Klasifikasi Status Stunting Balita Di Desa Slangit Menggunakan Metode K-Nearest Neighbor

Abstract

Abstrak : Stunting pada balita merupakan salah satu permasalahan yang sedang dialami dunia kesehatan. Kejadian ini ditandai dengan berat badan dan tinggi badan yang tidak sesuai dengan umur. Selain itu juga dipengaruhi oleh pola konsumsi makanan dan penggunaan nutrisi yang tidak disesuaikan dengan kebutuhan tubuh. Dalam mencegah kejadian Stunting kegiatan yang rutin dilakukan adalah dengan memantau perkembangan status gizi dan status tumbuh kembang balita yang dilakukan melalui kegiatan posyandu yang berlangsung pada setiap bulan.  Penelitian ini menggunakan pendekatan data mining dengan algoritma K-Nearest Neighbor yaitu menggunakan perhitungan jarak euclidean, adalah sebuah metode untuk mengelompokan atau mengklasifikasikan sebuah data dari uji kelas latih pada beberapa tetangga paing dekat dengan menggunakan rumus perhitungan jarak euclidean. parameter yang dipakai pada penelitian ini didasarkan pada data antropometrik atau data pengukuran tubuh manusia, yaitu Umur, Berat Badan dan Tinggi Badan. Pengujian dilakukan dengan perhitungan manual kemudian dibuat perankingan serta implementasikan kedalam aplikasi RapidMiner.   Kata kunci : Balita Stunting, Data Mining, Klasifikasi, Metode K-Nearest Neighbor   Abstract : Stunting in toddlers is one of the problems currently being experienced by the health world. This incident is characterized by weight and height that are not age-appropriate. It is also influenced by food consumption patterns and the use of nutrients that are not adapted to the body's needs. In preventing the occurrence of Stunting activities that are routinely carried out are by monitoring the development of nutritional status and the status of growth and development of infants carried out through posyandu activities that take place every month. This study uses a data mining approach with the K-Nearest Neighbor algorithm using euclidean distance calculation, is a method for classifying or classifying a data from a training class test on several close competitors using the euclidean distance calculation formula. The parameters used in this study are based on anthropometric data or measurement data of the human body, namely Age, Weight and Height. Testing is done by manual calculation then ranking and implemented into the RapidMiner application   Keywords : Classification, Data Mining, K-Nearest Neighbor Method, Toddler Stunting