Klasifikasi Stunting pada Balita Menggunakan Algoritma Random Forest (Studi Kasus Kecamatan Mauk, Kabupaten Tangerang)

Kafijaya, Kafijaya (2025) Klasifikasi Stunting pada Balita Menggunakan Algoritma Random Forest (Studi Kasus Kecamatan Mauk, Kabupaten Tangerang). Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (212kB)
	PDF BAB_II.pdf Download (325kB)
	PDF BAB_III.pdf Download (550kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Download (226kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Stunting merupakan salah satu permasalahan utama dalam malnutrisi anak yang masih dihadapi di Indonesia. Kondisi ini tidak hanya memengaruhi pertumbuhan fisik, tetapi juga berdampak pada perkembangan kognitif dan motorik anak. Deteksi dini yang akurat sangat diperlukan untuk mendukung intervensi yang lebih efektif. Penelitian ini bertujuan untuk mengklasifikasikan stunting pada balita di Kecamatan Mauk, Kabupaten Tangerang, menggunakan algoritma Random Forest. Model dikembangkan dengan menerapkan teknik feature selection, hyperparameter tuning, dan Synthetic Minority Over-sampling Technique (SMOTE). Evaluasi dilakukan menggunakan metrik Confusion Matrix, yang mencakup accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki kemampuan yang baik dalam mengklasifikasikan stunting pada balita, dengan akurasi sebesar 89,70% pada data uji dan tingkat prediksi benar sebesar 89,21% pada data validasi. Model terbaik yang diperoleh adalah hasil dari penerapan kombinasi metode feature selection dan hyperparameter tuning tanpa penerapan SMOTE, yang menunjukkan bahwa SMOTE tidak selalu meningkatkan performa model pada dataset yang digunakan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Kafijaya, Kafijaya (00000061651)
Contributors:	Irmina Prasetiyowati, Maria
Keywords:	Feature Selection, Hyperparameter Tuning, Random Forest, SMOTE, Stunting
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	10 Sep 2025 05:41
URI:	https://kc.umn.ac.id/id/eprint/40448

Actions (login required)

View Item