Penentuan Status Stunting pada Anak dengan Menggunakan Algoritma KNN

Abstract

Usia balita merupakan salah satu usia penting dalam proses tumbuh kembang seorang anak. Menurut data Dinas Kesehatan Jawa Tengah pada Tahun 2013 terdapat sekitar 200 anak balita di Kabupaten Brebes yang mengalami stunting. Namun saat ini prosentase stunting yang terjadi di Desa Sirampog Kabupaten Brebes masih cenderung tinggi yaitu sekitar 3,77% balita yang masih mengalami gizi buruk dan stunting, serta 13,20% balita yang masih mengalami gizi kurang dan cenderung stunting. Berdasarkan hal tersebut maka penelitian ini bertujuan untuk melakukan klasifikasi status gizi balita dengan menggunakan algoritma KNN dan mengetahui keakuratan yang dihasilkan oleh algoritma K-Nearst Neighbor (KNN) dalam melakukan klasifikasi. Melalui hasil pengujian pada 114 data uji diketahui bahwa algoritma KNN mampu melakukan klasifikasi penentuan status stunting pada anak berdasarkan umur (U), berat badan (BB), tinggi badan (TB), dan lingkar kepala (LK) dengan akurasi tertinggi dan nilai error rate terkecil terdapat pada nilai k=3.

Sistem Pakar Diagnosa Kelainan Stunting Balita Menggunakan Metode KNN Berbasis Web

“…Dalam penelitian yang menggunakan parameter umur, tinggi badan, berat badan, dan lingkar kepala, nilai k=3 dengan menggunakan 114 data uji mampu menunjukkan akurasi tertinggi dan error rate rendah. Pengujian dilakukan dengan nilai k=3,5,7,9 yang error rate paling kecil dan tingkat akurasi tertinggi dari hasilkan dari nilai k=3 sebesar 83% dan error rate sebanyak 0,142 [11]. Penelitian yang diuji menggunakan perhitungan manual lalu diimplementasikan ke RapidMiner dengan metode KNN dan memperoleh akurasi sebanyak 98,89% dengan dua kelas status kurang dan normal [12].…”

Optimasi Algoritma Naïve Bayes Berbasis Particle Swarm Optimization Untuk Klasifikasi Status Stunting

“…Korelasi variabel yang dapat mengindikasikan seorang anak mengidap stunting ada beberapa cara. Indikator kondisi fisik menurut umur seorang anak yang tidak sesuai dikarenakan melebihi defisit dua standar deviasi melalui pengukuran antrofometri juga dapat digunakan untuk mengidentifikasi stunting (Saeful Bachri et al, 2021). Tidaklah cukup untuk menilai status gizi balita hanya berdasarkan perkembangan fisiknya saja (Hidayat & Laluma, 2022).…”

Implementation of Naïve Bayes and K-NN Algorithms in Diagnosing Stunting in Children

“…Tests were conducted to obtain the highest accuracy results for k values of 3, 5, 7, and 9. The results showed that the highest accuracy and lowest error rate were found at k = 3, reaching 83% with an error rate of 0.142 [12].…”