Eplia Triwira Lestari, - (2020) PENERAPAN ALGORITMA NAIVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI STATUS GIZI OBESITAS ANAK DISABILITAS. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

	Text (BAB V) BAB 5.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text TA FULL KECUALI BAB 5.pdf Download (6MB)

Abstract

Penentuan status gizi seseorang baik itu dikalangan anak disabilitas dapat dinilai dengan formula Indeks Masa Tubuh (IMT) dengan melibatkan variabel berat badan dan tinggi badan akan tetapi formula tersebut dirasa kurang efektif karena tidak melibatkan ukuran kerangka tubuh. Salah satu kerangka tubuh yang dapat mempengaruhi status gizi adalah lingkar perut. Karena apabila ada dua orang yang memiliki berat badan dan tinggi badan yang sama bisa jadi memiliki status gizi yang berbeda, maka diperlukanlah sebuah sistem informasi yang dapat membantu dalam menentukan status gizi anak disabilitas dengan melibatkan kerangka tubuh secara tepat dan efektif. Untuk membuat sistem informasi ini terlebih dahulu dilakukan perbandingan hasil klasifikasi status gizi anak disabilitas dengan menggunakan Algoritma Naive Bayes Classifier (NBC) dan K-Nearest Neighbor (KNN). Untuk mendapatkan hasil akurasi terbaik dilakukan pembagian data training dan data testing menggunakan Algoritma K-Means Clustering. Hasil perhitungan Algorima KNN dengan menggunakan tools rapidminers didapatkan akurasi sebesar 68% sedangkan NBC 48%. Dengan demikian, pada penelitian ini hasil akurasi terbaik adalah Algoritma KNN, sehingga algoritma ini diterapkan pada sebuah sistem informasi berbasis website. Sistem tersebut diuji menggunakan pengujian blackbox testing dengan tingkat keberhasilan 100% sedangkan dengan menggunakan pengujian User Acceptance Test (UAT) menghasilkan 89,6%. Kata Kunci: disabilitas, klasifikasi, knn, nbc, status gizi.

Actions (login required)

View Item