JATI (Jurnal Mahasiswa Teknik Informatika)
Adalah jurnal mahasiswa yang diterbitkan oleh Teknik Informatika Institut Teknologi Nasional Malang, sebagai media publikasi hasil Skripsi Mahasiswa Teknik Informatika ke khalayak luas, diterbitkan secara berkala 6 kali setahun pada bulan Februari, April, Juni, Agustus, Oktober, Desember.
Articles
3,835 Documents
<![CDATA[OPTIMASI POLA PEMBELIAN TOKO SEMBAKO DENGAN ALGORITMA FP-GROWTH ]]>
<![CDATA[Fitriyah, Anis]]>;
<![CDATA[Kaslani, Kaslani]]>;
<![CDATA[Tohidi, Edi]]>;
<![CDATA[Mulyawan, Mulyawan]]>;
<![CDATA[Fathurrohman, Fathurrohman]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8435
<![CDATA[Toko sembako adalah toko kelontong (bahan pokok) yang menjual berbagai macam kebutuhan pokok masyarakat pada umumnya. Tanpa kebutuhan dasar masyarakat bisa terganggu karena bahan pokok ini yang paling utama. Penempatan pada produk toko ini masih dilakukan secara tradisional/manual oleh pemilik toko dan data transaksi penjualan di Toko ini hanya digunakan sebagai simpanan tanpa dimaksimalkan penggunaannya. Semakin banyak toko kelontong modern semakin sedikit pelanggan yang membeli di toko tersebut. Dalam penerapan teknik data mining menggunakan metode asosiasi dengan memanfaatkan Algoritma Fp-Growt, Permasalahannya adalah belum bisa mengetahui produk apa yang sering di minati pelanggan, ketersediaan produk seringkali tidak sesuai dengan keinginan konsumen sehingga bisa berdampak buruk. Algoritma Fp-Growth ini digunakan untuk mengidentifikasi peraturan yang mengatur keterkaitan antara kombinasi itemset. dalam data transaksi penjualan, dengan tujuan memberikan rekomendasi untuk mengoptimalkan strategi penjualan dengan mengidentifikasi produk-produk yang sering dibeli bersamaan, dan menyusun menu berdasarkan preferensi konsumen. Berdasarkan Association Rules menghasilkan 3 barang yang umumnya dibeli oleh pelanggan yaitu Gula, Minyak Goreng dan Tepung. Hasil evaluasi menunjukan nilai support tertinggi pada seluruh itemset sebesar 0.170. Pengujian pembentukan itemset, dengan nilai support 0.1 dan nilai confidence 0.5 mendapatkan rule sebanyak 7 rule dan mendapatkan nilai confidence yang paling tinggi yaitu 0.950 serta mendapatkan nilai lift paling tinggi 4.923 sehingga dinyatakan semua aturan yang dihasilkan memiliki kekuatan dan validitas yang dapat diandalkan untuk digunakan meningkatkan strategi penjualan. Penelitian ini dapat membantu Toko untuk dapat meningkatkan pengalaman pelanggan, mengoptimalkan stok produk, dan meningkatkan kepuasan pelanggan secara keseluruhan. Hasil temuan dari penelitian ini bisa dimanfaatkan untuk memberikan bantuan atau dukungan dalam proses penjualan, fokus pada barang - barang yang banyak diminati oleh pelanggan dan ketersediaan stok barang.]]>
<![CDATA[PENERAPAN ALGORITMA C4.5 UNTUK SELEKSI PENJURUSAN SISWA BARU PADA SEKOLAH MENENGAH KEJURUAN: STUDI KASUS: SMK PLUS AL-HILAL ARJAWINANGUN ]]>
<![CDATA[Roghib, Moh.]]>;
<![CDATA[Rahaningsih, Nining]]>;
<![CDATA[Danar Dana, Raditya]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8436
<![CDATA[Siswa baru memilih jurusan mereka dalam upaya menyelaraskan program akademik mereka dengan minat dan keterampilan masa depan mereka dengan tujuan membentuk lintasan profesional di masa depan. Penentuan jurusan di SMK tidaklah sederhana. Dengan begitu, penentuan jurusan siswa yang diimplementasikan di SMK Plus Al-Hilal Arjawinangun berdasarkan hasil ujian penjurusan. Setelah siswa menyelesaikan Masa Pengenalan Lingkungan Sekolah (MPLS), proses penjurusan dilakukan. Banyaknya siswa yang memilih jurusan menghasilkan jumlah data yang cukup banyak dan rumit. Semakin sulit untuk mendapatkan informasi yang berarti dari hasil ujian ini. Tujuan dari penelitian ini adalah untuk mengkategorikan jurusan siswa di SMK Plus Al-Hilal Arjawinangun. Metode pada studi ini memakai decision tree algortitma C4.5 dalam melaksanakan klasifikasi. Data mencakup informasi tentang nama siswa, nilai ujian dan atribut lainnya. Setelah pengumpulan data, proses klasifikasi dilakukan dengan menggunakan algoritma C4.5. Langkah pertama dalam penelitian ini adalah melakukan preprocessing data, termasuk penghapusan data yang tidak valid, menambahkan data serta menangani data yang tidak lengkap. Hasil penelitian ini akan membantu dan memberi manfaat untuk sekolah menjadi lebih cepat dalam pengklasifikasian penentuan jurusan siswa SMK Plus Al-Hilal Arjawinangun. Dari pemodelan klasifikasi menggunakan algoritma C4.5 tingkat akurasi mencapai 98.02%, presisi 98.73% dan recall 98.73%.]]>
<![CDATA[KLASTERISASI DATA JUMLAH KASUS KEKERASAN TERHADAP PEREMPUAN DI PROVINSI JAWA BARAT MEGGUNAKAN ALGORITMA FUZZY C-MEANS ]]>
<![CDATA[Hidayat, Taufik]]>;
<![CDATA[Astuti, Rini]]>;
<![CDATA[Arie Wijaya, Yudhistira]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8438
<![CDATA[Perempuan di Indonesia saat ini masih menghadapi risiko menjadi korban kekerasan, dan kesulitan dalam mengatasi masalah kekerasan terhadap perempuan terus menjadi tantangan yang kompleks. Penelitian ini bertujuan untuk untuk melakukan pengelompokan data jumlah kekerasan terhadap perempuan di Jawa Barat dengan maksud ingin mengetahui informasi karakteristik yang ada dalam dataset jumlah kasus kekerasan terhadap perempuan di Jawa Barat dengan mendapatkan nilai k optimal, serta nilai iterasi dan parameter numerical measure yang mempengaruhi nilai k. Penelitian ini menggunakan metode Fuzzy C-Means Clustering untuk mengelompokkan data jumlah kasus kekerasan terhadap perempuan di Jawa Barat dengan lebih baik. Metode ini memungkinkan pengelompokan data berdasarkan derajat keanggotaan yang tidak hanya bersifat biner, melainkan juga memperhitungkan dengan keanggotaan yang lebih fleksibel. Data yang digunakan dalam penelitian ini adalah data sosial ekonomi terkait kekerasan terhadap perempuan. Hasil dan diskusi penelitian menunjukkan bahwa metode Fuzzy C-Means Clustering dapat memberikan pengelompokan data jumlah kasus kekerasan terhadap perempuan di Jawa Barat. Davies Bouldin Index mencapai nilai 0,158, dan nilai k optimal yang ditemukan adalah 3. Nilai iterasi yang ditemukan berdasarkan nilai k optimal adalah 10, dan parameter yang mempengaruhi nilai k optimal melibatkan penggunaan parameter numerical measure adalah Manhattan Distance. Penelitian ini memiliki potensi untuk memberikan wawasan yang lebih mendalam mengenai beragam hambatan yang dihadapi oleh individu yang mengalami masalah kesejahteraan sosial. Dengan demikian, penelitian ini dapat membantu pihak berwenang dan lembaga pemerintah mengidentifikasi kelompok yang paling rentan dan mengalokasikan sumber daya secara lebih efisien.]]>
<![CDATA[PENERAPAN METODE LONG SHORT TERM MEMORY (LSTM) DALAM MEMPREDIKSI HARGA SAHAM PT BANK CENTRAL ASIA ]]>
<![CDATA[Rosyd, Abdul]]>;
<![CDATA[Irma Purnamasari, Ade]]>;
<![CDATA[Ali, Irfan]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8440
<![CDATA[PT Bank Central Asia merupakan salah satu perusahaan yang beroperasi di sektor perbankan di Indonesia. Saham adalah surat kepemilikan yang menunjukkan seberapa besar kepemilikan seseorang atau suatu institusi dalam suatu Perusahaan. Permasalahan utama yang dihadapi oleh investor adalah bagaimana memprediksi pergerakan harga saham di masa depan sehingga dapat mengambil keputusan investasi yang tepat. Metode penelitian yang digunakan dalam penelitian ini adalah menggunakan algoritma LSTM dengan optimasi "adam". LSTM merupakan pengembangan dari RNN yang memiliki kemampuan untuk mengolah data yang memiliki hubungan temporal atau urutan. Penelitian ini bertujuan untuk menerapkan metode Long