Implementasi Metode Naive Bayes-Certainty Factor Untuk Identifikasi Cedera Pada Pemain Futsal
Vol. 2, No. 12, Desember 2018, hlm. 6467-6474 http://j-ptiik.ub.ac.id
Implementasi Metode Naive Bayes-Certainty Factor Untuk Identifikasi
Cedera Pada Pemain Futsal
1 2 3 Rhiezky Arniansya , Nurul Hidayat , Ratih Kartika DewiProgram Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya 1 2 3 Email: rhiezkyarn@gmail.com, ntayadih@ub.ac.id, ratihkartikad@ub.ac.id
Abstrak
Masih banyak pemain futsal yang beranggapan bahwa cedera dapat pulih dengan cepat tanpa harus melalui penanganan yang tepat. Ada cedera yang bisa semakin parah apabila penanganan di awal sudah salah. Hal itu disebabkan karena kurangnya pemahaman pemain tentang cedera. Penanganan cedera bisa dilakukan oleh fisioterapis tetapi hal itu terbentur karena minimnya fisioterapis yang tersedia guna melakukan penanganan. Pada penelitian akan dibuat sistem identifikasi untuk mengurangi keterbatasan tersebut dengan mengimplementasikan metode Naïve Bayes-Certainty Factor berbasis android untuk mendiagnosis cedera yang menimpa pemain futsal. Hasil uji coba menunjukkan penggunaan metode
Naïve Bayes-Certainty Factor memiliki ketepatan hasil dan diagnosis yang baik dan akurat, karena
keluaran yang dihasilkan oleh sistem mempunyai tingkat keakuratan sebesar 88.57%. Diharapkan dengan aplikasi ini nantinya dapat membantu para pemain futsal untuk mengetahui cedera maupun menangani cederanya serta menambah wawasan seputar cedera apa saja yang dapat menimpanya.
Kata kunci: cedera, futsal, naive bayes, certainty factor
Abstract
There are still many futsal players who think that injury can recover quickly without having to go
through the right handling. There are injuries that injury can get worse if the initial handling is wrong.
That's because the lack of understanding of players about injury. Injury treatment can be done by the
physiotherapist but it was hit because of the lack of physiotherapist available for handling. In the
research will be made an identification system to reduce these limitations by implementing the method
of Naïve Bayes-Certainty Factor-based android to diagnose the injury that affects futsal players. The
results show that the use of Naïve Bayes-Certainty Factor method has accurate results and a good and
accurate diagnosis, since the output produced by the system has an accuracy of 88.57%. Hopefully with
this application will be able to help the players futsal to know injury or handle injury and add insight
about any injuries that can befall him.Keywords: injury, futsal, naive bayes, certainty factor
selanjutnya akan melibatkan berbagai 1. struktur/jaringan pada tubuh manusia, misalnya
PENDAHULUAN
sendi, otot, meniscus/discus, kapsuloligamenter Olahraga futsal merupakan salah satu dan otot, (Arif, 2011). olahraga yang permainannya didasari dari
Dengan semakin kecilnya lapangan yang olahraga sepak bola, namun x. perbedaan dengan digunakan maka intensistas benturan antar sepak bola adalah karena futsal dimainkan oleh pemain menjadi lebih sering sehingga 5 oorang dan di tempat atau lapangan yang menyebabkan dampak buruk, dampak buruk relatif x lebih kecil dari lapangan x sepak bola. Di yang tidak dapat dihindari yakni cedera pada kota Malang sendiri futsal sedang menjadi salah bagian-bagian tubuh yang kerja dipaksakan satu olahraga favorit dikalangan pelajar sampai melibihi kemampuan tubuhnya. Cedera, kata ini mahasiswa, terbukti dengan semakin banyaknya sangat akrab di telinga kita terutama untuk lapangan futsal dan kompetisi di kota Malang penggemar olahraga sepakbola dan futsal. dan se-Malang Raya. Olahraga futsal tentunya
Pemain yang sudah mengalami cedera akan tidak terlepas dari adanya gerakan yang
Fakultas Ilmu Komputer Universitas Brawijaya
6467
Cedera yang menimpa seorang pemain futsal biasa dibagi menjadi 2 jenis, yaitu trauma akut dan overuse syndrome (Sindrom Pemakaian
2012) menunjukkan hasil akurasi sebesar 84% dengan menggunakan metode Naive Bayes-
2.2. Cedera
bahasa Portugis futebol de salão, dan bahasa Spanyol fútbol de salón. Keduanya berarti sepak bola dalam ruangan. Futsal dimainkan oleh lima pemain dalam satu tim, salah satunya merupakan penjaga gawang, waktu permainan futsal juga singkat yaitu hanya 2x20 menit, Drajat (2013).
