Text
Klasifikasi Status Stunting Pada Balita Menggunakan Jaringan Syaraf Tiruan Backpropagation Dengan Levenberg Marquardt
Stunting merupakan kondisi gagal tumbuh yang terjadi pada balita akibat dari kekurangan
gizi kronis yang menyebabkan balita menjadi terlalu pendek dari usianya. Tingginya
prevalensi kasus stunting yang terjadi di Indonesia, menyebabkan Puskesmas dalam
melakukan pendataan kasus stunting sering lambat dalam melakukan pendataan status
stunting. Penelitian ini bertujuan untuk menghasilkan model terbaik untuk klasifikasi status
stunting pada balita menggunakan jaringan syaraf tiruan Backpropagation dengan
Levenberg Marquardt serta seleksi atribut Pearson Correlation. Data yang digunakan adalah
dataset status stunting yang berasal dari website E-PPGBM (Elektronik-Pencacatan dan
Pelaporan Gizi Berbasis Masyarakat) Puskesmas Gabus I serta wawancara dengan
Nutrisionis di Puskesmas Gabus I. Data yang diambil sebanyak 150 data. Data dibagi
menjadi 96 data latih, 24 data validasi dan 30 data uji. Model klasifikasi status stunting dapat
dijadikan prediksi status stunting berdasarkan faktor ibu dan balita serta deteksi status
stunting pada saat balita baru lahir. Hasil pengujian model klasifikasi status stunting tanpa
seleksi atribut mendapatkan akurasi terbaik dengan parameter nilai learning rate 0,001, dan
nilai hidden neuron 5 menghasilkan nilai akurasi sebesar 0,93, sedangkan dengan seleksi
atribut Pearson Correlation mendapatkan akurasi terbaik dengan parameter yang digunakan
yaitu nilai learning rate 0,001, nilai hidden neuron 12, dan menghasilkan nilai akurasi
sebesar 0,97. Hasil pengujian model klasifikasi status stunting tanpa atribut umur dan tinggi
memperoleh akurasi sebesar 0,97.
Kata kunci: Status stunting, Backpropagation, Levenberg Marquardt, Pearson Correlation
1202F2023 | 1202 F 2023 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain