Image of PENERAPAN ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI FAKTOR STUNTING PADA BALITA

Teks

PENERAPAN ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI FAKTOR STUNTING PADA BALITA

Stunting adalah jenis kegagalan pertumbuhan yang disebabkan oleh
kekurangan nutrisi yang berkelanjutan, kondisi ini menyebabkan anak-anak
mengalami keterbelakangan pertumbuhan tinggi badan pada usia tertentu.
Tingginya angka stunting ini menyoroti perlunya upaya intensif dan inovatif
untuk menanganinya, termasuk melalui pendekatan berbasis data dan teknologi.
Penelitian ini bertujuan untuk mengetahui keunggulan nilai akurasi dari algoritma
Random Forest yang akan diimplementasikan untuk klasifikasi resiko stunting
pada balita dengan SMOTE untuk menyeimbangkan data. Evaluasi dilakukan
dengan dengan metric akurasi, precision, recall, dan F1-Score. Hasil penelitian
menunjukkan bahwa algoritma Random Forest memberikan performa yang cukup
tinggi yaitu dengan akurasi 79.17%, precision 90.54%, recall 82.43%, dan F1-
Score sebesar 86.29%. Berdasarkan hasil tersebut, dapat diketahui bahwa
preprocessing yang tepat berperan cukup besar dalam meningkatkan performa
klasifikasi. Berdasarkan hal ini, dapat disimpulkan bahwa model Random Forest
mampu membangun model klasifikasi yang cukup akurat dalam mengidentifikasi
status stunting pada balita. Dengan jumlah data sebanyak 10.000 entri, model ini
berhasil mengenali pola-pola yang terdapat pada data dengan hasil kinerja yang
cukup baik.

Ketersediaan
S00009.25RF SI.S00009.25 Zul pMy Library (Referensi)Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
RF SI.S00009.25 Zul p
Penerbit
Paguyangan : Universitas Muhammadiyah Brebes.,
Deskripsi Fisik
xvi,73hlm.;30cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
SI.S00009.25
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
data mining
stunting
Klasifikasi
Random Forest
Info Detail Spesifik
Dilengkapi CD
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus masuk sebelum memberikan komentar