Penyakit Demam berdarah termasuk penyakit yang mewabah di suatu daerah setiap tahunnya. Penyakit ini disebabkan oleh virus dengue yang dibawa oleh nyamuk Aedes Aegypti dan Aedes Albocpictus. Di beberapa negara tropis, kasus penyakit demam berdarah masih tergolong cukup tinggi, salah satunya di Indonesia. Salah satu kota di Indonesia dengan kasus penyakit DBD yang cukup tinggi adalah kota Bandung. Informasi tentang status tinggi rendahnya jumlah kasus suatu daerah, agar dapat diketahui oleh masyarakat dengan tepat dan akurat, maka diperlukan informasi tentang klasifikasi penyebaran jumlah kasus penyakit DBD pada setiap wilayah di suatu kota. Agar informasi klasifikasi jumlah kasus DBD dapat digunakan untuk membantu pemerintah dalam melakukan pencegahan meluasnya penyebaran jumlah kasus, diperlukan penggunaan metode klasifikasi yang tepat, dengan akurasi yang cukup tinggi. Dalam penelitian ini, metode klasifikasi yang digunakan adalah kombinasi metode Naïve Bayes, K-Nearest Neighbor (KNN), dan Artificial Neural Network (ANN), dengan harapan dapat dibangun model prediksi klasifikasi demam berdarah. Data yang digunakan dalam penelitian ini adalah dataset jumlah kasus penyebaran penyakit demam berdarah dengue di Kota Bandung pada periode 2012-2018. Hasil performa yang diperoleh dengan menggunakan metode Naïve Bayes, K-Nearest Neighbor, Artificial Neural Network, berturut-turut sebesar 74%, 78%, 86%, untuk meningkatkan akurasi dari hasil klasifikasi ketiga metode tersebut, dilakukan hibridisasi dari ketiganya. Hasil hybrid classifier dengan metode voting, ternyata dapat meningkatkan akurasi menjadi 90%.