Analisis Data Mining Untuk Memprediksi Penyakit Stroke Dengan Algoritma Naïve Bayes

Abstract

Stroke merupakan penyakit kronis yang memberikan dampak berbahaya yang diakibatkan oleh gangguan peredaran darah otak karena penyumbatan pembuluh darah arteri akibat endapan darah pada pembuluh darah. Jumlah kasus stroke di dunia sangat banyak, salah satunya pada negara Indonesia mencapai 10,9% atau sekitar 2.210.362 orang. Stroke terjadi akibat kurangnya kesadaran dalam melakukan pola hidup sehat. Faktor risiko penyakit stroke diantaranya diabetes melitus, penyakit jantung, dan hipertensi. Banyaknya kasus penyakit stroke maka peneliti melakukan analisis prediksi peluang stroke, agar masyarakat dapat mencegah terjadinya stroke. Penelitian ini menggunakan teknik Data Mining dengan algoritma Naïve Bayes untuk memprediksi penyakit stroke. Dengan menggunakan metode Knowledge Discovery In Databases (KDD), maka penelitian ini dapat mengetahui berapa persen akurasi dari prediksi penyakit stroke. Terdapat lima tahapan dari Knowledge Discovery In Database yaitu seleksi data, pembersihan data, transformasi data, pengolahan data mining, dan evaluasi. Penelitian ini melakukan pengujian menggunakan aplikasi RapidMiner dengan Data Training 90% dan Data Testing 10%. Berdasarkan hasil pengukuran performa dari model tersebut dengan menggunakan metode pengujian confusion matrix, diketahui bahwa algoritma Naïve Bayes memiliki tingkat akurasi sebesar 98%, precision sebesar 80%, dan recall sebesar 92%.