MALIKI, FADHILA PUTRA (2024) KLASIFIKASI STATUS GIZI BALITA DI POSYANDU KELURAHAN CIBUBUR DENGAN ALGORITMA NAIVE BAYES DAN DECISION TREE. S1 thesis, Universitas Mercu Buana - Buncit.
|
Text (COVER)
41519210055-FADHILAPUTRAMALIKI-02 COVER.pdf Download (256kB) | Preview |
|
|
Text (ABSTRAK)
41519210055-FADHILAPUTRAMALIKI-03 ABSTRAK.pdf Download (88kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB 1)
41519210055+FADHILAPUTRAMALIKI-04 BAB 1.pdf Restricted to Registered users only Download (33kB) |
|
|
Text (BAB 2)
41519210055+FADHILAPUTRAMALIKI-05 BAB 2.pdf Restricted to Registered users only Download (172kB) |
|
|
Text (BAB 3)
41519210055+FADHILAPUTRAMALIKI-06 BAB 3.pdf Restricted to Registered users only Download (41kB) |
|
|
Text (BAB 4)
41519210055+FADHILAPUTRAMALIKI-07 BAB 4.pdf Restricted to Registered users only Download (356kB) |
|
|
Text (BAB 5)
41519210055+FADHILAPUTRAMALIKI-08 BAB 5.pdf Restricted to Registered users only Download (23kB) |
|
|
Text (DAFTAR PUSTAKA)
41519210055+FADHILAPUTRAMALIKI-09 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (29kB) |
|
|
Text (LAMPIRAN)
41519210055+FADHILAPUTRAMALIKI-10 LAMPIRAN.pdf Restricted to Registered users only Download (559kB) |
Abstract
Gizi balita merupakan hal yang sangat penting dalam menunjang pertumbuhan dan perkembangan anak-anak. Masalah Gizi balita merupakan isu serius yang berdampak pada perkembangan fisik dan kognitif mereka. Dalam beberapa tahun terakhir, laporan berdasarkan SSGI (Survei Status Gizi Indonesia) menunjukkan adanya peningkatan kasus malnutrisi di berbagai daerah, terutama di wilayah yang memiliki akses terbatas terhadap sumber daya kesehatan dan pangan. Balita yang mengalami kekurangan gizi sering kali menunjukkan pertumbuhan yang terhambat, rendahnya berat badan, dan gangguan Kesehatan lainnya. Status gizi yang baik akan berdampak positif pada kesehatan dan kualitas hidup anak, sementara status gizi yang buruk dapat menyebabkan berbagai masalah kesehatan yang serius. Posyandu (Pos Pelayanan Terpadu) memiliki peran strategis dalam pemantauan dan perawatan gizi balita di Indonesia, termasuk di Kelurahan Cibubur, sebagai upaya untuk mencegah masalah gizi pada usia dini. Di Kelurahan Cibubur, terdapat kebutuhan yang besar untuk mengelola data status gizi balita secara efektif dan efisien. Dalam konteks ini, penggunaan teknologi informasi, seperti data mining dan machine learning, dapat memberikan kontribusi signifikan dalam analisis dan pemantauan status gizi balita di Posyandu. Metode-metode tersebut dapat membantu mengidentifikasi faktor-faktor yang mempengaruhi status gizi balita dan mendukung pengambilan keputusan yang lebih baik dalam upaya perbaikan gizi anak-anak. Penelitian ini bertujuan untuk mengkaji dan mengklasifikasikan status gizi balita di Posyandu Kelurahan Cibubur menggunakan algoritma Naive Bayes dan Decision Tree. Gizi balita adalah faktor penting dalam pertumbuhan dan perkembangan anak anak, dengan status gizi yang baik mendukung kesehatan dan kualitas hidup yang optimal. Di Kelurahan Cibubur, manajemen data status gizi balita di Posyandu memerlukan pendekatan yang efektif dan efisien. Penggunaan teknologi informasi seperti data mining dan machine learning diharapkan dapat membantu identifikasi faktor-faktor yang mempengaruhi status gizi, serta mendukung pengambilan keputusan yang lebih baik dalam upaya perbaikan gizi anak-anak. Dengan fokus pada Naive Bayes yang mengasumsikan independensi antar atribut, dan Decision Tree yang membangun model berupa pohon keputusan, penelitian ini diharapkan tidak hanya meningkatkan efisiensi pemantauan gizi balita tetapi juga memberikan dasar yang kuat untuk pengembangan kebijakan kesehatan masyarakat yang lebih efektif di tingkat lokal. Tujuan dari Klasifikasi Status Gizi Balita di Posyandu Kelurahan Cibubur Dengan Algoritma Naïve Bayes dan Decision Tree adalah untuk memahami tingkat gizi balita di