Implementasi Algoritma Gaussian Naive Bayes dalam Klasifikasi Status Gizi pada Balita di Kota Samarinda

Abstract

Status gizi merupakan suatu kondisi terkait gizi yang bisa diukur dan merupakan hasil dari adanya keseimbangan kebutuhan gizi pada tubuh dengan asupan gizi dari makanan. Di Indonesia masalah gizi masih banyak ditemukan seperti gizi buruk, dan masalah gizi lainnya. Dalam hal ini, penggunaan teknik dan alat pembelajaran machine learning (ML) dan data mining (DM) bisa sangat membantu dalam menghadapi tantangan di bidang manufaktur. Oleh karena itu, Pada penelitian ini akan menggunakan algoritma Naïve Bayes Classifier dengan model Gaussian. Data yang digunakan adalah data status gizi balita pada bulan Januari-Juli 2023 di Kota Samarinda. Atribut pada penelitian ini diantaranya Jenis Kelamin, Berat Badan Lahir, Tinggi Badan Lahir, Usia Saat Ukur, Berat Badan, Tinggi Badan, ZS BB/U, BB/U, ZS TB/U, dan TB/U. Penentuan status gizi balita pada penelitian ini berdasarkan indeks BB/TB yang terdiri dari 6 kelas, yaitu gizi buruk, gizi kurang, gizi baik, risiko gizi lebih, gizi lebih, dan obesitas. Dari penelitian yang dilakukan didapatkan bahwa algoritma Naïve Bayes Classifier dengan model gaussian bisa mengklasifikasikan status gizi balita secara tepat. Dari pengolahan data yang dilakukan, diketahui bahwa nilai akurasi model Gaussian yaitu sebesar 8l,85%.