Writer / NIM
FAHIMA ALAMRI / 413418010
Study Program
S1 - STATISTIKA
Advisor 1 / NIDN
Dr. ISMAIL DJAKARIA, M.Si. / 0024026403
Advisor 2 / NIDN
DJIHAD WUNGGULI, S.Pd., M.Si / 0012068905
Abstract
Fahima Alamri, 2023. PERBANDINGAN METODE LEARNING VECTOR QUANTIZATION DAN METODE BACKPROPAGATAION UNTUK KLASIFIKASI STATUS GIZI ANAK DI KECAMATAN SANGKUB. Skripsi. Gorontalo. Program Studi Statistika, Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Gorontalo.
Pembimbing: (1) Dr. Ismail Djakaria, M.Si., (2) Djihad Wungguli, S.Pd., M.Si.
Masalah gizi anak masih menjadi masalah di berbagai daerah di Indonesia. Gizi Kurang atau buruk anak dipengaruhi oleh beberapa faktor, yaitu asupan makanan yang tidak mencukupi dan penyakit infeksi. Gizi kurang atau buruk dapat diketahui dari penilaian status gizi yang diperoleh dari mengklasifikasikan status gizi pada anak. Klasifikasi merupakan salah satu bagian dari data mining yang sering digunakan untuk mengelompokan data berdasarkan data atau variable tertentu Penelitian ini bertujuan untuk membandingkan klasifikasi status gizi anak menggunakan data mining dengan metode Learning Vector Quantization (LVQ) dan Backpropagation. Pengujian dilakukan menggunakan rasio perbandingan data training dan testing yaitu 75% dan 25%. Dari hasil penelitian, LVQ lebih unggul dengan hasil akurasi sebesar 95,12% dan Backpropagation sebesar 80,49%.
Kata kunci: Status Gizi, Klasifikasi, LVQ,Backpropagation
Download files
