Utari, Sinta Yopita (2026) APLIKASI PREDIKSI STATUS GIZI ANAK PADA PROGRAM MAKAN BERGIZI GRATIS MENGGUNAKAN MACHINE LEARNING. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.
![[img]](http://repository.umb.ac.id/style/images/fileicons/text.png) |
Text (fulltext)
Sinta Yopita Utari_2255201089_Fulltext...pdf - Submitted Version Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (Turnitin)
Sinta Yopita Utari_2255201089_Turnitin...pdf - Submitted Version Restricted to Repository staff only Download (3MB) | Request a copy |
|
Text (ABSTRAK+BAB1)
Sinta Yopita Utari_2255201089_ABSTRAK+BAB1.pdf - Submitted Version Download (345kB) |
|
Text (BAB2)
Sinta Yopita Utari_2255201089_BAB2.pdf - Submitted Version Download (257kB) |
|
Text (BAB3)
Sinta Yopita Utari_2255201089_BAB3.pdf - Submitted Version Restricted to Repository staff only Download (506kB) | Request a copy |
|
Text (BAB4)
Sinta Yopita Utari_2255201089_BAB4.pdf - Submitted Version Restricted to Repository staff only Download (548kB) | Request a copy |
|
Text (BAB5)
Sinta Yopita Utari_2255201089_BAB5.pdf - Submitted Version Download (139kB) |
|
Text (REF+LAMP)
Sinta Yopita Utari_2255201089_Ref+Lamp.pdf - Submitted Version Download (998kB) |
Abstract
Program Makan Bergizi Gratis (MBG) merupakan langkah strategis dalam meningkatkan kualitas sumber daya manusia sejak dini melalui intervensi pemenuhan gizi anak sekolah. Namun, efektivitas pelaksanaannya di tingkat satuan pendidikan masih terkendala oleh mekanisme pemantauan status gizi siswa yang dilakukan secara konvensional dan manual. Kondisi tersebut berisiko menimbulkan kesalahan kalkulasi indeks antropometri serta memperlambat deteksi dini masalah gizi secara akurat. Penelitian ini bertujuan untuk merancang, membangun, dan menguji keandalan sistem pendukung keputusan berbasis web yang mampu memprediksi status gizi siswa sekolah dasar secara otomatis guna mendukung ketepatan sasaran distribusi program MBG. Metode pemodelan yang diterapkan memanfaatkan algoritma K-Nearest Neighbor (KNN) dengan memproses empat variabel masukan utama, yaitu jenis kelamin, umur (bulan), berat badan (kg), dan tinggi badan (cm) berdasarkan standar antropometri Indeks Massa Tubuh menurut Umur (IMT/U) yang merujuk pada Permenkes RI No. 2 Tahun 2020. Tahapan pra-pemrosesan data mengintegrasikan konversi otomatis satuan tinggi badan dari sentimeter ke meter (TBmeter = TBcm / 100), Label Encoding, serta Min-Max Scaling untuk menyetarakan rentang skala atribut guna mencegah dominasi variabel saat kalkulasi jarak Euclidean Distance. Pengujian performa komputasi dilakukan menggunakan Multi-class Confusion Matrix berukuran 4 x 4 dengan konfigurasi nilai K=5 pada sampel data uji siswa di SDN 27 Kota Bengkulu. Hasil evaluasi eksperimental menunjukkan bahwa sistem berhasil mencapai tingkat akurasi global (Overall Accuracy) sebesar 90.91%, dengan rata-rata presisi (Macro Avg Precision) sebesar 96.88%, dan rata-rata recall (Macro Avg Recall) sebesar 87.50%. Capaian ini membuktikan bahwa pendekatan pemodelan berbasis KNN yang dirancang memiliki tingkat presisi dan keandalan yang tinggi dalam memprediksi empat kelas status gizi, yaitu gizi kurang (thinness), gizi baik (normal), gizi lebih (overweight), dan obesitas (obese). Kesimpulannya, aplikasi pendukung keputusan yang dibangun teruji secara ilmiah layak difungsikan sebagai ekosistem digital bagi pihak sekolah dan pengelola program dalam memantau dinamika kesehatan fisik siswa secara akurat, konsisten, dan real-time.
| Item Type: | Thesis (Skripsi (Bachelor)) |
|---|---|
| Additional Information: | muntahanah,S.Kom,,M.Kom |
| Uncontrolled Keywords: | : K-Nearest Neighbor (KNN), Z-score IMT/U, Min-Max Scaling, Euclidean Distance, Multi-class Confusion Matrix, Sistem Pendukung Keputusan. |
| Subjects: | Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Divisions: | 02-Fakultas Teknik > 55201-(S1) Teknik Informatika Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Depositing User: | Mrs Meri Susanti R |
| Date Deposited: | 07 Sep 2026 03:52 |
| Last Modified: | 07 Sep 2026 03:52 |
| URI: | http://repository.umb.ac.id/id/eprint/4141 |
Actions (login required)
 |
View Item |