IMPLEMENTASI CASE BASED REASONING (CBR) UNTUK MENDIAGNOSA JENIS NARKOBA YANG DIGUNAKAN OLEH PECANDU MENGGUNAKAN ALGORITMA SIMILARITAS PROBABILISTIC SYMMETRIC BERBASIS ANDROID

NUGRAHA, ADJIE MAHREZA and Erlansari, Aan and Sari, Julia Purnama (2023) IMPLEMENTASI CASE BASED REASONING (CBR) UNTUK MENDIAGNOSA JENIS NARKOBA YANG DIGUNAKAN OLEH PECANDU MENGGUNAKAN ALGORITMA SIMILARITAS PROBABILISTIC SYMMETRIC BERBASIS ANDROID. Undergraduated thesis, Universitas Bengkulu.

[img] Text
Adjie Mahreza Nugraha (G1A016061) Perpus - Adjie Mahreza.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (3MB)

Abstract

Narkoba yaitu zat-zat alami maupun kimiawi yang jika dimasukan ke dalam tubuh dapat mempengaruhi suasana hati dan pikiran seseorang serta dapat merusak susunan syaraf otak. Untuk pecandu narkoba memiliki beberapa jenis pecandu yang membedakan pencadu narkoba satu dengan yang lainnya adalah ciri fisik dari pecandu. Pada aplikasi ini jenis pecandu narkoba yang dimasukan sebanyak 16 diagnosa dengan ciri fisik yang berbeda. Seiring dengan perkembangan teknologi, tugas dari seorang pakar dalam membantu mendiagnosa jenis pecandu narkoba oleh sebuah aplikasi. Oleh karna itu pada penelitian ini dibangun suatu aplikasi yang dapat membantu mendiagnosa jenis narkoba yang digunakan oleh pecandu. Oleh karena itu, penulis akan melakukan penelitian yang berjudul “Implementasi Case Based Reasoning (CBR) Untuk Mendiagnosa Jenis Narkoba Yang Digunakan Oleh Pecandu Menggunakan Algoritma Similaritas Probabilistic Symmetric Berbasis Android”. Berdasarkan percobaan yang dilakukan menggunakan metode Case Based Reasoning (CBR) dengan KNN (K-Nearest Neighbor) dan Algoritma Similaritas Probabilistic Symmertic dapat disimpulkan bahwa dengan memilih gejala jenis narkoba yang digunakan oleh pecandu narkoba tersebut kemungkinan pasien kecanduan ganja/ kandis/ mariyuana dengan hasil perhitungan sebesar 83,82%. Kata Kunci : Narkotika, Case Based Reasoning (CBR), KNN (K-Nearest Neighbor), Algoritma Similaritas Probabilistic Symmertic

Item Type: Thesis (Undergraduated)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 58 lili haryanti
Date Deposited: 20 Nov 2023 06:31
Last Modified: 20 Nov 2023 06:31
URI: http://repository.unib.ac.id/id/eprint/17281

Actions (login required)

View Item View Item