KLASIFIKASI PENENTUAN STUNTING MENGGUNAKAN METODE NAÏVE BAYES (STUDI KASUS: DESA LETEKONDA SELATAN)
Authors
-
karlos rato,
STIMIKOM Stella Maris Sumba,
Indonesia
-
Adelbertus Umbu Janga,
STIMIKOM Stella Maris Sumba,
Indonesia
karlos rato,
STIMIKOM Stella Maris Sumba,
Indonesia
Adelbertus Umbu Janga,
STIMIKOM Stella Maris Sumba,
Indonesia
Keywords:
Stunting, Data Mining, Naïve Bayes ClassifierAbstract
Kasus stunting di Indonesia merupakan permasalahan yang sudah lama dibicarakan. Salah satu upaya untuk mengatasi masalah tersebut adalah melalui program percepatan penurunan stunting untuk meningkatkan status gizi masyarakat dan juga untuk menurunkan prevalensi balita stunting atau kerdil. Umumnya indeks tinggi badan balita stunting digunakan untuk mengetahui status gizi dibandingkan umurnya. Penelitian ini bertujuan untuk mengidentifikasi hasil klasifikasi, mengevaluasi model, dan memprediksi status gizi balita stunting menggunakan algoritma Naïve Bayes Classifier guna memudahkan proses analisis dengan mengimplementasikan Shiny Package pada program Rstudio. Hasil akurasi menggunakan Naïve Bayes Classifier .Secara keseluruhan rata-rata akurasi setiap iterasi sebesar 92 % sehingga dapat disimpulkan bahwa model Naïve Bayes Classifier dinilai cukup baik untuk mengklasifikasikan data status gizi balita stunting.
Downloads
References
Adriani, M., 2012. Pengantar Gizi. Jakarta: Kencana Prenada Media.
Anindita, P., 2012. Hubungan Tingkat Pendidikan Ibu, Pendapatan Keluarga, Kecukupan Protein dan Zinc dengan Stunting (Pendek) Pada Balita Usia 6-35 Bulan di Kecamatan Tembalang Kota Semarang. Jurnal Kesehatan Masyarakat, I(2), pp. 617-626.
Wahyudi, R., & Sufriani. 2018. Pertumbuhan dan Perkembangan Balita Stunting. JIM FKEP, 3(1), 56-62.
Ni'mah, K. & Nadhiroh, S. R., 2015. Faktor yang Berhubungan Dengan Kejadian Stunting pada Balita. Jurnal Media Gizi Indonesia, X(1), pp. 13-19.
Kemenkes, R., 2011. Pedoman Gizi Seimbang. Jakarta: Direktorat Bina Gizi dan KIA.
Welassih BD, Wirjatmadi RB. Beberapa Faktor yang Berhubungan dengan Status Gizi Balita Stunting. The Indonesian Journal of Public Health. 2012;8.
Kusrini & Luthfi, E. T., 2015. Algoritma Data Mining. Yogyakarta: Andi.
N. A. Sholikhin and S. Atmojo, “Aplikasi Web Untuk Klasifikasi Stunting Pada Balita Dengan Menggunakan Metode K-Nearest Neighbours (Studi Kasus Posyandu Jawu Kidul),” J. Syst. Eng. Technol. Innov., vol. 1, no. 02, pp. 44–47, 2022, doi: 10.38156/jisti.v1i02.23.
W. C. Wahyudin and F. Selection, “K LASIFIKASI S TUNTING B ALITA M ENGGUNAKAN N AIVE B AYES,” vol. 1, pp. 71–74, 2020.
M. M. K-medoids, W. Wahyudi, A. Chintya, and P. Herlena, “Implementasi Data Mining Untuk Klasifikasi Stuting Gizi Pada Balita di Surabaya,” vol. 2, no. 1, 2023.
Han, J. & Kamber, M., 2012. Data Mining: Concept and Techniques, Third Edition. Waltham: Morgan Kaufmann.
Prasetyo, E., 2012. Data Mining Konsep dan Aplikasi Menggunakan Matlab, Andi Offset, Yogyakarta
Almatsier, S., 2011. Prinsip Dasar Ilmu Gizi. Jakarta: Gramedia.
B. Santosa, Data Mining Teknik Pengumpulan Data Untuk Keperluan Bisnis, Yogyakarta:Graha Ilmu, 2015
Hermawati, F. A., 2016. Data Mining. Yogyakarta: Andi.
Munawar, 2018. Analisis Perancangan Sistem Berorientasi Objek dengan UML (Unified Modeling Language). Bandung: Informatika.
Sakur, S. B.2011. Pemrograman Berorientasi Objek-Konsep & Implementasi. Yogyakarta: Andi.
Syafii, M, Pramono, and Andi. 2015. Kolaborasi Flash, Dreamweaver, dan PHP untuk Aplikasi Website, Yogyakarta: ANDI.
Nugroho. 2014. Panduan Proyek Membuat Aplikasi Web Penggajian dengan PHP, MySQL, dan Dreamweaver. Alif Media. Cilegon
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
