PENGEMBANGAN APLIKASI WEB UNTUK PREDIKSI TINGGI BADAN ANAK MENGGUNAKAN GRADIENT BOOSTING REGRESSOR (TA.2.25.040)

shauqie, shahieza alfadia (2025) PENGEMBANGAN APLIKASI WEB UNTUK PREDIKSI TINGGI BADAN ANAK MENGGUNAKAN GRADIENT BOOSTING REGRESSOR (TA.2.25.040). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.

Full text not available from this repository.
Official URL: https://drive.google.com/open?id=1fXc_1jFPnHV9xHAX...

Abstract

Tinggi badan merupakan salah satu indikator utama dalam penilaian status gizi anak terutama dalam klasifikasi stunting berdasarkan standar height-for-age dari World Health Organization (WHO). Namun dalam praktik pengumpulan data fitur tinggi badan seringkali tidak tercatat akibat keterbatasan alat, kondisi pengukuran, maupun kesalahan input (human error) sehingga menyebabkan kekosongan data yang menghambat analisis pertumbuhan secara menyeluruh. Penelitian ini bertujuan untuk mengembangkan aplikasi web yang dapat memprediksi tinggi badan anak berdasarkan fitur jenis kelamin, umur, tinggi, berat, dan status gizi. Metode yang digunakan melibatkan pemodelan regresi menggunakan algoritma Gradient Boosting Regressor (GBR) yang dipilih melalui proses otomatisasi pemodelan menggunakan pustaka PyCaret. Evaluasi model dilakukan menggunakan metrik Root mean square error (RMSE) dan koefisien determinasi (R2). Hasil menunjukkan bahwa model GBR dengan lima fitur memberikan performa yang sangat baik dengan nilai R2 sebesar 0.9276 dan RMSE sebesar 3.0581 yang berarti model mampu menjelaskan lebih dari 92% variasi tinggi badan anak dengan tingkat kesalahan prediksi yang relatif rendah. Aplikasi web yang dikembangkan dapat menerima file CSV dengan data yang tidak lengkap lalu melakukan prediksi otomatis terhadap kolom tinggi badan yang kosong serta mengembalikan hasil dalam bentuk file yang telah dilengkapi. Penelitian ini diharapkan dapat memberikan kontribusi dalam mendukung upaya pemantauan pertumbuhan dan pencegahan stunting berbasis data di fasilitas kesehatan. Kata kunci: tinggi badan anak, prediksi, Gradient Boosting Regressor, PyCaret, stunting, web aplikasi

Item Type: Thesis (Diploma)
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Divisions: Sekolah Vokasi > Teknik Informatika D4
Depositing User: PKL TUJUH TUJUH
Date Deposited: 29 Sep 2025 08:43
Last Modified: 29 Sep 2025 08:43
URI: http://eprints.ulbi.ac.id/id/eprint/3659

Actions (login required)

View Item View Item