Article Per Year (5 Year)
p-Index From 2021 - 2026
6.49
P-Index
This Author published in this journals
All Journal Media Statistika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Edukasi dan Penelitian Informatika (JEPIN) JMPM: Jurnal Matematika dan Pendidikan Matematika BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Sarwahita : Jurnal Pengabdian Kepada Masyarakat Insan Cita Jurnal Pengabdian Kepada Masyarakat JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi
Martha, Shantika
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search
Journal : BIMASTER

 1   2   3   4 
ANALISIS K-MEANS MENGGUNAKAN METODE DUNN INDEX DALAM MENENTUKAN JUMLAH CLUSTER OPTIMAL (Studi Kasus: Indikator Pendidikan SMA di Indonesia Tahun 2022) Hidayatullah, Hidayatullah; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77469

Abstract

Pendidikan merupakan fondasi krusial dalam membentuk dan mengembangkan sumber daya manusia dalam proses pembangunan suatu negara. Data dari Survei Sosial Ekonomi Nasional (SUSENAS) tahun 2021 menunjukkan dominasi penduduk Indonesia dengan tingkat pendidikan rendah. Kondisi ini menjadi fokus dalam penerapan teknik analisis data, khususnya cluster analysis, untuk memahami karakteristik kelompok secara mendalam. Cluster analysis merupakan metode yang mengelompokkan data berdasarkan kesamaan antara satu data dengan data lainnya, dan memiliki peran penting dalam analisis dan pemahaman struktur data yang kompleks. Penelitian ini menggunakan analisis cluster non-hirarki dengan pendekatan K-Means, yang dikenal sederhana, cepat dalam komputasi, dan efisien dalam menangani data besar. Dunn Index digunakan sebagai metode evaluasi untuk mengukur kualitas pengelompokkan dengan menghasilkan cluster-cluster yang memiliki tingkat kesamaan tinggi di dalam kelompoknya masing-masing. Data yang digunakan adalah data sekunder yang mencakup tujuh indikator pendidikan SMA di 34 provinsi di Indonesia. Hasil yang diperoleh dari pengelompokan yang optimal menggunakan metode Dunn Index yaitu sebanyak ilima cluster . Cluster  pertama dengan tingkat pendidikan yang sangat tinggi beranggotakan empat provinsi yaitu provinsi Aceh, Kep.Riau, DI Yogyakarta dan Bali. Cluster  kedua dengan Tingkat pendidikan yang tinggi beranggotakan 13 provinsi. Cluster  ketiga yang beranggotakan tiga provinsi dengan tingkat pendidikan yang sedang. Dan cluster  keempat dengan tingkat pendidikan yang rendah beranggotakan 13 provinsi. Sedangkan untuk cluster  kelima dengan tingkat pendidikan sangat rendah hanya beranggotakan satu provinsi yaitu provinsi Papua. Pentingnya kebijakan dari pemerintah untuk memprioritaskan provinsi yang tingkat pendidikannya rendah seperti Papua supaya menghindari ketimpangan kualitas pendidikan di Indonesia.  Kata Kunci : Tingkat, Pendidikan, Nonhirarki, Pengelompokan.
PENERAPAN RANTAI MARKOV DALAM PEMILIHAN BIDANG SKRIPSI DI PRODI MATEMATIKA FMIPA UNTAN ANGKATAN 2017-2019 Rivaldi, Syahrul; Martha, Shantika; Yundari, Yundari
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.81854

