Penerapan Metode Naive Bayes Dalam Klasifikasi Data Penyakit Diabetes

Penelitian ini fokus pada penerapan metode Naive Bayes untuk
mengklasifikasikan data penyakit diabetes menggunakan bahasa pemrograman
Python. Langkah-langkah implementasi mencakup pengumpulan data,
pemrosesan data, pelatihan model Naive Bayes, dan evaluasi klasifikasi. Atribut
data yang digunakan termasuk ketebalan kulit, insulin, tekanan darah, kadar gula
darah, dan riwayat keluarga. Evaluasi model menunjukkan akurasi sebesar 0.7813,
dengan perbedaan signifikan antara metrik pada kelas non-diabetes dan diabetes.
Model memiliki recall negatif 87%, menemukan data non-diabetes dengan baik,
namun recall positif hanya 59%, menemukan kasus diabetes dengan keterbatasan.
Precision negatif sebesar 82%, sementara precision positif 68%. Hasil ini
memberikan wawasan tentang kinerja Naive Bayes pada klasifikasi penyakit
diabetes, dengan implikasi untuk meningkatkan identifikasi kasus sebenarnya dan
mengatasi ketidakseimbangan data. Penelitian ini memberikan panduan praktis
bagi peneliti atau praktisi yang tertarik dalam menerapkan metode ini pada
analisis data medis.