Pengelompokan Status Gizi Pada Anak Usia 3–5 Tahun Menggunakan Metode K-Means Clustering
Abstract
Gizi dapat diartikan sebagai proses organisme menggunakan makanan yang dikonsumsi secara normal melalui proses pencernaan, penyerapan, transportasi, penyimpanan, metabolisme, dan pengeluaran zat gizi untuk mempertahankan kehidupan, pertumbuhan dan fungsi normal organ tubuh serta untuk menghasilkan tenaga. Status gizi merupakan salah satu indikator keadaan yang diakibatkan oleh keseimbangan antara asupan gizi dari makanan dengan kebutuhan gizi yang diperlukan untuk metabolisme tubuh. Pada saat ini penentuan status gizi anak yang dilakukan oleh pihak Puskesmas Medan Amplas masih kurang efektif dan tidak memiliki sistem yang akurat dalam pengelompokan data tentang status gizi anak sehingga dibentuknya sistem untuk dapat membantu dan mempercercepat dalam menentukan pengelompokam berdasarkan kriteria yang telah ditentukan. Untuk mendukung perhitungan dari setiap kriteria yang telah ditentukan maka dibutuhkanlah suatu solusi dengan cara menggunakan metode K-Means Clustering untuk melakukan perhitungan dari kriteria dan atribut yang ada.References
M. K-means, O. Purwaningrum, Y. Y. Putra, and A. A. Arifiyanti, “Penentuan Kelompok Status Gizi Balita dengan Menggunakan,” vol. 15, no. 2, pp. 129–136, 2021.
S. Paembonan, H. Abduh, and A. Aprianto, “Sistem Pendukung Keputusan Substitusi Obat Menggunakan Profile Matching,” Pros. Semant., pp. 223–227, 2019, [Online]. Available: http://journal.uncp.ac.id/index.php/semantik/article/view/1519.
S. Rahayu, Tamrin, and P. Wulandari, “Pengaruh Edukasi Gizi pada Ibu Balita terhadap Perubahan Berat Badan Balita yang Mengalami Masalah Gizi,” J. Ners Widya Husada, vol. 6, no. 3, pp. 87–96, 2019.
R. Yanto and R. Khoiriah, “Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola Pembelian Obat,” Creat. Inf. Technol. J., vol. 2, no. 2, p. 102, 2015, doi: 10.24076/citec.2015v2i2.41.
D. Adhe, C. Rachman, R. Goejantoro, and D. Tisna, “Implementation Of Text Mining For Grouping Thesis Documents Using K-Means Clustering,” J. EKSPONENSIAL, vol. 11, no. 2, pp. 167–174, 2020.
D. Sunia, Kurniabudi, and P. Alam Jusia, “Penerapan Data Mining Untuk Clustering Data Penduduk Miskin Menggunakan Algoritma K-Means,” J. Ilm. Mhs. Tek. Inform., vol. 1, no. 2, pp. 121–134, 2019.
D. D. Darmansah and N. W. Wardani, “Analisis Pesebaran Penularan Virus Corona di Provinsi Jawa Tengah Menggunakan Metode K-Means Clustering,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 1, pp. 105–117, 2021, doi: 10.35957/jatisi.v8i1.590.
F. Rahmawati and N. Merlina, “Metode Data Mining Terhadap Data Penjualan Sparepart Mesin Fotocopy Menggunakan Algoritma Apriori,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 6, no. 1, pp. 9–20, 2018, doi: 10.33558/piksel.v6i1.1390.
. F., F. T. Kesuma, and S. P. Tamba, “Penerapan Data Mining Untuk Menentukan Penjualan Sparepart Toyota Dengan Metode K-Means Clustering,” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 2, no. 2, pp. 67–72, 2020, doi: 10.34012/jusikom.v2i2.376.
H. Annur, “Penerapan Data Mining Menentukan Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering,” J. Inform. Upgris, vol. 5, no. 1, 2019, doi: 10.26877/jiu.v5i1.3091.
M. K-means, O. Purwaningrum, Y. Y. Putra, and A. A. Arifiyanti, “Penentuan Kelompok Status Gizi Balita dengan Menggunakan,” vol. 15, no. 2, pp. 129–136, 2021.
H. Sulastri, H. Mubarok, and S. S. Iasha, “Implementasi Algoritma Machine Learning Untuk Penentuan Cluster Status Gizi Balita,” J. Rekayasa Teknol. Inf., vol. 5, no. 2, p. 184, 2021, doi: 10.30872/jurti.v5i2.6779.
