View/Open

Author
SITI, SAFIINATUN NAJAAH

Date Published
25 Jun 2026

Advisor
Muklas Rivai, S.Stat., M.Si.,
Rosni, S.Mat., M.Si.,

Subject
Aktuaria

Publisher

Masalah gizi pada balita masih menjadi tantangan kesehatan masyarakat di Indonesia karena berdampak pada pertumbuhan, perkembangan, dan kualitas sumber daya manusia di masa mendatang. Penelitian ini bertujuan membentuk model klasifikasi status gizi balita menggunakan algoritma Extreme Gradient Boosting (XGBoost), mengevaluasi performa model berdasarkan accuracy, macro precision, macro recall, dan macro F1-score, serta menganalisis hasil klasifikasi untuk mengidentifikasi pola dan kelompok risiko serta implikasinya dalam pengendalian status gizi balita di Kabupaten Way Kanan. Data yang digunakan berjumlah 3.922 observasi balita periode 2024-2025 dengan variabel jenis kelamin, usia, berat badan, dan tinggi badan. Kombinasi hyperparameter terbaik yang diperoleh adalah n_estimators 300, learning_rate 0,2, max_depth 6, subsample 0,7, dan colsample_bytree 0,9. Model menghasilkan accuracy sebesar 0,92, macro precision 0,75, macro recall 0,88, dan macro F1-score 0,79, dengan performa terbaik pada kelas gizi baik. Mayoritas balita berstatus gizi baik, namun ditemukan beban gizi ganda berupa gizi kurang dan risiko gizi lebih yang menyebar merata di seluruh kecamatan, serta gizi buruk, gizi lebih, dan obesitas yang terkonsentrasi di kecamatan tertentu. Temuan ini mengindikasikan perlunya strategi pengendalian gizi balita yang bersifat menyeluruh untuk kelompok risiko yang merata dan tersegmentasi untuk kelompok yang terlokalisasi.

URI
https://repo.itera.ac.id/depan/submission/SB2606280029

Keyword
Data Antropometri Extreme Gradient Boosting Gizi Balita Klasifikasi Machine Learning