Implementasi Algoritma K-Nearest Neighbors (KNN) Untuk Prediksi Gizi Buruk
DOI:
https://doi.org/10.32664/smatika.v14i02.1360Kata Kunci:
gizi buruk, K-Nearest Neighbors, kwashiorkor, marasmus, pembelajaran mesinAbstrak
Gizi buruk menjadi masalah serius di negara-negara berkembang, disebabkan oleh kekurangan asupan makanan yang mengandung zat-zat esensial seperti protein dan energi. Implementasi algoritma machine learning dapat memberikan diagnosis yang akurat terhadap kondisi kesehatan gizi buruk pada balita, memfasilitasi deteksi dini dan intervensi yang tepat. Tujuan penelitian ini untuk mengetahui kinerja algoritma K-Nearest Neighbors (KNN) dalam memprediksi gizi buruk berdasarkan ciri klinis yang dimiliki oleh balita. Data yang digunakan adalah ciri-ciri klinis dari gizi buruk yang bersumber dari seorang nutrisionis. Dari hasil penelitian, nilai akurasi yang paling optimal dalam memprediksi gizi buruk adalah 87%. Dengan dataset yang ada dapat dibuktikan bahwa algoritma K-Nearest Neighbors (KNN) mampu mengklasifikasikan gizi buruk kedalam 2 kondisi, yaitu marasmus dan kwashiorkor.
Referensi
Badan Kebijakan Pembangunan Kesehatan, “Buku Saku Hasil Survei Status Gizi Indonesia (SSGI) 2022,†2022.
Ufiyah Ramlah, “Gangguan Kesehatan Pada Anak Usia Dini Akibat Kekurangan Gizi Dan Upaya Pencegahannya,†Ana’ Bulava: Jurnal Pendidikan Anak, vol. 2, no. 2, pp. 12–25, Dec. 2021, doi: 10.24239/abulava.Vol2.Iss2.40.
D. P. Lestari, “Upaya Pencegahan Risiko Gizi Buruk pada Balita: Literature Review,†Jurnal Ilmiah Universitas Batanghari Jambi, vol. 22, no. 1, p. 532, Mar. 2022, doi: 10.33087/jiubj.v22i1.1828.
A. S. R. Sinaga and D. Simanjuntak, “Sistem Pakar Deteksi Gizi Buruk Balita Dengan Metode Naïve Bayes Classifier,†Jurnal Inkofar, vol. 1, no. 2, Jan. 2020, doi: 10.46846/jurnalinkofar.v1i2.110.
dr. Kartika Mayasari, “Berbagai Penyakit Akibat Malnutrisi yang Perlu Diwaspadai,†Klikdokter. Accessed: Sep. 04, 2024. [Online]. Available: https://www.klikdokter.com/ibu-anak/kesehatan-anak/7-penyakit-yang-disebabkan-karena-malnutrisi
V. Viransyah and B. Sugiarto, “Sistem Pakar Diagnosis Penyakit Gizi Buruk Pada Balita Menggunakan Metode Naïve Bayes Berbasis Website,†Digital Transformation Technology, vol. 3, no. 2, pp. 569–576, Nov. 2023, doi: 10.47709/digitech.v3i2.3074.
G. Gimnastiar, Y. I. Syuhardi, and I. Vandini, “Expert System Aplikasi Monitoring dan Pengendalian Gizi Berbasis Android,†JRKT (Jurnal Rekayasa Komputasi Terapan), vol. 1, no. 01, Apr. 2021, doi: 10.30998/jrkt.v1i01.4003.
D. A. Ferliandini and S. Risnanto, “Aplikasi Prediksi Status Gizi Balita Berbasis Web Menggunakan Metode K-Nearest Neighbor,†Prosiding Seminar Sosial Politik, Bisnis, Akuntansi dan Teknik, vol. 5, p. 622, Dec. 2023, doi: 10.32897/sobat.2023.5.0.3136.
S. Lonang, A. Yudhana, and M. K. Biddinika, “Analisis Komparatif Kinerja Algoritma Machine Learning untuk Deteksi Stunting,†Jurnal Media Informatika Budidarma, vol. 7, no. 4, p. 2109, Oct. 2023, doi: 10.30865/mib.v7i4.6553.
F. Putra, H. F. Tahiyat, R. M. Ihsan, R. Rahmaddeni, and L. Efrizoni, “Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia,†MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 1, pp. 273–281, Jan. 2024, doi: 10.57152/malcom.v4i1.1085.
A. Ridho Lubis, M. K. M. Nasution, O. Salim Sitompul, and E. Muisa Zamzami, “The effect of the TF-IDF algorithm in times series in forecasting word on social media,†Indonesian Journal of Electrical Engineering and Computer Science, vol. 22, no. 2, p. 976, May 2021, doi: 10.11591/ijeecs.v22.i2.pp976-984.
M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,†SMATIKA JURNAL, vol. 10, no. 02, pp. 71–76, Dec. 2020, doi: 10.32664/smatika.v10i02.455.
S. Lonang and D. Normawati, “Klasifikasi Status Stunting Pada Balita Menggunakan K-Nearest Neighbor Dengan Feature Selection Backward Elimination,†Jurnal Media Informatika Budidarma, vol. 6, no. 1, p. 49, Jan. 2022, doi: 10.30865/mib.v6i1.3312.
M. M. Bejani and M. Ghatee, “A systematic review on overfitting control in shallow and deep neural networks,†Artif Intell Rev, vol. 54, no. 8, pp. 6391–6438, Dec. 2021, doi: 10.1007/s10462-021-09975-1.
A. Yudhana, S. Sunardi, and A. J. S. Hartanta, “Algoritma K-NN Dengan Euclidean Distance untuk Prediksi Hasil Penggergajian Kayu Sengon,†Transmisi, vol. 22, no. 4, pp. 123–129, Nov. 2020, doi: 10.14710/transmisi.22.4.123-129.
Y. D. Kirana and S. al Faraby, “Sentiment Analysis of Beauty Product Reviews Using the K-Nearest Neighbor (KNN) and TF-IDF Methods with Chi-Square Feature Selection,†2021. [Online]. Available: https://api.semanticscholar.org/CorpusID:245750721
A. Putri et al., “Komparasi Algoritma K-NN, Naive Bayes dan SVM untuk Prediksi Kelulusan Mahasiswa Tingkat Akhir,†MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 1, pp. 20–26, May 2023, doi: 10.57152/malcom.v3i1.610.
A. R. Wulandari and D. Avianto, “Sistem Pakar Diagnosa Kelainan Stunting Balita Menggunakan Metode KNN Berbasis Web,†Jurnal Indonesia : Manajemen Informatika dan Komunikasi, vol. 5, no. 1, pp. 1064–1072, Jan. 2024, doi: 10.35870/jimik.v5i1.587.
F. Safitri, R. Taufiq Subagio, and L. Norhan, “Implementasi Metode K-Nearest Neighbor (K-NN) dan Forward Chaining untuk Monitoring Tumbuh Kembang Balita,†JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 5, pp. 3491–3496, Jan. 2024, doi: 10.36040/jati.v7i5.7464.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Penulis telah menyetujui bahwa pemegang hak cipta adalah SMATIKA Jurnal. Dan Author berhak menyebarkan artikel tanpa seijin SMATIKA jurnal.
