Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita

Eni Irfiani, Siti Sulistia Rani

Abstract


Gizi  sangat dibutuhkan bagi tubuh manusia, terutama pada usia balita dan anak-anak, nilai gizi yang seimbang sangat baik dalam proses tumbuh kembang anak, meningkatkan kemampuan belajar yang baik, serta memberikan dampak positif untuk perkembangannya di masa depan. Saat ini masih kurangnya pengetahuan dasar orang tua dan para kader Posyandu mengenai nilai gizi seimbang pada balita, belum adanya pengelompokkan data berdasarkan karakteristik nilai gisi balita. Pengklasteran (clustering) merupakan metode yang cukup popular dan paling sering digunakan dalam pengolahan data pencitraan medis, biometrik dan bidang yang terkait oleh karena kesederhanaannya serta cukup efektif dalam mengelompokan data dengan  ukuran besar berdasarkan kecepatan pemrosesan dengan menempatkan objek-objek ke dalam kelas-kelas yang memiliki kemiripan. Dalam penelitian ini klasterisasi data nilai gizi balita pada Posyandu dengan acuan parameter tinggi badan balita dan berat badan balita menggunakan algoritma k-Means. Dengan menggunakan K-Means dapat mengklasifikasi nilai gizi balita secara umum agar dapat digunakan sebagai landasan pencegahan dini bagi para kader posyandu menanggulangi gizi buruk atau obesitas. Hasil klasterisasi tersebut dapat membantu para kader Posyandu dan orang tua balita dalam penanganan dini kondisi gizi balita dengan kategori obesitas, gizi lebih, gizi baik, gizi kurang dan gizi buruk.


Keywords


Clustering; K-Means; Nilai Gizi; Balita; Posyandu

Full Text:

PDF

References


Kementerian Kesehatan Republik Indonesia, Hasil Pemantauan Status Gizi ( Psg ) Tahun 2017. Jakarta, 2018.

Kementerian Kesehatan Republik Indonesia, Pedoman Gizi Seimbang. Jakarta, 2014.

W. M. pradnya Dhuhita, “Clustering Menggunakan Metode K-Means untuk Menentukan Status Gizi Balita,” J. Inform., vol. 15, no. 2, pp. 160--174, 2015.

P. Sari, B. Pramono, and L. ode H. S. Sagala, “Improve K-Means Terhadap Status Nilai Gizi Pada Balita,” semanTIK, vol. 3, no. 1, pp. 143–148, 2017.

E. Prasetyo, Data Mining Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: Penerbit Andi Yogyakarta, 2012.

J. Han and Kamber, Data Mining Concept and Techniques. India: New Age International Limited, 2006.

Ediyanto, M. N. Mara, and N. Satyahadewi, “Pengklasifikasian Karakteristik Dengan Metod K-Means Cluster Analysis,” Bul. Ilm., vol. 2, no. 2, pp. 133–136, 2013.




DOI: http://dx.doi.org/10.26418/justin.v6i4.29024

Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

ara komputer View My Stats
Creative Commons License
All article in Justin is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License