Implementasi Analisa Penyakit Jantung Menggunakan Naïve Bayes

Penyakit jantung adalah suatu penyebab utama kematian di dunia. Deteksi dini dapat membantu mengurangi angka mortalitas yang tinggi akibat penyakit ini. Dalam penelitian ini, algoritma Naive Bayes digunakan untuk menganalisis data medis dan memprediksi kemungkinan penyakit jantung. Dataset yag digunakan adalah Cleveland Heart Disease Dataset, yang berisi fitur-fitur medis penting. Hasil menunjukkan bahwa model Naive bayes mampu mencapai akurasi prediksi hingga 81%, menjadi metode yang efektif untuk analisa penyakit jantung. Kata Kunci: Penyakit Jantung, Naive Bayes, Data Mining, Prediksi, analisa Data  Heart disease is a leading cause of death in the world. Early detection can help reduce the high mortality rate due to this disease. In this study, the Naive Bayes algorithm was used to analyze medical data and predict the likelihood of heart disease. The dataset used is the Cleveland Heart Disease Dataset, which contains important medical features. The results show that the Naive Bayes model is able to achieve prediction accuracy of up to 81%, becoming an effective method for analyzing heart disease.  Keywords: Heart Disease, Naïve Bayes, Data Mining, Prediction, Data Analysis