Abstract

Proses Markov adalah  proses stokastik melalui distribusi peluang bersyarat  yang memenuhi sifat Markov. Rantai Markov sepenuhnya  dijelaskan  sebagai matriks peluang transisi satu langkah yang menjelaskan distribusi peluang pada  state  dimulai dari proses mula-mula.Proses Markov  didefinisikan  rantai Markov jika memiliki ruang state yang diskrit. Metode rantai Markov waktu diskrit pada penelitian ini digunakan untuk memprediksi jumlah bidang minat mahasiswa Program Studi Matematika FMIPA UNTAN Angkatan 2017, 2018, 2019. Langkah awal adalah melakukan pengumpulan data sekunder melalui kuesioner yang selanjutnya dilakukan analisis data dengan menyusun tabel peluang transisi, menyusun matriks transisi, dan vektor distribusi peluang transisi. Berdasarkan hasil perhitungan yang diperoleh peluang transisi atau perubahan bidang minat analisis pada semester 7 sebesar 8%. Bidang minat geometerik/aljabar sebesar 15%, bidang minat matematika terapan sebesar 45% sedangkan bidang minat statistika/aktuaria sebesar 32%.      Kata Kunci:  Stokastik, rantai markov, peluang transisi
ANALISIS POLA SPASIAL KEBAKARAN HUTAN DI KALIMANTAN BARAT MENGGUNAKAN GETIS-ORD (GI*) STATISTIC DAN INDEKS MORAN Prianti, Sabrina Eka; Kusnandar, Dadan; Debataraja, Naomi Nessyana; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i6.89234

Abstract

Kebakaran hutan adalah suatu keadaan dimana api menghanguskan sebagian atau keseluruhan hutan sehingga menimbulkan kerusakan yang mengakibatkan kerugian terhadap perekonomian dan nilai lingkungan hidup. Kebakaran hutan dapat terjadi berulang tiap tahunnya. Penelitian ini bertujuan untuk menentukan daerah signifikansi hotspot, pola spasial dan korelasi antar titik api di Kalimantan Barat. Daerah signifikansi hotspot dianalisis dengan Getis Ord (Gi*) Statistic. Pola spasial dan korelasi antar titik api dianalisis dengan Indeks Moran. Data yang digunakan yaitu data titik api dari instrumen MODIS citra satelit Terra dan Aqua. Hasil analisis Getis Ord (Gi*) Statistic menunjukkan konsentrasi titik api tertinggi tahun 2018 terjadi pada Kabupaten Kayong Utara, Kubu Raya, Mempawah, Sambas dan Kota Pontianak. Tahun 2019 terjadi pada Kabupaten Kayong Utara, Ketapang dan Sambas. Tahun 2020 terjadi pada Kabupaten Bengkayang, Kubu Raya, Landak, Mempawah dan Sambas. Tahun 2021 terjadi pada Kota Pontianak, Kabupaten Kubu Raya dan Mempawah. Tahun 2022 terjadi pada Kabupaten Bengkayang, Landak, Mempawah, Sambas dan Kota Singkawang. Kejadian kebakaran hutan berulang di Kalimantan Barat yang tergolong dalam signifikansi hotspot paling banyak terjadi di Kabupaten Sambas yaitu tahun 2018, 2019, 2020, dan 2022. Selain itu, analisis Indeks Moran menunjukkan bahwa Kebakaran Hutan di Kalimantan Barat tahun 2018-2022 terdapat autokorelasi spasial antar titik api dan pola spasialnya menghasilkan pola yang berkelompok (clustered).  Kata Kunci :  titik api, Getis Ord (Gi*) Statistic, Indeks Moran.
PERBANDINGAN HASIL PREDIKSI KURS JISDOR MENGGUNAKAN METODE FUZZY TIME SERIES MODEL CHEN DAN LEE Rezaldi, Muhammad Fachri; Martha, Shantika; Aprizkiyandari, Siti
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 5 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i5.86304

Abstract

Fuzzy time series adalah metode peramalan dengan menggunakan data historis untuk memprediksi kondisi di masa depan. Penelitian ini bertujuan untuk membandingkan prediksi kurs Jakarta Interbank Spot Dollar Rate (JISDOR) yang menggunakan model fuzzy time series, yaitu model Chen dan model Lee. Data yang dianalisis mencakup kurs JISDOR dari 3 Maret 2023 hingga 25 Mei 2023. Proses penelitian dimulai dengan menentukan himpunan semesta, lalu jumlah dan lebar interval. Selanjutnya, dibentuk himpunan fuzzy, serta ditentukan Fuzzy Logical Relationship (FLR) dan Fuzzy Logical Relationship Group (FLRG) untuk kedua model tersebut. Setelah itu, dilakukan defuzifikasi dengan mencari nilai tengah dari kelas interval untuk mendapatkan hasil peramalan. Hasil penelitian menunjukkan bahwa Average Forecasting Error Rate (AFER) untuk model Chen adalah 0,004900, sedangkan untuk model Lee adalah 0,002848. Dengan demikian, model Lee lebih akurat dibandingkan model Chen karena memiliki nilai AFER yang lebih rendah.  Kata Kunci :  FTS, Kurs, Chen dan Lee
PERAMALAN CURAH HUJAN DI KOTA PONTIANAK MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE NEURAL NETWORK (VAR-NN) Istighfarani, Ridha; Martha, Shantika; Andani, Wirda
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77470

