Klasifikasi Status Gizi Balita Menggunakan Metode K-Nearest Neighbor Untuk Deteksi Dini Stunting

Farhan, Naufal Hafiz (2024) Klasifikasi Status Gizi Balita Menggunakan Metode K-Nearest Neighbor Untuk Deteksi Dini Stunting. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text (Cover) Cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (18kB)
	Text (Lembar Pengesahan) Lembar Pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (141kB)
	Text (Lembar Pernyataan) Lembar Pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (95kB)
	Text (Abstrak) Abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (229kB)
	Text Bab I.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (588kB)
	Text (Skripsi Full) Skripsi Full.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (406kB)
	Text (Surat Keterangan Hasil Cek Plagiarisme) Surat Keterangan Hasil Cek Plagiarisme.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (330kB)

Abstract

Status gizi balita adalah indikator penting yang mencerminkan tingkat kesejahteraan masyarakat. Di Indonesia, prevalensi balita dengan gizi buruk dan stunting masih menjadi masalah yang membutuhkan perhatian khusus. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi status gizi balita dengan menggunakan metode K-Nearest Neighbor (KNN) sebagai alat bantu untuk deteksi dini stunting. Metode KNN dipilih karena kemampuannya dalam mengklasifikasikan data dengan tingkat akurasi yang tinggi berdasarkan kedekatan jarak data. Data yang digunakan dalam penelitian ini berasal dari Puskesmas Cileunyi, dengan parameter antropometri meliputi Usia, Berat Badan, dan Tinggi Badan. Implementasi sistem dilakukan dengan bahasa pemrograman PHP dan basis data MySQL. Hasil pengujian menunjukkan bahwa sistem ini memiliki akurasi sebesar 89,53% dalam mengklasifikasikan status gizi balita menjadi kategori gizi baik, gizi kurang, dan stunting. Dengan demikian, sistem ini diharapkan dapat menjadi alat bantu yang efektif bagi tenaga kesehatan dalam melakukan deteksi dini stunting pada balita, sehingga intervensi yang tepat dapat dilakukan lebih awal.

Actions (login required)

View Item