Decision Tree Regression Untuk Prediksi Prevalensi Stunting di Provinsi Nusa Tenggara Timur
Stunting adalah kondisi terhambatnya pertumbuhan linier anak-anak karena kekurangan gizi dan perawatan yang tidak memadai sejak dalam kandungan hingga usia dua tahun. Stunting disebabkan oleh berbagai faktor, termasuk kurangnya asupan gizi yang memadai, infeksi kronis atau berulang, praktik pemberia...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
LPPM Universitas Mohammad Husni Thamrin
2024-09-01
|
| Series: | Jurnal Teknologi Informatika & Komputer |
| Online Access: | https://journal.thamrin.ac.id/index.php/jtik/article/view/2179 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849319477896806400 |
|---|---|
| author | Irnanda Septian Ika Putri Risqy Siwi Pradini Mochammad Anshori |
| author_facet | Irnanda Septian Ika Putri Risqy Siwi Pradini Mochammad Anshori |
| author_sort | Irnanda Septian Ika Putri |
| collection | DOAJ |
| description | Stunting adalah kondisi terhambatnya pertumbuhan linier anak-anak karena kekurangan gizi dan perawatan yang tidak memadai sejak dalam kandungan hingga usia dua tahun. Stunting disebabkan oleh berbagai faktor, termasuk kurangnya asupan gizi yang memadai, infeksi kronis atau berulang, praktik pemberian makanan yang tidak sesuai, sanitasi yang buruk, serta akses terbatas terhadap layanan kesehatan dan pendidikan gizi. Di Indonesia, provinsi yang memiliki prevalensi stunting paling tinggi berada di Nusa Tenggara Timur (NTT). Penelitian ini bertujuan untuk membuat model prediksi menggunakan Decision Tree Regression untuk memprediksi prevalensi stunting di NTT. Dengan demikian, hasil penelitian ini selain menghasilkan model prediksi juga dapat memberikan pemahaman yang lebih komperhensif mengenai faktor-faktor yang mempengaruhi tingkat stunting di NTT dan mendukung upaya untuk menurunkan angka prevalensinya di provinsi tersebut. Untuk menguji model prediksi yang dihasilkan, penelitian ini menggunakan metrik RMSE. Hasil pengujian dengan metrik RMSE menunjukkan nilai 0,093. Nilai ini membuktikan bahwa model Decision Tree Regression yang digunakan memiliki tingkat kesalahan prediksi yang relatif rendah, sehingga cukup efektif dalam memprediksi prevalensi stunting berdasarkan data yang digunakan. |
| format | Article |
| id | doaj-art-c75ffbff4b614bcaaa569a0732829046 |
| institution | Kabale University |
| issn | 2656-9957 2622-8475 |
| language | English |
| publishDate | 2024-09-01 |
| publisher | LPPM Universitas Mohammad Husni Thamrin |
| record_format | Article |
| series | Jurnal Teknologi Informatika & Komputer |
| spelling | doaj-art-c75ffbff4b614bcaaa569a07328290462025-08-20T03:50:26ZengLPPM Universitas Mohammad Husni ThamrinJurnal Teknologi Informatika & Komputer2656-99572622-84752024-09-0110241342710.37012/jtik.v10i2.21792061Decision Tree Regression Untuk Prediksi Prevalensi Stunting di Provinsi Nusa Tenggara TimurIrnanda Septian Ika Putri0Risqy Siwi Pradini1Mochammad Anshori2Institut Teknologi, Sains, dan Kesehatan RS.DR. Soepraoen Kesdam V/BRWInstitut Teknologi Sains dan Kesehatan RS dr. Soepraoen Kesdam V / Brawijaya, MalangInstitut Teknologi Sains dan Kesehatan RS dr. Soepraoen Kesdam V / Brawijaya, MalangStunting adalah kondisi terhambatnya pertumbuhan linier anak-anak karena kekurangan gizi dan perawatan yang tidak memadai sejak dalam kandungan hingga usia dua tahun. Stunting disebabkan oleh berbagai faktor, termasuk kurangnya asupan gizi yang memadai, infeksi kronis atau berulang, praktik pemberian makanan yang tidak sesuai, sanitasi yang buruk, serta akses terbatas terhadap layanan kesehatan dan pendidikan gizi. Di Indonesia, provinsi yang memiliki prevalensi stunting paling tinggi berada di Nusa Tenggara Timur (NTT). Penelitian ini bertujuan untuk membuat model prediksi menggunakan Decision Tree Regression untuk memprediksi prevalensi stunting di NTT. Dengan demikian, hasil penelitian ini selain menghasilkan model prediksi juga dapat memberikan pemahaman yang lebih komperhensif mengenai faktor-faktor yang mempengaruhi tingkat stunting di NTT dan mendukung upaya untuk menurunkan angka prevalensinya di provinsi tersebut. Untuk menguji model prediksi yang dihasilkan, penelitian ini menggunakan metrik RMSE. Hasil pengujian dengan metrik RMSE menunjukkan nilai 0,093. Nilai ini membuktikan bahwa model Decision Tree Regression yang digunakan memiliki tingkat kesalahan prediksi yang relatif rendah, sehingga cukup efektif dalam memprediksi prevalensi stunting berdasarkan data yang digunakan.https://journal.thamrin.ac.id/index.php/jtik/article/view/2179 |
| spellingShingle | Irnanda Septian Ika Putri Risqy Siwi Pradini Mochammad Anshori Decision Tree Regression Untuk Prediksi Prevalensi Stunting di Provinsi Nusa Tenggara Timur Jurnal Teknologi Informatika & Komputer |
| title | Decision Tree Regression Untuk Prediksi Prevalensi Stunting di Provinsi Nusa Tenggara Timur |
| title_full | Decision Tree Regression Untuk Prediksi Prevalensi Stunting di Provinsi Nusa Tenggara Timur |
| title_fullStr | Decision Tree Regression Untuk Prediksi Prevalensi Stunting di Provinsi Nusa Tenggara Timur |
| title_full_unstemmed | Decision Tree Regression Untuk Prediksi Prevalensi Stunting di Provinsi Nusa Tenggara Timur |
| title_short | Decision Tree Regression Untuk Prediksi Prevalensi Stunting di Provinsi Nusa Tenggara Timur |
| title_sort | decision tree regression untuk prediksi prevalensi stunting di provinsi nusa tenggara timur |
| url | https://journal.thamrin.ac.id/index.php/jtik/article/view/2179 |
| work_keys_str_mv | AT irnandaseptianikaputri decisiontreeregressionuntukprediksiprevalensistuntingdiprovinsinusatenggaratimur AT risqysiwipradini decisiontreeregressionuntukprediksiprevalensistuntingdiprovinsinusatenggaratimur AT mochammadanshori decisiontreeregressionuntukprediksiprevalensistuntingdiprovinsinusatenggaratimur |