Classifying Stunting Status In Toddlers Using K-Nearest Neighbor And Logistic Regression Analysis - Dalam bentuk buku karya ilmiah

ALVIN TOLOPAN ARMANDO SIBUEA

Informasi Dasar

193 kali
24.04.762
001.64
Karya Ilmiah - Skripsi (S1) - Reference

 

Stunting adalah gangguan pertumbuhan anak yang kritis, ditandai dengan tinggi badan di bawah norma kelompok umur. Meskipun prevalensi stunting di Indonesia menurun secara signifikan dari 37% pada tahun 2014 menjadi 21,6% pada tahun 2022, pencapaian penurunan target menjadi 14% pada tahun 2024 tetap menjadi hal yang sangat penting. Studi ini berkontribusi pada tujuan kesehatan nasional ini dengan mengembangkan model prediktif yang kuat untuk stunting pada balita menggunakan pembelajaran mesin. Penelitian ini menggunakan dua model, K-Nearest Neighbors (KNN) dan Regresi Logistik. Dataset yang digunakan dalam penelitian ini menunjukkan kesenjangan data yang besar, di mana mayoritas datanya secara signifikan lebih tinggi daripada minoritasnya. Kedua metode yang dipilih ini berfokus pada mitigasi ketidakseimbangan data melalui teknik oversampling dan undersampling. Model KNN sangat cocok untuk studi ini karena efektivitasnya dalam menangani pola kompleks dan non-linear yang sering ditemukan dalam data kesehatan yang multifaset seperti indikator stunting. Model ini secara konsisten menunjukkan akurasi tinggi, rata-rata 0,980, dan mencapai 0,987 untuk F1-Score. Regresi Logistik, yang dipilih karena kemampuannya memberikan interpretasi yang jelas, sangat berguna dalam memahami dampak berbagai indikator kesehatan, juga tampil baik dengan akurasi rata-rata 0,877 dan F1-Score 0,894. Studi ini menyoroti signifikansi pembelajaran mesin dalam mengatasi stunting anak, menyediakan alat yang efektif untuk prediksi. Kombinasi kemampuan KNN dalam menangani data kompleks dan interpretasi Regresi Logistik, bersama dengan penyeimbangan data, berkontribusi pada tujuan mengurangi prevalensi stunting. Ringkasnya, penelitian ini menangani stunting anak, masalah mendesak di Indonesia. Dengan memanfaatkan teknik pembelajaran mesin, penelitian ini mengembangkan model prediktif untuk membantu dalam pencegahan stunting. KNN unggul dalam menangkap pola kompleks, sementara Regresi Logistik menawarkan interpretasi. Model-model ini menawarkan janji dalam mencapai tujuan penting mengurangi stunting menjadi 14% pada tahun 2024.

Subjek

DATA SCIENCE
 

Katalog

Classifying Stunting Status In Toddlers Using K-Nearest Neighbor And Logistic Regression Analysis - Dalam bentuk buku karya ilmiah
 
 
INGGRIS

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

ALVIN TOLOPAN ARMANDO SIBUEA
Perorangan
Putu Harry Gunawan
 

Penerbit

Universitas Telkom, S1 Informatika
Bandung
2024

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini