OPTIMASI ALGORITMA NAIVE BAYES BERBASIS KERNEL UNTUK KLASIFIKASI PENYAKIT HATI

Abstract

Penyakit hati merupakan masalah kesehatan serius yang memerlukan diagnosis dini dan akurat. Penelitian ini mengembangkan dan mengevaluasi algoritma Naive Bayes berbasis kernel untuk klasifikasi penyakit hati, membandingkannya dengan Naive Bayes standar. Dataset dari Kaggle digunakan, mencakup berbagai variabel medis. Setelah preprocessing data, kedua model dilatih dan dievaluasi menggunakan metrik standar. Hasil menunjukkan peningkatan signifikan pada model berbasis kernel, dengan akurasi mencapai 99% dibandingkan 80% pada model standar. Analisis feature importance dan learning curves dilakukan untuk pemahaman lebih mendalam. Penelitian ini mendemonstrasikan potensi besar penggunaan Naive Bayes berbasis kernel dalam meningkatkan diagnosis penyakit hati, yang dapat berkontribusi pada peningkatan hasil klinis dan kualitas perawatan pasien.