Penerapan Klastering pada Data Mining dalam Menentukan Status Gizi Anak Balita dengan Menggunakan Algoritma K-Medoids

Abstract

Status gizi balita merupakan indikator penting yang mencerminkan kesehatan dan perkembangan anak. Penilaian gizi biasanya dilakukan melalui pengukuran berat badan, tinggi badan, serta perhitungan Indeks Massa Tubuh (IMT). Namun, proses klasifikasi secara manual seringkali membutuhkan waktu dan berisiko menimbulkan ketidaktepatan, sehingga diperlukan metode yang lebih efisien. Penelitian ini menggunakan pendekatan data mining dengan algoritma k-medoids untuk mengelompokkan status gizi balita. Algoritma ini bekerja dengan menentukan medoid sebagai pusat kelompok yang mewakili karakteristik balita berdasarkan tinggi, berat, dan IMT. Balita lain kemudian diklasifikasikan sesuai jarak terdekat dengan medoid tersebut. Hasil penelitian menunjukkan bahwa penerapan k-medoids mampu mengelompokkan balita ke dalam kategori normal, kurang gizi, dan obesitas secara lebih sistematis. Temuan ini diharapkan dapat membantu tenaga kesehatan dalam mengidentifikasi balita yang membutuhkan tindakan secara khusus, sehingga mendukung tumbuh kembang anak secara optimal.

GS Cited Analysis