Penerapan Algoritma Random Forest dan Logistic Regression untuk Prediksi Stunting pada Balita Berdasarkan Data Antropometri di Indonesia

Kamil, Bintang Ikhsan (2025) Penerapan Algoritma Random Forest dan Logistic Regression untuk Prediksi Stunting pada Balita Berdasarkan Data Antropometri di Indonesia. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (345kB)
	Text BAB 2.pdf Download (485kB)
	Text BAB 3.pdf Download (492kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (294kB)
	Text LAMPIRAN.pdf Download (2MB)

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma Random Forest dan Logistic Regression dalam memprediksi stunting pada balita di Indonesia menggunakan data antropometri seperti usia, berat badan, tinggi badan, dan lingkar lengan atas. Stunting, yang disebabkan oleh kekurangan gizi kronis, menghambat pertumbuhan fisik balita dan dapat memengaruhi perkembangan jangka panjang mereka. Dalam penelitian ini, kedua algoritma dievaluasi untuk membandingkan akurasi dan kinerja dalam memprediksi status gizi balita. Hasil evaluasi menunjukkan bahwa algoritma Random Forest memberikan akurasi sebesar 89.80%, sementara algoritma Logistic Regression mencapai akurasi sebesar 85.83%. Meskipun Logistic Regression lebih efisien dalam menangani data dengan hubungan linear, Random Forest menunjukkan kinerja yang lebih baik, terutama dalam menangani hubungan yang lebih kompleks dan non-linear dalam data. Selain itu, Random Forest juga menghasilkan kinerja yang lebih baik pada metrik recall dan f1score. Penelitian ini menyimpulkan bahwa Random Forest lebih efektif dalam memprediksi stunting pada balita dengan akurasi yang lebih tinggi. Model ini dapat digunakan oleh tenaga medis dan pembuat kebijakan untuk mendeteksi stunting lebih cepat dan akurat, serta mendukung pengambilan keputusan yang lebih tepat dalam intervensi kesehatan masyarakat.

Item Type:	Thesis (Bachelor)
Subjects:	L Education > L Education (General) R Medicine > R Medicine (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	02 Jul 2025 03:08
Last Modified:	02 Jul 2025 03:08
URI:	http://repository.unas.ac.id/id/eprint/13239

Actions (login required)

View Item