Deteksi Gizi Buruk Pada Balita Berdasarkan Indeks Antropometri Menggunakan Algoritma Naive Bayes

Nani Purwati

Abstract


Abstract - This research is a follow-up research from previous research, about nutrition status of children. Toddler nutrition which is the benchmark of a country's state remains a very important topic of all time. Toddler nutrition can be based on weight anthropometry index (BB) / Age (U) or BB / TB (Height). The BB / U indicator provides an overview of general nutritional status, the high prevalence of malnutrition and the lack of indication of nutritional status in toddlers, but does not indicate whether the nutritional problem is chronic or acute. The TB / U indicator describes nutritional status that is affected by chronic conditions (due to very long conditions). Based on previous research, obtained the highest accuracy using Backpropagation Algorithm. The purpose of this research is to test the Naive Bayes Algorithm for the detection of malnutrition in under fives based on anthropometry index based on BB / U or BB / TB index. The variables used are weight, age, gender and social status for identification based on BB / U index. As for the identification based on BB / TB variables used are weight, height, gender, and social status. The dataset used is the same data from previous research. The results of this study, obtained accuracy using Naive Bayes Algorithm of 90.20%. Keywords: malnutrition, toddlers, naive bayes
 
Abstrak - Penelitian ini merupakan penelitian lanjutan dari penelitian sebelumnya, tentang status gizi balita. Gizi balita yang merupakan tolak ukur keadaan suatu negara tetap menjadi topik sangat penting sepanjang masa. Gizi balita dapat dikur berdasarkan indeks antropometri berat badan (BB)/ Umur (U)  maupun BB/TB (Tinggi Badan). Indikator BB/U memberikan gambaran status gizi yang sifatnya umum, Tinggi rendahnya prevalensi gizi buruk dan kurang mengindikasikan ada tidaknya masalah gizi pada balita, tetapi tidak memberikan indikasi apakah masalah gizi tersebut bersifat kronis atau akut. Indikator TB/U menggambarkan status gizi yang dipengaruhi kondisi-kondisi yang sifatnya kronis (akibat kondisi yang berlangsung sangat lama). Berdasarkan penelitian sebelumnya, diperoleh akurasi tertinggi menggunakan Algoritma Backpropagation. Tujuan dari penelitian ini adalah melakukan uji coba menggunakan Algoritma Naive Bayes untuk deteksi gizi buruk pada balita berdasarkan indeks antropometri baik berdasarkan indek BB/U maupun BB/TB.  Variabel yang digunakan adalah berat badan, umur, jenis kelamin dan status sosial untuk identifikasi berdasarkan indeks BB/U. Sedangkan untuk identifikasi berdasarkan BB/TB variabel yang digunakan adalah berat badan, tinggi badan, jenis kelamin, dan status sosial. Dataset yang digunakan merupakan data yang sama dari penelitian sebelumnya. Hasil dari penelitian ini, diperoleh akurasi menggunakan Algoritma Naive bayes sebesar 90,20%. Kata Kunci: gizi buruk, balita, naive bayes

Full Text:

PDF

References


Bramer, M. (2007). Principles of Data Mining. London: Springer.

Depkes RI. (2009). Profil Kesehatan Indonesia 2008. Jakarta: Departemen Kesehatan RI.

Gorunescu, F. (2011). Data Mining Concepts, Models and Techniques. Verlag Berlin Heidelberg: Springer.

Han, J., & Kamber, M. (2006). Data Mining Concepts and Techniques Second Edition. California: Morgan Kaufmann.

Kusrini, & Luthfi, E. T. (2009). Algoritma Data Mining. Yogyakarta: Penerbit Andi.

Maimon , O., & Rokach, L. (2010). Data Mining and Knowledge Discovery Hanbook Second Edition. New York: Springer.

Purwati, N. (2016). Klasifikasi Status Gizi Balita berdasarkan Indeks Antropometri BB/U dan BB/TB menggunakan Jaringan Syaraf Tiruan. IJNS, 12-18.

Supariasa, I. N., & Fajar, I. (2002). Penilaian Status Gizi. Jakarta: PT Gramedia Indonesia.

Witten, I., Frank, E., & Hall, M. (2011). Data Mining Particial Machine Learning tools and Techniques. United States: Elsivier Inc.




DOI: https://doi.org/10.31294/bi.v6i1.5907

DOI (PDF): https://doi.org/10.31294/bi.v6i1.5907.g3296

ISSN2338-9761 (media online), 2338-8145 (media cetak)

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika Kampus Kota Yogyakarta

Jl. Ring Road Barat, Ambarketawang, Kec. Gamping, Kabupaten Sleman, Daerah Istimewa Yogyakarta 55184, Telp: (0274) 4342536
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License