Perbandingan Metode Naïve Bayes Dan K-Nearest Neighbor Dalam Mengklasifikasi Status Pertumbuhan Anak Stunting (Studi Kasus: Posyandu Cemara)

Klasifikasi termasuk suatu cara untuk mengelompokan teks, jadi teks dengan isi teks yang sama akan dikelompokan dengan tipe teks yang sama. Metode data mining untuk klasifikasi mampu digunakan untuk membantu menentetukan normal dan tidak normalnya dalam klasifikasi pertumbuhan anak
stunting. Di Posyandu Cemara. Stunting adalah masalah gizi kronis akibat kurangnya asupan gizi dalam jangka waktu panjang sehingga mengakibatkan terganggunya pertumbuhan pada anak. Stunting juga menjadi salah satu penyebab tinggi badan anak terhambat, sehingga lebih rendah dibandingkan anak-anak seusianya. Metode Naïve Bayes merupakan salah satu metode
pembelajaran mesin yang memanfaatkan perhitungan probalitas dan statistic, dan metode K-Nearest Neighbor merupakan sebuah metode klasifikasi terhadap objek yang berdasarkan dari data pembelajaran yang jaraknya paling dekat dengan objek tersebut. K-Nearest Neighbor menghasilkan nialai Accuracy sebesar 80.00% untuk nilai Precision sebesar 97%, serta untuk nilai Recall sebesar 80%. Naïve Bayes menghasilkan nilai Accuracy sebesar 72.50%, untuk nilai Precision 70%, serta untuk nilai Recall sebesar 58%.