Perbandingan Metode Naive Bayes Yang Dioptimalkan Dengan Algoritma Genetika Untuk Prioritas Pasien

Azizah Kusumah Putri (Institut Teknologi Sumatera)
Meira Listyaningrum (Institut Teknologi Sumatera)
Salwa Farhanatussaidah (Institut Teknologi Sumatera)
Fajri Farid (Institut Teknologi Sumatera)
M. Syamsuddin Wisnubroto (Institut Teknologi Sumatera)

Jurnal Sistem Informasi dan Sistem Komputer
Vol 11 No 2 (2026): Vol 11 No 2 - 2026

Penentuan prioritas pasien di Instalasi Gawat Darurat (IGD) merupakan proses krusial yang rentan terhadap keterbatasan sumber daya dan subjektivitas pengambilan keputusan. Penelitian ini bertujuan membandingkan kinerja model Naïve Bayes dengan Naïve Bayes yang dioptimasi menggunakan Algoritma Genetika (NB+GA) dalam klasifikasi prioritas pasien (Red, Orange, Yellow, Green). Dataset yang digunakan berasal dari Kaggle Patient Priority Classification dengan 17 fitur demografis dan klinis, dibagi menjadi 80% data latih dan 20% data uji. Hasil evaluasi menunjukkan adanya ketidakseimbangan data, terutama pada kelas “Yellow”. Model Naïve Bayes menghasilkan akurasi 64% dengan Precision 0,44, Recall 0,69, dan F1-Score 0,44. Setelah optimasi, Algoritma Genetika menyeleksi 8 fitur paling relevan dan meningkatkan performa model NB+GA dengan akurasi 96%, Precision 0,87, Recall 0,80, dan F1-Score 0,81. Hasil ini membuktikan bahwa Algoritma Genetika efektif meningkatkan kinerja Naïve Bayes dan berpotensi sebagai sistem pendukung keputusan triase yang objektif di IGD.