Permasalahan yang sering terjadi pada dataset mengenai kesehatan
yaitu banyaknya atribut yang memiliki missing value. Metode Naïve
Bayes dikenal mampu memberikan akurasi yang baik dibandingkan dengan
metode lainnya dalam menghadapi missing value. Namun ketika hasil
yang diperoleh masih belum bisa memuaskan maka digunakan boosting
dengan AdaBoost untuk meningkatkan kinerjanya.
Penelitian ini membahas penerapan metode Naïve Bayes dan AdaBoost
dalam mengklasfikasikan penyakit ginjal kronik atau chronic kidney
disease (CKD). Dari hasil dengan perhitungan confusion matrix
didapatkan akurasi sebesar 0,95 dan F1-score sebesar 0,958 untuk
metode Naïve Bayes. Sedangkan penggabungan dengan AdaBoost berhasil
meningkatkan akurasi menjadi 0,98 dan F1-score sebesar 0,984. Ketika
dilakukan penggantian missing value, metode Naïve Bayes mengalami
penurunan akurasi menjadi 0,945 dan F1-score 0,954, sedangkan
algoritma AdaBoost berhasil meningkatkan akurasi menjadi 0,9825 dan
F1-score sebesar 0,986. Hal ini menunjukkan bahwa metode Naïve Bayes
memiliki kemampuan yang baik dalam menghadapi missing value dan
algoritma AdaBoost berhasil meningkatkan kinerja dengan meningkatkan
akurasi.
Kata Kunci: AdaBoost, CKD, Missing Value, Naïve Bayes