Association (FIFA). Namanya berasal dari
Futsal adalah permainan bola yang dimainkan oleh dua tim, yang masing-masing beranggotakan lima orang. Tujuannya adalah memasukkan bola ke gawang lawan dengan kaki dan anggota tubuh lainnya selain tangan. Selain lima pemain utama, setiap tim juga diperbolehkan memiliki pemain cadangan. Dalam maksud lain futsal juga merupakan jenis sepak bola tertutup yang secara resmi disahkan oleh Badan Perkumpulan Antar Negara Sepak Bola, Fédération Internationale de Football
2.1. Futsal
2. LANDASAN KEPUSTAKAAN
untuk menangani dan memahami keadaan cedera.
platform android dapat memudahkan pengguna
cedera yang nantinya akan dikembangkan pada
bayes-certainty factor untuk mendiagnosis
Sesuai dengan permasalahan tersebut, perlu dibuat suatu sistem yang dapat mendiagnosis cedera pada pemain futsal. Sistem ini mempunyai fasilitas atau fitur yang memungkinkan pengguna dapat memperoleh informasi keluhan-keluhan cedera dan cedera apa yang dialami, serta solusi untuk dilakukannya penaganan medis dasar. Sistem ini dibuat terbatas pada diagnosis suatu cedera berdasarkan gejala-gejala cedera tersebut. Dengan menggunakan kombinasi metode naive
Certainty Factor.
Certainty Factor ” yang ditulis oleh (Renaldy,
menyebabkan kurang maksimalnya performa seorang pemain di lapangan atau bahkan ditarik dari lapangan. Cedera yang sering dialami ada dua jenis, yaitu trauma akut dan overuse
Kemudian didagnosis dan muncul hasil diagnosis berupa cedera dan solusi penanganannya. Penelitian selanjutnya dengan judul “Sistem Pakar Deteksi Dini Penyakit Stroke Menggunakan Metode Naïve Bayes-
Pada penelitian yang dilakukan oleh (Titik, 2016) dengan judul “Sistem Pakar Diagnosa Cedera Umum Pada Peserta Pekan Olahraga”, diagnosis cedera umum menggunakan sistem pakar. Sistem yang dibuat memiliki fitur konsultasi dimana user atau pengguna menjawab pertanyaan “ya” atau “tidak” dalam berkonsultasi masalah cedera apa yang ingin didiagnosis beserta saran penanganannya.
dalam pembuatan MYCIN. Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya nilai kepercayaan (Kusrini, 2008).
factor ) diperkenalkan oleh Shortliffe Buchanan
Dalam aplikasi sistem pakar terdapat metode untuk menyelesaikan masalah ketidakpastian data. Salah satu - metode yang dapat digunakan adalah faktor kepastian (Certainty factor). Faktor kepastian (certainty
pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset a yang diberikan. Keuntungan penggunaan Naive Bayes adalah bahwa metode ini hanya membutuhkan jumlah data pelatihan (Training Data) yang kecil untuk menentukan estimasi paremeter yang diperlukan dalam proses pengklasifikasian data (Saleh,2010).
Naive Bayes merupakan sebuah
harapan ii sistem ini ii dapat memberikan ii hasil identifikasi dengan akurasi yang lebih tinggi dan tata cara penanganan cedera supaya pulih sesuai dengan harapan.
