Pendekatan Naïve Bayes Untuk Klasifikasi Data Pasien Diabetes Gestasional

Abstract

Diabetes gestasional merupakan jenis diabetes yang muncul selama kehamilan dan berpotensi menyebabkan komplikasi serius bagi ibu dan janin. Mengidentifikasi pasien dengan risiko diabetes gestasional sejak dini sangat penting untuk intervensi yang efektif. Penelitian ini menggunakan pendekatan algoritma Naive Bayes dalam klasifikasi data pasien untuk mendeteksi adanya diabetes gestasional. Algoritma Naive Bayes dipilih karena kemampuannya dalam menangani data dengan fitur yang bervariasi serta proses klasifikasinya yang sederhana dan efisien. Data pasien yang digunakan mencakup beberapa variabel seperti usia, indeks massa tubuh (BMI), tekanan darah, dan riwayat kesehatan keluarga.Hasil uji menunjukkan bahwa model Naive Bayes mampu mencapai tingkat akurasi yang memadai dalam mengklasifikasikan pasien dengan diabetes gestasional. Setelah dilakukan pengujian menggunakan validasi silang, algoritma ini menunjukkan akurasi tanpa seleksi fitur mencapai akurasi 77% dan dengan seleksi fitur mencapai 80%.Penambahan proses seleksi fitur juga dianalisis untuk melihat dampaknya terhadap performa model. Berdasarkan hasil penelitian ini, algoritma Naive Bayes menunjukkan potensi yang baik sebagai alat bantu dalam mendeteksi diabetes gestasional, khususnya di lingkungan yang memerlukan pengolahan data cepat dan sederhana.