Penerapan K-NN (K-Nearest Neighbors) Pada Sistem Pakar Diagnosa Gejala Stunting Pada Balita Menggunakan Naïve Bayes Classifier
DOI:
https://doi.org/10.69533/6nxxyw62Keywords:
K-NN, NBC, Stunting, Sistem PakarAbstract
Kurangnya asupan gizi pada 1000 Hari Pertama Kehidupan (HPK) anak dapat memberikan dampak serius pada perkembangan fisik dan kognitif. Stunting adalah gangguan pertumbuhan fisik pada anak di bawah usia lima tahun yang ditandai dengan penurunan kecepatan pertumbuhan akibat ketidakseimbangan gizi. Presentasi angka stunting di NTT pada tahun 2023 mencapai 15,7% atau sekitar 67.538 anak, dengan Kabupaten Kupang mencatat 16,2% atau sekitar 4.899 anak mengalami stunting. Faktor ekonomi, pola asuh, riwayat infeksi, dan pengetahuan orang tua menjadi kontributor utama terhadap kondisi ini. Berdasarkan permasalahan tersebut, penerapan sistem pakar berbasis web dengan K-Nearest Neighbors (K-NN) sebagai pra-proses dan Naive Bayes Classifier sebagai klasifikasi akhir merupakan solusi potensial untuk diagnosis stunting pada balita. K-NN digunakan untuk mengelompokkan data gejala berdasarkan kemiripan karakteristik, mengidentifikasi pola terkait stunting. Kemudian, Naive Bayes Classifier menentukan diagnosis akhir melalui analisis probabilistik dari gejala yang telah diidentifikasi. Dari hasil perancangan, pengujian sistem serta evaluasi pengujian metode K-NN dan Naïve Bayes Classifier, sistem menunjukkan performa yang cukup baik dengan tingkat sensitivitas 88% dan spesifisitas 100%. Nilai True Positive sebanyak 15, True Negative sebanyak 3, False Positive sebanyak 2, dan False Negative sebanyak 0, maka diperoleh akurasi dengan confusion matrix sebesar 90% dari 20 data kasus stunting. Performa tersebut menunjukkan bahwa kedua metode ini sangat cocok untuk sistem diagnosa gejala stunting, karena terbukti mampu menyediakan diagnosa yang cepat dan akurat dalam mendeteksi dan memberikan solusi untuk menurunkan prevalensi stunting di Kabupaten Kupang.
References
Redaksi Liveaman, “Pentingnya Nutrisi Dan Gizi Bagi Kesehatan Mental.”
Tim Riskesdas 2018, “Laporan Nasional Riskesdas 2018,” Jakarta, Nov. 2018.
Dinas Kesehatan Provinsi NTT, “Angka Stunting Semester 1 Tahun 2023 di NTT Capai 15,7 Persen, Tertinggi di Kabupaten TTU,” Pos Kupang.
Riris Diana Rachmayanti, “Pemberian Asi Ekslusif sebagai Faktor Protektor pada Resiko Stunting,” UNAIR NEWS.
G. Apriluana and S. Fikawati, “Analisis Faktor-Faktor Risiko terhadap Kejadian Stunting pada Balita (0-59 Bulan) di Negara Berkembang dan Asia Tenggara,” Media Penelitian dan Pengembangan Kesehatan, vol. 28, no. 4, pp. 247–256, Dec. 2018, doi: 10.22435/mpk.v28i4.472.
M. Handoko and N. Neneng, “SISTEM PAKAR DIAGNOSA PENYAKIT SELAMA KEHAMILAN MENGGUNAKAN METODE NAIVE BAYES BERBASIS WEB,” Jurnal Teknologi Dan Sistem Informasi, vol. 2, no. 1, pp. 50–58, Mar. 2021.
B. Sapriatin and F. Sianturi, “Penerapan Teorema Bayes Mendeteksi Stunting Pada Balita,” JURNAL MEDIA INFORMATIKA [JUMIN], vol. 3, no. 1, pp. 24–37, Dec. 2021.
E. Qiudandra, R. Akram, and Novianda, “Sistem Pakar Diagnosa Penyakit Osteoarthritis Dengan Menggunakan Metode K-Nearest Neighbor,” Jurnal Ilmiah Teknik Informatika METHOTIKA, vol. 2, no. 2, pp. 37–48, Oct. 2022.
P. Suherman and F. Tahel, “Metode Case-Based Reasoning Dalam Diagnosa Penyakit Stunting Pada Balita,” Jurnal InSeDS (Information System and Data Science), vol. 2, no. 1, pp. 90–97, Feb. 2023.
A. A. D. Halim and S. Anraeni, “Analisis Klasifikasi Dataset Citra Penyakit Pneumonia menggunakan Metode K-Nearest Neighbor (KNN),” Indonesian Journal of Data and Science, vol. 2, no. 1, pp. 01–12, Mar. 2021, doi: 10.33096/ijodas.v2i1.23.
A. Helilintar, A. Ramadhani, and S. Rochsana, Data Mining K-Nearest Neighbor (KNN), 1st ed. Kediri: Fakultas Teknik Universitas Nusantara PGRI Kediri, 2017.
Suyanto, Machine Learning Tingkat Dasar Dan Lanjut, 1st ed. Bandung: Informatika Bandung, 2018.
M. Muslim et al., Data Mining Algoritma C4.5: Disertai contoh kasus dan penerapannya dengan program computer kasus dan penerapannya dengan program computer, 1st ed. Semarang: Universitas Negeri Semarang (UNNES). , 2019.
C. Sammut and G. Webb, Encyclopedia of Machine Learning, 1st ed. New York: Springer, 2010.
Yuhefizar, Cara mudah dan murah membangun dan mengelola website, 1st ed., vol. 2. Yogyakarta: Graha Ilmu, 2013.
