Penerapan Algoritma (Naïve Bayes) Untuk Memprediksi Penyakit Diare

Authors

  • Repan Universitas Muhammadiyah Pontianak
  • Barry Ceasar Octariadi Universitas Muhammadiyah Pontianak
  • Sucipto Universitas Muhammadiyah Pontianak

DOI:

https://doi.org/10.37859/jf.v15i1.8993
Keywords: Diare, Prediksi, Naïve Bayes, Data Mining

Abstract

Diare merupakan salah satu masalah kesehatan serius yang dapat menyebabkan komplikasi berat hingga kematian, terutama pada anak-anak di bawah usia lima tahun di negara-negara dengan tingkat mortalitas rendah hingga menengah. Di Puskesmas Bunut Hilir, deteksi dini terhadap penyakit diare menjadi sangat penting untuk mencegah risiko komplikasi lanjutan. Penelitian ini bertujuan untuk mengembangkan model prediksi penyakit diare dengan menggunakan metode Naïve Bayes guna meningkatkan efektivitas deteksi dini. Data yang digunakan berasal dari rekam medis pasien Puskesmas Bunut Hilir, dengan total sebanyak 490 data kasus yang mencakup gejala klinis dan faktor risiko lingkungan. Model dibangun menggunakan bahasa pemrograman Python dan diimplementasikan dalam bentuk antarmuka interaktif menggunakan Streamlit. Evaluasi model dilakukan menggunakan confusion matrix, dengan hasil akurasi sebesar 89%, precision 0.87, recall 0.90, dan nilai F1-score sebesar 0.88. Hasil tersebut menunjukkan bahwa metode Naïve Bayes efektif dalam memprediksi penyakit diare. Implementasi model ini berpotensi meningkatkan kualitas layanan kesehatan dan mempercepat respons medis, khususnya dalam mendeteksi kasus diare secara lebih cepat dan akurat di wilayah kerja Puskesmas Bunut Hilir.

Downloads

Download data is not yet available.

References

N. M. Putry, “Komparasi Algoritma Knn Dan Naïve Bayes Untuk Klasifikasi Diagnosis Penyakit Diabetes Mellitus,” EVOLUSI J. Sains dan Manaj., vol. 10, no. 1, 2022, doi: 10.31294/evolusi.v10i1.12514.

C. W. Cahyana and A. Nurlayli, “Analisis Performa Logistic Regression, Naïve Bayes, dan Random Forest sebagai Algoritma Pendeteksi Kanker Payudara,” Inser. Inf. Syst. Emerg. Technol. J., vol. 4, no. 1, pp. 51–64, 2023.

Kholis Ernawati, Malaria: Penyebeb Lingkungan Dan Pengendalian, no. September. 2022.

M. B. A. Sinum, “Hubungan Program Open Defecation Free (ODF) oleh Pemerintah dengan Kejadian Diare,” J. Med. Hutama, vol. 2, no. 3, pp. 928–933, 2021, [Online]. Available: http://jurnalmedikahutama.com/index.php/JMH/article/view/191/125

A. A. Iryanto, T. Joko, and M. Raharjo, “Literature Review : Faktor Risiko Kejadian Diare Pada Balita Di Indonesia,” J. Kesehat. Lingkung., vol. 11, no. 1, pp. 1–7, 2021, doi: 10.47718/jkl.v11i1.1337.

G. W. N. Wibowo and M. A. Manan, “Penerapan Algoritma Naive Bayes Untuk Prediksi Heregistrasi Calon Mahasiswa Baru,” JTINFO (Jurnal Tek. Inform., vol. 1, no. 1, pp. 1–10, 2022, [Online]. Available: https://journal.unisnu.ac.id/JTINFO/article/view/126

D. Laila Sari, M. Saputra, and H. Gemasih, “Penerapan Data Mining Dalam Proses Prediksi Perceraian Menggunakan Algoritma Naive Bayes Di Kabupaten Aceh Tengah,” J. Tek. Inform. dan Elektro, vol. 4, no. 1, pp. 23–35, 2022, doi: 10.55542/jurtie.v4i1.112.

D. Ramdhan, G. Dwilestari, R. D. Dana, A. Ajiz, and K. Kaslani, “Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means,” MEANS (Media Inf. Anal. dan Sist., vol. 7, no. 1, pp. 1–9, 2022, doi: 10.54367/means.v7i1.1826.

F. P. Nursyamsyi and F. N. Hasan, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Sentimen Terhadap Aplikasi Identitas Kependudukan Digital Menggunakan Algoritma Naïve Bayes dan SVM,” Media Online, vol. 4, no. 3, pp. 1788–1798, 2023, doi: 10.30865/klik.v4i3.1517.

B. N. Sari et al., “PENERAPAN DATA MINING DALAM KLASIFIKASI DATA TRANSAKSI PRODUK KOPERASI DI SMK PGRI 2 KARAWANG,” vol. 9, no. 1, pp. 263–269, 2025.

M. Irfan and A. A. Syukron, “IMPLEMENTASI DATA MINING UNTUK MENGKLASIFIKASI PENJUALAN PRODUK TERLARIS PADA KOPERASI AL-BAEDLOWI,” vol. 9, no. 1, pp. 1423–1428, 2025.

Raja Rizki Alanta Nasution and Relita Buaton, “Penerapan Metode Naive Bayes dalam Menentukan Diagnosa Kerusakan pada Smartphone,” Indones. J. Educ. Comput. Sci., vol. 2, no. 1, pp. 24–33, 2024, doi: 10.60076/indotech.v2i1.383.

S. R. Yulistina, T. Nurmala, R. M. A. T. Supriawan, S. H. I. Juni, and A. Saifudin, “Penerapan Teknik Boundary Value Analysis untuk Pengujian Aplikasi Penjualan Menggunakan Metode Black Box Testing,” J. Inform. Univ. Pamulang, vol. 5, no. 2, p. 129, 2020, doi: 10.32493/informatika.v5i2.5366.

I. N. Abrar, A. Abdullah, and S. Sucipto, “Liver Disease Classification Using the Elbow Method to Determine Optimal K in the K-Nearest Neighbor (K-NN) Algorithm,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 12, no. 2, pp. 218–228, 2023, doi: 10.32736/sisfokom.v12i2.1643.

N. S. Fauziah and R. D. Dana, “Implementasi Algoritma Naive bayes dalam Klasifikasi Status Kesejahteraan Masyarakat Desa Gunungsari,” Blend Sains J. Tek., vol. 1, no. 4, pp. 295–305, 2023, doi: 10.56211/blendsains.v1i4.234.

S. A. Hicks et al., “On evaluation metrics for medical applications of artificial intelligence,” Sci. Rep., vol. 12, no. 1, pp. 1–9, 2022, doi: 10.1038/s41598-022-09954-8.

D. T. B. Purba, H. Tawaqal, R. Fachrudin, and F. Sinlae, “Design Database Pada Sistem Informasi Reservasi Hotel,” J. Siber Multi Disiplin, vol. 2, no. 2, pp. 144–151, 2024.

Downloads

Published

2025-04-17