KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN NAIVE...

of 66 /66
KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN NAIVE BAYES CLASSIFICATION (STUDI KASUS POSYANDU NGUDI LUHUR) SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika Oleh : Adrian Satria Putra 135314092 TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2018 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Embed Size (px)

Transcript of KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN NAIVE...

  • KLASIFIKASI STATUS GIZI BALITA

    MENGGUNAKAN NAIVE BAYES CLASSIFICATION

    (STUDI KASUS POSYANDU NGUDI LUHUR)

    SKRIPSI

    Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar

    Sarjana Komputer Program Studi Teknik Informatika

    Oleh :

    Adrian Satria Putra

    135314092

    TEKNIK INFORMATIKA

    FAKULTAS SAINS DAN TEKNOLOGI

    UNIVERSITAS SANATA DHARMA

    YOGYAKARTA

    2018

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • i

    KLASIFIKASI STATUS GIZI BALITA

    MENGGUNAKAN NAIVE BAYES CLASSIFICATION

    (STUDI KASUS POSYANDU NGUDI LUHUR)

    SKRIPSI

    Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar

    Sarjana Komputer Program Studi Teknik Informatika

    Oleh :

    Adrian Satria Putra

    135314092

    TEKNIK INFORMATIKA

    FAKULTAS SAINS DAN TEKNOLOGI

    UNIVERSITAS SANATA DHARMA

    YOGYAKARTA

    2018

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • ii

    CLASSIFICATION OF CHILD NUTRITION STATUS

    USING NAÏVE BAYES CLASSIFICATION

    (CASE STUDY POSYANDU NGUDI LUHUR)

    A THESIS

    Presented as Partial Fulfillment of The Requirement

    To Obtain The Sarjana Komputer Degree

    In Informatics Engineering Study Program

    By:

    Adrian Staria Putra

    135314092

    INFORMATICS ENGINEERING STUDY PROGRAM

    DEPARTMENT OF INFORMATICS ENGINEERING

    FACULTY OF SCIENCE AND TECHNOLOGY

    SANATA DHARMA UNIVERSITY

    YOGYAKARTA

    2018

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • v

    MOTTO

    “Jadilah garam dunia”

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • viii

    ABSTRAK

    Peningkatan derajat kesehatan masyarakat sangat diperlukan dalam

    mengisi pembangunan yang dilaksanakan oleh bangsa Indonesia. Salah satu

    upaya peningkatan derajat kesehatan adalah perbaikan gizi masyarakat, gizi yang

    seimbang dapat meningkatkan ketahanan tubuh, dapat meningkatkan kecerdasan

    dan menjadikan pertumbuhan yang normal. Dalam praktik sehari-hari status gizi

    didapatkan melalui pengukuran antropometri di posyandu. Umumnya masyarakat

    menggunakan indeks BB/U atau berat badan dibanding usia untuk menentukan

    status gizi. Penelitian ini bertujuan untuk memudahkan penentuan status gizi

    balita menggunakan data mining dengan algoritma naive bayes classification

    (NBC). Sistem dibangun dengan bahasa pemrograman php dan database mySQL.

    Penelitian ini menggunakan data 17 balita dengan rentang waktu 2 tahun

    pengukuran. Total data yang digunakan berjumlah 408 data. Dilakukan dua kali

    pengujian data, pertama dengan perbandingan 60:40 dan kedua 80:20 data training

    dan data testing. Hasil penelitian menunjukkan akurasi sebesar 93,1%. Dengan

    kata lain NBC dikategorikan baik untuk pengujian status gizi balita.

    Kata kunci: klasifikasi, Naïve Bayes Classification, gizi

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • ix

    ABSTRACT

    Increasing the degree of public health is needed in filling the development

    undertaken by the Indonesian nation. One effort to improve the health status is the

    improvement of community nutrition, balanced nutrition can increase body

    resistance, can increase intelligence and make normal growth. In daily practice

    nutritional status was obtained through anthropometry measurement at posyandu.

    Generally people use the index BB / U or body weight over age to determine

    nutritional status. This study aims to facilitate the determination of nutritional

    status of children using data mining with naive bayes classification (NBC)

    algorithm. The system is built with the php programming language and mySQL

    database. This research uses 17 children data with span of 2 years of

    measurement. Total data used amounted to 408 data. Two data tests were

    conducted, first with 60:40 and second 80:20 data training and data testing. The

    results showed an accuracy of 93.1%. In other words NBC is categorized as good

    for testing the nutritional status of children.

    Keywords: classification, Naïve Bayes Classification, nutrition

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • x

    KATA PENGANTAR

    Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena atas

    rahmat dan karunia-Nya, penulis dapat menyelesaikan Tugas Akhir yang berjudul

    “KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN NAIVE BAYES

    CLASSIFICATION (STUDI KASUS POSYANDU NGUDI LUHUR)” ini

    dengan baik.

    Dalam proses penulisan tugas akhir ini penulis menyadari bahwa ada

    begitu banyak pihak yang turut memberikan motivasi semangat dan juga bantuan

    dalam menyelesaikan tugas akhir ini, oleh karena itu saya ingin mengucapkan

    terima kasih antara lain kepada :

    1. Tuhan Yesus Kristus dan Bunda Maria yang selalu memberikan kekuatan,

    kesabaran dan petunjuk dalam menyelesaikan tugas akhir.

    2. Orang tua, kakak dan adik yang telah memberikan kasih sayang, perhatian,

    doa dan dukungan sehingga penulis dapat menyelesaikan tugas akhir.

    3. Bapak Sudi Mungkasi, S.Si., M.Math.Sc.,Ph.D. selaku Dekan Fakultas

    Sains dan Teknologi.

    4. Ibu Dr. Anastasia Rita Widiarti, selaku Kepla Prodi Teknik Informatika.

    5. Ibu P.H Prima Rosa, S.Si., M.Sc. sebagai dosen pembimbing akademik,

    yang telah memberikan bimbingan dan saran selama penulis menempuh

    studi.

    6. Dr. Cyprianus Kuntoro Adi, SJ., M.A., M.Sc. selaku dosem pembimbing

    skripsi yang telah memberikan kesabaran, waktu dan saran sehingga dapat

    diselesaikannya tugas akhir ini.

    7. Seluruh dosen yang telah mendidik dan memberikan pengetahuan dan

    pengalaman berharga selama penulis belajar di Universitas Sanata Dharma

    Yogyakarta.

    8. Seluruh teman-teman angkatan 2013 untuk kebersamaan kita menjalani

    masa-masa perkuliahan.

