MODEL CLUSTERING MENGGUNAKAN ALGORITMA K-MEAN DALAM MENENTUKAN KRITERIA KONDISI GIZI BALITA DAN ANAK

Khairul Zannah; Sumarno Sumarno; Zulaini Masruro Nasution; Iin Parlina; Ika Purnama Sari

doi:10.51530/jutekin.v10i1.568

MODEL CLUSTERING MENGGUNAKAN ALGORITMA K-MEAN DALAM MENENTUKAN KRITERIA KONDISI GIZI BALITA DAN ANAK

Khairul Zannah, Sumarno Sumarno, Zulaini Masruro Nasution, Iin Parlina, Ika Purnama Sari

Abstract

Tingkat kesehatan pada balita dan anak pada saat ini masih menjadi sebuah tantang di setia daerah. Gizi sangatlah penting bagi balita dan anak, nilai gizi yang seimbang sangat baik dalam proses tumbuh kembang balita dan anak terutama dalam mempengaruhi pertumbuhan tinggi dan berat, perkembangan motorik, dan aktivitas keseharian. Permasalahan yang saat ini dialami di Nagori Sitalasari masih banyaknya orang tua yang tidak mengetahui nilai gizi yang seimbang bagi balita dan anak, masih ditemukan balita dan anak yang masih kurang gizi atau stunting berdasarkan usia dan berat badan. Metode yang digunakan dalam penelitian ini adalah studi literature dan observasi. Penelitian ini akan di kelompokan atau klasterisasi nilai gizi balita dengan acuan parameter usia balita, tinggi badan balita dan berat badan balita menggunakan algoritma K-Means Clustering menjadi 3 (tiga) kategori yaitu gizi buruk, gizi baik dan obesitas. Hasil dari penelitian yang dilakukan dapat mengklasifikasi nilai gizi balita secara umum agar dapat digunakan sebagai landasan pencegahan dini bagi para kader posyandu menanggulangi gizi buruk serta obesitas.

Kata Kunci: Algoritma K-Means, Balita, Clustering dan Gizi.

Full Text:

PDF (Bahasa Indonesia)

References

Amrizal, V. and Aini, Q. (2013) ‘Kecerdasan Buatan’. Halaman Moeka Publishing.

Handoko, K. (2016) ‘Penerapan Data Mining dalam Meningkatkan Mutu Pembelajaran Menggunakan Metode K-MEANS Clustering’, Jurnal Nasional Teknologi dan Sistem Informasi, 2(3), pp. 31–40.

Hariadi, A. A. R. (2005) ‘Hubungan obesitas dengan beberapa faktor risiko penyakit jantung koroner di laboratorium klinik Prodia Makassar tahun 2005 [Artikel Penelitian]’, Makassar: Prodia.

Haryati, S., Sudarsono, A. and Suryana, E. (2015) ‘Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu)’, Jurnal Media Infotama, 11(2), pp. 130–138.

Hidayati, S. N., Hadi, H. and Lestariana, W. (2016) ‘Hubungan asupan zat gizi dan indeks masa tubuh dengan hiperlipidemia pada murid SLTP yang obesitas di Yogyakarta’, Sari pediatri, 8(1), pp. 25–31.

Kemenkes (2015) ‘ayo-gerak-lawan-obesitas’. Available at: https://www.kemkes.go.id/article/view/19101600003/ayo-gerak-lawan-obesitas.html.

Listiyana, A. D., Mardiana, M. and Prameswari, G. N. (2013) ‘Obesitas sentral dan kadar kolesterol darah total’, KEMAS: Jurnal Kesehatan Masyarakat, 9(1), pp. 37–43.

Nalendra, A. K. (2018) ‘Pengukuran Keakuratan Metode K-Means untuk Menentukan Status Gizi Balita’, 6(2), pp. 48–54.

Nugroho, H. A. and Nurdiana, D. (2008) ‘Hubungan Antara Pengetahuan dan Motivasi Kader Posyandu dengan Keaktifan Kader Posyandu di Desa Dukuh Tengah Kecamatan Ketanggungan Kabupaten Brebes’, Fikkes Jurnal Keperawatan, 2(1), pp. 1–8.

Nurdiawan, O. and Salim, N. (2018) ‘Penerapan Data Mining Pada Penjualan Barang Menggunakan Metode Metode Naive Bayes Classifier Untuk Optimasi Strategi Pemasaran’, Jurnal Teknologi Informasi dan Komunikasi. Sekolah Tinggi Manajemen Informatika dan Komputer Subang, 13(1), pp. 84–95.

Pujiastuti, P. (2015) ‘Obesitas dan Penyakit Periodontal’, STOMATOGNATIC-Jurnal Kedokteran Gigi, 9(2), pp. 82–85.

Ririd, A. retno tri H., Hani’ah, M. and Putri, I. K. (2020) ‘Analisis Pertumbuhan Balita Menggunakan Algoritma K-Means++ Untuk Mengetahui Resiko Obesitas’, Prosiding SENTIA, 12(1), pp. 83–87.

Sa’dah, S. H., Safii, M. and Parlina, I. (2019) ‘Analisa Metode K-Means dalam Mengelompokkan Perkara Perceraian Berdasarkan Daerah Simalungun’, in Prosiding Seminar Nasional Riset Information Science (SENARIS), pp. 349–358.

Saputro, D. T. and Sucihermayanti, W. P. (2021) ‘Penerapan Klasterisasi Menggunakan K-Means untuk Menentukan Tingkat Kesehatan Bayi dan Balita di Kabupaten Bengkulu Utara’, Jurnal Buana Informatika, 12(2), p. 146. doi: 10.24002/jbi.v12i2.4861.

Saragih, R., Sihombing, D. J. C. and Rahmi, E. (2018) ‘Sistem Pakar Diagnosa Penyakit Kelapa Sawit Menggunakan Metode Dempster Shafer Berbasis Web’, Journal of Information Technology and Accounting, I(1), pp. 27–44.

Sari, E. A. (2013) ‘Penerapan Algoritma K-Means untuk Menentukan Tingkat Kesehatan Bayi dan Balita Pada Kabupaten dan Kota di Jawa Tengah’, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro.

Satria, D., Poningsih, P. and Saputra, W. (2019) ‘Sistem Pakar Mendeteksi Penyakit Tanaman Kelapa Sawit Menggunakan Metode Forward Chaining’, in Prosiding Seminar Nasional Riset Information Science (SENARIS), pp. 444–451.

Triansyah, H. (2019) ‘Implemetasi Metode Bubble Sort Dalam Pengurutan Indeks Prestasi Mahasiswa’, Jurnal Ilmiah Informatika, 7(01), p. 48. doi: 10.33884/jif.v7i01.1003.

Wargasetia, T. L. (2016) ‘Memahami kaitan obesitas dan kanker: peluang untuk pencegahan kanker’, Berkala Ilmiah Kedokteran Duta Wacana, 1(3), p. 219.

DOI: http://dx.doi.org/10.51530/jutekin.v10i1.568