Penggunaan Decision Tree dalam Penentuan Faktor yang Mempengaruhi Status Gizi Buruk Balita di Kelurahan Tamamaung

Authors

  • Tithania Indah Permata Hati UIN Alauddin Makassar
  • Rahman Rahman UIN Alauddin Makassar
  • Adhy Rizaldy UIN Alauddin Makassar

DOI:

https://doi.org/10.33020/saintekom.v14i2.737

Keywords:

malnutrition, toddlers, classification, decision tree, health center

Abstract

This study aims to evaluate the use of Decision Tree algorithms in determining the nutritional status of children based on Posyandu activity reports. Malnutrition poses serious risks for developing children, including weakened immune systems, long-term developmental delays, and high mortality rates. By applying the Decision Tree algorithm to classify the nutritional status of toddlers, this research seeks to identify nutritional status, which can then be addressed by health centers (Puskesmas). Using attributes such as weight (W), age (A), and height (H), aligned with child anthropometric indices, the Decision Tree method will be utilized to determine the factors influencing nutritional status in toddlers. The application of this method will facilitate the identification of at-risk toddlers, enabling timely prevention and intervention. Testing through k-fold cross-validation yielded an accuracy of 79.43%, a recall of 53.1%, and a precision of 76.6%. The results indicate that, out of 350 data points, the most significant factor affecting children's nutritional status is weight.

Downloads

Download data is not yet available.

References

Afrika, E., Amalia, R., Utama Saputra, A., & Minarti. (2022). Penyuluhan Peningkatan Pengetahuan (Eka Afrika, dkk. Jurnal Pengabdian Cendekia, 1(2), 2986–7002. https://doi.org/10.5281/zenodo.8279246

Ananta Dwi Prayoga Alwy, M Syahid Nur Wahid, Bukhari Naufal Nur Ag, & M Miftach Fakhri. (2023). Klasifikasi Penyakit Pada Padi Dengan Ekstraksi Fitur LBP dan GLCM. Journal of Deep Learning, Computer Vision and Digital Image Processing, 1–10. https://doi.org/10.61255/decoding.v1i1.51

Asriwati Amirah, Teguh Suharto, Yulita, Y., Hanna Yusrima Dalimunthe, & Sri Maryani Tanjung. (2023). Gemar Makan Olahan Ikan Lele Sebagai Upaya Peningkatan Gizi Anak Stunting di Kabupaten Labuhan Batu. J-ABDI: Jurnal Pengabdian Kepada Masyarakat, 3(2), 471–476. https://doi.org/10.53625/jabdi.v3i2.6219

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

Dona, D., & Rifqi, M. (2022). Penerapan Metode K-Means Clustering untuk Menentukan Status Gizi Baik dan Gizi Buruk Pada Balita (Studi Kasus Kabupaten Rokan Hulu). Rabit?: Jurnal Teknologi Dan Sistem Informasi Univrab, 7(2), 179–191. https://doi.org/10.36341/rabit.v7i2.2171

Kartika, R. C., Selviyanti, E., Umbaran, D. P. A., Fitriyah, D., & Yuanta, Y. (2021). Peningkatan Pengetahuan Ibu Tentang Gizi Seimbang Untuk Mencegah Permasalahan Gizi Pada Balita di Kabupaten Jember. Journal of Community Development, 2(2), 91–96. https://doi.org/10.47134/comdev.v2i2.52

Lestari, R. I., Rahayu, D., Budiati, E., Irianto, S. E., & Karyus, A. (2023). Analisis Faktor-Faktor Yang Berhubungan Dengan Kejadian Berat Badan Lahir Rendah Di Kabupaten Mesuji Tahun 2022. An Idea Health Journal, 3(02), 41–48. https://doi.org/10.53690/ihj.v3i02.157

Lestari, W., & Sumarlinda, S. (2023). Studi Komparatif Model Klasifikasi Kerentanan Penyakit Jantung Menggunakan Algoritma Machine Learning. SATIN - Sains Dan Teknologi Informasi, 9(1), 107–115. https://doi.org/10.33372/stn.v9i1.918

Meko, A. S., Nugraheni, S. A., & Kartini, A. (2022). Evaluasi Implementasi Upaya Penanggulangan Gizi Buruk pada Masa Pandemi Covid-19 di Puskesmas: Literature Review. Media Publikasi Promosi Kesehatan Indonesia, 5(6), 640–646. https://doi.org/10.31934/mppki.v2i3

Nazanah, J. T. M. A., & Jambak, M. I. (2023). Pemanfaatan Algoritma Decision Tree ID3 Bagi Manajemen Bimbel Untuk Menentukan Faktor Kelulusan Pada Sekolah Kedinasan. KLIK?: Kajian Ilmiah Informatika Dan Komputer, 3(6), 915–924. https://doi.org/10.30865/klik.v3i6.791

Nurul Husna, L., & Izzah, N. (2021). Gambaran Status Gizi Pada Balita: Literature Review. Seminar Nasional Kesehatan, 385–392. https://doi.org/https://doi.org/10.48144/prosiding.v1i.689

Putri Andayani, R., & Afnuhazi, R. (2022). Faktor-Faktor Yang Berhubungan Dengan Status Gizi Pada Balita. Jurnal Kesehatan Mercusuar, 5, 41–48. https://doi.org/https://doi.org/10.36984/jkm.v5i2.309

Ula, M., Ulva, A. F., Mauliza, Ali, M. A., & Said, Y. R. (2022). Penerapan Machine Learning dalam Penentuan Klasifikasi Gizi Anak dengan Decision Tree. Jurnal Teknik Informatika (JUTIF), 3(5), 1457–1465. https://doi.org/https://doi.org/10.20884/1.jutif.2022.3.5.599

Vinci, A. S., Bachtiar, A., & Parahita, I. G. (2022). Kajian Ilmiah Problema Kesehatan Efektivitas Edukasi Mengenai Pencegahan Stunting Kepada Kader: Systematic Literature Review. Journal Endurance, 7(1), 66–73. https://doi.org/https://doi.org/10.31004/cdj.v4i6.22857

Yusuf, N. N., & Ilmiyani, S. N. (2023). Intervensi Gizi Spesifik Dalam Upaya Pencegahan Stunting dan Gizi Buruk Pada Balita di Dusun Sira Lauk. Communnity Development Journal, 4(2), 1147–1150. https://doi.org/https://doi.org/10.31004/cdj.v4i2.12875

Zami, A. Z., Nurdiawan, O., & Dwilestari, G. (2022). Klasifikasi Kondisi Gizi Bayi Bawah Lima Tahun Pada Posyandu Melati Dengan Menggunakan Algoritma Decision Tree. Jurnal Sistem Komputer Dan Informatika (JSON), 3(3), 305–310. https://doi.org/10.30865/json.v3i3.3892

Downloads

PlumX Metrics

Published

30-09-2024

How to Cite

Permata Hati, Tithania Indah, Rahman Rahman, and Adhy Rizaldy. 2024. “Penggunaan Decision Tree Dalam Penentuan Faktor Yang Mempengaruhi Status Gizi Buruk Balita Di Kelurahan Tamamaung”. Jurnal Saintekom : Sains, Teknologi, Komputer Dan Manajemen 14 (2):208-16. https://doi.org/10.33020/saintekom.v14i2.737.