Data Mining Determines Toddlers Get Additional Foods From Ministry Of Health With Naïve Bayes Method (Study Case: Puskesmas Pembantu Bantan)

Abstract

Saat ini di Puskesmas Pembantu Bantan tidak ada kebijakan khusus terkait sasaran penerimaan PMT untuk para balita. Pemberian ini menyebabkan perencanaan terhadap pemberian makanan tambahan tidak mencukupi target untuk keseluruhan balita-balita. Algoritma Naïve Bayes dilakukan untuk menguji data yang tidak pasti sehingga sesuai dengan transaksi ketidakpastian pada data posyandu. Metode ini hanya membutuhkan jumlah data pelatihan yang kecil untuk menentukan estimasi paremeter yang diperlukan dalam proses pengklasifikasian. Berdasarkan pengujian hasil probabilitas tiap hipotesis untuk class “Dapat” berjumlah 0,073 dan class “Tidak Dapat” berjumlah 0,002. Hasil validasi confusion matrix untuk algoritma Naive Bayes memilki nilai Precision class “Dapat” dengan jumlah nilai yaitu 1, dan nilai Precision class “Tidak Dapat” dengan jumlah nilai yaitu 0,964, kemudian untuk nilai Recall class “Dapat” dengan jumlah nilai yaitu 0,964, dan nilai Recall class “Tidak Dapat” dengan jumlah nilai yaitu 1. Dan untuk nilai Akurasi yaitu jumlah nilai Correctly dibagi nilai Actual dengan hasil 0,981 dikali dengan 100% maka jumlah akurasi yang diperoleh yaitu 98,1818% dan untuk Incorrectly Classified Instance adalah sebesar 1,8182%. Di mana dari 55 data balita yang melakukan kunjungan pelayanan posyandu, ada sebanyak 54 data balita yang berhasil diklasifikasikan dengan benar dan sebanyak 1 data balita tidak berhasil diklasifikasikan dengan benar.