Penerapan Algoritma K-Means Clustering untuk Analisis Pertumbuhan dan Perkembangan Anak

Shepty Indah Cahyani; Nur Ariesanto  Ramdhan; Bambang Irawan

doi:10.47134/jacis.v5i2.127

Authors

Shepty Indah Cahyani Universitas Muhadi Setiabudi
Nur Ariesanto Ramdhan Universitas Muhadi Setiabudi
Bambang Irawan Universitas Muhadi Setiabudi

DOI:

https://doi.org/10.47134/jacis.v5i2.127

Keywords:

Pertumbuhan, Perkembangan, K-means, Clustering

Abstract

Pertumbuhan dan perkembangan anak usia dini merupakan indikator penting dalam menentukan kondisi kesehatan dan kesiapan anak dalam memasuki jenjang pendidikan selanjutnya, pertumbuhan anak usia dini sebagai fondasi utama bagi perkembangan fisik dan kesehatan anak terutama 0-6 tahun yang dikenal sebagai masa golden age atau masa emas, di mana otak dan tubuh anak berkembang sangat pesat. Penelitian ini bertujuan untuk menganalisis pertumbuhan dan perkembangan anak usia dini di TK Asyiyah Bustanul Athfal Wangandawa berdasarkan beberapa parameter fisik seperti usia, berat badan, tinggi badan, dan lingkar kepala. Metode yang digunakan adalah kuantitatif dengan teknik analisis menggunakan algoritma K-Means Clustering untuk mengelompokkan data anak dalam beberapa kategori pertumbuhan dan perkembangan. Hasil penelitian menunjukan bahwa anak-anak dapat dikelompokkan ke dalam 3 kategori utama yaitu pertumbuhan dan perkembangan normal, dibawah normal, dan diatas normal. Temuan ini diharapkan dapat menjadi dasar evaluasi bagi guru dan orang tua dalam mendeteksi dini adanya potensi keterlambatan atau percepatan pertumbuhan serta perencanaan tindakan yang sesuai

References

[1] H. Harliana, R. D. Rusdiyan Yusron, and I. Machfud, “Klasifikasi dan Monitoring Status Gizi Balita Melalui Penerapan Metode Naïve Bayes Classification Berbasis GIS,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 4, no. 02, pp. 161–168, 2022, doi: 10.46772/intech.v4i02.869. DOI: https://doi.org/10.46772/intech.v4i02.869

[2] V. Vidiasai et al., “Pemantauan Status Gizi Ditinjau dari Berar Badan, Umur, dan Tinggi Badan Anak Balita,” J. Buana Comunity Heal. Serv., vol. 1, no. 1, pp. 1–7, 2023.

[3] D. Rahmawati, B. Irawan, and A. Bahtiar, “Analisis Pertumbuhan Dan Perkembangan Anak Di Wilayah Pedesaan Menggunakan Algortima K-Means,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3411–3415, 2024, doi: 10.36040/jati.v8i3.8991. DOI: https://doi.org/10.36040/jati.v8i3.8991

[4] R. Masrikhiyah, “Hubungan Tingkat Pengetahuan Gizi terhadap Tingkat Kecukupan Asupan Gizi Makro Anak Sekolah Dasar,” J. Bid. Ilmu Kesehat., vol. 15, no. 1, pp. 51–58, 2025, doi: 10.52643/jbik.v15i1.4864. DOI: https://doi.org/10.52643/jbik.v15i1.4864

[5] R. Masrikhiyah, S. Khofiyatun, R. Sekarwati, and H. Syakur, “Faktor-faktor yang Mempengaruhi Status Gizi Balita Usia 12 – 24 Bulan Di Desa Wanasari,” Univ. Muhadi Setiabudi, vol. Vol 6 No 0, 2025.

