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.
