Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal INFINITY : UKI TORAJA JOURNAL OF INFORMATION TECHNOLOGY
Dambe, Melisanti Luther
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Evaluasi K-Nearest Neighbors Untuk Klasifikasi Status Gizi Balita Dambe, Melisanti Luther; Padang, Semuel Yakobus; Adha, Muhammad Sofwan
INFINITY : UKI Toraja Journal of Information Technology Vol 3 No 1 (2023): INFINITY : UKI Toraja Journal of Information Tecnology
Publisher : Publikasi dan UKI Press UKI Toraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47178/infinity.v3i1.2192

Abstract

Balita adalah calon generasi penerus bangsa, Maka dari itu perlu perhatian khusus mengenai status gizi pada balita. Status gizi adalah suatu kondisi yang dapat dilihat melalui penampilan secara fisik yang dipengaruhi oleh adanya keseimbangan antara asupan zat gizi yang dikonsumsi dan pengeluaran zat gizi dari sumber-sumber pangan yang dikonsumsi sesuai dengan kategori serta indikator yang digunakan. Salah satu indikator yang dapat diketahui tingkat kesehatan balita sendiri adalah dengan melihat status gizinya dengan menggunakan parameter. Data yang digunakan adalah data Balita di Peskesmas Sa’dan dan data yang diambil dari internet mulai dari tahun 2017-2021.Parameter yang digunakan yaitu umur (bulan), berat badan, tinggi badan, LiLa, dan jenis kelamin. Dalam menganalisa data algoritma yang dapat digunakan adalah K-Nearest Neighbour (KNN). Untuk memprediksi dan mengelompokkan status gizi balita kedalam kategori Gizi Baik, Gizi Kurang, Gizi Lebih, dan Resiko Gizi Lebih yaitu menggunaka Sampel status gizi pada balita. Untuk mengklasifikasi jumlah data gizi balita yang dimana data tersebut akan dibagi menjadi 2 bagian, 80% digunakan sebagai data training dan 20% digunakan untuk data testing. Berdasarkan hasil pengujian perangkat lunak yang dibuat pada penelitian ini, akurasi yang dihasilkan sebesar 0,918 dengan menggunakan data training 296 dan data testing 73 data dan nilai k =15.
Co-Authors Adha, Muhammad Sofwan Padang, Semuel Yakobus