Perbandingan Algoritma K-Nearest Neighbor dan Naïve Bayes Classifier untuk Klasifikasi Status Gizi Pada Balita
Comparison Algorithm of K-Nearest Neighbor and Naïve Bayes Classifier for Classifying Nutritional Status in Toddlers
DOI:
https://doi.org/10.57152/malcom.v3i1.474Keywords:
Status Gizi, Klasifikasi, K-Nearest Neighbor, Naïve Bayes ClassifierAbstract
Status gizi merupakan suatu kondisi fisik seseorang yang dapat dilihat dari makanan dan zat-zat yang dicerna tubuh sehingga dapat mempengaruhi tingkat kognitif seseorang. Berdasarkan data peningkatan balita yang mengalami wasting dari tahun 2019 hingga 2020 ada 4 puskesmas dengan jumlah bailta 3536, dan diantara 4 puskesmas tersebut memiliki kasus tertinggi yaitu puskesmas Tanjung paku sebanyak 103 responden, puskesmas Tanah Garam 50 Responden lalu puskesmas Nan balimo yang terendah. Penelitian ini bertujuan untuk menguji dan membandingkan peforma algoritma K-Nearest Neighbors dan Naïve Bayes Classifier untuk klasifikasi data penimbangan masal balita di Kota Solok. Nilai akurasi yang diperoleh dari algoritma KNN sebesar 96,24 % sedangkan pada algoritma NBC sebesar 91,00%.
References
M. K-means, O. Purwaningrum, Y. Y. Putra, and A. A. Arifiyanti, “Penentuan Kelompok Status Gizi Balita dengan Menggunakan,” vol. 15, no. 2, pp. 129–136, 2021.
R. A. Rani and L. Novianti, “InfoTekJar?: Jurnal Nasional Informatika dan Teknologi Jaringan Sistem Informasi Geografis Pemetaan dan Pengelompokan Balita Berpotensi Gizi Buruk Tertinggi pada Wilayah Kota Prabumulih Menggunakan Metode K-Means Clustering ( Studi Kasus?: Dinas Kesehatan,” vol. 2, pp. 0–5, 2022.
S. A. Agustina and M. P. Rahmadhena, “Analisis Determinan Masalah Gizi Balita,” J. Kesehat., vol. 7, no. 2, pp. 353–360, 2020.
G. R. Maulani and T. Julianawati, “Pengaruh Pemberian MP-ASI dan Penyakit Infeksi Terhadap Kejadian Wasting Pada Balita Usia 0-59 Bulan di Kota Solok Dan Kota Pariaman,” J. Promot. Prev., vol. 4, no. 2, pp. 88–93, 2022, doi: 10.47650/jpp.v4i2.363.
Z. Nabila, A. Rahman Isnain, and Z. Abidin, “Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means,” J. Teknol. dan Sist. Inf., vol. 2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI
D. Pramana and M. Mustakim, “Prediksi Status Penanganan Pasien Covid-19 dengan Algoritma Naïve Bayes Classifier di Provinsi Riau,” J. Sist. Komput. dan Inform., vol. 3, no. 2, pp. 202–208, 2021, doi: 10.30865/json.v3i2.3570.
P. D. Silitonga and R. Damanik, “Perbandingan Algoritma k-Nearest Neighbors (k-NN) dan Support Vector Machines (SVM) untuk Klasifikasi Pengenalan Citra Wajah,” J. ICT Inf. Commun. Technol., vol. 20, no. 1, pp. 186–191, 2021, doi: 10.36054/jict-ikmi.v20i1.354.
I. Maulidah, T. W. Timur, and Q. A’yun, “Jurnal Smart Teknologi Perbandingan Algoritma K-Nearest Neighbor ( K-Nn ) Dan Id3 Untuk Prediksi Kelulusan Mahasiswa Fakultas Teknik Universitas Muhammadiyah Jember Comparison Of K-Nearest Neighbor ( K-Nn ) And Id3 Algorithm For Graduation Prediction Of S,” vol. 3, no. 4, pp. 374–381, 2022.
G. Galih and M. Eriyadi, “Perbandingan Model NBC, SVM, dan C4.5 dalam Mengukur Kinerja Karyawan Berprestasi Pasca Pandemi Covid-19,” J. Inform., vol. 9, no. 2, pp. 123–130, 2022, doi: 10.31294/inf.v9i2.13772.
