Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Mengklasifikasikan Status Kesehatan

Authors

  • Nazhifatul Muthohharoh universitas ibrahimy Author
  • Lukman Fakih Lidimilah Universitas Ibrahimy Author
  • Ahmad Homaidi Universitas Ibrahimy Author

Keywords:

Klasifikasi, Naive Bayes, K-Nearest Neighbor, Data Mining, Machine Learning

Abstract

Pemanfaatan algoritma klasifikasi dalam bidang kesehatan dapat membantu mengidentifikasi status kesehatan individu secara lebih akurat dan efisien. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naive Bayes dan K-Nearest Neighbor (K-NN) dalam mengklasifikasikan status kesehatan berdasarkan beberapa parameter menurut kebiasaan gaya hidup seperti kebiasaan merokok, aktifitas bekerja, aktifitas begadang, aktifitas olahraga, pola makan teratur dan penyakit bawaan. Data diolah menggunakan Google Colaboratory dengan pembagian 80% data latih dan 20% data uji. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa algoritma, Naïve Bayes dan K-Nearest Neighbor, keduanya menunjukkan akurasi yang sama, yaitu 0.92, dimana keduanya dapat digunakan secara efektif, tetapi, jika data memeiliki distribusi normal dan kontinu, naïve bayes bisa menjadi pilihan yang efisien. Temuan ini mengindikasikan bahwa pemilihan algoritma sebaiknya disesuaikan dengan kebutuhan sistem, apakah mengutamakan akurasi atau efisiensi. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem klasifikasi kesehatan berbasis machine learning yang efektif dan adaptif.

References

Fadhillah, R. A’la, and Z. Fatah, “Perbandingan Algoritma Decision Tree dan Deep Learning dalam,” Multidiciplinary Scientifict Journal, vol. 2, 2024.

N. Bhatia, “Survey of Nearest Neighbor Techniques,” Article in International Journal of Computer Science and Information Security, vol. 8, no. 2, 2010, doi: 10.48550/arXiv.1007.0085.

Powers, David M. W “Evaluation_From_Precision_Recall_and_F-Factor_to_R”.

M. Jannah, M. Arief, H. M. Kom, M. Al Fajar, and M. A. Hasan, “Perbandingan Metode Naïve Bayes Dan K-Nearest Neighbor Dalam Mengklasifikasi Status Pertumbuhan Anak Stunting (Studi Kasus : Posyandu Cemara)”.

D. Nasien et al., “Perbandingan Implementasi Machine Learning Menggunakan Metode KNN, Naive Bayes, Dan Logistik Regression Untuk Mengklasifikasi Penyakit Diabetes,” 2024.

F. Sholekhah, A. D. Putri, R. Rahmaddeni, and L. Efrizoni, “Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbors untuk Klasifikasi Metabolik Sindrom,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 2, pp. 507–514, Feb. 2024, doi: 10.57152/malcom.v4i2.1249.

J. Indriyanto, Algoritma K-Nearest Neighbor untuk Prediksi Nasabah Asuransi. Jawa Tengah: Penerbit NEM, 2021. Accessed: Jun. 03, 2025. [Online]. Available: https://www.google.co.id/books/edition/ALGORITMA_K_NEAREST_NEIGHBOR_UNTUK_PREDI/EE0tEAAAQBAJ

S. Maesaroh et al., Bahasa Pemrograman Python. Banten: PT Sada Kurnia Pustaka, 2024. Accessed: Jun. 05, 2025. [Online]. Available: https://www.google.co.id/books/edition/Bahasa_Pemrograman_Python/bOIKEQAAQBAJ

G. Maulani et al., Machine Learning. Jawa Barat: CV. Mega Press Nusantara, 2025. Accessed: Jun. 09, 2025. [Online]. Available: https://www.google.co.id/books/edition/Machine_Learning/RblPEQAAQBAJ

A. Maulida Argina, “Penerapan Metode Klasifikasi K-Nearest Neighbor pada Dataset Penderita Penyakit Diabetes,” Indonesian Journal of Data and Science, vol. 1, no. 2, Jul. 2020.

Downloads

Published

25-09-2025