PERBANDINGAN METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOR DALAM MENGKLASIFIKASI STATUS PERTUMBUHAN ANAK STUNTING (STUDI KASUS : POSYANDU CEMARA)

Authors

  • Miftahul Jannah Universitas Lancang Kuning
  • Mhd Arief Hasan Universitas Lancang Kuning
  • Muhammad Al Fajar Universitas Lancang Kuning

DOI:

https://doi.org/10.37859/jf.v14i1.6821
Keywords: akurasi, naive bayes, klasifikasi, kategori pertumbuhan, anak stunting

Abstract

Klasifikasi merupakan metode untuk mengelompokkan teks sehingga teks dengan isi yang serupa akan dikelompokkan dalam jenis yang sama. Dalam konteks pertumbuhan anak stunting di Posyandu Cemara, metode data mining untuk klasifikasi menjadi relevan dalam mengidentifikasi kategori pertumbuhan anak sebagai normal atau tidak normal. Stunting, sebagai masalah gizi kronis, disebabkan oleh kurangnya asupan gizi dalam jangka waktu panjang, mengakibatkan gangguan pertumbuhan pada anak dan tinggi badan yang lebih rendah dibandingkan dengan anak-anak seusianya.Dalam penelitian ini, kami menggunakan metode klasifikasi Naïve Bayes dan K-Nearest Neighbor. Naïve Bayes menggunakan perhitungan probabilitas dan statistik, sementara K-Nearest Neighbor adalah metode klasifikasi yang menentukan kategori objek berdasarkan data pembelajaran dengan jarak paling dekat. Hasil eksperimen menunjukkan bahwa Naïve Bayes menghasilkan akurasi sebesar 71.25%, presisi sebesar 66%, dan recall sebesar 11%. Sementara itu, K-Nearest Neighbor memberikan akurasi sebesar 66.67%, presisi sebesar 82%, dan recall sebesar 75%.Temuan ini memberikan wawasan tentang performa dua metode klasifikasi dalam konteks klasifikasi pertumbuhan anak stunting. Diskusi selanjutnya melibatkan implikasi praktis dari hasil penelitian ini dan saran untuk pengembangan penelitian selanjutnya di bidang ini..

Downloads

Download data is not yet available.

References

Devita, R. N., Herwanto, H. W., & Wibawa, A. P. (2018). Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(4), 427. https://doi.org/10.25126/jtiik.201854773
Fajri, F. N. (2018). Perbandingan Sistem Klasifikasi Naïve Bayes dan Decision Tree Untuk DiagnosaPenyakitDiabetes. https://www.academia.edu/download/39122082/Perbandingan_Sistem_Klasifikasi_Naive_Bayes_dan_Decision_Tree_Untuk_Diagnosa__.pdf
Kaesmitan, Y. R., & Johannis, J. A. (2017). Klasifikasi Status Gizi Balita Di Kelurahan Oesapa Barat Menggunakan Metode K-Nearest Neigbor. Multitek Indonesia, 11(1), 42. https://doi.org/10.24269/mtkind.v11i1.506
Nasution, N., Djahara, K., & Zamsuri, A. (2015). Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes ( Studi Kasus : Fasilkom Unilak ). Jurnal Fakultas Ilmu Komputer, 1(1), 1–11. https://repository.unilak.ac.id/305/1/91-Article Text-163-1-10-20180211 %281%29.pdf
Yusra, Olivita, D., & Vitriani, Y. (2016). Perbandingan Klasifikasi Tugas Akhir Mahasiswa Jurusan Teknik Informatika Menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor. Jurnal Sains, Teknologi Dan Industri, 14(1), 79–85.
Rahman. 2020. “Penerapan Metode Rough Set Dalam Memprediksi Penjualan Perumahan (Studi Kasus Di Pt. Anugerah Pasadena Pekanbaru).” Fakultas Teknik Ilmu Komputer 14(2): 324–55. http://www.nostarch.com/javascriptforkids%0Ahttp://www.investopedia.com/terms/i/in_specie.asp%0Ahttp://dspace.ucuenca.edu.ec/bitstream/123456789/35612/1/Trabajo de Titulacion.pdf%0Ahttps://educacion.gob.ec/wp-content/uploads/downloads/2019/01/GUIA-METODOL
Zeniarja, J., Widia, K., & Sani, R. R. (2020). Penerapan Algoritma Naive Bayes dan Forward Selection dalam Pengklasifikasian Status Gizi Stunting pada Puskesmas Pandanaran Semarang. JOINS (Journal of Information System), 5(1), 1–9. https://doi.org/10.33633/joins.v5i1.2745
Harafani, Hani, and H. Aji Al-Kautsar. 2021. “Meningkatkan Kinerja K-Nn Untuk Klasifikasi Kanker Payudara Dengan Forward Selection.” Jurnal Pendidikan Teknologi dan Kejuruan 18(1): 99.
Doni, B. T. R., Susanti, S., & Mubarok, A. (2021). Penerapan Data Mining Untuk Klasifikasi Penyakit Hepatocellular Carcinoma Menggunakan Algoritma Naïve Bayes. Jurnal Responsif : Riset Sains Dan Informatika, 3(1), 12–19. https://doi.org/10.51977/jti.v3i1.403
Sebastian, D. (2019). Implementasi Algoritma K-Nearest Neighbor untuk Melakukan Klasifikasi Produk dari beberapa E-marketplace. Jurnal Teknik Informatika Dan Sistem Informasi, 5(1), 51–61. https://doi.org/10.28932/jutisi.v5i1.1581

Downloads

Published

2024-05-03

Issue

Vol. 14 No. 1 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)

Section

Articles

License

Copyright Notice

An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:

  • Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
  • Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
  • Author is  permitted and encouraged to post his/her  work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).

Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.