Implementasi Algoritma Naive Bayes Untuk Klasifikasi Penyakit Ispa

Badriyah Ani Kusuma Putri Ani; Taghfirul Azhima Yoga Siswa; Fendy Yulianto

doi:10.33365/jtk.v20i1.700

Badriyah Ani Kusuma Putri Ani Universitas Muhammadiyah Kalimantan Timur, Samarinda
Taghfirul Azhima Yoga Siswa Universitas Muhammadiyah Kalimantan Timur, Samarinda
Fendy Yulianto Universitas Muhammadiyah Kalimantan Timur, Samarinda

DOI: https://doi.org/10.33365/jtk.v20i1.700

Keywords: Naive Bayes, ISPA, Klasifikasi, Machine Learning, Data Mining

Abstract

Infeksi Saluran Pernapasan Akut (ISPA) ialah salah satu penyakit pada permasalahan kesehatan serius di Indonesia, terutama pada balita. Proses klasifikasi ISPA secara tradisional sering kali tidak cukup efektif untuk menangani variasi gejala yang kompleks. Oleh karena itu, penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes guna mengklasifikasikan tingkat keparahan penyakit ISPA secara lebih akurat dan efisien. Dataset yang digunakan berasal dari UPT Puskesmas Bontang Barat dengan total 1.501 data pasien pada periode 2024-2025, yang telah melalui proses pre-processing berupa data selection, cleaning, dan transformation. Proses klasifikasi menggunakan Gaussian Naive Bayes dan divalidasi menggunakan metode K-Fold Cross Validation dengan K=10. Hasil evaluasi menunjukkan bahwa algoritma ini mampu mencapai rata-rata nilai Accuracy sebesar 75,00%, Precision 78,12%, Recall 75,00%, dan F1-Score 76,36%. Nilai ini menunjukkan bahwa Naive Bayes cukup andal dalam mendukung proses diagnosis ISPA dan memiliki kinerja yang relatif lebih baik dibandingkan beberapa algoritma lain dalam penelitian terdahulu.

References

M. Napiah, R. A. Purnama, M. Raharjo, And W. Bismi, “Komparasi Algoritma Untuk Klasifikasi Penyakit Ispa (Infeksi Saluran Pernapasan Akut),” J. Infortech, Vol. 4, No. 2, Pp. 105–110, 2022.

R. E. M. Sormin, M. B. Ria, And M. S. Nuwa, “Hubungan Tingkat Pengetahuan Ibu Dengan Perilaku Pencegahan Ispa Pada Balita,” J. Ilm. Kesehat. Media Husada, Vol. 12, No. 1, Pp. 74–80, 2023, Doi: 10.33475/Jikmh.V12i1.316.

C. J. Rahmawati, W. C. Rachmawati, And S. Adi, “Gambaran Literasi Kesehatan Dan Pola Pencarian Pengobatan Mahasiswa Ilmu Kesehatan Masyarakat Universitas Negeri Malang Terhadap Penyakit Ispa,” Sport Sci. Heal., Vol. 7, No. 1, Pp. 28–41, 2025, Doi: 10.17977/Um062v7i12025p28-41.

A. M. Oktafani, I. T. Utami, And P. Kartikasari, “Optimasi Backward Elimination Pada Klasifikasi Penyakit Ispa Menggunakan Algoritma Naïve Bayes Classifier 1,2,3,” J. Gaussian, Vol. 14, Pp. 23–30, 2025, Doi: 10.14710/J.Gauss.14.1.23-30.

D. Puspitasari, “Survei Kesehatan Indonesia (Ski) 2023 Dalam Angka,” Ski (Survei Kesehat. Indones., Pp. 1–68, 2023.

J. R. Saputri, M. G. Sholih, And R. R. Dwiputra, “Identifikasi Faktor Resiko Dan Terapi Infeksi Saluran Pernafasan Akut (Ispa) Pada Balita: Literature Review,” J. Surya Med., Vol. 11, No. 2, Pp. 145–151, 2025, Doi: 10.33084/Jsm.V11i2.9739.

B. Sulistiyo, B. Surarso, And W. A. Syafei, “Sistem Pakar Identifikasi Dan Alternatif Solusi Terhadap Permasalahan Yang Dihadapi Oleh Peserta Didik Sekolah Menengah Menggunakan Rule-Based Machine Learning,” Suparyanto Dan Rosad (2015, Vol. 5, No. 3, Pp. 248–253, 2022, Doi: 10.14710/Jtsiskom.2022.Xxxxx.

B. Karyadi, “Pemanfaatan Kecerdasan Buatan Dalam Mendukung Pembelajaran Mandiri,” Educ. J. Teknol. Pendidik., Vol. 8, No. 2, Pp. 253–258, 2023, Doi: 10.32832/Educate.V8i02.14843.

A. Surahmat Et Al., Kecerdasan Buatan Dalam Data Mining. Widina Bhakti Persada Bandung, 2023.

H. Abijono, P. Santoso, And N. L. Anggreini, “Algoritma Supervised Learning Dan Unsupervised Learning Dalam Pengolahan Data,” J. Teknol. Terap. G-Tech, Vol. 4, No. 2, Pp. 315–318, 2021, Doi: 10.33379/Gtech.V4i2.635.

