PERBANDINGAN METODE NAÏVE BAYES DAN RANDOM FOREST PADA DETEKSI PENYAKIT STROKE MENGGUNAKAN TEKNIK SMOTE (Synthetic Minority Over-sampling Technique) 

COMPARISON OF NAÏVE BAYES AND RANDOM FOREST METHODS ON STROKE DETECTION USING SMOTE TECHNIQUE (Synthetic Minority Over-sampling Technique)

 Stroke disebabkan karena kurangnya pasokan darah ke otak dan terjadinya penyumbatan di dalam otak atau terjadinya pecahnya pembuluh darah di dalam otak. Selain memiliki dampak kesehatan personal, stroke juga membebani negara Indonesia dalam pembiayaan kesehatan dan masih menjadi faktor penyebab kematian terbesar di indonesai maupun di dunia. Dengan pesatnya perkembangan teknologi dan adanya model sistem deteksi penyakit stroke diharapkan dapat berkontribusi secara signifikan terhadap pencegahan dan perawatan penyakit stroke secara dini. Oleh karena itu penelitian ini dilakukan dengan menggunkan metode naïve bayes dan random forest. Hal ini untuk membandingkan kinerja kedua metode yang digunakan dalam penelitian ini dan juga pada penelitian ini juga menerapkan teknik SMOTE dikarenakan ditemukannya imbalance class dalam dataset yang digunakan. Setelah melalui proses tahapan alur system yang sudah ditentukan dan dapat disimpulkan bahwa metoe random forest lebih optimal daripada metode naïve bayes dalam deteksi penyakit stroke yang menggunakan dataset pada penelitian ini. Meskipun terjadi penurunan score yang tidak signifikan pada aspek accuration pada confusion matrix akan tetapi terjadi kenaikan kinerja yang signifikan pada aspek precission, recall  dan f1 score 

Stroke is caused by a lack of blood supply to the brain and a blockage in the brain or a rupture of a blood vessel in the brain. In addition to having an impact on personal health, stroke also burdens the Indonesian state in health financing and is still the biggest cause of death in Indonesia and in the world. With the rapid development of technology and the existence of a stroke detection system model, it is hoped that it can contribute significantly to the early prevention and treatment of stroke. Therefore this research was conducted using the naïve Bayes and random forest methods. This is to compare the performance of the two methods used in this study and this study also applies the SMOTE technique due to the discovery of an imbalance class in the dataset used. After going through the stages of the system flow process that has been determined and it can be concluded that the random forest method is more optimal than the Naïve Bayes method in detecting stroke using the dataset in this study. Even though there was an insignificant decrease in the score on the accuracy aspect of the confusion matrix, there was a significant increase in performance on the aspects of precision, recall and f1 score.