<![CDATA[Stunting pada balita merupakan masalah kesehatan serius dengan dampak jangka panjang pada perkembangan fisik dan kognitif anak. Tingginya angka stunting saat ini menunjukkan perlunya upaya intensif dan inovatif untuk penanganannya, termasuk melalui pendekatan berbasis data dan teknologi. Identifikasi risiko stunting umumnya dilakukan secara manual melalui pengukuran antropometri, yang memerlukan waktu, tenaga ahli, dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk menerapkan pendekatan data mining menggunakan algoritma C4.5 dalam prediksi risiko stunting pada balita. Algoritma C4.5 dipilih karena kemampuannya menangani data kategori dan numerik serta menghasilkan model klasifikasi berbentuk pohon keputusan yang mudah diinterpretasi. C4.5 memanfaatkan informasi gain untuk memilih fitur paling relevan, sehingga efektif dalam membagi data dan mengklasifikasikan status gizi balita. Penelitian ini menghasilkan model prediksi stunting yang memanfaatkan fitur-fitur seperti tinggi badan, umur, dan jenis kelamin dengan algoritma C4.5. Model ini menunjukkan akurasi tinggi sebesar 98.88%, dengan nilai precision, recall, dan F1-score yang konsisten di setiap kelas. Selain itu, nilai ROC-AUC sebesar 98.98% menunjukkan kemampuan model yang baik dalam membedakan kelas status gizi yang berbeda. Tingginya akurasi ini mengindikasikan bahwa algoritma C4.5 dapat diandalkan untuk mendeteksi risiko stunting secara efektif, sehingga dapat mendukung tenaga kesehatan dan pembuat kebijakan dalam melakukan intervensi yang lebih tepat dan akurat.]]>
Copyrights © 2024
