Implementasi Data Mining Clustering Menggunakan Metode K-Means

(Studi Kasus: Status Gizi Balita di Jawa Tengah)

Abstract

Kesehatan dan status gizi merupakan salah satu tolak ukur yang dapat menggambarkan keadaan
gizi seseorang. Permasalahan terkait gizi pada balita di Indonesia merupakan masalah serius yang
mempengaruhi kesehatan balita tersebut. Maka dari itu pemantauan status gizi balita sangat penting
untuk mendeteksi secara dini masalah gizi dan memberikan intervensi yang tepat. Penelitian ini
bertujuan untuk memprediksi status gizi balita menggunakan algoritma K-Means dengan data dari
tiga Puskesmas di Kecamatan Sapuran . Algoritma K-Means digunakan karena kemampuannya
dalam mengelompokkan data secara cepat dan efisien berdasarkan kesamaan atribut, serta
fleksibilitasnya dalam menangani berbagai tipe data yang berbeda, termasuk data seperti berat
badan dan umur. Data yang digunakan meliputi umur, tinggi badan, dan berat badan, dengan
pengelompokan menjadi 4 cluster yaitu sangat kurang, kurang, normal, dan risiko lebih. Penelitian
ini mengembangkan sistem prediksi status gizi balita berbasis web menggunakan algoritma KMeans. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu memprediksi status gizi
balita. Dari hasil dari penelitian menunjukkan bahwa terdapat 22.64% balita yang memiliki status
gizi kurang. Balita yang memiliki status gizi normal sebanyak 22.91%. Balita yang memiliki status
gizi resiko lebih sebanyak 28.14%. Balita yang memiliki status gizi sangat kurang sebanyak
26.32%