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