Evaluasi Optimasi Hyperparameter Gaussian Naïve Bayes Menggunakan Algoritma Genetika untuk Klasifikasi Penyakit Hati
DOI:
https://doi.org/10.33633/joins.v11i2.17705Kata Kunci:
gaussian naïve bayes, genetic algorithm, klasifikasi, penyakit hati, ilpdAbstrak
Hati memerlukan deteksi dini untuk mendukung penanganan yang tepat. Penelitian ini bertujuan mengevaluasi pengaruh optimasi hyperparameter menggunakan Genetic Algorithm (GA) terhadap performa Gaussian Naïve Bayes (GNB) dalam klasifikasi penyakit hati. Dataset yang digunakan adalah Indian Liver Patient Dataset (ILPD) dari UCI Machine Learning Repository, yang terdiri atas 570 sampel setelah prapemrosesan. Optimasi dilakukan terhadap parameter var_smoothing dalam rentang hingga dengan accuracy sebagai fungsi fitness. GA menggunakan populasi 10 individu dan lima generasi, sedangkan evaluasi model dilakukan menggunakan 10-fold cross-validation. Hasil evaluasi menunjukkan bahwa GNB tanpa optimasi memperoleh rata-rata accuracy sebesar 56,14%, precision sebesar 96,60%, recall sebesar 39,93%, dan F1-score sebesar 56,04%. Setelah optimasi GA, rata-rata accuracy meningkat menjadi 56,32%, precision tetap 96,60%, recall menjadi 40,18%, dan F1-score menjadi 56,31%. Peningkatan tersebut relatif kecil, sedangkan tingginya jumlah false negative menunjukkan keterbatasan model dalam mengidentifikasi sampel penyakit hati. Hasil penelitian menunjukkan bahwa GA tidak meningkatkan performa GNB secara berarti pada konfigurasi dan rentang pencarian yang dievaluasi.Referensi
F. L. D. Cahyanti, F. Sarasati, W. Astuti, dan E. Firasari, “Klasifikasi Data Mining Dengan Algoritma Machine Larning Untuk Prediksi Penyakit Liver,” Technol. J. Ilm., vol. 14, no. 2, hal. 134, 2023, doi: 10.31602/tji.v14i2.10093.
E. Dritsas dan M. Trigka, “Supervised Machine Learning Models for Liver Disease Risk Prediction,” Computers, vol. 12, no. 1, hal. 19, 2023, doi: https://doi.org/10.3390/computers12010019.
I. Irmawati, K. Widianto, F. Aziz, A. Rifai, dan A. Rahmawati, “Implementasi Artificial Neural Network Dalam Mendeteksi Penyakit Hati (Liver),” J. Inf. Syst. Applied, Manag. Account. Res., vol. 6, no. 1, hal. 193–198, 2022, doi: 10.52362/jisamar.v6i1.694.
M. Putri dan Erlin, “Prediksi Penyakit Stroke Menggunakan Machine Learning Dengan Algoritma Random Forest,” J. Infomedia Tek. Inform., vol. 9, no. 2, 2024, doi: http://dx.doi.org/10.30811/jim.v9i1.5199.
M. A. Prasetyo, A. K. Zyen, dan R. H. Kusumodestoni, “Optimasi Algoritma Naive Bayes Berbasis Kernel Untuk Klasifikasi Penyakit Hati,” J. Inform. Teknol. dan Sains, vol. 6, no. 3, hal. 748–756, 2024, doi: https://doi.org/10.51401/jinteks.v6i3.4783.
I. R. Hikmah dan R. N. Yasa, “Perbandingan Hasil Prediksi Diagnosis pada Indian Liver Patient Dataset (ILPD) dengan Teknik Supervised Learning Menggunakan Software Orange,” J. Telemat., vol. 16, no. 2, hal. 69–76, 2022, doi: 10.61769/telematika.v16i2.402.
A. I. Lubis, U. Erdiansyah, dan R. Siregar, “Komparasi Akurasi Pada Naïve Bayes Dan Random Forest Dalam Klasifikasi Penyakit Liver,” J. Comput. Eng. Syst. Sci., vol. 7, no. January, hal. 81–89, 2022, doi: https://doi.org/10.24114/cess.v7i1.28888.
A. Nurian dan B. N. Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Google Play Menggunakan Naïve Bayes,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3s1, hal. 829–835, 2023, doi: 10.23960/jitet.v11i3s1.3348.
J. Surbakti, “Implementasi Metode Naïve Bayes Untuk Diagnosa Penyakit Hati,” J. Ilmu Komput. dan Sist. Inf., vol. 5, no. 1, hal. 34–40, 2022, doi: https://doi.org/10.55338/jikomsi.v5i1.243.
