PENERAPAN METODE BAYESIAN TERHADAP PENENTUAN
PERSENTASE GIZI BURUK BALITA (STUDI KASUS: PUSKESMAS KUIN RAYA, KOTA BANJARMASIN)
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Nasional Malang
Author
Fitriana, Erika
Subject
Informatics Engineering
Datestamp
2022-05-18 01:11:19
Abstract :
Di berbagai jurnal kesehatan, tingkat gizi buruk di Indonesia masih sangat tinggi. Salah satu tanda gizi buruk adalah status gizi balita setelah ditimbang di posyandu menunjukkan status Bawah Garis Merah' atau disingkat BGM dalam Kartu Menuju Sehat (KMS) selama tiga bulan berturut turut. Selain status gizi dari balita tersebut terdapat beberapa faktor yang berpengaruh dalam penentuan gizi buruk. Karenanya akan sangat membantu jika terdapat satu teknologi yang membantu memprediksi nilai persentase balita BGM yang nantinya akan berpengaruh terhadap persentase gizi buruk Dengan menggunakan metode Bayes dilakukan prediksi terhadap tingkat persentase balita BGM berdasarkan data yang didapatkan dari Puskesmas Kain Raya, Banjarmasin. Teorema Bayes berfungsi untuk menghitung perbandingan peluang antara jumlah dari masing-masing kriteria milal field terhadap nilai hasil prediksi sesunggunya Fungsi untuk prediksi dibuat menggunakan Microsoft Visual Studio 2008. Sedangkan data-data yang didapat maupun data-data yang dihasilkan disimpan dalam Microsoft SQL Server 2005. Dari beberapa proses uji coba diperoleh rata-rata tingkat kesalahan prediksi sebesar 8% Tinggi rendahnya tingkat kesalahan ini dapat disebabkan oleh jumlah record data dan tingkat konsistensi dari data training yang digunakan yang diperoleh dari Puskesmas Kain Raya Banjarmasin Untuk mengetahui hasil implementari di lapangan, rata-rata jarak penyimpangan yang diperoleh dari kationer yang daebar ke tiga puskesmas di Kabupaten Malang antara lain untuk jawaban aplikasi memenuhi kriteria sebanyak 17.86% jawaban aplikasi cukup memenuhi kriteria sebanyak 71.43% dan jawaban aplikasi tidak memenuhi kriteria sebanyak 10,71%
Di berbagai jurnal kesehatan, tingkat gizi buruk di Indonesia masih sangat tinggi. Salah satu tanda gizi buruk adalah status gizi balita setelah ditimbang di posyandu menunjukkan status Bawah Garis Merah' atau disingkat BGM dalam Kartu Menuju Sehat (KMS) selama tiga bulan berturut turut. Selain status gizi dari balita tersebut terdapat beberapa faktor yang berpengaruh dalam penentuan gizi buruk. Karenanya akan sangat membantu jika terdapat satu teknologi yang membantu memprediksi nilai persentase balita BGM yang nantinya akan berpengaruh terhadap persentase gizi buruk Dengan menggunakan metode Bayes dilakukan prediksi terhadap tingkat persentase balita BGM berdasarkan data yang didapatkan dari Puskesmas Kain Raya, Banjarmasin. Teorema Bayes berfungsi untuk menghitung perbandingan peluang antara jumlah dari masing-masing kriteria milal field terhadap nilai hasil prediksi sesunggunya Fungsi untuk prediksi dibuat menggunakan Microsoft Visual Studio 2008. Sedangkan data-data yang didapat maupun data-data yang dihasilkan disimpan dalam Microsoft SQL Server 2005. Dari beberapa proses uji coba diperoleh rata-rata tingkat kesalahan prediksi sebesar 8% Tinggi rendahnya tingkat kesalahan ini dapat disebabkan oleh jumlah record data dan tingkat konsistensi dari data training yang digunakan yang diperoleh dari Puskesmas Kain Raya Banjarmasin Untuk mengetahui hasil implementari di lapangan, rata-rata jarak penyimpangan yang diperoleh dari kationer yang daebar ke tiga puskesmas di Kabupaten Malang antara lain untuk jawaban aplikasi memenuhi kriteria sebanyak 17.86% jawaban aplikasi cukup memenuhi kriteria sebanyak 71.43% dan jawaban aplikasi tidak memenuhi kriteria sebanyak 10,71%
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
