Implementasi Metode K-Nearest Neighbor (KNN) Pada Klasifikasi Stunting Balita
Main Article Content
Siti Nur Azizah
Zaehol Fatah
Stunting merupakan masalah kesehatan serius yang dihadapi oleh balita di berbagai negara, termasuk Indonesia. Stunting terjadi ketika anak mengalami pertumbuhan yang terhambat akibat kurangnya asupan gizi dalam jangka panjang, yang dapat berdampak pada perkembangan fisik dan kognitif. Dalam upaya untuk mengatasi masalah ini, diperlukan metode yang efektif dalam mendeteksi dan mengklasifikasikan status gizi balita. Penelitian ini bertujuan untuk mengimplementasikan metode K-Nearest Neighbor (KNN) sebagai teknik klasifikasi untuk mengidentifikasi kasus stunting pada balita. Metode KNN dipilih karena kesederhanaannya dalam menangani data dengan berbagai variabel dan kemampuannya dalam memberikan hasil yang akurat berdasarkan kedekatan fitur antar data. Dalam penelitian ini, dilakukan pengumpulan data status gizi balita dengan berbagai indikator seperti tinggi badan, berat badan, dan umur. Data tersebut kemudian diolah menggunakan algoritma KNN untuk menentukan apakah seorang balita masuk dalam kategori stunting atau tidak. Hasil pengujian menunjukkan bahwa metode KNN mampu memberikan tingkat akurasi yang baik dalam mengklasifikasikan status stunting balita. Dengan demikian, implementasi metode KNN ini diharapkan dapat menjadi salah satu solusi untuk membantu dalam deteksi dini dan penanganan stunting pada balita.
Aisha, P., Fathurahman, M., & Prangga, S. (2024). Implementasi Metode Neighbor Weighted K-Nearest Neighbor Pada Pengklasifikasian Status Gizi Balita Di Wilayah Kerja Puskesmas Wonorejo Kota Samarinda. VARIANCE: Journal of Statistics and Its Applications, 6(1), 11–20. https://doi.org/10.30598/variancevol6iss1page11-20
Amril Mutoi Siregar, S. K. M. K. D. A. N. A. P. S. K. M. K. (n.d.). DATA MINING: Pengolahan Data Menjadi Informasi dengan RapidMiner. CV Kekata Group. https://books.google.co.id/books?id=rTlmDwAAQBAJ
Budhi Widodo, R. (2022). No Title MACHINE LEARNING METODE k-NEAREST NEIGHBORS KLASIFIKASI BAHASA ISYARAT. Media Nusa Creative. https://books.google.co.id/books?id=5umCEAAAQBAJ&printsec=frontcover&hl=id&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false
Hamakonda, T. P., & Tairas, J. N. B. (2008). No Title Pengantar KLASIFIKASI PERSEPULUHAN DEWEY.
Helmayati, S., Raditya Atmaka, D., Utami Wisnusanti, S., & Wigati, M. (2020). No Title STUNTING: Permasalahan dan Tantangannya (Sita (ed.)). Gadjah Mada University Press.
Masacgi, G. N., & Rohman, M. S. (2023). Optimasi Model Algoritma Klasifikasi menggunakan Metode Bagging pada Stunting Balita. Edumatic: Jurnal Pendidikan Informatika, 7(2), 455–464. https://doi.org/10.29408/edumatic.v7i2.23812
Moch. Rizky Yuliansyah, B, M., & Franz, A. (2022). Perbandingan Metode K-Nearest Neighbors dan Naïve Bayes Classifier Pada Klasifikasi Status Gizi Balita di Puskesmas Muara Jawa Kota Samarinda. Adopsi Teknologi Dan Sistem Informasi (ATASI), 1(1), 08–20. https://doi.org/10.30872/atasi.v1i1.25
Rika Widianita, D. (2023). No 主観的健康感を中心とした在宅高齢者における 健康関連指標に関する共分散構造分析Title. AT-TAWASSUTH: Jurnal Ekonomi Islam, VIII(I), 1–19.
Setyorini, R. H., & Andriyani, A. (2023). Peningkatan Pengetahuan tentang Stunting sebagai Upaya Pencegahan Terjadinya Stunting. Bina Pengabdian Kepada Masyarakat, 3(2), 61–68. http://jurnal.stokbinaguna.ac.id/index.php/JPKM/article/view/881/665
Sholikhin, N. A., & Atmojo, S. (2022). Aplikasi Web Untuk Klasifikasi Stunting Pada Balita Dengan Menggunakan Metode K-Nearest Neighbours (Studi Kasus Posyandu Jawu Kidul). Journal of System Engineering and Technological Innovation (JISTI), 1(02), 44–47. https://doi.org/10.38156/jisti.v1i02.23
Wahyudi, W., Alvina Chintya Putri Herlena, & IrdhaYunianto. (2023). Implementasi Data Mining Untuk Klasifikasi Stuting Gizi Pada Balita di Surabaya Menggunakan Metode K-Medoids. Jurnal Publikasi Teknik Informatika, 2(1), 61–67. https://doi.org/10.55606/jupti.v2i1.1166
Widia Pebrianti, S., Astuti, R., & M Basysyar, F. (2024). Penerapan Algoritma K-Nearest Neighbor Dalam Klasifikasi Status Stunting Balita Di Desa Bojongemas. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 2479–2488. https://doi.org/10.36040/jati.v8i2.8448