Abstract

Fenomena cuaca ekstrim di Indonesia cenderung meningkat akibat dampak perubahan iklim. Perubahan iklim mengakibatkan perubahan cuaca, sehingga diperlukan cara untuk meramalkan agar mempermudah masyarakat untuk mengetahui informasi tentang terjadi atau tidaknya hujan. Penelitian ini menggunakan metode Vector Autoregressive Neural Network (VAR-NN) yang bertujuan meramalkan curah hujan di Kota Pontianak berdasarkan data bulanan dari Januari 2019 hingga Desember 2022 yang diperoleh dari Stasiun Meteorologi Maritim Pontianak. Vector Autoregressive (VAR) adalah metode deret waktu multivariat yang variabelnya tidak perlu dipisahkan menjadi variabel endogen atau eksogen. Dalam kasus curah hujan biasanya juga mengandung pola nonlinier, sehingga diperlukan pemodelan nonlinier untuk mengantisipasi masalah tersebut. Adapun metode peramalan yang bersifat nonlinier salah satunya adalah Neural Network (NN). NN memiliki kemampuan dalam menganalisis berbagai jenis data. Hasil analisis menunjukkan bahwa VAR-NN (5) dengan jumlah lapisan (4-2-1) menghasilkan peramalan curah hujan selama 12 bulan ke depan termasuk dalam kategori rendah. Berdasarkan perhitungan MAPE bahwa hasil peramalan termasuk dalam kategori cukup baik dengan nilai MAPE sebesar 45,080%. Hal ini disebabkan karena nilai varians dari curah hujan yang besar, sehingga nilai MAPE yang dihasilkan besar pula.  Kata Kunci: curah hujan, VAR, NN.
PENERAPAN REGRESI RIDGE ROBUST-M DALAM MENGATASI MULTIKOLINEARITAS DAN PENCILAN PADA DATA STUNTING DI INDONESIA Fiqriah, Isnaini; Martha, Shantika; Kusnandar, Dadan
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 4 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i4.78042

Abstract

Multikolinearitas dan pencilan merupakan permasalahan yang menyebabkan model yang   diperoleh kurang akurat sehingga perlu diatasi agar model menjadi lebih stabil. Kedua permasalahan tersebut   dapat diatasi secara bersamaan menggunakan metode regresi Ridge Robust-M yang merupakan penggabungan dari metode regresi Ridge dan regresi Robust dengan estimasi M. Tujuan dari penelitian ini adalah menerapkan metode regresi Ridge Robust-M dalam mengatasi multikolinearitas dan pencilan pada data yang digunakan dan membentuk model regresi Ridge Robust-M. Data sekunder yang digunakan merupakan data stunting dari setiap provinsi di Indonesia tahun 2021. Variabel dependen yang digunakan adalah kejadian stunting Y, sedangkan variabel independen yang digunakan adalah persentase pemberian tablet tambah darah X1, imunisasi BCG X2, imunisasi polio X3, imunisasi DPT-Hb-Hib3 X4, inisisasi menyusu dini X5, antenatal pertama X6 dan sanitasi layak X7. Dalam proses analisis pada penelitian ini dilakukan terlebih dahulu pemodelan regresi linear berganda. Kemudian menghitung nilai penduga parameter regresi Robust-M. Setelah itu,  menghitung nilai penduga parameter regresi Ridge Robust-M   dengan memasukkan nilai dugaan parameter regresi Robust-M kedalam rumus penduga tetapan c* pada regresi Ridge. Setelah nilai tetapan bias diperoleh, maka selanjutnya membentuk model persamaan regresi Ridge Robust-M untuk mengatasi multikolinearitas dan pencilan pada data. Hasil dari penelitian ini diperoleh model persamaan Ridge Robust-M yang tidak mengandung multikolinearitas dimana hal ini dapat ditunjukkan dengan semua variabel independen memiliki nilai VIF kurang dari 10. Selain itu terdapat penurunan bobot pencilan sehingga dapat dikatakan bahwa masalah pencilan telah teratasi. Variabel X1, X2, X6 dan X7  berpengaruh signifikan secara parsial terhadap kejadian stunting.    Kata Kunci: stunting, multikolinearitas, pencilan, regresi Ridge Robust-M.
REGRESI LOGISTIK ORDINAL DENGAN PROPORTIONAL ODDS MODEL PADA KELENGKAPAN IMUNISASI DASAR BALITA KALIMANTAN BARAT Rahmawati, Fenti Nurdiana; Satyahadewi, Neva; Martha, Shantika; Kusnandar, Dadan
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 6 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i6.87661

