KOMPARASI ALGORITMA MACHINE LEARNING DENGAN HYPERPARAMETER TUNING UNTUK KLASIFIKASI MULTI-LABEL STATUS GIZI BALITA DI KABUPATEN MAJALENGKA

Hidayat, Fajar Maula (2024) KOMPARASI ALGORITMA MACHINE LEARNING DENGAN HYPERPARAMETER TUNING UNTUK KLASIFIKASI MULTI-LABEL STATUS GIZI BALITA DI KABUPATEN MAJALENGKA. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS)
22.55.1213 Fajar Maula Hidayat.pdf
Download (5MB)

Abstract

Status gizi balita merupakan indikator penting dalam pemantauan kesehatan masyarakat yang memerlukan pendekatan efektif dalam pencegahan dan penanganannya. Penelitian ini bertujuan untuk membandingkan kinerja beberapa algoritma machine learning dengan hyperparameter tuning untuk klasifikasi multilabel status gizi balita di Kabupaten Majalengka. Algoritma yang dibandingkan meliputi naïve bayes, logistic regression, random forest, svc, decision tree dan k-nearest neighbors, dengan masing-masing algoritma melalui penyetelan hyperparameter untuk optimalisasi kinerja model. Data yang digunakan mencakup berbagai indikator kesehatan balita yang diperoleh dari Dinas Kesehatan Kabupaten Majalengka. Hasil penelitian menunjukkan bahwa algoritma Support Vector Classification (SVC) mencapai akurasi tertinggi dalam klasifikasi multi-label status gizi balita, dengan akurasi sebesar 94.28% untuk tb/u (stunting), 94.28% untuk bb/u (wasting), dan 95.12% untuk bb/tb (underweight). Hasil ini menunjukkan bahwa SVC merupakan algoritma yang paling efektif dalam mengklasifikasikan status gizi balita, sehingga dapat menjadi pilihan utama dalam menangani masalah status gizi pada balita, yang merupakan tantangan penting dalam bidang kesehatan masyarakat.

Item Type:

Thesis (S2 - Magister)

Contributor: