Klasifikasi dan Monitoring Status Gizi Balita Melalui Penerapan Metode Naïve Bayes Classification Berbasis GIS
Article Sidebar
Main Article Content
Abstract
Secara definisi status gizi merupakan suatu kondisi tubuh sebagai dampak penyerapan zat gizi dari makanan yang telah dikonsumsi berdasarkan tinggi badan, berat badan dan umur balita berdasarkan indeks Antropometri. Menurut data ePPGBM Seksi Kesehatan Keluarga dan Gizi Masyarakat Dinas Kesehatan Kota Blitar berhasil menekan sekitar 2,5% balita yang mengalami gizi kurang. Penurunan ini dilakukan dengan melakukan analisa - situasi kondisi balita yang dimulai dari kondisi saat ibu hamil sampai dengan kondisi lingkungan balita tersebut tinggal. Kondisi balita yang mengalami gizi kurang dan diikuti pendek serta kurus dapat berpotensi menjadi balita yang mengalami stunting. Berdasarkan hal tersebut, maka penelitian ini akan melakukan klasifikasi terhadap status gizi balita berdasarkan indeks Antropometrinya, apakah akan masuk kedalam gizi kurang, pendek (stunting), kurus (wasting) bahkan obesitas. Untuk memudahkan proses pelaporan dan analisis, maka hasil klasifikasi ini selanjutnya ditampilkan melalui suatu peta berdasarkan hasil analisa – situasi 7 indikator penyebab tertinggi sampai dengan penyebab terendah dari status gizi balita yang ada di Kota Blitar. Penelitian ini akan menggunakan algoritma Naïve Bayes Classification untuk melakukan classification. Berdasarkan hasil penelitian diketahui bahwa akurasi yang dihasilkan oleh Naïve Bayes Classification adalah 86% dengan perbandingan antara data testing dan training yang digunakan 70:30
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
G. Gunawan and I. N. Ash shofar, “Penentuan Status Gizi Balita Berbasis Web Menggunakan Metode Z-Score,” Infotronik J. Teknol. Inf. dan Elektron., vol. 3, no. 2, p. 118, 2018, doi: 10.32897/infotronik.2018.3.2.111.
I. S. Budiman, N. Kania, and G. Nasution, “Gambaran Status Gizi Anak Usia 0-60 Bulan di Rumah Sakit Annisa Medical Center Cileunyi Bandung Bulan Mei-Oktober 2020,” J. Sist. Kesehat., vol. 6, pp. 38–45, 2021, doi: 10.24198/jsk.v6i1.35640.
Dinas Kesehatan Provinsi Jawa Timur, “Profil Kesehatan Provinsi Jawa Timur 2019,” 2020. [Online]. Available: https://dinkes.jatimprov.go.id.
M. A. Maricar and Dian Pramana, “Perbandingan Akurasi Naïve Bayes dan K-Nearest Neighbor pada Klasifikasi untuk Meramalkan Status Pekerjaan Alumni ITB STIKOM Bali,” J. Sist. dan Inform., vol. 14, no. 1, pp. 16–22, 2019, doi: 10.30864/jsi.v14i1.233.
A. P. Permana, K. Ainiyah, and K. F. H. Holle, “Analisis Perbandingan Algoritma Decision Tree, kNN, dan Naive Bayes untuk Prediksi Kesuksesan Start-up,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 3, pp. 178–188, 2021, doi: 10.14421/jiska.2021.6.3.178-188.
A. Z. Zami, O. Nurdiawan, and G. Dwilestari, “Klasifikasi Kondisi Gizi Bayi Bawah Lima Tahun Pada Posyandu Melati Dengan Menggunakan Algoritma Decision Tree,” J. Sist. Komput. dan Inform., vol. 3, no. 3, pp. 305–310, 2022, doi: 10.30865/json.v3i3.3892.
S. Lonang and D. Normawati, “Klasifikasi Status Stunting Pada Balita Menggunakan K-Nearest Neighbor Dengan Feature Selection Backward Elimination,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 49, 2022, doi: 10.30865/mib.v6i1.3312.
H. I. Islam, M. K. Mulyadien, and U. Enri, “Penerapan Algoritma C4.5 dalam Klasifikasi Status Gizi Balita,” J. Ilm. Wahana Pendidik., vol. 8, no. July, pp. 116–125, 2022, doi: 10.5281/zenodo.6791722.
E. Ramon, A. Nazir, and L. Oktavia, “Klasifikasi Status Gizi Bayi Posyandu Kecamatan Bangun Purba Menggunakan Algoritma Support Vector Machine ( Svm ),” J. Sist. Inf. dan Inform., vol. 5, no. 2, pp. 143–150, 2022, doi: 10.47080/simika.v5i2.2185.
M. R. Qisthiano, T. B. Kurniawan, E. S. Negara, and M. Akbar, “Pengembangan Model Untuk Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes,” J. Media Inform. Budidarma, vol. 5, no. 3, p. 987, 2021, doi: 10.30865/mib.v5i3.3030.
A. Tarigan, E. Wahyudi, and J. Adhiva, “Klasifikasi Status Kesejahteraan Rumah Tangga di Kabupaten Siak Menggunakan Algoritma Naive Bayes Classifier,” Semin. Nas. …, no. November, pp. 187–196, 2019, [Online]. Available: http://ejournal.uin-suska.ac.id/index.php/SNTIKI/article/view/7996%0Ahttp://ejournal.uin-suska.ac.id/index.php/SNTIKI/article/viewFile/7996/4546.
S. Adi, “Implementasi Algoritma Naive Bayes Classifier Untuk Klasifikasi Penerima Beasiswa PPA di Universitas Amikom Yogyakarta,” J. Mantik Penusa, vol. 22, no. 1, pp. 11–16, 2018.