Implementasi Algoritme K-Means Clustering Dan Naive Bayes Classifier Untuk Klasifikasi Diagnosa Penyakit Pada Kucing

Kucing dewasa ini telah menjadi hewan peliharaan yang digemari masyarakat. Hal tersebut dikarenakan banyak manfaat yang didapat dari memelihara kucing, diantaranya adalah sebagai penghibur, bahkan sekarang di negara maju kucing banyak dipertandingkan dalam ajang cat show. Perawatan terhadap kucing terutama masalah kesehatan sangatlah penting karena beberapa penyakit pada kucing dapat menular pada manusia. Keterbatasan pemilik hewan dalam mendiagnosis gejala penyakit dengan pola memiliki gejala yang sama diantara beberapa penyakit, menjadi penyebab pemilik peliharaan mengalami kesulitan dalam melakukan diagnosis. Oleh sebab itu perlu ada sebuah sistem yang dapat mendiagnosa penyakit sehingga pemilik peliharaan dapat segera mengetahui penyakitnya dan dapat segera ditangani. Pada penelitian ini dapat memanfaatkan metode K-Means Naïve Bayes (KMNB) untuk diagnosa pada kucing. Pendekatan KMNB terbentuk dengan penggabungan teknik clustering dan klasifikasi. Pada tahap awal Clustering pada K-Means dimanfaatkan untuk mengelompokkan data yang sama. Selanjutnya klasifikasi data berdasarkan kategori menggunakan metode Naïve Bayes. Data yang memiliki kesalahan pada tahap pertama kemudian diklasifikasikan berdasarkan kategori pada tahap yang kedua. Berdasar pada hasil pengujian yang telah dilakukan dengan membandingkan hasil dari pengelompokkan pada K-Means konvensional membuktikan bahwa KMNB dapat memberikan rata- rata akurasi tertinggi sebesar 90% sedangkan K-Means konvensional memiliki rata-rata akurasi tertinggi sebesar 71, 379%