Implementasi algoritma K-Nearest Neighbors (KNN) untuk prediksi gizi buruk

Ramdhani, Dian Hasna and Jumadi, Jumadi and Sandi, Gitarja (2024) Implementasi algoritma K-Nearest Neighbors (KNN) untuk prediksi gizi buruk. SMATIKA: STIKI Informatika Jurnal. ISSN 2087-0256 (Submitted)

Text (LoA Artikel) LoA - Dian Hasna Ramadhani.pdf Restricted to Repository staff only Download (134kB) | Request a copy

Abstract

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.

Actions (login required)

View Item