Identifikasi Penyakit HIV Menggunakan Algoritma Support Vector Machine (SVM) dan Naive Bayes

Dian Ayu Damayanti (Universitas Buana Perjuangan Karawang)
Tatang Rohana (Universitas Buana Perjuangan Karawang)
Euis Nurlaelasari (Universitas Buana Perjuangan Karawang)
Deden Wahiddin (Universitas Buana Perjuangan Karawang)

Scientific Student Journal for Information, Technology and Science
Vol. 7 No. 2 (2026): Scientific Student Journal for Information, Technology and Science

Penelitian ini bertujuan untuk mengidentifikasi penyakit HIV menggunakan metode klasifikasi berbasis algoritma Support Vector Machine (SVM) dengan kernel RBF dan Naive Bayes. Dataset diperoleh melalui kuesioner yang mencakup 16 gejala umum HIV dengan jumlah responden sebanyak 101 orang. Proses pengolahan data meliputi preprocessing, konversi data, pelabelan (labeling) target, hingga evaluasi model menggunakan confusion matrix, akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa algoritma Support Vector Machine (SVM) dengan kernel RBF memberikan tingkat akurasi sebesar 100%, sedangkan Naive Bayes memperoleh akurasi sebesar 93,75% dalam mengidentifikasi kemungkinan infeksi HIV berdasarkan gejala yang dialami. Temuan ini menunjukkan bahwa metode Support Vector Machine (SVM) memiliki performa yang sangat baik dalam mendeteksi pola gejala dan dapat diterapkan dalam sistem deteksi dini HIV. Penelitian ini diharapkan dapat menjadi acuan bagi pengembangan sistem berbasis kecerdasan buatan di bidang kesehatan, khususnya dalam membantu identifikasi awal infeksi HIV secara efektif.