RANCANG BANGUN APLIKASI UNTUK MEMPREDIKSI STATUS GIZI BALITA

Muhammad Nurtanzis Sutoyo

Abstract


Nutrition problems can occur in every phase of life, starting from the womb until the elderly. Application of K-Nearest Neighborhood (k-NN) method can help predict the nutritional status of children under five. The k-NN algorithm is a method to classify objects based on learning data closest to the object. Based on the results of research, it can be concluded that the k-NN algorithm can predict the nutritional status of children.

Keywords: Nutrition, kNN

Masalah gizi dapat terjadi disetiap fase kehidupan, dimulai sejak dalam kandungan sampai dengan usia lanjut. Penerapan Metode K-Nearest Neighborhood (k-NN) dapat membantu memprediksi status gizi balita. Algoritma k-NN merupakan sebuah metode untuk melakukan  klasifikasi  terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Berdasarkan hasil penelitian, maka dapat disimpulkan bahwa algoritma k-NN dapat memprediksi status gizi balita.

Kata kunci: Gizi, KNN


Full Text:

PDF

References


Turnip, F., 2008, Pengaruh “Positive Deviance” Pada Ibu Dari Keluarga Miskin Terhadap Status Gizi Anak Usia 12-24 Bulan di Kecamatan Sidakalang Kabupaten Dairi Tahun 2007, Tesis Universitas Sumatra Utara.

Aries, M dan Martianto, D., 2006, Estimasi kerugian ekonomi akibat status gizi buruk dan biaya penanggulangannya pada balita di berbagai provinsi di Indonesia. Jurnal Gizi dan Pangan, Vol. 1, No. 2, pp 26-33

BAPPENAS, 2010, Peta Jalan Percepatan Pencapaian Tujuan Pembangunan Milenium di Indonesia. Jakarta: Badan Perencanaan Pembangunan Nasional.

Razak, AA., Gunawan, IMA., Budiningsari, R., 2009, Pola Asuh Ibu Sebagai Faktor Resiko Kejadian Kurang Energi Protein (KEP) Pada Anak Balita, Jurnal Gizi Klinik Indonesia, Vol. 6, No. 2, pp 95-103.

Liu, B., 2007 . Web Data mining: Exploring Hyperlinks, Contents, dan Usage Data. Berlin: Springer.

Wu X, Kumar V. 2009. The Top Ten Algorithms in Data Mining. New York: CRC Press.

Banjarsari, MA., Budiman, HI., Farmadi, A., 2015, Penerapan K-Optimal Pada Algoritma Knn untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer Fmipa Unlam Berdasarkan IP Sampai Dengan Semester 4, Kumpulan jurnaL Ilmu Komputer (KLIK), Volume 02, No.02, pp 50-64.

Mustakim dan Oktaviani, G., 2016, Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa, Jurnal Sains, Teknologi dan Industri, Vol. 13, No.2, pp.195 – 202.

Kartika, JI., Santoso, E., Sutrisno., 2017, Penentuan Siswa Berprestasi Menggunakan Metode K-Nearest Neighbor dan Weighted Product (Studi Kasus : SMP Negeri 3 Mejayan), Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 1, No. 5, pp 352-360.

Pressman, RS., 2001, Software Engineering: A Practitioner’s Approach, Fifth Edition, McGraw-Hill Series in Computer Science.

Han, J. dan Kamber, M., 2006, Data Mining: Concepts and Techniques. Second Edition, Morgan Kaufmann Publishers.

Darmawan, A., 2012, Pembuatan Aplikasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighborhood, Skripsi Universitas Komputer Indonesia

Budiyanto, AK., 2009, Dasar-dasar Ilmu Gizi. Malang: UMM Press.

Departemen Gizi dan Kesehatan Masyarakat FKM UI, 2010, Gizi dan Kesehatan Masyarakat, Jakarta: PT Raja Grafindo Persada.

Lutfiana, N., 2013, Faktor – faktor Yang Berhubungan Dengan Kejadian Gizi Buruk Pada Lingkungan Tahan Pangan dan Gizi, Skripsi UNNES.




DOI: http://dx.doi.org/10.20527/klik.v5i2.140

Copyright (c) 2018 KLIK - KUMPULAN JURNAL ILMU KOMPUTER

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Terindeks Oleh :

  
 

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.joomla
counter View My Stats