%A DWI CAHYANI NESA 
%T KLASIFIKASI STUNTING DI KABUPATEN LAMPUNG BARAT
BERDASARKAN DATA ANTROPOMETRI MENGGUNAKAN
ANALISIS ALGORITMA SUPPORT VECTOR MACHINE DAN

XTREME GRADIENT BOOSTING
%X Komponen penting dalam memastikan tumbuh kembang anak adalah pemenuhan gizi
yang baik, salah satu konsekuensi yang didapatkan apabila seorang anak kekurangan
asupan gizi adalah stunting. Diagnosis stunting pada saat ini masih dilakukan melalui
pemeriksaan dalam yang membutuhkan waktu dan biaya yang relatif mahal. Terdapat
sebuah gagasan yang dapat dilakukan dengan menggunakan bantuan machine learning,
tepatnya pada bagian klasifikasi dengan menggunakan metode SVM dan XGBoost.
Penelitian ini berfokus pada implementasi data stunting di Kabupaten Lampung Barat
dan membandingkan kedua metode yang digunakan. Perbandingan yang dilakukan
yaitu perbandingan hasil pengujian dengan menggunakan confussion matrix. Selain itu
perbandingan juga dilakukan dengan membandingkan waktu komputasi yang
dibutuhkan. Pada penelitian ini proses pembagian dataset akan dilakukan dengan
menggunakan k-fold cross validation (k=10). Berdasarkan hasil pengujian didapatkan
bahwa hasil implementasi dengan metode XGBoost mendapatkan hasil yang lebih baik
yaitu akurasi sebesar 99.79% dengan waktu komputasi rata-rata per pengujian yaitu
0.43 menit, sedangkan SVM mendapatkan hasil akurasi sebesar 99.35% dengan waktu
komputasi rata-rata per pengujian yaitu 18.09 menit.
Kata kunci : Stunting, Klasifikasi, SVM, XGBoost

ABSTRACT

STUNTING CLASSIFICATION IN WEST LAMPUNG REGENCY BASED ON
ANTHROPOMETRIC DATA USING ALGORITHM ANALYSIS OF
SUPPORT VECTOR MACHINE AND XTREME GRADIENT BOOSTING

By

NESA DWI CAHYANI

An important component in ensuring children's growth and development is the
fulfilment of good nutrition, one of the consequences obtained if a child lacks
nutritional intake is stunting. The diagnosis of stunting at this time is still carried out
through an internal examination which requires time and relatively expensive costs.
There is an idea that can be done using the help of machine learning, precisely in the
classification section using the SVM and XGBoost methods. This research focusses on
the implementation of stunting data in West Lampung Regency and compares the two
methods used. The comparison that is done is a comparison of the test results using a
confussion matrix. In addition, the comparison is also carried out by comparing the
required computational time. In this research, the dataset division process will be
carried out using k-fold cross validation (k=10). Based on the test results, it was found
that the implementation results with the XGBoost method got better results, namely
99.79% accuracy with an average computing time per test of 0.43 minutes, while SVM
got an accuracy result of 99.35% with an average computing time per test of 18.09
minutes.
Keywords : Stunting, Classficiation, SVM, XGBoost
%C UNIVERSITAS LAMPUNG
%D 2024
%I FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
%L eprints85670