PREDIKSI TINGKAT RESIKO KEJADIAN STUNTING PADA ANAK MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN RANDOM FOREST

Syahrul Imanudin, 3011610049 (2020) PREDIKSI TINGKAT RESIKO KEJADIAN STUNTING PADA ANAK MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR DAN RANDOM FOREST. Undergraduate thesis, Universitas Internasional Semen Indonesia.

	Text (COVER) 0. COVER.pdf Restricted to Repository staff only Download (281kB) | Request a copy
	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Restricted to Repository staff only Download (243kB) | Request a copy
	Text (HALAMAN PENGESAHAN) 2. HALAMAN PENGESAHAN.pdf Restricted to Registered users only Download (414kB) | Request a copy
	Text (HALAMAN PERSETUJUAN PUBLIKASI) 3. HALAMAN PERSETUJUAN PUBLIKASI.pdf Restricted to Repository staff only Download (285kB) | Request a copy
	Text (HALAMAN PERTANYAAN ORISINILITAS) 4. HALAMAN PERNYATAAN ORISINALITAS.pdf Restricted to Repository staff only Download (258kB) | Request a copy
	Text (ABSTRAK) 5. ABSTRAK.pdf Download (228kB)
	Text (KATA PENGANTAR) 6. KATA PENGANTAR.pdf Restricted to Repository staff only Download (273kB) | Request a copy
	Text (DAFTAR ISI) 7. DAFTAR ISI.pdf Download (343kB)
	Text (DAFTAR GAMBAR) 8. DAFTAR GAMBAR.pdf Restricted to Repository staff only Download (299kB) | Request a copy
	Text (DAFTAR TABEL) 9. DAFTAR TABEL.pdf Restricted to Repository staff only Download (248kB) | Request a copy
	Text (BAB I PENDAHULUAN) 10. BAB I PENDAHULUAN.pdf Download (359kB)
	Text (BAB II KAJIAN PUSTAKA) 11. BAB II KAJIAN PUSTAKA.pdf Restricted to Repository staff only Download (495kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) 12. BAB III METODOLOGI PENELETIAN.pdf Restricted to Repository staff only Download (405kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) 13. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (859kB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) 14. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Repository staff only Download (225kB) | Request a copy
	Text (DAFTAR PUSTAKA) 15. DAFTAR PUSTAKA.pdf Download (294kB)
	Text (LAMPIRAN) 16. LAMPIRAN.pdf Restricted to Repository staff only Download (796kB) | Request a copy
	Text (BIODATA PENULIS) 17. BIODATA PENULIS.pdf Restricted to Repository staff only Download (103kB) | Request a copy
	Text (FULL TEXT) SKRIPSI - SYAHRUL IMANUDIN (3011610049).pdf Restricted to Repository staff only Download (2MB) | Request a copy
	Text (FULL TEXT DOC) SKRIPSI - SYAHRUL IMANUDIN (3011610049).docx Restricted to Repository staff only Download (9MB) | Request a copy
	Text (JURNAL) JURNAL - SYAHRUL IMANUDIN (3011610049).docx Restricted to Repository staff only Download (67kB) | Request a copy

Abstract

Stunting (kerdil) adalah kondisi dimana anak memiliki panjang atau tinggi badan yang kurang jika dibandingkan dengan umur pada umumnya karena disebabkan oleh banyak faktor. Tingginya stunting di Indonesia membutuhkan sebuah mekanisme monitoring untuk memprediksi dan mengontrol jumlah anak yang menderita stunting di Indonesia. Monitoring dapat dilakukan dengan membuat suatu model algoritma prediksi seorang anak terkena stunting sehingga jika anak terdeteksi memiliki resiko yang tinggi maka dapat segera ditangani. Pada penelitian ini akan dilakukan pembuatan model prediksi kejadian stunting pada anak menggunakan algoritma klasifikasi machine learning K-Nearest Neighbor (KNN) dan Random Forest dengan mengklasifikasikan tingkat resiko stunting pada anak termasuk ke tingkat rendah, sedang atau tinggi. Nilai akurasi terbaik yang diperoleh adalah pada algoritma Random Forest yaitu sebesar 73% dengan parameter tuning menggunakan grid search. Berdasarkan feature selection yang telah dilakukan menunjukkan bahwa faktor yang paling berpengaruh terhadap terjadinya stunting yaitu jenis kelamin anak, berat badan lahir anak, pekerjaan orang tua, tinggi ayah, pendidikan terakhir ibu, tinggi badan lahir anak, tinggi ibu, pendidikan terakhir ayah, usia, berat badan anak sekarang.

Item Type:	Thesis (Undergraduate)
Additional Information:	050/KK.20/UISI-01/IF
Uncontrolled Keywords:	stunting, anak, k-nearest neighbor (knn), random forest, feature selection
Contributors:	Contribution Name Email Thesis advisor Lailatul Hidayah, S.Kom., M.S. lailatul.hidayah@uisi.ac.id Thesis advisor Ngatini, S.Si., M.Si. ngatini@uisi.ac.id
Subjects:	T Technology > T Technology (General)
Divisions:	Department of Informatics
Depositing User:	Syahrul Imanudin
Date Deposited:	27 Aug 2020 07:28
Last Modified:	24 Nov 2020 11:33
URI:	https://repository.uisi.ac.id/id/eprint/841

Actions (login required)

View Item