MUKTI, BAGUS DESNA (2025) SISTEM KLASIFIKASI STUNTING, WASTING, UNDERWEIGHT, DAN OVERWEIGHT PADA ANAK USIA DI BAWAH DUA TAHUN MENGGUNAKAN METODE LIGHT GRADIENT BOOSTING MACHINE. Undergraduate thesis, Universitas Islam Sultan Agung.

[thumbnail of Teknik Informatika_32602100035_fullpdf.pdf] Text
Teknik Informatika_32602100035_fullpdf.pdf
| Download (1MB)
[thumbnail of Teknik Informatika_32602100035_pernyataan_publikasi.pdf] Text
Teknik Informatika_32602100035_pernyataan_publikasi.pdf
Restricted to Registered users only
| Download (80kB)

Abstract

Masalah malnutrisi seperti stunting, wasting, underweight, dan overweight pada anak di bawah dua tahun (baduta) masih menjadi tantangan utama dalam peningkatan kesehatan di Indonesia. Penelitian ini bertujuan mengembangkan sistem klasifikasi status gizi baduta menggunakan algoritma Light Gradient Boosting Machine (LightGBM) berdasarkan standar World Health Organization (WHO) dan Peraturan Menteri Kesehatan Republik Indonesia No. 2 Tahun 2020. Dataset dari Kaggle berisi 100.000 data antropometri diproses menjadi 66.480 data valid melalui data cleaning, perhitungan ulang z-score dengan metode Lambda-Mu-Sigma (LMS), dan pelabelan ulang status gizi sesuai ambang WHO. Tiga model klasifikasi dikembangkan untuk indikator stunting (PB/U), wasting/overweight (BB/PB), dan underweight (BB/U) dengan hyperparameter tuning dan validasi silang 5-fold. Hasil evaluasi menunjukkan LightGBM mencapai akurasi 99,28% untuk stunting, 97,83% untuk wasting/overweight, dan 100% untuk underweight, disertai nilai recall dan F1-score tinggi pada kelas minoritas. Model diimplementasikan melalui aplikasi berbasis Streamlit yang mampu memberikan hasil klasifikasi gizi secara cepat dan akurat, sehingga efektif sebagai alat bantu deteksi dini untuk mendukung peningkatan kesehatan anak di Indonesia.

Kata Kunci: Stunting, Wasting, Underweight, Overweight, LightGBM, Machine Learning

Dosen Pembimbing: Kurniadi, Dedy | UNSPECIFIED
Item Type: Thesis (Undergraduate)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Industri
Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User: Pustakawan 4 UNISSULA
Date Deposited: 06 Jan 2026 07:18
URI: https://repository.unissula.ac.id/id/eprint/44179

Actions (login required)

View Item View Item