Record Details

Klasifikasi Status Gizi Balita menggunakan Metode Optimasi Random Forest dengan Algoritme Genetika (Studi Kasus: Puskesmas Cakru)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Klasifikasi Status Gizi Balita menggunakan Metode Optimasi Random Forest dengan Algoritme Genetika (Studi Kasus: Puskesmas Cakru)
 
Added Entry - Uncontrolled Name Candra, Ersya Nadia
Cholissodin, Imam
Wihandika, Randy Cahya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Masalah gizi pada masa kritis balita usia 0-59 tahun berdampak fatal bagi pertumbuhan dan perkembangan seseorang di masa selanjutnya. Karena kekurangan maupun kelebihan gizi pada masa 2 tahun pertama kehidupan menyebabkan terganggunya fungsi otak secara permanen dan penyakit degeneratif. Dalam kasus ini, pemantauan dan pemeriksaan status gizi balita yang dilakukan oleh tenaga kesehatan dan kader posyandu umumnya dilakukan dengan melakukan pencatatan manual dan selanjutnya dilakukan analisis dengan membandingkan data pengukuran gizi balita dengan standar baku status gizi. Analisis secara manual tersebut rentan terhadap kesalahan ketidaktelitian dalam mengidentifikasi status gizi balita dan memakan waktu yang cukup lama dikarenakan data yang banyak sehingga kurang praktis. Berdasarkan masalah tersebut, penulis menerapkan metode random forest yang dioptimasi dengan algoritme genetika untuk mengklasifikasi status gizi balita secara akurat dan cepat. Setelah dilakukan pengujian, maka diperoleh rata-rata akurasi oleh metode random forest yang di optimasi dengan algoritme genetika sebesar 89,58%, rata-rata precision 74,34%, rata-rata recall 58,68% dan f1-score 65,54% dengan parameter ukuran populasi bernilai 20, iterasi sebanyak 3, nilai crossover rate sebesar 0,7, nilai mutation rate sebesar 0,3, dan jumlah feature 4. Dari hasil evaluasi akurasi, precision, recall dan f1-score yang didapatkan dalam penelitian ini menunjukkan bahwa algoritme genetika mampu mencari parameter yang optimal dari random forest sehingga menghasilkan akurasi, precision, recall dan f1-score yang lebih tinggi.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11010
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 6 No 5 (2022): Mei 2022
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2022 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com