This Author published in this journals
All Journal BIMASTER
Salsabila Salsabila
Universitas Tanjungpura

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

Found 1 Documents
Search

KOMPARASI ALGORITMA K-NEAREST NEIGHBOR DENGAN EUCLIDEAN DISTANCE DAN MANHATTAN DISTANCE UNTUK KLASIFIKASI STUNTING BALITA (Studi Kasus : Puskesmas Kelurahan Parit Mayor) Salsabila Salsabila; Shantika Martha; Wirda Andani
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 2 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i2.77245

Abstract

Salah satu permasalahan serius di bidang kesehatan balita yang dihadapi Indonesia kini adalah stunting. Stunting adalah kondisi ketika balita mengalami gagal tumbuh disebabkan kekurangan gizi kronis, mengakibatkan balita sangat pendek dibandingkan balita normal seusianya. Berdasarkan standar WHO, prevalensi stunting harus dibawah 20%. Sementara di Indonesia pada tahun 2022, angka balita stunting mencapai 21,6%. Berdasarkan permasalahan tersebut, terdapat berbagai penelitian mengenai stunting balita yang salah satunya dengan analisis statistik. Pengolahan data berjumlah besar dapat dilakukan menggunakan pengklasifikasian dengan algoritma tertentu, sehingga hasil diperoleh dengan cepat dan akurat untuk memprediksi bahwa balita tersebut masuk dalam status penderita stunting atau tidak. Penelitian ini menggunakan metode K-Nearest Neighbor yang bertujuan membandingkan jarak Euclidean dan Manhattan untuk memperoleh pengukuran jarak yang baik pada klasifikasi stunting balita di Kelurahan Parit Mayor, Kota Pontianak. Hasil pemeriksaan status gizi balita tahun 2019 pada Kecamatan Pontianak Timur, kasus tertinggi yaitu di Kelurahan Parit Mayor sebesar 33,5%. Sampel yang digunakan yaitu data status gizi balita berusia 24-59 bulan dengan jumlah 385 data yang dimana pada data aktual terdapat 32 balita terdeteksi stunting. Diperoleh hasil pengukuran jarak terbaik menggunakan k = 3. Oleh karena itu, disimpulkan bahwa Manhattan distance memberikan performa yang baik dalam klasifikasi stunting balita di Kelurahan Parit Mayor pada kunjungan Februari 2023 dengan nilai akurasi 97,39% lebih tinggi daripada Euclidean distance yang memiliki akurasi sebesar 95,65% dengan selisih 1,74%.Kata Kunci : stunting, klasifikasi, k-nearest neighbor, Euclidean, Manhattan