Klasifikasi status gizi berbasis sistem spasial menggunakan Artificial Neural Network dan Random Forest

ABSTRAK

Masalah gizi pada anak balita masih menjadi tantangan kesehatan masyarakat yang besar. Penelitian ini bertujuan untuk mengembangkan sistem berbasis spasial untuk menilai dan memetakan status gizi menggunakan algoritma Artificial Neural Network (ANN) dan Random Forest (RF). Data yang diperoleh dari Dinas Kesehatan Kabupaten Sumenep meliputi variabel usia, berat badan, tinggi badan, dan jenis kelamin. Kedua model dilatih menggunakan rasio data 70:30 dan dievaluasi dengan metrik akurasi, presisi, recall, dan skor F1. Model JST mencapai akurasi 95,8%, sedangkan model RF mencapai 98,7%. Hasil klasifikasi divisualisasikan melalui Sistem Informasi Geografis (SIG) untuk menggambarkan distribusi spasial dan mengidentifikasi zona berisiko tinggi. Integrasi pembelajaran mesin dan analisis spasial terbukti efektif dalam meningkatkan akurasi klasifikasi, memperbaiki interpretasi data, dan mendukung kebijakan gizi berbasis data serta pengambilan keputusan kesehatan daerah.

ABSTRACT

Nutritional problems among children under five remain a major public health challenge. This study aims to develop a spatial-based system for assessing and mapping nutritional status using Artificial Neural Network (ANN) and Random Forest (RF) algorithms. Data obtained from the Sumenep District Health Office included age, weight, height, and gender variables. Both models were trained using a 70:30 data ratio and evaluated with accuracy, precision, recall, and F1-score metrics. The ANN model achieved an accuracy of 95.8%, while the RF model reached 98.7%. Classification results were visualized through a Geographic Information System (GIS) to illustrate spatial distribution and identify high-risk zones. The integration of machine learning and spatial analysis proved effective in enhancing classification accuracy, improving data interpretation, and supporting data-driven nutritional policy and regional health decision-making.

مستخلص البحث

ظل مشكلة سوء التغذية لدى الأطفال دون سن الخامسة تحديًا كبيرًا للصحة العامة. تهدف هذه الرسالة إلى تطوير نظام قائم على التحليل المكاني لتقييم ورسم خرائط الحالة الغذائية باستخدام خوارزمية الشبكة العصبية الاصطناعية (ANN) والغابة العشوائية (RF). تشمل البيانات المستمدة من مكتب الصحة في محافظة سمنيب المتغيرات التالية: العمر، الوزن، الطول، والجنس. تم تدريب كلا النموذجين باستخدام نسبة بيانات 70:30 وتم تقييمهما باستخدام مقاييس الدقة، الوضوح، الاستدعاء، ودرجة ف1. حقق نموذج ANN دقة بلغت 95.8٪، بينما حقق نموذج RF دقة بلغت 98.7٪. تم تصوير نتائج التصنيف من خلال نظام المعلومات الجغرافية (GIS) لتوضيح التوزيع المكاني وتحديد المناطق عالية المخاطر. لقد ثبت أن تكامل التعلم الآلي والتحليل المكاني فعّال في تحسين دقة التصنيف، وتحسين تفسير البيانات، ودعم سياسات الغذائية المبنية على البيانات واتخاذ القرارات الصحية على مستوى المنطقة