S. R. Azizah, R. Herteno, A. Farmadi, D. Kartini, dan I. Budiman, “Kombinasi Seleksi Fitur Berbasis Filter dan Wrapper Menggunakan Naive Bayes pada Klasifikasi Penyakit Jantung,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 6, hal. 1361–1368, 2023, doi: 10.25126/jtiik.2023107467.
J. A. Ilemobayo et al., “Hyperparameter Tuning in Machine Learning: A Comprehensive Review,” J. Eng. Res. Reports, vol. 26, no. 6, hal. 388–395, 2024, doi: 10.9734/jerr/2024/v26i61188.
Lindawati, M. Fadhli, dan A. S. Wardana, “Optimasi Gaussian Naïve Bayes dengan Hyperparameter Tuning dan Univariate Feature Selection dalam Prediksi Cuaca,” J. Pendidik. Inform., vol. 7, no. 2, hal. 237–246, 2023, doi: 10.29408/edumatic.v7i2.21179.
R. Salman, Suprapto, dan Irfandi, “Analisis Pengaruh Probabilitas Crossover Terhadap Kinerja Algoritma Genetika Dalam Optimasi Penjadwalan Matakuliah,” Jurnal Teknoif Teknik Informatika Institut Teknologi Padang, vol. 11, no. 2, hal. 69–74, 2023, doi: 10.21063/jtif.2023.V11.2.69-74.
D. C. P. Buani, “Penerapan Algoritma Naïve Bayes dengan Seleksi Fitur Algoritma Genetika Untuk Prediksi Gagal Jantung,” J. Sains dan Manaj., vol. 9, no. 2, hal. 43–48, 2021, doi: 10.31294/evolusi.v9i2.11141.
B. Ramana dan N. Venkateswarlu, “ILPD (Indian Liver Patient Dataset), UCI Machine Learning Repository,” 2022. doi: 10.24432/C5D02C.
B. Bischl et al., “Hyperparameter optimization : Foundations , algorithms , best practices , and open challenges,” WIREs Data Min. Knowl. Discov., vol. 13, no. 2, hal. 1–43, 2023, doi: 10.1002/widm.1484.
S. Widodo, H. Brawijaya, dan Samudi, “Stratified K-fold cross validation optimation on machine learning for prediction,” J. dan Penelit. Tek. Inform., vol. 6, no. 4, hal. 2407–2414, 2022, doi: 10.33395/sinkron.v7i4.11792.
K. Anggriani, S. A. Zahra, dan A. Susanto, “Enhancing Malware Detection in IoT Networks using Ensemble Learning on IoT-23 Dataset,” J. Tek. Inform. (JUTIF), vol. 6, no. 4, hal. 1985–2000, 2025, doi: 10.52436/1.jutif.2025.6.4.4782.
I. F. Ashari, M. C. Untoro, E. M. Sutowo, D. Salsabila, dan D. A. Zhabiyan, “Hyperparameter Tuning Feature Selection with Genetic Algorithm and Gaussian Naïve Bayes for Diabetes Disease Prediction,” J. Telemat., vol. 17, no. 1, hal. 17–23, 2022, doi: 10.61769/telematika.v17i1.488.
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 JOINS (Journal of Information System)

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Penulis yang menerbitkan artikel di JOINS (Journal of Information System) menyetujui ketentuan berikut:
- Penulis tetap memegang hak cipta dan memberikan hak publikasi pertama kepada JOINS. Karya ini sekaligus dilisensikan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional (CC BY 4.0), yang memungkinkan pihak lain membagikan dan mengadaptasi karya dengan mencantumkan kredit yang layak kepada penulis dan publikasi awal di jurnal ini, menyertakan tautan lisensi, serta menyatakan jika ada perubahan.
- Penulis dapat membuat perjanjian tambahan terpisah untuk distribusi nonekslusif versi terbitan karya ini (misalnya mengunggahnya ke repositori institusi atau menerbitkannya dalam buku), dengan mencantumkan bahwa karya tersebut pertama kali terbit di JOINS.
- Penulis menjamin bahwa naskah ini asli, belum pernah dipublikasikan di tempat lain, tidak sedang ditinjau oleh jurnal lain, dan tidak melanggar hak pihak ketiga. Materi dari sumber lain harus dikutip dengan benar, dan izin harus diperoleh jika diperlukan.
- Penulis boleh mengunggah preprint naskah, tetapi wajib memberi tahu editor saat submission agar proses double-blind review dapat ditangani dengan semestinya.


