R. Setiawan and A. Triayudi, “JURNAL MEDIA INFORMATIKA BUDIDARMA Klasifikasi Status Gizi Balita Menggunakan Naïve Bayes dan K-Nearest Neighbor Berbasis Web,” J. Media Inform. Budidarma, vol. 6, no. 2, pp. 777–785, 2022, doi: 10.30865/mib.v6i2.3566.
E. T. Lestari and J. Adhiva, “Implementation Naive Bayes Classifier Algorithm and K-Nearest Neighbor For Obesity Nutritional Status of Children with Disabilities Implementasi Algoritma Naive Bayes Classifier dan K-Nearest Neighbor Untuk Klasifiasi Status Gizi Obesitas Anak Disabilitas,” SENTIMAS Semin. Masional Penelit. dan Penabdian Masy., pp. 1–11, 2022.
T. Prasetiya, I. Ali, C. L. Rohmat, and O. Nurdiawan, “Klasifikasi Status Stunting Balita Di Desa Slangit Menggunakan Metode K-Nearest Neighbor,” INFORMATICS Educ. Prof. J. Informatics, vol. 5, no. 1, p. 93, 2020, doi: 10.51211/itbi.v5i1.1431.
N. Rahmawati and Y. Novianto, “Klasifikasi Kondisi Gizi Balita Menggunakan Metode Naive Bayes (Studi Kasus Posyandu Melati IV),” J. Ilm. Mhs. Tek. Inform., vol. 2, no. 3, 2020.
N. Julyantari, I. Budiarta, and N. Putri, “Implementasi K-Means Untuk Pengelompokan Status Gizi Balita ( Studi Kasus Banjar Titih ) Implementation of K-Means for Clustering the Nutritional Status of Toddlers ( Banjar Titih Case Study ),” vol. 1, no. 2, pp. 92–101, 2021, doi: 10.25008/janitra.
H. Sulastri, H. Mubarok, J. Informatika, F. Teknik, and U. Siliwangi, “Implementasi Algoritma Machine Learning Untuk Penentuan Cluster Status Gizi Balita,” vol. 5, no. 2, pp. 184–191, 2021.
N. Chasanah and A. Faizah, “SIS TEM P E NENT UAN S T A TUS GI Z I B AL I TA M E NG GUNA KAN ME T O DE N A I VE B AY E S CL ASSIFIER ( St u di K a su s?: Pos ya ndu Ang grek Pu tih Dsn Seblak Desa Kwaron ) = Proba lilitas h ipo tesisi H dengan nilai X,” pp. 1–8.
Alvina Felicia Watratan, Arwini Puspita. B, and Dikwan Moeis, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia,” J. Appl. Comput. Sci. Technol., vol. 1, no. 1, pp. 7–14, 2020, doi: 10.52158/jacost.v1i1.9.
A. A. N. Risal, N. I. Yusuf, A. B. Kaswar, and F. Adiba, “Penerapan Data Mining dalam Mengklasifikasikan Tingkat Kasus Covid-19 di Sulawesi Selatan Menggunakan Algoritma Naive Bayes,” Indones. J. Fundam. Scienes, vol. 7, no. 1, pp. 18–28, 2021.
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.
D. Fitrianingsih, M. Bettiza, and A. Uperiati, “Klasifikasi Status Gizi Pada Pertumbuhan Balita Menggunakan K-Nearest Neighbor (Knn),” Student Online J., vol. 2, no. 1, pp. 106–111, 2021.
M. R. Yuliansyah, M. B, and A. Franz, “Perbandingan Metode K-Nearest Neighbors dan Naïve Bayes Classifier Pada Klasifikasi Status Gizi Balita di Puskesmas Muara Jawa Kota Samarinda,” Adopsi Teknol. dan Sist. Informasi(ATASI), vol. 1, no. 1, pp. 8–20, 2022, [Online]. Available: https://e-journals2.unmul.ac.id/index.php/atasi/article/view/25/30
H. H. Sutarno, R. Latuconsina2, and A. Dinimaharawati3, “Prediksi Stunting Pada Balita Dengan Menggunakan Algoritma Klasifikasi K-Nearest Neighbors Stunting Prediction in Children Using K-Nearest Neighbors Classification Algorithm,” vol. 8, no. 5, pp. 6657–6661, 2021, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/16456/16167
A. Ridwan and T. N. Sari, “The comparison of accuracy between naïve bayes clasifier and c4.5 algorithm in classifying toddler nutrition status based on anthropometry index,” J. Phys. Conf. Ser., vol. 1764, no. 1, 2021, doi: 10.1088/1742-6596/1764/1/012047.
