Untitled

Abstract

Kekurangan gizi pada balita merupakan permasalahan yang masih sering terjadi di Indonesia. Menurut data dari Badan Pusat Statistik (BPS) menunjukkan prevalensi balita kekurangan gizi pada tahun 2018 diatas nilai 10 dan Jawa Timur memiliki nilai 15,20. Permasalahan gizi balita memberikan dampak buruk pada kesehatan balita. Untuk menangani permasalahan kesehatan dan gizi balita hadir adanya posyandu. Posyandu adalah kegiatan yang dilakukan oleh dan untuk masyarakat dibantu oleh petugas kesehatan setempat atau Puskesmas, salah satunya Posyandu Tanjung 1 RW 06 Desa Pepelegi Sidoarjo. Untuk mengelompokan status gizi balita pada Posyandu Tanjung 1 RW 06 Desa Pepelegi Sidoarjo, dilakukan klusterisasi agar penanganan gizi ke balita sesuai sasaran. Proses klasterisasi dilakukan dengan framework CRISP-DM dan algoritma K-Means. Hasil dari analisis klasterisasi menunjukkan bahwa terdapat 3 klaster dari data balita. Diharapkan kader Posyandu menjadikan hasil tersebut menjadi dasar dalam penentuan kebijakan dalam pemberian tindakan seperti vaksinasi dan imunisasi agar sesuai dan tepat guna.

Monitoring Data Nilai Gizi Balita menggunakan Tableau Public (Studi Kasus : Posyandu Sedap Malam)

“…Gizi berlebih (obesitas) juga merupakan resiko yang mungkin terjadi. Lalu penyakit lainnya seperti penyakit jantung koroner, hipertensi, dan diabetes juga mengintai kesehatan tubuh jika gizi tidak diimbangi dengan baik (Purwaningrum, Putra, & Arifiyanti, 2021). Menurut data Survei Status Gizi Indonesia (SSGI) Tahun 2021 tercatat bahwa indonesia masih terdapat 24,40% balita stunting, tahun 2022 tercatat 21,60% balita stuting dan tahun 2023 tercatat terdapat 17,80% balita stunting.…”

“…Berdasarkan sejumlah penelitian dan implementasi yang telah dilakukan, diketahui bahwa status gizi balita menjadi perhatian utama dalam upaya menjaga kesehatan dan pertumbuhan anakanak pada usia dini. Dari hasil penelitian yang dilakukan oleh Purwaningrum et al (2021), metode K-Means dapat digunakan untuk menentukan kelompok status gizi balita, sementara Dambe et al (2023) mengevaluasi penggunaan K-Nearest Neighbors dalam klasifikasi status gizi balita. Metode klasifikasi lainnya seperti Metode Naive Bayes Classifier, yang diimplementasikan oleh Titimeidara dan Hadikurniawati (2021), juga menjadi fokus penelitian dalam menentukan status gizi stunting pada balita.…”

Implementasi Algoritma K-Means Terhadap Pengelompokkan Status Gizi Balita (Studi Kasus : Posyandu Melati Vii)

“…Mulai bagaimana pengimplementasian yang dapat dipermudah, lalu managing waktu yang relatif cepat serta umum digunakan. Metode K-Means bisa dibilang sebagai teknik penyekatan(partisi) yang dapat melakukan pemisahan dalam hal membagi suatu atau beberapa objek yang berbeda-beda, serta dapat mengumpulkan sebuah objek yang sama kedalam jumlah pada setiap klastering daerah yang sudah ditentukan terdahulu sehingga setiap objek dapat digolongkan ke dalam kelompok tersebut sesuai pengklasterisasinya [6].…”