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • xii

    DAFTAR ISI

    HALAMAN JUDUL................................................................................................i

    TITLE PAGE............................................................................................................ii

    HALAMAN PERSETUJUAN…...........................................................................iii

    HALAMAN PENGESAHAN.........................................................................…....iv

    MOTTO....................................................................................................................v

    PERNYATAAN KEASLIAN KARYA….............................................................vi

    LEMBAR PERNYATAAN PERSETUJUAN…..................................................vii

    ABSTRAK............................................................................................................vii

    ABSTRACT….......................................................................................................ix

    KATA PENGANTAR…........................................................................................x

    DAFTAR ISI…....................................................................................................xii

    DAFTAR GAMBAR……....................................................................................xv

    DAFTAR TABEL…….........................................................................................xv

    BAB I PENDAHULUAN .......................................................................................1

    1.1 Latar Belakang…............................................................................................1

    1.2 Rumusan Masalah…………………………………………………………...2

    1.3 Tujuan….........................................................................................................2

    1.4 Batasan Masalah….........................................................................................2

    1.5 Metodologi Penelitian….................................................................................3

    1.6 Sistematika Penulisan….................................................................................3

    BAB II LANDASAN TEORI ..................................................................................5

    2.1 Data Mining…................................................................................................5

    2.2 Klasifikasi…...................................................................................................7

    2.3 Naïve Bayes Classification….......................................................................8

    2.4 Penilaian Status Gizi……...........................................................................9

    BAB III METODE PENELITIAN........................................................................11

    3.1 Bahan Riset ..................................................................................................11

    3.2 Peralatan Penelitian ......................................................................................11

    3.3 Tahap–Tahap Penelitian…...........................................................................12

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • xiii

    3.3.1 Studi Pustaka.........................................................................................12

    3.3.2 Pengumpulan Data …............................................................................12

    3.4 Pembuatan Alat Uji…..................................................................................12

    3.4.1 Data Awal…..........................................................................................13

    3.4.2 Pemberishan data …..............................................................................14

    3.4.3 Tranformasi data …...............................................................................15

    3.5Gambaran Umum Sistem..............................................................................19

    3.5.1 Input Sistem .........................................................................................19

    3.5.3 Output Sistem .......................................................................................21

    3.6 Model Fungsi…...........................................................................................22

    3.4.1 Use case ...............................................................................................22

    3.4.2 Narasi Usecase ......................................................................................23

    3.4.3 Diagram Aktivitas ................................................................................28

    3.4.4 Diagram Kelas ................................................................................31

    3.5Model Perancangan …..................................................................................32

    3.5.1 Model interaksi antar kelas ..................................................................32

    3.5.2 Perancangan Antarmuka .......................................................................35

    3.5.3Perancangan Basis Data ….....................................................................39

    BAB IV IMPLEMENTASI DAN ANALISA HASIL ..........................................40

    4.1 Implementasi Program ................................................................................40

    4.1.1 Halaman Login .....................................................................................40

    4.1.2 Halaman Home......................................................................................41

    4.1.3 Halaman Import Data ...........................................................................41

    4.1.4 Halaman Data Training ........................................................................42

    4.1.5 Halaman Data Testing .........................................................................43

    4.1.6 Halaman Pengujian Akurasi .................................................................43

    4.1.7 Halaman Pengujian Tunggal ................................................................44

    4.1.8 Halaman Hasil Uji Akurasi ...................................................................44

    4.1.9 Halaman Hasil Uji Data Tunggal ..........................................................45

    4.2 Hasil Sistem ................................................................................................45

    4.3 Kelebihan dan Kekurangan Sistem..............................................................46

    4.3.1 Kelebihan Sistem ..................................................................................46

    4.3.2 Kelemahan Sistem …............................................................................46

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • xiv

    BAB V PENUTUP….............................................................................................47

    5.1 Kesimpulan..............................................................................................47

    5.2 Saran ……................................................................................................47

    Daftar Pustaka ........................................................................................................48

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • xv

    DAFTAR TABEL

    3.2 Tabel Data Awal ...........................................................................................14

    3.3 Tabel Data Setelah Cleaning .........................................................................14

    3.4 Tabel Kategori Transformasi……………………………………………….15

    3.5 Tabel Setelah Transformasi...........................................................................16

    4.1. Tabel Akurasi………………………………………………………………45

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • xvi

    DAFTAR GAMBAR

    Gambar 3.1 Diagram Alur...................................................................................13

    Gambar 3.6. Diagram Flowchart .........................................................................20

    Gambar 3.7. Diagram Usecase ............................................................................21

    Gambar 3.8 Diagram Aktivitas Login .................................................................21

    Gambar 3.9 Diagram Aktivitas Import Data .......................................................28

    Gambar 3.10 Diagram Aktivitas Lihat Data .......................................................29

    Gambar 3.11. Diagram Aktivitas Pengujian Akurasi..........................................29

    Gambar 3.12. Diagram Aktivitas Pengujian Tunggal .........................................30

    Gambar 3.13. Diagram Kelas Analisis ................................................................30

    Gambar 3.14. Diagram Sekuen Login ................................................................31

    Gambar 3.15. Diagram Sekuen Import Data .......................................................32

    Gambar 3.16. Diagram Sekuen Lihat Data .........................................................32

    Gambar 3.17. Diagram Sekuen Pengujian Akurasi ............................................33

    Gambar 3.18. Diagram Sekuen Pengujian Tunggal ............................................33

    Gambar 3.19. Tampilan Login............................................................................34

    Gambar 3.20. Tampilan Home............................................................................34

    Gambar 3.21. Tampilan Import Data ..................................................................35

    Gambar 3.22. Tampilan Data Training ...............................................................35

    Gambar 3.23. Tampilan Data Testing .................................................................36

    Gambar 3.24. Tampilan Pengujian Akurasi ........................................................36

    Gambar 3.25. Tampilan Pengujian Tunggal .......................................................37

    Gambar 3.26. Tampilan Hasil Uji Akurasi .........................................................37

    Gambar 3.27. Tampilan Hasil Uji Tunggal .........................................................38

    Gambar 4.1 Tampilan Login ...............................................................................40

    Gambar 4.2 Tampilan Home ...............................................................................41

    Gambar 4.3 Tampilan Import Data .....................................................................41

    Gambar 4.4 Tampilan Berhasil Import Data .......................................................42

    Gambar 4.5 Tampilan Data Training ..................................................................42

    Gambar 4.6 Tampilan Data Testing ....................................................................43

    Gambar 4.7 Tampilan Pengujian Akurasi ...........................................................43

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • xvii

    Gambar 4.8 Tampilan Pengujian Tunggal ..........................................................44

    Gambar 4.9 Tampilan Hasil Uji Akurasi ............................................................44

    Gambar 4.10 Tampilan Hasil Uji Tunggal ..........................................................45

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 1

    BAB I

    PENDAHULUAN

    1.1 Latar Belakang

    Peningkatan derajat kesehatan masyarakat sangat diperlukan dalam

    mengisi pembangunan yang dilaksanakan oleh bangsa Indonesia. Salah satu

    upaya peningkatan derajat kesehatan adalah perbaikan gizi masyarakat, gizi

    yang seimbang dapat meningkatkan ketahanan tubuh, dapat meningkatkan

    kecerdasan dan menjadikan pertumbuhan yang normal. Status gizi dapat

    ditentukan melalui pemeriksaan laboratorium maupun secara antropometri.

