Implementasi Algoritma Random Forest dalam Klasifikasi Status Gizi pada Balita di Kota Samarinda

Abstract

Balita merupakan kelompok yang sangat rentan terhadap masalah gizi, yang dapat mempengaruhi pertumbuhan dan perkembangan mereka secara signifikan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Random Forest dalam klasifikasi status gizi balita di Kota Samarinda. Dengan menggunakan data rekam medis dari Dinas Kesehatan Kota Samarinda yang mencakup variabel seperti usia, tinggi badan, dan berat badan, penelitian ini membangun model klasifikasi untuk mengidentifikasi faktor-faktor penting yang mempengaruhi status gizi balita. Algoritma Random Forest digunakan untuk melatih dan mengevaluasi model klasifikasi secara efektif. Dalam pengujian, data dibagi menjadi data training dan data testing dengan rasio tertentu. Model diinisialisasi dan dilatih menggunakan data pelatihan, kemudian prediksi dilakukan pada kedua data tersebut dengan menghitung nilai akurasi. Berbagai nilai dari parameter estimators diuji, dari 50 hingga 300, untuk mengevaluasi pengaruh jumlah estimator terhadap kinerja model. Hasil menunjukkan bahwa variasi dalam parameter ini dapat mempengaruhi akurasi model. Evaluasi model dilakukan dengan berbagai rasio pembagian data untuk melihat bagaimana perubahan jumlah data pelatihan dan pengujian mempengaruhi kinerja model. Hasil klasifikasi menampilkan matrik evaluasi seperti presisi, recall, f1-score, dan support untuk setiap kelas. Berdasarkan pengujian, model mencapai akurasi sebesar 99,93%, presisi sebesar 99,02%, recall sebesar 99,44%, dan f1-score sebesar 99,21%, menunjukkan kinerja yang sangat baik dengan kesalahan prediksi minimal. Evaluasi ini membantu memahami kinerja model secara lebih mendalam dan menunjukkan area potensial untuk perbaikan lebih lanjut.