Buku ini menyajikan pendekatan ilmiah dan praktis dalam pemanfaatan algoritma Naive Bayes untuk klasifikasi data kesehatan, khususnya dalam mendeteksi risiko diabetes gestasional pada ibu hamil. Disusun secara sistematis dan berbasis studi kasus nyata, buku ini ditujukan bagi mahasiswa, peneliti, praktisi teknologi kesehatan, dan tenaga medis yang ingin memahami penerapan kecerdasan buatan dalam konteks klinis.
Dimulai dengan pengenalan tentang diabetes gestasional sebagai salah satu masalah kesehatan maternal yang signifikan, buku ini membahas pentingnya deteksi dini dan tantangan yang dihadapi dalam lingkungan medis modern. Bab-bab selanjutnya mengupas teori dasar algoritma Naive Bayes, asumsi dasar, cara kerja, serta kelebihan dan keterbatasannya dalam analisis data medis.
Melalui studi kasus berbasis Python dan RapidMiner, pembaca diajak untuk memahami proses klasifikasi mulai dari preprocessing data, pelatihan model, evaluasi performa, hingga penerapannya dalam sistem pendukung keputusan klinis (Clinical Decision Support System). Contoh kasus nyata dan visualisasi data memperkuat pemahaman tentang bagaimana sistem ini bekerja dalam praktik.
Buku ini tidak hanya menyuguhkan sisi teknis, tetapi juga membahas potensi integrasi model ke dalam layanan kesehatan, interpretasi hasil oleh tenaga medis, serta rekomendasi peningkatan layanan berbasis data. Disertai pula pembahasan keterbatasan dan arah pengembangan model di masa depan, buku ini menjadi sumber referensi yang kokoh untuk riset lanjutan maupun implementasi langsung dalam skala klinis.