Ananta, Rahma Jihan (2026) PENERAPAN ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI STATUS GIZI ANAK. S1 thesis, Universitas Malikussaleh.

	Text Rahma Jihan Ananta_210170241_Cover.pdf Download (229kB)
	Text Rahma Jihan Ananta_210170241_Abstrak.pdf Download (257kB)
	Text Rahma Jihan Ananta_210170241_Bab I.pdf Download (261kB)
	Text Rahma Jihan Ananta_210170241_Daftar Pustaka.pdf Download (222kB)
	Text Rahma Jihan Ananta_210170241_PENERAPAN ALGORITMA RANDOM FOREST UNTUK KLASIFIKASI STATUS GIZI ANAK.pdf Restricted to Registered users only Download (2MB)

Abstract

Status gizi yaitu suatu kondisi terkait gizi yang bisa diukur dan merupakan hasil dari adanya keseimbangan kebutuhan gizi pada tubuh dengan asupan gizi dari makanan. Klasifikasi yaitu teknik yang digunakan dalam data mining, untuk menganalisis data yang kemudian dijadikan kedalam beberapa kategori sesuai dengan variabel-variabel yang terkait. Pada Metode yang akan digunakan merupakan Algoritma Random Forest digunakan untuk klasifikasi klasifikasi status gizi anak berdasarkan data Dinas Kesehatan Lhokseumawe. Tujuan penelitian adalah untuk menerapkan Algoritma Random Forest untuk melakukan klasifikasi status gizi anak serta mengetahui tingkat akurasi dan efektivitas Random Forest dalam melakukan klasifikasi status gizi anak. Metode penelitian yang digunakan dalam penelitian ini adalah metode pengumpulan data dan metode perancangan sistem, dalam metode pengumpulan data penulis mengumpulkan sample data, observasi, wawancara, dan studi literatur, kemudian dalam metode perancangan sistem penulis melakukan analisa kebutuhan sistem, dan analisa metode perancangan sistem. Hasil akhir klasifikasi status gizi anak pada Dinas Kesehatan Kota Lhokseumawe mendapati hasil dalam empat kategori gizi balita yaitu underweight (60%), stunting (38.4%), wasting (1.6%), dan obesitas (0.0%). Dataset terdiri dari 568 data latih dan 437 data uji dengan empat kategori status gizi, yaitu stunting, underweight, wasting, dan obesitas di mana underweight merupakan kelas dominan. Hasil perhitungan entropy dan information gain menunjukkan bahwa IMT menjadi variabel paling berpengaruh dalam klasifikasi status gizi. Evaluasi model menggunakan data uji menghasilkan akurasi sebesar 75,52%, yang menunjukkan bahwa algoritma Random Forest mampu mengklasifikasikan status gizi balita dengan cukup baik pada data multi-kelas yang tidak seimbang. Kata Kunci: Klasifikasi, Status Gizi, Data Mining, Random Forest, Dinkes

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Rahma Jihan Ananta
Date Deposited:	21 May 2026 03:41
Last Modified:	21 May 2026 03:41
URI:	https://rama.unimal.ac.id/id/eprint/19824

Actions (login required)

View Item