Ajeng Puspita
Universitas Muhammadiyah Sumatera Utara

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Sistem Pakar Rekomendasi Nutrisi Konsumsi MBG Siswa SMA Menggunakan Metode Naïve Bayes Ajeng Puspita; Mahardika Abdi Prawira Tanjung
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 5 (2026): Edisi September 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i5.1118

Abstract

Masa remaja merupakan fase kritis yang memerlukan pemenuhan gizi optimal, namun pelaksanaan Program Makan Bergizi Gratis (MBG) yang diluncurkan pemerintah Indonesia pada Januari 2025 belum sepenuhnya mempertimbangkan karakteristik nutrisi individu siswa. Penelitian ini bertujuan membangun sistem pakar berbasis web yang mengklasifikasikan kebutuhan nutrisi siswa Sekolah Menengah Atas (SMA) menggunakan metode Naïve Bayes dengan Laplace Smoothing, serta menghasilkan rekomendasi menu MBG yang telah divalidasi oleh Ahli Gizi. Sistem menerima tujuh variabel input meliputi usia, jenis kelamin, kategori berat badan, kategori tinggi badan, tingkat aktivitas fisik, preferensi makanan, dan pola konsumsi MBG yang diperoleh melalui kuesioner 17 item Likert dari 73 siswa SMA peserta MBG. Estimasi Indeks Massa Tubuh (IMT) dihitung menggunakan nilai tengah kategori, kemudian diproses bersama variabel lain untuk menghasilkan empat kategori rekomendasi nutrisi: Tinggi Protein, Seimbang, Rendah Kalori, dan Tambahan Energi. Basis pengetahuan berupa 12 rule disusun dan divalidasi oleh Ahli Gizi. Pengujian Black Box terhadap 14 skenario fungsional menunjukkan tingkat keberhasilan 100%. Uji konsistensi internal basis pengetahuan memperoleh tingkat kesesuaian 75% (9 dari 12 kombinasi). Pengujian akurasi melalui validasi eksternal Ahli Gizi terhadap 25 sampel menunjukkan tingkat akurasi 80%. Hasil penelitian membuktikan bahwa sistem pakar berbasis Naïve Bayes layak digunakan sebagai alat bantu pendukung keputusan dalam evaluasi dan penyempurnaan menu MBG secara berkelanjutan.