KLASIFIKASI TINGKAT KEPARAHAN PENYAKIT ISPA MENGGUNAKAN METODE NAIVE BAYES DENGAN OPTIMASI

Infeksi Saluran Pernapasan Akut (ISPA) merupakan salah satu penyakit yang sering menyebabkan tingginya kunjungan pasien di fasilitas pelayanan kesehatan tingkat pertama, sehingga diperlukan metode klasifikasi untuk mengidentifikasi tingkat keparahannya secara efektif. Penelitian ini bertujuan mengklasifikasikan tingkat keparahan penyakit ISPA ke dalam kategori ringan, sedang, dan berat menggunakan algoritma Naive Bayes dengan optimasi Synthetic Minority Oversampling Technique (SMOTE). Data yang digunakan merupakan dataset publik dari Mendeley Data berjudul "Pediatric Respiratory Infections: Epidemiological and Etiological Data from a Cohort of 801 Moroccan Children". Karena dataset tidak memiliki label tingkat keparahan, dilakukan rule-based labeling berdasarkan parameter klinis hasil konsultasi dengan dokter di UPTD Puskesmas Jekan Raya. Tahapan penelitian meliputi seleksi fitur, preprocessing data, Rule-Based Labeling ,encoding, pembagian data training dan testing, penerapan SMOTE, fine tuning menggunakan GridSearchCV, serta pelatihan model Gaussian Naive Bayes yang kemudian diimplementasikan ke dalam website berbasis Streamlit. Hasil pengujian menunjukkan bahwa sebelum penerapan SMOTE, model menghasilkan accuracy 85,09%, precision 86,34%, recall 85,09%, dan F1-score 84,82%. Setelah penerapan SMOTE, nilai tersebut meningkat menjadi accuracy 86,34%, precision 87,37%, recall 86,34%, dan F1-score 86,15%. Hasil ini menunjukkan bahwa SMOTE mampu meningkatkan performa model Naive Bayes dalam mengklasifikasikan tingkat keparahan penyakit ISPA.