Klasifikasi Penyakit Hipertensi Menggunakan Algoritma NAÏVE Di Rumah Sakit Undata Palu

Authors

  • Grace Dwiyana Silolongan STMIK Bina Mulia Palu, Indonesia
  • Fitriyanti Andi Masse STMIK Bina Mulia Palu, Indonesia
  • Dewi Kusumawati STMIK Bina Mulia Palu, Indonesia

DOI:

https://doi.org/10.58344/locus.v4i8.4536

Keywords:

Hipertensi, Klasifikasi, Naïve Bayes, Data Mining, RSUD Undata Palu

Abstract

Hipertensi merupakan salah satu penyakit tidak menular yang paling banyak diderita masyarakat Indonesia dan menjadi penyebab kematian yang tinggi di dunia. Penelitian ini bertujuan untuk mengklasifikasikan penyakit hipertensi menggunakan algoritma Naïve Bayes serta mengevaluasi tingkat akurasinya. Data yang digunakan berasal dari pasien hipertensi di RSUD Undata Palu dengan total 311 data dan delapan variabel gejala. Proses klasifikasi dilakukan dengan beberapa proporsi pembagian data training dan testing, yaitu 60:40, 70:30, 80:20, dan 90:10. Hasil klasifikasi menunjukkan bahwa algoritma Naïve Bayes mampu mengidentifikasi jenis hipertensi dengan tingkat akurasi tertinggi sebesar 98,38% pada proporsi 80:20. Temuan ini menunjukkan bahwa algoritma Naïve Bayes dapat diandalkan dalam membantu diagnosa awal penyakit hipertensi berdasarkan gejala yang dialami pasien.

Downloads

Published

2025-08-02

Issue

Vol. 4 No. 8 (2025): JURNAL LOCUS: Penelitian dan Pengabdian

Section

Articles

License

Copyright (c) 2025 Grace grace13, Fitriyanti Andi Masse, Dewi Kusumawati

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International (CC-BY-SA). that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.