Publisher

UMIUMI

Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiMETHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Abstract

Stunting pada balita adalah masalah kesehatan signifikan yang berdampak pada perkembangan anak. Penelitian ini bertujuan mengembangkan model klasifikasi untuk memprediksi risiko stunting menggunakan algoritma SVM, KNN, dan Naïve Bayes. Data dari Puskesmas Jatilawang mencakup 523 balita dengan variabel seperti umur, berat badan, panjang badan, lingkar lengan, z-score, pendidikan orang tua, dan riwayat kesehatan ibu. Mengikuti tahapan CRISP-DM, data diproses melalui penanganan missing data, seleksi fitur, dan pembagian data menjadi set pelatihan dan pengujian dengan rasio 80:20. Hasil menunjukkan SVM memiliki akurasi tertinggi 90%, diikuti KNN 89%, dan Naïve Bayes 85%. Penelitian ini menghasilkan model prediksi risiko stunting yang diimplementasikan dalam website sederhana, mendukung intervensi dini dan pengambilan keputusan dalam upaya penanggulangan stunting.

Conclusion

Penelitian ini bertujuan membandingkan tiga algoritma klasifikasi yaitu Naive Bayes, K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM) dalam mengidentifikasi risiko stunting pada balita.Hasil evaluasi menunjukkan bahwa SVM memiliki performa terbaik dengan akurasi rata-rata 90%, menjadikannya model paling andal untuk deteksi risiko stunting.Model SVM telah diimplementasikan dalam aplikasi web berbasis Flask yang user-friendly, membantu tenaga kesehatan dalam melakukan identifikasi dini secara cepat dan akurat.

Future Research

Pertama, perlu diteliti bagaimana integrasi data lingkungan sosial ekonomi yang lebih mendalam, seperti pendapatan keluarga dan akses sanitasi, dapat meningkatkan akurasi model prediksi stunting. Kedua, perlu dikembangkan penelitian tentang model hybrid antara SVM dengan algoritma lain seperti Random Forest atau Neural Network untuk melihat apakah kombinasi tersebut dapat meningkatkan recall yang masih relatif rendah. Ketiga, penting untuk mengevaluasi efektivitas aplikasi web ini dalam konteks lapangan, termasuk studi tentang bagaimana petugas kesehatan di puskesmas menggunakannya, hambatan yang dihadapi, dan dampaknya terhadap keputusan intervensi pada balita berisiko stunting. Penelitian lanjutan juga bisa mengeksplorasi versi mobile dari aplikasi ini agar lebih mudah diakses di daerah terpencil. Selain itu, bisa dikaji pemanfaatan model ini dalam sistem monitoring stunting berbasis real-time yang terintegrasi dengan dinas kesehatan daerah. Studi lebih lanjut juga dapat mempertimbangkan personalisasi rekomendasi intervensi berdasarkan profil risiko individu anak. Pengembangan model yang adaptif terhadap perubahan data dari waktu ke waktu juga layak dieksplorasi. Validasi model di wilayah berbeda di Indonesia juga diperlukan untuk melihat generalisasi kinerjanya. Akhirnya, aspek etika penggunaan data pribadi anak dan orang tua dalam sistem prediksi ini perlu dikaji secara mendalam dalam penelitian lanjutan.

References

1. Klasifikasi Berisiko Stunting pada Balita: Perbandingan K-Nearest Neighbor, Naïve Bayes, Support Vector... doi.org/10.46880/jmika.Vol8No2.pp264-273Klasifikasi Berisiko Stunting pada Balita Perbandingan K Nearest Neighbor NaiOve Bayes Support Vector doi 10 46880 jmika Vol8No2 pp264 273
2. A Grouping of Song-Lyric Themes Using K-Means Clustering | Rarasati | JISA(Jurnal Informatika dan Sains).... doi.org/10.31326/jisa.v3i2.658A Grouping of Song Lyric Themes Using K Means Clustering Rarasati JISA Jurnal Informatika dan Sains doi 10 31326 jisa v3i2 658
3. Deteksi Validitas Berita pada Media Sosial Twitter dengan Algoritma Naive Bayes | INSYST: Journal of... doi.org/10.52985/insyst.v3i2.164Deteksi Validitas Berita pada Media Sosial Twitter dengan Algoritma Naive Bayes INSYST Journal of doi 10 52985 insyst v3i2 164
4. Analysis of the Use of Particle Swarm Optimization on Naïve Bayes for Classification of Credit Bank... doi.org/10.31326/jisa.v4i2.946Analysis of the Use of Particle Swarm Optimization on Nayve Bayes for Classification of Credit Bank doi 10 31326 jisa v4i2 946
5. PENGUKURAN KINERJA SISTEM KUALITAS UDARA DENGAN TEKNOLOGI WSN MENGGUNAKAN CONFUSION MATRIX | Pratiwi... doi.org/10.26877/jiu.v6i2.6552PENGUKURAN KINERJA SISTEM KUALITAS UDARA DENGAN TEKNOLOGI WSN MENGGUNAKAN CONFUSION MATRIX Pratiwi doi 10 26877 jiu v6i2 6552

Metadata

File size	508.75 KB
Pages	10
DMCA	Report