Klasifikasi Penyakit Kelamin Pada Wanita Dengan Menggunakan Kombinasi Metode K-Nearest Neighbor Dan Naive Bayes Classifier

Abstrak

Penyakit kelamin atau Infeksi Menular Seksual hingga sampai kini masih menjadi permasalahan dalam bidang kesehatan diseluruh negara maju maupun berkembang. Seorang pakar menyatakan bahwa masalah kesehatan yang ditimbulkan dari penyakit kelamin lebih tinggi pada wanita. Gejala yang dialami memiliki kemiripan antara penyakit kelamin satu dengan penyakit kelamin lainnya. Kurangnya pengetahuan yang dimiliki penderita dapat mengakibatkan penyakit kelamin semakin parah. Oleh karena itu, demi menurunkan tingkat kekeliruan saat melakukan pemeriksaan diri sendiri, perlu dilakukan penelitian guna mengklasifikasi penyakit kelamin wanita untuk mengetahui jenis penyakit yang menginfeksi. Berbagai metode dapat digunakan dalam klasifikasi, diantaranya dengan menggunakan metode K-Nearest Neighbor (KNN) dan Naive Bayes Classifier. Penggabungan dari kedua metode ini memiliki kelebihan yaitu tidak perlu dilakukan diskritisasi pada variabel yang memiliki sifat kontinyu. Sehingga dalam penelitian ini metode KNN dan Naive Bayes Classifier akan dikombinasikan untuk mengklasifikasi penyakit kelamin khususnya pada wanita karena kedua metode ini memiliki tingkat akurasi terhadap pembelajaran suatu penyakit yang cukup tinggi sehingga diharapkan dapat memprediksi probabilitas yang ada berdasarkan data testing. Pada penelitian ini uji akurasi dari kombinasi metode K-Nearest Neighbor dan Naive Bayes Classifier sebesar 97.5% dengan menggunakan average accuracy dan sebesar 99.17% dengan menggunakan confusion matrix pada jumlah ketetanggaan terdekat sebanyak K=5.