Perbandingan Metode Naïve Bayes Dan Random Forest Pada Deteksi Penyakit Stroke Menggunakan Teknik SMOTE (Synthetic Minority Over-Sampling Technique)

Abstract

Stroke disebabkan karena kurangnya pasokan darah ke otak dan terjadinya penyumbatan di dalam otak atau terjadinya pecahnya pembuluh darah di dalam otak. Selain memiliki dampak kesehatan personal, stroke juga membebani negara Indonesia dalam pembiayaan kesehatan dan masih menjadi faktor penyebab kematian terbesar di indonesai maupun di dunia. Dengan pesatnya perkembangan teknologi dan adanya model sistem deteksi penyakit stroke diharapkan dapat berkontribusi secara signifikan terhadap pencegahan dan perawatan penyakit stroke secara dini. Oleh karena itu penelitian ini dilakukan dengan menggunkan metode naïve bayes dan random forest. Hal ini untuk membandingkan kinerja kedua metode yang digunakan dalam penelitian ini dan juga pada penelitian ini juga menerapkan teknik SMOTE dikarenakan ditemukannya imbalance class dalam dataset yang digunakan. Setelah melalui proses tahapan alur system yang sudah ditentukan dan dapat disimpulkan bahwa metode random forest lebih optimal daripada metode naïve bayes dalam deteksi penyakit stroke yang menggunakan dataset pada penelitian ini dengan pembagian 10% data test dan 90% data train random forest mendapatkan score akurasi sebesar 95% sedangkan naïve bayes mendapatkan score sebesar 79% . Meskipun terjadi penurunan score dari yang tidak menggunakan teknik SMOTE ke yang menggunakan teknik SMOTE yang tidak signifikan pada aspek akurasi pada confusion matrix akan tetapi terjadi kenaikan kinerja yang signifikan pada aspek precission, recall  dan f1 score

Kata Kunci— Stroke, Deteksi, Random Forest, Naive Bayes, Teknik SMOTE.