Implementasi Metode Naive Bayes, K-Nearest Neighbour dan Support Vector Machine untuk Klasifikasi Penyakit Stroke

Abstract

Stroke adalah penyakit yang terjadi akibat gangguan aliran darah baik dengan sumbatan atau pecahnya pembuluh darah di otak sehingga sebagian otak tidak dapat berfungsi dengan baik jika pasokan oksigen dan nutrisi ke otak terputus. Ada banyak faktor risiko yang dapat memicu terjadinya stroke, ini dapat dikategorikan sebagai faktor yang tidak dapat dimodifikasi dan dapat dimodifikasi. Sebaliknya, faktor risiko yang dapat dimodifikasi terkait dengan kondisi klinis, seperti penyakit jantung (Hipertensi) dan diabetes mellitus, serta faktor gaya hidup. Salah satu kunci keberhasilan penanganan kasus stroke adalah diagnosis dini gejala stroke, kunci lainnya adalah kemampuan praktisi medis dalam mendiagnosis, melakukan pemeriksaan dan memberikan pengobatan yang cepat dan tepat. Dengan metode Machine Learning memungkinkan sistem dapat menyelesaikan tugas yang diberikan secara efisien. Pembelajaran mesin mempelajari dari data yang sudah ada sehingga menghasilkan algoritma yang dapat memprediksi. Penelitian ini melakukan perbandingan antara tiga metode machine learning Naïve Bayes, K-Nearest Neighbor dan Support Vector Machine. Hasil dari model klasifikasi yang terbaik akan digunakan untuk membuat aplikasi berbasis Web yang dapat mendukung keputusan petugas kesehatan Puskesmas Kejayan Kabupaten Pasuruan dalam mendiagnosis penyakit stroke dan dapat memberikan pengobatan bagi pasien stroke yang terindikasi serta dapat mengurangi risiko kematian akibat penyakit stroke dengan melakukan pengobatan sejak dini