commit to user
Penentuan Model Terbaik pada Metode Naïve Bayes Classifier
dalam Menentukan Status Gizi Balita
Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu
Jurusan Informatika
Disusun Oleh:
Apriliya Fitri Cahyanti
NIM. M0510009
JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET
commit to user
ii SKRIPSI
Penentuan Model Terbaik pada Metode
Naïve Bayes Classifier
dalam Menentukan Status Gizi Balita
Disusun Oleh:
Apriliya Fitri Cahyanti
M0510009
Skripsi ini telah disetujui untuk dipertahankan di hadapan dewan penguji,
Pada tanggal : 30 Januari 2015
PERSETUJUAN PEMBIMBING
Tugas Akhir ini telah disetujui oleh :
Pembimbing 1,
Ristu Saptono S.Si, M.T NIP. 19790210 200212 1 001
Pembimbing 2,
commit to user
iii SKRIPSI
Penentuan Model Terbaik pada Metode
Naïve Bayes Classifier
dalam Menentukan Status Gizi Balita
Disusun Oleh:
Apriliya Fitri Cahyanti
M0510009
Telah dipertahankan di hadapan Dewan Penguji
Pada tanggal : 30 Januari 2015
Susunan Dewan Penguji
1. Ristu Saptono, S.Si, M.T. ( )
NIP. 19790210 200212 1 001
2. Sari Widya Sihwi, S.Kom., M. T. I ( )
NIP. 19830412 200912 2 003
3. Hasan Dwi Cahyono, S.Kom., M.Kom ( )
NIP. 19820524 201404 1 001
4. Afrizal Doewes, S.Kom., M.Sc ( )
NIP. 19850831 201212 1 004
Disahkan oleh:
Ketua Jurusan Informatika
Drs. Bambang Harjito, M.App.Sc., Ph.D
commit to user
iv MOTTO
“Do not pray for an easy life, pray for the strength to endure a difficult one.”
(Bruce Lee)
“Hidup adalah perjuangan, kebahagiaan harus direngkuh dengan banyak
pengorbanan”
commit to user
v
PERSEMBAHAN
Kaya ini penulis persembahkan untuk:
“Bapak Ahmad Sairi dan Ibu Supriyati, kedua orang tua yang selalu memberikan doa dan kasih sayang tak terhingga”
“Kurnia Rahmawati dan Anggita Tantri Utami, kakak dan adik tercinta yang selalu memberikan doa dan dukungan”
“Viko Basmalah Wicaksono, yang selalu mendampingi dan memberi
dukungan”
“Teman-teman Informatika UNS 2010 khususnya Cerren, Lydia, Diannita,
Hedik, Adit, Taufik, Aji, Ashar, Miftah”
commit to user
vi
KATA PENGANTAR
Puji dan syukur penulis ucapkan kepada Allah SWT, yang hanya karena
rahmat dan karunia-Nya, penulis dapat menyelesaikan Tugas Akhir dengan judul
“Penentuan Model Terbaik pada Metode Naïve Bayes Classifier dalam
Menentukan Status Gizi Balita dengan Mempertimbangkan Independensi Antar
Parameter”. Penulis menyadari akan keterbatasan yang dimiliki. Begitu banyak
bantuan dan bimbingan yang diberikan dalam penyusunan Tugas Akhir ini. Oleh
karena itu, penulis mengucapkan terima kasih kepada :
1. Ayah, ibu, kakak, dan adik yang senantiasa selalu memberikan motivasi,
doa dan dukungannya.
2. Bapak Ristu Saptono, S.Si., M.T. Selaku Dosen Pembimbing I yang telah
memberikan pengarahan selama proses penyusunan Tugas Akhir ini,
3. Ibu Sari Widya Sihwi, S.Kom., M.T.I. selaku Dosen Pembimbing II yang
telah memberikan masukan, kritik dan saran yang membangun,
4. Bapak Ibu dosen Informatika FMIPA UNS,
5. Viko Basmalah Wicaksono yang selalu memberikan doa dan dukungan,
6. Seluruh teman – teman informatika 2010 yang telah memberikan
kebersamaannya dan membantu selama ini,
7. Semua pihak yang tidak dapat disebutkan satu persatu.
Semoga Tugas Akhir ini bermanfaat dan memberikan inspirasi bagi semua
pihak yang berkepentingan.
Surakarta, 22 Januari 2015
commit to user
vii
Determination the Best Model in Naïve Bayes Classifier Methods in Determine
of Under-F ive Children's Nutritional Status
Apriliya Fitri Cahyanti
Informatics Department. F aculty of Mathematics and Natural Science.
Sebelas Maret University
ABSTRACT
Naïve Bayes Classifier method has assumption to be optimal when its
parameters are independent. But in the reality, this assumption is often ignored.
An independent parameters can be determined from value of correlation between
each parameters. This study discusses about the determination of the best model
using Naive Bayes Classifier method in the case study of assessment of under-five
children's nutritional status. To make the data model, it used Backward Feature
Selection with correlation testing using Cosine Similarity. The correlation testing
is applied for knowing the relation of parameters between classes of classification
and independence each parameter.
The determination of the best model can be shown from accuracy,
simplicity, time, and data acquisition. In the 60%:40% scenario data, the best
model consist of weight, BMI, and age that resulting 94.4% for the accuracy.
While in the 80%:20% scenario data, the best model shown in model which
consist of weight, BMI, height, age, and gender that resulting 94.8% for the
accuracy. This study shows that correlation of parameters affect the classification
results, whereas the use of the independent parameters is not necessarily produce
an optimal accuracy. In fact, the best model in this study consist of the dependent
parameters.
