<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="151869">
 <titleInfo>
  <title>IMPLEMENTASI ALGORITMA DECISION TREE DAN DECISION TREE XGBOOST DALAM PENENTUAN FAKTOR BERPENGARUH KELUARGA BERISIKO STUNTING PADA KOTA BANDA ACEH DAN SUBULUSSALAM</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Nadia Balqis</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Statistika</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Stunting merupakan masalah gizi serius di Indonesia yang disebabkan oleh kekurangan gizi kronis selama 1000 hari pertama kehidupan. Selain menghambat pertumbuhan fisik, stunting juga berdampak pada perkembangan kognitif dan motorik anak, serta menurunkan kualitas hidup anak di masa depan. Pada tahun 2023, meskipun Kota Banda Aceh memiliki Indeks Pembangunan Manusia tertinggi, prevalensi stunting masih mencapai 23,4%, sementara pada Kota Subulussalam dengan IPM terendah, prevalensi stunting mencapai 29,5%. Penelitian ini menerapkan teknik data mining untuk mengidentifikasi faktor-faktor berpengaruh keluarga berisiko stunting menggunakan algoritma klasifikasi Decision Tree dan XGBoost. dengan seleksi fitur Gain Ratio dan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa Algoritma Decision Tree lebih optimal untuk data Banda Aceh dengan akurasi 99,99%, sementara algoritma XGBoost lebih optimal pada data Subulussalam dengan akurasi 99,96%. Penelitian ini mengidentifikasi 15 variabel yang memengaruhi risiko stunting pada data kota Banda Aceh dan Subulussalam, yaitu Kondisi Fasilitas Tempat Buang Air Besar, Kondisi Sumber Air Minum, Bukan Peserta KB Modern, Memiliki Fasilitas Tempat Buang Air Besar, Pasangan Usia Subur dengan Istri yang Terlalu Tua, Kesertaan KB Modern, Pasangan Usia Subur dengan Istri yang Terlalu Muda, Status Pasangan Usia Subur, Kepala Keluarga Menurut Jenis Kelamin, Pasangan Usia Subur dengan Kelahiran Anak yang Terlalu Dekat, Pasangan Usia Subur dengan Kelahiran Anak yang Terlalu Banyak, Status Pasangan Usia Subur Hamil, Punya Balita, Variasi Makanan Lebih Dari 2 Dalam Sehari, dan Sumber Air Minum Utama.</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>ALGORITHMS - COMPUTER PROGRAMMING</topic>
 </subject>
 <classification>005.1</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>151869</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-03-21 10:10:19</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-03-21 11:27:27</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>