    Antropometri merupakan cara penentuan status gizi yang paling mudah dan

    murah. Pengukuran antropometri adalah pengukuran yang digunakan untuk

    menentukan keadaan gizi seseorang. Indeks antropometri yang sering

    digunakan adalah BB/U, TB/U, dan BB/TB. Namun yang sering digunakan

    adalah BB/U karena lebih mudah dan lebih cepat dimengerti oleh masyarakat

    umum. Standar rujukan yang dipakai untuk penentuan klasifikasi status gizi

    dengan antropometri berdasarkan SK Menkes No.

    1995/Menkes/SK/XII/2010 tentang Standar Antropometri Penilaian Status

    Gizi Anak.

    Akan tetapi pengukuran indeks antropometri sering terjadi kerancuan.

    Oleh karena itu diperlukan suatu metode yang digabungkan dengan ilmu

    komputer untuk mendapatkan hasil yang akurat. Adminan teknologi

    informasi di dunia kesehatan dapat membantu memudahkan permasalahan

    yang dihadapi. Teknologi informasi dapat digunakan untuk membantu

    pegawai puskesmas atau posyandu dalam menentukan klasifikasi status gizi

    balita. Dengan adanya teknologi ini diharapkan nantinya proses penentuan

    status gizi bisa dilakukan dengan lebih cepat dan dapat mengurangi tingkat

    akurasi penentuan status gizi.

    Dalam penelitian sebelumnya oleh Sri Kusumadewi (2010) yang berjudul

    “Klasifikasi Status Gizi Menggunakan Naive Bayesian Classification”

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 2

    dengan menggunakan sampel penelitian 47 mahasiswa Teknik Informatika

    UII diperoleh kinerja sebesar 93,2%. Untuk mengetahui klasifikasi status gizi

    salah satunya menggunakan metode Naïve Bayes Classificaion (NBC).

    Tujuan penulis melakukan penilitian ini adalah untuk mengetahui klasifikasi

    status gizi balita dengan menggunakan metode Naïve Bayes Classification.

    Diharapkan dengan diterapkannya Naïve Bayes Classification tersebut dapat

    membantu untuk mengklasifikasikan status gizi balita untuk mengetahui

    perkembangan pertumbuhan balita.

    1.2 Rumusan Masalah

    Berdasarkan latar belakang masalah di atas, maka dapat ditarik rumusan

    masalah sebagai berikut :

    1. Berapa akurasi dari Naïve Bayes Classification dalam menetukan

    status gizi balita?

    1.3 Tujuan

    Tujuan yang dicapai dari penilitian ini adalah mengetahui hasil dari

    akurasi Naïve Bayes Classification dalam menentukan status gizi balita.

    1.4 Batasan Masalah

    Batasan-batasan masalah dalam penulisan proposal tugas akhir ini antara

    lain :

    1. Parameter yang digunakan adalah jenis kelamin, umur, tinggi badan,

    berat badan, dan gaji orang tua.

    2. Ambang batas pengkategorian parameter tinggi, berat, dan BMI

    berdasarkan pada Keputusan Menteri Kesehatan Republik Indonesia

    Nomor: 1995/Menkes/SK/XII/2010 tentang Standar Antropometri

    Penilaian Status Gizi Anak.

    3. Penentuan status gizi menggunakan perhitungan berat badan/umur.

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 3

    1.5 Manfaat Penelitian

    1. Mempermudah dan mengotomatisasi sistem penentuan status gizi balita

    menggunakan Naive Bayes Classification.

    2. Menambah wawasan bagi pembaca yang ingin mempelajari metode

    Naive Bayes Classification.

    1.6 Metodologi Penelitian

    Dalam melakukan penelitian ini langkah-langkah yang dilakukan adalah

    sebagai berikut :

    1. Studi Pustaka

    Pada langkah ini peniliti mempelajari teori-teori melalui buku,

    artikel, jurnal yang berkaitan dengan algoritma Naive Bayes

    Classification dan metode-metode lain yang dibutuhkan.

    2. Pembuatan alat uji

    Melakukan perancangan terhadap sistem yang akan dibangun,

    mulai dari perancangan untuk user interface dan juga list program.

    3. Evalusi dan Analisis Hasil

    Peniliti melakukan penarikan kesimpulan setelah melakukan uji

    coba pada sistem.

    1.7 Sistematika Penulisan

    Sistematika penulisan proposal ini terbagi atas tiga bab dengan garis

    besar sebagai berikut :

    Bab I : PENDAHULUAN

    Berisi gambaran umum dari penelitian. Pendahulan terdiri

    dari Latar Belakang, Rumusan Masalah, Batasan Masalah, Tujuan

    Penelitian, Manfaat Penelitian, Metode Penelitian dan Sistematika

    Penulisan.

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 4

    Bab II : LANDASAN TEORI

    Berisi teori-teori yang berhubungan dengan status gizi

    balita, algoritma naïve bayes classification.

    BAB III : METODOLOGI PENELITIAN

    Berisi analisis teori-teori yang digunakan dan bagaimana

    menerjemahkannya ke dalam sistem yang hendak dibuat dan

    membahas tentang perancangan kebutuhan sistem, flow diagram,

    desain interface program, dan rancangan pengujian sistem.

    BAB IV : IMPLEMENTASI DAN ANALISA HASIL

    Bab ini membahas analisa hasil perancangan sistem, dan

    pengujian algoritma naïve bayes classification.

    BAB V : PENUTUP

    Bab ini berisi kesimpulan dari hasil analisa dan saran-saran

    untuk pengembangan lebih lanjut.

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 5

    BAB II

    LANDASAN TEORI

    Pada bab ini dijelaskan teori yang digunakan untuk mendukung penelitian

    tugas akhir dalam mengklasifikasi status gizi balita menggunakan naive bayes

    classification.

    2.1 Data Mining

    Data mining adalah suatu proses menemukan hunungan yang berarti,

    pola dan kecenderungan dengan memeriksa sekumpulan besar data yang

    tersimpan, dengan menggunakan teknik pengenalan pola (Gartner, 2012).

    Pada dasarnya terdapat dua alasan yang menyebabkan data mining

    menjadi perhatian. Pertama adalah kemampuan kita dalam mengumpulkan

    dan menyimpan dala dalam jumlah sangat banyak terus meningkat. Alasan

    yang utama adalah alasan kedua, yaitu kebutuhan mengubah data menjadi

    informasi dan pengetahuan yang berguna (Kaur dan Aggarwal, 2010)

    Data mining memindai basis data untuk menemukan pola yang

    tersembunyi, informasi prediktif yang mungkin dilewatkan oleh para ahli

    karena berada di luar dugaan. Data mining terdiri dari urutan iteratif dari

    langkah-langkah berikut: data cleang, data integration, data selection,

    data transformation, data mining, pattern evaluation, dan knowledge

    extraction. (Kaur dan Aggarwal, 2010).

