MODEL PREDIKSI MALARIA DENGAN ALGORITMA NAIVE BAYES

Abstract

Latar Belakang: Migrain merupakan gangguan neurologis yang banyak dijumpai dan menimbulkan dampak signifikan terhadap kualitas hidup penderitanya. Data dari Global Burden of Disease Study menunjukkan bahwa migrain termasuk salah satu kondisi neurologis paling prevalen dengan tingkat disabilitas yang melebihi banyak gangguan saraf lainnya. Dalam konteks analisis data, teknik klasifikasi berperan penting untuk mengkategorikan informasi berdasarkan kriteria tertentu. Algoritma Naïve Bayes, yang mengandalkan prinsip statistik probabilistik, sering dipilih karena kemampuannya memberikan prediksi yang andal meskipun dengan data terbatas. Penelitian ini mengusulkan pemanfaatan Naïve Bayes untuk membangun sistem prediksi migrain guna meningkatkan akurasi diagnosis dan penanganan klinis. Tujuan Penelitian: Studi ini bertujuan untuk merancang model klasifikasi berbasis algoritma Naïve Bayes guna mengidentifikasi kategori migrain berdasarkan rekam medis pasien serta mengevaluasi performa prediktif model tersebut. Metode Penelitian: Penelitian ini mengaplikasikan metode data mining dengan algoritma Naïve Bayes sebagai klasifikator. Tahapan analisis meliputi pembangunan model, pengujian kinerja, dan evaluasi metrik akurasi. Hasil Penelitian: Model Naïve Bayes yang dibangun mencapai tingkat akurasi sebesar 80%. Temuan ini mengindikasikan bahwa pendekatan ini memiliki reliabilitas tinggi dalam mengklasifikasikan kasus migrain, sehingga berpotensi sebagai alat bantu diagnosis klinis. Kesimpulan: Hasil penelitian membuktikan bahwa Naïve Bayes merupakan algoritma efektif untuk prediksi dan klasifikasi migrain dengan presisi tinggi. Implementasi model ini dapat mendukung keputusan medis, optimasi terapi, serta menjadi landasan untuk riset neurologi berbasis kecerdasan buatan di masa depan.