PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK PENENTUAN ANGKA KECUKUPAN GIZI HARIAN PADA RUMAH SAKIT HAJI THAHA
BAKRIE
Siti Lailiyah, M.Kom1) , Heny Pratiwi 2), Moch. Arianto Wibowo3)
3) Jurusan Teknik Informatika, STMIK WIDYA CIPTA DHARMA Samarinda
1,2,3)
Jl. M. Yamin No. 25 Samarinda – Kalimantan Timur, 75123
E-mail : lail.59a@gmail.co m1) , ayokitakuliah@gmail.com2), ririan.man@gmail.co m3)
ABSTRAK
Moch. Arianto Wibowo, 2018, Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Angka Kecukupan Gizi Harian Pada Rumah Sakit Haji Thaha Bakrie. Skripsi Jurusan Teknik Informatika, STMIK Widya Cipta Dharma, Pembimbing (I) Siti Lailiyah, M.Kom, Pembimbing (II) Dr. Heny Pratiwi, S.Kom.,M.Pd.,M.TI.
Penelitian dilakukan untuk dapat membuat sebuah Aplikasi penentuan angka kecukupan gizi (AKG) harian menggunakan metode K-Nearest Neighbor yang nantinya jika penelitian ini berhasil bisa membantu Ahli Gizi dalam melakukan proses konsultasi gizi pada RS Haji Thaha Bakrie.
Penelitian ini dilakukan di Rumah Sakit Haji Thaha Bakrie Samarinda. Metode pengumpulan data yang digunakan yaitu dengan wawancara yang mengajukan pertanyaan –pertanyaan yang berkaitan dengan konsultasi gizi.
Dengan cara observasi, yaitu mengadakan pengamatan secara langsung ke Rumah Sakit Haji Thaha Bakrie khususnya pada poli konsultasi gizi.
Dalam penelitian ini metode pengembangan sistem yang digunakan yaitu Ink remen, model dengan perangkat lunak pendukung yang digunakan adalah XAMPP, Sublime Text, Mysql, serta PHPmyadmin.
Adapun hasil akhir dari penelitian ini yakni berupa aplikasi penentuan angka kecukupan gizi harian yang dapat menyajikan informasi angka kecukupan gizi pasien lebih cepat dari proses konsultasi sebelumnya. Penyimpanan data dan pengolahan data lebih baik dan efisien karena disimpan pada database. Pengujian program yakni pengujian white box untuk pengujian pembutan kode program dan pengujian box beta testing untuk pengujian interface aplikasi.
Kata kunci : AKG, Ahli Gizi, K-Nearest Neighbor
1. PENDAHULUAN
RSIA Haji Thaha Bakrie merupakan instansi swasta yang menyediakan jasa beberapa pelayanan kesehatan misalnya pelayanan terapi pijat bayi, pelayanan konsultasi gizi, terapi wicara anak, terapi bayi lambat berjalan, layanan bayi prematur dan layanan konsultasi dokter kandungan.
Pelayanan konsultasi gizi pada RS Haji Thaha Bakrie dalam menentukan rekomendasi angka kecukupan gizi (AKG) harian masih menggunakan proses manual dan database yang digunakan masih dalam bentuk kertas dan program Microsoft Excel, sehingga membutuhkan waktu lebih banyak untuk proses penentuan status gizi pasien dan rekomendasi makanan yang dikonsumsi.
Banyaknya pasien yang konsultasi mengharuskan rumah sakit untuk meningkatkan pelayanan. Semakin banyak pasien maka semakin banyak juga waktu yang dibutuhkan untuk proses pelayanan. Namun, proses pelayanan konsultasi gizi pada RS Haji Thaha Bakrie masih manual dengan melakukan wawancara secara langsung dan mencatatnya pada kertas. Adapun program Microsoft Excel hanya untuk melihat data angka kecukupan gizi (AKG) dan nilai AKG makanan.
