Perbandingan Prediksi Penyakit Stunting Balita Menggunakan Algoritma Support Vektor Machine dan Random Forest

Wiratama, Yunada (2024) Perbandingan Prediksi Penyakit Stunting Balita Menggunakan Algoritma Support Vektor Machine dan Random Forest. Building of Informatics, Technology and Science (BITS), 6 (2). pp. 1-10. ISSN 2684-8910 (Print) | 2685-3310 (Online)

Text 5543-Article Text-23019-1-10-20240930.pdf - Published Version Download (599kB)

Abstract

tunting pada balita merupakan masalah kesehatan yang serius, terutamadi negara berkembang, dimana balita mengalami pertumbuhan yang terhambat akibat kekurangan gizi kronis. Kondisi ini tidak hanya mempengaruhi tinggi badan anak, tetapi juga perkembangan kognitif dan kesehatannya secara keseluruhan. Mengidentifikasi faktor risiko dan melakukan klasifikasi stunting dapat membantu dalam penanganan dan pencegahan masalah ini. Dalam penelitian ini, kami menerapkan dua metode machine learning untuk di bandingkan mana yang lebih baik klasifikasi dari dua metode ini, yaitu Random Forest dan Support Vector Machine (SVM), untuk melakukan klasifikasi penyakit stunting pada balita. Data yang digunakan merupakan data publik berjumlah 97.873 data. Setelah melalui tahap preprocessing, seperti pembersihan data, normalisasi, dan pembagian data, data dibagi menjadi set pelatihan dan pengujian. Model Random Forest dan SVM kemudian dilatih dengan menggunakan set pelatihan dan dievaluasi menggunakan metrik seperti akurasi, precision, dan recall. Hasil analisis menunjukkan bahwa kedua metode memiliki kinerja yang baik dalam mengklasifikasikan stunting pada balita, dengan hasil Random Forest mencapai akurasi 0,9997 dan SVM mencapai akurasi 0,9951. Temuan ini diharapkan dapat membantu dalam pengembangan strategi intervensi yang lebih efektif untukmengatasi masalah stunting pada balita. Dengan adanya pendekatan ini, diharapkan dapat memberikan kontribusi yang signifikan dalam menurunkan prevalensi stunting di negara berkembang dan meningkatkan kualitas hidup anak-anak di masa mendatang. Selain itu, penelitian ini juga membuka peluang untuk eksplorasi lebih lanjut dalam penggunaan teknik machine learning lainnya untuk masalah kesehatan lainnya

Item Type:	Article
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Yunada Wiratama Odon
Date Deposited:	07 Oct 2024 08:05
Last Modified:	07 Oct 2024 08:05
URI:	http://repo.darmajaya.ac.id/id/eprint/18596

Actions (login required)

View Item