APLIKASI PREDIKSI STATUS GIZI BALITA BERBASIS WEB MENGGUNAKAN METODE KNN ( K-NEAREST NEIGHBOR )

Ferliandini, Dara Atria (2023) APLIKASI PREDIKSI STATUS GIZI BALITA BERBASIS WEB MENGGUNAKAN METODE KNN ( K-NEAREST NEIGHBOR ). Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text 1. COVER.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (84kB)
	Text 3. LEMBAR PENGESAHAN.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (137kB)
	Text 2. LEMBAR PERNYATAAN.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (430kB)
	Text 5. ABSTRAK.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (98kB)
	Text 7. BAB I.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (173kB)
	Text 13. DAFTAR PUSTAKA.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (195kB)
	Text SKRIPSI - DARA (FINAL).pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB)

Abstract

Status gizi merupakan gambaran kondisi fisik seseorang sebagai cerminan keseimbangan energi yang masuk dan keluar tubuh. Prediksi Status Gizi Bayi bermanfaat untuk mengetahui status gizi bayi menurut BB/U (Berat Badan menurut Umur). Sistem yang diusulkan adalah sistem untuk menentukan status gizi balita dengan menggunakan metode K-Nearest Neighbor (KNN), dimana metode K-Nearest Neighbor (KNN) merupakan metode untuk mengklasifikasikan atau mengelompokkan data percobaan yang tidak diketahui dengan rumus perhitungan jarak. Variabel yang digunakan dalam sistem ini berdasarkan data pengukuran tubuh manusia yaitu jenis kelamin, umur dan berat badan, tinggi badan dan lingkar lengan atas. Metode pengembangan sistem yang digunakan adalah Prototype. Hasil dari sistem ini adalah status gizi berdasarkan BB/U (Berat Badan menurut Umur) yaitu gizi kurang dan gizi normal. Berdasarkan hasil pengujian confusion matrix, tingkat keberhasilan penentuan status gizi balita menggunakan metode K-Nearest Neighbor (KNN) yang dihasilkan oleh sistem ini adalah 91,94%. Kata kunci : Status Gizi, K-Nearest Neighbor (KNN)

Actions (login required)

View Item