WEBSITE BERBASIS MACHINE LEARNING UNTUK DETEKSI DINI KONDISI GIZI BALITA

Eka Miranda; Mediana Aryuni; Alfi Yusrotis  Zakiyyah; Yulia Ery  Kurniawati; Meyske  Kumbangsila

Authors

Eka Miranda Information Systems Department, School of Information Systems, Bina Nusantara University, Jakarta, Indonesia
Mediana Aryuni Information Systems Department, School of Information Systems Bina Nusantara University Jakarta, Indonesia
Alfi Yusrotis Zakiyyah Mathematics Department, School of Computer Science Bina Nusantara University Jakarta, Indonesia
Yulia Ery Kurniawati Information Systems Department, School of Information Systems Bina Nusantara University Jakarta, Indonesia
Meyske Kumbangsila Medical doctor, Sawah Besar Community Health Service Jakarta, Indonesia

Keywords:

Decision Tree, Algoritma C4.5, K-Nearest Neighbors (KNN), Naïve Bayes, Puskesmas Sawah Besar

Abstract

Permasalahan gizi seperti stunting atau gagal tumbuh pada anak masih menjadi salah satu masalah yang mendasar dalam pembangunan masyarakat indonesia. Maka dari itu, tujuan penelitian ini adalah membuat aplikasi prediksi kesehatan gizi balita berbasis web untuk Puskesmas Sawah Besar. Proses data mining dilakukan dengan menggunakan bahasa pemrograman Python untuk melakukan uji eksperimen teknik klasifikasi metode Decision Tree (Algoritma C4.5), K-Nearest Neighbors (KNN), dan Naïve Bayes. Hasil evaluasi klasifikasi data mining dilakukan dengan menggunakan teknik Confusion Matrix. Penelitian ini menunjukkan bahwa teknik klasifikasi menggunakan metode Decision Tree (Algoritma C4.5) memiliki nilai akurasi tertinggi yaitu 90.20%, presisi 91.58%%, recall 90.26%%, dan nilai F-score 90.26%% pada uji coba dengan rasio data training:data testing 70:30. Hasil yang dicapai pada penelitian ini adalah aplikasi berbasis web yang dapat membantu mengetahui keputusan berbasis data untuk kesehatan balita.