Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Wafirotul Laila
Universitas Sebelas Maret
Computer Science & IT Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Rekomendasi Makanan Pasien Hiperlipidiemia Berdasarkan Hasil Klasifikasi Menggunakan Metode Naïve Bayes dan Decision Tree Wafirotul Laila; Wisnu Widiarto; Ardhi Wijayanto; Esti Suryani
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.56386

Abstract

Makanan merupakan kebutuhan manusia untuk memenuhi nutrisi dalam keberlangsungan hidup. Namun setiap orang perlu memperhatikan makanan yang dikonsumsi karena akan memengaruhi kondisi tubuh. Salah satu zat dalam tubuh manusia yang perlu diperhatikan ketika mengonsumsi makanan adalah lemak. Penelitian terkait konsumsi makanan dengan kadar lemak dalam tubuh sudah banyak dilakukan. Terbukti terdapat jenis makanan yang dapat memengaruhi kesehatan tubuh karena menyebabkan zat lemak yang berlebihan. Penelitian yang dilakukan kali ini adalah klasifikasi data kebutuhan gizi dengan membandingkan algoritma naïve bayes dan decision tree. Hasil klasifikasi antara kedua algoritma tersebut digunakan untuk memberikan rekomendasi makanan yang sesuai untuk dikonsumsi oleh orang yang menderita hiperlipidemia, yakni kondisi di mana kadar lemak dalam tubuh berlebihan. Penelitian dimulai dari pengumpulan data, pra-proses data dengan normalisasi, klasifikasi dengan beberapa model naïve bayes dan algoritma decision tree, menganalisis hasil klasifikasi dengan confusion matrix, dan melakukan implementasi rekomendasi makanan berdasarkan hasil model klasifikasi yang paling optimal. Pada penelitian ini diperoleh hasil bahwa model ComplementNB memiliki akurasi tinggi dibanding model lain namun secara keseluruhan algoritma decision tree lebih stabil dibanding naïve bayes.
Co-Authors Ardhi Wijayanto Esti Suryani Wisnu Widiarto