Untuk mempermudah dan meningkatkan pelayanan konsultasi gizi maka diperlukan program yang efisien dan fungsional. Program yang mampu menentukan Angka Kecukupan Gizi (AKG) harian dan makanan yang sesuai dengan kondisi pasien.
Salah satu teknik pengelompokan data dari data primer (data mentah) atau data sekunder (data yang sudah ada) untuk memperoleh data yang diperlukan adalah dengan menggunakan algoritma K-Nearest Neighbor. Algoritma K-Nearest Neighbor mengelompokkan data dengan menghitung kedekatan / kesamaan antara karakteristik data yang satu dengan yang lainnya .
Berdasarkan latar belakang di atas diangkat skripsi dengan judul “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Angk a Kecuk upan Gizi (AKG) Harian Pada Rumah Sak it Thaha Bak rie”.
1.1 RUANG LINGKUP PENELITIAN
Berdasarkan latar belakang, maka rumusan masalah adalah “Bagaimana menerapkan Algoritma K- Nearest Neighbor untuk penentukan Angka Kecukupan Gizi harian pada RS Haji Thaha Bakrie?”
1.2 BATASAN MASALAH
Berdasarkan latar belakang dan rumusan
masalah, maka batasan masalahnya adalah :
1. Program ini berisi penentuan angka kecukupan gizi harian, dan makanan yang sesuai dengan kondisi pasien
2. Entitas atau pihak-pihak yang terlibat dalam program ini adalah admin, Ahli Gizi, dan pasien 3. Menggunakan algoritma K-Nearest Neighbor
dengan pendekatan kemiripan kasus (similarity) untuk menentukan angka kecukupan gizi harian, dan makanan pasien .
4. Faktor-faktor yang mempengaruhi penentuan angka kecukupan gizi harian, dan makanan diperoleh dari ahli gizi RS Haji Thaha Bakrie.
5. Pada program yang akan dibuat terdapat dua halaman, yakni halaman admin, dan halaman Ahli Gizi
6. Halaman admin hanya diakses programmer untuk pengembangan program
7. Halaman Ahli Gizi dapat diakses admin, dan Ahli Gizi untuk proses penentuan angka kecukupan gizi harian pasien
2. METODE PENELITIAN
Metode penelitian adalah cara atau prosedur atau urutan kegiatan kerja dalam mengamati suatu masalah memahami objek yang akan diteliti dan kemudian menganalisanya sehingga dapat ditarik kesimpulan dan pemahaman terhadap masalah tersebut dan mencari solisinya. Dalam metode penelitian ini ada beberapa hal yang diperhatikan, yaitu:
2.1 Metode Pengumpulan Data
Terdiri dari studi lapangan, wawancara, observasi dan studi pustaka.
2.2 Metode Pengembangan Sistem
Metode yang digunakan dalam pengembangan ini adalah metode increment (iterasi). Dalam metode ini semua tahapan secara berurutan diulang untuk pengembangan sistem yang lebih baik. Adapun tahapan pengembangan sistem metode iteratif yang akan digunakan sebagai berikut:
2.2.1 Analisis
Analisis merupakan tahap pertama dalam proses pembuatan program. Proses Analisis perlu dilakukan menurut tujuan pengumpulan data atau desain penulisan yang dilaksanakan. Adapun pada tahap analisis terdiri dari beberapa anlisis yang akan dilaukan, yakni analisis data, analisis kebutuhan dan analisis teknologi.
3.2.2 Desain
Tahapan desain atau perancangan sistem bertujuan untuk memberikan gambaran umum tentang sistem yang diusulkan. Adapun alat bantu pengembangan sistem yang digunakan adalah Flowchart.
3.2.3 Pembuatan Kode Program (coding)
Pada tahap ini menghasilkan program komputer sesuai dengan desain yang telah dibuat pada tahap desain. Pembuatan kode program menggunakan bahasa pemograman HTML, PHP dan CSS.
