Penerapan Algoritma Naïve Bayes Pada Klasifikasi Status Gizi Balita di Posyandu Desa Kalitengah
DOI:
https://doi.org/10.61805/fahma.v21i2.16Kata Kunci:
Status Gizi, Klasifikasi, Naïve Bayes, Posyandu Desa KalitengahAbstrak
Diberbagai wilayah Indonesia masalah kekurangan gizi pada balita masih banyak dijumpai. hal ini dikarenakan kurangnya asupan gizi dari makanan dengan kandungan energi dan protein yang cukup. Kurangnya asupan gizi pada balita akan mengakibatkan gangguan pertumbuhan fisik, mental, kecerdasan yang tidak maksimal, dan rentan terhadap penyakit bahkan menyebabkan kematian. Untuk melihat status gizi pada balita dapat dilihat melalui aktivitas fisik dan mental yang baik. Berdasarkan data Posyandu Desa kalitengah tahun 2022 terdapat 40% balita berstatus gizi kurang, 57% gizi baik (normal), 2,85% gizi lebih (obesitas). Berdasarkan data tersebut perlu dilakukan penelitian tentang klasifikasi penentuan status gizi balita agar tidak terjadi peningkatan kasus gizi pada balita. Tujuan penelitian ini adalah memudahkan dalam mendapatkan informasi status gizi balita apakah termasuk kategori gizi kurang, gizi baik(normal), gizi lebih (obesitas), sehingga dapat membantu posyandu dalam melakukan penanganan kasus gizi balita. Penelitian ini akan menggunakan metode Algoritma Naïve Bayes dalam melakukan klasifikasi status balita berdasarkan variabel yang digunakan seperti, jenis kelamin, tinggi badan, berat badan dan status. Data yang digunakan dalam penelitian diperoleh dari posyandu Desa kalitengah melalui observasi dan wawancara. Hasil pengujian menunjukkan bahwa metode Naïve Bayes dapat diimplementasikan pada penentuan status gizi balita terhadap 14 data testing dan memiliki nilai akurasi sebesar 87,33%.
Unduhan
Referensi
Y. Yulmaniati, N. Hurul Ainun, and M. Jailani, “Pemanfaatan Hasil Pangan Lokal Dalam Upaya Pencegahan Stunting di Desa Bandar Baru, Kecamatan Sibolangit, Sumatera Utara,” Reslaj Relig. Educ. Soc. Laa Roiba J., vol. 5, no. 5, pp. 2396–2401, 2022, doi: 10.47467/reslaj.v5i5.2238.
D. Annisha and S. Novayanti, “Pengembangan Handout Stunting Sebagai Upaya Meningkatkan Pemahaman Konsep Mahasiswa Pendidikan Jasmani UNIKI,” J. Paedagogy, vol. 9, no. 4, p. 724, 2022, doi: 10.33394/jp.v9i4.5868.
A. Asmaryadi et al., “Layanan Informasi Dalam Pencegahan Stunting Di Desa Manyabar Jae,” MARPOKAT - J. Pengabdi. Kpd. Masy., vol. 2, no. 1, pp. 34–47, 2023.
C. Christina et al., “Pola Asuh Orangtua Dan Kurangnya Gizi Anak Penyebab Stunting Di Desa Karangduwur, Kalikajar, Wonosobo,” J. Pengabdi. Masy. Madani, vol. 2, no. 2, pp. 188–195, 2022, doi: 10.51805/jpmm.v2i2.88.
D. S. Siagian and N. Nurmaliza, “Keragaman Makanan Terhadap Pertumbuhan Pada Balita Di Kota Pekanbaru Tahun 2017,” JOMS (Journal Midwifery Sci., vol. 2, no. 2, pp. 55–59, 2018.
lola vita Loka, M. Martini, M. Margaretha, and S. Relina, “Hubungan Pola Pemberian Makan dengan Perilaku Sulit Makan pada Anak Usia Pra Sekolah (3-6),” Keperawatan Suaka Intan (JKSI), vol. 3, no. 2, pp. 1–10, 2018, doi: 10.51143/jksi.v3i2.108.
R. Wahyudi, M. Orisa, and N. Vendyansyah, “Penerapan Algoritma K-Nearest Neighbors Pada Klasifikasi Penentuan Gizi Balita (Studi Kasus Di Posyandu Desa Bluto),” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 2, pp. 750–757, 2021, doi: 10.36040/jati.v5i2.3738.
S. D. Nugraha, R. R. M. Putri, and R. C. Wihandika, “Penerapan Fuzzy K-Nearest Neighbor ( FK-NN ) Dalam Menentukan Status Gizi Balita,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 9, pp. 925–932, 2017.
S. A. Setyawan, A. Sanjaya, and W. C. Utomo, “Sistem Informasi Klasifikasi Tingkat Resiko Kehamilan pada Posyandu Ploso,” INOTEK, vol. 7, no. Agustus, pp. 701–709, 2023, doi: 10.29407/inotek.v7i2.3487.
Fanni Rahma Sari, Fadhilah Fitri, Atus Amadi Putra, and Dony Permana, “Comparison of Naive Bayes Method and Binary Logistics Regression on Classification of Social Assistance Recipients Program Keluarga Harapan (PKH),” UNP J. Stat. Data Sci., vol. 1, no. 2, pp. 82–89, 2023, doi: 10.24036/ujsds/vol1-iss2/24.
M. F. Rifai, H. Jatnika, and B. Valentino, “Penerapan Algoritma Naïve Bayes Pada Sistem Prediksi Tingkat Kelulusan Peserta Sertifikasi Microsoft Office Specialist (MOS),” Petir, vol. 12, no. 2, pp. 131–144, 2019, doi: 10.33322/petir.v12i2.471.
Y. Yuliana, P. Paradise, and K. Kusrini, “Sistem Pakar Diagnosa Penyakit Ispa Menggunakan Metode Naive Bayes Classifier Berbasis Web,” CSRID (Computer Sci. Res. Its Dev. Journal), vol. 10, no. 3, p. 127, 2021, doi: 10.22303/csrid.10.3.2018.127-138.
