KLASIFIKASI STATUS GIZI BAYI MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Sri Ayu Lestari; Natalis Ransi; Muhammad Arfan

doi:10.33772/anoatik.v3i2.117

Penulis

Sri Ayu Lestari UHO
Natalis Ransi
Muhammad Arfan

DOI:

https://doi.org/10.33772/anoatik.v3i2.117

Abstrak

Pengembangan sistem klasifikasi status gizi bayi dilakukan dengan menerapkan metode K-Nearest Neighbor (KNN) yang bertujuan untuk membantu pemantauan tumbuh kembang bayi secara lebih akurat. Sistem ini menentukan status gizi bayi berdasarkan data yang diinputkan, meliputi umur, berat badan, tinggi badan, dan lingkar lengan atas, kemudian membandingkannya dengan data pelatihan yang telah tersedia. Proses pengembangan sistem menggunakan pendekatan waterfall yang mencakup tahap analisis kebutuhan, perancangan sistem, implementasi, hingga pengujian. Pengujian dilakukan dengan metode black box testing untuk memastikan seluruh fungsi sistem berjalan sesuai dengan kebutuhan, serta confusion matrix untuk mengukur tingkat akurasi klasifikasi. Hasil pengujian menunjukkan bahwa seluruh fitur sistem berfungsi dengan baik dan tingkat akurasi yang diperoleh mencapai 97,30%, sehingga sistem dinilai memiliki kinerja yang sangat baik dalam mendukung pemantauan status gizi bayi secara efektif.

Kata Kunci:

Sistem Informasi, black box testing, Confusion Matrix, Waterfall, K-Nearest Neighbors (K-NN)

Unduhan

Data unduhan belum tersedia.

Referensi

Diyan, D. Z., Nurdin, A., Fitria, U., & Kurnia, R. (2024). Pemanfaatan teknologi dalam bidang kesehatan masyarakat. Public Health Journal, 1(2).

Irbakanisa, N. L., Cholissodin, I., & Bachtiar, F. A. (2019). Klasifikasi Status Gizi pada Balita Menggunakan Metode Extreme Learning Machine dan Algoritme Genetika. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(4), 3640-3646.

Muhammad, D. I., Ermatita, E., & Falih, N. (2021). Penggunaan K-Nearest Neighbor (KNN) untuk Mengklasifikasi Citra Belimbing Berdasarkan Fitur Warna. Informatik: Jurnal Ilmu Komputer, 17(1), 9-16.

Dewi, R. F. K., & Gusmana, R. (2018). Implementasi Metode K-Nearest Neighbor (KNN) dalam Pengelompokan Status Ekonomi Warga. Journal of Big Data Analytic and Artificial Intelligence, 4(1), 15-22.

Ramon, E., Nazir, A., Novriyanto, N., Yusra, Y., & Oktavia, L. (2022). Klasifikasi status gizi bayi posyandu Kecamatan Bangun Purba menggunakan algoritma support vector machine (SVM). Jurnal Sistem Informasi Dan Informatika (Simika), 5(2), 143-150.

Saleh, H., Faisal, M., & Musa, R. I. (2019). Klasifikasi Status Gizi Balita Menggunakan Metode K-Nearest Neighbor. Simtek: jurnal sistem informasi dan teknik komputer, 4(2), 120-126.

Hidayati, R. N., Riyanto, S., Rahma, A., Borneo, S. H., & Borneo, A. S. H. (2015). Hubungan pengetahuan ibu tentang infeksi kecacingan dengan status gizi balita di wilayah kerja puskesmas gambut kabupaten banjar tahun 2015. Jurnal Kesehatan Indonesia, 6(1).

Loka, S. K. P., & Marsal, A. (2023). Perbandingan Algoritma K-Nearest Neighbor dan Naïve Bayes Classifier untuk Klasifikasi Status Gizi Pada Balita: Comparison Algorithm of K-Nearest Neighbor and Naïve Bayes Classifier for Classifying Nutritional Status in Toddlers. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(1), 8-14.

Istighfarizkya, F., ERa, N. A. S., Widiarthaa, I. M., Astutia, L. G., Gusti, I., Putraa, N. A. C., & Suhartanaa, I. K. G. (2022) Klasifikasi Jurnal menggunakan Metode KNN dengan Mengimplementasikan Perbandingan Seleksi Fitur. Jurnal Elektronik Ilmu Komputer Udayana p-ISSN, 2301, 5373.

Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. J-SAKTI (Jurnal Sains Komputer dan Informatika), 5(2), 697-711.

Pratiwi, B. P., Handayani, A. S., & Sarjana, S. (2020). Pengukuran Kinerja Ssitem Kualitas Udara Dengan Teknologi WSN Menggunakan Confusion Matrix. Jurnal Informatika Upgris, 6(2).

Shadiq, J., Safei, A., & Loly, R. W. R. (2021). Pengujian Aplikasi Peminjaman Kendaraan Operasional Kantor Menggunakan BlackBox Testing. Information Management For Educators And Professionals: Journal of Information Management, 5(2), 97-110.