(0721) 8030188    [email protected]   

All of ITERA Repository
Titles

INTEGRASI RANDOM FOREST KE SISTEM INFORMASI GEOGRAFIS (SIG) UNTUK PEMETAAN ANALISIS FAKTOR RISIKO STUNTING DI INDONESIA


View/Open

Author
SITI, NUR AZIZAH

Date Published
27 Feb 2026

Advisor
Tirta Setiawan, S.Pd., M.Si.,
Mika Alvionita S, S.Si., M.Si.,

Subject
Sains Data

Publisher


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