Penerapan Data Mining dalam Mengklasifikasi Penyakit Stroke Menggunakan Algoritma Naïve Bayes

Abadi, Ahmad Fajar
Alamsyah, Nur
Farhan Gagat Retnanto
Daniati, Erna
Ristyawan, Aidina

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 8 No. 2 (2024): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2024

Penyakit stroke adalah kondisi medis mendadak yang disebabkan oleh gangguan aliran darah di otak, baik karena penyumbatan atau pecahnya pembuluh darah. Kondisi ini dapat menyebabkan sel-sel otak kekurangan oksigen, darah, dan nutrisi yang berakibat fatal. Di Indonesia, stroke menempati urutan pertama sebagai penyebab kematian, diikuti oleh diabetes dan hipertensi. Penelitian ini bertujuan untuk mengklasifikasi penyakit stroke menggunakan algoritma Naive Bayes dengan dataset dari Kaggle. Penelitian ini menggunakan metode kualitatif untuk analisis literatur dan metode kuantitatif untuk pengujian teori dengan data numerik. Data sekunder dari Kaggle dipreproses dengan menghilangkan data duplikat dan missing value, menghasilkan 4908 rekaman dari 5110 awal. Implementasi klasifikasi dilakukan menggunakan RapidMiner Studio. Hasil penelitian menunjukkan tingkat acuraccy 87.22%, dengan precision sebesar 14.93% dan recall 42.58%. Penelitian ini menunjukkan bahwa algoritma Naive Bayes dapat digunakan secara efektif untuk klasifikasi stroke dengan hasil yang cukup akurat.