// <![CDATA[RECURSIVE FEATURE ELIMINATION DAN RANDOM FOREST DALAM PREDIKSI STUNTING ANAK]]> Irma Amelia Dewi, S.Kom., M.T. Penguji 2 120071201 - Uung Ungkawa, Ir., M. T., Dr. Penguji 1 120040903 - Dewi Rosmala, S.Si., M.IT. Dosen Pembimbing 1 Fazry Javier Nugraha / 152020133 Penulis
Indonesia menempati peringkat ke-27 dari 154 negara dengan prevalensi stunting tertinggi dan berada di posisi ke-5 di Asia. Pada tahun 2022, angka stunting di Indonesia tercatat sebesar 21,6%, dengan target penurunan menjadi 18% pada tahun 2025, sejalan dengan Sustainable Development Goals (SDGs) poin ke-2 yang berfokus pada peningkatan ketahanan pangan dan gizi. Faktor penyebab stunting sangat bervariasi di setiap daerah. Sebagai contoh, di Riau, stunting dipicu oleh keluarga berpenghasilan rendah, kondisi rumah yang buruk, ibu dengan pendidikan di bawah SMP, dan jumlah anggota keluarga yang besar. Sementara itu, di Jawa Timur, sanitasi yang buruk, indeks pembangunan manusia (IPM) yang rendah, dan tingkat kemiskinan yang tinggi menjadi faktor utama penyebabnya. Penelitian ini bertujuan untuk mengidentifikasi fitur-fitur signifikan yang memengaruhi stunting pada anak dengan menggabungkan recursive feature elimination (RFE) dan random forest. Dengan menggunakan dataset sebanyak 207 sampel, analisis dilakukan menggunakan tiga skenario pembagian data: 70:30, 80:20, dan 90:10. Hasil menunjukkan akurasi tertinggi masing-masing sebesar 84%, 83%, dan 90% pada setiap skenario ketika menggunakan RFE dan random forest. Memahami fitur-fitur signifikan ini penting untuk merancang intervensi dan kebijakan yang ditargetkan sesuai dengan variasi regional. Pendekatan ini dapat menjadi panduan dalam upaya intervensi dalam prevalensi stunting secara berkelanjutan dan mencapai tujuan kesehatan nasional. Kata Kunci: Stunting, Recursive Feature Elimination (RFE), Random Forest, Sustainable Development Goals, Seleksi Fitur.