Aplikasi Pengelompokan Status Gizi Pada Balita Menggunakan Metode K Means Clustering

Sagala, Mayrani (2023) Aplikasi Pengelompokan Status Gizi Pada Balita Menggunakan Metode K Means Clustering. Skripsi thesis, Universitas Tanjungpura.

	Text (Cover) Cover_D1042161030.pdf - Published Version Download (89kB)
	Text (Yuridis) Yuridis_D1042161030.pdf - Published Version Download (73kB)
	Text (Surat Pernyataan) SP_D1042161030.pdf - Published Version Download (92kB)
	Text (Abstrak) Abstrak_D1042161030.pdf - Published Version Download (81kB)
	Text (Kata Pengantar) Kapeng_D1042161030.pdf - Published Version Download (108kB)
	Text (Daftar Isi) Dafis_D1042161030.pdf - Published Version Download (110kB)
	Text (Daftar Lain) Daflain_D1042161030.pdf - Published Version Download (104kB)
	Text (Bab I) Bab1_D1042161030.pdf - Published Version Download (146kB)
	Text (Bab II) Bab2_D1042161030.pdf - Published Version Download (227kB)
	Text (Bab III) Bab3_D1042161030.pdf - Accepted Version Restricted to Repository staff only Download (712kB)
	Text (Bab IV) Bab4_D1042161030.pdf - Accepted Version Restricted to Repository staff only Download (564kB)
	Text (Bab V) Bab5_D1042161030.pdf - Accepted Version Restricted to Repository staff only Download (103kB)
	Text (Daftar Pustaka) Dapus_D1042161030.pdf - Published Version Download (122kB)
	Text (Lampiran) Lamp_D1042161030.pdf - Accepted Version Restricted to Repository staff only Download (210kB)
	Text (D1042161030_MAYRANI SAGALA) D1042161030_MAYRANI SAGALA.pdf - Accepted Version Restricted to Repository staff only Download (2MB)

Abstract

Status gizi pada balita merupakan faktor penting yang harus diperhatikan, karena masa balita merupakan masa perkembangan yang rentan dengan gizi. Status gizi dibedakan menjadi gizi kurang, gizi baik dan gizi lebih, pendek, normal dan tinggi, serta kurus normal dan gemuk (PMK No. 2 Tahun 2020). Berdasarkan data balita yang diperoleh dari Posyandu Balita Anggrek, terdapat beberapa kondisi balita yaitu kulit pucat, mudah lelah, nafsu makan menurun, pertumbuhan terhambat, dan sering mengalami penyakit infeksi. Data yang ada hanya diarsipkan dan belum ada pengelompokan atas status gizi yang diperoleh oleh setiap balita. Maka dari itu diperlukan suatu teknik pengelompokan yang dapat mengelompokan status gizi pada balita yaitu data mining. Agar dapat mengelompokan data balita dibutuhkan suatu metode pengelompokan (Clustering) yang bertujuan untuk meminimalisir kesalahan dalam mengelompokan status gizi pada balita. Dengan menggunakan K-Means dapat mengelompokan nilai gizi balita secara umum agar dapat digunakan sebagai landasan pencegahan dini bagi para kader posyandu untuk menanggulangi gizi buruk atau obesitas. Pada penelitian ini pengelompokan yang dilakukan adalah mengelompokan status gizi balita menggunakan 2 (dua) cluster, karena pada Evaluasi Davies Bouldin Index (DBI) menunjukkan bahwa cluster terbaik pada penelitian ini adalah menggunakan 2 (dua) cluster yaitu dengan nilai 0.757. Adapun hasil dari analisis ini adalah pengelompokan yang dilakukan oleh sistem terhadap periode pertama yaitu 171 data balita menghasilkan sebanyak 94 data Cluster 1 dan sebanyak 77 data Cluster 2. Dari hasil analisa tersebut dapat disimpulkan bahwa Cluster 1 (C1) tergolong pada Gizi Tidak Baik. Cluster 2 (C2) tergolong pada Gizi Baik. Berdasarkan hasil pengujian Black Box, sistem yang dibangun sudah berjalan sesuai dengan yang diharapkan.

Actions (login required)

View Item