Pemanfaatan Data Mining Untuk Prediksi Resiko Penyakit Acquired Immunodeficiency Syndrome (AIDS) Dengan Metode Naïve Bayes
Abstract
HIV (Human Immunodeficiency Virus) adalah virus yang menyerang sistem kekebalan tubuh dan dapat berkembang menjadi AIDS (Acquired Immunodeficiency Syndrome), tahap lanjut dari infeksi HIV. Penyebaran HIV dapat terjadi melalui berbagai cara, termasuk kontak seksual. Pada penelitian ini, dilakukan analisis prediksi risiko HIV dengan menggunakan metode Naïve Bayes. Faktor-faktor yang dianalisis meliputi umur, status pernikahan, pendidikan, dan kebiasaan seksual. Data yang digunakan adalah data training sejumlah 100 data dan data testing sejumlah 50 data. Proses prediksi menggunakan Naïve Bayes dengan mencari probabilitas dan menghasilkan hasil prediksi. Pengujian hasil menggunakan Confusion Matrix untuk mengukur akurasi prediksi. Hasil penelitian ini memberikan gambaran tentang prediksi risiko HIV berdasarkan faktor-faktor yang dianalisis.
References
revised classification system for HIV infection and expanded surveillance case definition for AIDS among adolescents and adults. (1992). MMWR. Recommendations and Reports?: Morbidity and Mortality Weekly Report. Recommendations and Reports, 41(RR-17), 1–19.
Amelia M, Hadisaputro S, Laksono B, Anies, & Sofro MA. (2016). Faktor Risiko yang Berpengaruh Terhadap Kejadian HIV/AIDSpada Laki-Laki Umur 25 - 44 Tahun di Kota Dili, Timor Leste. Jurnal Epidemiologi Kesehatan Komunitas, I(1), 39–46.
Aresta, A. S., & Jumaiyah, W. (2019). Pengetahuan Dan Dukungan Keluarga Dengan Kepatuhan Dalam Menjalankan Pengobatan Antiretroviral (ARV) Pada Pasien HIV/AIDS. Indonesian Journal of Nursing Practices, 2(1), 51–61.
Devita, R. N., Herwanto, H. W., & Wibawa, A. P. (2018). Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(4), 427. https://doi.org/10.25126/jtiik.201854773
Dodu, A. Y. E., Nugraha, D. W., Informasi, J. T., Teknik, F., & Tadulako, U. (2018). 11900-37937-1-Pb. 1(1), 33–49.
Hasibuan, A., Maulana, M. F. Z., & Mauliah, S. (2024). Melonjaknya Kasus HIV Dikalangan Remaja Indonesia. Amsir Community Service Journal, 2(1), 1–8. https://doi.org/10.62861/acsj.v2i1.392
Liliana, D. Y., Maulana, H., & Setiawan, A. (2021). Data Mining untuk Prediksi Status Pasien Covid-19 dengan Pengklasifikasi Naïve Bayes. Multinetics, 7(1), 48–53. https://doi.org/10.32722/multinetics.v7i1.3786
Magnolini, R., Senkoro, E., Vanobberghen, F., & Weisser, M. (2021). “Linkage to care” among people living with HIV - definition in the era of “universal test and treat” in a sub-Sahara African setting. Swiss Medical Weekly, 151(December 2020), w20535. https://doi.org/10.4414/smw.2021.20535
Nurmayanti, W. P. (2021). Penerapan Naive Bayes dalam Mengklasifikasikan Masyarakat Miskin di Desa Lepak. Geodika: Jurnal Kajian Ilmu Dan Pendidikan Geografi, 5(1), 123–132. https://doi.org/10.29408/geodika.v5i1.3430
Prakarsya, A., & Prambayaun, A. (2020). Implementasi Data Mining Untuk Prediksi Penyebaran Virus Hiv / Aids Di Bandar Lampung Dengan Tenkik Decision Tree. Jurnal Sistem …, 3(2), 18–26. https://www.ejournal.lembahdempo.ac.id/index.php/SISKOMTI/article/view/120
Rokhmah, S., & Rozaq Rais, N. A. (2022). Application of Data Mining for Prediction of Long Covid on Covid-19 Survival With Feature Selection and Naïve Bayes Method. Jurnal Teknik Informatika (Jutif), 3(5), 1397–1405. https://doi.org/10.20884/1.jutif.2022.3.5.561
Suhaimi, D., Savira, M., & Krisnadi, S. R. (2019). Pencegahan dan penatalaksanaan infeksi hiv / aids pada kehamilan prevention and management of hiv infection ( aids ) in pregnancy. Majalah Kedokteran Bandung, 41(2), 1–7.