Abstract

Kalimantan Barat menduduki posisi tujuh terendah pada persentase imunisasi dasar lengkap tahun 2022. Regresi logistik ordinal  dapat  digunakan untuk menentukan faktor yang memengaruhi kelengkapan imunisasi. Salah satu model yang umum digunakan dalam regresi logistik ordinal adalah proportional odds model. Data yang digunakan merupakan data sekunder yang  berasal  dari Badan Pusat Statistik (BPS) yakni  data Survei Sosial-Ekonomi Nasional (Susenas) 2022. Sampel  penelitian sebanyak 277  memiliki kriteria anak balita usia 12-59 bulan yang melakukan imunisasi dan tidak imunisasi di Provinsi Kalimantan Barat.  Variabel dependen yang digunakan yaitu kelengkapan imunisasi, sedangkan variabel independennya yaitu  daerah administratif (X1),  kepemilikan buku Kesehatan Ibu dan Anak (KIA)/Kartu Menuju Sehat (KMS) (X2),  dan klasifikasi wilayah (X3).  Tujuan penelitian ini adalah menganalisis hasil regresi logistik ordinal dengan proportional odds model dan menentukan variabel independen yang secara signifikan berpengaruh terhadap kelengkapan imunisasi dasar anak balita di Provinsi Kalimantan Barat. Proses analisis diawali dengan melakukan uji multikolinearitas dengan kriteria Variance Inflation Factor (VIF) ≤ 10. Setelah variabel independen terbebas dari multikolinearitas, dilakukan estimasi parameter, pembentukan model regresi, uji simultan dengan uji rasio likelihood, uji parsial dengan uji Wald, pengujian koefisien determinasi dengan pseudo R-square Nagelkerke, uji asumsi parallel lines, uji kecocokan model, perhitungan nilai odds ratio, diikuti interpretasi. Berdasarkan hasil analisis,  diperoleh kesimpulan bahwa pseudo R-square Nagelkerke menunjukkan kemampuan variabel independen menjelaskan variabel dependen sebesar 15,5%,  sedangkan  84,5% faktor lain di luar model.    Berdasarkan model  yang dihasilkan  diketahui bahwa variabel X2 dan X3 signifikan berpengaruh terhadap kelengkapan imunisasi, sedangkan  variabel  X1 tidak berpengaruh signifikan terhadap kelengkapan imunisasi.  Kata Kunci :  susenas, parallel lines, pseudo r-square nagelkerke.
GEOGRAPHICALL WEIGHTED ORDINAL LOGISTIC REGRESSION PADA KASUS STUNTING DI KALIMANTAN BARAT Muhtadi, Radhi; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 13, No 3 (2024): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v13i3.77423

