Article Per Year (5 Year)
p-Index From 2021 - 2026
1.633
P-Index
This Author published in this journals
All Journal Jurnal Riset Informatika Jurnal Ekonomi Manajemen Sistem Informasi Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Pengabdian Kepada Masyarakat Abdi Putra Prosiding SENTIMETER : Seminar Nasional Teknologi Informasi, Mekatronika, dan Ilmu Komputer
Gina Purnama Insany
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Engineering Public Health

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Computer Science and Information Technology (CoSciTech)

 1 
Penerapan KNN dan ANN pada klasifikasi status gizi balita berdasarkan indeks antropometri Gina Purnama Insany; Indra Yustiana; Sri Rahmawati
Computer Science and Information Technology Vol 4 No 2 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i2.5079

Abstract

Permasalahan terkait pemenuhan gizi balita masih menjadi PR di Indonesia. Data survei status gizi balita di Indonesia (SSGBI) tahun 2021 menunjukan prevalensi stunting di Indonesia mencapai 24,4%, wasted mencapai 7,1%, dan underweight mencapai 17,0%. Angka balita penderita stunting di Indonesia masih melebihi ambang batas yang di tetapkan WHO, yaitu sebesar 20%. Meskipun menurun setiap tahunnya, permasalahan gizi buruk di indonesia masih tinggi. Karena itu, pencatatan dan pengelompokan gizi balita untuk mengetahui tumbuh kembang dan gizi balita agar dapat mengurangi tingkat malnutrisi menjadi sangat penting. Salah satu cara untuk mengelompokan data adalah dengan klasifikasi. Dalam penelitian ini algoritma yang digunakan adalah algoritma K-Nearest Neighbor (k-NN) dan Artificial Neural Network (ANN). Algoritma K-Nearest Neighbors (k-NN) merupakan sebuah algoritma untuk melakukan klasifikasi berdasarkan kedekatan lokasi (jarak) suatu data dengan data yang lain. Sedangkan algoritma ANN merupakan algoritma sistem komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf biologi dalam otak. Penilaian status gizi balita dapat diukur berdasarkan pengukuran antropometri yang terdiri dari variabel umur, jenis kelamin, berat badan (BB) dan tinggi badan (TB). Hasil penelitian menunjukan algoritma ANN, k-NN dengan k = 3 pada dataset BB/U, BB/TB, dan TB/U, k-NN dengan k = 5 pada dataset TB/U, k-NN dengan k = 7 pada dataset TB/U memiliki nilai akurasi yang paling optimum (99%) dengan nilai error yang kecil (0.007). Model disimpan dan dimuat ke dalam web app dengan 3 kategori status gizi yaitu Berat Badan/Umur, Berat Badan/Tinggi Badan, dan Tinggi Badan/Umur.
Co-Authors Ahmad Rofiqi Alfiansyah Hidayat Alida Fany Tariza Putri Alun Sujjada Alyanissa Putri Iskandar Amelinda Renjani Andi Agusti Andi Nopiandi Asep Rizki Firdaus Asep Teguh Hidayat Billy Achmad Bachrudin Dendi Nasrulloh Dila Aura Futri Dita Indriawati Erik Abdul R Fadlan Nabiel Fahmi Aldian Surachman Feby Alfaraby Fikri Maulana Indra Yustiana IVANA LUCIA KHARISMA Jamaludin Ahmad Rifai Juan Cerah Joseph Kamdan Kanza Salsabila Mirza Andira N Moch. Nirmansyah Moh Azral Fathurrazaq Muhammad Fadilah Nurjaman Muhammad Ilham Juardi Muhammad Raihan Izharul Haq Nugraha Putri Ayu Negara Sandra Natasya Satria Junmulyana Senita Richia Putri Shanika Layung Medal Wangi Somantri Sri Rahmawati Ujang Herlan Verdi Eza Irawan