PENERAPAN METODE K-MEANS UNTUK KLASTERISASI PERTUMBUHAN FISIK PADA SISTEM INFORMASI POSYANDU

AJIZAH, INA NASFA (2026) PENERAPAN METODE K-MEANS UNTUK KLASTERISASI PERTUMBUHAN FISIK PADA SISTEM INFORMASI POSYANDU. Other thesis, Universitas Duta Bangsa Surakarta.

[thumbnail of Cover dan Abstrak.pdf] Text
Cover dan Abstrak.pdf - Preview
Restricted to Registered users only

Download (565kB)
[thumbnail of Bab 1.pdf] Text
Bab 1.pdf - Preview
Restricted to Registered users only

Download (454kB)
[thumbnail of Bab 2.pdf] Text
Bab 2.pdf - Preview
Restricted to Registered users only

Download (433kB)
[thumbnail of Bab 3.pdf] Text
Bab 3.pdf - Preview
Restricted to Registered users only

Download (4MB)
[thumbnail of Bab 4.pdf] Text
Bab 4.pdf - Preview
Restricted to Registered users only

Download (3MB)
[thumbnail of Bab 5.pdf] Text
Bab 5.pdf - Preview
Restricted to Registered users only

Download (292kB)
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf - Preview
Restricted to Registered users only

Download (32kB)
[thumbnail of Lampiran.pdf] Text
Lampiran.pdf - Preview
Restricted to Registered users only

Download (385kB)
[thumbnail of Artikel Publikasi.pdf] Text
Artikel Publikasi.pdf - Preview
Restricted to Registered users only

Download (307kB)

Abstract

Pertumbuhan balita adalah indikator penting untuk memantau kesehatan anak di posyandu. Keterbatasan efisiensi dalam pelacakan dinamika tumbuh kembang anak sering kali dipicu oleh sistem dokumentasi antropometri yang masih konvensional. Akibatnya, proses identifikasi dini terhadap balita yang membutuhkan intervensi khusus menjadi terhambat. Guna mengatasi dinamika tersebut, studi ini mengintegrasikan algoritma K-Means ke dalam platform digital Posyandu untuk mengotomatisasi segmentasi kondisi fisik anak. Basis data yang dievaluasi mencakup serangkaian indikator gizi seperti dimensi berat badan dan tinggi badan, serta ukuran lingkar kepala dan lengan atas balita balita yang diperoleh dari januari 2024 hingga April 2026. Metode penelitian yang digunakan yaitu CRISP-DM yang diimplementasikan mulai dari penyelarasan kebutuhan sistem, penyiapan dan eksplorasi data, hingga fase validasi serta visualisasi hasil. Data dikelompokkan kedalam kategori normal, waspada, dan perlu perhatian melalui algoritma K-Means dan pendekatan jarak geometris. Proses clustering dilakukan pada data sampel balita untuk menghasilkan pengelompokkan berdasarkan karakteristik pertumbuhan fisik balita. Hasil penelitian berupa sistem informasi berbasis web yang mampu mengelola data balita serta menampilkan hasil klasterisasi dalam bentuk tabel dan grafik. Berdasarkan hasil clustering terhadap 464 data pengukuran dari 28 balita pada periode Januari 2024 hingga April 2026, diperoleh 239 data dengan status Normal atau sebesar 51,5%, 159 data dengan status Waspada atau sebesar 34,3%, dan 66 data dengan status Perlu Perhatian atau sebesar 14,2%. Hasil tersebut menunjukkan bahwa algoritma K-Means mampu mengelompokkan data pertumbuhan balita ke dalam tiga kategori berdasarkan kedekatan karakteristik pengukuran terhadap centroid. Selain itu, hasil pengujian pengguna menggunakan kuesioner skala Likert menunjukkan nilai rata-rata sebesar 100% dari Ketua Posyandu, 100% dari Admin/Kader, dan 85% dari Orang Tua Balita, dengan rata-rata keseluruhan sebesar 95% yang termasuk dalam kategori sangat baik. Dengan demikian, sistem yang dikembangkan dapat membantu kader dan pengguna Posyandu dalam memantau pertumbuhan fisik balita secara lebih efektif, cepat, terstruktur, dan mudah dipahami.

Item Type: Thesis (Other)
Uncontrolled Keywords: K-Means, Clustering, Sistem Informasi, Posyandu, Pertumbuhan Balita
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > S1 - Teknik Informatika
SWORD Depositor: Perpustakaan Fikom
Depositing User: Perpustakaan Fikom
Date Deposited: 26 Oct 2026 03:55
Last Modified: 26 Oct 2026 03:55
URI: http://eprints.udb.ac.id/id/eprint/5145

Actions (login required)

View Item
View Item