Skripsi

Sistem pakar diagnosis awal postpartum depression dengan menggunakan metode naive bayes classifier / Firda Lailniar

Abstrak
Gangguan mood yang umum terjadi pada periode pascapersalinan adalah postpartum depression. Ibu dengan postpartum depression dapat berdampak negatif pada dirinya sendiri bayi yang dilahirkan dan keluarganya. Terdapat tiga jenis postpartum depression yaitu postpartum blues postpartum major depression dan postpartum major depression with psychosis features. Penelitian ini bertujuan untuk membangun aplikasi sistem pakar dengan menggunakan metode na iuml ve bayes classifier yang dapat memberikan diagnosis awal mengenai postpartum depression berdasarkan gejala yang diinput oleh user. Na iuml ve Bayes merupakan metode pengklasifikasian dengan menggunakan metode probabilitas dan statistik dengan ciri utamanya adalah asumsi kuat akan independensi dari setiap kondisi atau kejadian. Data yang digunakan pada penelitian adalah data jenis postpartum depression dan gejalanya dengan total 13 gejala. Sistem pakar diagnosis awal postpartum depression dibangun dengan menggunakan bahasa pemrograman PHP framework laravel dan database MariaDB. Pengujian sistem dilakukan dengan menggunakan black-box testing white-box testing dan uji akurasi sistem. Berdasarkan uji akurasi didapatkan 238 dari 296 kasus yang diuji memiliki hasil yang sesuai sehingga sistem pakar diagnosis awal postpartum depression memiliki tingkat keakuratan sebesar 80%.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2024.

Deskripsi Fisik

24 hlm. : ilus.

Bahasa

Indonesia

No Reg

1814/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. MODEL MATEMATIKA - TEOREMA BAYES
2. SISTEM PAKAR
3. MATHEMATICAL MODEL - BAYES THEOREM

Pembimbing

1. Lucky Tri Oktoviana, S.Si, M.Kom

Lampiran Berkas