Analisis Perbandingan Algoritma Decision Tree dan Naive Bayes Dalam Memprediksi Penyakit AIDS

• CHOIRUL ROMADHON
• 2024

---

Penelitian ini membandingkan kinerja dua algoritma machine learning, yaitu Decision Tree dan Naïve Bayes, dalam memprediksi penyakit AIDS. AIDS, yang disebabkan oleh Human Immunodeficiency Virus (HIV), adalah penyakit serius yang mempengaruhi sistem kekebalan tubuh. Prediksi yang akurat dapat memfasilitasi diagnosis dini dan perawatan yang lebih efektif. Tujuan penelitian ini adalah mengevaluasi kemampuan kedua algoritma dalam memprediksi status penyakit AIDS berdasarkan data medis yang tersedia. Decision Tree menggunakan model berbasis pohon untuk membuat keputusan berdasarkan aturan yang dipelajari dari data, sedangkan Naïve Bayes mengasumsikan independensi antar fitur untuk mengklasifikasikan data. Hasil analisis menunjukkan bahwa Naïve Bayes secara konsisten menunjukkan kinerja yang lebih baik dibandingkan Decision Tree dalam semua metrik evaluasi yang digunakan, termasuk akurasi, presisi, recall, F1-score, Confusion Matrix, serta Naïve Bayes juga menunjukkan AUC-ROC yang lebih tinggi, menandakan kemampuannya yang lebih baik dalam membedakan antara kelas terinfeksi dan tidak terinfeksi. Penelitian ini memberikan wawasan tentang keefektifan algoritma Naïve Bayes dalam konteks prediksi penyakit AIDS, dengan implikasi untuk pengembangan sistem pendukung keputusan medis yang lebih akurat dan responsif.

• Prediksi
• Decision Tree
• Naive Bayes

https://repository.bsi.ac.id/repo/54090/Analisis-Perbandingan-Algoritma-Decision-Tree-dan-Naive-Bayes-Dalam-Memprediksi-Penyakit-AIDS
Anda dapat membaca file tugas akhir ini di repository.