Suliswati, Yeni
Unknown Affiliation

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

Found 1 Documents
Search

Implementasi Metode Naïve Bayes dengan Random Oversampling pada Klasifikasi Keluarga Berisiko Stunting Suliswati, Yeni; Mukhti, Tessy Octavia; Syafriandi, Syafriandi; Salma, Admi
Leibniz: Jurnal Matematika Vol. 5 No. 02 (2025): Leibniz: Jurnal Matematika
Publisher : Program Studi Matematika - Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas San Pedro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59632/leibniz.v5i02.610

Abstract

Stunting masih menjadi salah satu masalah kesehatan serius yang memiliki dampak jangka panjang terhadap tumbuh kembang dan kognitif anak. Keluarga memiliki peran penting dalam mencegah terjadinya stunting, sehingga identifikasi dini keluarga yang berisiko melahirkan anak stunting menjadi langkah awal dalam upaya pencegahan. Penelitian ini bertujuan untuk mengklasifikasikan keluarga berisiko stunting menggunakan metode Naïve Bayes serta mengevaluasi pengaruh teknik Random Oversampling (ROS) terhadap performa model pada data tidak seimbang. Data pada penelitian ini terdiri dari 7 variabel independen dan 1 variabel dependen yang bersumber dari Perwakilan Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) Sumatera Barat. Hasil evaluasi menunjukkan bahwa model Naïve Bayes memiliki akurasi sebesar 92,46% dan sensitivitas 100% serta spesifisitas 69,14% yang menunjukkan kelemahan dalam mengidentifikasi keluarga berisiko. Metode ROS-Naïve Bayes menunjukkan peningkatan performa model dimana diperoleh akurasi sebesar 99,87%, sensitivitas 99,83%, dan spesifisitas 100%. Hal ini menunjukkan bahwa implementasi Naïve Bayes dengan ROS efektif dalam mengatasi ketidakseimbangan data dan meningkatkan performa model. Faktor utama yang memengaruhi risiko stunting meliputi keikutsertaan KB modern, sanitasi, usia ibu dan jumlah anak.