Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer
Bashir, Pandu
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
PERBANDINGAN ALGORITMA KNN, NAIVE BAYES DAN SVM UNTUK KLASIFIKASI STATUS STUNTING ANAK BALITA DI PUSKESMAS SEPATAN Bashir, Pandu; Diah Aryani
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6591

Abstract

Penelitian ini membandingkan kinerja tiga Algoritma Machine Learning K-Nearest Neighbors (KNN), Naive Bayes (NB), dan Support Vector Machine (SVM) dalam mengklasifikasikan status stunting pada anak balita di Puskesmas Sepatan. Status stunting ditentukan berdasarkan indikator antropometri seperti berat badan, tinggi badan, dan usia. Penelitian menggunakan metode GridSearchCV untuk tuning hyperparameter dan mengevaluasi model berdasarkan Accuracy, Precision, Recall, F1-score, Specificity, dan ROC AUC. Hasil menunjukkan bahwa Naive Bayes memberikan performa terbaik dengan Accuracy 99,65%, Precision 99,67%, Recall 99,65%, F1-score 99,64%, Specificity 99,94%, dan ROC AUC 0,9999. Algoritma SVM dengan kernel linear berada di posisi kedua dengan akurasi 98,96% dan nilai ROC AUC sempurna (1,0000), sementara KNN memperoleh akurasi 96,36% dengan performa stabil pada kelas mayoritas namun menurun pada kelas minoritas. Secara keseluruhan, Naive Bayes terbukti sebagai algoritma yang paling optimal dalam penelitian ini, diikuti oleh SVM dan KNN. Temuan ini menunjukkan bahwa pemilihan algoritma Machine Learning sangat dipengaruhi oleh karakteristik data, khususnya distribusi kelas dalam dataset status gizi balita.
Co-Authors Diah Aryani