Skripsi
Pengelompokan Indeks Massa Tubuh Menggunakan Metode Naive Bayesian Classification (NBC)
- Bagikan:
Mahasiswa adalah seseorang yang belajar di perguruan tinggi, di dalam struktur pendidikan di Indonesia mahasiswa memegang status pendidikan tertinggi diantara yang lain, menurut KBBI (Kamus Besar Bahasa Indonesia). Menurut Irianto (2007 : 67) bahwa status gizi adalah indikator baik buruknya penyediaan makanan sehari-hari, status gizi yang baik diperlukan untuk mempertahankan derajat kebugaran dan Kesehatan, membantu pertumbuhan bagi anak serta menunjang pembinaan prestasi. Data mining adalah salah satu cara untuk mengolah data dengan metode deskripsi, estimasi, prediksi, klasifikasi, clustering dan asosiasi. Pengujian menggunakan Confusion Matrix pada RapidMiner dengan record sebanyak 500 data mahasiswa dimana data training sebanyak 400 data dan data testing sebanyak 100 data dimana nilai akurasi tertinggi yang didapatkan adalah 81,25% dengan nilai precision untuk obesitas 82,14%, berat normal 85,46% dan berat kurang 72,65% serta nilai recall untuk obesitas 79,31%, berat normal 82,20% dan berat kurang 80,19% serta nilai error rate 18,75%. Perbandingan indeks massa tubuh terhadap jenis kelamin berdasarkan 400 data training yang diuji dengan jumlah laki-laki sebanyak 217 orang dimana 43 (10,75 %) mahasiswa masuk dalam dalam Kelas Obesitas, 148 (37 %) masuk dalam Kelas Berat Normal, dan 26 (6,5 %) mahasiswa masuk dalam Kelas Berat Kurang. Sedangkan jumlah perempuan sebanyak 183 orang dimana 12 (3 %) mahasiswa masuk dalam dalam Kelas Obesitas, 82 (20,5 %) masuk dalam Kelas Berat Normal, dan 89 (22,25 %) mahasiswa masuk dalam Kelas Berat Kurang, kemudian perbandingan indeks massa tubuh terhadap tempat tinggal berdasarkan 104 data uji dengan jumlah mahasiswa yang tinggal di rumah sebanyak 72 orang dimana 2 (1,92 %) mahasiswa masuk dalam dalam Kelas Obesitas, 68 masuk dalam Kelas Berat Normal, dan 2 (1,92 %) mahasiswa masuk dalam Kelas Berat Kurang. Sedangkan mahasiswa yang tinggal di kos sebanyak 32 orang dimana 2 (1,92 %) mahasiswa masuk dalam dalam Kelas Obesitas, 29 masuk dalam Kelas Berat Normal, dan 1 (0,96 %) mahasiswa masuk dalam Kelas Berat Kurang.
Kata Kunci : Data Mining, Gizi, Confusion Matrix, Rappidminer
Detail Information
| Item Type | |
|---|---|
| Penulis |
Yohanes Mesang Tanggela - Personal Name
|
| Student ID |
1506080059
|
| Dosen Pembimbing |
MEITON BORU - 198405042010121003 - Dosen Pembimbing 2
|
| Penguji |
Emerensye Sofia Yublina Pandie - 197902212005012002 - Ketua Penguji
Meiton Boru - 198405042010121003 - Penguji 1 Nelci D. Rumlaklak - 198112272014042002 - Penguji 2 |
| Kode Prodi PDDIKTI |
55201
|
| Edisi |
Published
|
| Departement |
Ilmu Komputer
|
| Kontributor | |
| Bahasa |
Indonesia
|
| Penerbit | UPT Perpustakaan Undana : Kupang., 2022 |
| Edisi |
Published
|
| Subyek | |
| No Panggil |
552.01 TAN P
|
| Copyright |
Individu Penulis
|
| Doi |