Perbandingan Metode Naïve Bayes dan Metode K-Nearest Neighbor Untuk Menentukan Status Gizi Balita
DOI:
https://doi.org/10.21067/jtst.v5i3.8907Keywords:
Naïve Bayes, K-Nearest Neighbor, Gizi BalitaAbstract
Malnutrisi adalah penyakit yang terjadi pada seseorang karena kurangnya asupan gizi atau kurangnya nutrisi yang dikonsumsi oleh tubuh dan tidak memenuhi standart. Perbaikan gizi bisa dilakukan dengan cara pemantauan 1 bulan sekali melalui kegiatan pos pelayanan terpadu (Posyandu), dengan kegiatan tersebut dapat mempermudah mengetahui status gizi balita dan mempermudah orang tua dalam memantau tumbuh kembang balitanya. Untuk mengurangi terjadinya kesalahan dalam melakukan pengolahan dan mengetahui status gizi pada balita maka dilakukan penelitian untuk mencoba membangun sebuah aplikasi komputer berbasis sistem cerdas dengan menerapkan metode Naïve Bayes dan metode K-Nearest Neighbor. Mengetahui akurasi yang paling tinggi atau paling ideal dari kedua metode tersebut adalah tujuan dari penelitin ini, untuk diambil salah satu sebagai bahan rekomendasi keputusan. Hasil yang didapatkan menunjukkan metode K-Nearest Neighbor memiliki kinerja yang lebih baik dengan tingkat akurasi 81%, precision 33%, dan recall 10% sedangkan metode Naïve Bayes memiliki tingkat akurasi yang lebih rendah yaitu 79%, precision 50%, dan recall 10%.
References
Daniela Xhemali, Christopher J. Hinde, R. G. S. (2015). Naïve Bayes vs. Decision Trees vs. Neural Networks in the Classification of Training Web Pages. April.
DARWIS, D. Y. (2021). STATUS GIZI BALITA.
Dedi Alamsyah, Maria Mexitalia, A. M. (2008). BEBERAPA FAKTOR RISIKO GIZI KURANG DAN GIZI BURUK PADA BALITA 12 - 59 BULAN. 111, 131–135.
Dewi Fitrianingsih, Martaleli Bettiza, A. U. (2021). KLASIFIKASI STATUS GIZI PADA PERTUMBUHAN BALITA MENGGUNAKAN K- NEAREST NEIGHBOR (KNN). 106–111.
Elvia Budianita, N. (2015). Klasifikasi Status Gizi Balita Berdasarkan Indikator Antropometri Berat Badan Menurut Umur Menggunakan Learning Vector Quantization. November, 213–220.
Eva Darnila, Maryana, M. A. (2021). APLIKASI KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN METODE NAÃVE BAYES BERBASIS ANDROID. 5(2), 135–141.
Fitri Juniaty Simatupang, Triastuti Wuryandari, S. (2016). KLASIFIKASI RUMAH LAYAK HUNI DI KABUPATEN BREBES DENGAN MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION DAN NAIVE BAYES. 5, 99–111.
Heru Budi Setiawan, G. P. U. (2022). Klasifikasi Status Gizi Balita Menggunakan Metode Naïve Bayes Classifier. September, 707–715.
Mardi, Y. (2017). Data Mining : Klasifikasi Menggunakan Algoritma C4.5.
Marutho, D. (2019). PERBANDINGAN METODE NAÃVE BAYES , KNN , DECISION TREE PADA LAPORAN WATER LEVEL JAKARTA. 90–97.
MENKES, (2010). Standar Antropometri Penilaian Status Gizi Anak, nomor : 1955/MENKES/SK/XII/2010.
Montreano, D. (2016). PERANCANGAN SISTEM INFORMASI PKL DAN SKRIPSI YANG MAMPU MENGUKUR WAKTU PENYELESAIAN PENGAJUAN SURAT TUGAS PEMBIMBING. 12, 253–260.
Nova Tri Romadloni, Imam Santoso, S. B. (2019). PERBANDINGAN METODE NAIVE BAYES, KNN DAN DECISION TREE TERHADAP ANALISIS SENTIMEN TRANSPORTASI KRL COMMUTER LINE. 3(2), 1–9.
Rachma Purwanti, Erna Kusuma Wati, S. R. (2018). Karakteristik keluarga yang berhubungan dengan status gizi balita umur 6- 59 bulan. October 2017, 1–6. https://doi.org/10.14710/jgi.5.1.50-54
Riri Nada Devita, Heru Wahyu Herwanto, A. P. W. (2018). PERBANDINGAN KINERJA METODE NAIVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI ARTIKEL BERBAHASA INDONESIA. 5(4), 427–434. https://doi.org/10.25126/jtiik.201854773
Rizky Setiawan, A. T. (2022). Klasifikasi Status Gizi Balita Menggunakan Naïve Bayes dan K- Nearest Neighbor Berbasis Web. 6(2), 777–785. https://doi.org/10.30865/mib.v6i2.3566
Sandika Rofi Pratama, A. H. M. (2021). PENERAPAN DATA MINING UNTUK MEMPREDIKSI TINGKAT INFLASI MENGGUNAKAN METODE REGRESI LINIER BERGANDA PADA BPS KOTA PALEMBAN. 245–255.
Siska Haryati, Aji Sudarsono, E. S. (2015). IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: UNIVERSITAS DEHASEN BENGKULU). 11(2), 130–138.
Tanti Siti Nurjanah, E. I. (2016). Hack Database Website Menggunakan Python dan Sqlmap Pada Windows. 1137050210, 1–7.
Widaningsih, S. (2019). PERBANDINGAN METODE DATA MINING UNTUK PREDIKSI NILAI DAN WAKTU KELULUSAN MAHASISWA PRODI TEKNIK INFORMATIKA DENGAN ALGORITMA C4.5, NAÃVE BAYES, KNN, DAN SVM. 13(1), 16–25.
Yampi R Kaesmetan, J. A. J. (2017). KLASIFIKASI STATUS GIZI BALITA DI KELURAHAN OESAPA BARAT MENGGUNAKAN METODE K-NEAREST NEIGBOR. 11(1), 42–50.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 RAINSTEK : Jurnal Terapan Sains & Teknologi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Rainstek: Jurnal Terapan Sains dan Teknologi allows readers to read, download, copy, distribute, print, search, or link to the full texts of its articles and allow readers to use them for any other lawful purpose.
This work is licensed under a Creative Commons Attribution 4.0 International License. The Authors submitting a manuscript do so with the understanding that if accepted for publication, copyright of the article shall be assigned to Rainstek: Jurnal Terapan Sains dan Teknologi
.png)
.png)
