MAULANA ALFIANSYAH (2024) KOMPARASI 3 MODEL MESIN LEARNING UNTUK KLASIFIKASI STUNTING DAN IMPLEMENTASI MODEL TERBAIK DI WEB. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (534kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (337kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (231kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (232kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (229kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (293kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (479kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (345kB)
[thumbnail of Bab VI] Text (Bab VI)
Bab VI.pdf
Restricted to Registered users only
Download (228kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (222kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (729kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (1MB)

Abstract

Stunting adalah masalah gizi kronis yang mengakibatkan pertumbuhan fisik dan kognitif anak terhambat. Penanganan stunting memerlukan deteksi dini yang akurat agar intervensi dapat dilakukan lebih cepat dan efektif. Penelitian ini bertujuan untuk membandingkan tiga model machine learning, yaitu Decision Tree, Naïve Bayes, dan Support Vector Machine (SVM), dalam mengklasifikasikan kasus stunting. Data yang digunakan dalam penelitian ini berasal dari Diskominfosanditik Kabupaten Sumedang. Model-model tersebut dievaluasi berdasarkan akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Decision Tree memberikan performa terbaik dalam klasifikasi stunting. Model terbaik ini kemudian diimplementasikan dalam sebuah aplikasi web yang memungkinkan pengguna untuk melakukan prediksi stunting berdasarkan input data tertentu. Dengan adanya aplikasi ini, diharapkan dapat membantu Diskominfosanditik Sumedang dalam mendeteksi dini dan mengambil langkah-langkah pencegahan yang tepat untuk mengatasi stunting.

Dosen Pembimbing: Cahya Damarjati, S.T., M.Eng., Ph.D. and Apriliya Kurnianti, S.T., M.Eng. | NIDN0515038702, NIDN0518048401
Item Type: Thesis (S1)
Uncontrolled Keywords: Stunting, Machine Learning, Decision Tree, Naïve Bayes, Support Vector Machine, clasification
Divisions: Fakultas Teknik > S1 Teknologi Informasi
Depositing User: Aidilla Qurotianti
Date Deposited: 08 Aug 2024 07:50
Last Modified: 08 Aug 2024 07:50
URI: https://etd.umy.ac.id/id/eprint/47548

Actions (login required)

View Item View Item