Pengembangan Model Prediksi Persentase Stunting di Jawa Barat Menggunakan Algoritma Random Forest dan Decision Tree
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Stunting pada balita merupakan masalah kesehatan yang serius dan memerlukan penanganan yang serius. Stunting dapat mengakibatkan terhambatnya tumbuh kembang anak akibat kekurangan gizi kronis dan memiliki dampak dalam jangka waktu yang lama. Kondisi ini berpengaruh terhadap perkembangan fisik dan kognitif, bahkan memiliki potensi dalam menurunkan produktivitas dan kualitas hidup anak di masa mendatang. Mengenai pentingnya penanganan dalam masalah ini, pendekatan berbasis data diperlukan untuk mendukung perencanaan dan evaluasi kebijakan untuk upaya penanggulangan stunting. Penelitian ini bertujuan untuk memprediksi persentase stunting pada tingkat Kabupaten/Kota dengan menggunakan Machine Learning yaitu Decision Tree dan Random Forest. Dengan membandingkan kedua algoritma untuk mengetahui algoritma mana yang lebih unggul dalam melakukan prediksi dari data histori yang berikan. Data yang digunakan didapatkan dari Open Data Jabar dengan rentang waktu beberapa tahun. Proses penelitian meliputi tahapan pengumpulan data, pra-pemrosesan, pemodelan Machine Learning, evaluasi model, interpretasi hasil, dan deployment. Evaluasi model menggunakan metrik regresi yaitu Mean Absolute Error (MAE) dengan nilai 2.06, Root Mean Squared Error (RMSE) dengan nilai 2.87, R-Square dengan nilai 0.54, Mean Absolute Persentage Error (MAPE) dengan nilai 30.75, dan Accuracy (%) yang dihasilkan dari Mean Absolute Persentage Error (MAPE). Hasil pengujian menunjukkan bahwa Decision Tree memberikan hasil kinerja yang cukup baik dengan nilai keakuratan dalam melakukan prediksi sebesar 69%, yang dihitung berdasarkan nilai MAPE. Meskipun Decision Tree terkenal dengan struktur yang intuitif, model tersebut tetap harus dioptimalkan untuk lebih akurat. Dengan melakukan analisis feature importance diketahui bahwa nilai stunting pada tahun sebelumnya dan rata-rata historis memiliki pengaruh yang signifikan terhadap hasil prediksi. Dengan demikian, model decision tree dapat digunakan untuk melakukan pengambilan keputusan dalam upaya penurunan stunting yang sederhana dan interpretatif sekaligus dapat memberikan wawasan mengenai faktor-faktor yang dominan dalam memengaruhi prevalensi.
Rincian Artikel
Referensi
I. P. Putri And N. Arminarahmah, “Comparative Analysis Of Machine Learning Algorithms For Predicting Child Stunting Analisis Perbandingan Algoritma Machine Learning Untuk Prediksi Stunting Pada Anak,” Vol. 4, No. 1, Pp. 257–265, 2024, Doi: Https://Doi.Org/10.57152/Malcom.V4i1.1078.
W. Y. Sihotang Et Al., “Determinants Of Stunting In Children Under Five: A Scoping Review,” Jurnal Gizi Indonesia (The Indonesian Journal Of Nutrition), Vol. 12, No. 1, Pp. 9–20, 2023, Doi: 10.14710/Jgi.12.1.9-20.
N. O. Nirmalasari, “Stunting Pada Anak : Penyebab Dan Faktor Risiko Stunting Di Indonesia,” Vol. 14, No. 1, Pp. 19–28, 2025, Doi: 10.20414/Qawwam.V14i1.2372.
A. Nurmalla Ramadhani, L. Khasanah, B. Karmanto, And M. Ismail Mohammad, “Spatial Distribution Of Stunting Incidence And Risk Factors In West Java Province Based On Geographic Information System In 2023,” Vol. 4, No. 1, Pp. 225–236, 2025, [Online]. Available: Https://Jurnal.Undhirabali.Ac.Id/Index.Php/Jakasakti/Index
D. M. Puspita, K. I. Santoso, A. Triyono, E. Supriyadi, And S. Agus, “Algoritma Random Forest , Decision Tree Dan Xgboost Untuk Klasifikasi Stunting Pada Balita,” Vol. 23, No. 1, Pp. 67–76, 2025, Doi: Https://Doi.Org/10.26623/Transformatika.V23i1.12202.
