Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Intech : Information Technology Journal of UMUS
Imam Machfud
Program Studi Ilmu Komputer, Fakultas Ilmu Eksakta, Universitas Nahdlatul Ulama Blitar
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi dan Monitoring Status Gizi Balita Melalui Penerapan Metode Naïve Bayes Classification Berbasis GIS Harliana Harliana; Rizqi Darma Rusdiyan Yusron; Imam Machfud
Jurnal Teknik Informatika UMUS Vol 4 No 02 (2022): November
Publisher : Universitas Muhadi Setiabudi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46772/intech.v4i02.869

Abstract

Secara definisi status gizi merupakan suatu kondisi tubuh sebagai dampak penyerapan zat gizi dari makanan yang telah dikonsumsi berdasarkan tinggi badan, berat badan dan umur balita berdasarkan indeks Antropometri. Menurut data ePPGBM Seksi Kesehatan Keluarga dan Gizi Masyarakat Dinas Kesehatan Kota Blitar berhasil menekan sekitar 2,5% balita yang mengalami gizi kurang. Penurunan ini dilakukan dengan melakukan analisa - situasi kondisi balita yang dimulai dari kondisi saat ibu hamil sampai dengan kondisi lingkungan balita tersebut tinggal. Kondisi balita yang mengalami gizi kurang dan diikuti pendek serta kurus dapat berpotensi menjadi balita yang mengalami stunting. Berdasarkan hal tersebut, maka penelitian ini akan melakukan klasifikasi terhadap status gizi balita berdasarkan indeks Antropometrinya, apakah akan masuk kedalam gizi kurang, pendek (stunting), kurus (wasting) bahkan obesitas. Untuk memudahkan proses pelaporan dan analisis, maka hasil klasifikasi ini selanjutnya ditampilkan melalui suatu peta berdasarkan hasil analisa – situasi 7 indikator penyebab tertinggi sampai dengan penyebab terendah dari status gizi balita yang ada di Kota Blitar. Penelitian ini akan menggunakan algoritma Naïve Bayes Classification untuk melakukan classification. Berdasarkan hasil penelitian diketahui bahwa akurasi yang dihasilkan oleh Naïve Bayes Classification adalah 86% dengan perbandingan antara data testing dan training yang digunakan 70:30
Co-Authors Harliana Harliana Rizqi Darma Rusdiyan Yusron