[6] E. A. Saputra and Y. Nataliani, “Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-Means,” J. Inf. Syst. Informatics, vol. 3, no. 3, pp. 424–439, 2021, doi: 10.51519/journalisi.v3i3.164. DOI: https://doi.org/10.51519/journalisi.v3i3.164

[7] Rahmatul Husna and Verry Riyanto, “Klasterisasi Status Gizi Balita Menggunakan Algoritma K-Means Melalui Pendekatan Soft System Methodology,” J. Ticom Technol. Inf. Commun., vol. 13, no. 1, pp. 1–9, 2024, doi: 10.70309/ticom.v13i1.120. DOI: https://doi.org/10.70309/ticom.v13i1.120

[8] D. Dona and M. Rifqi, “Penerapan Metode K-Means Clustering Untuk Menentukan Status Gizi Baik Dan Gizi Buruk Pada Balita (Studi Kasus Kabupaten Rokan Hulu),” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 7, no. 2, pp. 179–191, 2022, doi: 10.36341/rabit.v7i2.2171. DOI: https://doi.org/10.36341/rabit.v7i2.2171

[9] R. M. Sari, A. Rizka, N. A. Putri, and A. Efriana, “Penerapan Data Mining Untuk Analisis Stunting Pada Balita,” J. Minfo Polgan, vol. 13, no. 2, pp. 1717–1728, 2024, doi: 10.33395/jmp.v13i2.14218. DOI: https://doi.org/10.33395/jmp.v13i2.14218

[10] P. Sari, E. Efan, and R. Syahri, “Algoritma K-Means Clustering: Sebuah Studi Literatur,” J. Inform., vol. x, no. x, pp. 1–7, 2024, doi: 10.12345/juri.

[11] A. Mhsd, “Adi.Unggas.Id Proses KDD (Knowledge Discovery In Database),” Adi.Unggas.Id, 2021.

[12] B. Fish, “Stabilitas stok barang melalui algoritma FP-Growth,” vol. 2507, no. February, pp. 1–9, 2020.

[13] Q. Widayati, “Penerapan Data Mining Menggunakan Metode Teknik Classification Untuk Melihat Potensi Kepatuhan Wajib Pajak Bumi Dan Bangunan,” J. Ilm. Matrik, vol. 20, no. 2, pp. 157–168, 2019, doi: 10.33557/jurnalmatrik.v20i2.119. DOI: https://doi.org/10.33557/jurnalmatrik.v20i2.119

[14] Z. H. Usni, M. Palmizal, and A. Asifa, “Sosialisasi Penerapan Indeks Massa Tubuh (IMT), Berat Badan Menurut Umur (BB/U), Tinggi Badan Menurut Umur (TB/U), dan Berat Badan Menurut Tinggi Badan (BB/TB) di Desa Donomulyo,” J. Cerdas Sifa Pendidik., vol. 10, pp. 19–24, 2021.

[15] N. K. S. Julyantari, I. K. Budiarta, and N. M. D. K. Putri, “Implementasi K-Means Untuk Pengelompokan Status Gizi Balita (Studi Kasus Banjar Titih),” J. Janitra Inform. dan Sist. Inf., vol. 1, no. 2, pp. 92–101, 2021, doi: 10.25008/janitra. DOI: https://doi.org/10.25008/janitra.v1i2.134

[16] J. Ipmawati and I. Unggara, “Analisis Status Gizi Anak Menggunakan Metode Klastering pada Dataset Anthropometri,” bit-Tech, vol. 7, no. 2, pp. 494–504, 2024, doi: 10.32877/bt.v7i2.1869. DOI: https://doi.org/10.32877/bt.v7i2.1869

[17] Sabrina Dhia Salsabila, Q. Santosa, W. Fatchurohmah, A. T. Hapsari, and V. Indriani, “Korelasi Antara Lingkar Kepala Lahir Dengan Tumbuh Kembang Anak Di Desa Rempoah Banyumas,” Wind. Heal. J. Kesehat., vol. 5, no. 1, pp. 395–403, 2022, doi: 10.33096/woh.vi.117. DOI: https://doi.org/10.33096/woh.vi.117