Perbandingan Akurasi Metode Naïve Bayes dan Metode KNN untuk Memprediksi Gagal Ginjal Kronis

Abstract

Saat ini banyak penderita penyakit gagal ginjal kronis bukan hanya dialami oleh orang tua, akan tetapi  dialami oleh anak anak. Tak sedikit yang memakan korban jiwa dalam penyakit ini. Gagal ginjal merupakan kasus dimana ginjal tidak dapat berfungsi dengan baik dan tidak bekerja sebagaimana mestinya. Gejala yang muncul pada penyakit ini muncul secara bertahap, akan tetapi gejala gejala ini biasanya tidak nampak jelas, yang mengakibatkan penurunan fungsi ginjal seringkali tidak terlalu nampak, sehingga ketika tiba di tahap yang parah, penderita gagal ginjal hanya  tinggal menunggu kematian. Langkah pertama dalam pengelolaan penyakit ginjal adalah penetapan diagnosis yang tepat sehingga perlunya perbandingan akurasi antar metode yang digunakan. Banyak metode yang telah digunakan untuk memprediksi penyakit gagal ginjal kronis. Terdapat 2 Metode yaitu Naïve Bayes Classifier lebih tepat diterapkan pada data yang besar dan dapat menangani data yang tidak lengkap (missing value) serta kuat terhadap atribut yang tidak relevan dan noise pada data. Sedangkan metode K-Nearest Neighbors yang  metodenya mudah untuk dipelajari dan  metode yang dipakai  sederhana. Dari hasil penelitian Metode K-Nearest Neighbors memiliki akurasi lebih besar dari  Naive Bayes Classification  sebesar 96% . Sedangkan Naive Bayes Classification memiliki akurasi confusion matrix sebesar 90.00%.