RAJUDDIN, MUHARRIR (2026) IMPLEMENTASI MODEL ALGORITMA C5.0 UNTUK KLASIFIKASI STATUS STUNTING. S1 thesis, universitas malikussaleh.

	Text judul mu.pdf Download (172kB)
	Text anstrak mu.pdf Download (216kB)
	Text bab 1mu.pdf Download (273kB)
	Text dapus mu.pdf Download (209kB)
	Text SKRIPSI FIX UNTUK CETAK.pdf Restricted to Registered users only Download (2MB)

Abstract

Stunting merupakan permasalahan kesehatan masyarakat yang masih menjadi tantangan serius di Indonesia karena berdampak jangka panjang terhadap kualitas sumber daya manusia. Tingginya prevalensi stunting, khususnya di tingkat daerah, menuntut adanya pendekatan yang lebih sistematis dan berbasis teknologi untuk mendukung deteksi dini dan pengambilan keputusan yang tepat. Penelitian ini bertujuan untuk mengimplementasikan algoritma C5.0 dalam mengklasifikasikan status stunting pada balita serta mengevaluasi kinerja model berdasarkan data balita di Puskesmas Tanah Jambo Aye. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan desain eksperimen, di mana data sekunder balita dianalisis melalui tahapan data mining meliputi pemilihan data, pembagian data training dan testing, pembentukan pohon keputusan, serta evaluasi model menggunakan confusion matrix dengan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa algoritma C5.0 mampu mengklasifikasikan status stunting dengan tingkat akurasi sebesar 71,33 persen, dengan atribut tinggi badan sebagai faktor paling dominan dalam proses klasifikasi. Model yang dihasilkan bersifat interpretable dan mampu memberikan aturan keputusan yang mudah dipahami oleh tenaga kesehatan. Temuan ini berkontribusi dalam pengembangan penerapan algoritma decision tree pada bidang kesehatan masyarakat, khususnya untuk mendukung skrining awal stunting secara cepat dan objektif. Kesimpulan dari penelitian ini menegaskan bahwa algoritma C5.0 memiliki potensi yang baik sebagai alat bantu klasifikasi status stunting, meskipun masih diperlukan pengembangan lebih lanjut melalui penambahan variabel, perluasan wilayah data, dan penerapan metode pembanding agar diperoleh model yang lebih akurat dan memiliki daya generalisasi yang lebih tinggi.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Muharrir Muharrir Rajuddin Teknik Informatika
Date Deposited:	11 Mar 2026 02:56
Last Modified:	11 Mar 2026 02:56
URI:	https://rama.unimal.ac.id/id/eprint/18949

Actions (login required)

View Item