PREDIKSI PENYAKIT TUBERKULOSIS MENGGUNAKAN METODE NAIVE BAYES DI RUMAH SAKIT UMUM DAERAH DR. MOEWARDI SURAKARTA TAHUN 2025

Tuberculosis (TB paru) merupakan penyakit infeksi menular yang masih menjadi salah satu masalah kesehatan utama di Indonesia. Tingginya angka kejadian TB paru menuntut adanya upaya deteksi dini yang cepat dan akurat untuk mendukung penegakan diagnosis serta menekan risiko penularan. Data rekam medis elektronik yang tersimpan di rumah sakit memiliki potensi besar untuk dimanfaatkan dalam proses analisis dan prediksi penyakit. Namun, pemanfaatan data rekam medis sebagai dasar pengembangan model prediksi TB paru masih belum optimal. Oleh karena itu, diperlukan penerapan metode data mining yang mampu mengolah data rekam medis menjadi informasi yang mendukung pengambilan keputusan klinis.

Penelitian ini bertujuan untuk mengetahui karakteristik pasien tuberculosis, menerapkan metode Naïve Bayes dalam memprediksi penyakit tuberculosis berdasarkan data rekam medis, mengidentifikasi variabel yang paling berpengaruh terhadap prediksi, serta mengevaluasi kemampuan model menggunakan nilai Accuracy, Precision, Recall, F1-Score, dan Area Under Curve (AUC). Penelitian menggunakan metode deskriptif kuantitatif dengan pendekatan retrospektif. Data yang digunakan merupakan data sekunder rekam medis pasien tuberkulosis rawat jalan di RSUD Dr. Moewardi Surakarta tahun 2025 sebanyak 471 data pasien. Variabel penelitian meliputi usia, jenis kelamin, batuk, demam, penurunan berat badan, keringat malam, dan sesak napas. Pengolahan data dilakukan menggunakan perangkat lunak Orange Data Mining dengan algoritma Naïve Bayes.

Hasil penelitian menunjukkan bahwa mayoritas pasien berjenis kelamin laki-laki sebanyak 269 pasien (57,1persen) dengan rata-rata usia 44 tahun. Berdasarkan hasil visualisasi Nomogram, variabel yang paling berpengaruh terhadap prediksi TB paru berturut-turut adalah batuk, sesak napas, penurunan berat badan, keringat malam, dan demam. Hasil evaluasi model menunjukkan nilai Accuracy sebesar 99,47persen, Precision 100persen, Recall 99,47persen, F1-Score 99,73persen, serta AUC sebesar 1,000, sehingga menunjukkan bahwa algoritma Naïve Bayes memiliki kemampuan klasifikasi yang sangat baik dalam memprediksi penyakit tuberkulosis.

Berdasarkan hasil penelitian dapat disimpulkan bahwa metode Naïve Bayes mampu menghasilkan model prediksi penyakit tuberkulosis dengan tingkat akurasi yang sangat tinggi sehingga berpotensi menjadi alat bantu dalam mendukung deteksi dini dan pengambilan keputusan di fasilitas pelayanan kesehatan. Disarankan kepada RSUD Dr. Moewardi Surakarta untuk melakukan sekrining dini sebagai sumber informasi dalam pengembangan sistem prediksi penyakit tuberkulosis. Peneliti selanjutnya disarankan menggunakan jumlah data yang lebih besar, menambahkan variabel yang berkaitan dengan faktor risiko tuberkulosis, serta membandingkan algoritma klasifikasi lain untuk memperoleh model prediksi yang lebih optimal.