IMPLEMENTASI DATA MINING METODE NAÏVE BAYES UNTUK PREDIKSI KELAYAKAN PENDONOR DI UDD PMI KOTA JAMBI

Novhirtamely Kahar; Besse Eka Mardiana Putri

doi:10.53564/a0f3eb75

Authors

Novhirtamely Kahar Program Studi Teknik Informatika Universitas Nurdin Hamzah
Besse Eka Mardiana Putri

DOI:

https://doi.org/10.53564/a0f3eb75

Keywords:

Data Mining, Naïve Bayes, Classification, Blood Donor Eligibility, Orange Data Mining

Abstract

The Blood Donation Unit (UDD) of PMI Kota Jambi plays an important role in maintaining the availability of safe and eligible blood supplies. One of the challenges faced is that the determination of donor eligibility is still carried out manually and relies heavily on medical staff examinations, which may lead to inefficiency and delays in service. Therefore, a predictive model is needed to assist in determining donor eligibility more quickly and objectively.This study aims to apply data mining techniques using the Naïve Bayes algorithm to predict the eligibility of blood donors at UDD PMI Kota Jambi. The data used consist of historical donor records, including attributes such as age, gender, body weight, blood pressure, hemoglobin level, and donor history.

References

[1] K. Lestari and R. Wibisono, “Penerapan Teknologi Informasi dalam Efisiensi Pelayanan Donor Darah,” J. Inform. dan Sains Komput., vol. 4, no. 3, pp. 123–132, 2020.

[2] M. F. Rizki, “Penerapan Sistem Berbasis Data pada Proses Seleksi Pendonor Darah,” J. Rekayasa Sist. Inf., vol. 5, no. 1, pp. 33–41, 2021.

[3] R. S. Nugroho, “Pemanfaatan Data Mining dalam Sistem Pendukung Keputusan Kelayakan Donor Darah,” J. Teknol. dan Sist. Inf., vol. 6, no. 1, pp. 89–97, 2021.

[4] S. H. Fadilah, “Implementasi Data Mining dalam Pengambilan Keputusan pada Lembaga Kemanusiaan,” J. Komput. dan Apl., vol. 5, no. 2, pp. 77–84, 2021.

[5] A. Pratama and N. Susanti, “Penerapan Data Mining untuk Prediksi Kelayakan Donor Darah Menggunakan Metode Naive Bayes,” J. Teknol. Inf. dan Komput., vol. 9, no. 2, pp. 55–63, 2023.

[6] D. A. Wibowo, “Implementasi Algoritma Naive Bayes untuk Menentukan Kelayakan Calon Pendonor Darah,” J. Ilm. Komput. dan Inform., vol. 7, no. 1, pp. 25–33, 2022.

[7] M. R. Hidayat and L. P. A. Fitri, “Analisis Data Mining Menggunakan Algoritma Naive Bayes untuk Klasifikasi Data Kesehatan,” J. Sist. Inf. dan Komputerisasi Akunt., vol. 5, no. 2, pp. 45–53, 2022.

[8] T. Zhang, L. Li, and K. Chen, “Application of Naive Bayes Classification in Medical Data Mining,” Int. J. Comput. Sci. Inf. Technol., vol. 12, no. 4, pp. 102–110, 2022.

[9] I. W. Santoso and D. K. Pratami, “Peran Teknologi Informasi dalam Transformasi Pelayanan Donor Darah di Indonesia,” J. Inov. Teknol. dan Apl. Digit., vol. 4, no. 2, pp. 101–108, 2023.

[10] E. Putra and I. Rahmawati, “Sistem Prediksi Kelayakan Donor Darah Menggunakan Naive Bayes,” J. Teknol. Inf. Indones., vol. 8, no. 2, pp. 67–75, 2023.

[11] B. T. Mahendra and Y. Sari, “Analisis Penerapan Sistem Cerdas untuk Prediksi Kelayakan Pendonor,” J. Sist. Cerdas, vol. 2, no. 1, pp. 11–19, 2022.

[12] A. S. Ramadhan and F. Nugraha, “Pengembangan Sistem Informasi Donor Darah Berbasis Web,” J. Sist. Inf. dan Teknol., vol. 6, no. 1, pp. 15–23, 2021.

[13] L. P. Wijaya and R. Andika, “Klasifikasi Data Kesehatan Menggunakan Metode Naive Bayes,” J. Ilmu Komput. dan Inform., vol. 4, no. 2, pp. 60–68, 2020.

[14] N. Kurniawan, “Penerapan Sistem Pendukung Keputusan dalam Penentuan Kelayakan Donor Darah,” J. Teknol. Sist. Inform., vol. 5, no. 3, pp. 140–148, 2021.

[15] R. Amelia and D. Saputra, “Analisis Algoritma Naive Bayes pada Data Medis untuk Pengambilan Keputusan,” J. Rekayasa Komputasi, vol. 7, no. 2, pp. 90–98, 2022.

[16] S. Mulyani, A. H. Putra, and R. Lestari, “Pemanfaatan Data Mining pada Sistem Informasi Kesehatan,” J. Informatika Terapan, vol. 6, no. 1, pp. 30–38, 2021.

[17] H. Y. Prakoso and M. Ananda, “Implementasi Sistem Cerdas pada Klasifikasi Data Pendonor Darah,” J. Sist. Inform. Cerdas, vol. 3, no. 2, pp. 55–63, 2022.

[18] D. P. Sari and E. Wulandari, “Perbandingan Metode Naive Bayes dan Decision Tree pada Prediksi Kelayakan Donor Darah,” J. Teknol. dan Data Sains, vol. 2, no. 2, pp. 75–83, 2023.

[19] A. Fauzan, “Sistem Informasi Manajemen Donor Darah untuk Meningkatkan Efisiensi Pelayanan,” J. Sist. Inf. Kesehatan, vol. 4, no. 1, pp. 20–28, 2022.

[20] P. K. Ardiansyah and T. H. Lestari, “Penerapan Data Mining dalam Bidang Kesehatan Menggunakan Algoritma Naive Bayes,” J. Komputasi dan Analisis Data, vol. 5, no. 2, pp. 100–108, 2023.