3.2.4 Pengujian
Setelah melakukan analisis, desain dan pembuatan kode program (Coding) maka dilakukan pengujian.
Metode pengujian sistem menggunakan metode pengujian white box dan beta testing.
3. HASIL DAN PEMBAHASAN 3.1 Tempat Penelitian
Penelitian dilaksanakan pada poli konsultasi gizi Rumah Sakit Haji Thaha Bakrie yang beralamat di jalan Pangeran Hidayatulloh nomer 11, Samarinda.
3.2 Hasil Analisis
3.2.1 Hasil Analisis Kebutuhan
Dalam analisis kebutuhan akan menganalisa kebutuhan-kebutuhan disesuaikan dengan kebutuhan atau keinginan Ahli Gizi antara lain:
1. Halaman Company profile RS Haji Thaha Bakrie 2. Halaman Admin
3. Halaman Ahli Gizi 3.2.2 Hasil Analisis Data
Analisis data diperoleh dari hasil wawancara dengan beberapa Ahli Gizi, observasi di lapangan serta studi literatur.
3.2.3 Hasil Analisa Teknologi
Berikut adalah analisis teknologi untuk membangun program penentuan Angka Kecukupan Gizi (AKG) pada RS Haji Thaha Bakrie dengan menerapkan Algoritma K- Nearest Neighbor:
1. Software
Dalam pembuatan sistem ini menggunakan perangkat lunak (software) sebagai berikut :
1) Sistem Operasi Windows 7 2) PHP sebagai bahasa pemrograman 3) My SQL sebagai pembuatan database 1. Hardware
Dalam pembuatan sistem ini digunakan perangkat keras (hardware) sebagai berikut :
1) Laptop / PC dengan Processor intel core i5 2) Memory minimal 1 GB
3) Hard Disk minimal 1 GB 3.3 Hasil Desain
Hasil dari desain menjelaskan tentang flowchart sistem perhitungan program. Pada flowchart sistem perhitungan menjelaskan bahwa sistem perhitungan dimulai dari proses input data pasien, lalu input bahan makanan pasien, perhitungan total gizi makanan pasien, perhitungan nilai antibut dari kesesuaian gizi makanan dan nilai AKG, dan selanjutnya perhitungan nilai kemiripan gizi pasien dengan pasien terdahulu (training data) menggunakan Algoritma K-Nearest Neighbor.
Berikut adalah flowchart sistem perhitungan:
Mulai
Menambahkan data pasien
Menambahkan bahan makanan pasien
Pemanggilan nilai AKG berdasarkan umur dan jenis kelamin pasien
Nilai MIN AKG = nilai AKG – nilaiAKG * 0.2 Nilai MAX = nilai AKG – nilai AKG * 0.2
Perbandingan total gizi makanan dengan nilai MIN AKG dan nilai MAX AKG
Pemanggilan status gizi pasien terdahulu (training data)
Perhitungan algoritma K-Nearest Neighbor
rumus Similarity = jarak karbo * bobot karbo + jarak lemak * bobot lemak + jarak protein * bobot protein + jarak kalori * bobot kalori / jumlah bobot
Selesai Input data Pasien (nama_pasien,
umur, jenis_kelamin, alamat)
jumlah gizi bahan makanan = gizi makanan * berat Total gizi makanan pasien = penjumlahan dari semua jumlah gizi bahan makanan
SESUAI?