Juwariyem, Sriyanto, S. Lestari, Dan Chairani, "Prediction Of Stunting In Toddlers Using Bagging And Random Forest Algorithms," Sinkron: Jurnal Dan Penelitian Teknik Informatika, Vol. 9, No. 2, Apr. 2024, Doi: 10.33395/Sinkron.V9i2.13448.
M. S. Haris, A. N. Khudori, And W. T. Kusuma, “Perbandingan Metode Supervised Machine Learning Untuk Prediksi Prevalensi Stunting Di Provisi Jawa Timur,” Jurnal Teknologi Informasi Dan Ilmu Komputer, Vol. 9, No. 7, P. 1571, 2022, Doi: 10.25126/Jtiik.2022976744.
Wijoyo A, Saputra A, Ristanti S, Sya’ban S, Amalia M, And Febriansyah R, “Pembelajaran Machine Learning,” Oktal (Jurnal Ilmu Komputer Dan Science), Vol. 3, No. 2, Pp. 375–380, 2024, [Online]. Available: Https://Journal.Mediapublikasi.Id/Index.Php/Oktal/Article/View/2305
I. D. Mienye And N. Jere, “A Survey Of Decision Trees: Concepts, Algorithms, And Applications,” Ieee Access, Vol. 12, No. June, Pp. 86716–86727, 2024, Doi: 10.1109/Access.2024.3416838.
A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Produk Laris,” Jurnal Ilmiah Ilmu Komputer, Vol. 7, No. 2, Pp. 45–51, 2021, Doi: 10.35329/Jiik.V7i2.203.
J. Homepage, A. I. Putri, Y. Syarif, P. Jayadi, F. Arrazak, And F. N. Salisah, “Malcom: Indonesian Journal Of Machine Learning And Computer Science Implementation Of Decision Tree And Support Vector Machine (Svm) Algorithm For Stunting Risk Prediction Implementasi Algoritma Decision Tree Dan Support Vector Machine (Svm) Untuk Prediks,” Vol. 3, No. 2, Pp. 349–357, 2023, Doi: Https://Doi.Org/10.57152/Malcom.V3i2.1228.
A. A. Reza dan M. S. Rohman, "Prediction Stunting Analysis Using Random Forest Algorithm and Random Search Optimization," JITE (Journal of Informatics and Telecommunication Engineering), vol. 7, no. 2, hlm. 534-544, Jan. 2024, doi: 10.31289/jite.v7i2.10628.
A. Saepul Anwar, A. Irma Purnama Sari, A. Bahtiar, And E. Tohidi, “Prediksi Stunting Menggunakan Algoritma Decision Tree Berbasis Synhetic Minority Over-Sampling Technique (Smote),” Jurnal Dinamika Informatika, Vol. 13, No. 2, Pp. 13–31, 2024.
C. P. W. Kase And S. Y. J. Prasetyo, “Analisis Faktor Risiko Stunting Pada Balita Di Desa Kesetnana Menggunakan Metode Random Forest,” Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, Vol. 6, No. 3, Pp. 1556–1566, 2025, Doi: 10.63447/Jimik.V6i3.1449.
L. D. H. Monasari And Nunik Pratiwi, “Klasifikasi Stunting Pada Balita Menggunakan Algoritma Decision Tree Pada Machine Learning,” Decode: Jurnal Pendidikan Teknologi Informasi, Vol. 5, No. 2, Pp. 416–428, 2025, [Online]. Available: Https://Journal.Umkendari.Ac.Id/Decode/Article/View/1193
S. N. Syafa Iswahyudi And R. Eka Putra, “Sistem Deteksi Stunting Pada Balita Berbasis Web Menggunakan Metode Random Forest,” Journal Of Informatics And Computer Science (Jinacs), Vol. 6, No. 03, Pp. 755–764, 2025, Doi: 10.26740/Jinacs.V6n03.P755-764.
Y. S. Dewi, S. Hastuti, And M. Fatekurohman, “Analysis Of Stunting In East Java, Indonesia Using Random Forest And Geographically Weighted Random Forest Regression,” Brazilian Journal Of Biometrics, Vol. 42, No. 3, Pp. 213–224, 2024, Doi: 10.28951/Bjb.V42i3.679.