Short Term Memory (LSTM) dalam memprediksi harga saham PT Bank Central Asia dengan menggunakan pendekatan eksperimental. Dengan mengumpulkan dan menganalisis data historis harga saham Bank BCA dari 2020 hingga 2023, metode LSTM dengan optimasi "adam" berhasil memberikan prediksi yang memiliki tingkat akurasi yang baik, ditunjukkan oleh nilai Root Mean Square Error (RMSE) sebesar 40.85, Mean Absolute Percentage Error (MAPE) sebesar 0.71%, dan Mean Squared Error (MSE) sebesar 6662.76. Hasil prediksi ini diharapkan dapat mendukung pengambilan keputusan investasi dengan memberikan wawasan yang berguna dalam analisis pergerakan harga saham PT Bank Central Asia.]]>
<![CDATA[ANALISIS SENTIMEN TERHADAP BERHENTINYA TIKTOKSHOP PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES ]]>
<![CDATA[Sanjaya, Riki]]>;
<![CDATA[Tohidi, Edi]]>;
<![CDATA[Wahyudi, Edi]]>;
<![CDATA[Kaslani, Kaslani]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8443
<![CDATA[Perkembangan teknologi informasi telah membawa perubahan besar dalam dunia perdagangan, salah satunya adalah munculnya perdagangan dengan sistem elektronik (PSE) yang memungkinkan transaksi jual beli dilakukan secara online. Tiktokshop adalah salah satu platform PSE yang populer di Indonesia [1], yang merupakan bagian dari aplikasi Tiktok yang menyediakan fitur jual beli produk. Namun, pada tanggal 04 Oktober 2023, pemerintah Indonesia mengeluarkan kebijakan untuk menutup Tiktokshop berdasarkan surat Menteri perdagangan no 31 tahun 2023. Alasan pemerintah adalah untuk melindungi usaha mikro, kecil, dan menengah (UMKM) tradisional dari persaingan tidak sehat yang ditimbulkan oleh Tiktokshop. Kebijakan ini menuai banyak reaksi di media sosial, khususnya di Twitter, yang menjadi salah satu media untuk menyuarakan pendapat dan aspirasi masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen terkait penutupan Tiktokshop di Twitter menggunakan algoritma Naive Bayes, yang merupakan salah satu metode klasifikasi teks berdasarkan kemunculan kata-kata tertentu. Hasil analisis menunjukkan bahwa sebagian besar netizen yang berkomentar terkait penutupan Tiktokshop menunjukkan bahwa respon positif mendominasi dengan nilai prediksi positif 965, sedangkan respon negatif hanya 535 nilai akurasi 85.00%, margin error +-2.92% Precision 99,33% recall 77,20 %.]]>
<![CDATA[MENENTUKAN KEPUTUSAN KONSUMEN UNTUK MEMBELI LAPTOP MENGGUNAKAN METODE DECISION TREE ID3: STUDI KASUS MAHASISWA DI CIREBON ]]>
<![CDATA[Nur Amalia, Ocsana]]>;
<![CDATA[Suarna, Nana]]>;
<![CDATA[Prihartono, Willy]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i2.8444
<![CDATA[Harga dan Kualitas merupakan faktor yang sangat penting yang mempengaruhi perilaku konsumen. Laptop adalah salah satu komputer portable yang digunakan untuk melakukan banyak aktivitas. Permasalahannya adalah bagaimana cara konsumen memilih laptop sesuai kebutuhan mereka? Apa yang menjadi faktor utama yang sangat penting bagi konsumen. Penelitian ini bertujuan untuk mengetahui bagaimana harga dan kualitas produk memengaruhi keputusan konsumen untuk membeli laptop karena penggunaan laptop telah menjadi bagian penting dari kehidupan sehari-hari, baik untuk pekerjaan maupun hiburan karena tidak semua pembeli dapat mengetahui kualitas dan fitur yang sesuai dengan budget mereka. Algoritma yang digunakan adalah algoritma decision tree. Hasil analisis menunjukan bahwa kualitas berpengaruh signifikan terhadap keputusan pembelian konsumen sedangkan harga berpengaruh negatif terhadap keputusan pembelian konsumen. Implikasi dari hasil ini dapat menjadi tolak ukur bagi konsumen yang hendak membeli laptop untuk menentukan kualitas laptop yang akan dibeli. Dan produsen pun dapat mempertimbangkan untuk memberikan harga sesuai kualitas]]>
