Penggunaan Metode Naive Bayes untuk Prediksi Penyakit Diabetes

Leni Fadhilah; Fadhilah; Irma Yunita

doi:10.59435/jgcs.v1i2.2025.39

Penggunaan Metode Naive Bayes untuk Prediksi Penyakit Diabetes

Authors

Leni Fadhilah

Universitas Ibrahimy

Author
Fadhilah

Universitas Ibrahimy

Author
Irma Yunita

Universitas Ibrahimy

Author

DOI:

https://doi.org/10.59435/jgcs.v1i2.2025.39

Keywords:

Array, Array

Abstract

Prediksi penyakit diabetes menjadi salah satu tantangan penting dalam dunia kesehatan mengingat meningkatnya prevalensi penyakit ini secara global. Penelitian ini bertujuan untuk mengimplementasikan metode Naive Bayes dalam memprediksi risiko diabetes berdasarkan dataset medis yang berisi berbagai fitur seperti usia, berat badan, kadar gula darah, tekanan darah, dan riwayat keluarga. Metode ini dipilih karena kemampuannya dalam mengolah data dengan asumsi independensi antar variabel. Pada penelitian menggunakan metode Naive Bayes menunjukkan bahwa memiliki capaian tingkat akurasi sebesar 83.75% dengan precision untuk kelas "Yes" sebesar 86.47% dan recall sebesar 93.50%, yang menandakan performa yang cukup baik dalam mendeteksi pasien diabetes. Namun, performa model dalam mendeteksi pasien non-diabetes perlu ditingkatkan mengingat recall untuk kelas "No" hanya mencapai 51.35%. Hasil ini menunjukkan bahwa Naive Bayes adalah metode yang sederhana namun efektif untuk memprediksi diabetes, dan dapat dikembangkan lebih lanjut untuk membantu pengambilan keputusan medis secara lebih akurat.

Downloads

Download data is not yet available.

References

[1] C. M. Porth, Essentials of Pathophysiology: Concepts of Altered Health States. Wolters Kluwer, 2020.

[2] B. Khan, F., & Chaurasia, Diabetes: Understanding and Management. 2021.

[3] S. Cohen, J., & Burk, Medical Informatics: An Executive Primer (3rd ed.). 2022.

[4] and M. Ç.-R. Alicia Johnson, Miles Ott, Bayes Rules! An Introduction to Applied Bayesian Modeling. 2021.

[5] Z. F. Zainur Rohman, Ahmad Homaidi, “Penerapan Metode Naïve Bayes untuk Menentukan Penerima Kartu Indonesia Pintar (KIP),” G-Tech : Jurnal Teknologi Terapan, vol. 8, no. 3, pp. 1806–1815, 2024.

[6] E. Alpaydin, Introduction to Machine Learning. MIT Press, 2021.

[7] J. F. Trevor Hastie, Robert Tibshirani, The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2020.

[8] S. B. Joseph M. Cohen, Medical Informatics: An Executive Primer. 2022.

[9] J. P. Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques. Elsevier, 2022.

Cover Image