Perbandingan Model Regresi Linier dengan Linear Support Vector Regression dalam Memprediksi Kasus Stunting di Jawa Barat
Keywords:
stunting, regresi linier, linear SVR, prediksiAbstract
Stunting merupakan masalah kesehatan yang serius di Indonesia, khususnya di Jawa Barat, yang dapat berdampak pada pertumbuhan fisik dan perkembangan kognitif anak. Penelitian ini bertujuan untuk membandingkan keakuratan model regresi linier dengan metode Ordinary Least Squares (OLS) dan model Linear Support Vector Regression (Linear SVR) dalam memprediksi jumlah kasus stunting di Jawa Barat. Data yang digunakan adalah data sekunder dari Dinas Kesehatan Jawa Barat, yang mencakup jumlah balita stunting dan jumlah balita bergizi buruk dari tahun 2019 hingga 2023. Analisis dilakukan dengan menggunakan bahasa pemrograman Python dan beberapa library terkait. Hasil penelitian menunjukkan bahwa nilai Adjusted R-Squared (Adj. R-Squared) dari kedua model adalah sama, yaitu sebesar 0.795 atau 79.5%. Ini menunjukkan bahwa kedua model memiliki kemampuan yang setara dalam menjelaskan variabilitas data jumlah balita stunting berdasarkan variabel jumlah balita bergizi buruk. Model regresi linier memberikan interpretasi koefisien yang langsung, sedangkan model Linear SVR menawarkan fleksibilitas yang lebih besar dalam mengatur margin dan kesalahan. Kesimpulan dari penelitian ini adalah bahwa kedua model dapat digunakan untuk memprediksi jumlah kasus stunting dengan keakuratan yang sama, namun pemilihan model terbaik harus mempertimbangkan karakteristik data dan kebutuhan interpretasi.
References
Amirudin, M., & Wowor, A. D. (2023). Analisis Perbandingan Klasifikasi Balita Beresiko Stunting Menggunakan Metode Support Vector Machine dan Decission Tree. In Proceedings of the National Conference on Electrical Engineering, Informatics, Industrial Technology, and Creative Media (CENTIVE 2023) (Vol. 3, No. 1). Satya Wacana Christian University & Universitas Kristen Satya Wacana.
Amstrong, Scott J. (2012). Illusion in Regression Analysis, International Journal Forecasting, Vol. 28, 689-693
Andriyani, S. Y., Lydia, M. S., & Efendi, S. (2023). Optimization of Support Vector Machine Algorithm Using Stunting Data Classification. Prisma Sains Jurnal Pengkajian Ilmu dan Pembelajaran Matematika dan IPA IKIP Mataram, 11(1), 164.
Badan Penelitian dan Pengembangan Kesehatan Kementerian Kesehatan Republik Indonesia. (2018). Riset Kesehatan Dasar (Riskesdas) 2018. Jakarta: Kementerian Kesehatan Republik Indonesia.
Nababan, J. F. (2021). Klasifikasi penderita stunting dengan metode Support Vector Machine (Studi Kasus: Lima Puskesmas di Kota Bandar Lampung) (Skripsi). Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung, Bandar Lampung.
Pratista, S., Nazir, A., Iskandar, I., Budianita, E., & Afrianty, I. (2023). Perbandingan Teknik Prediksi Pemakaian Obat Menggunakan Algoritma Simple Linear Regression dan Support Vector Regression. Sains dan Teknologi, Teknik Informatika, Universitas Islam Negeri Sultan Syarif Kasim, Pekanbaru, Indonesia.
Romadhani, G. K. (2021). Sistem Prediksi Risiko Stunting Dengan Metode Support Vector Machine (SVM) Pada Anak Di Indonesia. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Syafika, V. A. N., & Karisma, R. D. L. N. (2023). On implementation of Support Vector Machine (SVM) in determining the classification of stunting-specific intervention index in Indonesia. Aplikasi Statistika, Seminar Nasional Official Statistics 2023, 1. Universitas Islam Negeri Maulana Malik Ibrahim.
Yuningsih. (2022). Hubungan Status Gizi dengan Stunting pada Balita. Oksitosin: Jurnal Ilmiah Kebidanan, 9(2), 102-109. Program Studi Kebidanan, Fakultas Ilmu Kesehatan, Universitas dr. Soebandi Jember.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Ryan Fadhillah Faizal Hakim, Sevi Nurafni
This work is licensed under a Creative Commons Attribution 4.0 International License.
