<![CDATA[Klasifikasi merupakan metode untuk mengelompokkan teks sehingga teks dengan isi yang serupa akan dikelompokkan dalam jenis yang sama. Dalam konteks pertumbuhan anak stunting di Posyandu Cemara, metode data mining untuk klasifikasi menjadi relevan dalam mengidentifikasi kategori pertumbuhan anak sebagai normal atau tidak normal. Stunting, sebagai masalah gizi kronis, disebabkan oleh kurangnya asupan gizi dalam jangka waktu panjang, mengakibatkan gangguan pertumbuhan pada anak dan tinggi badan yang lebih rendah dibandingkan dengan anak-anak seusianya.Dalam penelitian ini, kami menggunakan metode klasifikasi Naïve Bayes dan K-Nearest Neighbor. Naïve Bayes menggunakan perhitungan probabilitas dan statistik, sementara K-Nearest Neighbor adalah metode klasifikasi yang menentukan kategori objek berdasarkan data pembelajaran dengan jarak paling dekat. Hasil eksperimen menunjukkan bahwa Naïve Bayes menghasilkan akurasi sebesar 71.25%, presisi sebesar 66%, dan recall sebesar 11%. Sementara itu, K-Nearest Neighbor memberikan akurasi sebesar 66.67%, presisi sebesar 82%, dan recall sebesar 75%.Temuan ini memberikan wawasan tentang performa dua metode klasifikasi dalam konteks klasifikasi pertumbuhan anak stunting. Diskusi selanjutnya melibatkan implikasi praktis dari hasil penelitian ini dan saran untuk pengembangan penelitian selanjutnya di bidang ini..]]>
Copyrights © 2024
