Puspita, Kori Carda (2017) Rekomendasi kesesuaian nutrisi makanan menggunakan metode K-nearest neighbor. Diploma thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_COVER.pdf Download (272kB) | Preview |
|
|
Text (ABSTRAK)
2_ABSTRAK.pdf Download (195kB) | Preview |
|
|
Text (DAFTAR ISI)
3_DAFTAR ISI.pdf Download (207kB) | Preview |
|
|
Text (BAB I)
4_BAB I.pdf Download (498kB) | Preview |
|
![[img]](https://etheses.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_BAB II.pdf Restricted to Registered users only Download (841kB) |
|
|
Text (BAB III)
6_BAB III.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB IV)
7_BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
8_BAB V.pdf Restricted to Registered users only Download (307kB) |
|
|
Text (DAFTAR PUSTAKA)
9_DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (318kB) |
Abstract
Ahli gizi perlu menggali informasi dari asupan makanan yang dikonsumsi sebagai alat untuk menganalisis dan mengevaluasi serta memperkirakan status gizi. Dalam hal ini menggunakan metode Recall. Metode ini menggali informasi tentang asupan makanan klien (pasien) dengan proses wawancara atau membaca dari formulir dan mencatatnya. Data yang digunakan dalam penelitian ini didapatkan dari Tabel Daftar AKG (Angka Kecukupan Gizi) dan Tabel DKBM (Daftar Komposisi Bahan Makanan). Data tersebut membutuhkan bantuan komputer agar dapat diklasifikasikan sehingga kinerja ahli gizi dapat lebih cepat serta dapat mengurangi terjadinya redudansi data. Rekomendasi kesesuaian nutrisi makanan ini dapat membantu kinerja ahli gizi sehingga lebih efektif. Selain itu, dapat pula melakukan pencarian informasi dari kedekatan kasus yang bisa dijadikan sebagai pengalaman (rekomendasi) bagi pasien dengan pencarian kasus yang mirip menggunakan metode K-Nearest Neighbor (KNN). K-Nearest Neighbor adalah metode pencarian kedekatan antara kasus baru dengan kasus lama berdasarkan pada pencocokan bobot dari beberapa atribut yang sudah ditentukan sebelumnya lalu dihitung nilai kemiripan kasusnya. Hasil akurasi Metode K-Nearest Neighbor ini mampu menghasilkan nilai akurasi sebesar 71,92%. Pengujian ini dilakukan dengan perhitungan confusion matriks.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Ahli gizi; Klasifikasi; K-Nearest Neighbor; Recall; |
| Subjects: | Data Processing, Computer Science > Computer Science Education Engineering > Engineering Materials Applied Physics > Computer Engineering |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | rofita fita robi'in |
| Date Deposited: | 28 Dec 2018 06:13 |
| Last Modified: | 28 Dec 2018 06:13 |
| URI: | https://etheses.uinsgd.ac.id/id/eprint/17710 |
Actions (login required)
 |
View Item |
