Skripsi

Penerapan Algoritma Random Forest Untuk Klasifikasi Stunting

---

ABSTRAK
NUR WULANNISA, Penerapan Algoritma Random Forest Untuk Klasifikasi Stunting (dibimbing oleh Muhammad Arafah dan A. Sumardin).
Permasalahan yang terjadi adalah Stunting merupakan kondisi gagal tumbuh pada balita akibat kekurangan gizi kronis, yang menyebabkan tubuh menjadi sangat pendek. Prevalensi stunting balita di Provinsi Sulawesi Selatan sangat tinggi, sehingga diperlukan langkah-langkah yang efektif untuk mendeteksi kondisi ini secara dini. Oleh karena itu, dibutuhkan pengembangan model prediktif dalam mengklasifikasikan stunting pada balita. Penelitian ini bertujuan untuk mencapai akurasi tinggi dengan memanfaatkan atribut seperti usia, tinggi badan, berat badan, status gizi, dan jenis kelamin. Data ini diperoleh melalui penelitian lapangan dan penelitian pustaka. Algoritma yang digunakan dalam penelitian ini adalah algoritma Random Forest. Hasil penelitian ini menunjukkan bahwa klasifikasi stunting menggunakan lima split pembagian data (90:10, 80:20, 70:30, 60:40, dan 50:50), menunjukkan bahwa penggunaan random_state = 150 menghasilkan performa optimal, dengan akurasi terbaik (94%) pada split 90:10 menggunakan 300 pohon.

Kata Kunci: Stunting, Random Forest, Klasifikasi, Meachine Learning, Akurasi

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR NUR p

Penerbit

Makassar : UNITAMA., 2024

Deskripsi Fisik

xiii + 73 hlm., 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF NUR p

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I: Muhammad Arafah Dan Pembimbing II: A. Sumardin

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar