The Health Department is an integral part of the government structure with broad responsibilities for managing various aspects of health, including daily medical services activities that contribute to maintaining a healthy nutritional balance, reflected in good quality processed foods. Therefore, there is a need for grouping and classifying processed foods. The problem addressed in this research is the difficulty faced by the Palembang Health Department in determining the classification of processed food products. Hence, the researcher employed the Naive Bayes method and RapidMiner Software as supporting software tools in this study. The study found that in Accuracy testing, both RapidMiner and manual Naive Bayes calculations yielded the same result of 94.52% for the positive class: Plant-based. In Precision testing, there was a difference between RapidMiner and manual Naive Bayes calculations, with RapidMiner yielding a higher result of 93.22% for the positive class: Plant-based, while manual Naive Bayes calculation obtained a value of 78%. Similar values were also obtained in Recall testing, where both RapidMiner and manual Naive Bayes calculations yielded the same result of 100% for the positive class: Plant-based. In F1 Score testing, both RapidMiner and manual Naive Bayes calculations yielded the same result of 100%. In RapidMiner's Area Under The Curve (AUC) testing, the result obtained was 0.973 (positive class: Plant-based), and the high accuracy of the ROC/AUC curve indicates "Excellent Classification", suggesting that the use of plant-based food materials dominates over the use of animal-based food materials. It is hoped that the results of this research can assist the Health Department in classifying food processing categories. Keywords: Naive Bayes, Classification, Processed Food, Palembang City Health Department, Food Product Supervision, Food Materials, Animal-based, Plant-based.
Bahasa Indonesia
Dinas kesehatan merupakan bagian integral dari struktur pemerintahan yang memiliki tanggung jawab luas untuk mengelola berbagai aspek kesehatan, aktivitas pelayanan medis sehari-hari juga berperan dalam menjaga keseimbangan gizi yang sehat, yang tercermin dari makanan olahan yang baik dan berkualitas. Oleh karena itu perlu adanya pengelompokan dan pengklasifikasian pada olahan pangan. Adapun permasalahan yang terdapat dalam penelitian ini yaitu adanya kesulitan yang dialami oleh Dinas Kesehatan Kota Palembang dalam menentukan klasifikasi produk olah pangan. Oleh karena itu, peneliti menggunakan metode Naive Bayes dan Software RapidMiner sebagai perangkat lunak pendukung dalam penelitian ini. Dalam penelitian ini, pada pengujian Accuracy di dapatkan hasil nilai yang sama antara perhitungan Rapidminer dan perhitungan manual Naive Bayes yaitu kelas positif 94,52%: Nabati, pada pengujian Precission terdapat perbedaan antara perhitungan RapidMiner dengan perhitungan Naive Bayes manual, pada perhitungan RapidMiner didapatkan hasil yang lebih besar yaitu 93,22% Kelas Positif: Nabati, sedangkan perhitungan Naive Bayes manual didapatkan nilai 78%. Nilai serupa juga diperoleh pada pengujian Recall dimana antara perhitungan Rapidminer dan perhitungan manual Naive Bayes, nilainya sama yaitu 100% Kelas positif: Nabati, pada pengujian F1 Score diperoleh nilai yang sama antara perhitungan Rapidminer dan perhitungan manual Naive Bayes yaitu 100%, dan pada pengujian Rapidminer Area Under The Curve (AUC) Hasil yang diperoleh adalah 0,973 (kelas positif: Nabati), dan tingginya akurasi kurva ROC/AUC memberikan kriteria “Excellent Clasification (klasifikasi yang sangat baik)”, sehingga penelitian ini nilai penggunaan bahan pangan nabati lebih mendominasi dibandingkan penggunaan bahan pangan hewani. Diharapkan hasil dari penelitian ini dapat membantu Dinas Kesehatan dalam mengklasifikasi kategori olah pangan. Kata Kunci: Naive Bayes, Klasifikasi, Olah Pangan, Dinas Kesehatan Kota Palembang, Pengawasan Produk Pangan. Bahan Pangan, Hewani, Nabati.
Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.