ANALISIS PERFORMA ALGORITMA NAÏVE BAYES DAN RANDOM FOREST DALAM MEMPREDIKSI STUNTING PADA ANAK BALITA

Stunting merupakan masalah gizi kronis dengan kondisi tinggi badan anak lebih pendek dari tinggi badan umum anak seusianya. Stunting di Indonesia adalah permasalahan serius yang dianggap sebagai prioritas nasional dan memerlukan penanganan terintegrasi untuk mengurangi jumlah kasusnya. Tujuan dari penelitian ini adalah membandingkan Algoritma Naïve Bayes dan Random Forest dalam menganalisis data stunting untuk menentukan yang paling efektif dalam memprediksi faktor-faktor stunting. Pada penelitian ini akan dilakukan analisis pendekatan berbasis machine learning untuk mencari solusi dari permasalahan tersebut dengan membandingkan kinerja Algoritma Naïve Bayes dan Random Forest dalam mengklasifikasi data. Berdasarkan hasil penelitian menunjukan bahwa Random Forest memiliki tingkat akurasi yang lebih tinggi dibandingkan dengan Naïve bayes. Random Forest memiliki tingkat akurasi sebesar 89.33% sedangkan Naïve Bayes hanya mencapai tingkat akurasi sebesar 75.51%. Dengan demikian dari hasil prediksi Algoritma Random Forest menunjukan performa yang lebih baik dibandingkan algoritma Naïve Bayes berdasarkan pengujian.