KLASIFIKASI DAN PREDIKSI KELUARGA BERISIKO STUNTING DI PROVINSI JAMBI MENGGUNAKAN METODE KNN DAN NAIVE BAYES

Authors

DOI:

https://doi.org/10.46576/device.v7i1.8522

Keywords:

Klasifikasi, Prediksi, KNN, Naive Bayes.

Abstract

Di Indonesia Prevalensi stunting sebesar 37,2%, naik dari 35,6% pada tahun 2019 dan 36,8%, dengan mayoritas dipengaruhi oleh penduduk setempat. Kementerian Kesehatan Indonesia memperkirakan bahwa prevalensi stunting akan mencapai 38,9% pada tahun 2020. Permasalahannya Beberapa Data yang diambil dan dipakai berupa data sekunder yang di ada diwebsite opendata provinsi jambi yang berjudul Faktor Penapisan Keluarga Berisiko Stunting di Provinsi Jambi. Dengan menggunakan algoritma KNN dan Naïve Bayes, maka didapatkan hasilnya berupa kedua algoritma cocok untuk pengklasteran dan Scoring dari algoritma menunjukkan hasil yang berbeda. Karena keakurasiannya sesuai dengan perhitungan manual yang telah dijabarkan pada bagian pengolahan data. Beberapa hasil dari cross-validasi menyatakan bahwa nilai accuracy 85,29%, nilai precision berupa 83,33%, nilai recall 85,29%.

Author Biographies

  • Niko Akbar, Jambi University
    Prodi Sistem Informasi
  • Hamzah Alghifari, Jambi University
    Prodi Sistem Informasi
  • Nurul Abdillah, Jambi University
    Prodi Sistem Informasi
  • Oki Dahwanu, Jambi University
    Prodi Sistem Informasi

References

R. A. Indraputra and R. Fitriana, “K-Means clustering data COVID-19,” Jurnal Teknik Industri, vol. 10, no. 3, pp. 275–282, 2020.

R. S. Cumel David Zamri, “Perbandingan Metode Data Mining untuk Prediksi Banjir dengan Algoritma Naïve Bayes dan KNN,” SENTIMAS: Seminar Nasional Penelitian dan …, pp. 40–48, 2022, [Online]. Available: https://journal.irpi.or.id/index.php/sentimas/article/view/353%0Ahttps://journal.irpi.or.id/index.php/sentimas/article/download/353/132

M. Musnaimah, A. Alifatin, and N. Hayatin, “Expert System to Identify Risk Factors of Toddler’s Nutrition Status with Case Based Reasoning,” Jurnal Perempuan dan Anak, vol. 3, no. 1, p. 27, 2020, doi: 10.22219/jpa.v3i1.11810.

R. Setiawan and A. Triayudi, “Klasifikasi Status Gizi Balita Menggunakan Naïve Bayes dan K-Nearest Neighbor Berbasis Web,” Jurnal Media Informatika Budidarma, vol. 6, no. 2, p. 777, 2022, doi: 10.30865/mib.v6i2.3566.

S. Suprayogi, C. A. Sari, and E. H. Rachmawanto, “Sentiment Analyst on Twitter Using the K-Nearest Neighbors (KNN) Algorithm Against Covid-19 Vaccination,” Journal of Applied Intelligent System, vol. 7, no. 2, pp. 135–145, 2022, doi: 10.33633/jais.v7i2.6734.

A. F. Watratan and D. Moeis, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia,” Journal of Applied Computer Science and Technology, vol. 1, no. 1, pp. 7–14, 2020.

S. T. M. K. Yahya, Data Mining. CV Jejak (Jejak Publisher), 2022. [Online]. Available: https://books.google.co.id/books?id=0J2mEAAAQBAJ

Downloads

Published

2026-06-09

Issue

Section

ARTIKEL VOL. 7 NO. 1 2026