UNDANAUNDANA

J-ICON: Jurnal Komputer dan InformatikaJ-ICON: Jurnal Komputer dan Informatika

Kebutuhan gizi di Indonesia bervariasi berdasarkan usia, jenis kelamin, aktivitas fisik, dan kondisi kesehatan individu. Menurut Peraturan Menteri Kesehatan Republik Indonesia Nomor 28 Tahun 2019, Angka Kecukupan Gizi (AKG) yang dikeluarkan oleh Kementerian Kesehatan memberikan pedoman tentang kebutuhan energi harian (kalori). Untuk bayi berusia 0 hingga 12 bulan, asupan yang diperlukan adalah 550-725 kkal. Tahap balita (0-5 tahun) adalah periode pertumbuhan emas, di mana perkembangan fisik dan otak terjadi dengan cepat. Malnutrisi selama periode ini dapat menyebabkan gangguan pertumbuhan seperti stunting, yang memiliki efek jangka panjang pada kesehatan dan kecerdasan anak. Untuk menentukan status gizi balita, penting untuk mengklasifikasikan status mereka berdasarkan rasio berat dan tinggi badan, yang umumnya diukur menggunakan Indeks Massa Tubuh (IMT). IMT digunakan untuk menentukan apakah berat badan anak masuk ke dalam kategori normal, kekurangan gizi, atau obesitas. Oleh karena itu, pemantauan secara teratur diperlukan untuk mendeteksi masalah gizi secara dini, sehingga memungkinkan intervensi yang tepat. Penelitian ini bertujuan untuk mengembangkan sebuah website menggunakan algoritma k-medoids untuk menilai status gizi balita. Proses perhitungan dalam penelitian ini, yang melibatkan 30 sampel data balita, menentukan jumlah balita dalam setiap kluster: status gizi normal, kekurangan gizi, dan obesitas. Penelitian ini juga menerapkan Matriks Kebingungan untuk mengevaluasi kinerja pengelompokan, termasuk akurasi, presisi, dan recall. Hasil evaluasi menunjukkan bahwa algoritma k-medoids berfungsi dengan sempurna, mencapai akurasi 100% untuk semua kluster. Hal ini menunjukkan bahwa k-medoids berhasil mengklasifikasikan data ke dalam kluster tanpa kesalahan.

Berdasarkan pembahasan implementasi algoritma K-Medoids dalam pengelompokkan data status gizi balita, dapat disimpulkan bahwa proses pengelompokkan dilakukan dalam dua iterasi.Pada iterasi pertama, total proximity yang dihasilkan lebih optimal dengan nilai 9,825654, sedangkan pada iterasi kedua, total proximity meningkat menjadi 13,074997, yang menunjukkan bahwa iterasi kedua kurang optimal.Oleh karena itu, iterasi pertama dipilih sebagai solusi terbaik.Evaluasi kinerja algoritma K-Medoids menggunakan matriks kebingungan menunjukkan hasil yang sangat baik, dengan tingkat akurasi, presisi, dan recall mencapai 100%.Sehingga, algoritma k-medoids mampu membagi data balita ke dalam kluster dengan sangat akurat.Ada beberapa saran yang dapat dipertimbangkan dengan mengulangi Proses Pengelompokkan, meskipun iterasi pertama memberikan hasil yang lebih optimal, disarankan untuk mengulangi proses pengelompokkan dengan variasi parameter yang berbeda atau jumlah kluster.Hal ini dapat membantu menemukan solusi yang baik untuk memastikan bahwa hasil yang diperoleh tidak bergantung pada satu iterasi.Analisis lebih lanjut, yaitu memperoleh pemahaman yang mendalam tentang data, dapat melakukan analisis kluster yang terbentuk.Misalnya, melihat karakteristik setiap kluster untuk mengidentifikasi faktor-faktor yang mempengaruhi status gizi balita dan mengembangkan strategi intervensi yang efektif.Pengelompokkan data status gizi balita diterapkan pada dataset lain, seperti data kesehatan atau pendidikan yang dapat membantu dalam mengeksplorasi potensi algoritma di berbagai bidang.

