IMPLEMENTASI METODE K-MEANS CLASTERING DAN NAIVE BAYES UNTUK PREDIKSI BALITA TERIDENTIFIKASI STUNTING (STUDI KASUS BALAI PENYULUHAN KB KEC. DOLOK SIGOMPULON)

EGGI OK PERNANDA GAJA, NPM 2009102160 (2024) IMPLEMENTASI METODE K-MEANS CLASTERING DAN NAIVE BAYES UNTUK PREDIKSI BALITA TERIDENTIFIKASI STUNTING (STUDI KASUS BALAI PENYULUHAN KB KEC. DOLOK SIGOMPULON). Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (1MB)
	Text BAB I .pdf Download (394kB)
	Text BAB II.pdf Download (840kB)
	Text BAB III .pdf Download (1MB)
	Text BAB IV .pdf Download (1MB)
	Text BAB V .pdf Download (262kB)
	Text DAFTAR PUSTAKA .pdf Download (317kB)

Abstract

Penelitian ini bertujuan untuk menganalisis stunting pada balita dengan menggunakan metode K-Means untuk clustering dan Naive Bayes untuk klasifikasi. Tujuan utama dari penelitian ini adalah untuk mengidentifikasi pola distribusi stunting pada balita dan mengklasifikasikan balita berdasarkan faktor faktor risiko yang relevan. Dengan menggabungkan kedua metode ini, penelitian ini berupaya menyediakan informasi yang komprehensif tentang kondisi stunting, yang dapat digunakan oleh tenaga kesehatan dan pembuat kebijakan untuk mengimplementasikan intervensi yang lebih tepat sasaran. Selain itu, penelitian ini juga bertujuan untuk mengukur tingkat akurasi dan efektivitas dari kombinasi metode K-Means dan Naive Bayes dalam menangani data stunting pada balita. Metode yang digunakan dalam penelitian ini melibatkan beberapa tahapan. Pertama, data balita dikumpulkan dan dipersiapkan untuk analisis, termasuk pembersihan data dan normalisasi. Setelah itu, metode K-Means diterapkan untuk mengelompokkan data balita berdasarkan karakteristik yang telah ditentukan, seperti usia, berat badan, tinggi badan, dan status gizi. Proses clustering ini bertujuan untuk mengidentifikasi kelompok balita yang berisiko tinggi terhadap stunting. Setelah mendapatkan hasil clustering, metode Naive Bayes digunakan untuk mengklasifikasikan data berdasarkan faktor risiko stunting, termasuk pola makan, lingkungan sosial, dan faktor kesehatan lainnya. Proses klasifikasi ini bertujuan untuk memberikan prediksi mengenai status stunting pada balita baru yang tidak ada dalam data pelatihan. Hasil dari analisis ini menunjukkan bahwa kombinasi metode K-Means dan Naive Bayes menghasilkan akurasi yang cukup baik, mencapai 86%. Penggunaan perhitungan manual dalam proses analisis juga memberikan hasil yang akurat, memperkuat validitas temuan penelitian ini. Metode K-Means berhasil mengidentifikasi kelompok balita yang paling berisiko terkena stunting, sementara Naive Bayes secara efektif mengklasifikasikan balita ke dalam kategori stunting dan non-stunting berdasarkan variabel-variabel yang telah dianalisis. Dengan hasil yang menjanjikan ini, metode yang digunakan dapat menjadi alat yang berharga bagi praktisi kesehatan dalam mendeteksi dan menangani kasus stunting, serta membantu dalam merancang intervensi yang lebih tepat dan efisien untuk mengurangi angka stunting pada balita. Kata Kunci : Metode K-Means; Metode Naive Bayes; Stunting Balita

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Metode K-Means; Metode Naive Bayes; Stunting Balita
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	08 Oct 2024 09:17
Last Modified:	08 Oct 2024 09:17
URI:	http://repository.ulb.ac.id/id/eprint/1159

Actions (login required)

View Item