PENGELOMPOKKAN DAN PREDIKSI STATUS GIZI BALITA MENGGUNAKAN ALGORITMA K-MEANS DAN METODE PERCEPTRON PADA DINAS KESEHATAN KOTA PADANG

Fickry, Zacky Haekal (2024) PENGELOMPOKKAN DAN PREDIKSI STATUS GIZI BALITA MENGGUNAKAN ALGORITMA K-MEANS DAN METODE PERCEPTRON PADA DINAS KESEHATAN KOTA PADANG. Sarjana thesis, Universitas Putra Indonesia YPTK.

	Text SKRIPSI_ZACKY HAEKAL FICKRY_20101152630156_ABSTRAK.pdf Download (31kB)
	Text SKRIPSI_ZACKY HAEKAL FICKRY_20101152630156_BAB I.pdf Download (517kB)
	Text SKRIPSI_ZACKY HAEKAL FICKRY_20101152630156_DAFTAR PUSTAKA.pdf Download (255kB)
	Text SKRIPSI_ZACKY HAEKAL FICKRY_20101152630156_FULL TEXT.pdf Restricted to Repository staff only Download (11MB)

Abstract

Kecerdasan buatan atau Artificial Intelligence merupakan suatu bidang ilmu komputer yang mampu menirukan dan menerapkan kecerdasan yang terdapat pada manusia untuk memecahkan permasalahan yang ada. Kecerdasan buatan telah terbukti dapat menyelesaikan berbagai permasalahan dari berbagai bidang, termasuk bidang kesehatan. Gizi merupakan sesuatu yang harus ada dan terpenuhi karena keberadaannya sangat dibutuhkan oleh tubuh. Makanan yang dikonsumsi mengandung zat gizi yang berbeda-beda, sehingga dari zat gizi kondisi jasmani seseorang dikenal dengan istilah status gizi. Dinas Kesehatan Kota Padang menghadapi kesulitan saat harus menganalisa ribuan atau bahkan puluhan ribu status gizi balita dalam satu periode tertentu dengan menggunakan perhitungan manual yang didasarkan pada perhitungan WHO. Penelitian ini akan menerapkan Data Mining dengan menggunakan metode K-Means Clustering dan Jaringan Syaraf Tiruan dengan menggunakan metode Perceptron dengan model Multilayer untuk dapat mengelompokkan dan memprediksi status gizi balita berdasarkan data historis yang ada. Metode ini diimplementasikan dengan membangun sebuah website menggunakan bahasa pemrograman PHP dan database MySQL. Pengelompokkan mengacu pada status gizi balita BB/U yaitu sebanyak 4 cluster diantaranya gizi sangat kurang, gizi kurang, gizi normal, dan gizi lebih. Pengelompokkan dilakukan dengan menggunakan metode K-Means Clustering. Hasil pengelompokkan pada metode K�Means Clustering digunakan untuk proses pelatihan pada metode Perceptron dengan model Multilayer. Lebih lanjut hasil pelatihan pada metode Perceptron dengan model Multilayer digunakan untuk melakukan prediksi terhadap status gizi balita. Hasil pengujian mampu memprediksi 14 status gizi dari 16 status gizi balita dengan tepat dengan akurasi 87,5%. Penelitian ini menunjukkan bahwa Data Mining dengan metode K-Means Clustering dan Jaringan Syaraf Tiruan dengan metode Perceptron dengan model Multilayer mampu mengelompokkan dan memprediksi status gizi balita yang terjadi di Kota Padang.

Actions (login required)

View Item