Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Sintaks Logika (JSilog)
Otong Saeful Bachri
Teknik Informatika, Universitas Muhadi Setiabudi
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ALGORITMA NAIVE BAYES UNTUK MENGKLASIFIKASIKAN STUNTING PADA ANAK BALITA BERBASIS WEBSITE Lutfi Afifah; Otong Saeful Bachri; Bambang Irawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.17078

Abstract

Stunting merupakan permasalahan gizi kronis menjadi tantangan serius di Indonesia, khususnya pada balita. Kondisi disebabkan oleh kekurangan gizi dalam jangka panjang yang dimulai sejak masa kehamilan hingga usia dua tahun. Penelitian ini bertujuan menganalisis faktor-faktor yang memengaruhi kejadian stunting pada balita. Metode penelitian yang digunakan adalah pendekatan deskriptif dengan pengumpulan data melalui observasi, wawancara, dan studi dokumentasi pada balita dan orang tua. Hasil penelitian menunjukkan bahwa stunting dipengaruhi oleh asupan gizi yang tidak adekuat, rendahnya pengetahuan orang tua tentang gizi, riwayat penyakit infeksi, serta kondisi sanitasi lingkungan yang kurang baik. Kesimpulan dari penelitian ini menegaskan bahwa upaya pencegahan stunting memerlukan intervensi terpadu melalui perbaikan gizi, peningkatan pola asuh, serta penguatan layanan kesehatan dan sanitasi lingkungan. Stunting, yang merupakan kondisi malnutrisi dan hambatan pertumbuhan, ditandai dengan tinggi badan yang tidak sesuai untuk usia. Penelitian ini bertujuan untuk mengembangkan sistem berbasis web untuk penentuan stunting pada anak di Satu Pintu Layanan Data (SAPULADA) Kabupaten Brebes. Atribut yang digunakan dalam penelitian ini meliputi NIK, nama, tanggal lahir, tinggi badan, dan berat badan, dengan 1500 data balita dari posyandu. Hasil penelitian menunjukkan bahwa sistem ini mencapai akurasi tinggi dalam pengklasifikasian, dengan persentase stunting sebesar 75%, pra- stunting sebesar 45%, dan status normal sebesar 30%.
Pemodelan Analisis Sentimen Ulasan Pengguna Aplikasi Info Bmkg Menggunakan Pendekatan Multinomial Naïve Bayes Moh. Syaogi; Nur Ariesanto Ramdhan; Otong Saeful Bachri; Bambang Irawan
Jurnal Sintaks Logika Vol. 6 No. 1 (2026): Januari 2026
Publisher : Fakultas Teknik Universitas Muhammadiyah Parepare

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31850/jsilog.v6i1.4285

Abstract

Info BMKG is one of several digital platforms that have been pushed by the fast evolution of IT to replace traditional methods of providing public services. Reviews on the Play Store can be used to determine user perceptions and levels of satisfaction with the application. Manual analysis is laborious and inefficient due to the high number of evaluations. Consequently, the purpose of this research is to use the Naive Bayes algorithm to categorize evaluations of the Info BMKG app as either positive or negative in order to do sentiment analysis. Using a web scraping approach, a total of 5,000 user evaluations were obtained for the study data. Next, the data underwent text preprocessing, word weighting using the TF-IDF technique, and sentiment classification with the Multinomial Naive Bayes algorithm. There was an 80:20 split between the dataset's training and testing sets. The experimental findings show that the Naive Bayes algorithm achieves an accuracy of 87.83% on the testing data when it comes to classifying user review emotions.
Co-Authors Bambang Irawan Lutfi Afifah Moh. Syaogi Nur Ariesanto Ramdhan