PERBANDINGAN ALGORITME C4.5 DAN NAÏVE BAYES DALAM KLASIFIKASI SEVERE PREEKLAMPSIA MENGGUNAKAN HEMATOLOGI

Abstract

Penelitian ini memfokuskan perbandingan metode klasifikasi Naïve Bayes dan C4.5 dalam mengidentifikasi kasus preeklampsia berdasarkan data hematologi pada dataset Rumah Sakit Bayukarta Karawang 2021-2023. Decision Tree (C4.5) menghasilkan akurasi 75%, sedangkan Naive Bayes 71%, dengan F1-score kelas 1 masing-masing 0.83 dan 0.80. Model C4.5 di-deploy sebagai web sederhana menggunakan Flask dan TailwindCSS untuk prediksi data baru.  Metodologi yang dipakai penelitian ini yaitu KDD (Knowledge Discovery in Database) yang memungkinkan membantu penambangan data yang terstruktur dan terarah dari awal hingga akhir, Saran pengembangan mencakup analisis fitur preeklampsia, peningkatan akurasi, eksplorasi metode pengolahan data, dan penggunaan dataset lebih besar. Melibatkan faktor risiko tambahan dan penerapan ensemble learning juga disarankan. Diharapkan kontribusi penelitian ini dapat meningkatkan pemahaman dan pencegahan preeklampsia serta meningkatkan ketepatan model pada tahap awal kehamilan.