PENERAPAN ALGORITMA NAÏVE BAYES MENENTUKAN TINGKATAN KALORI MENU Mc’Donald’s

  • Melina Manurung Institut Teknologi Telkom Purwokerto
  • Nuning Dzulhijjah

Abstract

Data mining adalah teknik yang memanfaatkan data dalam jumlah yang besar untuk memperoleh informasi berharga yang sebelumnya tidak diketahui dan dapat dimanfaatkan untuk pengambilan keputusan penting. Menu merupakan daftar makanan serta minuman yang membantu pelanggan dalam menentukan pilihan yang akan di order. McDonald's merupakan salah satu restoran yang cukup terkenal dan menjadi pilihan banyak orang untuk melakukan pembelian. Dalam memilih makanan dan minuman banyak faktor yang memengaruhi pelanggan. Salah satu faktor yang memengaruhi adalah kandungan kalori dalam makanan dan minuman. Naive Bayes merupakan salah satu metode pada probabilistic reasoning. Algoritma Naive Bayes bertujuan untuk melakukan klasifikasi data pada kelas tertentu. Dalam penelitian ini menggunakan algoritma Naive Bayes sebagai alat untuk melihat kategori dan item makanan mana saja yang memilikii tingkatan kalori yang rendah sampai yang tinggi. Perhitungan ini bertujuan agar pelanggan mampu dalam menentukan kalori yang akan dikonsumsi tanpa harus memikirkan menu yang mana yang cocok atau tidak dengan pelanggan. Setelah melakukan perhitungan yang sesuai dengan algoritma maka didapatkan hasil bahwa salad dan desert merupakan tipe makanan yang paling rendah kalori dan yang beverage merupakan kategori yang paling rendah kaori untuk minuman. Selain itu secara keseluruhan , berdasarkan data yang ada didapat bahwa menu makanan yang ada di McDonald's mayoritas tergolong kepada level dengan kategori kalori yang rendah.

Kata kunci: Data Mining, Naïve Bayes, Kalori

References

[1] Castleman, Kenneth R., 2004, Digital Image Processing, Vol. 1, Ed.2, Prentice Hall, New Jersey.

[2] Gonzales, R., P. 2004, Digital Image Processing (Pemrosesan Citra Digital), Vol. 1, Ed.2, diterjemahkan oleh Handayani, S., Andri Offset, Yogyakarta.

[3] Wyatt, J. C, danSpiegelhalter, D., 1991, Field Trials of Medical Decision-Aids: PotentialProblems and Solutions, Clayton, P. (ed.): Proc. 15th Symposium on ComputerApplications in Medical Care, Vol 1, Ed. 2, McGraw Hill Inc, New York.

[4] Yusoff, M, Rahman, S., A., Mutalib, S., and Mohammed, A., 2006, Diagnosing Application Development for Skin Disease Using Backpropagation Neural Network Technique, Journal of Information Technology, vol 18, hal 152-159.

[5] Wyatt, J. C, Spiegelhalter, D, 2008, Field Trials of Medical Decision-Aids: PotentialProblems and Solutions, Proceeding of 15th Symposium on ComputerApplications in Medical Care, Washington, May 3.

[6] Prasetya, E., 2006, Case Based Reasoning untuk mengidentifikasi kerusakan bangunan, Tesis, Program Pasca Sarjana Ilmu Komputer, Univ. Gadjah Mada, Yogyakarta.

[7] Ivan, A.H., 2005, Desain target optimal, Laporan Penelitian Hibah Bersaing, Proyek Multitahun, Dikti, Jakarta.

[8] Wallace, V. P., Bamber, J. C. dan Crawford, D. C. 2000. Classification of reflectance spectra from pigmented skin lesions, a comparison of multivariate discriminate analysis and artificial neural network. Journal Physical Medical Biology, No.45, Vol.3, 2859-2871.

[9] Xavier Pi-Sunyer, F., Becker, C., Bouchard, R.A., Carleton, G. A., Colditz, W., Dietz, J., Foreyt, R. Garrison, S., Grundy, B. C., 1998, Clinical Guidlines on the identification, evaluation, and treatment of overweight and obesity in adults, Journal of National Institutes of Health, No.3, Vol.4, 123-130, :http://journals.lww.com/acsm-msse/Abstract/1998/11001/paper_treatment_of_obesity.pdf.

[10] Borglet, C, 2003, Finding Asscociation Rules with Apriori Algorithm,http://www.fuzzy.cs.uniagdeburgde/~borglet/apriori.pdf, diakses tanggal 23 Februari 2007.
Published
2022-09-14