Perancangan Dashboard untuk Klasifikasi Stunting Menggunakan Machine Learning pada Dinas Komunikasi dan Informatika Kota Tangerang

Marcellina, Putri (2025) Perancangan Dashboard untuk Klasifikasi Stunting Menggunakan Machine Learning pada Dinas Komunikasi dan Informatika Kota Tangerang. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (458kB)
	PDF BAB_I.pdf Download (378kB)
	PDF BAB_II.pdf Download (319kB)
	PDF BAB_III.pdf Download (3MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (269kB)
	PDF DAFTAR_PUSTAKA.pdf Download (231kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Stunting merupakan masalah kesehatan serius di Indonesia, termasuk di Kota Tangerang, akibat kekurangan gizi kronis. Menurut World Health Organization (WHO) 2022, stunting global mencapai 22,3%. Di Kota Tangerang, data stunting masih dikelola manual menggunakan Excel, sehingga proses pemantauan menjadi kurang efisien. Dinas Komunikasi dan Informatika Kota Tangerang dipilih sebagai lokasi magang karena menyediakan data yang sesuai bidang analisis data. Proses magang mengikuti framework Cross Industry Standard Process for Data Mining (CRISP-DM), dimulai dari memahami masalah, memahami data, pembersihan, pemodelan, evaluasi, hingga deployment. Proses dimulai dengan analisis data menggunakan Random Forest dan Regresi Linear. Kedua algoritma ini dipilih karena memiliki pendekatan yang berbeda. Random Forest untuk klasifikasi, Regresi Linear untuk hubungan linier antar variabel. Analisis dilakukan pada dataset stunting_v2 yang berisi 42.296 baris dan 15 kolom. Data dibagi menggunakan metode train_test_split dengan rasio 80:20, 80% pelatihan dan 20% pengujian. Hasilnya, Random Forest menunjukkan akurasi tertinggi sebesar 98,72%, lebih unggul dibanding Regresi Linear yang hanya 93,67%. Model terbaik dibuat menjadi Application Programming Interface (API) menggunakan flask, dan ditampilkan melalui dashboard berbasis website menggunakan CodeIgniter3. Dashboard menampilkan ringkasan utama, analisis wilayah, faktor risiko, profil anak dan fasilitas kesehatan. Dashboard diuji melalui User Acceptance Testing (UAT). Hasilnya, 80% menunjukkan skor 5, menandakan dashboard mudah dipahami. Tantangan yang dihadapi adalah data tidak rapi, sehingga diperlukan proses pembersihan. Seluruh proses dilakukan dalam program MBKM Magang dengan durasi minimal 640 jam, dari 3 Februari hingga 30 Juni 2025.

Item Type:	Thesis (MBKM)
Keywords:	Dashboard, Machine Learning, Random Forest, Regresi Linear, Stunting
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	18 Jul 2025 13:05
Last Modified:	18 Jul 2025 13:05
URI:	https://kc.umn.ac.id/id/eprint/38985

Actions (login required)

View Item