Penggunaan Algoritma K-Nearest Neighbour Untuk Klasifikasi Indeks Massa Tubuh di PT. Fuji Seat Surya Cipta
Kesehatan menjadi hal utama yang menjadi kunci untuk kita mampu menjalankan aktivitas pekerjaan normal, dengan kondisi sehat kita bisa melakukan aktivitas pekerjaan seperti biasa dan menghasilkan produk yang lebih bagus. Di PT.Fuji Seat Surya Cipta hingga kini belum memiliki standarisasi indeks massa tubuh yang mengatur untuk para karyawannya. Dalam penelitian ini perhitungan indeks massa tubuh berdasarkan tinggi badan dan berat badan menggunakan algoritma K-Nearest Neighbour bertujuan untuk mengklasifikasi indeks massa tubuh dan mengetahui tingkat akurasi dengan menggunakan algoritma K-Nearest Neighbour. Pengujian dalam penelitian menggunakan 3 kategori diantaranya yaitu normal, kurus, dan obesitas. Hasil perhitungan dari 3 kategori menghasilkan normal 65 orang, kurus 7 orang dan 8 orang gemuk. Hasil pengujian menggunakan aplikasi dengan berdasarkan IMT (Indeks Masa Tubuh) dan pengukuran jarak Euclidean Untuk menentukan status IMT berdasarkan berat badan kurus, normal, gemuk. Uji coba yang telah dilakukan penelitian ini yaitu sebesar 93,75 % dengan k=10 untuk perhitungan manual dan 82,61 % untuk perhitungan menggunakan aplikasi dari 80 data training.
Kata Kunci : K-Nearest Neighbour, Data Mining, Klasifikasi, Indeks Massa Tubuh.
Detail Information
Bagian |
Informasi |
Pernyataan Tanggungjawab |
|
Pengarang |
Setiawan, Bagas Dwie - Personal Name Siregar, Amril Mutoi - Personal Name Lestari, Santi Arum Puspita - Personal Name
|
Edisi |
Print |
No. Panggil |
TA/IF 190025 |
Subyek |
Informatika Komputer
|
Klasifikasi |
Teknik Informatika |
Judul Seri |
|
GMD |
Text |
Bahasa |
Indonesia |
Penerbit |
Fakultas Teknik dan Ilmu Komputer |
Tahun Terbit |
2019 |
Tempat Terbit |
karawang |
Deskripsi Fisik |
|
Info Detil Spesifik |
Teknik Informatika |
Citation
. (2019).Penggunaan Algoritma K-Nearest Neighbour Untuk Klasifikasi Indeks Massa Tubuh di PT. Fuji Seat Surya Cipta.(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd