Sabila Wijaya, Fidiyah and Agaria, Melda (2025) PERBANDINGAN ALGORITMA DECISION TREE, NAIVE BAYES DAN SUPPORT VECTOR MACHINE DALAM MEMPREDIKSI KASUS STUNTING PADA BALITA. Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.
![[img]](http://repo.darmajaya.ac.id/style/images/fileicons/text.png) |
Text
Cover (2).pdf Download (134kB) |
|
Text
Lembar Pernyataan (1).pdf Download (81kB) |
|
Text
Lembar Persetujuan.pdf Download (301kB) |
|
Text
Lembar Pengesahan.pdf Download (149kB) |
|
Text
Riwayat Hidup.pdf Download (46kB) |
|
Text
Lembar Persembahan.pdf Download (52kB) |
|
Text
Motto.pdf Download (214kB) |
|
Text
Abstract.pdf Download (48kB) |
|
Text
Prakata-1.pdf Download (168kB) |
|
Text
Daftar Isi.pdf Download (237kB) |
|
Text
Daftar Gambar.pdf Download (162kB) |
|
Text
Daftar Tabel.pdf Download (155kB) |
|
Text
BAB I.pdf Download (241kB) |
|
Text
BAB II.pdf Download (427kB) |
|
Text
BAB III.pdf Download (369kB) |
|
Text
BAB IV.pdf Download (1MB) |
|
Text
BAB V.pdf Download (224kB) |
|
Text
Daftar Pustaka.pdf Download (224kB) |
Abstract
Stunting merupakan salah satu permasalahan kesehatan masyarakat yang serius di Indonesia dan berdampak jangka panjang terhadap tumbuh kembang anak. Penelitian ini bertujuan untuk membandingkan performa tiga algoritma klasifikasi, yaitu Decision Tree, Naïve Bayes, dan Support Vector Machine (SVM), dalam mendeteksi kasus stunting pada balita. Data yang digunakan berjumlah 7.573 record dan diperoleh dari platform Kaggle. Proses penelitian meliputi data preprocessing, exploratory data analysis, dan pemodelan menggunakan ketiga algoritma tersebut. Evaluasi model dilakukan dengan menggunakan metrik akurasi,presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memiliki akurasi tertinggi sebesar 80%, sementara Decision Tree unggul dalam precision (82%), recall (91%), dan F1-score (87%). Berdasarkan keseluruhan metrik evaluasi, Decision Tree dipilih sebagai algoritma terbaik dalam mendeteksi risiko stunting karena memberikan hasil yang paling seimbang dan andal.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | Ilmu Komputer eSkripsi |
| Divisions: | Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Fidiyah Fidiyah Wijaya |
| Date Deposited: | 14 Aug 2025 07:25 |
| Last Modified: | 14 Aug 2025 07:25 |
| URI: | http://repo.darmajaya.ac.id/id/eprint/20966 |
Actions (login required)
 |
View Item |