    Istilah data mining dan knowledge discovery in database (KDD) sering

    digunakan secara bergantian untuk menjelaskan proses penggalian

    informasi tersembunyi dalam suatu basis data yang besar. Kedua istilah

    tersebut mempunyai konsep yang berbeda, tetapi saling berkaitan dan

    digunakan secara bergantian karena data mining merupakan salah satu

    tahapan dalam keseluruhan proses KDD (Kusrini dan Luthfi). Berikut

    adalah tahapan dalam proses KDD.

    1. Seleksi data (Data selection)

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 6

    Seleksi data dari sekumpulan data operasional perlu dilakukan

    sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil

    seleksi tersebut akan disimpan dalam suatu berkas, terpisah dari basis

    data operasional.

    2. Pre-processing / Cleaning

    Proses cleaning dilaksanakan sebelum proses data mining pada data

    yang menjadi fokus KDD. Proses cleaning diantaranya membuang

    duplikasi data dan memperbaiki kesalahan pada data. Selain itu

    dilakukan juga proses enrichment, yaitu proses memperkaya data yang

    sudah ada dengan data atau informasi yang relevan dan diiperlukan

    untuk KDD.

    3. Transformasi (Transformation)

    Pengkodean adalah proses transformasi pada data yang telah dipilih.

    Proses pengkodean dalam KDD merupakan proses kreatif dan sangat

    tergantung pada jenis atau pola informasi yang akan dicari dalam basis

    data.

    4. Data Mining

    Data mining adalah proses mencari pola atau informasi menarik

    dalam data dengan menggunakan teknik tatau metode tertentu.

    Pemilihan metodde atau algoritma yang tepat sangat bergantung pada

    tujuan dan proses KDD secara keseluruhan.

    3. Interpretasi/Evaluasi (Interpretation/Evaluation)

    Pola informasi yang dihasilkan dari proses data mining perlu

    ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang

    berkepentingan. Tahap-tahap ini disebut dengan interpretasi yang

    mencakup pemeriksaan apakah pola atau informasi yang ditemukan

    bertentangan dengan fakta atau hipotesis yang ada sebelumnya.

    Menurut Larose metode data mining dibagi menjadi enam kelompok

    berdasarkan tugas yang dilakukan. Kelompok-kelompok tersebut

    diuraikan sebagai berikut:

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 7

    1. Deskripsi

    Teknik yang digunakan untuk menggambarkan pola dan

    kecenderungan yang terdapat dalam data.

    2. Klasifikasi

    Proses membedakan kelas data dalam beberapa kategori.

    3. Estimasi

    Estimasi hampir sama dengan klasifikasi, tetapi variabel target

    estimasi lebih ke arah numerik daripada ke arah kategorik

    4. Prediksi

    Prediksi hampir sama dengan klasifikasi dan estimasi, tetapi nilai dari

    hasil prediksi akan ada di masa mendatang.

    5. Klaster

    Klaster merupakan pengelompokan sejumlah data yang mempunyai

    kemiripan ke dalam kelompok-kelompok data.

    6. Asosiasi

    Teknik yang digunakan untuk mencari hubungan antara karakteristik

    tertentu dalam satu waktu.

    2.2 Klasifikasi

    Klasifikasi adalah sebuah proses untuk mencari model atau fungsi

    yang menjelaskan dan membedakan kelas atau konsep dari data, dengan

    tujuan untuk menggunakan model dan melakukan prediksi dari kelas suatu

    objek dimana tidak diketahui label dari kelas tersebut. Model yang ada

    berasal dari analisis kumpulan training data (objek data dimana kelas label

    diketahui) (Han dan Kamber, 2006). Algoritma yang dapat digunakan

    untuk klasifikasi antara lain Naïve Bayes, Adaptive Bayes Network,

    Decision Tree, dan Support Vector Machine. Tabel 2.1 adalah tabel

    perbandingan keempat algoritma tersebut.

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 8

    Tabel 2.1 Perbandingan Algoritma Klasifikasi (Satiajaya,2009)

    Fitur Naïve

    Bayes

    Adaptive

    Bayes

    Network

    Decision

    Tree

    Support

    Vector

    Machine

    Kecepatan Sangat

    cepat

    Cepat Cepat Cepat

    Ketepatan

    Baik

    disemua

    data

    Baik

    disemua

    data

    Signifikan

    Baik

    disemua

    aturan

    Transparansi Tanpa

    aturan

    Aturan

    khusus

    Tanpa

    aturan

    Aturan

    Model Klasifikasi terdiri dari: (Tan, dkk., 2006)

    a. Pemodelan Deskriptif

    Dapat bertindak sebagai suatu alat yang bersifat menjelaskan untuk

    membedakan antara objek dengan klas yang berbeda.

    b. Pemodelan Prediktif

    Model klasifikasi juga dapat menggunakan prediksi label kelas

    yang belum diketahui recordnya.

    2.3 Naïve Bayes Classification

    Klasifikasi Naïve Bayes adalah klasifikasi berdasar teorema Bayes dan

    digunakan untuk menghitung probabilitas tiap kelas dengan asumsi bahwa

    antar satu kelas dengan kelas yang lain tidak saling tergantung

    (independen). Pada metode ini, semua atribut akan memberikan

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 9

    kontribusinya dalam pengambilan keputusan, dengan bobot atribut yang

    sama penting dan setiap atribut saling bebas satu sama lain. (Kusumadewi,

    2009)

    Persamaan dari teorema Bayes adalah :

    ( | ) ( | ) ( )

    ( ) (1)

    Di mana :

    X: Data dengan class yang belum diketahui

    H: Hipotesis data merupakan suatu class spesifik

    P(H|X): Probabilitas hipotesis H berdasar kondisi X (posteriori

    probabilitas)

    P(H): Probabilitas hipotesis H (prior probabilitas)

    P(X|H): Probabilitas X berdasarkan kondisi pada hipotesis H

    P(X): Probabilitas X

    Untuk menjelaskan teorema Naive Bayes, perlu diketahui bahwa

    proses klasifikasi memerlukan sejumlah petunjuk untuk menentukan kelas

    apa yang cocok bagi sampel yang dianalisis tersebut.

    2.4 Penilaian Status Gizi

    Dalam bidang kesehatan, penilaian status gizi diukur menggunakan

    antropometri. Antropometri sebagai indikator status gizi dapat dilakukan

    dengan menggunakan beberapa parameter. Parameter adalah ukuran

    tunggal dari tubuh manusia, yaitu umur, berat badan, tinggi badan, lingkar

    lengan atas, lingkar dada, lingkar panggul, dan lemak di bawah kulit.

