Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Teknika
Fentri Boy Pasaribu
Unknown Affiliation
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Status Gizi Balita Di Posyandu Nusa Indah 4 Frencis Matheos Sarimole; Fentri Boy Pasaribu; Yuma Akbar; Aditya Zakaria Hidayat
TEKNIKA Vol. 18 No. 2 (2024): Teknika Juli - Desember 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.12703925

Abstract

Klasifikasi Data mining adalah sebuah proses menentukan definisi kesamaan karakteristik dalam suatu kelompok atau kelas (class). Untuk mengklasifikasikan data baru berdasarkan data yang sudah dikategorikan (data pelatihan), algoritma K-Nearest Neighbor (KNN) adalah algoritma klasifikasi non-parametrik. Status gizi balita adalah keadaan tubuh balita sebagai hasil dari konsumsi makanan dan penggunaan zat gizi. Keadaan tubuh balita tersebut kemudian dihitung melalui antropometri. Indeks berat badan menurut umur, tinggi badan menurut umur, dan indeks berat badan menurut tinggi badan digunakan untuk menentukannya. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita. di Posyandu Nusa Indah 4 serta untuk mengetahui Tingkat akurasinya menggunakan algoritma klasifikasi K-Nearest Neighbor. Metode yang digunakan didalam penelitian ini adalah penelitian kuantitatif. Hasil dari penelitian ini adalah terprediksinya 100 data testing status gizi balita berdasarkan mayoritas kelas dari k tetangga terdekat pada 516 data Training yang telah dilakukan Klasifikasi. Evaluasi akurasi dilakukan dengan Metode Confusion Matrix dengan accuracy sebesar 94,64%, precision sebesar 94,64%, dan recall sebesar 94,64%.  Berdasarkan hasil tersebut, algoritma K-Nearest Neighbor dapat digunakan sangat baik untuk Klasifikasi Status Gizi Balita.
Co-Authors Aditya Zakaria Hidayat Akbar, Yuma Sarimole, Frencis Matheos