Keyword— Cosine Similarity, Naïve Bayes Classifier, Determining Nutritional
commit to user
viii
Penentuan Model Terbaik pada Metode Naïve Bayes Classifier dalam Menentukan Status Gizi Balita
Apriliya Fitri Cahyanti
Jurusan Informatika. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret
ABSTRAK
Metode Naïve Bayes Classifier memiliki asumsi parameter yang saling independen. Padahal pada kenyataannya asumsi ini sering dilangggar. Suatu parameter dikatakan sebagai parameter independen dapat dilihat dari korelasi antar parameter tersebut. Artikel ini membahas mengenai penentuan model terbaik menggunakan Naive Bayes dalam studi kasus penilaian status gizi balita. Pembentukan model data menggunakan Backward Feature Selection, dengan melakukan uji korelasi menggunakan Cosine Similarity. Uji korelasi dilakukan untuk mengetahui hubungan antara parameter dengan kelas klasifikasi, dan independensi antar parameter.
Penentuan model terbaik dilihat dari akurasi, kesederhanaan, waktu, dan akuisisi data. Pada skenario data 60%:40%, model terbaik terdiri dari parameter berat, BMI, dan umur, dengan akurasi sebesar 94.4%. Sedangkan pada skenario
data 80%:20% model terbaik terdiri dari parameter berat, BMI, tinggi, umur, dan
jenis kelamin, dengan akurasi 94,8%. Penelitian ini menunjukkan bahwa kolerasi
parameter dengan kelas klasifikasi lebih mempengaruhi hasil klasifikasi,
sedangkan penggunaan parameter independen belum tentu menghasilkan akurasi
yang optimal. Bahkan, model terbaik pada penelitian ini terdiri dari parameter
dependen.
commit to user
ix DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN PERSETUJUAN ... ii
HALAMAN PENGESAHAN ... iii
MOTTO ... iv
HALAMAN PERSEMBAHAN ...v
KATA PENGANTAR ... vi
ABSTRACT ... vii
ABSTRAK ... viii
DAFTAR ISI ... ix
DAFTAR TABEL ... xi
DAFTAR GAMBAR ... xii
DAFTAR LAMPIRAN ... xiii
BAB I ...1
1.1. Latar Belakang ...1
1.2. Rumusan Masalah ...2
1.3. Batasan Masalah ...2
1.4. Tujuan Penelitian ...2
1.5. Manfaat Penelitian ...3
1.6. Sistematika Penulisan ...3
BAB II ...4
TINJAUAN PUSTAKA ...4
2.1. Landasan Teori ...4
2.1.1. Naïve Bayesian Classifier ...4
2.1.2. Backward Feature Selection ...6
2.1.3. Korelasi ...7
2.1.4. Cosine Similarity ...7
2.1.5. Holdout atau Stratified Random Sampling ...8
2.1.6. Penilaian Status Gizi Balita ...8
2.2. Penelitian Terkait ...10
2.3. Kerangka Pemikiran ...12
commit to user
x
3.1. Analisa Kasus dan Pengumpulan Data ...14
3.2. Analisis dan Perancangan ...15
3.3. Pengembangan Aplikasi ...18
3.4. Pengujian ...18
BAB IV ...19
4.1. Deskripsi Data ...19
4.2. Pemodelan Data ...19
4.2.1. Uji Korelasi Parameter dengan Cosine Similarity ...19
4.2.2. Pembentukan Model Data dengan Backward Feature Selection ...22
4.3. Hasil dan Evaluasi ...26
4.3.1. Pengujian Sistem Penentuan Model Terbaik...26
4.3.2. Pengujian WEKA ...30
BAB V ...32
5.1. KESIMPULAN ...32
5.2. SARAN ...33
commit to user
xi
DAFTAR TABEL
Tabel 2.1. Contoh Dataset Perhitungan Naïve Bayes Classifier ...5
Tabel 2.2. Simulasi Backward Feature Selection...6
Tabel 2.3. Kategori Ambang Batas Kategori Berat Badan ...9
Tabel 2.4. Kategori Ambang Batas Tinggi Badan ...9
Tabel 2.5. Kategori Ambang Batas BMI ...10
Tabel 2.6. Keterkaitan Penelitian dengan Penelitian Sebelumnya ...13
Tabel 3.1. Nilai Parameter untuk Penilaian Status Gizi ...15
Tabel 3.2. Prosedur Percobaan ...18
Tabel 4.1. Uji Korelasi Status Gizi Dengan Parameter pada Skenario 60%:40% .20 Tabel 4.2. Uji Korelasi Antar Parameter pada Skenario 60%:40% ...20
Tabel 4.3. Uji Korelasi Status Gizi Dengan Parameter pada Skenario 80%:20% .21 Tabel 4.4. Uji Korelasi Antar Parameter pada Skenario 80%:20% ...22
Tabel 4.5. Model Data pada Skenario 60%:40% ...23
Tabel 4.6. Model Data pada Skenario 80%:20% ...25
Tabel 4.7. Model Data pada Skenario 60%:40% ...27
Tabel 4.8. Model Data pada Skenario 80%:20% ...29
commit to user
xii
DAFTAR GAMBAR
Gambar 3.1. Alur Penelitian ...16
commit to user
xiii
DAFTAR LAMPIRAN
LAMPIRAN A Data Gizi Balita dari Posyandu...36
LAMPIRAN B Data Gizi Balita Sebelum Pendiskritan ...62
LAMPIRAN C Data Gizi Balita Sesudah Pendiskritan ...68
LAMPIRAN D Hasil Pengujian Skenario Data 60%:40% ...74
LAMPIRAN E Hasil Pengujian Skenario Data 80%:20% ...80
