<![CDATA[Stunting masih menjadi tantangan kesehatan utama yang berdampak pada pertumbuhan dan perkembangan anak di Indonesia. Upaya deteksi dini risiko stunting memerlukan pendekatan berbasis data yang akurat dan praktis. Penelitian ini bertujuan mengembangkan dan membandingkan dua model klasifikasi, yaitu Logistic Regression dan Decision Tree, untuk memprediksi risiko stunting pada balita dengan memanfaatkan data kesehatan terbuka. Dataset yang digunakan mencakup variabel usia, berat lahir, berat badan, panjang badan, dan jenis kelamin. Proses penelitian meliputi preprocessing data, pemabagian data menjadi data latih dan data uji, penerapan model, serta evaluasi performa menggunakan metrik akurasi, precision, recall, dan F1-Score. Hasil penelitian menunjukkan bahwa Logistic Regression memberikan performa lebih stabil dengan akurasi 84,4% pada data latih dan uji. Decision Tree memiliki akurasi lebih tinggi pada data latih (96,5%) namun menurun pada data uji (78,7%), menunjukkan kecenderungan overfitting. Visualisasi Decision Tree mengungkapkan bahwa usia dan berat badan menjadi fitur paling dominan dalam klasifikasi risiko stunting. Berdasarkan hasil tersebut, Logistic Regression direkomendasikan sebagai model yang lebih andal untuk implementasi prediski stunting di tingkat layanan kesehatan masyarakat. Temuan ini diharapkan dapat memberikan kontribusi bagi pengembangan sistem pendukung keputusan berbasis data dalam mitigasi stunting.]]>
Copyrights © 2025
