Electronic Theses and Dissertation

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.

Stunting is a serious nutrition problem in Indonesia caused by chronic malnutrition during the first 1000 days of life. In addition to inhibiting physical growth, stunting also has an impact on children's cognitive and motor development, and reduces children's quality of life in the future. In 2023, although Banda Aceh City has the highest Human Development Index, the prevalence of stunting still reached 23.4%, while in Subulussalam City with the lowest HDI, the prevalence of stunting reached 29.5%. This research applies data mining techniques to identify influential factors of families at risk of stunting using the Decision Tree and XGBoost classification algorithms. with Gain Ratio feature selection and K-Fold Cross Validation. The results showed that the Decision Tree algorithm was more optimal for Banda Aceh data with 99.99% accuracy, while the XGBoost algorithm was more optimal for Subulussalam data with 99.96% accuracy. This study identified 15 variables that influence the risk of stunting in Banda Aceh and Subulussalam city data, namely Condition of Defecation Facilities, Condition of Drinking Water Sources, Not Participating in Modern Family Planning, Having Defecation Facilities, Fertile Age Couple with Too Old Wife, Modern Family Planning Participation, Fertile Couples with Wives Too Young, Status of Fertile Couples, Head of Household by Sex, Fertile Couples with Children Born Too Close Together, Fertile Couples with Too Many Children Born, Status of Fertile Couples Pregnant, Having Toddlers, Variety of Meals More Than 2 in a Day, and Main Source of Drinking Water.