    (Supariasa, 2002)

    Penentuan gizi pada umumnya dihitung berdasarkan Berat Badan

    Menurut Umur (BB/U). Karena karakteristik berat badan yang labil, maka

    indeks BB/U lebih menggambarkan status gizi saat dilakukan pengukuran.

    Pertumbuhan tinggi badan tidak seperti berat badan, relatif kurang sensitif

    terhadap masalah kekurangan gizi dalam waktu yang pendek. Tinggi

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 10

    Badan Menurut Umur (TB/U) di samping memberikan gambaran status

    gizi masa lampau juga lebih berkaitan dengan status sosial – ekonomi.

    Penentuan kategori parameter berat badan dan tinggi badan berbeda

    untuk tiap jenis kelamin dan umur. Ambang batas untuk penentuan

    kategori dinilai dari interval Standar Deviasi (SD) yang telah ditentukan

    oleh Kementerian Kesehatan RI dalam Pedoman Standar Antropometri

    Penilaian Status Gizi Anak tahun 2011.

    Berat badan memiliki hubungan linear dengan tinggi badan. Dalam

    keadaan normal, perkembangan berat badan akan sejalan dengan

    pertumbuhan tinggi badan. Indeks berat badan menurut tinggi badan

    (BB/TB) merupakan indikator yang baik untuk melakukan pengukuran.

    Adminan Body Mass Index (BMI) pada umumnya hanya berlaku

    untuk orang dewasa. Pada anak-anak pengukuran BMI sangat terkait

    dengan umurnya, karena dengan perubahan umur terjadi perubahan

    komposisi tubuh. Perhitungan BMI pada anak dirumuskan sebagai berikut:

    ( )

    ( ) (2)

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 11

    BAB III

    METODE PENELITIAN

    Dalam metodologi penelitian ini akan dijelaskan lebih rinci mengenai data,

    dan proses penelitian klasifikasi status gizi balita menggunakan naive bayes

    classification.

    3.1 Bahan Riset

    Dataset yang digunakan merupakan data posyandu yang diambil dari

    Posyandu Ngudi Lestari, Desa Suci, Kecamatan Pracimantoro, Kabupaten

    Wonogiri. Data tersebut yang kemudian disalin ke dalam sebuah file bertipe .xls.

    Dari proses pengumpulan data, diperoleh jumlah data sebanyak 408 data.

    Untuk menentukan status gizi balita terdapat 5 parameter yang diperlukan

    sebagai inputan dalam perhitungan metode Naive Bayes Classifier, yaitu jenis

    kelamin, umur, berat badan, tinggi badan dan gaji orang tua.

    3.2 Peralatan Penelitian

    Implementasi dalam penelitian ini menggunakan aplikasi yang dibangun

    oleh penulis menggunakan pemrograman PHP. Implementasi ini dilakukan

    dengan menggunakan komputer yang memiliki spesifikasi sebagai berikut :

    1. Perangkat Keras

    a. Prosesor : AMD A8-4500M

    b. RAM : 4 GB

    c. HDD : 500 GB

    2. Perangkat Lunak

    a. Microsoft Windows 7 (x64)

    b. Microsoft Excel 2016

    c. Xampp

    d. Sublime Text 3

    e. Mysql

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 12

    3.3 Tahap–Tahap Penelitian

    3.3.1 Studi Pustaka

    Dalam penelitian ini penulis memerlukan sumber informasi yang

    diambil dari buku referensi dan jurnal ilmiah yang berkaitan dengan

    penelitian ini terutama yang berkaitan dengan data mining, klasifikasi,

    dan algoritma naïve bayes.

    3.3.2 Pengumpulan Data

    Data diperoleh dari Posyandu Ngudi Lestari, Desa Suci,

    Kecamatan Pracimantoro, Kabupaten Wonogiri.

    Teknik yang digunakan dalam penelitian ini adalah:

    3.3.2.1 Wawancara

    Wawancara yang dilakukan yaitu tanya jawab antara

    peneliti dan narasumber dengan tujuan untuk menggali data

    atau memperoleh informasi yang berhubungan dengan

    penelitian.

    3.3.2.2 Observasi

    Penulis melakukan pengamatan dan mencatat hal-hal

    yang berkaitan dengan bahan penelitian. Pengamatan

    dilakukan dengan datang langsung dan melihat bagaimana

    proses pengukuran tubuh balita.

    3.4 Pembuatan Alat Uji

    Masukkan sistem akan diproses menggunakan naive bayes dalam teori

    penambangan data. Alur sistem dan tahapan penelitian dijabarkan dalam

    bentuk diagram model pengolahan data seperti pada gambar 3.1 berikut :

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 13

    Gambar 3.1 Diagram alur

    3.4.1 Data Awal

    Data awal adalah data mentah yang belum melalui proses pembersihan.

    Tabel data awal bisa dilihat di tabel 3.2 tabel data awal.

    no Umur(bulan) JK BB(kg) TB(cm) Gaji(ribu) Status gizi

    1 11 L 12,2 90 2200000 Lebih

    2 23 L 11,5 111 3000000 Baik

    3 35 P 11 110 2100000 Baik

    4 17 L 10,5 87 2100000 Baik

    5 20 L 9 85 2500000 Kurang

    6 7 L 9,3 74 1000000 Baik

    7 4 P 6,8 67 1200000 Baik

    8 1 L 4 55 1000000 Baik

    9 42 P 12,6 112 3200000 Baik

    10 30 P 11,3 103 1500000 Baik

    11 27 P 10,2 89 2300000 Baik

    12 60 P 25 120 2500000 Baik

    13 45 L 15,4 115 3000000 Baik

    14 29 L 10 87 2500000 Kurang

    15 18 L 13,8 100 2200000 Lebih

    16 14 L 13,6 99 2200000 Lebih

    17 24 L 9,1 86 2500000 Kurang

    18 7 P 7,8 75 1200000 Baik

    19 39 P 12,2 104 1500000 Baik

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 14

    20 57 P 14,8 114 3200000 Baik

    21 34 P 12,1 100 1200000 ???

    Tabel 3.2 Data awal

    3.4.2 Pemberishan data

    Proses pemberishan / cleaning yaitu membersihkan data yang

    variabelnya tidak memenuhi dalam perhitungan. Dalam kasus ini semua

    data bebas dari proses cleaning.

    no Umur(bulan) JK BB(kg) TB(cm) Gaji(ribu) Status Gizi

    1 11 L 12,2 90 2200000 Lebih

    2 23 L 11,5 111 3000000 Baik

    3 35 P 11 110 2100000 Baik

    4 17 L 10,5 87 2100000 Baik

    5 20 L 9 85 2500000 Kurang

    6 7 L 9,3 74 1000000 Baik

    7 4 P 6,8 67 1200000 Baik

    8 1 L 4 55 1000000 Baik

    9 42 P 12,6 112 3200000 Baik

    10 30 P 11,3 103 1500000 Baik

    11 27 P 10,2 89 2300000 Baik

    12 60 P 25 120 2500000 Baik

    13 45 L 15,4 115 3000000 Baik

    14 29 L 10 87 2500000 Kurang

    15 18 L 13,8 100 2200000 Lebih

    16 14 L 13,6 99 2200000 Lebih

    17 24 L 9,1 86 2500000 Kurang

    18 7 P 7,8 75 1200000 Baik

    19 39 P 12,2 104 1500000 Baik

    20 57 P 14,8 114 3200000 Baik

    21 34 P 12,1 100 1200000 ???

    Tabel 3.3 Data setelah cleaning

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 15

    3.4.3 Tranformasi data

    Proses transformasi data atau proses perubahan data ke dalam kategori

    tertentu yang sesuai untuk proses data mining. Hasil transformasi data bisa

    dilihat dalam tabel 3.4 dalam tabel transformasi data.

    Kategori Keterangan

    UMUR 32 Umur diatas 32 bulan

    BB 20 Berat badan diatas 20kg

    TB 51-100 Tinggi badan antara 51cm sampai 100cm

    TB >100 Tinggi badan diatas 100cm

    GAJI 3.000.000 Penghasilan diatas 3 juta

    Tabel 3.4 Tabel Kategori Transformasi

    Dari hasil pengkategorian kombinasi dalam tabel 3.4 di dapatkan hasil dari

    transformasi data balita yang ditunjukan dalam tabel 3.5

    no Umur(bulan) JK BB(kg) TB(cm) Gaji(ribu) Status gizi

    1

    100

    1.500.000-

    3.000.000 Baik

    3

    > 32 P 11-20 >100

    1.500.000-

    3.000.000 Baik

    4

    17-32 L

  • 16

    6

  • 17

    Tahapan dalam proses perhitungan Naive Bayes sebagai berikut :

    1. Menghitung Jumlah Class/ Label.

    P(Y=Baik) = 14/20

    P(Y=Kurang) = 3/20

    P(Y=Lebih) = 3/20

    2. Menghitung jumlah kasus yang sama dengan class yang sama.

    P(Jenis Kelamin = Perempuan| Y=Baik) = 9/14

    P(Jenis Kelamin = Perempuan| Y=Kurang) = 0/3

    P(Jenis Kelamin = Perempuan| Y=Lebih) = 0/3

    P(Umur = > 32| Y=Baik) = 6/14

    P(Umur = > 32| Y=Kurang) = 0/3

    P(Umur = > 32| Y=Lebih) = 0/3

    P(Tinggi Badan = 51-100| Y=Baik) = 6/14

    P(Tinggi Badan = 51-100| Y=Kurang) = 3/3

    P(Tinggi Badan = 51-100| Y=Lebih) = 3/3

    P(Penghasilan =

  • 18

    P(Jenis Kelamin = Perempuan| Y=Kurang)*P(Umur = > 32|

    Y=Kurang) *P(Tinggi Badan = 51-100|

    Y=Kurang)*P(Penghasilan = 32|

    Y=Lebih)* P(Tinggi Badan = 51-100| Y=Lebih)* P(Penghasilan =

  • 19

    3.5 Gambaran Umum Sistem

    3.5.1 Input Sistem

    Data dimasukan ke dalam sistem berupa file spreadsheet dengan

    ekstensi .xls yang dipilih dari direktori computer yang kemudian disimpan

    ke dalam database sistem.

    Pseudocode NAÏVE BAYES

    Begin-pseudo code Bayes

    %INPUT%

    X ← Data dengan class yang belum diketahui

    H ← Hipotesis data merupakan suatu class spesifik

    %HITUNG PROBABILITAS DATA CLASS%

    P(X) ← 𝑗𝑢𝑚𝑙𝑎ℎ 𝑐𝑙𝑎𝑠𝑠

    𝑙𝑎𝑏𝑒𝑙

    %INDEPENDENT PROBABILITAS%

    P(H) ← 𝑗𝑢𝑚𝑙𝑎ℎ 𝑐𝑙𝑎𝑠𝑠

    𝑙𝑎𝑏𝑒𝑙

    %HITUNG PROBABILITAS DATA KASUS%

    P(X|H) ← 𝑎𝑡𝑡𝑟𝑖𝑏𝑢𝑡 𝑗𝑢𝑚𝑙𝑎ℎ 𝑐𝑙𝑎𝑠𝑠

    %HITUNG BAYES%

    P(H|X) ← (𝑃(𝑋 𝐻 .𝑃(𝐻

    𝑃(𝑋

    End-pseudo code Bayes

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 20

    3.5.2. Proses Sistem

    Proses sistem ini terdiri dari beberapa tahapan untuk

    mengklasifikasikan data, menghitung akurasi, dan uji data tunggal. Proses

    sistem ini, antara lain :

    1. Memasukan data pendonor darah ke dalam database, data yang

    dimasukan bertipe .xls

    2. Sistem melakukan transformasi data.

    3. Sistem menampilkan hasil transformasi.

    4. Sistem melakukan perhitungan naive bayes.

    5. Sistem melakukan proses perhitungan akurasi klasifikasi naïve

    bayes.

    6. User memasukan data tunggal untuk menentukan status gizi

    balita.

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 21

    Proses sistem digambarkan dalam diagram flowchar pada Gambar 3.6

    Gambar 3.6. Diagram Flowchart

    3.5.3 Output Sistem

    Sistem akan menampilkan hasil perhitungan akurasi dan detail data

    pengujian. Kemudian untuk uji data tunggal sistem akan meminta

    masukan dari user dan akan menampilkan hasil klasifikasi status gizi

    balita.

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 22

    3.6 Model Fungsi

    3.4.1 Use case

    Pada sistem klasifikasi status gizi balita hanya ada satu Admin. Terdapat 5

    proses utama yang dapat dilakukan Admin, yaitu : login, import data melihat

    data, pengujian akurasi, dan pengujian tunggal.

    Gambar 3.7. Diagram Usecase

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 23

    3.4.2 Narasi Usecase

    Diagram usecase pada Gambar 3.7 memiliki narasi usecase sebagai

    penjelasan lengkap dari masing-masing usecase.

    a. Usecase login

    Masukan Data

    Nama Usecase Login

    ID Usecase 1

    Aktor Admin

    Deskripsi Usecase ini Admin memasukan username dan password

    Kondisi Awal Pada halaman halaman utama

    Kondisi Akhir Berhasil login

    Typical

    Course

    Aksi Admin Reaksi Sistem

    1. Memasukkan username

    dan password

    2. Memasukkan username

    dan password

    3. Mengecek username dan

    password

    4. Menampilkan

    HalamanUtama

    Alternate Alt-3 :

    Jika username dan password salah maka akan muncul

    peringatan dan kembali ke 1

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 24

    b. Usecase import Data

    Masukan Data

    Nama Usecase Import Data

    ID Usecase 2

    Aktor Admin

    Deskripsi Usecase ini Admin memasukan file .xls ke dalam database

    Kondisi Awal Pada halaman halaman utama, user menekan menu Import

    Data.

