Penerapan Algoritma Naive Bayes dan Forward Selection dalam Pengklasifikasian Status Gizi Stunting pada Puskesmas Pandanaran Semarang

Authors

  • Junta Zeniarja Universitas Dian Nuswantoro
  • Kiki Widia Universitas Dian Nuswantoro
  • Ramadhan Rakhmat Sani Universitas Dian Nuswantoro

DOI:

https://doi.org/10.33633/joins.v5i1.2745

Abstract

Masalah stunting pada balita tidak dapat diremehkan begitu saja, karena dapat berdampak pada  kemampuan berbahasa, kognitif,  motorik, dan berisiko juga pada kecacatan, terserang penyakit infeksi, hingga kematian. Meningkatnya kasus stunting pada balita ini memerlukan suatu upaya dalam  penanganan dan pencegahan secara dini. Untuk memperoleh informasi tersebut diperlukan metode data mining dengan menerapkan Naive Bayes dan penggunaan fitur Forward Selection. Untuk mendapatkan hasil keputusan dari klasifikasi status gizi stunting digunakanlah algoritma NBC, sedangkan untuk meningkatkan nilai akurasinnya menggunakan foward selection dengan melakukan seleksi fitur yaitu menghapus sebagian atribut yang tidak sesuai di dalam tahapan klasifikasinya. Hasil akurasi klasifikasi status gizi stunting pada balita dengan algortima NBC saja pada penelitian ini sebesar 83,33%, sedangkan untuk algoritma NBC dengan fitur Forward Selection mencapai 86,00%. Peningkatan hasil akurasi tampak baik ketika dilakukan penggabungan algoritma NBC dengan fitur Foward Selection

Author Biography

Junta Zeniarja, Universitas Dian Nuswantoro

Computer Science

References

R. Wahyudi and Sufriani, “Pertumbuhan Dan Perkembangan Balita Stunting,” JIM FKep, vol. IV, no. 1, pp. 56–62, 2018.

E. Kusumawati, S. Rahardjo, and H. P. Sari, “Model Pengendalian Faktor Risiko Stunting pada Anak Bawah Tiga Tahun,” Kesmas Natl. Public Heal. J., vol. 9, no. 3, p. 249, 2015.

A. C. Mustikaningrum, H. W. Subagio, and A. Margawati, “Determinan kejadian stunting pada bayi usia 6 bulan di Kota Semarang,” J. GIZI Indones., vol. 4, no. 2, p. 82, 2017.

S. Hendro, A. Patria, P. Gastritis, D. Inggris, H. Riyanto, and D. Indonesia, “Faktor yang Berhubungan dengan Kejadian Gastritis,” Media Gizi Indones., vol. 9, no. 3, pp. 149–157, 2012.

B. R. Oktiva and M. Adriani, “Perbedaan Kadar Zinc Rambut pada Anak Stunting dan Non Stunting Usia 12-24 Bulan di Kelurahan Tambak Wedi Kenjeran, Surabaya,” Amerta Nutr., vol. 1, no. 2, p. 133, 2017.

A. B. da Silva, M. Arjmand, U. Sundararaj, and R. E. S. Bretas, “Novel composites of copper nanowire/PVDF with superior dielectric properties,” Polymer (Guildf)., vol. 55, no. 1, pp. 226–234, Jan. 2014.

M. F. Nugroho and S. Wibowo, “Fitur Seleksi Forward Selection Untuk Menetukan Atribut Yang Berpengaruh Pada Klasifikasi Kelulusan Mahasiswa Fakultas Ilmu Komputer UNAKI Semarang Menggunakan Algoritma Naive Bayes,” J. Inform. Upgris, vol. 3, no. 1, pp. 63–70, 2017.

S. Fitri, “Perbandingan Kinerja Algoritma Klasifikasi Naive Bayesian, Lazy-Ibk, Zero-R, Dan Decision Tree- J48,” Data Manaj. dan Teknol. Inf., vol. 15, no. 1, p. 33, 2014.

R. N. Devita, H. W. Herwanto, and A. P. Wibawa, “Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, p. 427, 2018.

K. A. E. T. Luthfi, “Algoritma Data Mining Yogyakarta,” pp. 149–176, 2009.

S. Tabakhi, P. Moradi, and F. Akhlaghian, “An unsupervised feature selection algorithm based on ant colony optimization,” Eng. Appl. Artif. Intell., vol. 32, pp. 112–123, 2014.

W. Supriyanti, Kusrini, and A. Amborowati, “Perbandingan Kinerja Algoritma c4.5 Dan Naive Bayes Untuk Ketepatan Pemilihan Konsentrasi Mahasiswa,” J. Inf. Politek. Indonusa, vol. 1, no. 3, pp. 61–67, 2016.

F. Gorinescu, Data Mining. Concepts, Models and Techniques. 2011.

Downloads

Published

2020-05-31

How to Cite

[1]
J. Zeniarja, K. Widia, and R. R. Sani, “Penerapan Algoritma Naive Bayes dan Forward Selection dalam Pengklasifikasian Status Gizi Stunting pada Puskesmas Pandanaran Semarang”, Journal of Information System, vol. 5, no. 1, pp. 1–9, May 2020.