YP3AYP3A

SATESI: Jurnal Sains Teknologi dan Sistem InformasiSATESI: Jurnal Sains Teknologi dan Sistem Informasi

Rambut rontok merupakan permasalahan umum yang dialami oleh berbagai kalangan, baik pria maupun wanita. Pada tahun 2023 lembaga survey mendapatkan 64,7% permasalahan pada rambut ialah rambut rontok disusul ketombe, rambut kering, kusam, lepek dan berminyak. Penyebab rambut rontok sangat beragam, mulai dari faktor genetik, hormonal, hingga gaya hidup. Untuk mengidentifikasi dan mengklasifikasikan jenis rambut rontok secara tepat, diperlukan metode yang mampu menangani data secara efisien dan akurat. Penelitian ini bertujuan untuk mengklasifikasikan jenis rambut rontok menggunakan metode Naive Bayes, sebuah algoritma klasifikasi dalam data mining yang berbasis pada probabilitas dan Teorema Bayes. Data yang digunakan terdiri dari berbagai atribut seperti begadang, durasi kerja otak, tingkat stres, ketombe, dan hormon. Metode Naive Bayes dipilih karena kemampuannya dalam menangani data dengan jumlah atribut yang banyak serta menghasilkan prediksi yang cukup akurat meskipun dengan asumsi independensi antar fitur. Hasil penelitian menunjukkan bahwa metode Naive Bayes mampu mengklasifikasikan jenis rambut rontok dengan tingkat akurasi mencapai 76,67%. Temuan ini menunjukkan bahwa metode ini dapat digunakan sebagai alat bantu dalam diagnosis awal permasalahan rambut rontok secara cepat dan efisien.

Penelitian ini mengevaluasi kinerja algoritma Naïve Bayes dalam klasifikasi rambut rontok menggunakan data mining.Dataset yang digunakan terdiri dari 400 data individu dengan 10 atribut, termasuk atribut kelas yang menentukan tingkat rambut rontok (few, medium, many, a lot).Hasil pengujian menunjukkan bahwa akurasi tertinggi adalah 76,67% pada rasio 70.

1. Penelitian selanjutnya dapat membandingkan kinerja metode Naive Bayes dengan algoritma lain seperti Support Vector Machine (SVM) atau Decision Tree untuk meningkatkan akurasi klasifikasi. 2. Mengembangkan model dengan menggunakan dataset yang lebih besar dan beragam untuk meningkatkan generalisasi hasil penelitian. 3. Menerapkan metode klasifikasi ini pada kondisi rambut lain seperti kerontokan akibat pengobatan medis atau faktor lingkungan untuk memperluas cakupan aplikasi.

  1. PENERAPAN METODE NAÏVE BAYES CLASSIFIER UNTUK KLASIFIKASI JUDUL BERITA | Hartono | Jurnal Simantec.... journal.trunojoyo.ac.id/simantec/article/view/19398PENERAPAN METODE NAyaVE BAYES CLASSIFIER UNTUK KLASIFIKASI JUDUL BERITA Hartono Jurnal Simantec journal trunojoyo ac simantec article view 19398
  2. ANALISIS PENGGUNAAN JILBAB DAN PERAWATAN RAMBUT TERHADAP KESEHATAN KULIT KEPALA DAN RAMBUT PADA MAHASISWI... doi.org/10.26740/jtr.v12n2.53889ANALISIS PENGGUNAAN JILBAB DAN PERAWATAN RAMBUT TERHADAP KESEHATAN KULIT KEPALA DAN RAMBUT PADA MAHASISWI doi 10 26740 jtr v12n2 53889
  3. KLASIFIKASI MENGGUNAKAN METODE NAIVE BAYES UNTUK MENENTUKAN CALON PENERIMA PIP | JATI (Jurnal Mahasiswa... doi.org/10.36040/jati.v7i1.6303KLASIFIKASI MENGGUNAKAN METODE NAIVE BAYES UNTUK MENENTUKAN CALON PENERIMA PIP JATI Jurnal Mahasiswa doi 10 36040 jati v7i1 6303
  4. Klasifikasi Rambut Rontok Menggunakan Metode Naive Bayes | SATESI: Jurnal Sains Teknologi dan Sistem... journal.yp3a.org/index.php/satesi/article/view/5612Klasifikasi Rambut Rontok Menggunakan Metode Naive Bayes SATESI Jurnal Sains Teknologi dan Sistem journal yp3a index php satesi article view 5612
Read online
File size417.97 KB
Pages7
DMCAReport

Related /

ads-block-test