Nilai Atribut = „SESUAI „
Nilai Atribut =
„TIDAK SESUAI „
ya tidak
Status gizi pasien
Perhitungan jarak zat gizi pasien dengan zat gizi training data
Data pasien dan training data yang mirip
Gambar 3.1 flowchart sistem perhitungan 3.4 Contoh Kasus
Pada contoh kasus menjelaskan tentang gambaran umum jalannya proses perhitungan program. Adapun pada contoh kasus terdapat tiga kasus sebagai berikut:
1. Kasus Pertama
Misalkan ditemui pasien anak bernama Adit, umur 2 tahun beralamat di jalan Aminah dengan data makanan sebagai berikut:
Tabel 3.1 Data Makanan Adit
No. Nama
Makanan
Berat (gram)
Karboh idrat
Lemak Protein Kalori
1. Beras Nasi 200 81.2 0.2 4.2 356
2. Ikan segar 90 0 4.05 15.3 101.7
3. Tom at Masak 75 3.15 0.225 0.75 15
4. Miny ak Kelapa 10 0 9.8 0.1 87
5. Apel 300 44.7 1.2 0.9 174
6. Ay am 100 0 25 18.2 302
7. Tem pe Kedelai Murni
100 12.7 4 18.3 149
8. Wortel 200 18.6 0.6 2.4 84
Total G izi 160.35 49.975 60.2 1312.2
Penyelesaian
:
Dari data umur dan jenis kelamin Adit dapat diperoleh nilai AKG yang direkomendasikan Yakni:
Tabel 3.2 Data Makanan Adit
Kelompok AKG
Jenis Kelamin
Karbohidrat Lemak Protein Kalori
Um ur 1-3 Tahun Laki-laki 155 44 26 1125
Selanjutnya, Menghitung nilai MIN dan MAX masing - masing nilai AKG untuk menentukan batas atas dan batas bawah nilai AKG sehingga diperoleh Nilai Atribut SESUAI atau TIDAK SESUAI.
1) MIN Karbohidrat= 155 - 155*0.2 = 155 – 31 = 124 MAX Karbohidrat= 155 + 155*0.2 = 155 + 31 = 186
Nilai Karbohidrat Adit = 160.35
MIN Karbohidrat ≤ Nilai Karbohidrat Adit ≤ MAX Karbohidrat
Maka Nilai Atribut Karbohidrat Adit = SESUAI 2) MIN Lemak = 44 – 44*0.2 = 44 – 8.8 = 35.2
MAX Lemak = 44 + 44*0.2 = 44 + 8.8 = 52.8 Nilai Lemak Adit = 49.975
MIN Lemak ≤ Nilai Lemak Adit ≤ MIN Lemak Maka Nilai Atribut Lemak Adit = SESUAI 3) MIN Protein = 26 – 26*0.2 = 26 – 5.2 = 20.8
MAX Protein = 26 + 26*0.2 = 26 + 5.2 = 31.2 Nilai Protein Adit = 60.2
Nilai Protein Adit > MAX Protein
Maka Nilai Atribut Protein Adit = TIDAK SESUAI 4) MIN Kalori = 1125 – 1125*0.2 = 1125– 225 = 900
MAX Kalori = 1125 + 1125*0.2 = 1125 + 225 = 1350
Nilai Kalori Adit = 1312.2
MIN Kalori ≤ Nilai Kalori Adit ≤ MAX Kalori Maka Nilai Atribut Kalori Adit = SESUAI
Dari Data Nilai Atribut gizi makanan adit dapat diringkas menjadi sebuah tabel sebagai berikut:
Tabel 3.2 Tabel Nilai Atribut Gizi Adit
Nama Pasien Karbohidrat Lemak Protein Kalori
Adit SESUAI SESUAI TIDAK SESUAI SESUAI
2. Kasus Kedua
Misalkan ditemui pasien anak bernama Abi, umur 3 tahun beralamat di jalan Hidayatulloh No.19 dengan data makanan sebagai berikut:
Tabel 3.3 Data Makanan Abi
No. Nama
Makanan
Berat (gram)
Karbohidrat Lemak Protein Kalori
1. Beras Nasi 200 81.2 0.2 4.2 356
2. Tahu 100 1.6 4.6 7.8 68
3. Wortel 100 9.3 0.3 1.2 42
4. Buncis 100 7.7 4.6 7.8 68
5. Susu Sapi 200 8.6 7 6.4 122
6. Miny ak Kelapa
10 0 9.8 0.1 87
7. Biskuit 100 75.1 14.4 6.9 458
Total G izi 183.5 36.5 29 1168
Penyelesaian
:
Dari data umur dan jenis kelamin Abi dapat diperoleh nilai AKG yang direkomendasikan yakni:
Tabel 3.4 Nilai AKG Abi
Kelompok AKG
Jenis Kelamin
Karbohidrat Lemak Protein Kalori
Um ur 1-3 Tahun Laki-laki 155 44 26 1125
Selanjutnya, Menghitung nilai MIN dan MAX masing - masing nilai AKG untuk menentukan batas atas dan batas bawah nilai AKG sehingga diperoleh Nilai Atribut SESUAI atau TIDAK SESUAI.
