Klasifikasi Balita Terindikasi Stunting Pada Puskesmas Baru Tengah Kota Balikpapan Menggunakan Metode K-Nearest Neighbor

Dien Risya, Perdana Putra (2023) Klasifikasi Balita Terindikasi Stunting Pada Puskesmas Baru Tengah Kota Balikpapan Menggunakan Metode K-Nearest Neighbor. S1 Teknik Informatika thesis, STMIK Widya Cipta Dharma.

	Text 2043902-S1-Jurnal.pdf Restricted to Repository staff only Download (221kB) | Request a copy
	Text 2043902-S1-Teknik Informatika.pdf Restricted to Repository staff only Download (9MB) | Request a copy

Abstract

Dien Risya Perdana Putra, 2023, Klasifikasi Balita Terindikasi Stunting Pada Puskemas Baru Tengah Kota Balikpapan Menggunakan Metode K – Nearest Neighbor. Skripsi jurusan Teknik Informatika, Sekolah Tinggi Manajemen Informatika dan Komputer Widya Cipta Dharma, Pembimbing Utama Wahyuni S.Kom., M.Kom, Pembimbing Pendamping Siti Lailiyah S.Kom.,M.Kom. Kata kunci: Stunting, Data Mining, Klasifikasi, Metode K-Nearest Neighbor Permasalahan utama tentang gizi yang dihadapi Indonesia adalah stunting, Global Nutrition Report 2016 mencatat bahwa prevalensi stunting di Indonesia berada pada peringkat 108 dari 132 negara Di kawasan Asia Tenggara, prevalensi stunting di Indonesia merupakan tertinggi kedua, setelah Cambodia (International Food Policy Research Institute, 2016). Stunting adalah anak bayi dibawah lima tahun yang memiliki nilai z-score nya kurang dari -3 standar deviasi (SD). Stunting memiliki dampak negatif yaitu dapat terganggunya perkembangan fisik maupun intelektual balita di masa depan. Dalam kasus ini, meriksaan status stunting oleh tenaga medis masih dilaksanakan secara manual yang memakan waktu cukup lama dan rentan ketidaktelitian. Penelitian ini bertujuan untuk mengklasifikasi balita yang terindikasi stunting dengan menerapkan metode K-Nearest Neighbor untuk mendapatkan hasil yang cepat dan akurat. Penelitian ini dilakukan di Puskemas Baru Tengah Kota Balikpapan. Metode pengumpulan data yang digunakan yaitu dengan wawancara yang mengajukan pertanyaan–pertanyaan yang berkaitan tentang stunting. Dengan cara observasi, yaitu mengadakan pengamatan secara langsung ke di Puskemas Baru Tengah Kota Balikpapan. Dalam penelitian ini metode penelitian yang digunakan yaitu nowledge Discovery in Database (KDD) dengan perangkat lunak pendukung yang digunakan adalah jupyter notebook. Berdasarkan hasil dari penelitian ini menunjukkan rata-rata akurasi yang dihasilkan algoritma K-Nearest Neighbor pada k=7 dan k=9 adalah 85,34 %. Hasil tersebut menunjukkan bahwa penerapan algoritma K-Nearest neighbor dapat diterapkan dengan baik. ============================================================ Dien Risya Perdana Putra, 2023, Classification of Toddlers with Indication of Stunting at Puskemas Baru Tengah City of Balikpapan City Using the K-Nearest Neighbor Method. Thesis majoring in Informatics Engineering, Widya Cipta Dharma College of Informatics and Computer Management, Main Mentor Wahyuni S.Kom., M.Kom, Companion Mentor Siti Lailiyah S.Kom., M.Kom. Keywords: Stunting, Classification, K-NN, Data Mining The main nutrition problem faced by Indonesia is stunting. The 2016 Global Nutrition Report notes that the prevalence of stunting in Indonesia is ranked 108 out of 132 countries in Southeast Asia, the second highest prevalence of stunting in Indonesia, after Cambodia (International Food Policy Research Institute, 2016). Stunting is defined as infants under five years old whose z-score is less than -3 standard deviations (SD). Stunting has a negative impact, which can disrupt the physical and intellectual development of children under five years old in the future. In this case, examining stunting status by medical personnel is still carried out manually which takes a long time and is prone to inaccuracy. This study aims to classify toddlers who are indicated to be stunted by applying the K-Nearest Neighbor method to get fast and accurate results. This research was conducted at the Puskemas Baru Tengah of Balikpapan City. The data collection method used is by interview which asks questions related to stunting. By means of observation, i.e. conducting direct observation to the Puskemas Baru Tengah of Balikpapan City. In this research, the research method used is knowledge discovery in database (KDD) with the supporting software used is jupyter notebook. Based on the results of this study, the average accuracy produced by the K-Nearest neighbor algorithm at k = 7 and k = 9 is 85.34%. These results show that the application of the k -nearest neighbor algorithm can be applied well.

Item Type:	Thesis (S1 Teknik Informatika)
Additional Information:	Pembimbing Utama :Wahyuni S.Kom., M.Kom, Pembimbing Pendamping :Siti Lailiyah S.Kom.,M.Kom.
Uncontrolled Keywords:	Stunting, Data Mining, Klasifikasi, Metode K-Nearest Neighbor
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Teknik Informatika
Depositing User:	mr Dien Risya Perdana Putra
Date Deposited:	28 Aug 2023 07:31
Last Modified:	28 Aug 2023 07:31
URI:	http://repository.wicida.ac.id/id/eprint/5154

Actions (login required)

View Item