PENGEMBANGAN ALGORITMA TERHADAP DETEKSI STUNTING BERDASARKAN PERBANDINGAN ALGORITMA RANDOM FOREST, SVM, KNN

Fernando, Vicko (2025) PENGEMBANGAN ALGORITMA TERHADAP DETEKSI STUNTING BERDASARKAN PERBANDINGAN ALGORITMA RANDOM FOREST, SVM, KNN. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (719kB)
	Text BAB I.pdf Download (297kB)
	Text BAB II.pdf Download (373kB)
	Text BAB III.pdf Download (562kB)
	Text BAB IV.pdf Download (471kB)
	Text BAB V.pdf Download (271kB)
	Text Lampiran.pdf Download (439kB)

Abstract

Stunting adalah masalah gizi yang semakin sering terjadi di negara berkembang,
termasuk Indonesia. Kondisi ini ditandai dengan tubuh yang lebih pendek atau sangat
pendek dibandingkan standar usianya, melebihi batas defisit -2 SD di bawah median
panjang badan (PB) atau tinggi badan (TB). Masalah ini menjadi perhatian serius di
Indonesia karena gangguan tumbuh kembang anak yang lambat dapat berakibat pada
masalah gizi serta keterlambatan kecerdasan, yang dapat memengaruhi kualitas
sumber daya manusia di masa depan. Penelitian ini bertujuan untuk mengembangkan
aplikasi berbasis perangkat lunak yang dapat mendeteksi potensi stunting pada balita
di Posyandu Mawar, RW 11, Kelurahan Pabuaran, Kecamatan Cibinong, Kabupaten
Bogor. Dalam penelitian ini, saya akan menerapkan klasifikasi menggunakan
algortitma terbaik di antara Random Forest, SVM, KNN. Berdasarkan perbandingan
yang penulis coba ditemukan algoritma yang paling cocok adalah Algoritma Random
Forest. Dengan adanya aplikasi ini, diharapkan dapat mengoptimalkan peran
Posyandu dalam pencegahan stunting dan meningkatkan pengetahuan masyarakat
mengenai pentingnya gizi yang baik bagi perkembangan anak.

Item Type:	Thesis (Bachelor)
Subjects:	L Education > L Education (General) R Medicine > R Medicine (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika
Depositing User:	Users 30 not found.
Date Deposited:	01 Jul 2025 07:42
Last Modified:	01 Jul 2025 07:42
URI:	https://repository.unas.ac.id/id/eprint/13235

Actions (login required)

View Item