Implementasi K-Means Untuk Pengelompokan Status Gizi Balita (Studi Kasus Banjar Titih)

Main Article Content

Ni Komang Sri Julyantari
I Komang Budiarta
Ni Made Dewi Kansa Putri

Abstract

Gizi pada balita dipengaruhi oleh faktor sosioekonomi dan latar belakang sosial budaya yang berhubungan dengan pola makan dan nutrisi. Nutrisi yang tidak adekuat dalam lima tahun pertama kehidupan berakibat pada gangguan pertumbuhan dan perkembangan fisik, mental dan otak yang bersifat irreversible. Ukuran keberhasilan dalam pemenuhan nutrisi adalah status gizi. Status gizi balita mencerminkan tingkat perkembangan dan kesejahteraan masyarakat dalam suatu negara serta berhubungan dengan status kesehatan anak di masa depan. Pencatatan status gizi pada Banjar Titih telah dilakukan setiap bulan oleh petugas dengan mencatat status gizi secara langsung dengan metode antropometri yakni mencatat berat badan dan umur balita pada KMS (Kartu Menuju Sehat). Selain itu ada faktor lain yang mempengaruhi status gizi balita yaitu konsumsi makanan dari balita serta pengaruh faktor ekologi dari tempat tinggal orang tua yang belum tercatat oleh petugas. Dari beberapa penelitian yang telah dilakukan tersebut maka diusulkan sebuah analisa dalam pengelompokan status gizi yang ada pada Banjar Titih menggunakan metode K-Means. K-Means merupakan salah satu metode clustering/pengelompokan non hirarki. Teknik pengelompokkan datanya sederhana dan cepat. Sehingga dengan menggunakan metode K-Means dapat memberikan informasi kelompok cluster status gizi balita pada Banjar Titih.

Article Details

How to Cite
Implementasi K-Means Untuk Pengelompokan Status Gizi Balita (Studi Kasus Banjar Titih). (2021). Jurnal Janitra Informatika Dan Sistem Informasi, 1(2), 92-101. https://doi.org/10.25008/janitra.v1i2.134
Section
Articles

How to Cite

Implementasi K-Means Untuk Pengelompokan Status Gizi Balita (Studi Kasus Banjar Titih). (2021). Jurnal Janitra Informatika Dan Sistem Informasi, 1(2), 92-101. https://doi.org/10.25008/janitra.v1i2.134

References

T. R. Bhandari, “Nutritional Status of Under Five Year Children and Factors Associated in Kapilvastu District, Nepal.,” J. Nutr. Heal. Food Sci., vol. 1, no. 1, pp. 1–6, 2013, doi: 10.15226/jnhfs.2013.00106.

A. Kabeta, D. Belagavi, and Y. Gizachew, “Factors Associated With Nutritional Status of Under-Five Children in Yirgalem Town, Southern Ethiopia,” IOSR J. Nurs. Heal. Sci., vol. 06, no. 02, pp. 78–84, 2017, doi: 10.9790/1959-0602057884.

A. Aprilia, W. M. Rahmawati, and M. Hakimah, “Penentuan Kategori Status Gizi Balita Menggunakan Penggabungan Metode Klasterisasi Agglomerative Dan K-Means,” Semin. Nas. Sains dan Teknol. Terap. VII 2019, Inst. Teknol. Adhi Tama Surabaya, pp. 595–600, 2019.

E. Irfiani and S. S. Rani, “Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita,” J. Sist. dan Teknol. Inf., vol. 6, no. 4, p. 161, 2018, doi: 10.26418/justin.v6i4.29024.

Khasanah dan Sulistyawati, “Karakteristik Ibu denganJurnal, S., Kesehatan, I., Khasanah, N. A., Sulistyawati, W., Tinggi, S., & Majapahit, I. K. (2018). Karakteristik Ibu dengan Kejadian Gizi Kurang pada Balita 6-24 Bulan di Kecamatan Selat , Kapuas Tahun 2016. 7(1), 1–8. Kejadian G,” J. Str. Kesehat. lmiah, vol. 7, no. 1, pp. 1–8, 2018.

Dona, Rifqi, and Nurhabibah, “PENERAPAN METODE K-MEANS CLUSTERING DALAM PENGELOMPOKAN STATUS KESEHATAN IBU HAMIL Penerapan Metode K-Means Clustering dalam Pengelompokan Status Kesehatan Ibu Hamil RJoCS,” Riau J. Comput. Sci., vol. 06, no. 02, pp. 160–174, 2020.

D. R. Putri and E. Sudarmilah, “Monitoring Status Gizi Balita Secara Online ( Monitoring of Toddler Nutrition Status Online ),” J. Inform., vol. 8, no. 1, pp. 101–110, 2020.

R. Rosmini, A. Fadlil, and S. Sunardi, “Implementasi Metode K-Means Dalam Pemetaan Kelompok Mahasiswa Melalui Data Aktivitas Kuliah,” It J. Res. Dev., vol. 3, no. 1, pp. 22–31, 2018, doi: 10.25299/itjrd.2018.vol3(1).1773.

Almatsier, Prinsip Dasar Ilmu GIzi. Jakarta: PT. Gramedia Pustaka Utama, 2005.

D. Arini, A. C. Mayasari, and M. Z. A. Rustam, “Gangguan Perkembangan Motorik Dan Kognitif pada Anak Toodler yang Mengalami Stunting di Wilayah Pesisir Surabaya,” J. Heal. Sci. Prev., vol. 3, no. 2, pp. 122–128, 2019, doi: 10.29080/jhsp.v3i2.231.

P. M. Silitonga Irene Sri, “Klusterisasi Pola Penyebaran Penyakit Pasien Berdasarkan Usia Pasien Dengan Menggunakan K-Means Clustering,” J. TIMES, vol. VI, no. Vol 6, No 2 (2017), pp. 22–25, 2017, [Online]. Available: http://ejournal.stmik-time.ac.id/index.php/jurnalTIMES/article/view/584.

E. Prasetyo, Data Mining Konsep Dan Aplikasi Menggunakan Matlab. Yogyakarta: Andi, 2013.

M. G. Pradana, A. C. Nurcahyo, and P. H. Saputro, “Penerapan Metode K-Means Klustering Untuk Menentukan Kepuasan Pelanggan,” Creat. Inf. Technol. J., vol. 7, no. 1, p. 42, 2021, doi: 10.24076/citec.2020v7i1.185.

P. Sari, B. Pramono, and L. ode H. S. Sagala, “Improve K-Means Terhadap Status Nilai Gizi Pada Balita,” semanTIK, vol. 3, no. 1, pp. 143–148, 2017, doi: 10.1063/1.2957900.

F. A. Syam, “Implementasi Metode Klastering K-Means untuk Mengelompokan Hasil Evaluasi Mahasiswa,” J. Ilmu Komput. dan Bisnis, vol. 8, no. 1, pp. 1857–1864, 2017, doi: 10.47927/jikb.v8i1.94.

N. A. . Khairani and E. Sutoyo, “Application of K-Means Clustering Algorithm for Determination of Fire-Prone Areas Utilizing Hotspots in West Kalimantan Province”, Int. J. Adv. Data Inf. Syst., vol. 1, no. 1, pp. 9-16, Apr. 2020.