Naïve iii Bayes
Oleh sebab itu akan dibuat suatu sistem yang dapat mendiagnosa cidera pada pemain futsal dengan menggunakan kombinasi i metode
Penanganan cedera pemain futsal amat diperlukan, apabila tidak segera ditangani maka mengakibatkan cedera yang lebih parah. Kebanyakan pemain futsal menangani cedera yang diderita dengan cara yang belum benar, seharusnya ada prosedur penanganannya yang baik dan benar. Hal itu disebabkan oleh minimnya pengetahuan tiap individu terhadap cedera yang menimpanya. Karena ada juga beberapa cedera yang memiliki ciri-ciri yang sama dengan cedera lainnya sehingga pemain akan salah mengambil tindakan penanganan cedera. (Titik, 2012).
syndrome (Sindrom Pemakaian Berlebihan) (Arif, 2011).
- – - Certainty iii Factor dengan
ligament , otot, tendo atau terkilir, atau bahkan pakar terhadap suatu data. Perhitungan metode
patah tulang. Cedera akut biasanya memerlukan Certainty Factor dapat dilakukan dengan pertolongan profesional. Sindrom pemakaian persamaan (4). berlebih sering dialami oleh pemain, bermula
(4) [ , ]= [ , ]− [ , ]
dari adanya suatu kekuatan yang sedikit berlebihan, namun berlangsung berulang-ulang
keterangan
dalam jangka waktu lama. Sindrom ini kadang
- CF [H,E] = Certainty Factor dari memberi respon yang baik dengan pemulihan hipotesis H yang dipengaruhi oleh sendiri. Cedera olahraga seringkali direspon oleh gejala (evidence) E. Besarnya CF tubuh dengan tanda radang yang terdiri atas berkisar antara -1 sampai 1. Nilai 1 rubor (merah), tumor (bengkak), kalor (panas), menunjukkan kepercayaan mutlak dolor (nyeri) dan functiolaesa (penurunan sedangkan nilai -1 menunjukkan fungsi) (Arif, 2011).
ketidakpercayaan mutlak
- MB [H,E] = ukuran kenaikan
2.3. Algoritma Naive Bayes
kepercayaan (measure of increased
Naive Bayes merupakan sebuah belief ) terhadap hipotesis H yang
pengklasifikasian probabilistik sederhana yang dipengaruhi oleh gejala E. menghitung sekumpulan probabilitas dengan
- MD (H,E) = ukuran kenaikan menjumlahkan frekuensi dan kombinasi nilai ketidakpercayaan (measure of dari dataset yang diberikan. . Keuntungan
increased disbelief ) terhadap
penggunaan Naive Bayes adalah bahwa metode hipotesis H yang dipengaruhi oleh ini hanya membutuhkan jumlah data pelatihan gejala E. (Training Data) yang kecil untuk menentukan estimasi paremeter yang diperlukan dalam
CF gabungan merupakan nilai proses pengklasifikasian (Saleh,2010). . CF akhir dari sebuah calon konklusi.
Perhitungan metode Naïve Bayes dapat
CF gabungan diperlukan apabila
dilakukan dengan langkah-langkah sebagai
suatu konklusi diperoleh dari dua
berikut:
aturan sekaligus. CF akhir dari suatu 1.
Mencari nilai prior untuk tiap-tiap kelas dengan menghitung rata-rata tiap kelas
aturan dengan aturan yang lain dengan persamaan (1). digabungkan untuk mendapatkan nilai CF akhir untuk calon konklusi
P(c)= (1) tersebut. Rumus untuk melakukan
2. Mencari nilai likelihood untuk tiap-tiap
penghitungan CF gabungan kelas dengan persamaan (2). ditunjukkan pada persamaan (5). (2) ( | ) =
CF1+CF2(1-CF1), jika CF1≤0 dan
3. Mencari nilai posterior dari tiap kelas
CF2≤0………………………(5)
yang ada menggunakan persamaan (3)
(3) 3.
