Analisis Kinerja Algoritma Naive Bayes dalam Klasifikasi Data pada Pasien Tuberkulosis Berbasis Data Mining

research
  • 12 Feb
  • 2026

Analisis Kinerja Algoritma Naive Bayes dalam Klasifikasi Data pada Pasien Tuberkulosis Berbasis Data Mining

Tuberkulosis (TB) merupakan salah satu penyakit menular yang masih menjadi permasalahan kesehatan masyarakat utama
di Indonesia, khususnya pada tingkat pelayanan kesehatan primer seperti puskesmas. Meningkatnya jumlah data pasien yang tersimpan
dalam sistem informasi kesehatan menuntut adanya metode analisis yang efektif untuk mendukung pengambilan keputusan yang akurat
dan efisien. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Naive Bayes dalam melakukan klasifikasi data pasien
tuberkulosis. Dataset yang digunakan dalam penelitian ini diperoleh dari rekam medis pasien TB dan non-TB, yang telah melalui
beberapa tahapan praproses data, meliputi pembersihan data, integrasi data, transformasi data, dan normalisasi guna memastikan
kualitas data. Selanjutnya, data dibagi menjadi data latih dan data uji untuk keperluan klasifikasi. Algoritma Naive Bayes diterapkan
untuk mengklasifikasikan status pasien berdasarkan atribut klinis dan demografis yang telah dipilih. Kinerja model dievaluasi
menggunakan confusion matrix serta beberapa metrik evaluasi, yaitu akurasi, presisi, recall, dan F1-score. Hasil eksperimen
menunjukkan bahwa algoritma Naive Bayes memiliki kinerja yang memuaskan dalam mengklasifikasikan data pasien tuberkulosis
serta menunjukkan efisiensi yang baik ketika diterapkan pada data kesehatan nyata. Namun demikian, algoritma ini masih memiliki
keterbatasan yang berkaitan dengan asumsi independensi antar atribut, yang dapat memengaruhi tingkat akurasi klasifikasi. Temuan
penelitian ini diharapkan dapat berkontribusi dalam pengembangan sistem pendukung keputusan yang mampu membantu tenaga
kesehatan di puskesmas dalam melakukan klasifikasi awal dan analisis data pasien tuberkulosis secara lebih efektif dan efisien.

Unduhan

 

