Klasifikasi Status Stunting Balita Di Desa Slangit Menggunakan Metode K-Nearest Neighbor

  • Tio Prasetiya Rekayasa Perangkat Lunak; STMIK IKMI Cirebon
  • Irfan Ali Rekayasa Perangkat Lunak; STMIK IKMI Cirebon
  • Cep Lukman Rohmat Rekayasa Perangkat Lunak; STMIK IKMI Cirebon
  • Odi Nurdiawan Manajemen Informatika; STMIK IKMI

Abstract

Abstrak : Stunting pada balita merupakan salah satu permasalahan yang sedang dialami dunia kesehatan. Kejadian ini ditandai dengan berat badan dan tinggi badan yang tidak sesuai dengan umur. Selain itu juga dipengaruhi oleh pola konsumsi makanan dan penggunaan nutrisi yang tidak disesuaikan dengan kebutuhan tubuh. Dalam mencegah kejadian Stunting kegiatan yang rutin dilakukan adalah dengan memantau perkembangan status gizi dan status tumbuh kembang balita yang dilakukan melalui kegiatan posyandu yang berlangsung pada setiap bulan.  Penelitian ini menggunakan pendekatan data mining dengan algoritma K-Nearest Neighbor yaitu menggunakan perhitungan jarak euclidean, adalah sebuah metode untuk mengelompokan atau mengklasifikasikan sebuah data dari uji kelas latih pada beberapa tetangga paing dekat dengan menggunakan rumus perhitungan jarak euclidean. parameter yang dipakai pada penelitian ini didasarkan pada data antropometrik atau data pengukuran tubuh manusia, yaitu Umur, Berat Badan dan Tinggi Badan. Pengujian dilakukan dengan perhitungan manual kemudian dibuat perankingan serta implementasikan kedalam aplikasi RapidMiner.
 
Kata kunci : Balita Stunting, Data Mining, Klasifikasi, Metode K-Nearest Neighbor
 
Abstract : Stunting in toddlers is one of the problems currently being experienced by the health world. This incident is characterized by weight and height that are not age-appropriate. It is also influenced by food consumption patterns and the use of nutrients that are not adapted to the body's needs. In preventing the occurrence of Stunting activities that are routinely carried out are by monitoring the development of nutritional status and the status of growth and development of infants carried out through posyandu activities that take place every month. This study uses a data mining approach with the K-Nearest Neighbor algorithm using euclidean distance calculation, is a method for classifying or classifying a data from a training class test on several close competitors using the euclidean distance calculation formula. The parameters used in this study are based on anthropometric data or measurement data of the human body, namely Age, Weight and Height. Testing is done by manual calculation then ranking and implemented into the RapidMiner application
 
Keywords : Classification, Data Mining, K-Nearest Neighbor Method, Toddler Stunting

References

[1] Suharmianti Mentari and Agus Hermansyah, “Faktor-Faktor Yang Berhubungan Dengan Status Stunting Anak Usia 24-59 Bulan Di Wilayah Kerja Upk Puskesmas Siantan Hulu1”
[2] Anik Sholikah, Eunike Raffy Rustiana and Ari Yuniastuti, “Faktor - Faktor yang Berhubungan dengan Status Gizi Balita di Pedesaan dan Perkotaan,” hal 9 -1 8, tahun 2017.
[3] Diyah Arini, Ayu Citra Mayasari and Muh Zul Azhri Rustam, “Gangguan Perkembangan Motorik dan Kognitif pada Anak Toodler yang Mengalami Stunting di Wilayah Pesisir Surabaya,” tahun 2019.
[4] Mustakim and Giantika Oktaviani F, “Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa,” Vol. 13, No.2, pp.195 - 202, Juni 2016.
[5] Nanda Epriliana Asmara Putri, Dahnial Syauqy and Mochammad Hannats Hanafi, “Sistem Klasifikasi Status Gizi Bayi Dengan Metode K-Nearest Neighbor Berbasis Sistem Embedded,” Vol. 1, No. 9, hlm. 933-939, Juni 2017.
[6] Hamsir Saleh, Muh. Faisal and Rachmat Irawan Musa, “Klasifikasi Status Gizi Balita Menggunakan Metode K-Nearest Neighbor,” Vol. 4, No. 2, 2019.
[7] Yampi R Kaesmetan and Jusrianto A Johannis “Klasifikasi Status Gizi Balita Di Kelurahan Oesapa Barat Menggunakan Metode K-Nearest Neigbor,” Vol. 11, No. 1, Juni 2017.
[8] Brigita Yulia Lestari Fahik, Bertha S. Djahi and Nelci D. Rumlaklak “Data Mining Untuk Klasifikasi Status Gizi Desa Di Kabupaten Malaka Menggunakan Metode K-Nearest Neighbor,” Vol. 6 No. 1, pp. 1-7, Maret 2018.
[9] Suharmianti Mentari and Agus Hermansyah, “Faktor-Faktor Yang Berhubungan Dengan Status Stunting Anak Usia 24-59 Bulan Di Wilayah Kerja Upk Puskesmas Siantan Hulu1
[10] M. Reza Noviansyah, Tedy Rismawa and Dwi Marisa Midyanti, “Penerapan Data Mining Menggunakan Metode K-Nearest Neighbor Untuk Klasifikasi Indeks Cuaca Kebakaran Berdasarkan Data Aws (Automatic Weather Station) (Studi Kasus: Kabupaten Kubu Raya),” Volume 06, No. 2, hal 48-56, 2018.
[11] Bayu Indra Saputro, “Penerapan Sistem Klasifikasi Perpustakaan Arkeologi Di Perpustakaan Balai Arkeologi Daerah Istimewa Yogyakarta,” Vol. 13 No. 2, Desember 2017.
[12] Jodi Irjaya Kartika, Edy Santoso and Sutrisno, “Penentuan Siswa Berprestasi Menggunakan Metode K-Nearest Neighbor Dan Weighted Product ,” Vol. 1, No. 5, hlm. 352-360, Mei 2017.
[13] Imelda A. Muis and Muhammad Affandes, M.T, “Penerapan Metode Support Vector Machine (SVM) Menggunakan Kernel Radial Basis Function (RBF) Pada Klasifikasi Tweet,” Vol. 12, No. 2, pp.189 - 197, Juni 2015.
Published
2020-12-29
How to Cite
PRASETIYA, Tio et al. Klasifikasi Status Stunting Balita Di Desa Slangit Menggunakan Metode K-Nearest Neighbor. INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics, [S.l.], v. 5, n. 1, p. 93-104, dec. 2020. ISSN 2548-3412. Available at: <http://ejournal-binainsani.ac.id/index.php/ITBI/article/view/1431>. Date accessed: 14 apr. 2021.