METODOLOGI P( ) x P( | )
Proses pada penelitian ini dimulai dengan Hasil klasifikasi kelas dengan menggunakan mempelajari literatur-literatur yang dapat metode Naïve Bayes dilakukan dengan menunjukkan keberhasilan penelitian untuk membandingkan nilai posterior dari kelas-kelas menunjang penelitian ini. Setelah didapat yang ada. Nilai posterior yang paling tinggi yang literaturnya, dilanjutkan dengan proses terpilih sebagai hasil klasifikasi. pembangun aplikasi yang diawali dengan analisis kebutuhan, pengumpulan data, lalu
2.4. Certainty Factor
dilanjutkan dengan perancangan dan Dalam aplikasi sistem pakar terdapat suatu implementasi sistem, dilanjutkan dengan metode untuk menyelesaikan masalah pengujian pada sistem yang telah ketidakpastian data. Salah satu metode yang dikembangkan. Kesimpulan dapat diperoleh dapat digunakan adalah faktor kepastian ketika semua proses pada penelitian ini selesai.
(Certainty factor). (Kusrini, 2008). Certainty
Gambar 1 menunjukkan diagram alir metodologi ditunjukkan pada Tabel 1, keluhan cedera pada penelitian ini. pemain futsal pada Tabel 2, dan aturan diagnosis cedera pada pemain futsal ditunjukkan pada Tabel 3. Aturan-aturan tersebut didapat pada saat wawancara dengan salah seorang pakar.
Tabel 1. Jenis Cedera Kode Cedera Nama Cedera
C1 Cedera Meniscus C2 Cedera Muscle Strain/Sprain C3 Cedera Hamstring C4 Cedera Ankle
Cedera ACL(Anterior Cruciate C5 Ligament Tabel 2. Keluhan Pada Cedera
Keluhan Nama Keluhan K1 Rasa nyeri pada telapak kaki K2 Rasa nyeri pada pergelangan kaki K3 Rasa nyeri pada tendon Gambar 1. Diagram Alir Metodologi K4 Rasa nyeri pada bagian bawah lutut K5 Rasa nyeri pada paha
K6 Rasa nyeri pada betis K7 Rasa nyeri pada sendi
4. ANALISIS KEBUTUHAN
4.1 Gambaran Umum Sistem K8 Pembengkakan pada betis
Sistem diagnosis cedera pada pemain futsal
K9 Pembengkakan pada pergelangan kaki
menggunakan metode Naïve Bayes-Certainty
K10 Rasa nyeri pada otot bagian belakang lutut Factor dengan berbasis android yang
K11 Memar
dikembangkan dengan Android Studio
K12 Tidak dapat digerakkan(bagian tubuh
menggunakan bahasa pemrograman JAVA dan yang dirasa sakit)
K13 Kesulitan berjalan/pincang Extendible Markup Languange (XML). Sistem
K14 Kelonggaran pada sendi
ini menghasilkan diagnosis berupa nama cedera,
K15 Sendi lutut tidak dapat saran penanganannya dan persentase keyakinan. diluruskan/dilipat
Pengguna diminta memasukkan keluhan terlebih dahulu sebagai inputan pada sistem ini pada
Tabel 3. Aturan Diagnosis Cedera checkbox yang ada pada sistem dan diproses
Aturan Cedera Keluhan
hasilnya akan ditampilkan pada halaman hasil
R1 C1 K4,K7,K10,K12,K13,K14,K15
diagnosis. Fitur lainnya yakni halaman berisi
R2 C2 K3,K6,K8,K11
informasi seputar cedera yang dapat menambah
R3 C3 K5,K11,K12,K13
pengetahuan. Jadi pada sistem diagnosis ini R4 C4
K1,K2,K7,K9,K11,K12,K13
terdapat 2 fitur utama yakni fitur diagnosis dan R5 C5 K4,K7,K10,K12,K13,K15 fitur informasi cedera.
5.
