Prediksi Penyakit Paru-Paru Dengan Algoritma Naïve Bayes

Abstract

Paru-paru memiliki peran penting dalam tubuh manusia, yaitu sebagai organ utama dalam sistem pernapasan, berfungsi mengolah karbon dioksida yang dibawa oleh darah menjadi oksigen dari udara yang dihirup, yang kemudian disebarkan ke seluruh tubuh untuk memenuhi kebutuhan oksigen. Gangguan paru-paru juga berisiko terhadap Kesehatan hingga kematian. Diperlukan metode yang akurat untuk mendiagnosis penyakit paru-paru agar penanganan dapat dilakukan dengan tepat. Dataset yang digunakan sebanyak 10000 dengan 10 attribut yakni usia, jenis kelamin, kebiasaan merokok, status pekerjaan, kondisi rumah tangga, aktivitas begadang, aktivitas rumah tangga, kepemilikan asuransi, riwayat penyakit bawaan, dan label hasil. Tujuan penelitian ini adalah untuk memprediksi penyakit paru-paru menggunakan model naïve bayes dengan hasil validasi yang robust dan reliable dengan penerapan dual-validation framework yakni Split validation dan k-Fold Cross Validation. Metode yang digunakan adalah pengumpulan data, pengelolaan data (seleksi dan pembersihan data), penerapan metode, pengujian metode dan kesimpulan. Hasil dari penerapan model naïve bayes dari data testing sebanyak 2000 menunjukkan nilai accuracy tertinggi sebesar 86.90%, precision tertinggi sebesar 87.65% diperoleh dari iterasi sebanyak 10 Fold Cross Validation, sedangkan nilai recall tertinggi diperoleh dari penerapan Split Validation sebesar 87.75%, sehingga hasil tersebut termasuk klasifikasi yang sangat baik diterapkan untuk melakukan prediksi penyakit paru-paru yang di derita masyarakat.