Komparasi Algoritma K-Nearest Neighbor dan Naïve Bayes dalam Klasifikasi Status Gizi Balita Berbasis CRISP-DM
DOI:
https://doi.org/10.38035/dit.v4i1.3717Keywords:
CRISP-DM, K-Nearest Neighbor, Machine Learning, Naïve Bayes, Status Gizi BalitaAbstract
Klasifikasi status gizi balita perlu dilakukan secara cepat dan akurat agar anak yang berisiko dapat segera memperoleh intervensi. Pencocokan data antropometri dengan tabel rujukan secara manual di posyandu membutuhkan waktu dan rentan terhadap kesalahan pencatatan maupun interpretasi. Penelitian ini membandingkan kinerja K-Nearest Neighbor dan Naïve Bayes dalam mengklasifikasikan status gizi balita menggunakan kerangka Cross-Industry Standard Process for Data Mining. Dataset awal terdiri atas 232 rekam antropometri yang dikumpulkan di Posyandu Desa Pamanukan Kota pada Mei 2026. Setelah pembersihan data, diperoleh 218 rekam valid yang dibagi secara terstratifikasi menjadi 174 data pelatihan dan 44 data pengujian dengan rasio delapan puluh berbanding dua puluh. Variabel prediktor meliputi jenis kelamin, umur, berat badan, dan tinggi badan, sedangkan target terdiri atas empat kelas status gizi. Kinerja model dievaluasi menggunakan akurasi, presisi, recall, F1-score, area under the curve, dan waktu komputasi. K-Nearest Neighbor dengan satu tetangga terdekat menghasilkan akurasi 79,55%, presisi 57,81%, recall 59,19%, F1-score 58,25%, dan area under the curve 0,7418. Naïve Bayes menghasilkan akurasi 47,73% serta nilai metrik prediktif lain yang lebih rendah. Kebaruan penelitian terletak pada komparasi menyeluruh dalam kerangka proses penambangan data lengkap pada dataset lokal posyandu yang tidak seimbang. K-Nearest Neighbor direkomendasikan untuk dikembangkan menjadi sistem pendukung keputusan status gizi.
References
Chapman, P. et al. (2000) {CRISP-DM} 1.0: Step-by-Step Data Mining Guide. Available at: http://www.crisp-dm.org/CRISPWP-0800.pdf.
Dwiyanti, D.S. and Saptari, M.A. (2023) “Perancangan Sistem Informasi Status Gizi Balita (Stunting) di {UPTD} Puskesmas Muara Satu dan Muara Dua Menggunakan Metode {Naïve Bayes Classification} dan {K-Nearest Neighbor} Berbasis Web,” Sisfo: Jurnal Ilmiah Sistem Informasi, 7(2), p. 75. Available at: https://doi.org/10.29103/sisfo.v7i2.14626.
Han, J., Kamber, M. and Pei, J. (2011) Data Mining: Concepts and Techniques. 3rd ed. Morgan Kaufmann. Available at: https://doi.org/10.1016/C2009-0-61819-5.
Hardiani, T. and Putri, R.N. (2024) “Implementasi Metode {Naïve Bayes Classifier} untuk Klasifikasi Stunting pada Balita,” Digital Transformation Technology, 4(1), pp. 621–627. Available at: https://doi.org/10.47709/digitech.v4i1.4481.
Indrisari, E., Febiansyah, H. and Adiwinoto, B. (2025) “A Systematic Literature Review on the Application of Machine Learning for Predicting Stunting Prevalence in Indonesia (2020--2024),” Jurnal Sisfokom (Sistem Informasi dan Komputer), 14(3), pp. 277–283. Available at: https://doi.org/10.32736/sisfokom.v14i3.2366.
Islam, H.I., Mulyadien, M.K. and Enri, U. (2022) “Penerapan Algoritma {C4.5} dalam Klasifikasi Status Gizi Balita,” Jurnal Ilmiah Wahana Pendidikan, 8(10), pp. 116–125. Available at: https://doi.org/10.5281/zenodo.6791722.
Kementerian Kesehatan Republik Indonesia (2020) “Peraturan Menteri Kesehatan Republik Indonesia Nomor 2 Tahun 2020 tentang Standar Antropometri Anak.”
Kementerian Kesehatan Republik Indonesia (2023) Petunjuk Teknis Pemberian Makanan Tambahan Berbahan Pangan Lokal bagi Ibu Hamil dan Balita. Jakarta.
Kotler, P., Kartajaya, H. and Setiawan, I. (2021) Marketing 5.0: Technology for humanity. Wiley.
Kurniawan, H., Rahim, A. and Siswa, T. (2024) “Implementasi Algoritma {Gaussian Naïve Bayes} dalam Klasifikasi Status Gizi pada Balita,” Building of Informatics, Technology and Science (BITS), 6(2), pp. 627–635. Available at: https://doi.org/10.47065/bits.v6i2.5493.
Loka, S.K.P. and Marsal, A. (2023) “Comparison Algorithm of {K-Nearest Neighbor} and {Naïve Bayes Classifier} for Classifying Nutritional Status in Toddlers,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3, pp. 8–14.
Lonang, S. and Normawati, D. (2022) “Klasifikasi Status Stunting pada Balita Menggunakan {K-Nearest Neighbor} dengan Feature Selection {Backward Elimination},” Jurnal Media Informatika Budidarma, 6(1), pp. 49–56. Available at: https://doi.org/10.30865/mib.v6i1.3312.
Nadhirah, S.A., Rosella, D. and Sari, K. (2024) “Uji validitas dan reliabilitas keseimbangan dinamis The Timed Up and Go Test pada pasien stroke,” Jurnal Kesehatan Primer, 9(2), pp. 121–130.
Nurainun, N. et al. (2023) “Penerapan Algoritma {Naïve Bayes Classifier} dalam Klasifikasi Status Gizi Balita dengan Pengujian {K-Fold Cross Validation},” Journal of Computer System and Informatics (JoSYC), 4(3), pp. 578–586. Available at: https://doi.org/10.47065/josyc.v4i3.3414.
Pangumbara’an, M.S.G., Wakista, A.A. and Makhsun (2024) “Klasifikasi Status Gizi Balita Menggunakan Algoritma {K-Nearest Neighbor} dan {Naïve Bayes} (Studi Kasus: {UPTD} Puskesmas Bambu Apus),” Infotech: Journal of Technology Information, 10.
World Health Organization (2025) Global Report on Hypertension 2025: High Stakes: Turning Evidence into Action. Available at: https://www.who.int/publications/i/item/9789240115569.
World Health Organization (2026) “Tobacco and Nicotine.” Available at: https://www.who.int/news-room/fact-sheets/detail/tobacco.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Almahira, Dony Oscar
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright :
Authors who publish their manuscripts in this journal agree to the following conditions:
- Copyright in each article belongs to the author.
- The author acknowledges that the DIT has the right to be the first to publish under a Creative Commons Attribution 4.0 International license (Attribution 4.0 International CC BY 4.0).
- Authors can submit articles separately, arrange the non-exclusive distribution of manuscripts that have been published in this journal to other versions (for example, sent to the author's institutional repository, publication in a book, etc.), by acknowledging that the manuscript has been published for the first time at DIT.
