Klasifikasi Tingkat Penerimaan Menu MBG Menggunakan Naïve Bayes dan Decision Tree: Classification of MBG Menu Acceptance Levels Using Naïve Bayes and Decision Tree

Program Makan Bergizi Gratis (MBG) merupakan upaya pemerintah untuk meningkatkan gizi siswa, terutama di wilayah yang memiliki keterbatasan akses terhadap makanan bergizi, seperti di Kabupaten Nabire. Namun, penerimaan siswa terhadap menu yang disajikan beragam karena dipengaruhi oleh nilai gizi dan preferensi makanan. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naïve Bayes dan Decision Tree dalam mengklasifikasikan tingkat penerimaan menu MBG. Penelitian ini menggunakan pendekatan kuantitatif dengan metode pembelajaran terawasi pada 3.840 data hasil survei lapangan. Pengolahan data dilakukan menggunakan perangkat lunak Orange Data Mining, sedangkan evaluasi model dilakukan menggunakan validasi 10-fold. Hasil pengujian menunjukkan bahwa Decision Tree memperoleh akurasi 26,0%, sedangkan Naïve Bayes mencapai 25,3%. Decision Tree juga menghasilkan nilai precision, recall, dan F1-score yang sedikit lebih tinggi dibandingkan dengan Naïve Bayes. Berdasarkan hasil tersebut, Decision Tree menunjukkan kinerja yang relatif lebih baik dalam mengklasifikasikan tingkat penerimaan menu pada dataset yang digunakan. Penelitian ini diharapkan dapat menjadi rujukan untuk mengevaluasi dan menyusun menu MBG yang lebih sesuai dengan kebiasaan dan preferensi siswa di Kabupaten Nabire. Selain itu, penelitian ini memberikan kontribusi melalui perbandingan kinerja kedua algoritma sebagai dasar bagi penelitian lanjutan dan pengembangan sistem pendukung keputusan di bidang gizi. Temuan ini juga menegaskan perlunya pengembangan model lanjutan untuk meningkatkan akurasi