Penerapan Algoritma K-Means dalam Mengelompokkan Balita yang Mengalami Gizi Buruk Menurut Provinsi
Abstract
The purpose of this study was to screen toddlers who were experiencing severe malnutrition according to province. Sources of research data used were obtained from the Ministry of Health of the Republic of Indonesia. The variables used are toddlers who experience malnutrition according to the Province. In this study using Data Mining Techniques using the K-means algorithm. It is expected that the results of this study can provide input to the central government to pay more attention to nutritional intake in infants, so as to increase the growth and development of toddlers in Indonesia. . And the data obtained by high clusters are 15 Provinsi yaitu (Aceh, Sumatera Utara, Nusa Tenggara Barat, Nusa Tenggara Timur, Kalimantan Barat, kalimantan Tengah, Kalimantan Selatan, Sulawesi Tengah, Sulawesi Selatan, Sulawesi Tenggara, Sulawesi Tenggara, Gorontalo, Sulawesi Barat, Papua Barat, Papua), dan cluster rendah ada 19 yaitu (Sumatera Barat, Riau, Jambi, Sumatera Selatan, Bengkulu, Lampung, Kep. Bangka Belitung, Kep. Riau, Dki Jakarta, Jawa Barat, Jawa Tengah, DI Yogyakarta, Jawa Timur, Banten, Bali, Kalimantan Timur, Kalimantan Utara, Sulawesi utara, Maluku Utara).
Downloads
References
S. D. Nugraha, R. R. M. Putri, and R. C. Wihandika, “Penerapan Fuzzy K-Nearest Neighbor ( FK-NN ) Dalam Menentukan Status Gizi Balita,” vol. 1, no. 9, pp. 925–932, 2017.
A. N. Khomarudin, “Teknik Data Mining : Algoritma K-Means Clustering,” pp. 1–12, 2016.
M. R. Ridlo, S. Defiyanti, and A. Primajaya, “Implementasi Algoritme K-Means Untuk Pemetaan Produktivitas Panen Padi Di Kabupaten Karawang,” pp. 426–433, 2017.
R. Wahyuni, S. Nugroho, and P. Novianti, “Analisis Klaster Dengan Menggunakan Metode Single Linkage Dan Metode K-Means,” pp. 1–9, 2015.
Y. Warih, Eggy Inaidi Andana; Rahayu, “Penerapan Data Mining untuk Menentukan Estimasi Produktivitas Tanaman Tebu dengan Menggunakan Algoritma Linear Regresi Berganda di Kabupaten Rembang,” Informatika, pp. 1–5, 2014.
M. R. Ridlo, S. Defiyanti, A. Primajaya, M. Rosyid Ridlo, S. Defiyanti, and A. Primajaya, “Implementasi Algoritme K-Means Untuk Pemetaan Produktivitas Panen Padi Di Kabupaten Karawang,” Citee 2017, pp. 426–433, 2017.
E. Rivani, P. Pengkajian, P. Data, S. Jenderal, and D. P. R. Ri, “APLIKASI K- MEANS CLUSTER UNTUK PENGELOMPOKKAN PROVINSI BERDASARKAN PRODUKSI PADI , JAGUNG , KEDELAI , DAN KACANG HIJAU TAHUN 2009 Ukuran Similaritas,” vol. 10, no. 2, pp. 122–134, 2010.
D. Triyansyah and D. Fitrianah, “Analisis Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing,” no. September, 2018.
T. Verma, “Tokenization and Filtering Process in RapidMiner,” vol. 7, no. 2, pp. 16–18, 2014.
Copyright (c) 2021 Muhammad Dwi Chandra, Eka Irawan, Ilham Syahputra Saragih, Agus Perdana Windarto, Dedi Suhendro
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
