PREDIKSI RISIKO KEJADIAN LUAR BIASA (KLB) DIARE MENGGUNAKANALGORITMA NAÏVE BAYES BERBASIS MACHINE LEARNING DI KOTA SUBULUSSALAM

Abstract

Kejadian Luar Biasa (KLB) diare masih menjadi tantangan serius bagi sektor kesehatan, khususnya di daerah dengan akses sanitasi dan air bersih yang terbatas seperti Kota Subulussalam. Penyakit ini tidak hanya berdampak pada kesehatan masyarakat, tetapi juga pada stabilitas sosial dan ekonomi. Penelitian ini bertujuan untuk memprediksi risiko terjadinya KLB diare dengan menerapkan algoritma Naïve Bayes berbasis machine learning sebagai upaya deteksi dini yang lebih efektif dan data-driven. Data yang digunakan bersumber dari laporan kasus diare Dinas Kesehatan Kota Subulussalam, yang mencakup variabel lingkungan, cuaca, kepadatan penduduk, dan faktor kebersihan. Data tersebut diolah melalui proses pra-pemrosesan, kemudian dilatih menggunakan algoritma Naïve Bayes untuk mengklasifikasikan tingkat risiko KLB diare (rendah, sedang, tinggi).Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu memberikan tingkat akurasi prediksi yang tinggi serta interpretasi probabilistik yang mudah dipahami oleh tenaga kesehatan. Model ini terbukti membantu mempercepat identifikasi wilayah berisiko sehingga intervensi pencegahan dapat dilakukan lebih cepat dan tepat sasaran. Secara keseluruhan, penelitian ini menunjukkan bahwa penerapan metode machine learning, khususnya Naïve Bayes, memiliki potensi besar dalam mendukung sistem kewaspadaan dini penyakit menular seperti diare. Dengan pendekatan berbasis data, pemerintah daerah dapat mengambil keputusan yang lebih cerdas dan proaktif dalam menekan risiko KLB di masa mendatang.