Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

KLASIFIKASI STATUS STUNTING BALITA MENGGUNAKAN METODE C4.5 BERBASIS WEB

Fauzan Adzim, - and Elvia Budianita, - and Alwis Nazir, - and Fadhilah Syafria, - (2023) KLASIFIKASI STATUS STUNTING BALITA MENGGUNAKAN METODE C4.5 BERBASIS WEB. ZONAsi - Jurnal Sistem Informasi, 5 (3). pp. 515-525. ISSN 2656-7407

[img]
Preview
Text
Skripsi_repo_Fauzan_Adzim.pdf

Download (2MB) | Preview

Abstract

Stunting pada balita merupakan permasalahan serius yang perlu diselesaikan karena berdampak negatif pada pertumbuhan dan perkembangan anak. Stunting adalah keadaan dimana balita mengalami kekurangan gizi yang kronis sehingga pertumbuhan fisik dan tinggi badannya tidak sejalan dengan usianya. Pola makan yang tidak memadai dan nutrisi yang tidak sesuai menjadi sebab terjadinya stunting pada balita. Dalam upaya pencegahan stunting dilakukan pemantauan terhadap status gizi dan tumbuh kembang balita setiap bulan di posyandu terdekat. Untuk menentukan status balita normal atau stunting masih menggunakan cara manual berdasarkan metode antropometri sehingga dapat meningkatkan risiko kesalahan dalam perhitungan atau penginputan data. Menggunakan teknik Data mining dapat menentukan klasifikasi atau prediksi pada status stunting balita dengan menganalisis pola data yang telah ada sebelumnya. C4.5 adalah algoritma klasifikasi terkenal dan familiar dan sering digunakan dengan menggunakan teknik pohon keputusan juga mempunyai keunggulan seperti mampu mengolah data numerik (kontinu) dan diskrit, merapikan nilai atribut yang tidak lengkap, menciptakan aturan yang mudah dimengerti, serta kecepatan pemprosesan yang relatif cepat dibandingkan dengan algoritma lainnya adapun dataset yang digunakan terdiri dari atribut umur, jenis kelamin, indeks menyusui dini (IMD), berat badan, dan tinggi badan. Evaluasi model dilakukan dengan mempergunakan confusion matrix dan menghasilkan tingkat akurasi terbaik sebesar 93.62%. Hasil ini diperoleh dari pemisahan data sebanyak 80% data latih sebanyak 20% data uji dengan dengan Max Depth sebesar 10 dan jumlah seluruh data sebanyak 1172.

Item Type: Article
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 18 Dec 2023 07:22
Last Modified: 18 Dec 2023 07:22
URI: http://repository.uin-suska.ac.id/id/eprint/76090

Actions (login required)

View Item View Item