PREDIKSI STATUS STUNTING PADA BALITA MENGGUNAKAN ALGORITMA DECISION TREE C4.5

Abstract

Stunting adalah kondisi di mana anak balita mengalami gagal tumbuh akibat kekurangan gizi kronis, yang membuat tinggi badan anak lebih pendek dari standar usianya. Penelitian ini betujuan untuk bagaimana memprediksi status stunting pada anak menggunakan metode decision tree C4.5, Bagaimana mengukur tingkat akurasi pada model decision tree C4.5 dalam prediksi stunting pada balita. Data mining adalah istilah yang dipakai untuk mengilustrasikan tahapan pencarian informasi di dalam basis data. Salah satu metode yang digunakan dalam analisis prediktif adalah algoritma decision tree C4.5. Algoritma ini merupakan salah satu algoritma yang digunakan untuk melakukan prediksi. Dasar algoritma decision tree C4.5 adalah pembentukan pohon keputusan (decision tree). Hasil dari pengujian metode decision tree C4.5 serta tahapan model dievaluasi untuk mengetahui pengaruh setiap tahapan terhadap kemampuan model dalam melakukan prediksi. Metrik evaluasi yang digunakan berupa hasil dari confusion matrix. Terdapat hasil terbaik yaitu pada percobaan pertama dengan menangani data imbalance dengan teknik SMOTE dan dengan pembagian data sebanyak 80% untuk data latih (train) dan 20% untuk data uji (testing) akurasi pada data latih 84% dan data uji 94%. Confusion matrix pada presisi kelas 0=48, kelas 1=99, recall kelas 0=73, kelas 1=96, F1 Score kelas 0=58, pada kelas 1=97.