FITRIA WIDIYANTI (2018) KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN KOMBINASI METODENAIVE BAYES DANMODIFIED K-NEAREST NEIGHBOR. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018470TIF.pdf Download (169kB) | Preview |
|
|
Text
2. PENGESAHAN_2018470TIF.pdf Download (630kB) | Preview |
|
|
Text
3. ABSTRAK_2018470TIF.pdf Download (94kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018470TIF.pdf Download (369kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018470TIF.pdf Download (382kB) | Preview |
|
|
Text
6. BAB I_2018470TIF.pdf Download (296kB) | Preview |
|
|
Text
7. BAB II_2018470TIF.pdf Download (562kB) | Preview |
|
|
Text
8. BAB III_2018470TIF.pdf Download (148kB) | Preview |
|
|
Text
9. BAB IV_2018470TIF.pdf Download (1MB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V_2018470TIF.pdf Restricted to Repository staff only Download (947kB) |
|
|
Text
11. BAB VI_2018470TIF.pdf Download (96kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018470TIF.pdf Download (290kB) | Preview |
Abstract
Pada tahun 2013 gizi buruk di provinsi Riau berdasarkan Berat Badan menurut Umur masuk dalam urutan 15, sedangkan menurut indikator Berat Badan menurut Tinggi Badan masuk dalam urutan5. Anak usia di bawah lima tahun merupakan golongan yang rentan terhadap masalah kesehatan dan gizi. Pengukuran gizi balita masih menggunakan cara manual seperti pencocokan dengan tabel baku WHO dan perhitungan z-score yang akan memakan waktu. Maka dari permasalahan tadi digunakanlah data mining dengan metode kombinasi Naive Bayes dan Modified k-Nearest Neighbor yang merupakan salah satu solusi untuk mengklasifikasikan status gizi balita sehingga dapat membantu pihak puskesmas dalam melakukan pemeriksaan dengan mudah. Penelitian ini melakukan penggalian informasi dan pola baru berdasarkan dari total 1000 data,997data latih dan 3 data uji untuk mengklasifikasi status gizi balita. Sistem yang dibangun berdasarkan model klasifikasi tersebut diuji menggunakan Evaluasi, BlackBox,User Accepetence Test. Hasilnya sistem yang dibangun sesuai harapan dan mampu membantu calon user mengklasifikasi status gizi balita dengan tingkat akurasi tertinggi sebesar 99% pada skenario data latih : data uji90:10 dandata latih : data uji80:20 dengan k=1 sampai k=3, rata-rata tingkat akurasi adalah 92,057%.Kata kunci: Data Mining,Gizi Balita, Klasifikasi, Modified k-Nearest Neighbor, Naive Bayes.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 600 Teknologi dan Ilmu-ilmu Terapan |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 12 Jul 2019 07:48 |
| Last Modified: | 12 Jul 2019 07:48 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/15842 |
Actions (login required)
 |
View Item |