<![CDATA[Penyakit Ginjal Kronis (PGK) adalah suatu keadaan kesehatan yang ditandai dengan penurunan fungsi ginjal yang terjadi secara bertahap dan sering tidak terdeteksi pada tahap awal. Keterlambatan dalam mendeteksi kondisi ini dapat meningkatkan kemungkinan terjadinya komplikasi serius, sehingga penting untuk memiliki metode prediksi yang tepat berdasarkan data medis. Penelitian ini bertujuan untuk menerapkan teknik Data Mining dengan memadukan algoritma Naïve Bayes dan Particle Swarm Optimization (PSO) untuk meramalkan risiko PGK. Dataset yang digunakan terdiri dari data dari 100 pasien yang mencakup 16 variabel klinis, termasuk usia, tekanan darah, densitas urine, kadar albumin, kadar gula, hemoglobin, kadar ureum, kreatinin, serta kadar sodium, potassium, jumlah sel darah putih, jumlah sel darah merah, riwayat hipertensi, dan diabetes. Proses penelitian mencakup penyelarasan data awal, pemilihan fitur menggunakan PSO untuk menemukan parameter paling berpengaruh, dan klasifikasi dengan Naïve Bayes. Hasil dari analisis data menunjukkan bahwa pasien yang termasuk dalam kategori PGK positif (label kelas 1) menunjukkan peningkatan signifikan pada kadar ureum dan kreatinin, penurunan pada kadar hemoglobin, serta tingkat hipertensi yang tinggi. Penggunaan metode hibrida ini terbukti efektif dalam mengoptimalkan model prediksi dengan mengurangi kelebihan fitur, yang menghasilkan tingkat akurasi klasifikasi yang lebih baik dibandingkan metode tradisional. Sistem ramalan ini diharapkan dapat berfungsi sebagai alat bantu yang efisien bagi tenaga medis dalam proses pengambilan keputusan klinis. Keyword: Penyakit Ginjal Kronis, Data Mining, Naïve Bayes, Particle Swarm Optimization, ]]>
