KLASIFIKASI STUNTING BALITA MENGGUNAKAN NAIVE BAYES DENGAN SELEKSI FITUR FORWARD SELECTION

Abstract

Stunting menggambarkan status gizi kurang yang bersifat kronik pada masa pertumbuhan dan perkembangan sejak awal kehidupan. Keadaan ini dipresentasikan dengan nilai z-score tinggi badan menurut umur (TB/U) kurang dari -2 standar deviasi (SD) berdasarkan standar pertumbuhan menurut WHO. Kejadian stunting pada balita lebih sering mengenai balita pada usia 12-59 bulan dibandingkan balita usia 0-24 bulan. Stunting dapat memberikan dampak jangka pendek dan panjang. Penelitian ini menggunakan data balita tahun 2018 yang di dapat dari Puskesmas Pandanaran Kota Semarang dengan usia balita 0 – 59 bulan. Penelitian ini bertujuan untuk meningkatkan akurasi hasil klasifikasi dari status gizi stunting pada balita menggunakan algoritma Naive Bayes Classifier dan Forward Selection dan mengklasifikasi status gizi stunting menggunakan metode seleksi fitur Forward Selection pada algoritma Naive Bayes Classifier. Metode analisis data dalam penelitian ini menggunakan metode CRISP-DM (Cross Industry Standart Process for Data Mining) yang merupakan model dari proses data mining dengan siklus hidup yang terbagi menjadi 6 fase atau tahap-tahap penelitian yang meliputi pemahaman bisnis, pemahaman data, pengolahan data, pemodelan dan evaluasi. Untuk meningkatkan hasil akurasi dari algoritma Naive Bayes Classifier dalam  mengklasifikasikan status gizi stunting pada balita.dibuthkan fitur seleksi forward selection dan dapat meningkatkan hasil akurasi sebesar 4,34 % dan penerapan foward selection dalam penelitian ini memiliki tujuan yaitu untuk menghilangkan atribut-atribut yang tidak memiliki hubungan atau tidak berpengaruh yaitu atribut jenis kelamin, berat badan, tinggi badan dan miskin. Dari atribut atribut yang telah diseleksi akan dilakukan klasifikasi menggunakan algoritma Naive Bayes Classifier untuk menentukan klasifikasi status gizi stunting pada balita dengan hasil keputusan berupa probablitas dari klasifikasi itu sendiri.