Author (Penulis)

ANIS ENGGAR SARI
Universitas Nusantara PGRI Kediri

Author Identity (NPM)

13.1.03.03.0034

Abstract

PENGKLASIFIKASIAN KONDISI KESEHATAN BALITA MENGGUNAKAN METODE NAIVE BAYES CLASSIFICATION (NBC) ANIS ENGGAR SARI 13.1.03.03.0034 Fakultas Teknik – Prodi Sistem Informasi Email: enggar030@gmail.com Erna Daniati, M.Kom1 dan Aidina Ristyawan, M.Kom2 UNIVERSITAS NUSANTARA PGRI KEDIRI Abstrak Masalah yang dihadapi petugas Posyandu dalam menentukan kondisi kesehatan balita yaitu (1) Sistem yang digunakan masih konvensional, sehingga memperlambat kerja petugas Posyandu dalam menangani pasien. (2) Dalam menentukan status gizi balita sering terjadi salah perhitungan dikarenakan beberapa faktor diantaranya, faktor sikologis petugas Posyandu akibat banyaknya kasus yang ditangani dan jumlah SDM terbatas. (3) Harus ada suatu metode yang digabungkan dengan ilmu komputer untuk mendapakan hasil yang akurat. Penelitian ini bertujuan (1) Mempercepat kerja petugas Posyandu dalam menangani pasien menggunakan aplikasi yang dibuat. (2) Menanggulangi masalah adanya salah perhitungan dalam menentukan status gizi balita. (3) Menentukan status gizi balita menggunakan metode Naive Bayes Classification. Teknik data mining yang akan digunakan untuk mengetahui klasifikasi status gizi balita salah satunya menggunakan metode Naive Bayes Classificaion (NBC). Metode NBC adalah suatu classifier probabilistik sederhana yang berdasarkan pada teorema Bayes pada umumnya, inferensi Bayes khususnya dengan asumsi independensi yang kuat (naive). Hasil penelitian menujukkan bahwa (1) Dengan adanya sistem ini dapat mempercepat kerja petugas Posyandu dalam menentukan status gizi balita, sehingga pihak Posyandu bisa mengambil keputusan yang tepat dalam mengambil tindakan kepada balita. (2) Sistem klasifikasi status gizi balita ini digunakan untuk menampilkan informasi klasifikasi gizi buruk, gizi kurang, gizi baik atau gizi lebih yang dialami oleh balita dengan menggunakan kriteria umur, berat badan, tinggi badan dan jenis kelamin. Sehingga meminimumkan salah perhitungan dalam menentukan status gizi balita. (3) Dengan membuat 3 skema yang memiliki perbandingan data training dan data testing yang berbeda untuk menunjukkan nilai akurasi tertinggi. Skema 1 yang memiliki data training 30 dan data testing 10 menghasilkan nilai akurasi 70% dan nilai error 30%. Skema 2 yang memiliki data training 20 dan data testing 20 menghasilkan nilai akurasi 35% dan nilai error 65%. Skema 3 yang memiliki data training 10 dan data testing 30 menghasilkan nilai akurasi 33,33% dan nilai error 66,67%. Sehingga nilai akurasi tertinggi terdapat pada skema 1 yaitu 70%. Hal ini menunjukkan bahwa semakin banyak data training nya semakin tinggi tingkat akurasinya. Kata kunci : Klasifikasi, Kondisi, Data mining, Naive Bayes Classification

Keyword

a

Reference

PUBLISHED

2017-08-15

JOURNAL

Simki-Techsain

ISSN

2599-3011

ISSUE

Vol. 01 No. 07 Tahun 2017

Download PDF

Download PDF Kembali Home