5.2. Perancangan
IMPLEMENTASI
5.1 Basis Pengetahuan
5.2.1 Diagram Alir
Basis pengetahuan merupakan gambaran Berikut merupakan diagram alir sistem secara umum pandangan dari seorang pakar secara keseluruhan. Ada juga perhitungan prior, terhadap permasalahan ini berisi kumpulan
likelihod, posterior dari Naive Bayes dan
pengetahuan yang digunakan untuk
Certainty Factor , masing-masing ditunjukkan
memecahkan suatu permasalahan tertentu. Dapat pada Gambar 2, Gambar 3, Gambar 4, Gambar bahwa basis pengetahuan merupakan inti dari 5, dan Gambar 6. sebuah sistem pakar. Pada basis pengetahuan ada dua elemen penting didalamnya, yaitu basis pengetahuan fakta dan basis pengetahuan aturan. Berikut merupakan sekumpulan informasi yang digunakan pada penelitian ini, cedera
Gambar 2. Diagram Alir proses Naive Bayes- Certainty Factor
Gambar 3. Diagram Alir Perhitungan prior pada Naive Bayes
Gambar 4. Diagram Alir Perhitungan likelihood pada Naive Bayes Gambar 5. Diagram Alir Perhitungan Posterior pada Naive Bayes keyakinan dari seorang pakar terhadap keluhan yang ada pada suatu cedera. CFuser adalah nilai masukan atau keluhan yang dimasukkan oleh pengguna/user.
2 Setelah nilai CF dihitung, maka selanjutnya yaitu menghitung nilai CFcombine.
Perhitungan CFcombine menggunakan nilai CF yang diperoleh dari CFpakar*CFuser, dimana nilai CF dianggap sebagai nilai CF1 dan CF2. Setiap kali eksekusi hanya menggunakan dua buah data saja (CF1 dan CF2). Nilai tersebut digunakan untuk memberikan bobot pada setiap aturan yang ada.
6. PENGUJIAN
6.1 Pengujian Akurasi
Pengujian akurasi sistem dilakukan agar mengetahui performa dari sistem identifikasi yang telah dibuat dan seberapa besar tingkat akurasi dalam memberikan hasil diagnosis cedera pada pemain futsal yang dimasukkan oleh pengguna. Hasil pengujian terhadap 35 data ditunjukkan pada Tabel 4.
Gambar 6. Diagram Alir Perhitungan Certainty Factor
Tabel 4. Tabel Hasil Pengujian Akurasi
5.2.2 Langkah-langkah Perhitungan Naive Bayes No Diagnosis Pakar Diagnosis Sistem Hasil
1 Cedera ACL Cedera ACL Cocok
Pertama hitung nilai prior (peluang kemunculan suatu cedera pada data latih)
2 Cedera Ankle Cedera Ankle Cocok
berdasarkan inputan keluhan. Kedua pencarian
Cedera Cedera
3 Cocok
nilai likelihood (peluang munculnya suatu
Meniscus Meniscus
keluhan terhadap suatu cedera) dari probabilitas
Cedera Tidak
keluhan yang mempengaruhi pada setiap
4 Cedera Ankle Meniscus Cocok
cederanya. Ketiga pencarian nilai posterior (probabilitas akhir) pada masing-masing cedera,
5 Cedera Ankle Cedera Ankle Cocok
cedera yang memiliki probabilitas paling tinggi
6 Cedera ACL Cedera ACL Cocok dinyatakan sebagai hasil dari perhitungan ini.
Hasil dari perhitungan Naive Bayes yang akan
7 Cedera Ankle Cedera Ankle Cocok
digunakan dalam perhitungan Certainty Factor
Cedera Cedera
guna mencari tingkat keyakinannya, nilai
8 Cocok Hamstring Hamstring
keyakinan maksimal yaitu mendekati 1 dan untuk mengetahui persentase dari hasil Cedera Muscle Cedera Muscle
9 Cocok Strain Strain
perhitungan Naive Bayes.
Cedera Muscle Cedera Muscle
10 Cocok
5.2.3 Langkah-langkah Perhitungan Strain Strain
Certainty Factor Cedera Cedera
1. Penyakit yang akan dihitung nilai
11 Cocok Hamstring Hamstring
kepastiannya merupakan cedera dari hasil diagnosis pada metode Naive Bayes. Pada
12 Cedera Ankle Cedera Ankle Cocok
perhitungan ini nilai CFpakar dikalikan dengan CFuser. Cfpakar adalah nilai
13 Cedera Meniscus Cedera Meniscus
naive bayes-certainty factor adalah sebesar
Cocok
32 Cedera ACL Cedera ACL Cocok
33 Cedera Hamstring Cedera Hamstring
Cocok
34 Cedera Muscle Strain/Sprain Cedera Muscle Strain/Sprain
Cocok
35 Cedera ACL Cedera ACL Cocok
Berdasarkan Tabel 4, terdapat 31 data yang memiliki hasil diagnosis sistem sama dengan hasil diagnosis dari pakar, sehingga tingkat akurasi pada pengujian akurasi dengan persamaan akurasi.