1) MIN Karbohidrat= 155 - 155*0.2 = 155 – 31 = 124 MAX Karbohidrat= 155 + 155*0.2 = 155 + 31 = 186 Nilai Karbohidrat Abi = 183.5
MIN Karbohidrat ≤ Nilai Karbohidrat Abi ≤ MAX Karbohidrat
Maka Nilai Atribut Karbohidrat Abi = SESUAI 2) MIN Lemak = 44 – 44*0.2 = 44 – 8.8 = 35.2 MAX Lemak = 44 + 44*0.2 = 44 + 8.8 = 52.8 Nilai Lemak Abi = 36.5
MIN Lemak ≤ Nilai Lemak Abi ≤ MAX Lemak Maka Nilai Atribut Lemak Abi = SESUAI 3) MIN Protein = 26 – 26*0.2 = 26 – 5.2 = 20.8 MAX Protein = 26 + 26*0.2 = 26 + 5.2 = 31.2 Nilai Protein Abi = 29
MIN Potein ≤ Nilai Protein Abi ≤ MAX Protein Maka Nilai Atribut Protein Abi = SESUAI 4) MIN Kalori = 1125 – 1125*0.2 = 1125– 225 = 900 MAX Kalori = 1125 + 1125*0.2 = 1125 + 225 = 1350 Nilai Kalori Abi = 1168
MIN Kalori ≤ Nilai Kalori Abi ≤ MAX Kalori Maka Nilai Atribut Kalori Abi = SESUAI
Dari beberapa data nilai atribut gizi makanan abi dapat diringkas menjadi sebuah tabel sebagai berikut:
Tabel 3.5 Tabel Nilai Atribut Gizi Abi
Nama Pasien Karbohidrat Lemak Protein Kalori
Abi SESUAI SESUAI SESUAI SESUAI
3. Kasus Ketiga
Misalkan ditemui data pasien lama atas nama Ari.
Adapun data Ari adalah anak- anak berjenis kelamin laki-laki, mempunyai umur 3 tahun bertempat tingg al di jalan Gatot Subroto No.48. Berikut adalah bahan makanan sehari-hari yang dikonsumsi Ari:
Tabel 3.6 Data Makanan Ari
No. Nama
Makanan
Berat (gram)
Karbohidrat Lemak Protein Kalori
1. Beras Nasi 300 121.8 0.3 6.3 534
2. Ikan Segar 90 0 4.05 15.3 101.7
3. Jam ur Kuping Segar
60 0.54 0.36 2.28 9
4. Apel 400 59.6 1.6 1.2 232
5. Telur Ay am 35 0.245 4.025 4.48 56.7
7. Jagung Muda Kuning
200 60.6 2.6 2.2 258
8. Tem pe KedelaiMurni
150 19.05 6 27.45 223.5
Total G izi 261.835 33.635 59.36 154.4
Penyelesaian :
Dari data umur dan jenis kelamin Ari dapat diperoleh nilai AKG yang direkomendasikan yakni:
Tabel 3.7 Nilai AKG Ari
Kelompok AKG
Jenis Kelamin
Karbohidrat Lemak Protein Kalori
Um ur 1-3 Tahun Laki-laki 155 44 26 1125
Selanjutnya, Menghitung nilai MIN dan MAX masing - masing nilai AKG untuk menentukan batas atas dan batas bawah nilai AKG sehingga diperoleh Nilai Atribut SESUAI atau TIDAK SESUAI.
1) MIN Karbohidrat= 155 - 155*0.2 = 155 – 31 = 124 MAX Karbohidrat= 155 + 155*0.2 = 155 + 31 = 186 Nilai Karbohidrat Ari = 261.835
Nilai Karbohidrat Ari > MAX Karbohidrat
Maka Nilai Atribut Karbohidrat Ari=TIDAK SESUAI 2) MIN Lemak = 44 – 44*0.2 = 44 – 8.8 = 35.2
MAX Lemak = 44 + 44*0.2 = 44 + 8.8 = 52.8 Nilai Lemak Ari = 33.635
Nilai Lemak Ari < MIN Lemak
Maka Nilai Atribut Lemak Ari = TIDAK SESUAI 5) MIN Protein = 26 – 26*0.2 = 26 – 5.2 = 20.8 MAX Protein = 26 + 26*0.2 = 26 + 5.2 = 31.2 Nilai Protein Ari = 59.36
Nilai Protein Ari > MAX Protein
Maka Nilai Atribut Protein Ari = TIDAK SESUAI 6) MIN Kalori = 1125 – 1125*0.2 = 1125– 225 = 900 MAX Kalori = 1125 + 1125*0.2 = 1125 + 225 =1350 Nilai Kalori Ari = 1545.4
Nilai Kalori Ari > MAX Kalori
Maka Nilai Atribut Kalori Ari = TIDAK SESUAI Data Nilai Atribut gizi makanan abi dapat dilihat pada tabel berikut:
Tabel 3.8 Tabel Nilai Atribut Gizi Ari
Nama Pasien
Karbohidrat Lemak Protein Kalori
Ari TIDAK SESUAI TIDAK SESUAI TIDAK SESUAI TIDAK SESUAI
4. Perhitungan K-Nearest Neighbor
Perhitungan K-Nearest Neighbor dilakukan dengan cara membandingkan nilai atribut antara data gizi adit, abi dan ari. Langkah awal dalam proses perbandingan adalah menentukan training data dengan data baru.
Adapun dalam kasus ini data baru adalah pasien atas nama adit dan pasien lama (training data) adala abi dan ari.
Perbandingan adit dengan kasus kedua atas nama abi dapat dilihat pada tabel berikut:
Tabel 3.9 Tabel Perbandingan Nilai Atribut Gizi Adit dengan Abi
Nama Pasien Karbohidrat Lemak Protein Kalori
Adit SESUAI SESUAI TIDAK SESUAI SESUAI
Abi SESUAI SESUAI SESUAI SESUAI
Nilai Atribut 1 1 0.3 1
Misal, Nilai atribut karbohidrat = karbo, Nilai atribut lemak = lemak, Niai atribut protein = protein, Nilai Atribut kalori = kalori dan bobot Atribut karbohidrat = bk, bobot Antribut lemak = bl, bobot Atribut protein = bp, bobot atribut kalori = bkal
Maka, diperoleh nilai- nilai sebagai berikut
Karbo =1 bk = 0.6
lemak = 1 bl = 0.2
protein = 0.3 bp = 0.3
kalori = 1 bkal = 0.7
Similarity =
=
= =
=
0.8833Proses perbandingan data adit dengan ari, sebagai berikut:
Tabel 3.10 Tabel Perbandingan Nilai Atribut Gizi Adit dengan Ari
Maka, diketahui nilai-nilai atribut , yakni karbo = 0.6 , lemak = 0.2 , protein = 1, dan kalori = 0.7
Similarity
=
=
= = =
0.6611Kesimpulan :
Nama Pasien Karbohidrat Lemak Protein Kalori
Adit SESUAI SESUAI TIDAK SESUAI SESUAI
Ari TIDAK SESUAI TIDAK
SESUAI
TIDAK SESUAI TIDAK SESUAI
Nilai Atribut 0.6 0.2 1 0.7
Dari hasil perbandingan antara data baru yakni data gizi adit dengan dua training data yakni abi dan ari, diperoleh data kerimipan adit dengan abi adalah 0.8833, sedangkan nilai kemiripan adit dengan ari adalah 0.6611. Sehingga training data yang paling mirip dengan data gizi adit adalah data gizi abi. karena nilai kemiripan adit dengan abi cenderung mendekati angka 1 dari pada nilai kemiripan adit dengan ari.
3.5 Implementasi
Merupakan hasil tampilan program berdasarkan perhitungan angka kecukupan gizi harian dengan Algoritma K-Nearest Neighbor
3.5.1 Halaman Input data pasien
halaman input data paseien berfungsi untuk menambahkan data pasien.
3.5.2 Halaman Input Makanan Pasien
Halaman ini berfungsi untuk menambahkan bahan makanan yang dikonsumsi pasien sehari-hari
3.5.3 Halaman Total Gizi Makanan Pasien
Pada halaman ini berfingsi untuk menghitung total makanan dan menambah total gizi makanan pasien ke database.
3.5.4 Halaman Penentuan Status Gizi Pasien
Halaman ini berfungsi untuk menghitung status gizi pasien dan menampilkannya pada tabel data status gizi pasien
3.5.5 Halaman Perhitungan Kemiripan
Halaman ini berfungsi untuk proses perhitungan kemiripan gizi pas ien dengan pasien terdahulu dengan menggunaan Algoritma K-Nearest Neighbor.
4. KESIMPULAN
Berdasarkan pengamatan dan penelitian maka penulis menyimpulkan sebagai berikut:
1. Angka Kecukupan Gizi (AKG) tiap individu berbeda- beda tergantung dari beberapa faktor salah satunya adalah umur dan jenis kelamin
2. Konsultasi Gizi pada RS Haji Thaha Bakrie dilakukan dengan cara masih sederhana yakni tanya jawab langsung dengan pasien selanjutnya dicatat pada kertas dan pencarian daftar makanan pada program Microsoft Excel.
3. Proses konsultasi gizi pada RS Haji Thaha Bakrie dilakukan oleh dua Ahli Gizi yakni Afrilia Sandra, S.K.M dan Nurhasanah, S.K.M.
4. Pengelompokan pasien berdasarkan angka kecukupan gizi dapat mempercepat proses pencarian data makanan yang sesuai
5. Dibutuhkan nilai minimal dan nilai maksimal dari nilai angka kecukupan gizi untuk menentukan kesesuaian gizi pasien
6. Proses pengelompokan pasien Berdasarkan kesesuaian gizi pasien terhadap nilai angka kecukupan gizi pasien
7. Salah satu teknik pengelompokan data menggunakan algoritma K-Nearest Neighbor adalah dengan menghitung nilai kemiripan (Similarity) antara pasien baru dengan pasien terdahulu (training data) 8. Pada pengujian aplikasi penulis menggunakan
pengujian white box dan pengujian beta testing 5. SARAN
Dari uraian-uraian yang sebelumnya maka penulis memberikan saran-saran sebagai berikut:
1. Pada pelayanan gizi RS Haji Thaha Bakrie Perlu adanya program yang mampu menentukan angka kecukupan gizi (AKG) harian dan bahan makanan yang sesuai dengan kondisi pasien
2. Dengan adanya program penentuan angka kecukupan gizi (AKG) harian dapat memaksimalkan pelayanan konsultasi gizi pada RS Haji Thaha Bakrie.
