Kevin Martha Rasepta (2016) KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN METODE MODIFIED K-NEAREST NEIGHBOR. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text FM.pdf Download (361kB) | Preview
Preview	Text BAB I.pdf Download (266kB) | Preview
Preview	Text BAB II.pdf Download (427kB) | Preview
Preview	Text BAB III.pdf Download (283kB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Download (703kB)
	Text BAB V.pdf Restricted to Registered users only Download (406kB)
Preview	Text BAB VI.pdf Download (252kB) | Preview
Preview	Text EM.pdf Download (269kB) | Preview

Abstract

Menurut Riskesdas permasalahan gizi balita di Indonesia merupakan salah satu masalah nasional. 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 Modified k-Nearest Neighbor yang merupakan salah satu solusi untuk mengklasifikasikan status gizi balita sehingga dapat membantu orang tua untuk mengontrol tingkat gizi balitanya lebih mudah dan lebih cepat. Penelitian ini melakukan penggalian informasi dan pola baru berdasarkan dari total 400 data,397 data latih dan 3 data uji untuk mengklasifikasi status gizi balita. Proses data selection untuk model klasifikasi akan dilakukan secara manual. Kemudian dilakukan proses transformasi, perhitungan jarak menggunakan Manhattan. Proses selanjutya menghitung validitas, dan weight voting. Hasil dari analisa perancangan model klasifikasi akan diimplementasikan pada sistem berbasis web. 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 90% pada skenario 90:10 dan 80:20 dengan k=1 sampai k=3, rata-rata tingkat akurasi adalah 82,057%. Kata kunci: Data Mining, Modified k-Nearest Neighbor, Gizi Balita, Klasifikasi.

Actions (login required)

View Item