Sistem klasifikasi status gizi buruk pada balita menggunakan algoritma support vector machine (svm) pada puskesmas Simpang Teritip

Davin Eza Saputra, (NIM. 1102211043) (2026) Sistem klasifikasi status gizi buruk pada balita menggunakan algoritma support vector machine (svm) pada puskesmas Simpang Teritip. Other thesis, Universitas Bangka Belitung.

	Text HALAMAN DEPAN.pdf Restricted to Registered users only Download (946kB)
	Text BAB I.pdf Restricted to Registered users only Download (303kB)
	Text BAB II.pdf Restricted to Registered users only Download (762kB)
	Text BAB III.pdf Restricted to Registered users only Download (537kB)
	Text BAB IV.pdf Restricted to Registered users only Download (4MB)
	Text BAB V.pdf Restricted to Registered users only Download (269kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (269kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (1MB)

Abstract

Status gizi anak merupakan indikator penting dalam pertumbuhan dan perkembangan. Penentuan status gizi di Puskesmas Simpang Teritip saat ini masih dilakukan secara manual dan sering dihadapkan pada kendala tidak stabilnya jaringan internet di lapangan, sehingga berpotensi menimbulkan kesalahan dan keterlambatan dalam pengambilan keputusan. Penelitian ini bertujuan untuk membangun sistem klasifikasi status gizi balita menggunakan algoritma Support Vector Machine (SVM) berbasis web yang dilengkapi dengan kapabilitas offline. Data yang digunakan berupa data antropometri meliputi BB/U, TB/U dan BB/TB berdasarkan standar WHO. Proses penelitian meliputi prapemrosesan data, normalisasi, pemodelan SVM dengan kernel RBF, serta evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan status gizi balita dengan tingkat akurasi yang tinggi, yaitu mencapai 98.20% untuk indikator BB/U, 97,11% untuk indikator TB/U, dan 91.54% untuk indikator BB/TB. Sistem ini diharapkan dapat membantu tenaga kesehatan dalam melakukan deteksi dini secara langsung di lapangan terlepas dari kendala jaringan, serta meningkatkan efektivitas pelayanan kesehatan anak.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	antropometri, klasifikasi, luring, sistem berbasis web, status gizi, support vector machine
Subjects:	T Teknologi > T Teknologi (UMUM)
Divisions:	FAKULTAS SAINS DAN TEKNIK > TEKNOLOGI INFORMASI > SKRIPSI
Depositing User:	Supiyati Supiyati
Date Deposited:	04 Sep 2026 01:47
Last Modified:	04 Sep 2026 01:47
URI:	https://repository.ubb.ac.id/id/eprint/14482

Actions (login required)

View Item