Deteksi Dini Malnutrisi Anak Balita Menggunakan Data Antropometri dan Sosioekonomi DHS dengan Algoritma XGBoost

Axel Leenardi, Steven (2026) Deteksi Dini Malnutrisi Anak Balita Menggunakan Data Antropometri dan Sosioekonomi DHS dengan Algoritma XGBoost. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (4MB)
	PDF BAB_I.pdf Download (213kB)
	PDF BAB_II.pdf Download (313kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (650kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (548kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (225kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (215kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000073786_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Malnutrisi pada anak balita (stunting, wasting, dan underweight) masih menjadi masalah kesehatan masyarakat global. Deteksi dini umumnya bergantung pada pengukuran fisik tinggi dan berat badan yang sulit dilakukan di wilayah dengan keterbatasan tenaga dan fasilitas kesehatan, padahal faktor sosioekonomi dan status gizi ibu turut menentukan risiko malnutrisi. Penelitian ini membangun model deteksi dini malnutrisi anak balita menggunakan algoritma XGBoost berbasis data Demographic and Health Surveys (DHS) dari 29 negara dengan 249.278 observasi. Sebanyak 51 variabel prediktor antropometri dan sosioekonomi digunakan, tanpa menyertakan Z-score anak yang mendefinisikan target guna menghindari kebocoran data. Pemilihan subset delapan negara per-indikator dilakukan berdasarkan ROC- AUC validasi silang, ambang batas ditentukan dengan memaksimalkan balanced accuracy, dan interpretasi model dilakukan menggunakan SHAP. Model terbaik mencapai ROC-AUC 0,817 dengan recall 0,764 untuk stunting, 0,799 dengan recall 0,732 untuk wasting, dan 0,745 dengan recall 0,644 untuk underweight. Analisis SHAP menunjukkan tinggi badan dan Body Mass Index ibu, usia anak, berat lahir, negara asal, indeks kekayaan, serta akses sanitasi sebagai faktor paling berpengaruh. Hasil ini menunjukkan bahwa kombinasi data antropometri dan sosioekonomi dapat menjadi dasar instrumen skrining risiko malnutrisi yang efektif di wilayah dengan akses pelayanan kesehatan terbatas, sekaligus mengidentifikasi determinan utama untuk penargetan intervensi.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Axel Leenardi, Steven (00000073786)
Contributors:	Suryadibrata, Alethea (0322099201)
Keywords:	DHS, malnutrisi anak, SHAP, stunting, XGBoost xi Deteksi Dini Malnutrisi..., Steven Axel Leenardi, Universitas Multimedia Nusantara
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	24 Jul 2026 08:05
URI:	https://kc.umn.ac.id/id/eprint/48035

Actions (login required)

View Item