PENERAPAN ALGORITMA K-MEANS CLUSTERING DATA GIZI BALITA PADA UPTD PUSKESMAS BUMI AGUNG
DOI:
https://doi.org/10.23960/jitet.v12i3.4923Abstract Views: 251 File Views: 270
Abstract
Abstrak. Pengelompokan data gizi balita pada UPTD Puskesmas Bumi Agung masih manual, sehingga membutuhkan waktu yang lama untuk mengelompokkan data penyakit pasien. Tujuan dari penelitian ini adalah untuk merancang dan membangun sebuah sistem Penerapan Algoritma K-Means Clustering Data gizi balita yang dapat membantu pihak UPTD Puskesmas Bumi Agung dalam melakukan penggelompokkan data gizi balita dengan menggunakan Algoritma K-Means. Algoritma klasterisasi pengelompokkan data berdasarkan titik pusat klaster (centroid) terdekat dengan data. Cluster yang digunakan dalam penelitian ini ada 3 cluster yaitu cluster 0, cluster 1 dan cluster 2, Adapun metode pengembangan sistem yang digunakan adalah metode Rapid Application Development (RAD) dengan tahap Requirements Planning (Perencanaan Persyaratan), RAD Design Workshop, Implementation (Penerapan). Metode pengujian menggunakan Black Box Testing yang menghasilkan nilai rata-rata ahli database 4,0, ahli Algoritma 4,0, ahli interface 3,5, ahli fungsionalitas sistem 3,75 sehingga didapatkan nilai rata-rata 3,77 dan pengujian pada user 4 didapatkan rata-rata 3,78. Penelitian ini menghasilkan sistem Penerapan Algoritma K-Means Clustering Data gizi balita yang dapat melakukan pencarian data, penyimpanan dan pengelompokan data gizi balita.
Downloads
References
A. Yani, “PEMANFAATAN TEKNOLOGI DALAM BIDANG KESEHATAN MASYARAKAT,” Promot. J. Kesehat. Masy., vol. 8, no. 1, p. 97, 2018, doi: 10.31934/promotif.v8i1.235.
Y. Darnita, R. Toyib, and Y. Kurniawan, “Penerapan Metode K-Means Clustering Pada Aplikasi Android Pada Tanaman Obat Herbal,” Pseudocode, vol. 7, no. 2, pp. 105–114, 2020, doi: 10.33369/pseudocode.7.2.18-27.
M. Yahya, “Penggunaan Algoritma K-Means Untuk Menganalisis Pelanggan Potensial Pada Dealer SPS Motor Honda Lombok Timur Nusa Tenggara Barat,” vol. 2, no. 2, pp. 5–10, 2019.
E. Irfiani and S. S. Rani, “Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita,” J. Sist. dan Teknol. Inf., vol. 6, no. 4, p. 161, 2018, doi: 10.26418/justin.v6i4.29024.
E. S. Riski Sundari, Solikhun, Eka Irawan, “penerapan algoritma K-Means Clustering dalam mengelompokkan jumlah posyandu aktif berdasarkan provensi.,” Pros. Semin. Nas. Ris. Information., 2019.
D. Firdaus, “Penggunaan Data mining dalam kegiatan pembelajaran,” J. Format Vol. 6 Nomor 2 Tahun 2017, vol. 6, no. 2, pp. 91–97, 2017.
R. A. Indraputra and R. Fitriana, “K-Means Clustering Data COVID-19,” J. Tek. Ind., vol. 10, no. 3, pp. 275–282, 2020, doi: 10.25105/jti.v10i3.8428.
J. Nasir, “Penerapan Data Mining Clustering Dalam Mengelompokan Buku Dengan Metode K-Means,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 2, pp. 690–703, 2020, doi: 10.24176/simet.v11i2.5482.
A. Suryanto, “Sistem Pendukung Keputusan Berbasis Tablet Pc (Personal Computer) Sebagai Penentu Status Gizigizi,” Sist. Pendukung Keputusan Berbas. Tablet Pc (Personal Comput. Sebagai Penentu Status Gizigizi, vol. 11, no. 1, pp. 9–20, 2018.
A. F. Sallaby and I. Kanedi, “Perancangan Sistem Informasi Jadwal Dokter Menggunakan Framework Codeigniter,” J. Media Infotama, vol. 16, no. 1, pp. 48–53, 2020, doi: 10.37676/jmi.v16i1.1121.
E. N. Hartiwati, “Aplikasi Inventori Barang Menggunakan Java Dengan Phpmyadmin,” Cross-border, vol. 5, no. 1, pp. 601–610, 2022.
A. R. Ananda, G. F. Nama, and M. Mardiana, “Pengembangan Sistem Informasi Geografis Pemerintahan Kota Metro Dengan Metode SSADM (Structured System Analysis and Design Method),” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 24–33, 2022, doi: 10.23960/jitet.v10i1.2261.