posyandu kelurahan Cibubur. Pengklasifikasian ini akan membantu untuk mengidentifikasi status gizi balita apakah tergolong kategori gizi baik, gizi kurang, ataupun gizi lebih. Skripsi ini merupakan penelitian yang bertujuan untuk mengklasifikasi status gizi balita di Posyandu Kelurahan Cibubur menggunakan Algoritma Naive Bayes dan Decision Tree. Penelitian ini menggunakan pendekatan kuantitatif dengan mengumpulkan data primer dari Posyandu tersebut, seperti berat badan, tinggi badan, dan usia balita. Metode Naive Bayes digunakan untuk klasifikasi berdasarkan probabilitas atribut, sementara Decision Tree untuk membangun model hierarki klasifikasi. Hasilnya diharapkan memberi kontribusi dalam upaya meningkatkan pemantauan dan perbaikan status gizi balita di wilayah tersebut.Clasification Report dengan menggunakan Algoritma Decision Tree mendapatkan hasil dengan akurasi sebesar 98%, presisi gizi baik 98%, presisi gizi kurang 99%, presisi gizi lebih 95%, recall gizi baik 94%, recall gizi kurang 100%, recall gizi lebih 97%. Sedangkan hasil menggunakan Naïve Bayes mendapatkan akurasi sebesar 63%, presisi gizi baik 36%, presisi gizi kurang 100%, presisi gizi lebih 100%, recall gizi baik 100%, recall gizi kurang 60%, recall gizi lebih 17%. Hasil tersebut dapat dilihat pada gambar di bawah.Kesimpulan yang dapat diambil dari penelitian ini adalah penggunaan algoritma Decision Tree lebih baik daripada menggunakan algoritma Naïve Bayes dalam Klasifikasi status gizi balita. Karena, Penggunaan algoritma Decision Tree mendapatkan akurasi yang lebih besar yaitu 98%, sedangkan pada algoritma Naïve Bayes hanya mendapatkan akurasi sebesar 63%. efektif di tingkat lokal. Tujuan dari Klasifikasi Status Gizi Balita di Posyandu Kelurahan Cibubur Dengan Algoritma Naïve Bayes dan Decision Tree adalah untuk memahami tingkat gizi balita di posyandu kelurahan Cibubur. Pengklasifikasian ini akan membantu untuk mengidentifikasi status gizi balita apakah tergolong kategori gizi baik, gizi kurang, ataupun gizi lebih. Skripsi ini merupakan penelitian yang bertujuan untuk mengklasifikasi status gizi balita di Posyandu Kelurahan Cibubur menggunakan Algoritma Naive Bayes dan Decision Tree. Penelitian ini menggunakan pendekatan kuantitatif dengan mengumpulkan data primer dari Posyandu tersebut, seperti berat badan, tinggi badan, dan usia balita. Metode Naive Bayes digunakan untuk klasifikasi berdasarkan probabilitas atribut, sementara Decision Tree untuk membangun model hierarki klasifikasi. Hasilnya diharapkan memberi kontribusi dalam upaya meningkatkan pemantauan dan perbaikan status gizi balita di wilayah tersebut.Clasification Report dengan menggunakan Algoritma Decision Tree mendapatkan hasil dengan akurasi sebesar 98%, presisi gizi baik 98%, presisi gizi kurang 99%, presisi gizi lebih 95%, recall gizi baik 94%, recall gizi kurang 100%, recall gizi lebih 97%. Sedangkan hasil menggunakan Naïve Bayes mendapatkan akurasi sebesar 63%, presisi gizi baik 36%, presisi gizi kurang 100%, presisi gizi lebih 100%, recall gizi baik 100%, recall gizi kurang 60%, recall gizi lebih 17%. Hasil tersebut dapat dilihat pada gambar di bawah.Kesimpulan yang dapat diambil dari penelitian ini adalah penggunaan algoritma Decision Tree lebih baik daripada menggunakan algoritma Naïve Bayes dalam Klasifikasi status gizi balita. Karena, Penggunaan algoritma Decision Tree mendapatkan akurasi yang lebih besar yaitu 98%, sedangkan pada algoritma Naïve Bayes hanya mendapatkan akurasi sebesar 63%.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41519210055 |
| Uncontrolled Keywords: | Klasifikasi Status Gizi, Gizi Balita, Naïve Bayes, Decision Tree |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | Nasruddin Mansyur S.Hum |
| Date Deposited: | 06 Sep 2024 07:12 |
| Last Modified: | 06 Sep 2024 07:12 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/91225 |
Actions (login required)
 |
View Item |
