Optimasi Algoritma Naïve Bayes Menggunakan Fitur Seleksi Backward Elimination untuk Klasifikasi Prevalensi Stunting

Abstract

Stunting adalah masalah kekurangan gizi kronis yang ditandai dengan tinggi badan anak di bawah normal untuk usianya. Anak yang mengalami stunting memiliki risiko lebih tinggi terhadap berbagai penyakit kronis dan masalah kesehatan lainnya dan cenderung memiliki intelligence quotient yang lebih rendah dan performa yang buruk di sekolah karena sebanyak 90% jumlah sel otak tercipta sejak dalam kandungan hingga anak berumur 24 bulan. Tujuan dari penelitian ini adalah untuk mengklasifikasi prevalensi stunting pada anak usia di bawah 5 tahun dengan mengimplementasikan metode naïve bayes menggunakan fitur seleksi backward elimination berdasarkan data perhitungan z-score dengan data sampel berjumlah 224 record, yang terdiri dari 4 atribut dan 1 label yaitu jenis kelamin, usia, berat badan, tinggi badan dan status gizi. Dari hasil penelitian yang telah dilakukan diperoleh nilai akurasi tertinggi sebesar 92,54% sedangkan hasil dari pengujian model tanpa menggunakan seleksi fitur mendapatkan akurasi sebesar 53,50%. Penelitian ini menggunakan data traning dan testing dengan ratio sebesar 70%:30%.