Implementasi Algoritma Naive Bayes Classifier dan K-Nearest Neighbor untuk Klasifiasi Status Gizi Obesitas Anak Disabilitas

Implementation Naive Bayes Classifier Algorithm and K-Nearest Neighbor for Obesity Nutritional Status of Children with Disabilities

Abstract

Untuk menentukan status gizi seseorang pada umumnya dapat dinilai dengan mengggunakan rumus formula Indeks Massa Tubuh (IMT), akan tetapi rumus tersebut tidak melibatkan ukuran kerangka tubuh. Sementara ukuran kerangka tubuh manusia sangat mempengaruhi berat badannya seperti halnya lingkar perut. Apabila terdapat dua orang yang memiliki berat badan dan tinggi badan yang sama, namun bisa jadi memiliki status gizi yang berbeda. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasikan status gizi obesitas pada anak disabilitas yang ada di SLB Sri Mujinab Pekanbaru. Dalam penelitian ini algoritma yang digunakan adalah algoritma Naive Bayes Classifier (NBC) dan K-Nearest Neighbor (KNN). Adapun atribut yang digunakan yaitu nama, jenis kelamin, jenis kebutuhan, jenjang pendidikan, tinggi badan, berat badan dan lingkar perut. Hasil dari penelitian ini didapatkan akurasi tertinggi pada algoritma KNN dengan akurasi sebesar 68% sedangkan NBC 48%. Dengan begitu, pada penelitian ini klasifikasi menggunakan algoritma KNN lebih baik daripada NBC. Sehingga algoritma KNN ini diterapkan pada sebuah sistem informasi berbasis web. Sistem tersebut diuji menggunakan pengujian Blackbox Testing dengan tingkat keberhasilan 100% sedangkan dengan menggunakan pengujian User Acceptance Test (UAT) menghasilkan 89.6%.