<![CDATA[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.]]>
Copyrights © 2023