Untuk penelitian lanjutan, disarankan untuk mengulangi proses pengelompokkan dengan variasi parameter atau jumlah kluster yang berbeda. Hal ini dapat membantu menemukan solusi yang lebih optimal dan memastikan bahwa hasil tidak bergantung pada satu iterasi saja. Selain itu, analisis lebih dalam terhadap data dan karakteristik kluster dapat dilakukan untuk mengidentifikasi faktor-faktor yang mempengaruhi status gizi balita. Dengan demikian, strategi intervensi yang lebih efektif dapat dikembangkan. Pengaplikasian pengelompokkan data status gizi balita pada dataset lain, seperti data kesehatan atau pendidikan, juga dapat menjadi fokus penelitian selanjutnya untuk mengeksplorasi potensi algoritma di berbagai bidang.

  1. Implementasi Analisis Clustering K-Medoids dalam Pengelompokan Bayi Lahir, Gizi Buruk, dan BBLR Berdasarkan... doi.org/10.20885/esds.vol2.iss.1.art4Implementasi Analisis Clustering K Medoids dalam Pengelompokan Bayi Lahir Gizi Buruk dan BBLR Berdasarkan doi 10 20885 esds vol2 iss 1 art4
  2. Penerapan Metode K-Medoid Dalam Pengelompokkan Data Pertanian Di Dinas Tanaman Pangan Hortikultura Dan... jurnal.unived.ac.id/index.php/jmi/article/view/6459Penerapan Metode K Medoid Dalam Pengelompokkan Data Pertanian Di Dinas Tanaman Pangan Hortikultura Dan jurnal unived ac index php jmi article view 6459
  3. Implementasi Data Mining Untuk Klustering Stunting Gizi Pada Balita Dipuskesmas Sigambal Meggunakan Metode... jurnal.ulb.ac.id/index.php/informatika/article/view/6159Implementasi Data Mining Untuk Klustering Stunting Gizi Pada Balita Dipuskesmas Sigambal Meggunakan Metode jurnal ulb ac index php informatika article view 6159
  4. Radware Bot Manager Captcha. radware manager captcha apologize ensure keep safe please confirm human... doi.org/10.1088/1757-899X/420/1/012092Radware Bot Manager Captcha radware manager captcha apologize ensure keep safe please confirm human doi 10 1088 1757 899X 420 1 012092
Read online
File size689.46 KB
Pages9
DMCAReport

Related /

JURIS Use of UI X on Website Recommendation of Laptop Specifications with K Means Algorithm 2026More at 2026

UNDANAUNDANA Berdasarkan hasil iterasi pertama dan kedua, laptop dengan spesifikasi dasar (low-end) tergabung dalam Klaster 1 (C1) yang berjumlah 15 unit, perangkatBerdasarkan hasil iterasi pertama dan kedua, laptop dengan spesifikasi dasar (low-end) tergabung dalam Klaster 1 (C1) yang berjumlah 15 unit, perangkat

JURIS The Effectiveness of Animated Video in Differentiated Learning on Students Motivation and Arabic Learning Achievement at SMKS Al Ikhwaniyah 2026More at 2026

UIIDALWAUIIDALWA Data dikumpulkan melalui tes prestasi dan kuesioner motivasi berbasis model ARCS (Attention, Relevance, Confidence, Satisfaction), dan dianalisis denganData dikumpulkan melalui tes prestasi dan kuesioner motivasi berbasis model ARCS (Attention, Relevance, Confidence, Satisfaction), dan dianalisis dengan

JURIS Daur at TiknljiyA ar Raqmiyyah f Ta lm al Lughah al Arabiyyah f IndnsiyA DirAsah TArkhiyyah wa Naw iyyah wa FawA idiyyah 2026More at 2026

UIIDALWAUIIDALWA Teknologi digital telah bertransformasi menjadi komponen utama dalam pembelajaran Bahasa Arab di Indonesia, meningkatkan kualitas dan keterlibatan siswa.meskipunTeknologi digital telah bertransformasi menjadi komponen utama dalam pembelajaran Bahasa Arab di Indonesia, meningkatkan kualitas dan keterlibatan siswa.meskipun

JURIS Prediksi Risiko Depresi pada Mahasiswa Menggunakan Algoritma Random Forest Berdasarkan Data Akademik dan Gaya Hidup 2025More at 2025

CIPTA MEDIA HARMONICIPTA MEDIA HARMONI Prosesnya meliputi preprocessing data, penyeimbangan data dengan SMOTEENN dan label encoding untuk mengubah data kategorikal menjadi numerik. Hasil: ModelProsesnya meliputi preprocessing data, penyeimbangan data dengan SMOTEENN dan label encoding untuk mengubah data kategorikal menjadi numerik. Hasil: Model

JURIS Revenue Segmentation from Payment Aggregator Using K Means Clusterization Method 2025More at 2025

