COVID-19 (Corona Virus Desease 2019) merupakan penyakit menular yang menyerang saluran pernafasan atas yang disebabkan oleh virus corona dan ditetapkan sebagai pandemi global oleh World Health Organisation (WHO) pada 11 Maret 2020. Salah satu gejala yang ditimbulkan dari penyakit COVID-19 adalah batuk dan sesak nafas. Suara batuk yang dikeluarkan manusia beragam tergantung dari penyakit yang dideritanya, hal ini dikarenakan efek yang ditimbulkan penyakit terhadap saluran pernapasan manusia juga berbagai macam. Data masalah pernapasan seperti data suara batuk inilah yang kemudian dapat diproses dengan algoritma machine learning untuk mendiagnosa penyakit saluran pernafasan, termasuk penyakit COVID-19.  Oleh karenanya peneliti mengusulkan penelitian untuk membandingkan metode klasifikasi Support Vector Machine, Random Forest dan Naïve Bayes dengan menggunakan dataset spektogram audio batuk COVID-19. Hasil evaluasi kinerja AUC dari masing-masing klasifikasi meliputi: Support Vector Machine dengan kernel radial basis function menghasilkan 0,5413 AUC, Support Vector Machine dengan kernel polynomial menghasilkan 0,5269 AUC, Support Vector Machine dengan kernel linear menghasilkan 0,5086 AUC, Random Forest menghasilkan 0,5545, serta Naïve Bayes menghasilkan 0,5807 AUC.

Kata Kunci : COVID-19, Naïve Bayes, Random Forest, Support Vector Machine, Suara Batuk