K. Kristiawan And A. Widjaja, “Perbandingan Algoritma Machine Learning Dalam Menilai Sebuah Lokasi Toko Ritel,” J. Tek. Inform. Dan Sist. Inf., Vol. 7, No. 1, Pp. 35–46, 2021, Doi: 10.28932/Jutisi.V7i1.3182.

M. R. Ahmmed, J. Monir, And S. A. Khushbu, “Analysis Of Flood Risk Prediction Using Different Machine Learning Classifiers: A Study Of Predicting Flood Risk In Rural Areas, Bangladesh,” 2022 13th Int. Conf. Comput. Commun. Netw. Technol. Icccnt 2022, Pp. 1–6, 2022, Doi: 10.1109/Icccnt54827.2022.9984449.

F. Zahri, F. Insani, And L. Oktavia, “Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor ( K- Nn ) Untuk Klasifikasi Penyakit Gagal Jantung,” J. Inf. Syst. Res., Vol. 6, No. 2, Pp. 997–1005, 2025, Doi: 10.47065/Josh.V6i2.6480.

B. Delvika, S. Nurhidayarnis, P. D. Rinanda, N. Abror, And A. Hidayat, “Perbandingan Klasifikasi Antara Naive Bayes Dan K-Nearest Neighbor Terhadap Resiko Diabetes Pada Ibu Hamil,” Malcom Indones. J. Mach. Learn. Comput. Sci., Vol. 2, No. 2, Pp. 68–75, 2022, Doi: 10.57152/Malcom.V2i2.432.

G. Dwilestari And T. A. Afifah, “Perbandingan Kinerja Algoritma Naive Bayes Dan Decision Tree Dalam Klasifikasi Kanker Paru-Paru,” Jati, Vol. 9, No. 1, Pp. 801–807, 2025.

R. Pranandito And H. Hendry, “Perbandingan Prediksi Penyakit Serangan Jantung Menggunakan Model Machine Learning,” Jipi (Jurnal Ilm. Penelit. Dan Pembelajaran Inform., Vol. 8, No. 4, Pp. 1228–1237, 2023, Doi: 10.29100/Jipi.V8i4.4165.

H. M. Fenta, T. T. Zewotir, S. Naidoo, R. N. Naidoo, And H. Mwambi, “Factors Of Acute Respiratory Infection Among Under-Five Children Across Sub-Saharan African Countries Using Machine Learning Approaches,” Sci. Rep., Vol. 14, No. 1, Pp. 1–14, 2024, Doi: 10.1038/S41598-024-65620-1.

E. Sufarnap And Sudarto, “Seleksi Fitur Information Gain Dalam Meningkatkan Kinerja Naïve Bayes Dalam Prediksi Performa Mahasiswa,” Digit. Transform. Technol., Vol. 4, No. 1, Pp. 1285–1295, 2024, Doi: Https://Doi.Org/10.47709/Digitech.V4i2.5525 Seleksi.

T. Syamsudin, T. Handhayani, ) Muhammad, And I. Syaifudin, “Perbandingan Klasifikasi Penyakit Diabetes Menggunakan Metode Machine Learning,” J. Ilmu Komput. Dan Sist. Inf., Pp. 1–7, 2021, Doi: 10.24912/Jiksi.V12i1.28197.

Q. A. Puteri, T. Sagirani, And J. Lemantara, “Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor (Knn) Untuk Mengetahui Keakuratan Diagnosa Penyakit Diabetes,” J. Nas. Teknol. Dan Sist. Inf., Vol. 9, No. 3, Pp. 247–254, 2023, Doi: 10.25077/Teknosi.V9i3.2023.247-254.

D. E. Yanti, L. Framesti, And A. Desiani, “Perbandingan Algoritma C4.5 Dan Svm Dalam Klasifikasi Penyakit Anemia,” Jip (Jurnal Inform. Polinema), Pp. 427–434, 2022, Doi: Https://Doi.Org/10.33795/Jip.V9i4.1381.

B. Hirwono, A. Hermawan, And D. Avianto, “Implementasi Metode Naïve Bayes Untuk Klasifikasi Penderita Penyakit Jantung,” J. Jtik (Jurnal Teknol. Inf. Dan Komunikasi), Vol. 7, No. 3, Pp. 450–457, 2023, Doi: 10.35870/Jtik.V7i3.910.

A. Karima And T. A. Y. Siswa, “Prediksi Kinerja Mahasiswa Dalam Perkuliahan Berbasis Learning Management System Menggunakan Algoritma Naïve Bayes,” Progresif J. Ilm. Komput., Vol. 18, No. 2, P. 211, 2022, Doi: 10.35889/Progresif.V18i2.922.

C. Salsabila Azra, F. Yulianto, And T. A. Y. Siswa, “Implementasi Metode Naive Bayes Untuk Klasifikasi Kecelakaan Lalu Lintas Di Kota Samarinda,” Jitet, Vol. 13, No. 1, 2025, Doi: Http://Dx.Doi.Org/10.23960/Jitet.V13i1.5890 Implementasi.

A. Mustofa, O. Okfalisa, E. P. Cynthia, Y. Yelfi, And S. K. Gusti, “Klasifikasi Penerima Bantuan Covid-19 Menggunakan Metode Weighted K-Nearest Neighbour,” J. Nas. Komputasi Dan Teknol. Inf., Vol. 5, No. 3, Pp. 415–422, 2022, Doi: 10.32672/Jnkti.V5i3.4399.