PENERAPAN DATA MINING UNTUK PREDIKSI STUNTING PADA BALITA MENGGUNAKAN ALGORITMA C4.5

Nurul Qisthi, Dian Kasoni, Liesnaningsih Liesnaningsih, Nofitri Heriyani

Abstract


Stunting pada balita merupakan masalah kesehatan serius dengan dampak jangka panjang pada perkembangan fisik dan kognitif anak. Tingginya angka stunting saat ini menunjukkan perlunya upaya intensif dan inovatif untuk penanganannya, termasuk melalui pendekatan berbasis data dan teknologi. Identifikasi risiko stunting umumnya dilakukan secara manual melalui pengukuran antropometri, yang memerlukan waktu, tenaga ahli, dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk menerapkan pendekatan data mining menggunakan algoritma C4.5 dalam prediksi risiko stunting pada balita. Algoritma C4.5 dipilih karena kemampuannya menangani data kategori dan numerik serta menghasilkan model klasifikasi berbentuk pohon keputusan yang mudah diinterpretasi. C4.5 memanfaatkan informasi gain untuk memilih fitur paling relevan, sehingga efektif dalam membagi data dan mengklasifikasikan status gizi balita. Penelitian ini menghasilkan model prediksi stunting yang memanfaatkan fitur-fitur seperti tinggi badan, umur, dan jenis kelamin dengan algoritma C4.5. Model ini menunjukkan akurasi tinggi sebesar 98.88%, dengan nilai precision, recall, dan F1-score yang konsisten di setiap kelas. Selain itu, nilai ROC-AUC sebesar 98.98% menunjukkan kemampuan model yang baik dalam membedakan kelas status gizi yang berbeda. Tingginya akurasi ini mengindikasikan bahwa algoritma C4.5 dapat diandalkan untuk mendeteksi risiko stunting secara efektif, sehingga dapat mendukung tenaga kesehatan dan pembuat kebijakan dalam melakukan intervensi yang lebih tepat dan akurat.

Full Text:

PDF

References


Ahmad, I., Rahmanto, Y., Pratama, D., & Borman, R. I. (2021). Development of Augmented Reality Application for Introducing Tangible Cultural Heritages at The Lampung Museum Using The Multimedia Development Life Cycle. ILKOM Jurnal Ilmiah, 13(2), 187194.

Arfandi, A., Windarto, A. P., & Saragih, lham S. (2021). Penerapan Data Mining Klasifikasi Pada Calon Pelanggan Baru Indihome dengan C.45. Journal of Informatics, Electrical and Electronics Engineering, 1(1), 3138.

Borman, R. I., Napianto, R., Nugroho, N., Pasha, D., Rahmanto, Y., & Yudoutomo, Y. E. P. (2021). Implementation of PCA and KNN Algorithms in the Classification of Indonesian Medicinal Plants. International Conference on Computer Science, Information Technology and Electrical Engineering (ICOMITEE), 4650.

Borman, R. I., Rossi, F., Alamsyah, D., Nuraini, R., & Jusman, Y. (2022). Classification of Medicinal Wild Plants Using Radial Basis Function Neural Network with Least Mean Square. International Conference on Electronic and Electrical Engineering and Intelligent System (ICE3IS).

Borman, R. I., & Wati, M. (2020). Penerapan Data Maining Dalam Klasifikasi Data Anggota Kopdit Sejahtera Bandarlampung Dengan Algoritma Nave Bayes. Jurnal Ilmiah Fakultas Ilmu Komputer, 9(1), 2534.

Fathurrohman, R., S, M. F., Cahyono, S. M., Abdillah, D. F., & Ramadhan, V. (2024). Data Mining Pada Klasifikasi Jamur Menggunakan Algoritma C.45 Berdasarkan Karakteristik Morfologi Mushroom. Simpatik: Jurnal Sistem Informasi Dan Informatika, 4(1), 2938.

Handayani, N., Wahyono, H., Trianto, J., & Permana, D. S. (2021). Prediksi Tingkat Risiko Kredit dengan Data Mining Menggunakan Algoritma Decision Tree C.45. JURIKOM (Jurnal Riset Komputer), 8(6), 198204. https://doi.org/10.30865/jurikom.v8i6.3643

Matondang, M. R., Lubis, M. R., & Tambunan, H. S. (2021). Analisis Data mining dengan Metode C.45 pada Klasifikasi Kenaikan Rata-Rata Volume Perikanan Tangkap. BRAHMANA: Jurnal Penerapan Kecerdasan Buatan, 2(2), 7481.

Maulana, Y., Winanjaya, R., & Rizki, F. (2022). Penerapan Data Mining dengan Algoritma C4.5 Dalam Memprediksi Penjualan Tempe. Bulletin of Computer Science Research, 2(2), 5358. https://doi.org/10.47065/bulletincsr.v2i2.163

Nurmalasari, E., Aryanti, U., & Rachman, T. T. (2024). Penerapan Data Mining Algoritma Apriori untuk Menemukan Pola Hubungan Status Gizi Balita. INTERNAL (Information System Journal), 6(2), 156166.

Octavia, Y. T., Siahaan, J. M., & Barus, E. (2023). Upaya Percepatan Penurunan Stunting (Gizi Buruk dan Pola Asuh) Pada Balita yang Beresiko Stunting. Journal Abdimas Mutiara, 5(1), 131140.

Pradana, R. P. (2024). Stunting Toddler Detection. Kaggle. https://www.kaggle.com/datasets/rendiputra/stunting-balita-detection-121k-rows/

Prasetyo, A., & Wahyono, A. (2024). Implementasi Algoritma C.45 dalam Klasifikasi Kondisi Ekonomi Warga Kabupaten Boyolali. Generation Journal, 8(2), 121131.

Rahman, H., Rahmah, M., & Saribulan, N. (2023). Upaya Penanganan Stunting di Indonesia: Analisis Bibliometrik dan Analisis Konten. Jurnal Ilmu Pemerintahan Suara Khatulistiwa (JIPSK), VIII(01), 4459.

Sah, A., Jusmawati, J., Nurhayati, S., Tonggiroh, M., & Bonay, S. (2022). Sistem Informasi Manajemen Pada Puskesmas Kota Jayapura Berbasis Web. JTIM : Jurnal Teknologi Informasi Dan Multimedia, 4(3), 212220.

Salsabil, M., Lutvi, N., & Eviyanti, A. (2024). Implementasi Data Mining dalam Melakukan Prediksi Penyakit Diabetes Menggunakan Metode Random Forest dan Xgboost. Jurnal Ilmiah KOMPUTASI, 23(1), 5158.

Sari, M., Kom, S., & Kom, M. (2021). Analisis Tingkat Kepuasan Konsumen Rumah Nutrisi Di Banjarmasin Sebagai Implementasi Penerapan Data Mining Algoritma C.45. Technologia, 12(1), 4952.




DOI: https://doi.org/10.58217/ipsikom.v12i2.314

Refbacks

  • There are currently no refbacks.


LPPM Universitas Insan Pembangunan Indonesia
Jl. Raya Serang Km. 10 Bitung, Curug, Tangerang 15810
Telp. 021-59492836 / 02159492837
Website : http://www.lppm.ipem.ac.id
Email : lppm@ipem.ac.id

 Lisensi Creative Commons Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.