<![CDATA[Tinggi badan anak merupakan indikator penting dalam menilai status pertumbuhan dan gizi. Meskipun hubungan antara faktor antropometri dan tinggi badan telah banyak diteliti, pemahaman kuantitatif mengenai kontribusi relatif fitur dalam model prediktif masih perlu dieksplorasi. Penelitian ini bertujuan menganalisis pengaruh fitur terhadap tinggi badan anak menggunakan machine learning berbasis regresi dan interpretasi model SHAP. Analisis dilakukan dengan kerangka CRISP-DM yang mencakup siklus analitik data. Dataset penelitian terdiri dari 100.000 entri anak dengan lima fitur utama: umur, berat badan, stunting, wasting, dan jenis kelamin. Pemodelan dilakukan secara otomatis menggunakan PyCaret dan dievaluasi dalam tiga skenario jumlah fitur: lima, tiga, dan satu, untuk menilai dampaknya terhadap akurasi dan kontribusi fitur. Hasil menunjukkan bahwa fitur umur secara konsisten memiliki pengaruh terbesar dalam semua skenario. Model lima fitur menghasilkan akurasi tertinggi (R ² = 0,9276), sementara model tiga fitur tetap kompetitif (R ² = 0,9233). Temuan ini menunjukkan bahwa fitur antropometri dasar cukup informatif untuk prediksi tinggi badan secara efisien dan interpretatif.]]>
Copyrights © 2025
