IMPLEMENTASI METODE DECISION TREE UNTUK KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN ALGORITMA C4.5 BERBASIS WEB
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Sunan Giri
Author
Syafa'ah, Riska Aulia
Subject
600 Teknologi
Datestamp
2023-09-11 03:39:37
Abstract :
Pemantauan dan penilaian status gizi memiliki peran penting dalam menjaga kesehatan dan perkembangan individu, terutama pada fase pertumbuhan awal. Dalam upaya untuk secara efektif mengklasifikasikan status gizi berdasarkan standar antropometri, penggunaan teknologi telah menjadi semakin signifikan. Salah satu algoritma yang digunakan adalah algoritma C4.5, sebuah teknik pembelajaran pohon keputusan yang dapat menghasilkan aturan-aturan keputusan untuk mengklasifikasikan individu ke dalam kategori status gizi yang berbeda. Penelitian ini bertujuan untuk mengklasifikasikan status gizi berdasarkan fitur-fitur yang relevan menggunakan algoritma C4.5. Data yang digunakan dalam penelitian ini terdiri dari 175 data, yang diperoleh melalui kolaborasi dengan pihak posyandu. Data ini mencakup sejumlah fitur antropometri yang digunakan untuk menggambarkan karakteristik fisik individu. Status gizi dikelompokkan menjadi tiga kategori, yaitu gizi baik, gizi buruk dan gizi lebih, berdasarkan standar antropometri yang diakui. Hasil eksperimen menunjukkan bahwa algoritma C4.5 mencapai akurasi 96.23%, dengan perbandingan rasio 70:30. Evaluasi ini didukung oleh confusion matrix yang menganalisis distribusi klasifikasi yang benar dan salah pada masing-masing kategori status gizi. Hal ini menunjukkan bahwa model yang dikembangkan berhasil dengan baik dalam mengklasifikasikan status gizi pada dataset yang digunakan, dengan tingkat akurasi yang signifikan. Penelitian ini memberikan kontribusi penting dalam bidang klasifikasi status gizi. Meskipun akurasi yang diperoleh sudah signifikan, ada potensi untuk pengembangan lebih lanjut, seperti menambahkan variabel lain, menggabungkan algoritma dengan teknik lain atau mempertimbangkan lebih banyak fitur yang relevan. Kata Kunci: Klasifikasi, Status Gizi, Algoritma C4.5, Confusion Matrix, Antropometri.
Pemantauan dan penilaian status gizi memiliki peran penting dalam menjaga kesehatan dan perkembangan individu, terutama pada fase pertumbuhan awal. Dalam upaya untuk secara efektif mengklasifikasikan status gizi berdasarkan standar antropometri, penggunaan teknologi telah menjadi semakin signifikan. Salah satu algoritma yang digunakan adalah algoritma C4.5, sebuah teknik pembelajaran pohon keputusan yang dapat menghasilkan aturan-aturan keputusan untuk mengklasifikasikan individu ke dalam kategori status gizi yang berbeda. Penelitian ini bertujuan untuk mengklasifikasikan status gizi berdasarkan fitur-fitur yang relevan menggunakan algoritma C4.5. Data yang digunakan dalam penelitian ini terdiri dari 175 data, yang diperoleh melalui kolaborasi dengan pihak posyandu. Data ini mencakup sejumlah fitur antropometri yang digunakan untuk menggambarkan karakteristik fisik individu. Status gizi dikelompokkan menjadi tiga kategori, yaitu gizi baik, gizi buruk dan gizi lebih, berdasarkan standar antropometri yang diakui. Hasil eksperimen menunjukkan bahwa algoritma C4.5 mencapai akurasi 96.23%, dengan perbandingan rasio 70:30. Evaluasi ini didukung oleh confusion matrix yang menganalisis distribusi klasifikasi yang benar dan salah pada masing-masing kategori status gizi. Hal ini menunjukkan bahwa model yang dikembangkan berhasil dengan baik dalam mengklasifikasikan status gizi pada dataset yang digunakan, dengan tingkat akurasi yang signifikan. Penelitian ini memberikan kontribusi penting dalam bidang klasifikasi status gizi. Meskipun akurasi yang diperoleh sudah signifikan, ada potensi untuk pengembangan lebih lanjut, seperti menambahkan variabel lain, menggabungkan algoritma dengan teknik lain atau mempertimbangkan lebih banyak fitur yang relevan. Kata Kunci: Klasifikasi, Status Gizi, Algoritma C4.5, Confusion Matrix, Antropometri.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
