Skripsi/Tugas Akhir

Perbandingan Algoritma K-Nearest Neighbor dan Random Forest untuk Memprediksi Anak Stunting pada Posyandu Pucak

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Stunting adalah suatu kondisi dimana anak mengalami gagal pertumbuhan akibat dari kekurangan gizi dalam waktu yang cukup lama, kondisi ini dapat terlihat jelas dari tinggi badan anak yang terlihat berbeda dari teman - teman seusianya. Dalam studi ini penulis membahas data stunting yang diambil pada bulan Desember hingga Februari 2023 di Kecamatan tompobulu Kabupaten Maros. Penelitian dilakukan dengan membandingkan dua jenis algoritma yaitu KNN dan random forest untuk memprediksi keadaan stunting pada balita dan melakukan pengembangan sebuah sistem berupa perangkat lunak yang berbasis website yang mampu melakukan prediksi anak beresiko terkena Stunting. Hasil yang didapat merupakan pembelajaran dari data yang diperoleh dan dilakukan pelatihan sehingga model machine learning mampu bekerja dan memprediksi hasil untuk kasus data yang berbeda dengan parameter yang sama. Hasil dari pengujian menunjukkan bahwa model machine learning menggunakan Random Forest memiliki nilai akurasi rata-rata untuk sebesar 0.98 dan model machine learning menggunakan KNN memiliki nilai akurasi untuk KNN 0.86 dengan menggunakan google collab.
Kata Kunci : Stunting, Random forest, K-Nearest Neigbor, Machine learning

ABSTRACT
Stunting is a condition in which a child experiences growth failure due to a prolonged period of inadequate nutrition, and it can be clearly seen from the child's height being different from that of their peers. In this study, the author discusses stunting data taken from December to February 2023 in the Tompobulu District of Maros Regency. The study compares two types of algorithms, KNN and random forest, to predict stunting in toddlers and develop a web-based software system that can predict the risk of stunting in children. The results obtained are the learnings from the acquired data and training, enabling the machine learning models to work and predict results for different data cases with the same parameters. The testing results show that the Random Forest machine learning model has an average accuracy value of 0.98, and the KNN machine learning model has an accuracy value of 0.86 when using Google Collab.
Keyword : Stunting, Random forest, K-Nearest Neighbor, Machine learning

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

[Tidak Ada]

No. Panggil

SKR 23-47 BAS p - 0002RPL

Penerbit

Makassar : ., 2023

Deskripsi Fisik

xii + 73 hlm., 28,5 x 20,5 cm

Bahasa

Indonesia

ISBN/ISSN

[Tidak Ada]

Klasifikasi

SKR 23-47

Tipe Isi

Text dan Gambar

Edisi/Cetakan

[Tidak Ada]

Subjek

Skripsi/Tugas Akhir
K-Nearest Neighbor
Algoritma Random Forest

Lampiran File