DISKRITISASI EQUAL-WIDTH INTERVAL PADA NAÏVE BAYES (STUDI KASUS: KLASIFIKASI PASIEN TBC) EQUAL-WIDTH INTERVAL DISCRETIZATION IN NAÏVE BAYES (CASE STUDY: CLASSIFICATION TBC PATIENTS) Hariyani a , Sugiyarto Surono b Program Studi Matematika FAST UAD Jl. Ringroad Selatan, Tamanan, Banguntapan, Bantul, Yogyakarta a hariyani893@gmail.com, b sugiyartophd@gmail.com ABSTRAK Klasifikasi Naive Bayes merupakan teknik untuk memprediksi probabilitas keanggotaan suatu kelas dengan menerapkan teorema Bayes. Klasifikasi Naive Bayes akan lebih baik jika menggunakan data yang berbentuk kategorik, sehingga dalam penelitian ini digunakan diskritisasi equal-width interval pada Naive Bayes untuk mengubah data yang berbentuk numerik menjadi kategorik. Tujuan dari penelitian ini adalah untuk menerapkan metode Naive Bayes dengan diskritisasi equal-width interval dalam mengklasifikasi pasien TBC di Puskesmas Sewon 1. Hasil penelitian ini menunjukkan akurasi sebesar 100% dengan perbandingan data training dan data testing sebesar 80%:20% dan 90%:10%, sehingga klasifikasi Naive Bayes dapat dikategorikan baik dalam mengklasifikasi pasien TBC. Kata Kunci : diskritisasi, equal-width interval, klasifikasi, Naïve Bayes, TBC ABSTRACT The Naive Bayes classification is a technique for predicting the probability of class membership by applying the Bayes theorem. The Naive Bayes classification will be better if it uses categorical data, so in this study the Naive Bayes equal-width interval discretization is used to convert numeric data into categorical data. The purpose of this study was to apply the Naive Bayes method with equal-width interval discretization in classifying TB patients at the Sewon 1 Public Health Center. The results of this study showed an accuracy of 100% with a comparison of training data and testing data of 80%: 20% and 90%: 10%, so that the classification of Naive Bayes can be categorized as good in classifying TB patients. Keywords : discretization, equal-width interval, classification, Naïve Bayes, TB Pendahuluan Data mining merupakan proses ataupun kegiatan untuk mengumpulkan data yang berukuran besar kemudian mengekstraksi data tersebut menjadi informasi – informasi yang nantinya dapat digunakan (Saleh, 2015). Data mining mengacu pada penggalian atau penemuan pengetahuan yaitu proses menemukan pola yang menarik dalam kumpulan data besar untuk menemukan informasi pengambilan keputusan yang berguna. Kumpulan data P-ISSN: 2088-687X / E-ISSN: 2656-7040 91 45 AdMathEdu | Vol.10 No.2 | Desember 2020 Diskritisasi...(Hariyani) 45