MODEL PREDIKSI STUNTING PADA BALITA MENGGUNAKAN ALGORITMA NAÏVE BAYES

Abstrak

Penelitian ini menginvestigasi penggunaan algoritma Naive Bayes untuk klasifikasi stunting pada anak berdasarkan data kesehatan dan gizi. Studi ini bertujuan untuk mengidentifikasi faktor-faktor yang berpengaruh terhadap risiko stunting dan mengembangkan model prediktif yang dapat membantu dalam pencegahan dan intervensi stunting. Metodologi penelitian meliputi pengolahan data awal, pembagian dataset menjadi set pelatihan dan pengujian, pelatihan model menggunakan algoritma Naive Bayes, dan evaluasi kinerja model melalui metrik seperti akurasi, precision, dan recall.

Hasil penelitian menunjukkan bahwa model Naive Bayes mencapai akurasi sebesar 72,49% untuk data pelatihan dan 81,25% untuk data pengujian. Analisis konfusi matriks menunjukkan nilai presisi sebesar 0,911 dan recall sebesar 0,710 untuk data pelatihan; untuk pengujian data , nilai presisi sebesar 0.914 dan recall sebesar 0.842. Hasilnya menunjukkan bahwa model Naive Bayes mampu melakukan prediksi stunting dengan cukup baik, meskipun ada beberapa keterbatasannya, seperti asumsi independensi kondisional yang mungkin tidak terpenuhi setiap saat. Penelitian ini memberikan wawasan tentang bagaimana model klasifikasi dapat digunakan dalam kesehatan masyarakat, khususnya dalam upaya mendeteksi dan mencegah stunting . Hasilnya menjanjikan, tetapi diperlukan evaluasi lebih lanjut untuk mengoptimalkan model dan memastikan bahwa model tersebut dapat digunakan secara efektif di dunia nyata.