Kohesi: Jurnal Sains dan Teknologi

Articles

Vol. 11 No. 2 (2026): Kohesi: Jurnal Sains dan Teknologi, ISSN 3025-1311

IMPLEMENTASI METODE NAIVE BAYES DALAM MEMPREDIKSI TINGKAT PENYEBARAN HANTAVIRUS

DOI:
https://doi.org/10.2238/f831bd16
Submitted
July 4, 2026
Published
2026-07-04

Abstract

Hantavirus merupakan patogen zoonosis berbahaya dari famili Bunyaviridae yang ditularkan melalui kontak dengan hewan pengerat terinfeksi, dengan angka kematian akibat Hantavirus Pulmonary Syndrome (HPS) mencapai 30–40%. Penelitian ini mengimplementasikan metode Gaussian Naive Bayes untuk memprediksi tingkat penyebaran hantavirus yang dikategorikan menjadi dua kelas (Tinggi dan Rendah) menggunakan dataset dari Kaggle yang memuat 2.000 rekaman kasus dengan 19 atribut klinis dan lingkungan. Tahapan penelitian mencakup: (1) pelabelan data berbasis aturan (rule-based labeling) menggunakan tiga indikator epidemiologi (hospitalization, quarantine_days, rodent_presence_index); (2) penanganan 155 data kosong pada atribut recovery_days menggunakan imputasi median (27 hari); (3) pengeluaran ketiga indikator pelabelan tersebut dari himpunan fitur prediktor untuk mencegah data leakage, menyisakan 11 atribut aktif (6 numerik + 5 kategorikal); (4) transformasi Label Encoding pada lima atribut kategorikal; (5) pembagian data 80:20 dengan stratified sampling; (6) penyeimbangan kelas melalui Random Oversampling; dan (7) validasi dengan 5-fold stratified cross-validation. Hasil evaluasi pada 400 data uji menunjukkan akurasi 79,50%, presisi 81,41%, recall 79,50%, dan F1-score 80,06%. Recall kelas Tinggi mencapai 76,92% (90 dari 117 kasus Tinggi terdeteksi, 27 terlewat). Validasi 5-fold cross-validation menghasilkan akurasi rata-rata 72,65% ±2,34%. Analisis permutation importance mengidentifikasi population_density (+0,2017) dan fatality (+0,0373) sebagai fitur paling berpengaruh setelah koreksi data leakage, konsisten dengan prinsip epidemiologi hantavirus.

References

  1. [1] Rayuwati, H. Gemasih, dan I. Nizar, "Implementasi Algoritma Naive Bayes untuk Memprediksi Tingkat Penyebaran Covid-19," Jurnal Riset Rumpun Ilmu Teknik, vol. 1, no. 1, hal. 38–46, 2022.
  2. [2] M. Bari, S. H. Sitorus, dan U. Ristian, "Implementasi Metode Naïve Bayes pada Aplikasi Prediksi Penyebaran Wabah Penyakit ISPA (Studi Kasus: Wilayah Kota Pontianak)," Jurnal Informatika, vol. 6, no. 3, hal. 205–214, 2018.
  3. [3] N. S. Assadah, I. Sendow, dan N. Dharmayanti, "Hantavirus: Structure, Mechanism of Transmission of Disease, Development of Drugs and Vaccines, and Prevention in Indonesia," WARTAZOA Indonesian Bull. Anim. Vet. Sci., vol. 30, no. 2, hal. 71–78, Jun. 2020.
  4. [4] N. Yusri dan T. Tahir, "Analisis Prediksi Tingkat Penyebaran COVID-19 di Sulawesi Selatan Menggunakan Teknik Data Mining Naive Bayes," Journal of Embedded Systems, Security and Intelligent Systems, vol. 2, no. 2, hal. 55–62, 2021.
  5. [5] E. Mutiara, "Algoritma Klasifikasi Naive Bayes Berbasis Particle Swarm Optimization untuk Prediksi Penyakit Tuberculosis (TB)," Swabumi, vol. 8, no. 1, hal. 46–58, 2020.
  6. [6] E. Nurlia, M. Jajuli, dan I. Purnamasari, "Penerapan Naïve Bayes untuk Klasifikasi Tingkat Risiko Diagnosis Gigi di UPTD Puskesmas Cingambul," JIKO (Jurnal Informatika dan Komputer), vol. 4, no. 2, hal. 127–132, 2021.
  7. [7] N. S. Rahmi, N. W. S. Wardhani, M. B. Mitakda, dan I. Salsabila, "SMOTE Classification and Random Oversampling Naive Bayes in Imbalanced Data: Case Study of Early Detection of Cervical Cancer in Indonesia," dalam Prosiding IEEE 7th International Conference on Information Technology and Digital Applications (ICITDA), 2022, hal. 1–6.
  8. [8] I. M. Adnyana, B. Utomo, D. Eljatin, dan N. L. G. Sudaryati, "One Health Approach and Zoonotic Diseases in Indonesia: Urgency of Implementation and Challenges," Narra J., vol. 3, no. 3, Art. no. e257, Nov. 2023.
  9. [9] Deepesh Kansotia, Hantavirus Transmission and Risk Dataset, Kaggle Dataset, 2024. Tersedia: https://www.kaggle.com/datasets/deepeshkansotia/hantavirus-transmission-and-risk-dataset [Diakses: Jun. 2024].
  10. [10] N. Liliana, H. Maulana, dan A. Setiawan, "Data Mining untuk Prediksi Status Pasien Covid-19 dengan Pengklasifikasi Naïve Bayes," Jurnal Multinetics, vol. 7, no. 1, hal. 48–53, 2021.
  11. [11] R. G. Wardhana, G. Wang, dan F. Sibuea, "Penerapan Machine Learning dalam Prediksi Tingkat Kasus Penyakit di Indonesia," Journal of Information System Management, vol. 5, no. 1, hal. 40–45, 2023.
  12. [12] P. R. Sihombing dan I. F. Yuliati, "Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia," MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 20, no. 2, hal. 417–426, 2021.
  13. [13] F. Pedregosa et al., "Scikit-learn: Machine Learning in Python," Journal of Machine Learning Research, vol. 12, hal. 2825–2830, 2011.
  14. [14] A. Ridwan, "Penerapan Algoritma Naïve Bayes untuk Klasifikasi Penyakit Diabetes Mellitus," Jurnal Informatika, vol. 7, no. 1, hal. 12–19, 2020.
  15. [15] A. A. Alimun, H. Harlinda, dan H. Azis, "Klasifikasi Sampah Menggunakan Metode Naive Bayes," LINIER: Literatur Informatika dan Komputer, vol. 2, no. 3, hal. 459–466, 2025.
  16. [16] D. Normawati dan S. A. Prayogi, "Implementasi Naive Bayes dan Confusion Matrix pada Sistem Klasifikasi Berbasis Teks," Jurnal Sains Komputer dan Informatika (J-SAKTI), vol. 5, no. 2, hal. 697–706, 2021.
  17. [17] F. Taufik, D. Nofriansyah, K. Erwansyah, dan L. Zulfahmi, "Penerapan Metode Naive Bayes untuk Penentuan Klasifikasi Penyakit ISPA," Digitech, vol. 3, no. 2, hal. 201–215, 2023.
  18. [18] T. D. R. Jati, S. Baco, dan N. P. Husain, "Penerapan Algoritma Naïve Bayes Pada Analisis Sentimen Pengguna Game Mobile Legends Di Google Play Store," Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 2, no. 1, hal. 208–214, 2025.

Similar Articles

1-10 of 356

You may also start an advanced similarity search for this article.