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