Implementasi algoritma k-nearest neighbor pada pengklasifikasian status stunting di kecamatan Poncol kabupaten Magetan

Mustafida, Ela Ni'ma (2024) Implementasi algoritma k-nearest neighbor pada pengklasifikasian status stunting di kecamatan Poncol kabupaten Magetan. ['eprint_fieldopt_thesis_type_undergraduate' not defined] thesis, UIN Sunan Ampel Surabaya.

[thumbnail of Ela Ni'ma Mustafida_09040220053 OK.pdf] Text
Ela Ni'ma Mustafida_09040220053 OK.pdf

Download (1MB)
[thumbnail of Ela Ni'ma Mustafida_09040220053 Full.pdf] Text
Ela Ni'ma Mustafida_09040220053 Full.pdf
Restricted to Repository staff only until 5 July 2027.

Download (1MB)

Abstract

Stunting adalah persoalan gizi kronis yang dikarenakan kurangnya asupan gizi yang cukup pada anak dalam tempo waktu lama yang dapat menimbulkan terhambatnya pertumbuhan anak. Prevalensi stunting di Kabupaten Magetan belum mencapai target RPJMN 2024 yang kurang dari 14%. Kecamatan Poncol merupakan kecamatan yang menduduki 10 besar bayi yang mengalami gizi buruk. Klasifikasi diperlukan untuk mempermudah mendeteksi balita yang mengalami stunting. Penelitian ini bertujuan untuk mengklasifikasikan stunting di Kecamatan Poncol dengan menggunakan Algoritma K-Nearest Neighbor. K-Nearest Neighbor merupakan metode untuk mengklasifikasikan objek berdasarkan data training dengan menggunakan jarak terdekat atau kemiripan. Kelebihan metode ini bisa menggunakan prinsip yang sederhana, bekerja berdasarkan jarak terpendek dari sampel testing ke sampel training dan tidak memperhitungkan kemungkinan distribusi dari masing-masing kelas. Penelitian ini menggunakan data sekunder dari data posyandu Kecamatan Poncol bulan Agustus 2023 yang terdiri dari variabel tinggi badan, berat badan, tinggi badan saat lahir, berat badan saat lahir, usia dalam bulan, dan jenis kelamin. Pada penelitian ini dilakukan uji coba pembagian data 70:30, 80:20, dan 90:10 dan uji coba nilai k = 3, 5, dan 7. Pada uji coba tersebut mendapatkan hasil terbaik pada pembagian data 80:20 dengan nilai k = 3. Dimana pada uji coba tersebut memperoleh nilai akurasi, presisi, dan recall sebesar 96.87%, 95.24%, dan 100%.

Item Type: Thesis (['eprint_fieldopt_thesis_type_undergraduate' not defined])
Uncontrolled Keywords: Stunting; Algoritma K-Nearest Neighbor; Poncol; Magetan
Subjects: Kesehatan
Kesehatan
Matematika
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Ela Ni’ma Mustafida
Date Deposited: 05 Jul 2024 07:42
Last Modified: 05 Jul 2024 07:42
URI: http://digilib.uinsby.ac.id/id/eprint/71293

Actions (login required)

View Item
View Item