KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN METODE DECISION TREE DAN K-FOLD CROSS VALIDATION

KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN METODE DECISION TREE DAN K-FOLD CROSS VALIDATION

• By Putri Aisyah Sabrina;
• Jurnal
• 8
• 5

Status gizi balita merupakan indicator penting bagi kesehatan masyarakat yang berpengaruh pada kualitas sumber daya manusia. Namun, pemantauan status gizi balita secara menual memiliki keterbatasan akurasi dan efisiensi. Dalam upaya mengatasi tantangan ini, metode berbasis machine learning seperti algoritma decision tree menawarkan solusi untuk meningkatkan kecepatan dan akurasi penilaian. Penelitian ini bertujuan untuk mengembangkan model klasifikasi status gizi balita menggunakan algoritma decision tree yang sederhana, mudah dipahami, dan diinterpretasikan. Keakuratan model diuji menggunakan Teknik validasi K-fold Cross Validation, yang memastikan evaluasi performa model dilakukan secara menyeluruh dengan membagi data menjadi beberapa subset untuk pelatihan dan pengujian. Hasil penelitian menunjukkan bahwa algoritma decision tree dengan K-fold Cross Validation mampu menghasilkan model klasifikasi yang akurat dan dapat diandalkan. Pendekatan ini diharapkan menjadi alternatif dalam pemantauan status gizi balita untuk mendukung peningkatan Kesehatan masyarakat indonesia.

 

Kata Kunci : Status gizi balita, Decision Tree, K-fold Cross Validation,

Klasifikasi, Machine Learning

 

• Katakunci Status gizi balita, decision tree, K-FOLD cross validation, klasifikasi, machine learning
• URL http://
• Penerbit ,

REFERENSI

Adhi Putrayana, R., Ramadhan, R., Saputra, R. I., & Sahid, R. A. (n.d.). Literatur Review: Klasifikasi Penyakit Menular Seksual (PMS) Menggunakan Naïve Bayes dan Metode Machine Learning Terkait. https://journal.mediapublikasi.id/index.php/oktal

Arther Sandag, G. (2020). Prediksi Rating Aplikasi App Store Menggunakan Algoritma Random Forest Application Rating Prediction on App Store using Random Forest Algorithm. Cogito Smart Journal |, 6(2). https://www.kaggle.com/

Azis Rahmat, W., Madinah Ladjamuddin, S., & Teruna Awaludin, D. (2023). PERBANDINGAN ALGORITMA DECISION TREE, RANDOM FOREST DAN NAIVE BAYES PADA PREDIKSI PENILAIAN KEPUASAN PENUMPANG MASKAPAI PESAWAT MENGGUNAKAN DATASET KAGGLE. Jurnal Rekayasa Informasi, 12(2). www.kaggle.com ,

Bahri, S., & Lubis, A. (2020). METODE KLASIFIKASI DECISION TREE UNTUK MEMPREDIKSI JUARA ENGLISH PREMIER LEAGUE. 2(1).

Gelar Guntara, R. (2023). Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(1), 55–60. https://doi.org/10.47233/jteksis.v5i1.750

Handayani, P., & Charis Fauzan, A. (2024). KLIK: Kajian Ilmiah Informatika dan Komputer Machine Learning Klasifikasi Status Gizi Balita Menggunakan Algoritma Random Forest. Media Online), 4(6), 3064–3072. https://doi.org/10.30865/klik.v4i6.1909

Latifah, K. (2018). ANALISIS DAN PENERAPAN ALGORITHMA C45 DALAM DATA MINING UNTUK MENUNJANG STRATEGI PROMOSI PRODI INFORMATIKA UPGRIS. JURNAL TEKNIK INFORMATIKA, 11(2), 109–120. https://doi.org/10.15408/jti.v11i2.6706

Romzi, M., & Kurniawan, B. (2020). PEMBELAJARAN PEMROGRAMAN PYTHON DENGAN PENDEKATAN LOGIKA ALGORITMA (Issue 2).