Klasifikasi Status Gizi Balita Menggunakan Algoritma K-Nearest Neighbor Studi Kasus Puskesmas Sunter Agung 1

Abstract

Permasalahan gizi balita masih menjadi permasalahan yang perlu mendapat perhatian khususnya di Indonesia, karena balita merupakan kelompok yang paling rentan terhadap permasalahan kesehatan dan status gizi. Data penelitian merupakan segala fakta dan angka yang dapat dijadikan bahan untuk menyusun suatu informasi, di tahap inilah pengumpulan data didapatkan melalui program intervensi keperawatan gizi kepada masyarakat. Adapun tempat yang menjadi lokasi penelitian adalah Puskesmas Sunter Agung 1 Jakarta Utara. Hasil dari pengujian rapidminer menunjukkan hasil akurasi algoritma KNN (K-Nearest Neighbors) dari 500 data yang diperoleh sebagai berikut: Nilai Akurasi yang didapat pada rapidminer sebesar 82,78% untuk keseluruhan data gizi balita. Kemudian untuk melihat AUC dari penelitian ini klik di bagian criterion dan pilih AUC kemudian nilai AUC akan muncul. Jadi nilai AUC yang di dapatkan sebesar 0,619. Dari Hasil Penelitian status gizi balita merupakan salah satu permasalahan yang sedang dialami dunia kesehatan. Salah satu cara mencegah terjadinya stunting adalah dengan memantau perkembangan gizi balita dan tumbuh kembang balita yang dilakukan oleh Posyandu dan Puskemas Sunter Agung 1 setiap bulannya. Penelitian ini menggunakan pendekatan data mining metode Algoritma KNN (K-Nearest Neighbors) pada klasifikasi status gizi balita di Puskesmas Sunter Agung 1.