Puskesmas Sukomoro Nganjuk, termasuk dalam fasilitas kesehatan, serta memiliki
kemampuan dalam menangani masalah kesehatan yang di alami masyarakat. Dalam
menghadapi Keluhan pasien dan bentuk tanggung jawab sebagai pelaksana fasilitas kesehatan,
Puskesmas Sukomoro perlu optimalisasi penanganan keluhan pasien agar tidak terjadi antrian.
Dimana pasien datang ke Puskesmas Sukomoro memiliki keluhan yang beragam serta adanya
keterbatasan poli mengakibatkan menambah antrian yang ada oleh sebab itu, pada penelitian
ini diperlukan sebuah cara untuk membantu melakukan klasifikasi penyakit pasien agar dapat
mengurangi jumlah antrian. Dengan menggunakan penerapan teknik data mining diharapkan
dapat membantu dalam memprediksi penanganan keluhan pasien. Algoritma Naive Bayes
dipilih untuk membantu mengklasifikasikan pada pengolahan data suatu penyakit. Data tersebut
akan diolah menggunakan sistem Cross-Industry Standart Process for Data Mining (CRISP-
DM) dengan bantuan tools google colab menjadi data hasil. Berdasarkan hasil penelitian pada
Puskesmas Sukomoro Nganjuk dengan membandingkan algoritma Naive Bayes dan Decision
Tree untuk klasifikasi penyakit, didapatkan kesimpulan bahwa kedua algoritma mampu
melakukan klasifikasi penyakit dengan akurasi yang tinggi. Algoritma Decision Tree
menghasilkan Accuracy 98%, Precision 100%, dan Recall 75%, sedikit lebih baik daripada
Naive Bayes yang menghasilkan Accuracy 97%, Presicion 80%, dan Recall 80%. Meskipun
demikian, kedua algoritma terbukti baik dalam memprediksi dan mengklasifikasikan penyakit
berdasarkan gejala yang dialami oleh pasien Puskesmas Sukomoro. Hasil ini diharapkan dapat
membantu optimalisasi penanganan keluhan pasien sehingga dapat mengurangi antrian di
Puskesmas tersebut. Dengan penerapan data mining khususnya algoritma Naive Bayes dan
Decision Tree, diagnosa penyakit pasien menjadi lebih akurat dan cepat.
Kata Kunci: Data Mining, Puskesmas Sukomoro, Keluhan, Naïve Bayes, Decision Tree C4.5,
Google Colab