):  
Feature Selection ◽  
Sentiment Analysis ◽  
Naive Bayes ◽  
Computational Study ◽  
Naïve Bayes ◽  
Machine Learning Techniques ◽  
Naive Bayes Classifier ◽  
Bayes Classifier ◽  
Naïve Bayes Classifier ◽  
Chi Square

Sentiment analysis is the computational study of opinions, sentiments, and emotions expressed in texts. The basic task of sentiment analysis is to classify the polarity of the existing texts in documents, sentences, or opinions. Polarity has meaning if there is text in the document, sentence, or the opinion has a positive or negative aspect. In this study, classification of the polarity in sentiment analysis using machine learning techniques, that is Naïve Bayes classifier. Criteria for text classification decisions, learned automatically from learning the data. The need for manual classification is still required because training the data derived from manually labeling, the label (feature) refers to the process of adding a description of each data according to its category. In the process of labeling, feature selection is used and performed by chi-square feature selection, to reduce the disturbance (noise) in the classification. The results showed that the frequency of occurrences of the expected features in the true category and in the false category have an important role in the chi-square feature selection. Then classification breaking news by Naïve Bayes classifier obtained an accuracy of 83% and a harmonic average of 90.713%.

scholarly journals Analisis Fitur-Fitur Yang Mempengaruhi Jumlah Subscribers Youtube Menggunakan Algoritma Naive Bayes Classifier

2020 ◽  
Vol 10 (01) ◽  
pp. 36-40
Author(s):  
Meliyana Rahayu Yoanita ◽  
Hendry Setiawan ◽  
Paulus Lucky Tirma Irawan
Keyword(s):  
Naive Bayes ◽  
Naïve Bayes ◽  
Naive Bayes Classifier ◽  
Bayes Classifier ◽  
Naïve Bayes Classifier ◽  
Chi Square

Salah satunya teknologi dalam bidang komunikasi adalah platform media sosial. Media sosial Youtube adalah salah satu media sosial yang paling banyak digunakan di Indonesia. Keuntungan yang didapatkan oleh Content Creator atau Youtuber berasal dari AdSense. Youtube memiliki beberapa fitur yang disediakan yaitu like, dislike, view dan komentar (komentar dengan sentimen negatif atau positif). Diperlukan sistem klasifikasi otomatis sentimen komentar Youtube untuk klasifikasi komentar positif dan komentar negatif, selain itu analisis fitur-fitur yang mempengaruhi jumlah subscribers sehingga Content Creator dapat mengetahui fitur-fitur yang dapat mempengaruhi jumlah subscribers.  Dalam penelitian ini akan dibuat sistem klasifikasi otomatis sentimen komentar menggunakan algoritma Naive Bayes (NB) sehingga proses klasifikasi komentar positif dan negatif dapat dilakukan dengan mudah, data yang digunakan dalam analisis adalah sebanyak 53 channel Youtube dengan jenis vlog. Selain itu data yang digunakan sebagai data latih klasifikasi adalah sebanyak 4166 sentimen positif dan 4166 sentimen negatif, setelah itu dilakukan analisis fitur-fitur yang mempengaruhi jumlah subscribers dengan menggunakan chi square.   Hasil dari analisis dengan chi square didapatkan ada 4 fitur yang memiliki pengaruh terhadap jumlah subscribers yaitu jumlah view dengan nilai chi square 23.105, dislike dengan nilai chi square 13.745, jumlah komentar sentimen positif dengan nilai chi square 18.123 dan jumlah like dengan nilai chi square 13.745. Hasil akurasi untuk sistem klasifikasi otomatis menggunakan Naive Bayes (NB) sebesar 81%.

An Approach for the Segmentation of Satellite Images Using Moving KFCM and Naive Bayes Classifier

2013 ◽  
Vol 3 (2) ◽  
pp. 7-15 ◽  
Author(s):  
S. Praveena ◽  
◽  
S.P. Singh ◽  
I.V. Muralikrishna ◽  
◽  
...  
Keyword(s):  
Satellite Images ◽  
Naive Bayes ◽  
Naïve Bayes ◽  
Naive Bayes Classifier ◽  
Bayes Classifier ◽  
Naïve Bayes Classifier
Sign in / Sign up

Export Citation Format

Share Document