Digital Library

Universitas PGRI Kanjuruhan Malang

  • Beranda
  • Penghitung Jumlah Pengunjung
  • Informasi
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Optimasi Model Logistic Regression Untuk 
Analisis Resiko Stunting Pada Anak Menggunakan Grid Search

Electronic Resource

Optimasi Model Logistic Regression Untuk Analisis Resiko Stunting Pada Anak Menggunakan Grid Search

Daniel Haris Sahertian - Nama Orang; Amak Yunus EP - Nama Orang; Akhmad Zaini - Nama Orang;

Stunting masih menjadi salah satu permasalahan kesehatan serius di
Indonesia, terutama pada anak-anak usia dini. Masalah ini tidak hanya berdampak
pada pertumbuhan fisik, tetapi juga pada perkembangan kognitif anak. Penelitian
ini bertujuan untuk membangun model prediksi risiko stunting menggunakan
algoritma Logistic Regression, yang kemudian dioptimasi menggunakan metode
Grid Search guna meningkatkan akurasi prediksi. Data yang digunakan berasal
dari platform Kaggle dengan jumlah 10.000 entri yang mencakup atribut seperti
jenis kelamin, usia, berat lahir, panjang lahir, berat badan, tinggi badan, status
menyusui, dan status stunting. Data dibagi dalam tiga skenario proporsi pelatihan
dan pengujian: 70:30, 80:20, dan 90:10. Hasil pengujian menunjukkan bahwa
model Logistic Regression tanpa optimasi menghasilkan akurasi berturut-turut
sebesar 72,89%, 72,49%, dan 72,69%. Setelah dilakukan optimasi dengan Grid
Search, akurasi meningkat menjadi 77,93%, 78,00%, dan 76,10%. Hasil ini
membuktikan bahwa Grid Search mampu secara signifikan meningkatkan
performa model dalam mengklasifikasikan risiko stunting. Dengan akurasi yang
lebih tinggi, model ini dapat digunakan sebagai alat bantu dalam mendeteksi
risiko stunting secara lebih dini dan akurat, serta berpotensi mendukung
pengambilan kebijakan yang lebih efektif di bidang kesehatan masyarakat.


Ketersediaan
SB00898SKKI 001.6 SAH o/sPerpustakaan UnikamaTersedia
Informasi Detail
Judul Seri
-
No. Panggil
KKI 001.6 SAH o/s
Penerbit
Malang : Prodi Teknik Informatika Unikama., 2025
Deskripsi Fisik
xiv, 69 hlm 26 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
001.6
Tipe Isi
text
Tipe Media
PDF
Tipe Pembawa
online resource
Edisi
1
Subjek
Skripsi
Teknik informatika
Logistic Regression
Grid Search
Optimasi Model
Prediksi Risiko
Stunting
Info Detail Spesifik
-
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
  • Harap masuk untuk melihat lampiran
Komentar

Anda harus masuk sebelum memberikan komentar

Digital Library
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan Universitas PGRI Kanjuruhan Malang, menyajikan bahan-bahan referensi yang bisa dijadikan referensi untuk civitas akadmika dan umum. silahkan manfaatkan koleksi bahan pustaka yang ada untuk menunjang Pendidikan, Penelitian, dan untuk menambah wawasan kita

Satistik Data Pengunjung Web

Hari Ini : 1 Minggu Terakhir : 1 Bulan Terakhir : Seluruh :

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik