EKATRI YULISARA, - (2026) PREDIKSI RISIKO STUNTING PADA BALITA MENGGUNAKAN ALGORITMA MACHINE LEARNING. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text File Lengkap Tanpa BAB 4 - Ekatri - EKATRI YULISARA SISTEM INFORMASI.pdf Download (3MB) | Preview
	Text (BAB HASIL) File Hasil Penelitian BAB 4 - Ekatri - EKATRI YULISARA SISTEM INFORMASI.pdf Restricted to Repository staff only Download (396kB)
Preview	Text surat pernyataan persetujuan publikasi tugas akhir ara - EKATRI YULISARA SISTEM INFORMASI.pdf Download (406kB) | Preview

Abstract

Stunting merupakan masalah gizi kronis pada balita yang berdampak jangka panjang terhadap pertumbuhan fisik, perkembangan kognitif, serta kualitas sumber daya manusia. Tingginya prevalensi stunting di Indonesia menunjukkan pentingnya upaya deteksi dini yang akurat dan berbasis data. Penelitian ini bertujuan untuk memprediksi risiko stunting pada balita menggunakan pendekatan machine learning serta membandingkan kinerja beberapa algoritma klasifikasi. Dataset yang digunakan berasal dari Stunting Balita Detection dengan jumlah 121.000 data yang diperoleh dari platform Kaggle, dengan atribut umur, jenis kelamin, dan tinggi badan sebagai variabel prediktor serta status gizi sebagai variabel target. Lima algoritma machine learning yang diterapkan dalam penelitian ini meliputi Random Forest, Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Naïve Bayes, dan Decision Tree C4.5. Tahapan penelitian mencakup preprocessing data, pembagian data latih dan data uji dengan rasio 80:20, pelatihan model, serta evaluasi kinerja menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbor (KNN) dan Random Forest memiliki kinerja paling optimal dengan nilai evaluasi yang tinggi dan relatif seimbang dibandingkan algoritma lainnya. Model yang dihasilkan diharapkan dapat membantu proses deteksi dini risiko stunting pada balita serta mendukung pengembangan sistem pendukung keputusan di bidang kesehatan dalam upaya penurunan angka stunting di Indonesia.

Actions (login required)

View Item