Bayisehatkita: Aplikasi Berbasis Web Untuk Klasifikasi Stunting Pada Aud

Ruslan, Bima Triadi (2021) Bayisehatkita: Aplikasi Berbasis Web Untuk Klasifikasi Stunting Pada Aud. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 05211740000065-Undergraduate_Thesis.pdf] Text
05211740000065-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.

Download (3MB) | Request a copy

Abstract

Malnutrisi merupakan permasalahan umum yang masih banyak
terjadi di seluruh dunia, salah satu bentuk dari malnutrisi yang paling banyak diderita oleh anak dibawah 5 tahun adalah
stunting. Indonesia masuk ke dalam region Asia Selatan dengan nilai persentase stunting yang masih berada di kategori sangat tinggi. Pada tahun 2019 stunting masih dianggap sebagai permasalahan utama dalam kesehatan masyarakat Indonesia dengan angka prevalensi sebesar 27,67%. Stunting dapat mengakibatkan penurunan kemampuan kognitif dan akademik dari anak, penurunan produktivitas, peningkatan risiko naik berat badan yang eksesif dan penyakit kronis terkait nutrisi pada saat kehidupan dewasa. Dengan angka prevalensi yang masih tinggi dan dampak yang memiliki pengaruh besar pada kehidupan anak, maka perlu diteliti lebih lanjut langkah atau cara apa yang perlu dilakukan untuk menurunkan angka prevalensi stunting di Indonesia.
Dalam tugas akhir ini metode yang akan digunakan adalah Binary Logistic Regression. Metode tersebut digunakan karena dapat membandingkan beberapa independent variabel berjenis continuous dan categorical dengan variabel dependent yang terdiri dari dua kemungkinan atau dichotomous. Selain itu dengan menggunakan metode ini maka dapat diperhitungkan probabilitas dari suatu kejadian yang akan terjadi, dalam kasus ini proabilitias anak akan stunting atau probabilitas anak tidak akan stunting. Lalu untuk mengukur kinerja dari metode tersebut akan digunakan confusion matrix untuk
memperhitungkan tingkat accuracy, precision, dan recall. Dataset yang akan digunakan dalam tugas akhir ini merupakan dataset Indonesian Family Life Surveys 4 (IFLS 4) dari tahun 2007 dan Indonesian Family Life Survey 5 (IFLS 5) dari tahun 2014-2015 yang diselenggarakan oleh RAND Corporation dan Surveymeter.Hasil analisis dari tugas akhir ini telah diketahui bahwa faktor yang memiliki pengaruh signifikan terhadap perubahan status stunting anak terdiri dari tinggi ayah, tinggi ibu, berat badan ibu, pendidikan ibu, area rumah, dan gender anak. Lalu dalam pengembangan model telah didapatkan bahwa model menggunakan binary logistic regression dengan parameter C bernilai 1, penalty L2 dan solver newton-cg dapat melakukan prediksi status stunting anak dengan cukup baik dengan nilai accuracy sebesar 75,05% dan f1-score sebesar 74,89%.
==================================================================================================
Malnutrition is a common problem that still occurs throughout the world, one of the most common forms of malnutrition that is suffered by children under years old is stunting. Indonesia is part of the Sout Asia region with a stunting percentage value that is still in the very high category. In 2019 stunting was still considered a major problem in the Indonesian public healthwith a prevalence rate of 27.67%. Stunting can lead to decreased cognitive and academic abilities of children, decreased productivity, increased risk of excessive weight gain and chronic nutrition-related disease when they grow older. With a prevalence rate that is still considered as high and the impact that has a big influence on children’s lives, it is necessary to further investigate what steps or ways that needs to be done to reduce the prevalence of stunting in Indonesia.
In this final project the method that is used is binary logistic regression. This method is used based on it’s capabilities to compare several independent variable of continuous and categorical type with a dependent variable which consists of two possibilities or is dichotomous. In addition, by using this method, the probability of an event that will occur can be calculated. In this case the probability of the child being stunted or the probability that the child will not be stunted. To calculate the performance of the model, a confusion matrix will be used to calculate the level of accuracy, precision, and recall. The dataset that is used in this final project is the Indonesian Family Life Surveys 4 (IFLS 4) dataset from 2007 and the Indonesian Family Life Survey 5 (IFLS 5) from 2014-2015 organized by RAND Corporation and Surveymeter. The results of the analysis that is conducted in this final project have shown that the factors that have a significant influence on changes in a child stunting status consist of father’s height, mother’s height, mother’s weight, mother’s education, house area, and child’s gender. Then in the development of the model, it was found that the model using binary logistic regression with a parameter C with a value of 1, penalty of L2, and with the newton-cg solver can predict the stunting status quite well with an accuracy value of 75.05% and f1-score of 74.89%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: tatus gizi anak, Stunting, Prediksi, Logistic Regression, Binary Logistic Regression. Child Nutritional Status, Stunting, Prediction, Logistic Regression, Binary Logistic Regression
Subjects: R Medicine > RJ Pediatrics > RJ101 Child Health. Child health services
T Technology > T Technology (General) > T57.5 Data Processing
T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models.
Divisions: Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis
Depositing User: Bima Triadi Ruslan
Date Deposited: 20 Aug 2021 14:09
Last Modified: 20 Aug 2021 14:09
URI: http://repository.its.ac.id/id/eprint/88038

Actions (login required)

View Item View Item