Ryan Fadhillah Faizal Hakim
Universitas Koperasi Indonesia

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perbandingan Model Regresi Linier Berganda untuk Memprediksi Kasus Stunting di Indonesia Ryan Fadhillah Faizal Hakim; Sevi Nurafni
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 1 No. 1 (2025): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Stunting merupakan salah satu permasalahan yang tengah dihadapi Indonesia, yang berdampak pada pertumbuhan fisik dan kognitif anak-anak, serta kualitas sumber daya manusia di masa depan. Penelitian ini bertujuan untuk membangun dan membandingkan model regresi linier berganda guna memprediksi jumlah kasus stunting di Indonesia. Data yang digunakan adalah data sekunder dari Kementerian Dalam Negeri serta data Hasil Riset Kesehatan Dasar 2018 dari Kementerian Kesehatan. Metode yang digunakan adalah Ordinary Least Squares (OLS). Variabel-variabel independen yang dianalisis meliputi jumlah balita, penanganan tinja, akses ke rumah sakit dan puskesmas, insiden diare, status gizi buruk, program pemberian makanan tambahan, imunisasi, dan prematuritas. Analisis menunjukkan bahwa beberapa variabel, seperti jumlah balita, akses ke rumah sakit, diare, status gizi buruk, dan program pemberian makanan tambahan, memiliki pengaruh signifikan terhadap jumlah kasus stunting. Hasil model menunjukkan bahwa model 1 regresi linier yang dibangun memiliki nilai Adj. R-Squared sebesar 97,2% dan model 2 regresi linier memiliki nilai Adj. R-Squared sebesar 96% yang menunjukkan kemampuan model dalam menjelaskan variabilitas data stunting dengan baik. Kedua model ini dapat digunakan untuk memprediksi kasus stunting dan mengidentifikasi variabel-variabel yang berkontribusi secara signifikan. Kesimpulannya, model regresi linier berganda yang dikembangkan dapat menjadi alat yang efektif dalam memprediksi kasus stunting dan membantu pemerintah serta pembuat kebijakan dalam merumuskan strategi intervensi yang lebih tepat guna mengurangi prevalensi stunting di Indonesia.
Perbandingan Model Regresi Linier dengan Linear Support Vector Regression dalam Memprediksi Kasus Stunting di Jawa Barat Ryan Fadhillah Faizal Hakim; Sevi Nurafni
Data Enthusiast: Jurnal Ilmiah Sains Data Vol. 1 No. 2 (2025): Data Enthusiast: Jurnal Ilmiah Sains Data
Publisher : Fakultas Sains dan Teknologi Universitas Koperasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Stunting merupakan masalah kesehatan yang serius di Indonesia, khususnya di Jawa Barat, yang dapat berdampak pada pertumbuhan fisik dan perkembangan kognitif anak. Penelitian ini bertujuan untuk membandingkan keakuratan model regresi linier dengan metode Ordinary Least Squares (OLS) dan model Linear Support Vector Regression (Linear SVR) dalam memprediksi jumlah kasus stunting di Jawa Barat. Data yang digunakan adalah data sekunder dari Dinas Kesehatan Jawa Barat, yang mencakup jumlah balita stunting dan jumlah balita bergizi buruk dari tahun 2019 hingga 2023. Analisis dilakukan dengan menggunakan bahasa pemrograman Python dan beberapa library terkait. Hasil penelitian menunjukkan bahwa nilai Adjusted R-Squared (Adj. R-Squared) dari kedua model adalah sama, yaitu sebesar 0.795 atau 79.5%. Ini menunjukkan bahwa kedua model memiliki kemampuan yang setara dalam menjelaskan variabilitas data jumlah balita stunting berdasarkan variabel jumlah balita bergizi buruk. Model regresi linier memberikan interpretasi koefisien yang langsung, sedangkan model Linear SVR menawarkan fleksibilitas yang lebih besar dalam mengatur margin dan kesalahan. Kesimpulan dari penelitian ini adalah bahwa kedua model dapat digunakan untuk memprediksi jumlah kasus stunting dengan keakuratan yang sama, namun pemilihan model terbaik harus mempertimbangkan karakteristik data dan kebutuhan interpretasi.