KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN NAÃVE BAYES DAN FORWARD SELECTION DI PUSKESMAS ARGAMAKMUR
Keywords:
Data Mining, Classification, Naïve bayes, Forward selection, RapidminerAbstract
Children's health cannot be separated from the nutritional status of children, especially during theirtoddler years. This research is expected to be implemented on the nutritional status of children underfive at the Arga Makmur Health Center, and to determine the level of accuracy obtained from thenaive Bayes algorithm and forward selection. This is an experimental research with data obtainedfrom Health center. the data used is based on anthropometric standard with Naïve bayes and Forwardselection which are processed using excel and as tool. Based on the results obtained, the classificationmethod using the naive Bayes algorithm and forward selection has a very good accuracy value, andalso the forward selection algorithm produces higher accuracy than only the naive Bayes algorithm.In BB/TB status, the accuracy of the nave Bayes algorithm is 94.10%, while the forward selectionalgorithm produces 99.64%, then BB/U status produces 92.69% for the nave Bayes algorithm and97.80% for the forward selection algorithm, and on TB/U status the naive Bayes algorithm produces86.84%, and 98.53% in the forward selection algorithm. From the accuracy results, the highest accuracy results in the forward selection algorithm on BB/TB Status and has two influentialattributes, namely gender and BB/TB attributes.References
Ardianti, C. R. (2019). Implementasi metode fuzzy c-means untuk klasifikasi status
gizi pada balita berdasarkan indeks antropometri, 1-12.
Astuti, Lastri. Widya., Saluza, Imelda., Faradila., & Alie, M. Fadiel. (2020).
Optimalisasi klasifikasi kanker payudara menggunakan forward selection pada naïve
bayes. Jurnal ilmiah informatika global, 11(2), 63-67.
Astuti, Y. P., Sudibyo, U., Kurniawan, A. W., & Rahayu, Y. (2018). Algoritma Naïve
bayes dengan fitur seleksi untuk mengetahui hubungan variabel nilai dan latar belakang
pendidikan. Jurnal Simetris, 9(1), 597-602.
Ismail, H. A. (2018). APLIKASI PERAMALAN PERMINTAAN DAN PENGENDALIAN PERSEDIAAN RINGAN DENGAN METODE ECONOMIC ORDER QUANTITY 9EOQO PADA CV. KARYA UTAMA MANDIRI. KOMPUTAKI, 4(1).
Wahyuni, A., Widayati, Y. T., & Sulistyawati, E. R. (2020). SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN KELAYAKAN NASABAH KREDIT USAHA RAKYAT (KUR) MENGGUNAKAN METODE MOORA. KOMPUTAKI, 6(1).
Purwani, T., Nugroho, M. F., Listijo, H., & Laoli, Y. (2020). APLIKASI E-LEARNING BERBASIS WEB DI SMK SWASTA KRISTEN TOMOSA I. KOMPUTAKI, 6(1).
Dharmawan, A., Prihati, Y., Wahyuni, A., & Zellawati, A. (2018, November). Quality Education untuk Meningkatan Kemampuan Komunikasi dan Flexible thinking Anak Autis. In SEMINAR NASIONAL SAINS & ENTREPRENEURSHIP V 2018.
Arvianti, I., & Wahyuni, A. (2018, September). IMPLEMENTASI MODEL PEMBELAJARAN BAHASA INGGRIS TEMATIK INTEGRATIF BERBASIS KEARIFAN LOKAL PADA KURIKULUM 2013. In PROSIDING SEMINAR NASIONAL PENDIDIKAN (SENDIKA) 2018.
Kurniadi, D., & Nugroho, M. F. (2020). PENGEMBANGAN BAHAN AJAR ENGLISH-TEXTUAL-GENRE BERBASIS ANDROID DALAM IMPLEMENTASI PPK KURIKULUM 2013 EDISI REVISI. Jurnal CULTURE (Culture, Language, and Literature Review), 7(1), 17-36.
Ismail, H. A., Prakoso, S. A., & Silaen, R. P. (2020). SISTEM E-LEARNING PADA THE GREAT COMMISSION UNIVERSITY. KOMPUTAKI, 6(1).
Atma, Yeyen. Dwi., & Setyanto, Arif. (2018). Perbandingan algoritma C4.5 dan K-NN
dalam identifikasi mahasiswa berpotensi drop out. Metik jurnal, 2(2), 31-37.
Fanami, R, M. (2020). Algoritma naïve bayes berbasis forward selection untuk prediksi
bimbingan konseling siswa. Jurnal Disprotek, 11(1), 13-22.
Fanani, M. R. (2020). Penggabungan forward selection untuk pemilihan fitur pada
prediksi bimbingan konseling siswa dengan menggunakan algoritma naïve bayes, 9, 85-
Gorunescu, F. (2011). Data mining: Concepts, Model and Techniques. Berlin, Jerman :
Springer.
Hariwijaya,M. (2008). Cara mudah menyusun proposal skripsi, tesis dan disertasi.
Yogyakarta: Pararaton.
Hasan, Maryam. (2017). Prediksi tingkat kelancaran pembayaran kredit bank
menggunakan algoritma naïve bayes berbasis forward selection. Ilkom jurnal ilmiah,
(3), 317-324.
Kementrian Kesehatan Indonesia. (2020). Peraturan mentri kesehatan republikIndonesia nomor 2 tahun 2020 tentang standar antropometri anak. Berita Negara RI
tahun 2020 nomor 7, Jakarta.
Lestari, Puji. Indah. (2018). Impementasi algoritma k-means clustering dan naïve
bayes classifer untuk klasifikasi diagnose penyakit pada kucing. (Sarjana Skripsi,
Universitas Sriwijaya). Respository.ub.ac.id.
Marisa, Fitri., Maukar, Anastasia. L., & Akhriza, Tubagus. Mohammad. (2021). Data
mining konsep dan penerapannya. Penerbit Deepublish.
Sartika, dewi., & Sensuse, Dana. Indra. (2017). Perbandingan algoritma klasifikasi
naïve bayes, nearest neighbour, dan decision tree pada studi kasus pengambilan
keputusan pemilihan pola pakaian. Jurnal Teknik informatika dan system
informasi,1(2),151-161. https://doi.org/10.35957/jatisi.v3i2.78.
Wibawa, Aji. Prasetia., Purnama, M. G. Aji., Akbar, M. Fathony., & Dwiyanto, Felix.
Andika. (2018). Metode metode klasifikasi. Prosiding seminat ilmu computer dan
teknologi informasi,3(1),134-138.
Zeniarja, Junta., Widia, Kiki., & Sani, Ramadhan. Rakhmat. (2020). Penerapan
algoritma naïve bayes dan forward selection dalam pengklasifikasian status gizi stunting
pada Puskesmas Pandanaran Semarang. Journal of information systym, 5(1), 1-9.
https://doi.org/10.33633/joins.v5i1.2745.