    Kondisi Akhir Sistem akan menginputkan data ke database

    Typical

    Course

    Aksi Admin Reaksi Sistem

    1.Menekan tombol “Choose

    file”

    3.Memilih file berformat .xls

    4.Mengisi ceckbox "Hapus

    data terdahulu"

    5. Menekan tombol "Upload"

    2. Menampilkan kotak dialog

    dari direktori PC/Laptop

    6. Menampilkan dialog data

    berhasil disimpan

    Alternate -

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 25

    c. Usecase Lihat Data

    Lihat Data

    Nama Usecase Lihat Data

    ID Usecase 3

    Aktor Admin

    Deskripsi Usecase ini Admin melihat data training, dan data testing

    Kondisi Awal Pada halaman halaman utama, user menekan menu Data

    Training. Pada menu data survey user menekan menu Data

    Testing.

    Kondisi Akhir Menampilkan data training dan data testing

    Typical

    Course

    Aksi Admin Reaksi Sistem

    1. Menekan menu "Data

    Training”

    3. Menekan menu "Data

    Testing”

    2. Menampilkan data training

    hasil transformasi

    4. Menampilkan data testing

    hasil transformasi

    Alternate -

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 26

    d. Usecase Pengujian Akurasi

    Lihat Data

    Nama Usecase Pengujian Akurasi

    ID Usecase 4

    Aktor Admin

    Deskripsi Usecase ini merupakan proses perhitungan akurasi naive

    bayes

    Kondisi Awal Pada halaman halaman utama, user menekan menu Pengujian

    Akurasi.

    Kondisi Akhir Menampilkan hasil perhitungan akurasi dan detail data

    pengujian.

    Typical

    Course

    Aksi Admin Reaksi Sistem

    1.Menekan Menu "Pengujian

    Akurasi"

    3.Menekan Menu "Hitung"

    2.Menampilkan jumlah data

    training dan data testing

    4.Menampilkan Akurasi

    Perhitungan dan detail data

    pengujian

    Alternate -

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 27

    e. Usecase Uji Data Tunggal

    Uji Data Tunggal

    Nama Usecase Uji Data Tunggal

    ID Usecase 5

    Aktor Admin

    Deskripsi Usecase ini pengguna melakukan uji data tunggal

    Kondisi Awal Pada halaman halaman utama, user menekan menu Pengujian

    Tunggal

    Kondisi Akhir Menampilkan hasil klasifikasi

    Typical

    Course

    Aksi Admin Reaksi Sistem

    1.Menginputkan data Balita

    2.Menekan tombol "Hitung"

    3.Menampilkan data

    pengujian dan status gizi

    balita

    Alternate -

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 28

    3.4.3 Diagram Aktivitas

    Terdapat 5 diagram berdasarkan usecase diatas.

    1. Login

    Gambar 3.8 Diagram Aktivitas Login

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 29

    2. Import data

    Gambar 3.9 Diagram Aktivitas Import Data

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 30

    3. Lihat Data

    Gambar 3.10 Diagram Aktivitas Lihat Data

    4. Pengujian Akurasi

    Gambar 3.11 Diagram Aktivitas Pengujian Akurasi

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 31

    5. Pengujian Tunggal

    Gambar 3.12 Diagram Aktivitas Pengujian Tunggal

    3.4.4 Diagram Kelas

    Berikut ini merupakan desain model kelas analisis untuk sistem

    klasifikasi status gizi balita:

    Gambar 3.13 Diagram Kelas Analisis

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 32

    3.5 Model Perancangan

    Berisi model perancangan sistem yang meliputi, model interaksi

    antar kelas, perancangan antarmuka, dan perancangan basis data.

    3.5.1 Model interaksi antar kelas

    1. Login

    Gambar 3.14 Diagram Sekuen Login

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 33

    2. Import File

    Gambar 3.15 Diagram Sekuen Import Data

    3. Lihat Data

    Gambar 3.16 Diagram Sekuen Lihat Data

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 34

    4. Pengujian Akurasi

    Gambar 3.17 Diagram Sekuen Pengujian Akurasi

    5. Pengujian Tunggal

    Gambar 3.18 Diagram Sekuen Pengujian Tunggal

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 35

    3.5.2 Perancangan Antarmuka

    Perancangan user interface dalam skripsi ini dijabarkan sebagai

    berikut:

    1. Halaman Login

    Halaman ini merupakan halaman pertama untuk akses sistem. Disini

    admin harus melakukan input username dan password.

    Gambar 3.19 Gambar Tampilan Login

    2. Halaman Home

    Didalam halaman ini terdapat pilihan menu utama untuk menjalankan

    program

    Gambar 3.20 Gambar Tampilan Home

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 36

    3. Halaman Import Data

    Untuk melakukan import data admin harus memilih file .xls melalui

    kotak dialog setelah menekan tombol “Choose file”. Sebelum

    menekan tombol “Upload” admin harus cek pada pilihan “Hapus

    data tedahulu”.

    Gambar 3.21 Gambar Tampilan Import Data

    4. Halaman Data Training

    Halaman ini menampilkan data training yang sudah melalui proses

    transformasi.

    Gambar 3.22 Gambar Tampilan Data Training

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 37

    5. Halaman Data Testing

    Halaman ini menampilkan data testing yang sudah melalui proses

    transformasi.

    Gambar 3.23 Gambar Tampilan Data Testing

    6. Halaman Pengujian Akurasi

    Halaman ini menampilkan total data training dan data testing yg

    akan digunakan.

    Gambar 3.24 Gambar Tampilan Pengujian Akurasi

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 38

    7. Halaman Pengujian Tunggal

    Di halaman ini admin nantinya harus menginput data balita secara

    lengkap sebelum menekan tombol hitung

    Gambar 3.25 Gambar Tampilan Pengujian Tunggal

    8. Halaman Hasil Uji Akurasi

    Menampilkan Hasil perhitungan akurasi berdasarkan data training

    dan data testing, serta menampilkan detail data pengujian.

    Gambar 3.26 Gambar Tampilan Hasil Uji Akurasi

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 39

    9. Halaman Hasil Uji Tunggal

    Berisi informasi status gizi balita berdasarkan pengujian data

    tunggal.

