Pengembangan Aplikasi Penentu Kelayakan Calon Pendonor Darah Berbasis Website Menggunakan Algoritma Naive Bayes
Development Of Website-Based Blood Donor Eligibility Application Using The Nive Bayes Algorithm
Unit Tranfusi Darah (UTD) PMI Kota Surabaya merupakan fasilitas layanan kesehatan yang menyelenggarakan donor darah, pendistribusian darah, dan penyedia darah. Dengan banyaknya pendonor sukarela di UTD PMI Surabaya maka sering terjadi antrean panjang saat pelaksanaan pemeriksaan kelayakan. Terkadang akibat antrean panjang tersebut mengakibatkan pendonor suka rela mengurungkan niat untuk mendonor, sehingga sebuah model efisiensi pemeriksaan kelayakan donor darah sangat diperlukan. Dalam penelitian ini, peneliti memanfaatkan Naive Bayes untuk menentukan prediksi kelayakan donor darah berdasarkan Tekanan Darah Sistolik, Tekanan Darah Diastolik, Denyut Nadi, Berat Badan, Temperatur Suhu, Kadar Hemoglobin, dan Kadar Hematocrit. Naive Bayes merupakan pengklasifikasian probabilitas sederhana yang digunakan untuk menghitung sekumpulan probabilitas dengan menjumlahkan nilai frekuensi dan kombinasi disetiap data set yang diberikan. Metode Naive Bayes klasifikasi ini merupakan metode yang kriteria dan peluangnya diambil berdasarkan hasil data yang diperoleh dari perhitungan rumusan teorema dasar Naive Bayes Klasifikasi dalam penentukan kelayakan calon pendonor darahnya. Penelitian ini menggunakan data training sejumlah 50 sampel data yang memiliki 2 class yaitu label “layak” dan “tdk layak”. Hasil setelah dilakukan pengujian menunjukkan penentuan kelayakan donor darah dengan menggunakan metode naïve bayes classification tersebut memperoleh nilai presentase Accuracy sebesar 92%, nilai Precision sebesar 100%, dan nilai Recall sebesar 92%.
Kata Kunci— Donor Darah, UTD PMI Kota Surabaya, Algoritma Naïve Bayes, Website
PMI Surabaya City Blood Transfusion Unit (UTD) is a health service facility that organizes blood donations, blood distribution, and blood providers. With so many voluntary donors at UTD PMI Surabaya, there are often long queues during the feasibility check. Sometimes due to the long queues, donors voluntarily give up their intention to donate, so an efficiency model for checking the eligibility of blood donors is needed. In this study, researchers used Naive Bayes to determine the prediction of eligibility for blood donation based on Systolic Blood Pressure, Diastolic Blood Pressure, Pulse Rate, Body Weight, Temperature, Hemoglobin Level, and Hematocrit Level. Naive Bayes is a simple probability classification that is used to calculate a set of probabilities by adding up the frequency values and combinations in each given data set. This Naive Bayes classification method is a method whose criteria and probabilities are taken based on the results of the data obtained from the calculation of the basic theorem formulation of the Naive Bayes Classification in determining the eligibility of prospective blood donors. This study uses training data of 50 data samples that have 2 classes, namely the label "feasible" and "not feasible". The results after testing show that determining the eligibility of blood donors using the nave Bayes classification method obtains percentage value an accuracy of 92%, percentage value a precision of 100%. And percentage value a recall of 92%.
Keywords— Blood Donation, UTD PMI Surabaya City, Naive Bayes Algorithm, Website