Implementasi Algoritma K-Means untuk Prediksi Status Gizi Balita pada Tiga Puskesmas di Kecamatan Simanindo
DOI:
https://doi.org/10.35960/ikomti.v5i3.1648Keywords:
K-Means, Prediksi, Status Gizi BalitaAbstract
Kesehatan dan status gizi merupakan salah satu tolak ukur yang dapat menggambarkan keadaan gizi seseorang. Permasalahan terkait gizi pada balita di Indonesia merupakan masalah serius yang mempengaruhi kesehatan balita tersebut. Maka dari itu pemantauan status gizi balita sangat penting untuk mendeteksi secara dini masalah gizi dan memberikan intervensi yang tepat. Penelitian ini bertujuan untuk memprediksi status gizi balita menggunakan algoritma K-Means dengan data dari tiga Puskesmas di Kecamatan Simanindo. Algoritma K-Means digunakan karena kemampuannya dalam mengelompokkan data secara cepat dan efisien berdasarkan kesamaan atribut, serta fleksibilitasnya dalam menangani berbagai tipe data yang berbeda, termasuk data seperti berat badan dan umur. Data yang digunakan meliputi umur, tinggi badan, dan berat badan, dengan pengelompokan menjadi 4 cluster yaitu sangat kurang, kurang, normal, dan risiko lebih. Penelitian ini mengembangkan sistem prediksi status gizi balita berbasis web menggunakan algoritma K-Means. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu memprediksi status gizi balita. Dari hasil dari penelitian menunjukkan bahwa terdapat 22.64% balita yang memiliki status gizi kurang. Balita yang memiliki status gizi normal sebanyak 22.91%. Balita yang memiliki status gizi resiko lebih sebanyak 28.14%. Balita yang memiliki status gizi sangat kurang sebanyak 26.32%.
References
[1] A. S. Hutasoit, P. Tarigan, and E. R. Siagian, “Implementasi Data Mining Klasifikasi Status Gizi Balita Pada Posyandu Medan Timur Dengan Menggunakan Metode C 4.5,” J. Pelita Inform., vol. 7, no. 2, pp. 120–125, 2018.
[2] B. Sutomo and D. Y. Anggraini, Menu Sehat Alami untuk Batita & Balita, Edisi 1. Jakarta: Demedia, 2010.
[3] Y. Sunardi and S. Sunardi, Sehat Dan Pintar, Panduan Nutrisi Bagi Buah Hati, Edisi 1. Yogyakarta: Andi Publisher, 2013.
[4] A. M. Siregar and A. Puspabhuana, DATA MINING: Pengolahan Data Menjadi Informasi dengan RapidMiner, 1st ed. Surakarta: CV Kekata Group, 2017.
[5] E. M. Fitri, R. R. Suryono, and A. Wantoro, “Klasterisasi Data Penjualan Berdasarkan Wilayah Menggunakan Metode K-Means Pada Pt Xyz,” J. Komputasi, vol. 11, no. 2, pp. 157–168, 2023, doi: 10.23960/komputasi.v11i2.12582.
[6] A. S. Irtawaty, “Klasifikasi Penyakit Ginjal dengan Metode K-Means,” JTT (Jurnal Teknol. Terpadu), vol. 5, no. 1, pp. 49–53, 2017, doi: 10.32487/jtt.v5i1.241.
[7] M. F. I. Al-Rizki, I. Widaningrum, and G. A. Buntoro, “Prediksi Penyebaran Penyakit TBC dengan Metode K-Means Clustering Menggunakan Aplikasi Rapidminer,” JTERA (Jurnal Teknol. Rekayasa), vol. 5, no. 1, pp. 1–10, 2020, doi: 10.31544/jtera.v5.i1.2019.1-10.
[8] M. P. A. Ariawan, I. B. A. Peling, and G. B. Subiksa, “Prediksi Nilai Akhir Matakuliah Mahasiswa Menggunakan Metode K-Means Clustering (Studi Kasus : Matakuliah Pemrograman Dasar),” J. Nas. Teknol. dan Sist. Inf., vol. 9, no. 2, pp. 122–131, 2023, doi: 10.25077/teknosi.v9i2.2023.122-131.
[9] R. Helilintar and I. N. Farida, “Penerapan Algoritma K-Means Clustering Untuk Prediksi Prestasi Nilai Akademik Mahasiwa,” J. Sains dan Inform., vol. 4, no. 2, pp. 80–87, 2018.
[10] A. Febriyanto, S. Achmadi, and A. P. Sasmito, “Penerapan Metode K-Means Untuk Clustering Pengunjung Perpustakaan Itn Malang,” J. Mhs. Tek. Inform., vol. 5, no. 1, pp. 61–70, 2021.
[11] P. Alga Vredizon, H. Firmansyah, N. Shafira Salsabila, and W. Eko Nugroho, “Penerapan Algoritma K-Means Untuk Mengelompokkan Makanan Berdasarkan Nilai Nutrisi,” J. Technol. Informatics, vol. 5, no. 2, pp. 108–115, 2024, doi: 10.37802/joti.v5i2.577.
[12] H. Priyatman, F. Sajid, and D. Haldivany, “Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan,” JEPIN, vol. 5, no. 1, pp. 62–66, 2019.
[13] Silfia, R. Kurniawan, S. N. Harahap, E. Budianita, F. Syafria, and I. Iskandar, “Sistem Penentuan Penceramah Masjid Paripurna Kota Pekanbaru Menggunakan Algoritma Pengklasteran K-Means,” J. Tek. Inform., vol. 14, no. 2, pp. 162–170, 2021, [Online]. Available: http://journal.uinjkt.ac.id/index.php/ti
[14] E. W. Fridayanthie, Haryanto, and T. Tsabitah, “Penerapan Metode Prototype Pada Perancangan Sistem Informasi Penggajian Karyawan (Persis Gawan) Berbasis Web,” Paradig. - J. Komput. dan Inform., vol. 23, no. 2, pp. 151–157, 2021, doi: 10.31294/p.v23i2.10998.
[15] D. Purnomo, “Model Prototyping Pada Pengembangan Sistem Informasi,” JIMP-Jurnal Inform. Merdeka Pasuruan, vol. 2, no. 2, pp. 54–61, 2017.
[16] Kementerian Kesehatan RI, “Peraturan Menteri Kesehatan Republik Indonesia Nomor 2 Tahun 2020 tentang Standar Antropomerti Anak.” Jakarta, 2020. doi: 10.1016/j.fcr.2017.06.020.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Stifani Napitu, Hanna Dewi M. Hutabarat

This work is licensed under a Creative Commons Attribution 4.0 International License.