Klasifikasi Status Gizi Balita Menggunakan Algoritma K- Nearest Neighbor Dan Naïve Bayes (Study Kasus: Uptd Puskesmas Bambu Apus)

Mutiara Sukma Ghora Pangumbara’an, . (2024) Klasifikasi Status Gizi Balita Menggunakan Algoritma K- Nearest Neighbor Dan Naïve Bayes (Study Kasus: Uptd Puskesmas Bambu Apus). Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (3MB)
	Text BAB I.pdf Restricted to Registered users only Download (145kB)
	Text BAB II.pdf Restricted to Registered users only Download (524kB)
	Text BAB III.pdf Restricted to Registered users only Download (655kB)
	Text BAB IV.pdf Restricted to Registered users only Download (295kB)
	Text BAB V.pdf Restricted to Registered users only Download (89kB)
	Text JURNAL.pdf Restricted to Registered users only Download (597kB)

Abstract

Status gizi balita dipengaruhi oleh berbagai faktor, baik langsung seperti penyakit infeksi, riwayat lahir, pemberian ASI Eksklusif, serta mutu dan kuantitas makanan, maupun tidak langsung seperti sosial ekonomi, pendidikan, pengetahuan, dan perilaku terhadap layanan kesehatan. Riwayat Pemberian ASI Eksklusif merupakan hal yang mempengaruhi status gizi karena ASI miliki sumber zat gizi yang paling lengkap, dan harus diberikan kepada anak, sehingga pertumbuhan dan perkembangan (otak dan tubuh) baik. Faktor-faktor ini memegang peran penting dalam menentukan perkembangan fisik dan mental anak. Kekurangan gizi pada balita dapat menimbulkan dampak serius, termasuk gangguan pertumbuhan fisik, keterlambatan perkembangan mental, dan peningkatan risiko penyakit. Oleh karena itu, pemenuhan gizi yang tepat sangat penting, terutama pada masa balita yang membutuhkan asupan gizi lebih besar dibandingkan kelompok usia lainnya. Dalam hal ini, penelitian mengembangkan model klasifikasi status gizi balita menggunakan algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes, serta membandingkan akurasi kedua algoritma tersebut dengan data testing – training 60:40, 70:30 dan 80:20. Data penelitian diambil dari Puskesmas Bambu Apus, melibatkan 424 balita usia 0-60 bulan, dengan kriteria penilaian status gizi berdasarkan usia, berat badan, serta tinggi atau panjang badan yang dikonversi ke dalam nilai Z-score sesuai standar antropometri WHO 2005. Pengujian dan analisis data dilakukan menggunakan aplikasi RapidMiner 10.3. Hasil penelitian menunjukkan bahwa mayoritas balita di wilayah tersebut memiliki status gizi baik, dengan akurasi tertinggi pada algoritma Naïve Bayes sebesar 87,65% menggunakan metode hold-out 60:40. Penelitian ini memberikan wawasan penting mengenai prevalensi status gizi di Puskesmas Bambu Apus dan menekankan pentingnya pemantauan status gizi balita. Selain itu, penelitian ini juga berkontribusi dalam mengidentifikasi metode klasifikasi yang efektif untuk status gizi balita, yang dapat mendukung program intervensi gizi yang lebih tepat sasaran.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Status Gizi Balita, K-Nearest Neighbors, Naïve Bayes Classifier
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	miko
Date Deposited:	25 Nov 2024 03:01
Last Modified:	25 Nov 2024 03:01
URI:	http://repository.unpam.ac.id/id/eprint/15316

Actions (login required)

View Item