A COMPARISON OF THE C4.5 AND NAÏVE BAYES ALGORITHMS FOR CLASSIFYING THE NUTRITIONAL STATUS OF TODDLERS IN SUNGAI AMBANGAH VILLAGE, WEST KALIMANTAN

Alfina Putri Anggraini; Surti Ayu; Suharyanto; Irmawati

doi:10.35457/dc6r8v09

Authors

Alfina Putri Anggraini Universitas Bina Sarana Informatika
Surti Ayu Information System Universitas Bina Sarana Informatika
Suharyanto Information System Universitas Bina Sarana Informatika
Irmawati Information System Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.35457/dc6r8v09

Keywords:

Algoritma NaÃ¯ve Baye

Abstract

Masalah gizi pada balita masih menjadi isu kesehatan yang serius, termasuk di Desa Sungai Ambangah, Kalimantan Barat. Permasalahan gizi yang meliputi kekurangan maupun kelebihan gizi dapat berdampak negatif terhadap pertumbuhan, perkembangan kognitif, dan kualitas hidup anak di masa depan. Oleh karena itu, diperlukan metode yang tepat untuk melakukan klasifikasi status gizi balita secara akurat sehingga dapat membantu tenaga kesehatan dalam menentukan langkah penanganan yang lebih efektif. Penelitian ini bertujuan untuk membandingkan kinerja algoritma C4.5 dan Naive Bayes dalam mengklasifikasikan status gizi balita berdasarkan data yang diperoleh dari Poskesdes Sungai Ambangah. Metode penelitian menggunakan pendekatan kuantitatif komparatif dengan total 1.502 data yang telah melalui tahap preprocessing, meliputi data cleaning, data reduction, dan data transformation. Proses pengujian dilakukan dengan aplikasi RapidMiner menggunakan teknik 10-fold cross validation. Hasil penelitian menunjukkan algoritma C4.5 memiliki akurasi 96,01% dengan AUC 0,972, sedangkan Naive Bayes memperoleh akurasi 95,54% dengan AUC 0,983. Berdasarkan uji T-Test, nilai p-value sebesar 0,479 > 0,05 menunjukkan tidak terdapat perbedaan signifikan antara keduanya. Kesimpulannya, kedua algoritma sama-sama layak digunakan dalam klasifikasi status gizi balita dan dapat dijadikan acuan dalam pengembangan sistem pendukung keputusan di bidang kesehatan masyarakat.

Downloads

Download data is not yet available.

References

[1] Ummah, M. S., “Survei Status Gizi Indonesia (SSGI) 2024 Dalam Angka”. Dalam Sustainability (Switzerland), vol. 11, nomor 1, 2025.

[2] Y. Rifa’i, “Analisis Metodologi Penelitian Kulitatif dalam Pengumpulan Data di Penelitian Ilmiah pada Penyusunan Mini Riset,” Cendekia Inovatif Dan Berbudaya, vol. 1, no. 1, pp. 31–37, 2023, doi: 10.59996/cendib.v1i1.155.

[3] K. L. Kohsasih and Z. Situmorang, “Comparative Analysis of C4.5 and Naïve Bayes Algorithms in Predicting Cerebrovascular Disease,” Jurnal Informatika, vol. 9, no. 1, pp. 13–17, 2022.

[4] A. Lasarudin, Hilmansyah Gani, and Misran Tomayahu, “Perbandingan Metode Naïve Bayes dan C4.5 Klasifikasi Status Gizi Bayi Balita,” SPECTA Journal of Technology, vol. 6, no. 3, pp. 273–283, 2023, doi: 10.35718/specta.v6i3.789.

[5] T. R. Matondang, Y. Ramadhan Nasution, Armansyah, and M. Furqan, “Penerapan Algoritma C4.5 Pada Klasifikasi Status Gizi Balita,” Jurnal Fasilkom, vol. 14, no. 1, pp. 216–225, 2024, doi: 10.37859/jf.v14i1.6941.

[6] K. Handayani, L. Lisnawanty, A. Latif, M. R. Firdaus, and F. N. Hasan, “Komparasi Algoritma C4.5 Dan Naïve Bayes Dalam Penentuan Status Kelayakan Donor Darah,” Sistemasi, vol. 10, no. 3, p. 676, 2021, doi: 10.32520/stmsi.v10i3.1440.

[7] R. A. A. Sri Lestari, “Penerapan Algoritma C4.5 Pada Klasifikasi Status Gizi Balita di Posyandu Desa Sukalilah Cibatu Kabupaten Garut Jawa Barat,” Jurnal Wahana Pendidikan, vol. 8, no. 10, pp. 116–125, 2022.

[8] Y. Mulyanto, F. Idifitriani, A. Wati, U. T. Sumbawa, D. Mining, and K. P. Tano, “Vol 7 No 2 , September 2024 KLASIFIKASI DATA MINING UNTUK PENENTUAN STUNTING,” vol. 7, no. 2, pp. 119–125, 2024.

[9] M. Yunus, H. Ramadhan, D. R. Aji, and A. Yulianto, “Penerapan Metode Data Mining C4.5 Untuk Pemilihan Penerima Kartu Indonesia Pintar (KIP),” Paradigma - Jurnal Komputer dan Informatika, vol. 23, no. 2, 2021, doi: 10.31294/p.v23i2.11395.

[10] S. Widaningsih, “Penerapan Data Mining untuk Memprediksi Siswa Berprestasi dengan Menggunakan Algoritma K Nearest Neighbor,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 3, pp. 2598–2611, 2022, doi: 10.35957/jatisi.v9i3.859.

[11] J. N. Permana, R. Goejantoro, and S. Prangga, “Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Prediksi Ketepatan Waktu Studi Mahasiswa (Studi Kasus: Program Studi Statistika Universitas Mulawarman),” Jurnal EKSPONENSIAL, vol. 13, pp. 161–170, 2022, [Online]. Available: https://jurnal.fmipa.unmul.ac.id/index.php/exponensial/article/view/947

[12] P. Meilina, “Penerapan Data Mining Dengan Metode Klasifikasi Menggunakan C4.5,” Teknologi, vol. 9, no. 4, pp. 2862–2869, 2022.

[13] M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” Journal of Applied Informatics and Computing, vol. 5, no. 2, pp. 103–108, 2021, doi: 10.30871/jaic.v5i2.3200.

[14] A. Nur, A. Rohim, A. I. Purnamasari, and I. Ali, “Program Keluarga Harapan ( Studi Kasus : Kecamatan Cicalengka Kabupaten Bandung ),” vol. 8, no. 2, pp. 2355–2362, 2024.

[15] M. Y. Titimeidara and W. Hadikurniawati, “Implementasi Metode Naïve Bayes Classifier Untuk Klasifikasi Status Gizi Stunting Pada Balita,” Jurnal Ilmiah Informatika, vol. 9, no. 01, pp. 54–59, 2021, doi: 10.33884/jif.v9i01.3741.