<![CDATA[IMPLEMENTASI DATA MINING CLUSTERING DALAM MENGELOMPOKKAN PENDUDUK PENYANDANG DISABILITAS MENGGUNAKAN ALGORITMA K-MEANS ]]>
<![CDATA[Lestari, Puji]]>;
<![CDATA[Suarna, Nana]]>;
<![CDATA[Prihartono, Willy]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8445
<![CDATA[Penyandang disabilitas merujuk kepada individu yang mengalami keterbatasan fisik atau mental, yang dapat menghambat mereka dalam menjalankan kegiatan sehari-hari secara normal. Tidak semua orang dilahirkan dengan kondisi fisik atau mental yang sempurna, menyebabkan sebagian dari mereka mungkin merasa kurang percaya diri atau rendah diri dalam berinteraksi sosial. Permasalahan yang dihadapi penyandang disabilitas merupakan isu kompleks, karena adanya keterbatasan pada fungsi tubuh yang tidak optimal dapat menimbulkan dampak sosial yang signifikan. Ketidakmampuan ini bisa menjadi penghalang dalam melaksanakan kegiatan harian mereka. Orang dengan kebutuhan khusus, atau disabilitas, memiliki karakteristik hidup yang berbeda dan memerlukan pelayanan khusus untuk menjamin hak mereka terhadap kehidupan yang lebih baik. Oleh karena itu, untuk memberdayakan penyandang disabilitas, penelitian perlu dilakukan berdasarkan kecamatan di kabupaten/kota di Jawa Barat. Hal ini bertujuan untuk mengidentifikasi kelompok-kelompok wilayah dengan tingkat keberagaman penyandang disabilitas yang tinggi, sedang, dan rendah. Penelitian ini menggunakan metode data mining Clustering dengan algoritma K-Means untuk menganalisis kasus penyandang disabilitas di Kabupaten/Kota di Provinsi Jawa Barat. Metode clustering bertujuan untuk mengelompokkan data berdasarkan karakteristik yang serupa. Jumlah cluster ditentukan menggunakan nilai Davies Bouldin Index (DBI). Hasil penelitian menunjukkan adanya 2 cluster optimal, di mana Cluster 1 terdiri dari 27 kabupaten/kota dan Cluster 2 terdiri dari 2 kabupaten/kota, dengan nilai DBI sebesar 0.121]]>
<![CDATA[PERAMALAN HASIL PANEN PADI KABUPATEN CIREBON MENGGUNAKAN ALGORITMA REGRESI LINEAR BERGANDA ]]>
<![CDATA[Andia, Rita]]>;
<![CDATA[Kaslani, Kaslani]]>;
<![CDATA[Eka Permana, Sandy]]>;
<![CDATA[Handayani, Tineka]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8446
<![CDATA[Pertanian telah lama menjadi sektor ekonomi yang signifikan di Indonesia. Pertanian berkontribusi dalam aspek perekonomian, kesejahteraan masyarakat dan pelestarian alam. Kabupaten Cirebon, sebagai bagian dari negara agraris, memiliki mayoritas penduduk yang menggeluti sektor pertanian, terutama dalam kegiatan bertani padi. Hasil produksi panen padi Kabupaten Cirebon mengalami fluktuasi setiap tahunnya, perubahan tersebut menjadi fokus pada penelitian ini. Pada tahun 2020 produksi padi Kabupaten Cirebon mencapai 709.105 Ton/GKP sedangkan pada tahun 2021 produksi padi mengalami penurunan menjadi 703.044 Ton/GKP. Kemudian pada tahun 2022 produksi padi mengalami penurunan kembali menjadi 701.059 Ton/GKP. Penurunan produksi padi selama dua tahun secara berurutan menimbulkan kekhawatiran akan produksi padi pada tahun yang akan datang. Tujuan dalam penelitian ini yaitu melakukan peramalan sebagai upaya untuk memberikan gambaran produksi padi pada tahun 2023 menggunakan algoritma regresi linear berganda dengan menerapkan tahapan Knowledge Discovery in Database (KDD). Regresi linear berganda merupakan teknik statistik yang digunakan untuk meramalkan nilai dari suatu indikator dependen (Y) berdasarkan lebih dari satu indikator independen (X). Hasil peramalan produksi padi tahun 2023 sebesar 685.403 Ton/GKP, dengan hasil evaluasi peramalan menggunakan matriks evaluasi yaitu MSE sebesar 1691845,33, RMSE sebesar 1300,70, MAE sebesar 844,70 dan R2-Score sebesar 0,99. Berdasarkan hasil peramalan, produksi padi tahun 2023 mengalami penurunan.]]>
<![CDATA[PEMANFAATAN DATA MINING UNTUK PENEMPATAN BUKU DI PERPUSTAKAAN MENGGUNAKAN METODE ASSOCIATION RULE ]]>
