Implementasi Algoritma K-Nearest Neighbor (KNN) Untuk Klasifikasi Status Gizi Balita
Keywords:
Klasifikasi, Data Mining, K-Nearest Neighbor, BalitaAbstract
Pemantauan status gizi balita merupakan salah satu upaya penting dalam mencegah masalah pertumbuhan seperti kurang gizi, obesitas, maupun stunting. Pada penelitian ini bertujuan untuk mengklasifikasikan status gizi balita dengan algoritma K-Nearest Neighbor (KNN) berdasarkan data antropometri seperti umur, jenis kelamin, dan tinggi badan. Implementasi algoritma KNN untuk klasifikasi status gizi balita ini menggunakan data yang diperoleh dari platform Kaggle dengan entri berjumlah 120.999. Data tersebut kemudian diolah melalui platform Google Colab menggunakan bahasa pemrograman Python dan perangkat lunak RapidMiner untuk mendukung proses data preprocessing, pelatihan, dan evaluasi model. Evaluasi model ini dilakukan untuk menghasilkan metrik evaluasi utama pada setiap kelas seperti confusion matrix, presisi, recall, dan F1-Score. Melalui evaluasi model yang sudah dilakukan, hasil klasifikasi menggunakan algoritma KNN mampu mengklasifikasikan status gizi balita dengan akurasi tinggi, yakni 97%. Penelitian ini menunjukkan bahwa klasifikasi status gizi balita, efektif menggunakan algoritma KNN dan dapat membantu dalam pengambilan keputusan di bidang kesehatan masyarakat
References
UNICEF Indonesia, “Perubahan Iklim dan Gizi di Indonesia,” UNICEF, 25 November 2024 [Online]. Available: https://www.unicef.org/indonesia/id/gizi/laporan/perubahan-iklim-dan-gizi-di-indonesia [Diakses: 25 Desember 2024]
M. Neherta and M. Novita Asri, Intervensi Pencegahan Stunting (Pendekatan Terpadu untuk Mencegah Gangguan Pertumbuhan pada Anak). Jawa Barat: Penerbit Adab, 2023.
A. Mutoi Siregar and A. Puspabhuana, DATA MINING (Pengolahan Data Menjadi Informasi dengan RapidMiner). Surakarta: CV Kekata Group. Accessed: Jan. 21, 2025. [Online]. Available: https://www.google.co.id/books/edition/DATA_MINING/rTlmDwAAQBAJ?
R. Habibi and R. Aprilian, ALGORITMA KNN DALAM MEMPREDIKSI CUACA UNTUK MENENTUKAN TANAMAN YANG COCOK UNTUK SEMUA MUSIM. Bandung: Kreatif Industri Nusantara, 2019. Accessed: Jan. 24, 2025. [Online]. Available: https://www.google.co.id/books/edition/Algoritma_KNN_dalam_memprediksi_cuaca_un/69f9DwAAQBAJ?
J. Homepage, S. Kenia, P. Loka, and A. Marsal, “MALCOM: Indonesian Journal of Machine Learning and Computer Science Comparison Algorithm of K-Nearest Neighbor and Naïve Bayes Classifier for Classifying Nutritional Status in Toddlers Perbandingan Algoritma K-Nearest Neighbor dan Naïve Bayes Classifier Untuk Klasifikasi Status Gizi Pada Balita,” vol. 3, pp. 8–14, 2023.
G. Purnama Insany, I. Yustiana, and S. Rahmawati, “Penerapan KNN dan ANN pada Klasifikasi Status Gizi Balita Berdasarkan Indeks Antropometri,” Jurnal Computer Science and Information Technology (CoSciTech), vol. 4, no. 2, pp. 385–393, Aug. 2023.
J. Indriyanto, Algoritma K-Nearest Neighbor untuk Prediksi Nasabah Asuransi. Jawa Tengah: Penerbit NEM, 2021. Accessed: Jun. 11, 2025. [Online]. Available: https://www.google.co.id/books/edition/ALGORITMA_K_NEAREST_NEIGHBOR_UNTUK_PREDI/EE0tEAAAQBAJ?
S. Maesaroh et al., Bahasa Pemrograman Python. Banten: PT Sada Kurnia Pustaka, 2024. Accessed: Apr. 20, 2025. [Online]. Available: https://www.google.co.id/books/edition/Bahasa_Pemrograman_Python/bOIKEQAAQBAJ?
G. Maulani et al., Machine Learning. Jawa Barat: CV. Mega Press Nusantara, 2025. Accessed: Jun. 03, 2025. [Online]. Available: https://www.google.co.id/books/edition/Machine_Learning/RblPEQAAQBAJ?
A. Maulida Argina, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” Indonesian Journal of Data and Science, vol. 1, no. 2, p. 2933, Jul. 2020.
J. Indriyanto, Algoritma K-Nearest Neighbor untuk Prediksi Nasabah Asuransi. Jawa Tengah: Penerbit NEM, 2021. Accessed: Jan. 24, 2025. [Online]. Available: https://www.google.co.id/books/edition/ALGORITMA_K_NEAREST_NEIGHBOR_UNTUK_PREDI/EE0tEAAAQBAJ?