3. Penambahan training data yang mendekati nilai AKG sesuai umur dan jenis kelamin dapat menambah keakuratan dalam menentukan rekomendasi makanan pasien baru
4. Pembuatan program Penentuan Angka Kecukupan Gizi Pada RS Haji Thaha Bakrie dengan penerapan Algoritma K-Nearest Neighbor disadari masih terdapat kekurangan, untuk itu butuh pengembangan lebih lanjut.
5. Dalam mengutip dan mengembangkan program Penentuan Angka Kecukupan Gizi Pada RS Haji Thaha Bakrie dengan penerapan Algoritma K-Nearest Neighbor diharapkan mencatumkan nama peneliti, 6. DAFTAR PUSTAKA
Almatsier, S., 2010, Prinsip Dasar Ilmu Gizi, Jakarta: Gramedia Pustaka Utama.
Cooper, 2008, Nutrition in Health and Diseaces, Philadelpia: JB. Lipponcot.
Cormen, Thomas H, Charles E. Leiserson, Ronald L.
Rivest, and Clifford Stein, 2009, Introduction to Algorithms 3rd Ed, London: The MITPress.
Fitri, Saka Adnindo, 2016,Rancang Bangun Sistem Penduk ung Keputusan Pemilihan Menu Mak anan Diet Berdasark an Status Gizi Dengan Metode K-Nearest Neighbor, Surabaya:
UNAIR.
Gorunescu, F., 2011,Data Mining Concepts, Models and Tehniques. Intelligent Systems Reference Library, Volume 12, Berlin Heidelberg:
Springer-Verlag.
Harjono, 2009,Mendayagunak an Internet, Bandung:
Modula Bandung.
Indrajani, 2011,Perancangan Basis Data dalam All in 1, Jakarta: PT. Elex Media Komputindo.
Janner, Simarmata, 2010, Rek ayasa Perangk at Lunak , Yogyakarta: Penerbit Andi.
Jauhari Ahmad, 2013, Dasar-DasarIlmu Gizi, Yogyakarta: Jaya Ilmu.
Kementerian Kesehatan, 2013,Permenk es RI NO 75 Tahun 2013 tentang Angk a Kecuk upan Gizi yang Dianjurk an bagi Bangsa Indonesia , Jakarta: Menteri Kesehatan RI.
Kusrini, luthfi taufiq Emha, 2009,Algoritma Data Mining, Yogyakarta: Penerbit Andi.
Lediyana, Heny, 2013, Penerapan Algoritma K- Nearest Neighbor untuk penentuan resik o k redit
k epemilik an k endaraan bermotor, Jakarta:
STMIK Nusa Mandiri
Mirza, Said Pahlevi, 2013, Tujuh Langk ah Prak tis Pembangunan Basis Data, Jakarta : PT. Elex Media Komputindo.
Oxorn, Harry dan William R. Forte, 2010,Ilmu Kebidanan, Patologi dan Fisiologi Persalinan , Yogyakarta: Yayasan Esentia Medika.
Permenkes No 340/ Menkes/ per / III /2010, Tentang Klasifik asi Rumah Sak it,2010.
S, Rosa A. dan M. Shalahuddin, 2015, Pemograman Web Dengan HTML, Bandung: Informatika Bandung.
S, Rosa A. dan M. Shalahuddin, 2015, Rek ayasa Perangk at Lunak , Bandung: Informatika Bandung.
Serbell, 2008, The Vitamin, New York: Acad Press.
Wibisono, Hanggara Aditya, 2017, Sistem Pendukung Keputusan Penentuan Status Gizi Balita Dengan Metode Fuzzy Tsuk amoto, Sumatra Barat: STKIP
Widiarsana, I.G.A., 2011,Metode Klasifik asi K- Nearest Neighbor (KNN), Denpasar: Fakultas Teknik Universitas Udayana.