Penerapan Algoritma Naïve Bayes Classifier Dalam Klasifikasi Status Gizi Balita dengan Pengujian K-Fold Cross Validation

Status gizi merupakan suatu kondisi terkait gizi yang bisa diukur dan merupakan hasil dari adanya keseimbangan kebutuhan gizi pada tubuh dengan asupan gizi dari makanan. Di Indonesia masalah gizi masih banyak ditemukan seperti gizi buruk, dan masalah gizi lainnya. Pada penelitian ini akan menggunakan algoritma Naïve Bayes Classifier dengan pengujian KFold Cross Validation. Data yang digunakan adalah data status gizi balita pada bulan Agustus 2022 di Puskesmas Rambah Samo I. Atribut pada penelitian ini diantaranya Jenis Kelamin, Berat Badan Lahir, Tinggi Badan Lahir, Usia Saat Ukur, Berat Badan, Tinggi Badan, ZS BB/U, BB/U, ZS TB/U, dan TB/U. Penentuan status gizi balita pada penelitian ini berdasarkan indeks BB/TB yang terdiri dari 6 kelas, yaitu gizi buruk, gizi kurang, gizi baik, risiko gizi lebih, gizi lebih, dan obesitas. Dari penelitian yang dilakukan didapatkan bahwa algoritma Naïve Bayes Classifier dengan K-Fold Cross Validation bisa mengklasifikasikan status gizi balita secara tepat. Dari pengolahan data dengan menggunakan 10-Fold Cross Validation pada algoritma Naïve Bayes Classifier yang dilakukan, diketahui bahwa nilai akurasi yang paling tinggi yaitu sebesar 82,94% pada iterasi ke-5, sedangkan nilai akurasi paling rendah yaitu sebesar 65,88% pada iterasi ke-6. Dengan rata-rata nilai akurasi secara keseluruhan yaitu sebesar 75,47%. Sedangkan untuk rata-rata nilai presisi yang didapatkan yaitu sebesar 81,36% dan rata-rata nilai recall sebesar 75,47%. Kata Kunci: Status Gizi Balita, Klasifikasi, Algoritma Naive Bayes Classifie