Implementasi Decision Tree C4.5 Untuk Menentukan Status Berat Badan dan Kebutuhan Energi Pada Anak Usia 7-12 Tahun
DOI:
https://doi.org/10.34148/teknika.v7i2.90Keywords:
Data Mining, Decision Tree C4.5, Klasifikasi, Status Gizi Pada Anak Usia 7-12 TahunAbstract
Decision Tree 4.5 merupakan salah satu algoritma klasifikasi yang banyak digunakan untuk memperoleh hasil klasifikasi non biner. Dibanding algoritma sejenis, Decision Tree 4.5 memiliki kelebihan pada kemampuan untuk mengelola data dalam berbagai format. Kelebihan inilah yang dicoba dimanfaatkan untuk memperoleh hasil klasifikasi kebutuhan nutrisi bagi anak usia sekolah dasar. Berdasarkan hasil pengujian menggunakan Decision Tree terhadap 360 siswa sekolah dasar berusia 7-12 tahun, diperoleh hasil bahwa 79,7% siswa memiliki berat badan normal, 12,5% siswa mengalami kekurangan berat badan, dan 7,8% siswa mengalami kelebihan berat badan. Dari kondisi tersebut, pengujian lebih lanjut menggunakan Decision Tree menunjukkan bahwa faktor usia, berat badan, tinggi badan, BMR, dan BMI memiliki kontribusi pada penentuan kebutuhan energi pada anak, dan jenis kelamin mempengaruhi pada proses penentuan kebutuhan konsumsi karbohidrat, protein, lemak, dan serat.
Downloads
References
Direktorat Gizi Masyarakat Direktorat Jenderal Kesehatan Masyarakat Kementrian Kesehatan. (2018). Buku Saku Pemantauan Status Gizi Tahun 2017. Diakses dari http://www.kesmas.kemkes.go.id/assets/upload/dir_519d41d8cd98f00/files/Buku-Saku-Hasil-PSG-2016_842.pdf.
Elisa, P.A. (2012). Determinan Status Gizi Pada Siswa Sekolah Dasar. Jurnal Kesehatan Masyarakat, 7(2), pp. 122—126. ISSN 1858-1196.
Lestari, I.D., Ernalia, Y. & Restuastuti, T. (2016). Gambaran Status Gizi Pada Siswa Sekolah Dasar Kecamatan Bangko Kabupaten Rokan Hilir. Jurnal Online Mahasiswa Fakultas Kedokteran (JOM FK), 3(2).
Jahri, I.W. & Suyanto, Y.E. (2016). Gambaran Status Gizi pada Siswa Sekolah Dasar Kecamatan Siak Kecil Kabupaten Bengkalis. Jurnal Online Mahasiswa Fakultas Kedokteran (JOM FK).
Riskesdas. (2014). Pedoman Gizi Seimbang. Kementrian Kesehatan Republik Indonesia.
Perdana, F. & Hardinsyah. (2013). Analisis Jenis, Jumlah, Dan Mutu Gizi Konsumsi Sarapan Anak Indonesia. Jurnal Gizi Dan Pangan, 8(1), pp. 39—46.
Han, J., Pei, J., & Kamber, M. (2011). Data Mining: Concepts and Techniques. Elsevier Science. Diakses dari: https://books.google.co.id/books?id=pQws07tdpjoC.
Witten, I.H., Frank, E., & Hall, M.A. (2011). Output: Knowledge Representation. In Data Mining: Practical Machine Learning Tools and Techniques, pp. 61—83. Diakses dari: https://doi.org/10.1016/B978-0-12-374856-0.00003-1
Harryanto, F.F., & Hansun, S. (2017). Penerapan Algoritma C4.5 Untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE. Jatisi, 3(2), pp. 95—103.
Rohman, A., Suhartono, V., & Supriyanto, C. (2017). Penerapan Algoritma C4.5 Berbasis Adaboost Untuk Prediksi Penyakit Jantung. Jurnal Teknologi Informasi, 13(1), pp. 13—19. Diakses dari: http://research.pps.dinus.ac.id/index.php/Cyberku/article/view/4.
Khotimah, W.N., Susanto, Y.A., & Suciati, N. (2017). Combining Decision Tree and Back Propagation Genetic Algorithm Neural Network for Recognizing Word Gestures in Indonesian Sign Language Using Kinect. Journal of Theoretical and Applied Information Technology, Vol. 95, No. 2, pp. 292-298.
Undang-Undang Republik Indonesia Nomor 36 Tahun 2009 tentang Kesehatan. Full-Text (2009).
Ho, C., Huang, Y., If, Y.T.D., Lo, C., & Wahlqvist, M. L. (2015). Research in Developmental Disabilities Breakfast is Associated With the Metabolic Syndrome and School Performance Among Taiwanese Children. Research in Developmental Disabilities, Vol. 43—44, pp. 179—188. Diakses dari: https://doi.org/10.1016/j.ridd.2015.07.003.
Al-Oboudi, L.M. et.al. (2010). Impact of Breakfast Eating Pattern on Nutritional Status, Glucose Level, Iron Status in Blood and Test Grades Among Upper Primary School Girls in Riyadh City, Saudi Arabia. Pakistan Journal of Nutrition, 9(2), pp.106—111.
Imbar, H., Vera, T., & Walalangi, R. (2016). Analisis Organoleptik Beberapa Menu Breakfast Kebutuhan Gizi Siswa Sekolah Dasar. Analisis Organoleptik, 8(1).
Hardinsyah, Riyadi, H., & Napitupulu, V. (2012). Kecukupan Energi, Protein, Lemak dan Karbohidrat. Departemen Gizi FK UI, 2004 (Wnpg 2004), pp. 1—26.
Friedman, A. L., & Ray, P. E. (2007). Maintenance Fluid Therapy: What It Is and What It Is Not. Pediatric Nephrology, 23, pp. 677—680.