Abstract

Stunting merupakan suatu masalah kurang gizi kronis yang diakibatkan asupan kurang gizi dalam jamgka waktu cukup lama, yang kemudian menyebabkan tumbuh kembang anak terganggu seperti tinggi badan yang lebih pendek dari standar usia anak pada umunya. Kasus stunting dikategorikan menjadi tiga kategori yang berskala ordinal yaitu tinggi, sedang, dan rendah. Kasus stunting di Provinsi Kalimantan Barat memiliki tingkat stunting yang berbeda-beda di setiap kabupaten/kotanya. Penelitian ini bertujuan untuk memperoleh model dan hasil prediksi kategori tingkat kasus stunting di kabupaten/kota yang ada di Provinsi Kalimantan Barat dengan mengaplikasikan Geographically Weighted Ordinal Logistic Regression (GWOLR) menggunakan fungsi pembobot Adaptive Gaussian Kernel. Data yang digunakan dalam penelitian ini adalah data sekunder yang bersumber dari website Badan Pusat Statistik dan website Satu Data Kalbar. Variabel terikat (Y) yang digunakan adalah tingkat kasus stunting dan variabel bebas (X) yang diduga mempengaruhi tingkat kasus stunting. Berdasarkan model GWOLR, didapat prediksi kategori untuk setiap lokasi pengamatan yaitu untuk Kabupaten Bengkayang, Landak, Mempawah, Sanggau, Ketapang, Sintang, Kapuas Hulu, Sekadau, Melawi, Kayong Utara, serta Kubu raya masuk dalam kategori tinggi, sedangkan untuk Kota Pontianak, Singkawang dan Kabupaten Sambas masuk dalam kategori rendah. Berdasarkan hasil prediksi, nilai ketepatan klasifikasi antar hasil prediksi menggunakan model GWOLR dengan hasil observasi adalah sebesar 64,29%. Kata Kunci: Stunting, Ordinal, Adaptive Gaussian Kernel
KLASTERISASI KABUPATEN/KOTA DI PULAU KALIMANTAN BERDASARKAN INDIKATOR KESEJAHTERAAN DENGAN TWO-STEP CLUSTER Hariadi, Wahyudio Shaney Fikri; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91668

Abstract

Kesejahteraan merupakan kapasitas untuk memenuhi berbagai kebutuhan hidup guna mencapai standar yang layak, sehat, dan produktif. Pertumbuhan di Pulau Kalimantan dalam beberapa tahun terakhir terus meningkat pesat, dengan proyeksi mencapai 20 juta jiwa pada tahun 2025. Mengetahui tantangan di setiap provinsi dan merumuskan solusi yang tepat merupakan langkah krusial dalam mewujudkan pemerataan kesejahteraan masyarakat. Tujuan penelitian ini mengelompokan kabupaten/kota di Pulau Kalimantan dan menganalisis karakteristiknya berdasarkan indikator. Penelitian ini menerapkan metode Two-Step Cluster, yang terdiri dari dua tahap dalam proses pengelompokan. Pada tahap pertama, klaster awal dibentuk melalui Cluster Feature Tree (CF Tree) dengan pengukuran jarak menggunakan metode Euclidean Distance. Sementara itu, tahap kedua menentukan klaster optimal dengan menghitung nilai BIC dan membandingkan rasio ukuran jarak antar klaster. Indikator yang digunakan ada tujuh yaitu Produk Domestik Regional Bruto (PDRB), Rata-rata Lama Sekolah (RLS), Harapan Lama Sekolah (HLS), Usia Harapan Hidup (UHH), Pengeluaran Perkapita Disesuaikan (PPD), Indeks Pembangunan Manusia (IPM), Indeks Pembangunan Literasi Masyarakat (IPLM). Berdasarkan hasil penelitian dapat dihasilkan 4 klaster optimal yang terbentuk. Klaster satu dengan tingkat kesejahteraan rendah memiliki 43 anggota kabupaten/kota di Pulau Kalimantan. Klaster dua dengan tingkat kesejahteraan menengah memiliki 2 anggota kabupaten di Provinsi Kalimantan Selatan. Klaster tiga dengan tingkat kesejahteraan sangat tinggi 9 anggota kabupaten/kota terdapat 7 anggota perkotaan dan 2 anggota kabupaten. Klaster empat dengan tingkat kesejahteraan tinggi memiliki 2 anggota kabupaten di Provinsi Kalimantan Timur.
PENERAPAN PRINCIPAL COMPONENT ANALYSIS-SUPPORT VECTOR MACHINE PADA KLASIFIKASI STATUS STUNTING DI KALIMANTAN BARAT Indriani, Maria Meilinda; Martha, Shantika; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91649