<![CDATA[Listianto, Ahmad Bilal]]>;
<![CDATA[Irma, Ade]]>;
<![CDATA[Ali, Irfan]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i2.8447
<![CDATA[Dalam era pesatnya perkembangan teknologi informasi, bidang Informatika telah memainkan peran yang sangat vital dalam transformasi masyarakat modern. Revolusi digital telah menciptakan gelombang besar inovasi, mempengaruhi sektor-sektor seperti teknologi, bisnis, pendidikan, dan lain-lain. Pada sistem yang berjalan penempatan buku dilakukan berdasarkan kategori buku yang tealah tersedia pada rak buku, namun belum diatur berdasarkan intensitasi peminjaman buku yang dilakukan oleh pengunjung. Sehingga masih banyak buku-buku lama yang masih tersedia di perpustakaan. Namun pada proses tata letak buku belum dilakukan dengan melihat tingkat kebutuhan peminjam atas buku yang dipinjam. Sehingga pengunjung perpustakaan membutuhkan waktu yang lama untuk mencari buku dengan melihat pada rak-rak buku yang tersedia. Maka dari itu Penelitian ini bertujuan untuk menerapkan metode data mining dengan menggunakan association rule dalam penempatan buku di perpustakaan. Dari aturan asosiasi final, diambil nilai terbesar yang berkaitan dengan peminjaman buku sehingga penempatan ditentukan oleh nilai support x confidence dari seluruh aturan asosiasi yang akan didekatakan menjadi 10 rak buku, guna meningkatkan keterkaitan antar buku dan memudahkan akses informasi bagi pengguna]]>
<![CDATA[PENERAPAN ALGORITMA K-NEAREST NEIGHBOR DALAM KLASIFIKASI STATUS STUNTING BALITA DI DESA BOJONGEMAS ]]>
<![CDATA[Widia Pebrianti, Sri]]>;
<![CDATA[Astuti, Rini]]>;
<![CDATA[M Basysyar, Fadhil]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i2.8448
<![CDATA[Stunting pada balita menjadi salah satu permasalahan yang dialami dunia kesehatan. Stunting adalah suatu kondisi masalah kesehatan dengan dampak jangka panjang terhadap pertumbuhan dan perkembangan anak yang biasa terjadi pada periode 0-5 tahun. Kondisi ini dipengaruhi oleh pola makan dan nutrisi yang tidak sesuai dengan kebutuhan, serta berat dan tinggi badan yang tidak sesuai dengan umur. Kegiatan posyandu yang dilakukan setiap bulannya dapat membantu dalam mencegah terjadinya stunting. Kegiatan yang rutin dilakukan dengan cara memantau perkembangan status gizi, status pertumbuhan dan perkembangan anak. KNN adalah salah satu algoritma dalam machine learning yang digunakan untuk klasifikasi. KNN bekerja dengan cara mengukur jarak antara data yang akan diklasifikasi/diprediksi dengan data pelatihan yang sudah ada. Penelitian ini menerapkan teknik data mining dengan menggunakan algoritma K-Nearest Neighbor (KNN). Mengelompokan atau mengklasifikasikan sebuah data. Dalam penelitian ini, data yang diambil adalah usia, berat badan, tinggi badan dan status gizi balita. Pengujian dilakukan dengan aplikasi RapidMiner. Hasil penelitian mendapatkan nilai akurasi sebesar 92% dengan jumlah data sebanyak 503 data. Penelitian ini diharapkan dapat memberikan kontribusi dalam upaya pemantauan kesehatan di Desa Bojongemas. Hasil dapat digunakan sebagai dasar untuk mengidentifikasi balita yang memerlukan perawatan khusus untuk mengatasi masalah stunting. Selain itu, penerapan algoritma K-Nearest Neighbor dalam klasifikasi status stunting balita diharapkan dapat meningkatkan ketepatan identifikasi status stunting sejak dini dan mengoptimalkan upaya pencegahan stunting. Dengan menggunakan K-Nearest Neighbor, deteksi stunting dapat dilakukan lebih efisien dan sangat memungkinkan dalam pemberian perawatan yang tepat pada tahap awal pertumbuhan dan perkembangan anak. Penerapan algoritma k-Nearest Neighbor bukan hanya menghadirkan solusi teknologi informasi yang inovatif, tetapi juga berpotensi memberikan dampak positif bagi kesehatan anak-anak.]]>
