PENERAPAN DATA MINING UNTUK ANALISIS KESEHATAN BALITA MENGGUNAKAN METODE K-MEANS DAN DECISION TREE (STUDI KASUS PUSKESMAS PAAL LIMA) Data Mining, Health Toddlers, Nutritional Status, K-Means, Decision Tree
Isi Artikel Utama
Abstrak
Advances in information technology provide opportunities in health data analysis, particularly in the nutritional status of toddlers. This study applies data mining methods using the K-Means and Decision Tree algorithms to quickly and accurately group and classify the nutritional status of toddlers. K-Means is used to group data based on age, weight, and height into categories of good, poor, and very poor nutrition. The clustering results are then fed into the Decision Tree, which generates data-based nutritional intervention recommendations. This study used a quantitative approach with Orange Tools and a dataset of toddlers from the Paal Lima Community Health Center in Jambi City. The test results showed a classification accuracy of 92.3% and a 30% increase in nutritional analysis efficiency compared to the manual method. Thus, the application of data mining has proven to be effective in supporting community health centers in decision-making and improving toddler health services.
##plugins.themes.bootstrap3.displayStats.downloads##
Rincian Artikel
Bagian
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
Referensi
[1] E. Marlena, S. Rahmatullah, S. Mintoro, and N. Ngajiyanto, “Implementasi Data Mining Untuk Memprediksi Status Gizi Anak Balita Pada Puskesmas Gedung Sari Menggunakan Polynomial Regression,” JTKSI (Jurnal Teknol. Komput. dan Sist. Informasi), vol. 6, no. 2, p. 193, 2023, doi: 10.56327/jtksi.v6i2.1490.
[2] E. Ramon, A. Nazir, N. Novriyanto, Y. Yusra, and L. Oktavia, “Klasifikasi Status Gizi Bayi Posyandu Kecamatan Bangun Purba Menggunakan Algoritma Support Vector Machine (Svm),” J. Sist. Inf. dan Inform., vol. 5, no. 2, pp. 143–150, 2022, doi: 10.47080/simika.v5i2.2185.
[3] M. Wulandari, Y., & Arianti, “FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN KEJADIAN STUNTING PADA BALITA Yanti Wulandari1, Mery Arianti2,” J. Keperawatan Bunda Delima, vol. 5, no. 1, pp. 46–51, 2023.
[4] S. Utami and Q. W. Septica, “Hubungan Pola Asuh Gizi Balita Dengan Status Gizi,” J. Heal. Soc., vol. 11, no. 1, pp. 68–75, 2022.
[5] M. Y. Titimeidara and W. Hadikurniawati, “Implementasi Metode Naïve Bayes Classifier Untuk Klasifikasi Status Gizi Stunting Pada Balita,” J. Ilm. Inform., vol. 9, no. 01, pp. 54–59, 2021, doi: 10.33884/jif.v9i01.3741.
[6] Y. Reswan, Y. Darnita, A. . W. Mahfuzhi, and Y. Putra, “Deteksi Gizi Buruk Pada Balita Menggunakan Metode Fuzzy Logic (Studi Kasus Puskesmas Kecamatan Semidang Alas Kabupaten Seluma),” J. Media Infotama, vol. 20, no. 1, p. 224, 2024.
[7] E. Fatriyani and H. Nunung, “Hubungan antara Status Gizi dengan Kejadian Tuberkulosis Paru di Puskesmas : Literature Review,” Borneo Student Res., vol. 2, no. 1, pp. 158–165, 2020.
[8] M. Mahpuz, A. Muliawan Nur, and L. M. Samsu, “Penerapan Algoritma C4.5 Dalam Mengklasifikasi Status Gizi Balita Pada Posyandu Desa Dames Damai Kabupaten Lombok Timur,” Infotek J. Inform. dan Teknol., vol. 5, no. 1, pp. 72–81, 2022, doi: 10.29408/jit.v5i1.4414.
[9] Sekar Setyaningtyas, B. Indarmawan Nugroho, and Z. Arif, “Tinjauan Pustaka Sistematis Pada Data Minin: Studi Kasus Algoritma K-Means Clustering,” J. Teknoif Tek. Inform. Inst. Teknol. Padang, vol. 10, no. 2, pp. 52–61, 2022.
[10] I. N. M. Adiputra, “Clustering Penyakit DBD pada Rumah Sakit Dharma Kerti Menggunakan Algoritma K-Means,” Inser. Inf. Syst. Emerg. Technol. J., vol. 2, no. 2, pp. 99–105, 2022, doi: 10.23887/insert.v2i2.41673.
[11] N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” J. Ilm. Inform. Dan Ilmu Komput., vol. 3, no. 1, pp. 46–56, 2024, [Online]. Available: https://doi.org/10.58602/jima-ilkom.v3i1.26
[12] Ramadhani, Ramadhanu, and Taufik Hidayat, “Metode Machine Learning untuk Klasifikasi Data Gizi Balita dengan Algoritma Naïve Bayes, KNN dan Decision Tree,” J. SIMETRIS, vol. 15, no. 1, pp. 57–68, 2024.
[13] A. Prasetio, “Simulasi Penerapan Metode Decision Tree (C4.5) Pada Penentuan Status Gizi Balita,” J. Nas. Komputasi dan Teknol. Inf., vol. 4, no. 3, pp. 209–214, 2021, doi: 10.32672/jnkti.v4i3.2983.
[14] M. Rafi Nahjan, Nono Heryana, and Apriade Voutama, “Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 101–104, 2023, doi: 10.36040/jati.v7i1.6094.
[15] H. Prastiwi, Jeny Pricilia, and Errissya Rasywir, “Implementasi Data Mining Untuk Menentuksn Persediaan Stok Barang Di Mini Market Menggunakan Metode K-Means Clustering,” J. Inform. Dan Rekayasa Komputer(JAKAKOM), vol. 2, no. 1, pp. 141–148, 2022, doi: 10.33998/jakakom.2022.2.1.34.
[16] F. Rahmadayanti, I. Anggraini, and T. Susanti, “Pengklasterisasian Data Penyakit Hipertensi dengan Menggunakan Metode K-Means,” J. Inf. Syst. Res., vol. 4, no. 2, pp. 737–741, 2023, doi: 10.47065/josh.v4i2.2905.
[17] Moch. Rizky Yuliansyah, M. B, and A. Franz, “Perbandingan Metode K-Nearest Neighbors dan Naïve Bayes Classifier Pada Klasifikasi Status Gizi Balita di Puskesmas Muara Jawa Kota Samarinda,” Adopsi Teknol. dan Sist. Inf., vol. 1, no. 1, pp. 08–20, 2022, doi: 10.30872/atasi.v1i1.25.
[18] S. Y. Wargiyo, Susliansyah, H. Sumarno, and L. M. Hendro Priyono, “Rancangan Aplikasi Algoritma C4 . 5 pada Stunting Balita Menggunakan Bahasa Phyton,” vol. 9, no. 1, pp. 254–265, 2025.
[19] H. N. Azizah, “Visualisasi Analisis Sentimen Siberbullying Pada Post Instagram Menggunakan Orange Data Mining,” Indones. J. Comput. Sci. Res., vol. 2, no. 1, pp. 42–48, 2023, doi: 10.59095/ijcsr.v2i1.15.
[20] T. R. Matondang, Y. Ramadhan Nasution, Armansyah, and M. Furqan, “Penerapan Algoritma C4.5 Pada Klasifikasi Status Gizi Balita,” J. Fasilkom, vol. 14, no. 1, pp. 216–225, 2024, doi: 10.37859/jf.v14i1.6941.