REFERENSI

[1] J. S. Sipayung, W. Hidayat, and E. M. Silitonga, “Faktor Risiko yang Memengaruhi Kejadian Tuberkulosis ( TB ) Paru di Wilayah
Kerja Puskesmas Perbaungan Risk Faktors Affecting the Incident of Pulmonary Tuberculosis ( TB ) in the Working Area of
Perbaungan Public Health Center,” vol. 15, no. 2, 2023.
[2] F. K. Masyarakat et al., “https://doi.org/10.36729,” vol. 7, pp. 78–88, 2022.
[3] T. Aprilia, T. Informatika, and U. S. Sri, “Klasifikasi Kanker Payudara Menggunakan Algoritma K-Nearest Neighbor dan Metode
Naive Bayes,” vol. 4, no. 2, pp. 156–163, 2024, doi: 10.54259/satesi.v4i2.3167.
[4] G. Satya Nugraha, M. Nurkholis Abdillah, and M. Innuddin, “Komparasi Akurasi Metode Correlated Naive Bayes Classifier Dan
Naive Bayes Classifier Untuk Diagnosis Penyakit Diabetes.”
[5] N. Bayes, C. Dan, and R. Forest, “Analisis Sentimen Aplikasi Playstore Sirekap 2024 Pasca Pilpres Dengan Perbandingan
Metode Support Vector Machine ( SVM ), Sentiment Analysis Of The Sirekap 2024 Playstore Application Post-Presidential
Election With Comparison Of Support Vector Machine ( SVM ), Naïve Bayes Classifier , And Random Forest Methods .,” vol.  11, no. 3, pp. 661–670, 2025.
[6] S. Pemanfaatan, T. Data, U. Analisis, D. Kesehatan, and D. I. Klinik, “Jurnal Abdimas Saintika,” pp. 181–186.
[7] A. A. Ningtyas, A. Solichin, and R. Pradana, “Analisis Sentimen Komentar Youtube Tentang Prediksi Resesi Ekonomi Tahun
2023 Menggunakan Algoritme Sentiment Analysis Of Youtube Comments On Prediction Of Economic Recession In 2023 Using
The Naïve Bayes,” vol. 20, no. 1, pp. 9–16, 2023.
[8] I. Kononenko, “Machine Learning for Medical Diagnosis : History , State of the Art and Perspective Historical overview,” pp.
1–25.
[9] D. D. Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat ( Dpr ) Pada Twitter
Menggunakan Metode Naive Bayes Classifier,” vol. 10, no. 1, pp. 34–40, 2022.
[10] D. A. Faroek, M. Yusuf, and G. Syatauw, “A s t p p p c 2024 t m a n b c,” vol. 17, no. 2, pp. 216–226, 2024.
[11] L. R. Krosuri, R. Satish, S. Fan, and J. Yao, “Extraction Sentiment Analysis Using naive Bayes Algorithm and Reducing Noise
Word applied in Indonesian Language Extraction Sentiment Analysis Using naive Bayes Algorithm and Reducing Noise Word
applied in Indonesian Language”, doi: 10.1088/1757-899X/835/1/012051.
[12] Y. Azhar, A. K. Firdausy, and P. J. Amelia, “Perbandingan Algoritma Klasifikasi Data Mining Untuk Prediksi Penyakit Stroke,”
vol. 5, no. 2, pp. 191–197, 2022.
[13] F. M. Julianto, A. T. Zy, and E. Rilvani, “Sentiment Analysis on Canva Reviews Using Naive Bayes Method,” Int. J. Informatics
Comput., vol. 7, no. 1, 2025, doi: 10.35842/ijicom.
[14] G. H. Hilmawan, U. S. April, and K. Sumedang, “Literatur Review : Efektifitas Penerapan Metode,” vol. 3, no. 6, 2025.
[15] T. Pantai, K. Jepara, M. A. Anwar, H. Mulyo, and T. Tamrin, “Optimalisasi Algoritma Naive Bayes Dengan Teknik Ensemble
Dalam Analisis Sentimen,” J. Minfo Polgan, vol. 13, no. 1, 2024, doi: 10.33395/jmp.v13i1.14014.
[16] U. N. Putra, S. Media, A. Sentimen, and N. Bayes, “Systematic Literature Review ( Slr ): Analisis Sentimen Pemilihan Calon
Presiden 2024 Menggunakan Metode,” 2024.
[17] F. Rambu, B. Kahi, A. C. Talakua, and R. T. Abineno, “Analisis Sentimen Masyarakat Di Twitter Terhadap Pemerintahan Anies
Baswedan Menggunakan Metode Naive Bayes Classifier,” vol. 13, no. April, pp. 324–336, 2024.
[18] R. Nurzuli, “Lung Diseases Classification Using the Naïve Bayes Algorithm,” vol. 7, no. 2, 2025, doi: 10.35842/ijicom.
[19] “The Indonesian Journal of Health Promotion MPPKI Media Publikasi Promosi Kesehatan Indonesia Analisis Implementasi
Strategi Promosi Kesehatan dalam Pencegahan Penyakit Tuberkulosis (TB) (Studi Kasus di Wilayah Kerja Puskesmas Kalumata
Kota Ternate),” 2022, doi: 10.31934/mppki.v2i3.
[20] Y. A. Rizky, A. Aziz, and W. Harianto, “Implementasi Naive Bayes Dengan Menggunakan Metode Laplace Smoothing,”
RAINSTEK J. Terap. Sains dan Teknol., vol. 6, no. 3, pp. 164–172, Sep. 2024, doi: 10.21067/jtst.v6i3.9132.​
<!--EndFrag 

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru