JudulPENERAPAN DATA MINING UNTUK MENENTUKAN RESIKO STUNTING PADA BALITA MENGGUNAKAN ALGORITMA NAIVE BAYES (STUDI KASUS PUSKESMAS TAMBU) |
Nama: SALSABILLA |
Tahun: 2023 |
Abstrak Stunting menggambarkan keadaan malnutrisi kronis selama pertumbuhan dan perkembangan sejak awal kehidupan. Situasi ini diwakili oleh tinggi z-score untuk usia (TB/U), yang kurang dari minus 2 standar deviasi (SD), berdasarkan Standar pertumbuhan WHO. Data dari Dinas Kesehatan Provinsi Sulawesi Tengah menyatakan bahwa hasil pemantauan status gizi berdasarkan indikator panjang badan menurut umur (PB/U) atau tinggi badan menurut umur (TB/U). Pada tahun 2021 menunjukkan prevalensi status gizi balita di Provinsi Sulawesi Tengah dengan masalah stunting sebesar 29,7% (Survei Status Gizi Indonesia, 2021). Penelitian ini akan memudahkan untuk menentukan resiko stunting pada balita. Data akan diolah dan dijadikan informasi mengenai normal atau tidaknya gizi pada balita. Dengan informasi ini, bisa memudahkan pendataan balita yang mengalami stunting beresiko tinggi, beresiko rendah dan tidak beresiko. selain itu juga dapat digunakan untuk mengadakan penyuluhan untuk meningkatkan gizi stunting dan mencegah stunting pada balita dengan menggunakan metode Naive Bayes. Hasil akurasi metode Naive Bayes dalam mengklasifikasikan resiko stunting pada balita yaitu 82,69%. Kata kunci— Data Mining, Naïve Bayes, Klasifikasi, Stunting |