Implementasi Metode Naive Bayes Untuk Klasifikasi Risiko Penyakit Hipertensi
DOI:
https://doi.org/10.29407/noe.v8i02.25207Keywords:
Data Mining, Hipertensi, Klasifikasi, Naive BayesAbstract
Hipertensi merupakan gangguan kesehatan kronis yang ditunjukkan oleh peningkatan tekanan darah dalam arteri dan sering kali tidak disadari oleh penderitanya karena minimnya gejala awal, sehingga disebut sebagai silent killer. Faktor penyebabnya meliputi gaya hidup tidak sehat, seperti stres, obesitas, merokok, konsumsi alkohol, makanan berlemak tinggi, serta faktor usia dan keturunan. Seiring perkembangan teknologi, metode data mining digunakan untuk membantu proses deteksi penyakit, salah satunya melalui teknik klasifikasi. Penelitian ini memanfaatkan algoritma Naïve Bayes untuk mengklasifikasikan tingkat risiko hipertensi. Berdasarkan pengujian terhadap 3.000 data latih dan 751 data uji, diperoleh hasil yang cukup baik yaitu akurasi 87%, presisi 90%, recall 91%, dan F1-score 91%. Hasil yang diperoleh menunjukkan bahwa penerapan metode Naïve Bayes mampu melakukan klasifikasi dengan performa yang tinggi.
References
Aditya, M. F. R., Lutvi Azizah, N. dan Indahyanti, U. (2024) “Prediksi Penyakit Hipertensi Menggunakan Metode Decison Tree dan Random Forest,” Jurnal Ilmiah Komputasi, 23(1), hal. 9–16.
Akmal, K., Faqih, A. dan Dikananda, F. (2023) “Perbandingan Metode Algoritma Naïve Bayes Dan K-Nearest Neighbors Untuk Klasifikasi Penyakit Stroke,” JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), hal. 470–477.
Awalullaili, F. O., Ispriyanti, D. dan Widiharih, T. (2022) “Klasifikasi Penyakit Hipertensi Menggunakan Metode Svm Grid Search dan Svm Genetic Algorithm(GA),” JURNAL GAUSSIAN, 11(4), hal. 488–498.
Kartika, Y., Komariah, K., Surip, A., Saputra, R., & Ali, I. (2022). Implementasi Algoritma Naïve Bayes Untuk Prediksi Persediaan Barang Rotan. Jurnal Ilmiah Informatika dan Komputer, 4(1), 33-40.
Kharits, A. K., Hayati, U. dan Bahtiar, A. (2023) “Perbandingan Prediksi Penyakit Hipertensi Menggunakan Metode Random Forest Dan Naïve Bayes,” JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), hal. 498–504.
Paramitha, N. Y., Nuryaman, A., Faisol, A., Setiawan, E., & Nurvazly, D. E. (2023). Klasifikasi Penyakit Stroke Menggunakan Metode Naïve Bayes. Jurnal Siger Matematika, 11-16.
Purwono, P., Dewi, P., Wibisono, S. K., & Dewa, B. P. (2022). Model Prediksi Otomatis Jenis Penyakit Hipertensi dengan Pemanfaatan Algoritma Machine Learning Artificial Neural Network. Insect (Informatics and Security): Jurnal Teknik Informatika, 7(2), 82-90.
Riany, A. F. dan Testiana, G. (2023) “Penerapan Data Mining Untuk Klasifikasi Penyakit Jantung Koroner Menggunakan Algoritma Naive Bayes,” PROCEEDING Multi Data Palembang Student Conference, 2(1), hal. 297–305.
Sahila, R., Widiharih, T. dan Utami, I. T. (2024) “Analisis Klasifikasi Menggunakan Regresi logistik Biner Dan Algoritma Naïve Bayes Classifier pada Penyakit Hipertensi,” JURNAL GAUSSIAN, 13(2007), hal. 319–327.
Setiandari L.O, E. (2022) “Hubungan Pengetahuan, Pekerjaan dan Genetik (riwayat hipertensi dalam keluarga) Terhadap Perilaku Pencegahan Penyakit Hipertensi,” Media Publikasi Promosi Kesehatan Indonesia, 5(4), hal. 457–462.
Siska, S. dkk. (2023) “Implementasi Metode Naive Bayes pada Prediksi Penyakit Seliak,” KOPERTIP Jurnal Ilmiah Manajemen Informatika dan Komputer, 7(1), hal. 8–13.
Tarimana, A. A. Z., Fajar, M. R. S., Saktiawan, M. A., & Saputra, R. A. (2024). PREDIKSI PENYAKIT HIPERTENSI MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA REGRESI LOGISTIK. JATI (Jurnal Mahasiswa Teknik Informatika), 8(6), 12062-12068.
Wie, J. V. dan Siddik, M. (2022) “Penerapan Metode Naïve Bayes Dalam Mengklasifikasi Tingkat Obesitas Pada Pria,” JOISIE Journal Of Information System And Informatics Engineering, 6(2), hal. 69–77.
Yoliadi, D. N. (2023) “Data Mining Dalam Analisis Tingkat Penjualan Barang Elektronik Menggunakan Algoritma K-Means,” Insearch: Information System Research Journal, 3(01).
Zai, C. (2022) “Implementasi Data Mining Sebagai Pengolahan Data,” Jurnal Portal Data, 2(3), hal. 1–12.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Muhammad Nafid Zanis, Ghufron Ghufron
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
How to Cite