% =
31 35 100% = 88.57 Tingkat akurasi pada pengujian pertama yang dihasilkan oleh sistem pakar diagnosis cedera pada pemain futsal menggunakan metode
88.57 %. Pada pengujian akurasi sistem identifikasi cedera pada pemain futsal terdapat diagnosis sistem dan diagnosis pakar yang tidak sesuai. Ketidaksesuaian diagnosis terdapat pada data nomor 4, 15, 25, dan 30, karena pada proses perhitungan nilai likelihood dan posterior menghasilkan probabilitas 0, yang apabila terdapat probabilitas 0 maka perhitungan pada sistem akan memilih cedera dengan urutan pertama pada susunan data, pada sistem ini apabila terdapat probabilitas 0 maka cedera yang terpilih adalah cedere meniscus. Jika pengguna memasukkan keluhan dengan jumlah maksimal yaitu 14, maka sistem akan mengolah keluhan tersebut dan memilih cedera yang ada pada data latih dengan keluhan terbanyak pada suatu cedera.
Cocok
Berdasarkan hasil pengujian akurasi yang telah dilakukan, sistem pakar diagnosis cedera pada pemain futsal menggunakan metode Naïve
Bayes- Certainty Factor menghasilkan tingkat
akurasi sebesar 88.57%. Hasil tersebut menunjukkan bahwa sebuah sistem pakar menggunakan Naïve Bayes-Certainty Factor untuk melakukan proses diagnosis akan menghasilkan sebuah sistem pakar dengan ketepatan hasil yang baik dan akurat.
7. KESIMPULAN
Kesimpulan yang dapat diambil dari hasil uji coba sistem diagnosis cedera pada pemain futsal dengan menggunakan naive bayes-certainty
factor adalah sebagai berikut :
1. Dalam implementasi metode yang digunakan yakni naive bayes-certainty
factor pada permasalahan diagnosis cedera
pada pemain futsal dapat diterapkan dengan baik. Proses diagnosis cedera dapat dilakukan dengan memasukkan keluhan yang dirasakan oleh pengguna. Dengan keluhan-keluhan tersebut akan melalui perhitungan dengan metode naive bayes-
certainty factor guna mendapatkan hasil
diagnosis berupa nama cedera yang menimpa, saran untuk penanganan dan juga persentase keyakinan. Dalam perhitungan diagnosis cedera dilakukan perhitungan dengan menggunakan naive bayes dengan menghitung nilai probabilitas prior, nilai probabilitas likelihood, dan nilai probabilitas
31 Cedera Meniscus Cedera Meniscus
30 Cedera Ankle Cedera Meniscus Tidak
Cocok
Cocok
14 Cedera Meniscus Cedera Meniscus
Cocok
15 Cedera Hamstring Cedera Meniscus
Tidak Cocok
16 Cedera Ankle Cedera Ankle Cocok
17 Cedera Meniscus Cedera Meniscus
Cocok
18 Cedera Ankle Cedera Ankle Cocok
19 Cedera Hamstring Cedera Hamstring
Cocok
20 Cedera Muscle Strain/Sprain Cedera Muscle Strain/Sprain
21 Cedera ACL Cedera ACL Cocok
Cocok
22 Cedera Muscle Strain/Sprain Cedera Muscle Strain/Sprain
Cocok
23 Cedera Ankle Cedera Ankle Cocok
24 Cedera Ankle Cedera Ankle Cocok
25 Cedera Hamstring Cedera Meniscus
Tidak Cocok
26 Cedera Muscle Strain/Sprain Cedera Muscle Strain/Sprain
Cocok
27 Cedera ACL Cedera ACL Cocok
28 Cedera Ankle Cedera Ankle Cocok
29 Cedera Muscle Strain/Sprain Cedera Muscle Strain/Sprain
posterior , dimana hasil perhitungan tersebut berupa nama cedera. Setelah didapat hasil Sepak Bola” . Medikora, FIK UNY, diagnosis dari perhitungan naive bayes, hasil Vol. VI, No 1. dari diagnosis akan dihitung nilai keyakinannya (CF) yang bertujuan untuk Nurhayati, T. D., 2016. Sistem Pakar mengetahui persentase dari hasil
Diagnosa Cedera Umum Pada perhitungan naive bayes. Peserta Pekan Olahraga. Artikel Skripsi, Universitas Nusantara
