Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural Network
Organisasi Kesehatan Dunia (WHO) menjelaskan, sekitar 180 juta unit darah yang disumbangkan dikumpulkan secara global setiap tahunnya. Kebutuhan kantong darah di Indonesia sendiri sangat tinggi, sesuai standar WHO, jumlah kantong yang harus tersedia di suatu negara adalah 2% dari populasi nasional....
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Islamic University of Indragiri
2020-05-01
|
| Series: | Sistemasi: Jurnal Sistem Informasi |
| Online Access: | http://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/840 |
| _version_ | 1818318510688829440 |
|---|---|
| author | Muhammad Rifqi Firdaus Abdul Latif Windu Gata |
| author_facet | Muhammad Rifqi Firdaus Abdul Latif Windu Gata |
| author_sort | Muhammad Rifqi Firdaus |
| collection | DOAJ |
| description | Organisasi Kesehatan Dunia (WHO) menjelaskan, sekitar 180 juta unit darah yang disumbangkan dikumpulkan secara global setiap tahunnya. Kebutuhan kantong darah di Indonesia sendiri sangat tinggi, sesuai standar WHO, jumlah kantong yang harus tersedia di suatu negara adalah 2% dari populasi nasional. Artinya, untuk Indonesia sendiri, dibutuhkan kantong darah sekitar 4,5 juta dalam setahun. Donor darah merupakan kegiatan memberikan sebagian darah untuk disumbangkan pada pasien yang membutuhkan. Untuk menentukan calon pendonor termasuk layak atau tidak layak nya terdapat kriteria yang harus terpenuhi. Sehingga dataset kriteria kelayakan donor darah yang didapat dari UDD PMI Kota Tasikmaya bisa digunakan sebagai tolak ukur untuk mengukur keakuratan dalam meprediksi layak atau tidak layaknya calon pendonor darah untuk mendonorkan darahnya. Berdasarkan penelitian yang telah dilakukan menggunakan tools Rapid Miner 9.0 terhadap dataset kriteria kelayakan calon pendonor darah UDD PMI Kota Tasikmalaya dengan metode Neural network menghasilkan nilai accuracy sebesar 91.65%, precision sebesar 91.05, recall sebesar 99,75% dengan nilai AUC sebesar 0.806 yang menunjukkan bahwa hasil klasifikasinya baik. Sehingga calon pendonor bisa di prediksi terhadap layak atau tidak layaknya bagi calon pendonor untuk mendonorkan darahnya. |
| first_indexed | 2024-12-13T09:54:22Z |
| format | Article |
| id | doaj.art-779ef24366414410b0dc8ecc0df53e71 |
| institution | Directory Open Access Journal |
| issn | 2302-8149 2540-9719 |
| language | Indonesian |
| last_indexed | 2024-12-13T09:54:22Z |
| publishDate | 2020-05-01 |
| publisher | Islamic University of Indragiri |
| record_format | Article |
| series | Sistemasi: Jurnal Sistem Informasi |
| spelling | doaj.art-779ef24366414410b0dc8ecc0df53e712022-12-21T23:51:51ZindIslamic University of IndragiriSistemasi: Jurnal Sistem Informasi2302-81492540-97192020-05-019236237110.32520/stmsi.v9i2.840247Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural NetworkMuhammad Rifqi Firdaus0Abdul Latif1Windu Gata2Universitas Bina Sarana InformatikaUniversitas Bina Sarana InformatikaSTMIK Nusa MandiriOrganisasi Kesehatan Dunia (WHO) menjelaskan, sekitar 180 juta unit darah yang disumbangkan dikumpulkan secara global setiap tahunnya. Kebutuhan kantong darah di Indonesia sendiri sangat tinggi, sesuai standar WHO, jumlah kantong yang harus tersedia di suatu negara adalah 2% dari populasi nasional. Artinya, untuk Indonesia sendiri, dibutuhkan kantong darah sekitar 4,5 juta dalam setahun. Donor darah merupakan kegiatan memberikan sebagian darah untuk disumbangkan pada pasien yang membutuhkan. Untuk menentukan calon pendonor termasuk layak atau tidak layak nya terdapat kriteria yang harus terpenuhi. Sehingga dataset kriteria kelayakan donor darah yang didapat dari UDD PMI Kota Tasikmaya bisa digunakan sebagai tolak ukur untuk mengukur keakuratan dalam meprediksi layak atau tidak layaknya calon pendonor darah untuk mendonorkan darahnya. Berdasarkan penelitian yang telah dilakukan menggunakan tools Rapid Miner 9.0 terhadap dataset kriteria kelayakan calon pendonor darah UDD PMI Kota Tasikmalaya dengan metode Neural network menghasilkan nilai accuracy sebesar 91.65%, precision sebesar 91.05, recall sebesar 99,75% dengan nilai AUC sebesar 0.806 yang menunjukkan bahwa hasil klasifikasinya baik. Sehingga calon pendonor bisa di prediksi terhadap layak atau tidak layaknya bagi calon pendonor untuk mendonorkan darahnya.http://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/840 |
| spellingShingle | Muhammad Rifqi Firdaus Abdul Latif Windu Gata Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural Network Sistemasi: Jurnal Sistem Informasi |
| title | Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural Network |
| title_full | Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural Network |
| title_fullStr | Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural Network |
| title_full_unstemmed | Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural Network |
| title_short | Analisis Kriteria Kelayakan Calon Pendonor Darah Menggunakan Neural Network |
| title_sort | analisis kriteria kelayakan calon pendonor darah menggunakan neural network |
| url | http://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/840 |
| work_keys_str_mv | AT muhammadrifqifirdaus analisiskriteriakelayakancalonpendonordarahmenggunakanneuralnetwork AT abdullatif analisiskriteriakelayakancalonpendonordarahmenggunakanneuralnetwork AT windugata analisiskriteriakelayakancalonpendonordarahmenggunakanneuralnetwork |