INTEGRASI RANDOM FOREST KE SISTEM INFORMASI GEOGRAFIS (SIG) UNTUK PEMETAAN ANALISIS FAKTOR RISIKO STUNTING DI INDONESIA
Stunting menjadi isu permasalahan gizi yang sering dihadapi oleh
negera-negara berkembang, salah satunya Indonesia. Indonesia
menduduki peringkat kedua di Asia Tenggara dengan kasus stunting
yang tinggi, berada di kisaran 21,6% pada tahun 2022. Meskipun
mengalami penurunan di beberapa tahun terakhir, kasus ini tetap
menjadi fokus utama kesehatan karena berdampak panjang pada
perkembangan anak terutama fisik dan kemampuan kognitifnya serta
produktivitas individu. Penelitian ini bertujuan untuk mengklasifikasi
faktor risiko stunting di Indonesia dengan memanfaatkan metode
random forest yang terintegrasi dengan Sistem Informasi Geografis
(SIG). Tahapan analisis dimulai dari penanganan missing value, hingga
penentuan faktor risiko berdasarkan indikator keluarga berisiko
stunting. Imputasi data dilakukan menggunakan metode rata-rata,
khususnya pada provinsi DKI Jakarta tahun 2021–2022 yang memiliki
data kosong di seluruh variabel. Penentuan kelas risiko dilakukan
dengan pendekatan ambang batas distribusi data (persentil) dan batas
epidemiologis kebijakan nasional, berbasis skor risiko sehingga
memperoleh empat kategori, yaitu tinggi, sedang, rendah, dan tidak
berisiko. Hasil klasifikasi kemudian divisualisasikan secara spasial
melalui QGIS, yang memperlihatkan variasi risiko antar provinsi di
Indonesia.
URI
https://repo.itera.ac.id/depan/submission/SB2602020037
Keyword
Stunting Random Forest SIG Missing Value Macro F-1