Diagnosa Penyakit Stroke Menggunakan Metode Optimasi Bagging pada Algoritma Naive Bayes Classifier Berbasis Manchine Learning

Abstract

Stroke merupakan salah satu penyebab kematian yang paling sering terjadi di seluruh dunia, sehingga deteksi dini sangat penting untuk pengobatan yang efisien. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi stroke menggunakan Machine Learning dengan menambahkan metode Bagging ke Pengklasifikasi Naif Bayes. Metode Bagging dapat meningkatkan akurasi dan stabilitas model dengan mempelajari berbagai variasi pada setiap iterasi melalui subset data acak. Ujian hasil menunjukkan bahwa algoritma pengklasifikasi Bagging lebih unggul dari pengklasifikasi naif Bayes, dengan tingkat akurasi 2% lebih tinggi, 2% nilai presisi, perolehan 2% lebih tinggi, dan 1% F1. Penelitian ini bisa membantu meningkatkan akurasi klasifikasi stroke dan memiliki potensial untuk dikembangkan lebih lanjut di masa mendatang