SISTEM KLASIFIKASI STUNTING PADA POSYANDU BALITA DI DUSUN JENGGLONG BERBASIS MOBILE

ROHMAN, SOFYAN NUR (2025) SISTEM KLASIFIKASI STUNTING PADA POSYANDU BALITA DI DUSUN JENGGLONG BERBASIS MOBILE. Other thesis, Universitas Duta Bangsa Surakarta.

[thumbnail of Cover dan Abstrak.pdf] Text
Cover dan Abstrak.pdf - Preview
Restricted to Registered users only

Download (493kB)
[thumbnail of Bab 1.pdf] Text
Bab 1.pdf - Preview
Restricted to Registered users only

Download (356kB)
[thumbnail of Bab 2.pdf] Text
Bab 2.pdf - Preview
Restricted to Registered users only

Download (428kB)
[thumbnail of Bab 3.pdf] Text
Bab 3.pdf - Preview
Restricted to Registered users only

Download (5MB)
[thumbnail of Bab 4.pdf] Text
Bab 4.pdf - Preview
Restricted to Registered users only

Download (9MB)
[thumbnail of Bab 5.pdf] Text
Bab 5.pdf - Preview
Restricted to Registered users only

Download (115kB)
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf - Preview
Restricted to Registered users only

Download (47kB)
[thumbnail of Lampiran.pdf] Text
Lampiran.pdf - Preview
Restricted to Registered users only

Download (401kB)
[thumbnail of Artikel Publikasi.pdf] Text
Artikel Publikasi.pdf - Preview
Restricted to Registered users only

Download (850kB)

Abstract

Stunting merupakan masalah kesehatan serius yang mempengaruhi pertumbuhan balita. Di Dusun Jengglong, pada tahun 2021 tercatat ada 8 anak yang mengalami stunting. Namun, pencatatan data balita di Posyandu Dusun Jengglong hingga kini masih dilakukan secara manual melalui buku KIA. Cara ini rentan menimbulkan keterlambatan, kehilangan data, dan kesalahan pencatatan, sehingga menyulitkan kader Posyandu untuk mendeteksi risiko stunting secara cepat dan akurat.
Penelitian ini bertujuan merancang dan membangun sistem klasifikasi stunting berbasis mobile menggunakan metode prototyping dan algoritma XGBoost. Sistem memanfaatkan data antropometri balita seperti usia, tinggi badan, berat badan, dan jenis kelamin, untuk menghasilkan klasifikasi status gizi ke dalam 16 kategori risiko. Aplikasi juga dilengkapi fitur rekomendasi nutrisi berbasis AI serta artikel kesehatan untuk mendukung edukasi orang tua.
Hasil pengujian menunjukkan bahwa sistem mencapai akurasi klasifikasi sebesar 96,12% dan dinilai sangat membantu kader Posyandu maupun orang tua dalam pencatatan, pemantauan tumbuh kembang balita, serta deteksi dini risiko stunting. Sistem ini diharapkan dapat meningkatkan kualitas pelayanan Posyandu dan turut mendukung upaya penurunan angka stunting di Dusun Jengglong.

Item Type: Thesis (Other)
Uncontrolled Keywords: sistem klasifikasi, metode prototype, stunting, posyandu, xgboost
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > S1 - Teknik Informatika
SWORD Depositor: Perpustakaan Fikom
Depositing User: Perpustakaan Fikom
Date Deposited: 17 Sep 2025 02:11
Last Modified: 17 Sep 2025 02:11
URI: https://eprints.udb.ac.id/id/eprint/4143

Actions (login required)

View Item
View Item