Abstract

Stunting merupakan permasalahan kesehatan masyarakat yang serius, ditandai dengan gangguan pertumbuhan anak akibat kekurangan gizi yang berlangsung dalam jangka waktu lama. Keadaan ini tidak hanya berdampak pada tinggi badan anak yang berada di bawah standar, tetapi juga berpengaruh terhadap perkembangan kognitif, kemampuan belajar, serta tingkat produktivitas di masa mendatang. Kalimantan Barat menjadi salah satu provinsi di Indonesia dengan prevalensi stunting yang relatif tinggi. Penelitian ini bertujuan untuk mengklasifikasikan status stunting di 14 kabupaten/kota di Kalimantan Barat dengan menerapkan metode Principal Component Analysis-Support Vector Machine (PCA-SVM). Selain itu, penelitian ini juga mengevaluasi tingkat akurasi model klasifikasi yang dihasilkan. PCA digunakan untuk mereduksi dimensi data dan mengatasi multikolinearitas, menghasilkan komponen utama yang independen sebagai variabel input dalam model. Selanjutnya, SVM dengan kernel Radial Basis Function (RBF) diterapkan untuk membangun model klasifikasi yang optimal. Penelitian ini menggunakan 14 variabel yang mencerminkan aspek kesehatan anak, ibu, lingkungan, dan faktor sosial-ekonomi. Keempat belas kabupaten/kota tersebut dikategorikan ke dalam tiga kelompok status stunting, yaitu rendah, sedang, dan tinggi. Kinerja model dievaluasi berdasarkan tingkat akurasi. Hasil penelitian menunjukkan bahwa pendekatan PCA-SVM dengan kernel RBF berhasil mencapai akurasi sebesar 92,86% dalam mengklasifikasikan status stunting. Analisis ini memberikan pemahaman yang penting mengenai pengelompokan status stunting di setiap wilayah, sehingga dapat menjadi dasar untuk merancang kebijakan intervensi yang lebih terarah dan tepat sasaran. Dengan demikian, hasil penelitian ini diharapkan dapat membantu pemerintah daerah dalam menurunkan prevalensi stunting secara efektif dan berkelanjutan.
Co-Authors , Syahru Rahmayuda, Haris Febriyanto Ramadhan , Sampe Hotlan Sitorus Agustono, Hendri Al Azizi, Fudhail Azzam Thoriqi Amarrullah, Rido Andani, Wirda Anggria, Vini Apriliyanti, Rita Aprizkiyandari, Siti Asmara, Mira AYU ASTUTI, AYU Ayuni, Anisa Putri Bartolomius, Bartolomius Cahyani, Cristy Framedia Calissta, Leanna Belva Clarenda Siboro, Viren Marcellya Cornellia, Amanda Dadan Kusnandar Deanovela, Adelea Delvi Debataraja, Naomi Nessyana Dwi Marisa Midyanti Dyaherawati, Oktavia Ersawahyuni, Aisna Evy Sulistianingsih Fallah, Khalishah Ghina Fiqriah, Isnaini Gunawan, Risky Hamdari, Ela Hariadi, Wahyudio Shaney Fikri Hendra Perdana Hidayatullah Hidayatullah Ilhamsyah Imro'ah, Nurfitri IMRO’AH, NURFITRI Indriani, Maria Meilinda Istighfarani, Ridha Maharani, Cinta Priscillia Mori, Stepanus Armadi Muhtadi, Radhi Neva Satyahadewi Novi Safitri Nurhaliza, Sy. Farini Oktitannia, Dea Pebriyandi, Rifki Pramesti, Surya Adinda Fitria Prianti, Sabrina Eka Purwanty, Purwanty Puspita, Risma Radinasari, Nur Ismi Rahmadanti, Putri Rahmawati, Fenti Nurdiana Rezaldi, Muhammad Fachri Riovani, Vriska Dwi Rivaldi, Syahrul Rizki, Setyo Wira Robbiati, Dian Sadikin, Utin Azwa Sayhani Salsabila, Salsabila Salsabila, Yumna Hanum Sindia, Eri Tamtama, Ray Umiati, Wiji Vebriyanti, Lo Mei Ly Wuri, Hastri Sastia Yogi, Vinsensius Yudhi Yundari, Yundari Zaria, Della