Klasifikasi diagnosa penyakit Demam Berdarah Dengue menggunakan metode Hybrid Naive Bayes-K Nearest Neighbor

Demam Berdarah Dengue (DBD) adalah salah satu penyakit serius yang menular melalui gigitan nyamuk Aedes aegypti dan Aedes albopictus. Jumlah kasus demam berdarah yang semakin meningkat merupakan salah satu ancaman serius dalam sepuluh tahun terakhir yang akan terus berlanjut di wilayah tropis termasuk Indonesia. Indonesia termasuk negara tropis dengan jumlah kasus demam berdarah yang terbilang banyak dan terus mengalami peningkatan. World Health Organization (WHO) mencatat negara indonesia merupakan salah satu negara dengan kasus DBD tertinggi di Asia Tenggara. Pada penelitian ini akan digunakan metode classifier baru yang menggabungkan algoritma berbasis jarak K-Nearest Neighbor dan Naive Bayes Classifier berbasis statistik. Proses
klasifikasi yang digunakan adalah menggunakan metode hybrid Naive-K Nearest Neighbor . Sistem klasifikasi yang dibuat menghasilkan nilai akurasi, sensitivitas, dan spesifitas masing-masing, 95.4%, 96.2%, dan 94.4% dengan nilai K pada K-Nearest Neighbor=3 dan k-fold=10. Dalam penelitian ini dapat dibuktikan bahwa gabungan dari kedua metode tersebut menghasilkan peforma yang baik.