Penyakit Ginjal Kronik (PGK) merupakan salah satu penyakit kronis yang membutuhkan deteksi dini untuk penanganan yang tepat, karena seringkali Penyakit Ginjal Kronik (PGK) tidak terdeteksi hingga stadium lanjut karena gejala awal yang tidak spesifik. Keterlambatan diagnosis ini berakibat pada penanganan yang lebih sulit dan prognosis yang buruk. Oleh karena itu, pengetahuan mengenai kasus penyakit ginjal kronik sangat penting untuk memungkinkan penanganan awal yang dapat dicapai dengan menerapkan teknik klasifikasi. Namun, tantangan utama dalam klasifikasi penyakit ini adalah ketidakseimbangan data, di mana jumlah data pada kelas minoritas jauh lebih sedikit dibanding kelas mayoritas. Metode Naïve Bayes  dipilih karena kesederhanaan dan efisiensinya dalam pengklasifikasian. Penelitian ini bertujuan untuk mengevaluasi kinerja metode klasifikasi Naïve Bayes  pada dataset penyakit ginjal kronik dengan dan tanpa penggunaan metode Oversampling Synthetic Minority Oversampling Technique (SMOTE) beserta variannya. Proses penelitian meliputi tahap preprocessing, pembagian data menggunakan split 80:20 serta evaluasi dengan metrik akurasi, presisi, recall, dan AUC. Hasil pengujian menunjukkan bahwa penggunaan varian SMOTE mampu meningkatkan performa klasifikasi dibandingkan dengan tanpa SMOTE. Varian seperti Supervised-SMOTE, Assembled-SMOTE, dan SMOTE Lee  yang mencapai akurasi hingga 0,9875 dan AUC di atas 0,98.

Kata Kunci: Penyakit Ginjal Kronik, SMOTE, Varian SMOTE, Naïve Bayes , Ketidakseimbangan Data