PREDIKSI STUNTING PADA BALITA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI K-NEAREST NEIGHBORS
Total View This Week0
Total View This Week0
Institusion
Universitas Telkom
Author
HINDRATMO HADY SUTARNO
Subject
Machine Learning
Datestamp
2021-09-21 00:00:00
Abstract :
Stunting merupakan salah satu kegagalan pertumbuhan pada anak akibat ketidakcukupan nutrisi gizi yang berlangsung dalam waktu lama. Dari data yang didapat mulai dari bulan Januari hingga bulan Oktober pada tahun 2020 yang diambil dari UPT Puskesmas Pitu berada pada Kabupaten Ngawi. Dari data tersebut akan dilakukan klasifikasi dengan menggunakan machine learning untuk menentukan prediksi stunting dan diharapkan dapat menjadi solusi untuk pencegahan kasus terjadinya stunting. Penentuan algoritma pada penelitian Tugas Akhir ini menggunakan algoritma K- Nearest Neighbors yang digunakan untuk menentukan hasil prediksi stunting berdasarkan parameter yang digunakan pada dataset. Dari sistem yang dibangun menunjukan hasil akurasi yang didapat sebesar 97% berdasarkan dari pengujian partisi data menggunakan confusion matrix dengan menggunakan partisi data 90% data training dan 10% data testing dengan tetangga terdekat k=5. Kata Kunci: K-Nearest Neighbors, Machine Learning, Stunting
Stunting merupakan salah satu kegagalan pertumbuhan pada anak akibat ketidakcukupan nutrisi gizi yang berlangsung dalam waktu lama. Dari data yang didapat mulai dari bulan Januari hingga bulan Oktober pada tahun 2020 yang diambil dari UPT Puskesmas Pitu berada pada Kabupaten Ngawi. Dari data tersebut akan dilakukan klasifikasi dengan menggunakan machine learning untuk menentukan prediksi stunting dan diharapkan dapat menjadi solusi untuk pencegahan kasus terjadinya stunting. Penentuan algoritma pada penelitian Tugas Akhir ini menggunakan algoritma K- Nearest Neighbors yang digunakan untuk menentukan hasil prediksi stunting berdasarkan parameter yang digunakan pada dataset. Dari sistem yang dibangun menunjukan hasil akurasi yang didapat sebesar 97% berdasarkan dari pengujian partisi data menggunakan confusion matrix dengan menggunakan partisi data 90% data training dan 10% data testing dengan tetangga terdekat k=5. Kata Kunci: K-Nearest Neighbors, Machine Learning, Stunting
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
