Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Selvi Nuriana
Universitas Islam Indragiri
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Stunting Menggunakan Random Forest dan SMOTE Berdasarkan Data Posyandu Selvi Nuriana; Fitri Yunita
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12624

Abstract

Stunting merupakan salah satu permasalahan kesehatan yang masih menjadi perhatian di Indonesia karena dapat memengaruhi pertumbuhan fisik, perkembangan kognitif, dan kualitas sumber daya manusia di masa mendatang. Penelitian ini bertujuan membangun model prediksi status stunting pada balita menggunakan algoritma Random Forest serta menganalisis pengaruh penerapan Synthetic Minority Oversampling Technique (SMOTE) terhadap performa model. Dataset yang digunakan merupakan data primer yang berasal dari 24 Posyandu di wilayah kerja Puskesmas Gajah Mada dengan jumlah data akhir sebanyak 1.330 balita yang terdiri atas 1.287 balita tidak stunting dan 43 balita stunting. Tahap penelitian meliputi preprocessing data, pembentukan variabel target, train-test split, penerapan SMOTE, pembangunan model Random Forest, dan evaluasi model menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Random Forest tanpa SMOTE menghasilkan accuracy sebesar 96,99%, precision sebesar 100%, recall sebesar 11,11%, dan F1-score sebesar 20%. Setelah penerapan SMOTE, performa model meningkat dengan accuracy sebesar 97,37%, precision sebesar 75%, recall sebesar 33,33%, dan F1-score sebesar 46,15%. Hasil tersebut menunjukkan bahwa SMOTE mampu meningkatkan kemampuan model dalam mendeteksi kasus stunting. Penelitian ini diharapkan dapat membantu kader Posyandu, tenaga kesehatan, Puskesmas, pemerintah daerah, dan pengelola Program Makan Bergizi Gratis dalam melakukan identifikasi dini balita yang berisiko mengalami stunting.
Co-Authors Fitri Yunita