UNDANAUNDANA Oleh karena itu, disarankan untuk memprioritaskan pemeliharaan ketersediaan aplikasi yang mengelola fitur-fitur ini. Selain itu, untuk kategori denganOleh karena itu, disarankan untuk memprioritaskan pemeliharaan ketersediaan aplikasi yang mengelola fitur-fitur ini. Selain itu, untuk kategori dengan

JURIS Analisis Perbandingan Algoritma XGBoost dan Algoritma Random Forest Ensemble Learning pada Klasifikasi Keputusan Kredit 2024More at 2024

PRINPRIN Berdasarkan hasil yang diperoleh dalam penelitian ini, dapat disimpulkan bahwa kedua algoritma memiliki performa yang sangat baik dan akurat dalam mengklasifikasikanBerdasarkan hasil yang diperoleh dalam penelitian ini, dapat disimpulkan bahwa kedua algoritma memiliki performa yang sangat baik dan akurat dalam mengklasifikasikan

JURIS Manajemen Kegiatan Peserta Didik dalam Peningkatan Kualitas Lulusan di SMP Islam Al Ulum Terpadu Medan 2023More at 2023

STAI AL-HIDAYAHSTAI AL-HIDAYAH Teknik pengumpulan data yang digunakan, yaitu: observasi, wawancara, dan studi dokumentasi. Analisis data dalam penelitian ini menggunakan model interaktifTeknik pengumpulan data yang digunakan, yaitu: observasi, wawancara, dan studi dokumentasi. Analisis data dalam penelitian ini menggunakan model interaktif

JURIS Pemanfaatan CCTV Analog Camera Pada Sistem Monitoring Keamanan Ruangan Berbasis Mobile Web 2023More at 2023

UNDANAUNDANA Perkembangan peradaban meningkatkan keragaman kepentingan yang dapat memicu tindakan kriminal di masyarakat. Penggunaan CCTV di STIKOM Uyelindo KupangPerkembangan peradaban meningkatkan keragaman kepentingan yang dapat memicu tindakan kriminal di masyarakat. Penggunaan CCTV di STIKOM Uyelindo Kupang

Useful /

JURIS Aplikasi Untuk Menilai Kualitas Layanan Jasa Pada Zhahira Laundry Menerapkan Dimensi Servqual 2026More at 2026

UNDANAUNDANA Berdasarkan nilai GAP setelah diterapkan dan digunakan oleh pelanggan, maka GAP dan ranking yang dihasilkan itu berapa, sehingga disimpulkan bahwa pelangganBerdasarkan nilai GAP setelah diterapkan dan digunakan oleh pelanggan, maka GAP dan ranking yang dihasilkan itu berapa, sehingga disimpulkan bahwa pelanggan

JURIS Analisis Faktor Faktor Niat Beli Dan Perancangan Strategi Bisnis Pada Lembaga Bimbingan Belajar 2026More at 2026

UNIVAL CILEGONUNIVAL CILEGON Penelitian ini mengidentifikasi bahwa reputasi, harga, personalisasi, dan inovasi teknologi merupakan faktor kunci yang memengaruhi niat pembelian layananPenelitian ini mengidentifikasi bahwa reputasi, harga, personalisasi, dan inovasi teknologi merupakan faktor kunci yang memengaruhi niat pembelian layanan

JURIS Klasifikasi Gestur BISINDO Berbasis Landmark Tangan Lengan Menggunakan Mediapipe Holistic dan Random Forest 2025More at 2025

CIPTA MEDIA HARMONICIPTA MEDIA HARMONI Model yang dilatih pada dataset seimbang mencapai akurasi 100% pada data uji dan 96% pada data baru, menunjukkan kemampuan klasifikasi yang akurat danModel yang dilatih pada dataset seimbang mencapai akurasi 100% pada data uji dan 96% pada data baru, menunjukkan kemampuan klasifikasi yang akurat dan

JURIS Detection Model of Microalgae Spirulina platensis and Chlorella vulgaris Based on Convolutional Neural Network YOLOv8 2024More at 2024

UNDANAUNDANA Mikroalga seperti Spirulina platensis dan Chlorella vulgaris berpotensi menjadi sumber bioenergi sehingga memulai banyak dikultivasi. Kultivasi ini umumnyaMikroalga seperti Spirulina platensis dan Chlorella vulgaris berpotensi menjadi sumber bioenergi sehingga memulai banyak dikultivasi. Kultivasi ini umumnya

ads-block-test