Implementasi Algoritma Naive Bayes Dengan Feature Selection Backward Elimination Dalam Pengklasifikasian Status Penderita Stunting Pada Balita

Stunting atau penyakit kerdil merupakan salah satu masalah gizi yang dialami oleh balita, dimana balita mengalami kondisi gagal tumbuh akibat dari kekurangan gizi kronis sehingga balita tersebut terlalu pendek untuk ukuran seusianya. Secara garis besar stunting disebabkan karena kurangnya asupan gizi dalam waktu lama serta terjadinya infeksi berulang, dan kedua faktor penyebab ini dipengaruhi oleh pola asuh yang tidak memadai sejak dalam kandungan hingga 1.000 hari pertama kelahiran. Bank pembangunan Asia (Asian Development Bank/ADB) melaporkan prevalensi anak penderita stunting usia dibawah lima tahun (balita) indonesia merupakan yang tertinggi kedua di Asia Tenggara. Prevalensinya mencapai 31,8% pada tahun 2020. Pemantauan dan pendataan lebih lanjut oleh Pukesmas Singgahan terkait kasus stunting ini menentukan faktor tumbuh kembang balita baik dalam kandungan maupun balita yang telah dilahirkan. Namun masalah yang sering muncul di Pukesmas Singgahan adalah pemeriksaan status stunting pada balita masih membutuhkan waktu yang cukup lama karena dilakukan secara manual juga rentan ketidakakuratan sehingga dibutuhkan suatu sistem yang dapat mengklasifikasikan data pemeriksaan balita guna memprediksi apakah anak tersebut masuk dalam status stunting atau tidak stunting dengan cepat dan akurat. Dari hasil penelitian ini dapat disimpulkan bahwa Algoritma Naive Bayes dengan seleksi fitur backward elimination untuk mempermudah penentuan status balita stunting atau tidak stunting dengan variabel jenis kelamin, umur, berat badan, tinggi badan, BB/U,Z-core BB/U,BB/TB, Z-Core BB/TB,Z-core TB/U dengan jumlah total 450 record dataset, 360 record data training dan 90 record data testing yang diambil secara random dengan hasil akurasi sebesar 86,11%.

Kata Kunci : Klasifikasi, Naive Bayes Backward Elimination, Stunting