UWKSUWKS

KARSA NUSANTARAKARSA NUSANTARA

Pemantauan status gizi balita merupakan salah satu upaya penting dalam mencegah masalah pertumbuhan seperti kurang gizi, obesitas, maupun stunting. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita dengan algoritma K-Nearest Neighbor (KNN) berdasarkan data antropometri seperti umur, jenis kelamin, dan tinggi badan. Implementasi algoritma KNN untuk klasifikasi status gizi balita ini menggunakan data yang diperoleh dari platform Kaggle dengan entri berjumlah 120.999. Data tersebut kemudian diolah melalui platform Google Colab menggunakan bahasa pemrograman Python dan perangkat lunak RapidMiner untuk mendukung proses data preprocessing, pelatihan, dan evaluasi model. Evaluasi model ini dilakukan untuk menghasilkan metrik evaluasi utama pada setiap kelas seperti confusion matrix, presisi, recall, dan F1-Score. Melalui evaluasi model yang sudah dilakukan, hasil klasifikasi menggunakan algoritma KNN mampu mengklasifikasikan status gizi balita dengan akurasi tinggi, yakni 97%. Penelitian ini menunjukkan bahwa klasifikasi status gizi balita efektif menggunakan algoritma KNN dan dapat membantu dalam pengambilan keputusan di bidang kesehatan masyarakat.

Penelitian ini menyimpulkan bahwa implementasi algoritma K-Nearest Neighbor (KNN) berhasil mengklasifikasikan status gizi balita dengan akurasi tinggi, mencapai 97%.Kinerja model yang konsisten di setiap kelas membuktikan efektivitas algoritma KNN dalam tugas klasifikasi ini.Penelitian ini dapat dikembangkan lebih lanjut melalui optimasi parameter K, pemilihan fitur otomatis, atau integrasi ke dalam sistem aplikasi kesehatan untuk deteksi dini yang lebih luas dan praktis.

Berdasarkan hasil penelitian, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penelitian lebih lanjut dapat dilakukan untuk mengoptimalkan parameter K dalam algoritma KNN, dengan tujuan meningkatkan akurasi klasifikasi dan mengurangi potensi kesalahan prediksi. Kedua, eksplorasi metode pemilihan fitur otomatis dapat dilakukan untuk mengidentifikasi variabel antropometri yang paling relevan dalam memprediksi status gizi balita, sehingga model yang dihasilkan lebih efisien dan akurat. Ketiga, pengembangan sistem aplikasi kesehatan berbasis algoritma KNN dapat diimplementasikan untuk membantu tenaga medis dalam melakukan deteksi dini status gizi balita secara lebih cepat dan akurat, serta memberikan rekomendasi intervensi yang tepat. Integrasi dengan data dari sumber lain, seperti data konsumsi makanan dan riwayat kesehatan keluarga, juga dapat meningkatkan keakuratan prediksi dan memberikan gambaran yang lebih komprehensif mengenai status gizi balita.

Read online
File size468.98 KB
Pages6
DMCAReport

Related /

ads-block-test