ANALISA DAN PENERAPAN ALGORITMA C4.5 DALAM MELAKUKAN KLASIFIKASI TERHADAP STATUS GIZI BALITA

Ilham, Adriansyah (2024) ANALISA DAN PENERAPAN ALGORITMA C4.5 DALAM MELAKUKAN KLASIFIKASI TERHADAP STATUS GIZI BALITA. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (101kB)
	Text BAB II.pdf Restricted to Registered users only Download (286kB)
	Text BAB III.pdf Restricted to Registered users only Download (382kB)
	Text BAB IV.pdf Restricted to Registered users only Download (730kB)
	Text BAB V.pdf Download (82kB)
	Text DAFTAR PUSTAKA.pdf Download (198kB)

Abstract

Status gizi balita termasuk satu hal yang tidak bisa diabaikan, hal ini dikarenakan status gizi merupakan indikator dalam menilai kesejahteraan dan kesehatan masyarakat. Pada wilayah Puskesmas Lambur, terdapat dataset status gizi balita yang telah dilakukan pengumpulan data di lapangan berdasarkan pengukuran dan penimbangan pada balita. Namun, dataset yang telah ada hanya terbatas pada rekap hasil dari pengukuran yang telah dilakukan dan tidak ada proses mining pada dataset status gizi balita di Puskesmas Lambur, sehingga masih ada beberapa informasi yang belum terungkap dalam dataset status gizi balita Puskesmas Lambur. Untuk mendapatkan wawasan lebih lanjut dari dataset tersebut, perlu dilakukan pemrosesan data lebih lanjut menggunakan teknik data mining. Teknik ini berperan dalam menghasilkan informasi yang akurat untuk mengatasi permasalahan terkait status gizi di area Puskesmas Lambur. Dalam ranah ini, teknik data mining menyediakan metode klasifikasi yang dapat digunakan untuk mengelompokkan status gizi balita berdasarkan atribut tertentu seperti berat badan dan tinggi badan. Dalam penerapan teknik data mining digunakan algoritma C4.5 untuk pengklasifikasian status gizi di Puskesmas Lambur dengan 3 kelas yaitu Gizi Kurang, Gizi Baik, dan Gizi Lebih. Data yang digunakan sebanyak 800 data pada bulan Juli-September tahun 2023. Dimana hasil akhir setelah dilakukan evaluasi menggunakan confusion matrix pada dataset status gizi balita di Puskesmas Lambur didapatkan tingkat accuracy 94,38%, precision 100%, dan recall 94,12%. Hasil ini berdasarkan data training 80% dan data testing 20% yang dibagi melalui 5-fold cross-validation. Untuk fold tertinggi terdapat pada fold-4 dengan nilai 98%.

Actions (login required)

View Item