LITERASISAINSLITERASISAINS

JOMLAI: Journal of Machine Learning and Artificial IntelligenceJOMLAI: Journal of Machine Learning and Artificial Intelligence

Permasalahan Narkoba di Indonesia masih merupakan sesuatu yang bersifat urgen dan kompleks. Dalam kurun waktu satu dekade terakhir permasalahan ini menjadi marak. Terbukti dengan bertambahnya jumlah penyalahgunaan atau pecandu narkoba secara signifikan, seiring meningkatnya pengungkapan kasus tindak kejahatan narkoba yang semakin beragam polanya dan semakin masif pula jaringan sindikat nya. Naive Bayes merupakan sebuah pengklasifikasian probabilistic sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Dalam proses klasifikasi untuk mengetahui hasil kegiatan pencegahan dengan kegiatan tes urine yaitu terindikasi dan tidak terindikasi, penulis ingin mengetahui hasil secara menyeluruh dengan teknik klasifikasi Naïve Bayes agar dapat mempermudah mendapatkan hasil secara keseluruhan tingkat jumlah persentasi pasien yang terindikasi dan tidak terindikasi dalam hal pencegahan penggunaan narkoba. Berdasarkan hasil penelitian didapatkan 2 klasifikasi yaitu terindikasi dan tidak terindikasi.

Penelitian ini menunjukkan bahwa penerapan Data Mining dengan algoritma Naïve Bayes efektif untuk klasifikasi pencegahan penggunaan narkoba berdasarkan data tes urine.Data penelitian terdiri dari 19 alternatif data training dan 18 alternatif data testing.Hasil menunjukkan 2 pasien tidak terindikasi dan 16 pasien terindikasi narkoba.Metode ini membantu mempercepat dan meningkatkan akurasi klasifikasi dalam upaya pencegahan narkoba.

Penelitian lanjutan dapat menguji algoritma lain seperti SVM atau Random Forest untuk membandingkan akurasi. Selanjutnya, penelitian bisa mengembangkan sistem real-time dengan integrasi data dari berbagai lokasi untuk memperluas cakupan pencegahan. Terakhir, penelitian dapat mengeksplorasi penggunaan teknik deep learning untuk meningkatkan presisi dalam mendeteksi pola penggunaan narkoba yang lebih kompleks. Penelitian ini juga dapat mengintegrasikan data demografi dan perilaku untuk memperkaya analisis. Selain itu, pengujian pada populasi yang lebih luas dapat meningkatkan validitas hasil. Penelitian dapat fokus pada pengembangan aplikasi mobile untuk mempermudah pengumpulan data. Studi lanjutan juga bisa mempelajari dampak intervensi berbasis data terhadap penurunan kasus narkoba. Penggunaan teknologi IoT untuk pemantauan langsung juga menjadi arah menarik. Penelitian perlu mempertimbangkan faktor sosial ekonomi dalam model prediksi. Akhirnya, kolaborasi lintas sektor dapat diperkuat untuk meningkatkan efektivitas program pencegahan.

Read online
File size474.03 KB
Pages8
DMCAReport

Related /

ads-block-test