Pasaribu, Hafni Maya Sari (2025) KLASIFIKASI STATUS STUNTING MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER DENGAN FEATURE SELECTION BACKWARD ELIMINATION. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (22kB)
	Text Abstrak.pdf Download (110kB)
	Text BAB I.pdf Download (130kB)
	Text Daftar Pustaka.pdf Download (128kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Stunting merupakan salah satu masalah utama kesehatan balita yang dapat mempengaruhi pertumbuhan fisik dan perkembangan anak yang berdampak pada kualitas hidup mereka yang ditandai dengan tinggi badan anak di bawah normal untuk usianya. Untuk mengatasi permasalahan ini dibutuhkan metode untuk mengklasifikasi status stunting pada balita. Penelitian ini bertujuan untuk mengklasifikasi status stunting pada balita menggunakan algoritma Naive Bayes Classifier dengan melakukan seleksi fitur menggunakan Backward Elimination untuk meningkatkan akurasi klasifikasi. Dataset yang digunakan pada tahun 2023 berasal dari Puskesmas Lueng Daneun, Kecamatan Peusangan Simblah Krueng, Kabupaten Bireun yang mencakup beberapa fitur, seperti usia, jenis kelamin, pendapatan keluarga, tinggi badan (TB), berat badan (BB), sanitasi, air bersih, dan susu formula. Pengaplikasian metode feature selection backward elimination digunakan untuk memilih fitur-fitur yang paling signifikan dan relevan dengan variabel target. Implementasi Naive Bayes Classifier dilakukan menggunakan bahasa pemograman Python. Hasil analisis menunjukkan bahwa fitur yang tersisa yaitu kondisi sanitasi yang memiliki kontribusi signifikan terhadap klasifikasi. Data yang digunakan yaitu 244 dimana data latih 195 dan data uji 49 dengan perbandingan 80:20. Dari hasil penelitian dihasilkan bahwa akurasi awal senilai 77,55%, presisi 60,00%, recall 64,29% dan f1 score 62,07% dan setelah dilakukan seleksi fitur akurasi menjadi 81,63%, presisi 63,16%, recall 85,71% dan f1 score 72,73%. Hasil ini menunjukkan bahwa seleksi fitur pada model Naïve Bayes memberikan kinerja yang baik. Kata Kunci : Klasifikasi, Stunting, NBC, Backward Elimination.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Hafni Maya Sari Pasaribu
Date Deposited:	10 Oct 2025 02:43
Last Modified:	10 Oct 2025 02:43
URI:	https://rama.unimal.ac.id/id/eprint/16610

Actions (login required)

View Item