Electronic Theses and Dissertation

Stunting merupakan permasalahan kesehatan yang kompleks dan berdampak jangka panjang pada pertumbuhan serta perkembangan anak akibat kekurangan gizi kronis dalam jangka panjang, terutama pada 1.000 hari pertama kehidupan. Kota Banda Aceh dan Subulussalam masih menghadapi tantangan dalam menurunkan angka stunting, yang dipengaruhi oleh berbagai faktor. Penelitian ini menggunakan data sekunder yang bersumber dari Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) Provinsi Aceh, yang mencakup data keluarga berisiko stunting di Kota Banda Aceh dan Subulussalam. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor utama yang memengaruhi keluarga berisiko stunting serta membandingkan efektivitas metode klasifikasi Naïve Bayes dan Naïve Bayes AdaBoost dalam memprediksi risiko stunting. Metode yang digunakan dalam penelitian ini adalah Naïve Bayes dan Naïve Bayes AdaBoost dengan seleksi fitur menggunakan Gain Ratio untuk menentukan bobot kepentingan variabel dalam klasifikasi. Evaluasi performa model dilakukan berdasarkan metrik evaluasi. Hasil penelitian menunjukkan bahwa Naïve Bayes AdaBoost memiliki performa yang lebih baik dibandingkan dengan Naïve Bayes tanpa AdaBoost. Pada Kota Banda Aceh, Naïve Bayes AdaBoost mencapai akurasi sebesar 99,71%, precision 99,76%, recall 99,22%, dan F1-score 99,49%. Sementara itu, pada Kota Subulussalam, memperoleh akurasi sebesar 99,86%, precision 99,90%, recall 99,76%, dan F1-score 99,83%. Sebaliknya, metode Naïve Bayes tanpa AdaBoost hanya mencapai akurasi di bawah 85% pada kedua kota. Faktor-faktor utama yang berkontribusi terhadap risiko keluarga mengalami stunting di kedua kota meliputi kondisi fasilitas tempat buang air besar (X9), kondisi sumber air minum (X7), memiliki fasilitas tempat buang air besar (X8), kesertaan KB modern (X16), terlalu tua istri (X20), terlalu banyak (X22), dan bukan peserta KB modern (X23).

Stunting is a complex health issue with long-term impacts on child growth and development due to chronic malnutrition, especially during the first 1,000 days of life. Banda Aceh and Subulussalam continue to face challenges in reducing stunting, influenced by various factors. This study uses secondary data from BKKBN Aceh on families at risk of stunting in these cities. This research aims to identify the main factors that influence families at risk of stunting and compare the effectiveness of Naïve Bayes and Naïve Bayes AdaBoost classification methods in predicting stunting risk. The methods used in this research are Naïve Bayes and Naïve Bayes AdaBoost with feature selection Gain Ratio to determine the weight of variable importance. Evaluation of model performance is based on evaluation metrics. The results show that Naïve Bayes AdaBoost has better performance compared to Naïve Bayes without AdaBoost. In Banda Aceh, Naïve Bayes AdaBoost achieved an accuracy of 99.71%, precision 99.76%, recall 99.22%, and F1-score 99.49%. Meanwhile, in Subulussalam, it obtained an accuracy of 99.86%, precision 99.90%, recall 99.76%, and F1-score 99.83%. In contrast, the Naïve Bayes method without AdaBoost only achieved accuracy below 85% in both cities. The main factors contributing to the risk of families experiencing stunting in both cities include the condition of the latrine facility (X9), the condition of the drinking water source (X7), having a latrine facility (X8), participation in modern family planning (X16), having an older wife (X20), having too many children (X22), and not being a modern family planning participant (X23).