IMPLEMENTASI ALGORITMA MACHINE LEARNING UNTUK PENENTUAN CLUSTER STATUS GIZI ANAK

Iasha, Syifa Sefia (2021) IMPLEMENTASI ALGORITMA MACHINE LEARNING UNTUK PENENTUAN CLUSTER STATUS GIZI ANAK. Sarjana thesis, Universitas Siliwangi.

	Text 01 COVER.pdf Download (45kB)
	Text 02 LEMBAR PENGESAHAN.pdf Download (78kB)
	Text 03 LEMBAR PENGUJI.pdf Download (68kB)
	Text 04 LEMBAR PERNYATAAN.pdf Download (63kB)
	Text 05 ABSTRAK.pdf Download (69kB)
	Text 06 KATA PENGANTAR.pdf Download (71kB)
	Text 07 DAFTAR ISI.pdf Download (157kB)
	Text 08 DAFTAR TABEL.pdf Download (135kB)
	Text 09 DAFTAR GAMBAR.pdf Download (54kB)
	Text 10 BAB 1.pdf Download (75kB)
	Text 11 BAB 2.pdf Download (236kB)
	Text 12 BAB 3.pdf Download (709kB)
	Text 13 BAB 4.pdf Restricted to Repository staff only Download (643kB)
	Text 14 BAB 5.pdf Restricted to Repository staff only Download (91kB)
	Text 15 DAFTAR PUSTAKA.pdf Download (60kB)
	Text Data Balita yang Digunakan.pdf Restricted to Repository staff only Download (2MB)
	Text Data Balita yang Tidak Digunakan.pdf Restricted to Repository staff only Download (8MB)

Abstract

Pada salah satu riset skala nasional yaitu Riset Kesehatan Dasar (RISKESDAS) Badan Penelitian dan Pengembangan Kesehatan Kementerian Kesehatan Republik Indonesia menunjukkan bahwa jumlah balita di Indonesia usia 12 bulan sampai dengan 59 bulan penderita gizi buruk pada tahun 2013 mencapai 28,1 persen. Jumlah balita yang meninggal dunia akibat kekurangan gizi adalah 29 dari 1000 kelahiran. Tujuan pada penelitian ini adalah membuktikan bahwa tingkat akurasi dari hasil pengelompokan menggunakan metode k-means untuk menentukan status gizi balita sesuai dengan kriteria yang telah ditentukan lebih tinggi dari penelitian sebelumnya dan memberikan informasi yang dapat digunakan sebagai penentu status gizi balita. Aktifitas penelitian yang dilakukan ialah aktifitas CRISP-DM (Cross Industry Standard Process for Data Mining). Adapun langkah�langkah yang dilakukan pada penelitian ini adalah Fase Pemahaman Bisnis (Business Understanding), Fase Pemahaman Data (Data Understanding Phase), Fase Pengolahan Data (Data Preparation Phase), Fase Pemodelan (Modeling Phase), Fase Evaluasi (Evaluation Phase), dan Fase Penyebaran (Deployment Phase). Hasil utama yang dilakukan selama peneliian adalah perbandingan hasil  pengelompokan menggunakan tabel  Growth Chart dan algoritma K-Means. Kata kunci—Algoritma K-Means, Gizi Anak, CRISP-DM

Actions (login required)

View Item