Klasifikasi Status Gizi Balita Berdasarkan Data Antropometri Menggunakan Algoritma Light Gradient Boosting Machine
Tahun 2026 · Penulis: Amirah Firdaus
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/12551
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Klasifikasi Status Gizi Balita Berdasarkan Data Antropometri Menggunakan Algoritma Light Gradient Boosting Machine
Balita berada di usia keemasan mereka, di mana malnutrisi pada tahap ini tidak dapat diperbaiki dan dapat mempengaruhi kesehatan pada masa dewasa. Oleh karena itu, memantau status gizi sangatlah penting. Menurut 2025 Jember Regency Data Dashboard, 18.157 balita dicatat sebagai stunted, mewakili 10.28%, 19,839 balita dicatat sebagai limbah, mewakili 11.23%, dan 31.050 balita tercatat sebagai anak kelas bawah, mewakili 17.58%, yang menunjukkan bahwa problem gizi di antara balita tetap menjadi perhatian penting di daerah ini. Penelitian ini bertujuan untuk mengembangkan model klasifikasi untuk status gizi balita berdasarkan data antropometrik (gender, usia, berat, dan tinggi) menggunakan Mesin Pengoleksi Terang (LightGM) algoritma dengan Bayesian Otimisasi untuk penyetelan hyperparameter, dan untuk mengevaluasi efek menerapkan Sintetic Minority Oversampling Technique (SMOTE) dalam penanganan ketidakseimbangan kelas. Penelitian ini juga menerapkan model terbaik ke dalam sistem berbasis situs web menggunakan kerangka kerja Flask. Dataset yang digunakan adalah 131.591 balita catatan dari Kantor Kesehatan Kabupaten Jember untuk periode 2025 Desember. Tahap praprosesnya termasuk pemilihan kolom, menangani nilai yang hilang (1.097 catatan dihapus), menghapus data duplikat (11.943 catatan), penanganan yang lebih cepat menggunakan metode IQR (1.26 catatan dihapus), pengkodean kategoris, dan perubahan usia ke bulan, menghasilkan dataset akhir dari 117.525 rekaman dibagi ke 80% pelatihan dan 20% pengujian data menggunakan samplas terstratif. Dua pendekatan dibandingkan: LightGBM dengan Bayesian Optimisasi (LGBM-BO) dan LightGBM dengan Optimasi Bayesian dan SMOTE (LGBM-BO-S). Hasil evaluasi menunjukkan bahwa model LGBM-BO menyediakan kinerja terbaik dengan akurasi 95.20%, presisi 95.10%, sebuah penarikan 95.20%, dan sebuah F1-score 95.14%. Meskipun SMOTE meningkatkan pengakuan kelas minoritas, hal itu menyebabkan berkurangnya kinerja secara keseluruhan. Analisis yang berlebihan lebih lanjut dikonfirmasi bahwa LGBM-BO lebih baik, dengan pelatihan-tessi akurasi hanya 1,30% dibandingkan 2,31% untuk LGBM-BO-S. Model terbaik telah diterapkan dengan sukses dalam sistem berbasis situs web yang memungkinkan orang tua dan pekerja kesehatan untuk dengan mudah dan cepat menentukan status gizi balita. Uji kotak hitam menunjukkan bahwa semua fungsi sistem berjalan seperti yang diharapkan, dan sistem ini lebih disahkan oleh ahli gizi pusat kesehatan masyarakat, yang memastikan bahwa mudah untuk digunakan dan bahwa hasil klasifikasinya jelas dapat ditafsirkan.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,844
Tahun 2025 · Penulis: Mohammad Irfan Maulana
Penerapan Metode Naive Bayes dan Support Vector Machine (SVM) dalam Mengklasifikasikan Status Gizi Balita Stunting di Puskesmas Sumbersari Kabupaten Jember
Perasaan takut adalah problem gizi kronis yang berdampak serius terhadap pertumbuhan dan perkembangan balita. Penelitian ini bertujuan untuk membandingkan kinerja Teluk Naïve dan Dukungan Mesin Vektor (SVM) algoritma dalam mengklasifikasikan status gizi balita
- Cosine 0,837
Tahun 2025 · Penulis: Mohammad Irfan Maulana
Analisis Perbandingan Metode Naive Bayes dan Support Vector Machine (SVM) dalam Klasifikasi Status Gizi Balita Berisiko Stunting
Penelitian ini berjudul “Analisis Perbandingan Metode Naive Bayes dan Support Vector Machine (SVM) dalam Klasifikasi Status Gizi Balita Berisiko Stunting”. Penelitian ini dilatarbelakangi oleh tingginya prevalensi stunting pada balita di Indonesia, termasuk di
- Cosine 0,807
Tahun 2025 · Penulis: Erma Anggi Giwanti
Sistem Pendukung Keputusan Pemilihan Alat Kontrasepsi untuk Keluarga Berencana dengan Fuzzy Mamdani
Kontrasepsi adalah alat atau metode yang digunakan untuk mengatur jarak kehamilan dan mencegah kehamilan. Penggunaan kontrasepsi ini diharapkan mengurangi laju pertumbuhan di kawasan Sumbersari. Seleksi kontrasepsi dilakukan oleh para ahli dalam bidang perenca