Skripsi

Implementasi Algoritma XGBoost Untuk Klasifikasi Status Stunting Pada Balita

---

ABSTRAK

M. NAIM ARSYAD, Implementasi Algoritma Xgboost Untuk Klasifikasi Status Stunting Pada Balita (dibimbing oleh Markani dan Listia Utami).

Stunting merupakan masalah gizi kronis yang masih tinggi di Indonesia dan berpengaruh besar terhadap pertumbuhan anak. Anak yang mengalami stunting tidak hanya terhambat tinggi badannya, tetapi juga dapat mengalami gangguan perkembangan kognitif, motorik, hingga produktivitas saat dewasa. Untuk mencegah dampak jangka panjang tersebut, deteksi dini stunting menjadi sangat penting agar penanganan bisa dilakukan lebih cepat dan tepat sasaran. Tujuan penelitian ini adalah menerapkan algoritma Extreme Gradient Boosting (XGBoost) sebagai salah satu metode machine learning untuk membantu mengklasifikasikan status stunting pada balita. Data penelitian diperoleh melalui studi pustaka dan Dinas Kesehatan Provinsi Sulawesi Selatan berupa data sekunder yang mencakup informasi dasar balita, seperti umur, jenis kelamin, tinggi badan, berat badan, dan status gizi. Metode yang digunakan dalam penelitian ini adalah XGBoost dengan tahap pembersihan data, pembagian data menjadi data latih dan uji dengan beberapa perbandingan, pelatihan model, serta pengujian hasil prediksi. Evaluasi dilakukan dengan menghitung nilai akurasi, presisi, recall, dan F1-score untuk melihat seberapa baik model dapat mengenali anak dengan kondisi stunting maupun yang normal. Hasil penelitian menunjukkan bahwa algoritma XGBoost mampu menghasilkan tingkat akurasi yang baik, yaitu antara 85% hingga 89% pada berbagai skema pembagian data. Selain itu, analisis fitur menunjukkan bahwa status gizi, berat badan, umur, tinggi badan, dan jenis kelamin menjadi faktor yang paling berpengaruh dalam menentukan status stunting balita. Temuan ini membuktikan bahwa XGBoost tidak hanya efektif sebagai alat bantu klasifikasi, tetapi juga mampu memberikan informasi penting bagi tenaga kesehatan mengenai faktor yang paling berkontribusi terhadap stunting. Dengan demikian, penelitian ini diharapkan dapat mendukung upaya deteksi dini dan pencegahan stunting di Indonesia.

Kata Kunci: Stunting, Data Mining, Extreme Gradient Boosting, Klasifikasi, Feature Importance

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR MNA i

Penerbit

Makassar : UNITAMA., 2025

Deskripsi Fisik

xiv + 76 hlm., 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF MNA i

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I: Markani dan Pembimbing II: Listia Utami Penguji: Suryadi Syamsu, Kamaruddin dan Rusmini

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar