Penerapan algoritma Decision Tree untuk klasifikasi status stunting pada balita di Indonesia

Miftakhiyah Fazza Baita, Universitas Muhammadiyah Semarang, Indonesia
Siti Nurhalisa, Universitas Muhammadiyah Semarang, Indonesia
M Al Haris, Universitas Muhammadiyah Semarang, Indonesia
Saeful Amri, Universitas Muhammadiyah Semarang, Indonesia

 10.21831/jssd.v3i2.24754

Abstract


Stunting merupakan permasalahan kesehatan masyarakat yang serius di Indonesia. Kondisi ini terjadi akibat kekurangan gizi kronis yang berlangsung dalam jangka waktu lama, sehingga menyebabkan anak balita memiliki tinggi badan lebih rendah dibandingkan standar usianya. Selain menghambat pertumbuhan fisik, stunting juga berdampak pada perkembangan kognitif dan produktivitas anak di masa depan. Berdasarkan Survei Status Gizi Indonesia (SSGI) tahun 2022, prevalensi stunting di Indonesia mencapai 21,6%, melebihi ambang batas yang ditetapkan WHO, yaitu kurang dari 20%. Pemerintah menargetkan penurunan angka tersebut menjadi 14% pada tahun 2024. Salah satu pendekatan yang dapat digunakan untuk mendukung upaya ini adalah dengan menerapkan algoritma pohon keputusan dalam klasifikasi status stunting . Hasil penelitian menunjukkan bahwa model pohon keputusan C4.5 yang dibangun menggunakan 10.000 data balita dari dataset WHO mampu mencapai akurasi 57,80%, presisi 79,93%, dan recall 30,29%, dengan atribut tinggi badan dan umur sebagai batas utama. Hasil ini menunjukkan bahwa pohon keputusan dapat digunakan sebagai model awal deteksi stunting, meskipun perlu peningkatan kinerja melalui teknik penyeimbangan data.

Keywords


Stunting; Decision tree; klasifikasi; balita; gizi anak.

References


Agustina, N., Masturoh, A., & Aurima, J. (2021). Faktor-Faktor yang Berhubungan dengan Kejadian Stunting pada Balita di Indonesia. 01(02), 43–48. https://doi.org/10.53801/oajjhs.v1i3.23

Bulkisah, S. B., Astuti, R., & Bahtiar, A. (2024). Implementasi Data Mining Algoritma Decision tree Untuk Klasifikasi Status Gizi Balita Di Kecamatan Ciledug. Jurnal Ilmiah Informatika Komputer, 29(1), 1–12. https://doi.org/10.35760/ik.2024.v29i1.10346

DESCRIPTION OF STUNTING RISK FACTOR MAPPING IN STUNTING. (2024). 19(2), 85–91.

Hanif, K. H., & Muntiari, N. R. (2024). Penerapan Algoritma Decision tree , Svm, Naive Bayes Dalam Deteksi Stunting Pada Balita. METHOMIKA Jurnal Manajemen Informatika Dan Komputerisasi Akuntansi, 8(1), 105–109. https://doi.org/10.46880/jmika.vol8no1.pp105-109

Huljannah, N., Rochmah, T. N., & Garuda, P. (2022). PROGRAM PENCEGAHAN STUNTING DI INDONESIA : 17(3), 281–292.

J, R. F., Huljannah, N., & Rochmah, T. N. (2022). Stunting Prevention Program in Indonesia: A SYSTEMATIC REVIEW. Media Gizi Indonesia, 17(3), 281–292. https://doi.org/10.20473/mgi.v17i3.281-292

Kemenkes RI. (2022). Hasil Survei Status Gizi Indonesia (SSGI) 2022. Kemenkes, 1–150.

Matondang, T. R., Ramadhan Nasution, Y., Armansyah, & Furqan, M. (2024). Penerapan Algoritma C4.5 Pada Klasifikasi Status Gizi Balita. Jurnal Fasilkom, 14(1), 216–225. https://doi.org/10.37859/jf.v14i1.6941

Mulyono, M., Budianita, E., Nazir, A., & Syafria, F. (2023a). Klasifikasi Status Stunting Balita Menggunakan Metode Naïve Bayes Gaussian Berbasis Web. Jurnal Informatika Universitas Pamulang, 8(3), 399–406. https://doi.org/10.32493/informatika.v8i3.33399

Mulyono, M., Budianita, E., Nazir, A., & Syafria, F. (2023b). Klasifikasi Status Stunting Balita Menggunakan Metode Naïve Bayes Gaussian Berbasis Web. 8(3), 399–406.

Prasetio, A. (2021). Simulasi Penerapan Metode Decision tree (C4.5) Pada Penentuan Status Gizi Balita. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 4(3), 209–214. https://doi.org/10.32672/jnkti.v4i3.2983

S. Rasoul Safavian, D. L. (1991). A survey of decision tree classifier methodology - Systems, Man and Cybernetics, IEEE Transactions on. 21(3), 660–674. https://doi.org/10.9790/5933-0612104113

Sabilillah, F. T., Sari, C. A., Abiyyi, R. B., & Astuti, Y. P. (2024). Comparison of Machine Learning Algorithms on Stunting Detection for ’ Centing ’ Mobile Application to Prevent Stunting. 8(4), 2361–2368.

Safitri, S. N., Haryono Setiadi, & Suryani, E. (2022). Educational Data Mining Using Cluster Analysis Methods and Decision tree s based on Log Mining. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 6(3), 448–456. https://doi.org/10.29207/resti.v6i3.3935

Xsanal Hakim, R., Putrawansyah, F., & Syahri, R. (2024). Penerapan Algoritma C4.5 Untuk Prediksi Anak Stunting Di Kota Pagar Alam. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 2469–2478. https://doi.org/10.36040/jati.v8i2.9301




DOI: https://doi.org/10.21831/jssd.v3i2.24754

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Jurnal Statistika dan Sains Data

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Our journal is indexed by:

Online ISSN (e-ISSN): 3025-9649

Creative Commons LicenseJurnal Statistika dan Sains Data by http://journal.student.uny.ac.id/ojs/index.php/jssd is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
</table
 JSSD Statistics