Text
Klasifikasi Gangguan Tumbuh Kembang Anak Menggunakan Algoritma K-Nearest Neighbors (K-NN)
Gangguan tumbuh kembang anak pada periode golden age (0-5 tahun) merupakan masalah serius yang memerlukan deteksi dini untuk mencegah dampak jangka panjang. Sistem pemantauan tumbuh kembang di posyandu saat ini masih dilakukan secara manual dan berbasis praduga, sehingga rentan terhadap human error dan keterlambatan deteksi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi gangguan tumbuh kembang anak menggunakan algoritma K-Nearest Neighbors (K-NN) berdasarkan parameter fisik dan perkembangan anak.
Penelitian kuantitatif deskriptif ini menggunakan data dari 30 anak di tiga posyandu di Desa Simbang, Kecamatan Simbang, Kabupaten Maros yang dipilih melalui purposive sampling. Parameter yang digunakan meliputi usia, berat badan, tinggi badan, lingkar kepala, kemampuan motorik, dan kemampuan bicara. Data dibagi menjadi 15 data latih dan 30 data uji, dengan sistem dikembangkan menggunakan Python dan framework web serta diuji menggunakan metode black box testing. Hasil penelitian menunjukkan bahwa algoritma K-NN dengan K=7 berhasil mengklasifikasikan status tumbuh kembang anak dengan akurasi 60.00%, mampu mengidentifikasi kategori Normal (4 anak), Resiko Sedang (20 anak), dan Risiko Berat (6 anak).
Penelitian ini membuktikan bahwa algoritma K-NN dapat menjadi solusi teknologi yang efektif untuk mendukung deteksi dini gangguan tumbuh kembang anak. Sistem web yang dikembangkan memiliki interface yang user-friendly dan dapat digunakan oleh tenaga kesehatan di posyandu untuk melakukan klasifikasi gangguan tumbuh kembang secara objektif dan cepat. Sistem ini diharapkan dapat membantu tenaga kesehatan dalam pengambilan keputusan yang lebih akurat dan tepat waktu, sehingga intervensi dapat dilakukan lebih dini untuk mencegah memburuknya kondisi anak.
| S250253 | SKR-2025 AZI k | Perpustakaan Universitas Handayani Makassar | Tersedia |
Tidak tersedia versi lain