Diagnosis Penyakit Ginjal Kronis (PGK) Menggunakan Metode Klasifikasi Naive Bayes
Resa Rostira Pebriani, Hidayat Nur Isnianto, S.T., M.Eng.
2024 | Tugas Akhir | D4 Teknologi Rekayasa Instrumentasi dan Kontrol
Penyakit Ginjal Kronis (PGK) merupakan masalah
yang serius secara global. Penyakit ini tidak memiliki gejala awal sehingga
keberadaanya seringkali tidak disadari oleh penderita. Sebagian besar penyakit
ginjal kronis terdeteksi ketika fungsi ginjal mengalami penurunan sebesar 25?ri kapasitasnya atau bahkan menuju penyakit ginjal tahap akhir atau end stage. Pendeteksian lebih awal yang
cepat dan akurat diperlukan agar
penanganan medis dapat dilakukan secara optimal sehingga memperlambat progresi
kerusakan ginjal dan mencegah perkembangannya ke tahap end stage. Oleh karena itu, pendekatan pembelajaran mesin dapat
digunakan untuk membantu dokter dalam mengidentifikasi penyakit ginjal kronis
melalui data rekam medis elektronik. Tujuan penelitian adalah membuat model
klasifikasi penyakit ginjal kronis dengan algoritma naive bayes serta
mengimplementasikan model klasifikasi yang telah dibuat dalam bentuk aplikasi
web sederhana untuk diagnosis PGK. Dalam penelitian ini rekam medis elektronik
yang digunakan berupa dataset yang bersumber dari UCI Machine Learning. Dataset berjumlah 400 data dengan 24 fitur. Hasil
pengujian pada model klasifikasi yang
telah dibuat mendapatkan nilai akurasi sebesar 97%, presisi 97%, recall 97?n F1-score 97%. Berdasarkan nilai tersebut model klasifikasi yang dibuat
dapat bekerja dengan baik dalam melakukan klasifikasi data. Diagnosis Penyakit
Ginjal Kronis (PGK) dapat dilakukan menggunakan interface sederhana berbasis aplikasi web.
Chronic Kidney Disease
(CKD) is a serious problem globally. This disease has no initial symptoms so
sufferers often don't realize its existence. Most chronic kidney diseases are
detected when kidney function decreases by 25% of its capacity or even
progresses to end-stage or end-stage kidney disease. Fast and accurate early
detection is needed so that medical treatment can be carried out optimally so
as to slow the development of kidney damage and prevent its progression to the
final stage. Therefore, machine learning approaches can be used to assist
doctors in identifying chronic kidney disease through electronic medical record
data. The aim of the research is to create a classification model for chronic
kidney disease using the naive Bayes algorithm and to implement the
classification model that has been created in the form of a simple web
application for CKD diagnosis. In this research, the electronic medical record
used is a dataset sourced from UCI Machine Learning. The dataset contains 400
data with 24 features. The test results on the classification model that was
created obtained an accuracy value of 97%, precision 97%, recall 97% and
F1-score 97%. Based on these values, the classification model created can work
well in classifying data. Diagnosis of Chronic Kidney Disease (CKD) can be done
using a simple web application-based interface.
Kata Kunci : Penyakit Ginjal Kronis (PGK), machine learning, naive bayes