2. Berdasarkan sistem identifikasi cedera dengan menggunakan metode naive bayes- PGRI Kediri.
certainty factor yang telah dibuat didapat
Prakoso, D.B., Subiyono, H.S., dan Rahayu, S., hasil dengan tingkat akurasi sebesar 88,57%.
2013. Minat Bermain Futsal Di Jenis Dari hasil tersebut dapat dilihat bahwa
Lapangan Vinyil, Parquette, Rumput sistem ini dapat mengidentifikasi cedera Sintetis dan Semen Pada Pengguna dengan baik. Lapangan Di Semarang. Journal of
DAFTAR PUSTAKA
Sport Science and Fitness, Unversitas Negeri Semarang. Semarang. Arhami, M., 2005.
“Konsep Dasar Sistem Pakar”. Andi Offset.
Samudra, A. D., Terapi dan Latihan Teknik Pemasangan Kinesiotaping pada
Budi, S., 2013. “Deskripsi Faktor Resiko dan Cedera Hamstring. Perpustakaan
Ketepatan Penanganan Cedera Tungkai Kaki pada Olahraga SepakBola di Klub Universitas Airlangga. Surabaya. “BIGREDS” Yogyakarta Tahun 2013.
Setiawan, A, 2011. Faktor Timbulnya Cedera Fakutas Ilmu Keolahragaan Universitas
Olahraga. Jurnal Media Ilmu Negeri Yogyakarta. Yogyakarta. Keolahragaan Indonesia, Volume 1. Dewi, I.C., Soebroto, A.A., dan Furqon, M.T.,
Sumartiningsih, S., 2012. Cedera Keseleo pada 2015. Sistem Pakar Diagnosa Penyakit Pergelangan Kaki (Ankle Sprains).
Sapi Potong Dengan Metode Naive Jurnal Media Ilmu Keolahragaan
Bayes. Repository Jurnal Mahasiswa Indonesia, Volume
2 Edisi 1. PTIIK UB, Volume 2, No. 2.
Universitas Negeri Semarang.
Hutama, S.R., Hidayat, N., dan Santoso, E.,
Sutojo, T., Mulyanto, E., dan Suhartono, V.,
2018. Sistem Pakar Deteksi Dini
2011. Kecerdasan Buatan, Andi
Penyakit Stroke Menggunakan Offset, Yogyakarta. Metode Naïve Bayes-Certainty Factor. Repository Jurnal Mahasiswa
Zein, M. I., 2011. Cedera Anterior Cruciate PTIIK UB, Volume 2, No2.
Ligament (ACL) Pada Atlet Berusia Muda, FIK UNY.
Ikorasaki, F., 2015. Sistem Pakar Mendiagnosa Zunaidi, M., Pane, U. F. S S., Ningsih, E. M.,
Penyakit Tulang Dengan 2017. Sistem Pakar Untuk
Menggunakan Metode Certainty Menentukan Kualitas Ikan Segar
Factor, Universitas Potensi Utama, Dengan Menggunakan Metode Fuzzy Medan.
Sugeno. Jurnal SAINTIKOM Vol.16, No.3. Manalu, E., Sianturi, F. A., Manalu, M. R., 2017.
Penerapan Algoritma Naive Bayes Untuk Memprediksi Jumlah Produksi Barang Berdasarkan Data Persediaan Dan Jumlah Pemesanan Pada CV.Papadan Mama Pastries. Jurnal Mantik Penusa, Volume 1, No. 2, STMIK Pelita Nusantara, Medan.
Nurcahyo, F., 2010. “Pencegahan Cedera Dalam