<![CDATA[ARI is a global problem that affects millions of individuals every year, including in Pohuwato District. Symptoms include runny nose, sore throat, cough, and shortness of breath which are generally caused by bacterial or viral infections. Types of ARI can be classified into mild, moderate, and severe. The problem in this study is the lack of public knowledge related to ARI management and the high incidence of ARI disease. This study aims to classify ARI diseases based on patient age and length of hospitalisation in the hope that it can help medical personnel at the puskesmas in providing fast handling and appropriate treatment to patients with ARI. Data collection techniques were carried out by direct survey to the Marisa Health Centre, Pohuwato Regency, Gorontalo Province. Data analysis is done by data mining which emphasises the classification of ARI diseases with the Naïve Bayes Classifier method. The results of this study showed high accuracy of 96.61% for mild prediction, 95.60% for moderate prediction, and 100% for severe prediction. So the Naïve Bayes Classifier method is able to produce correct predictions in identifying ARI cases.ISPA adalah salah satu masalah global yang mempengaruhi jutaan individu setiap tahunnya, termasuk di Kabupaten Pohuwato. Gejala yang ditimbulkan bervariasi seperti pilek, sakit tenggorokan, batuk, dan sesak napas yang umumnya disebabkan oleh infeksi bakteri atau virus. Jenis ISPA dapat diklasifikasikan menjadi ringan, sedang, dan berat. Permasalahan dalam penelitian ini adalah kurangnya pengetahuan masyarakat terkait penanganan ISPA dan tingginya angka kejadian penyakit ISPA. Penelitian ini bertujuan untuk mengklasifikasikan penyakit ISPA berdasarkan usia pasien dan lama rawat inap dengan harapan dapat membantu para tenaga medis di puskesmas dalam memberikan penanganan yang cepat serta pengobatan yang tepat kepada para penderita ISPA. Teknik pengumpulan data dilakukan dengan survei langsung ke Puskesmas Marisa, Kabupaten Pohuwato, Provinsi Gorontalo. Analisis data dilakukan dengan data mining yang menekankan pada klasifikasi penyakit ISPA dengan metode Naïve Bayes Classifier. Hasil dari penelitian ini menunjukkan akurasi yang tinggi yaitu 96.61% untuk prediksi ringan, 95,60% untuk prediksi sedang, dan 100% untuk prediksi berat. Jadi metode Naïve Bayes Classifier mampu menghasilkan prediksi yang tepat dalam mengidentifikasi kasus ISPA.]]>
