KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN DEPLOYMENT BERBASIS WEB (STUDI KASUS: PUSKESMAS KAMPUNG SAWAH, KECAMATAN CIPUTAT, KOTA TANGERANG SELATAN)

NURHADI MEILANA, . (2026) KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN DEPLOYMENT BERBASIS WEB (STUDI KASUS: PUSKESMAS KAMPUNG SAWAH, KECAMATAN CIPUTAT, KOTA TANGERANG SELATAN). Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (726kB)
	Text BAB 1.pdf Download (292kB)
	Text BAB 2.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (4MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (271kB) | Request a copy
	Text Daftar Pustaka.pdf Download (252kB)
	Text Lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Permasalahan utama dalam pengelolaan data gizi balita di Puskesmas Kampung Sawah adalah ketergantungan pada aplikasi SIGIZI KESGA yang sering mengalami kendala teknis (down), terutama saat puncak pelaporan bulanan. Kondisi ini menyebabkan keterlambatan penginputan data dan tenaga gizi harus melakukan perhitungan manual yang memakan waktu serta rawan kesalahan. Penelitian ini bertujuan untuk mengembangkan sistem berbasis web dengan integrasi algoritma Random Forest untuk klasifikasi status gizi balita, mengevaluasi performa model, serta meningkatkan efektivitas pengelolaan data gizi sebagai solusi alternatif dari kendala teknis SIGIZI KESGA. Metode penelitian menggunakan pendekatan Knowledge Discovery in Database (KDD), yang meliputi tahap pengumpulan data, preprocessing, pemodelan menggunakan algoritma Random Forest, evaluasi model, serta implementasi ke dalam aplikasi berbasis Flask. Pengujian aplikasi dilakukan menggunakan metode Black Box Testing. Hasil penelitian menunjukkan bahwa model dengan skenario 4 yang menggunakan teknik SMOTE dan optimasi hyperparameter GridSearchCV memberikan performa terbaik dengan nilai recall hingga 95% pada BB/U, 91% pada TB/U, dan 90% pada BB/TB, serta nilai F1-score yang lebih seimbang. Uji coba aplikasi memperoleh nilai efektivitas sebesar 96,43%, yang termasuk kategori sangat baik. Dengan demikian, aplikasi klasifikasi status gizi balita berbasis web ini dinyatakan layak digunakan karena mampu memberikan hasil klasifikasi yang cepat, akurat, dan efisien, sekaligus mendukung kebutuhan pelayanan kesehatan di Puskesmas Kampung Sawah. ***** The main problem in managing child nutrition data at Puskesmas Kampung Sawah is the dependency on the SIGIZI KESGA application, which often experiences technical issues (downtime), especially during peak monthly reporting. This condition leads to delays in data entry and forces nutritionists to perform manual calculations that are time-consuming and prone to errors. This study aims to develop a web-based system integrated with the Random Forest algorithm for classifying child nutritional status, evaluate the model’s performance, and improve the effectiveness of nutrition data management as an alternative solution to the technical issues of SIGIZI KESGA. The research employed the Knowledge Discovery in Database (KDD) approach, which includes data collection, preprocessing, modeling using the Random Forest algorithm, model evaluation, and implementation into a Flask-based web application. The application was tested using the Black Box Testing method. The results show that scenario 4, which applies the SMOTE technique and hyperparameter optimization with GridSearchCV, provides the best performance with recall scores of up to 95% for BB/U, 91% for TB/U, and 90% for BB/TB, as well as more balanced F1-scores. Application testing achieved an effectiveness score of 96.43%, which falls into the “very good” category. Therefore, this web-based child nutritional status classification application is considered feasible to use, as it can deliver fast, accurate, and efficient classification results, while supporting healthcare services at Puskesmas Kampung Sawah.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Fuad Mumtas, S.Kom., M.T.I. ; 2). Murien Nugraheni, S.T., M.Cs.
Subjects:	Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Sistem dan Teknologi Informasi
Depositing User:	Nurhadi Meilana .
Date Deposited:	23 Jan 2026 03:58
Last Modified:	23 Jan 2026 03:58
URI:	http://repository.unj.ac.id/id/eprint/63445

Actions (login required)

View Item