ANALISIS ALGORITMA GAUSSIAN NAÏVE BAYES TERHADAP KLASIFIKASI DATA PASIEN DEMAM TIFOID (TYPHOID FEVER) DI PUSKESMAS BALUNG JEMBER

Abstract

Penelitian ini bertujuan untuk menganalisis algoritma Gaussian Naïve Bayes dalam klasifikasi data pasien demam Tifoid di Puskesmas Balung Jember. Data yang digunakan terdiri dari 515 pasien, dengan partisi data menggunakan 20% sebagai data uji dan 80% sebagai data latih. Pemodelan data dilakukan dengan skenario K Fold Cross Validation menggunakan nilai k = 2, 4, 5, 8, dan 10. Untuk mengatasi ketidakseimbangan data digunakan metode Synthetic Minority Over Sampling Technique (SMOTE) sehingga menjadi 337 data. Hasil pemodelan menggunakan skenario K Fold Cross Validation menunjukkan bahwa nilai rata-rata akurasi tertinggi sebesar 89,61%, nilai rata-rata presisi tertinggi sebesar 90,07%, dan nilai rata-rata recall tertinggi sebesar 89,62%. Pengujian model Gaussian Naïve Bayes yang dibangun menghasilkan akurasi sebesar 94%, presisi sebesar 90%, dan recall sebesar 93%. Pengujian juga dibandingkan dengan metode Baseline, yaitu Random Guess dan Threshold. Metode Gaussian Naïve Bayes menunjukkan hasil yang lebih unggul dibandingkan dengan Random Guess, dengan akurasi pemodelan sebesar 49,85% dan pada pengujian sebesar 37,86%. Selain itu, model Gaussian Naïve Bayes juga unggul dibandingkan dengan metode threshold, dengan akurasi pemodelan sebesar 73,3% dan pada pengujian sebesar 75,73%. Penelitian ini menunjukkan bahwa algoritma Gaussian Naïve Bayes efektif dalam klasifikasi data pasien demam Tifoid. Penggunaan SMOTE sebagai metode penyeimbang data juga berhasil meningkatkan performa model. Penelitian ini memberikan kontribusi dalam pemahaman dan penerapan algoritma klasifikasi untuk analisis data pasien demam tifoid.