Analisis Perbandingan Algoritma Random Forest dan Algoritma Naive Bayes untuk Memprediksi Penyakit Paru-Paru di Indonesia
DOI:
https://doi.org/10.61132/saturnus.v3i3.956Keywords:
Data Mining, Random Forest, Naive Bayes, Lung DiseaseAbstract
Lungs are vital organs in the human respiratory system, responsible for fulfilling the body's oxygen needs. If the lungs experience health problems, it can have adverse effects on the human respiratory system. Common causes of lung diseases are usually due to inhaling air contaminated by dust, smoke, viruses, and bacteria. This study aims to compare the performance of two classification algorithms, namely Random Forest and Naive Bayes, in predicting lung diseases. The data used was obtained from the Kaggle website and processed using RapidMiner software. The attributes involved include smoking habits, pre-existing conditions, staying up late, exercise activities, age, and outcomes. Based on the test results, the Random Forest algorithm demonstrated the best performance with an accuracy of 93%, while the Naive Bayes algorithm achieved an accuracy of 87%. These findings indicate that the Random Forest algorithm outperforms the Naive Bayes algorithm in terms of lung disease prediction accuracy.
References
Abdul Khalim, K., Hayati, U., & Bahtiar, A. (2023). Perbandingan prediksi penyakit hipertensi menggunakan metode random forest dan Naïve Bayes. Jurnal Mahasiswa Teknik Informatika, 7(1). https://garuda.kemdikbud.go.id/documents/detail/3374524
Buana, I., & Harahap, D. A. (2022). Asbestos, radon dan polusi udara sebagai faktor risiko kanker paru pada perempuan bukan perokok. AVERROUS: Jurnal Kedokteran dan Kesehatan Malikussaleh, 8(1). https://ojs.unimal.ac.id/averrous/article/view/7088/0
Ernawati, A., Sitorus, Z., Iqbal, M., & Nasution, D. (2025). Penerapan data mining untuk klasifikasi penduduk miskin di Kabupaten Labuhanbatu menggunakan Random Forest dan K Nearest Neighbors. Bulletin of Information Technology (BIT), 6, 23–35. https://doi.org/10.47065/bit.v5i2.1783
Fajri, T. I., Sari, H. L., Dinata, R. K., Hasdyna, N., Hasugian, B. S., Retno, S., Wahyuni, S., Fadhilah, C., & Pohan, N. (2024). Data Mining (J. Prayoga, Ed.; Pertama). PT Serasi Media Teknologi. https://books.google.co.id/books?id=YykdEQAAQBAJ&printsec=copyright&hl=id
Haffandi, M. Y., Haerani, E., Syafria, F., & Oktavia, L. (2022). Klasifikasi penyakit paru paru dengan menggunakan metode Naïve Bayes classifier. Jurnal Teknik Informasi dan Komputer (Tekinkom), 5(2), 176. https://doi.org/10.37600/tekinkom.v5i2.649
Hidayat, M. T., Suarna, N., & Rahaningsih, N. (2023). Implementasi algoritma Naïve Bayes untuk prediksi persediaan barang PT Dilmoni Citra Mebel Indonesia. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 693–699.
Junaidi, S., Beno, I. S., Farkhan, M., Supartha, I. K. D. G., Pasaribu, A. A., Kmurawak, R. M., Supriyanto, S., Sroyer, A. M., Reba, F., Fitriyanto, R., Syafiqoh, U., & Rizal, A. A. (2024). Buku Ajar Machine Learning (Efitra, Ed.; Pertama). PT Sonpedia Publishing Indonesia. https://www.google.co.id/books/edition/Buku_Ajar_Machine_Learning/ACT2EAAAQBAJ
Karima, R. A., & Fatah, Z. (2024). Implementasi metode K Nearest Neighbor untuk klasifikasi penyakit paru paru pada anak. Jurnal Ilmiah Multidisiplin Ilmu, 1(6), 10–17.
Khoirudin. (2024). Klasifikasi penyakit jantung menggunakan perbandingan algoritma Decision Tree dan Naïve Bayes. Kopertip: Jurnal Ilmiah Manajemen Informatika dan Komputer, 8(1), 19–25. https://doi.org/10.32485/kopertip.v8i1.351
Pambudi, R., Rahman Harahap, A., Saputra, F. D., & Jusub, M. (2024). Klasifikasi penyakit paru paru menggunakan metode Decision Tree. Oktal: Jurnal Ilmu Komputer dan Science, 3, 2397–2398. https://journal.mediapublikasi.id/index.php/oktal
Pratama, E. A., Hellyana, C. M., & Fadlilah, N. I. (2022). Perbandingan 3 algoritma klasifikasi data mining dalam pro kontra bahaya rokok elektrik. Jurnal Teknoinfo, 16(1), 93.
Rasyid, N., Nawaf, T. B., Nuraminah, A., & Pulungan, M. P. (2022). Sistem pakar untuk diagnosa penyakit paru paru menggunakan metode Certainty Factor. Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer, 2(1), 18–21.
Ritonga, M. J., Khoirudin, & Albahi, M. (2025). Akad dalam transaksi keuangan syariah. Al Kharaj: Jurnal Ekonomi Keuangan & Bisnis Syariah, 7, 2282. https://doi.org/10.47467/alkharaj.v7i6.8065
Salman, H. A., Kalakech, A., & Steiti, A. (2024). Random Forest algorithm overview. Babylonian Journal of Machine Learning, 69–79. https://doi.org/10.58496/BJML/2024/007
Sirojul Munir, A., Saputra, A. B., Aziz, A., Agung Barata, M., Yani, A., 10, N., & Bojonegoro, K. (2024). Perbandingan akurasi algoritma Naïve Bayes dan algoritma Decision Tree dalam pengklasifikasian penyakit kanker payudara.
Sugiharto, S., Putri, R. A., Simanjuntak, S., & Larissa, O. (2021). Seminar Nasional Hasil Penelitian dan Pengabdian Kepada Masyarakat 2021: Pengembangan Ekonomi Bangsa melalui Inovasi Digital. Jakarta.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Saturnus : Jurnal Teknologi dan Sistem Informasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