    Gambar 3.27 Gambar Tampilan Hasil Uji Tunggal

    3.5.3 Perancangan Basis Data

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 40

    BAB IV

    IMPLEMENTASI DAN ANALISA HASIL

    Bab ini berisi uraian implementasi sistem berupa hasil penelitian dan analisa

    hasil klasifikasi naive bayes serta antarmuka sistem.

    4.1 Implementasi Program

    4.1.1 Halaman Login

    Di halaman login ini admin memasukkan username dan password.

    Bila benar akan diarahkan ke halaman home, apabila salah maka diminta input

    ulang

    Gambar 4.1 Gambar Tampilan Login

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 41

    4.1.2 Halaman Home

    Halaman ini merupakan halaman utama program. Terdapat menu

    import data, data training, data testing, pengujian akurasi, pengujian tunggal dan

    logout.

    Gambar 4.2 Gambar Tampilan Home

    4.1.3 Halaman Import Data

    Pada menu ini admin melakukan import data berupa file excel .xls.

    Pilih “Choose file” lalu akan muncul kotak dialog untuk mencari direktori file

    data. Cek juga bagian “Hapus Data Terdahulu”. Lalu klik “upload”.

    Gambar 4.3 Gambar Tampilan Import Data

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 42

    Dibawah ini merupakan tampilan berhasil memasukkan data.

    Gambar 4.4 Gambar Tampilan Berhasil Import Data

    4.1.4 Halaman Data Training

    Halaman ini menampilkan data training yang sudah ditransformasi.

    Gambar 4.5 Gambar Tampilan Data Training

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 43

    4.1.5 Halaman Data Testing

    Halaman ini menampilkan data testing yang sudah ditransformasi.

    Gambar 4.6 Gambar Tampilan Data Testing

    4.1.6 Halaman Pengujian Akurasi

    Di halaman ini ditunjukkan jumlah data training dan jumlah data

    testing. Klik tombol Hitung untuk melakukan pengujian akurasi.

    Gambar 4.7 Gambar Tampilan Pengujian Akurasi

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 44

    4.1.7 Halaman Pengujian Tunggal

    Di halaman ini dilakukan input data untuk pengujian data tunggal.

    Admin harus memasukkan data secara lengkap untuk menentukan status

    gizi balita.

    Gambar 4.8 Gambar Tampilan Pengujian Tunggal

    4.1.8 Halaman Hasil Uji Akurasi

    Data training dan data testing yang sudah di input oleh admin

    kemudian di uji akurasinya. Hasilnya ditampilkan pada halaman ini.

    Gambar 4.9 Gambar Tampilan Hasil Uji Akurasi

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 45

    4.1.9 Halaman Hasil Uji Data Tunggal

    Data balita yang sebelumnya di input pada halaman Penguji

    Tunggal hasilnya ditampilkan pada halaman ini.

    Gambar 4.10 Gambar Tampilan Hasil Uji Tunggal

    4.2 Hasil Sistem

    Dalam percobaan, terdapat dua prosedur dalam pembagian data

    training dan testing dalam persentase data yang berbeda. Dengan adanya

    prosedur yang berbeda tersebut dapat dilihat performa metode yang diuji

    berdasarkan masing-masing prosedur, pengujian menggunakan five-fold

    cross validation. Pembagian prosedur dapat dilihat pada tabel 4.1

    Jumlah Data Data Training Data Testing Akurasi

    408 60 % 40 % 95.092%

    408 80 % 20 % 95.121 %

    4.1. Tabel Akurasi

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 46

    Dari tabel diatas diketahui bahwa pengujian menggunakan 80%

    data training dan 20% data testing menghasilkan akurasi lebih tinggi

    sebesar 95.121% walaupun hanya berbeda 0.039%.

    4.3 Kelebihan dan Kekurangan Sistem

    4.3.1 Kelebihan Sistem

    Kelebihan yang dimiliki ini adalah :

    1. Sistem memiliki fungsi login dan logout

    2. Sistem mampu menerima input data berupa .xls

    3. Sistem mampu menampilkan data training dan data testing

    4. Sistem mampu melakukan perhitungan akurasi

    5. Sistem mampu melakukan perhitungan data tunggal

    6. Tampilan sederhana dan mudah dipahami

    4.3.2 Kelemahan Sistem

    Kekurangan yang dimiliki :

    1. Sistem hanya mampu menerima input data bertipe .xls

    2. Sistem hanya memiliki satu user

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 47

    BAB V

    PENUTUP

    5.1 Kesimpulan

    Dari hasil penelitian ini, dapat diambil kesimpulan sebagai

    berikut :

    1. Metode Naive Bayes Classification digunakan untuk

    mengklasifikasi status gizi balita menghasilkanakurasi yang

    baik.

    2. Pengujian pada perbandingan data training dan data testing

    sebesar 80 : 20 menghasilkan akurasi tertinggi dengan

    95.121%.

    5.2 Saran

    Saran agar penelitian ini dapat berkembang diantara lain :

    1. Program dapat menerima masukan file bertipe lain, tidak hanya

    .xls saja.

    2. Ditambah metode yang berpengaruh pada penghitungan

    parameter seperti Cosine Similarity.

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

  • 48

    Daftar Pustaka

    Nur Anggraeni , Diana Rahmawati , and Firli Irhamni , "Sistem Penentuan Status

    Gizi Pasien Rawat Inap Menggunakan Metode Naive Bayes Classifier," Jurnal

    Sarjana Teknik Informatika, vol. 1, no. 1, pp. 85 - 92, November 2012.

    Mujib Ridwan , Hadi Suyono , and M. Sarosa , "Penerapan Data Mining Untuk

    Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes

    Classifier," Jurnal EECCIS, vol. 7, no. 1, pp. 59 - 64, Juni 2013.

    Kusumadewi, Sri. 2010. Klasifikasi Status Gizi Menggunakan Naive Bayesian

    Classification, Jurusan Teknik Informatika, Universitas Islam Indonesia.

    Larose, D.T. Discovering Knowledge In Data. A John Wiley & Son Publication.

    US , 180 – 198, 2005.

    Kusrini & Luthfi. E. Taufiq. 2009. Algoritma Data Mining. Yogyakarta: Andi

    Offset.

    Han, Jiawei dan Kamber, Micheline. 2006. Data Mining : Concept and

    Techniques Second Edition, Morgan Kaufmann Publishers.

    Tan, dkk. 2006. Introduction to Data Mining. Pearson Education, Inc.

    Supariasa IDN, dkk. 2002. Penilaian Status Gizi. Penerbit Buku Kedokteran

    EGC, Jakarta.

    PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

    BAB I.pdfBAB I PENDAHULUAN1.1 Latar Belakang1.2 Rumusan Masalah1.3 Tujuan1.4 Batasan Masalah1.5 Manfaat Penelitian1.6 Metodologi Penelitian1.7 Sistematika Penulisan