Penerapan Metode K-Means Clustering Untuk Menentukan Status Gizi Baik Dan Gizi Buruk Pada Balita (Studi Kasus Kabupaten Rokan Hulu)

Abstract

Kekurangan gizi atau yang biasa disebut malnutrisi merupakan salah satu masalah kesehatan yang cukup sering menimpa balita-balita di Indonesia. Kepedulian orang tua dan aparat desa (dalam hal ini petugas Pusat Pelayanan Kesehatan Masyarakat – PUSKESMAS) untuk memantau gizi balita sangat diperlukan. Penelitian yang dilakukan mencoba untuk melakukan pengelompokan 15 balita di Kab. Rokan Hulu kedalam 2 cluster status gizi. Pengelompokan status gizi balita di Kab. Rokan Hulu menggunakan metode K-Means dilakukan melalui beberapa tahapan yaitu : penentuan tujuan bisnis, pengumpulan data 15 balita di Kab. Rokan Hulu, pengelompokan status gizi balita ke dalam 2 cluster yaitu cluster 1 - gizi baik; cluster 2 -Gizi Baik, pengelompokan status gizi balita menggunakan algoritma K-Means, dan yang terakhir melakukan pengujian dengan membandingkan hasil pengelompokan algoritma K-means dan Rapid Miner.
 Kata kunci : Data Mining , Clustering , K -Means

Meningkatkan Penanganan Stunting Pada Anak Melalui Klasifikasi Pemberian Makanan Tambahan Berdasarkan Usia Dengan Metode K-Means Di Desa Cintarasa

“…Penelitian ini bertujuan untuk melakukan pengelompokan 15 balita di Kabupaten Rokan Hulu ke dalam 2 cluster status gizi menggunakan metode K-Means. Proses pengelompokan status gizi balita di Kabupaten Rokan Hulu melibatkan beberapa tahapan, antara lain: penentuan tujuan bisnis, pengumpulan data dari 15 balita di Kabupaten Rokan Hulu, pengelompokan status gizi balita ke dalam 2 cluster (cluster 1: gizi baik, cluster 2: gizi buruk), penerapan algoritma K-Means, dan pengujian hasil pengelompokan dengan membandingkannya antara algoritma K-Means dan Rapid Miner [9].…”

Implementasi K-Means Clustering Pada Data Pengelompokan Pendaftaran Mahasiswa Baru (Studi Kasus Universitas Abdurrab

“…Kesimpulan ini menunjukkan bahwa Universitas X Palembang telah berhasil menerapkan Enterprise Architecture sesuai pedoman TOGAF.. Penelitian in berfokus pada algoritma K-Means Clustering. Beberapa penelitian yang menggunakan metode K-Means adalah [6] Teknik pengelompokan pada data balita di Rokan Hulu menghasilkan dua kelompok, yaitu kelompok dengan status gizi baik dan kelompok dengan status gizi buruk [7] Berdasarkan hasil yang diperoleh dari implementasi metode k-means clustering, ditemukan bahwa satu provinsi termasuk dalam kelompok dengan populasi tinggi, yaitu Jawa Timur. Sementara itu, terdapat tiga provinsi yang masuk dalam kelompok dengan populasi sedang, antara lain Sumatera Utara, Jawa Barat, dan Jawa Tengah.…”