1. JUDUL PENELITIAN
KLASIFIKASI POTENSI STUNTING BERDASARKAN DATA KEPENDUDUKAN KABUPATEN LANGKAT
MENGGUNAKAN DATA MINING DECISION TREE
2. IDENTITAS PENGUSUL
Nama, Peran Perguruan Tinggi/ Program Studi/ Bidang Tugas ID Sinta
Institusi Bagian
INDRI Universitas Sistem Komputer Indri Sulistianingsih, 6653319
SULISTIANINGSIH Pembangunan S.Kom., M.Kom,
Panca Budi selaku ketua
Ketua Pengusul pengusul bertugas
untuk memantau, dan
memfasilitasi
perlengkapan
penelitian serta
mengontrol
pelaksanaan
penelitian. Melakukan
bimbingan dan
pendampingan serta
memvalidasi hasil
penelitian, luaran
wajib berupa
publikasi jurnal dan
luaran tambahan
publikasi prosiding,
haki dan buku.
NOVA MAYASARI Universitas Sistem Komputer Nova Mayasari, -
Pembangunan S.Kom., M.Kom,
Anggota Pengusul Panca Budi selaku anggota
peneliti pertama
bertugas untuk
membantu ketua
peneliti untuk
memvalidasi hasil
dan luaran penelitian
termasuk draf jurnal
Nama, Peran Perguruan Tinggi/ Program Studi/ Bidang Tugas ID Sinta
Institusi Bagian
untuk diterbitkan
serta presentasi hasil
penelitian.
AHMAD AKBAR Universitas Sistem Komputer Ahmad Akbar, 6718616
Pembangunan S.Kom., M.Kom,
Anggota Pengusul Panca Budi selaku anggota
peneliti kedua
membuat laporan
penelitian, draf
publikasi jurnal dan
draf prosiding serta
publikasi penelitian
tambahan lainnya
Luaran Wajib
Tahun Jenis Luaran Status target capaian Keterangan
Luaran
1 Artikel di Jurnal accepted/published https://jurnal.stmikroyal.ac.id/
index.php/j-com
5. ANGGARAN
Rencana Anggaran Biaya penelitian mengacu pada PMK dan buku Panduan Penelitian dan Pengabdian
kepada Masyarakat yang berlaku.
JUDUL
Tuliskan Judul Usulan
KLASIFIKASI POTENSI STUNTING BERDASARKAN DATA KEPENDUDUKAN
KABUPATEN LANGKAT MENGGUNAKAN DATA MINING DECISION TREE
RINGKASAN
Ringkasan penelitian tidak lebih dari 300 kata yang berisi urgensi, tujuan, dan luaran yang
ditargetkan.
Masalah utama dalam penelitian ini adalah angka stunting yang tinggi di Kabupaten Langkat,
hal ini ditunjukkan pada data prevalensi stunting dari tahun 2019-2022 dengan rata-rata 16,33%
dimana prevalensi rata-rata 33 kabupaten/kota sumut adalah 5.5% dikutip sebaran data stunting
di provinsi sumatera utara. Upaya dan program percepatan penurunan dilakukan pemerintah
Kabupaten Langkat namun diperlukan juga rencana pencegahan sebagai tindakan preventif
dengan melihat prediksi potensi stunting. Oleh karenanya, penelitian ini menjadi sangat penting
untuk dilakukan agar pemerintah Kabupaten Langkat dapat mendeteksi sejak dini (klasifikasi)
individu yang berpotensi stunting. Dengan demikian pemerintah Kabupaten Langkat melalui
pihak-pihak terkaitnya seperti dinas kesehatan, perangkat daerah, camat dan kepala desa/lurah
dapat melakukan pencegahan awal dengan mengintegrasikan kegiatan lintas program dan lintas
perangkat daerah kedalam dokumen perencanaan daerah. Penelitian ini bertujuan untuk
menentukan model data training yang dapat mengklasifikasikan individu ke dalam kategori
“berpotensi stunting” atau “tidak berpotensi stunting” berdasarkan pola data yang ditemukan dari
data kependudukan yang tersedia. Penelitian ini menggunakan metode pendekatan kuantitatif
dengan algoritma komputasi data mining decision tree untuk proses ekstraksi data dalam
mendapatkan aturan-aturan (rule) dan pengetahuan (knowledge) dan model klasifikasi. Luaran
wajib yang ditetapkan yaitu publikasi pada jurnal Sinta 3. Luaran tambahan prosiding
internasional. Penelitian ini dimulai pada TKT 1 dan berhenti pada TKT 2 formulasi konsep dan
aplikasi teknologi untuk klasifikasi potensi stunting menggunakan data mining.
KATA KUNCI
Kata kunci maksimal 5 kata
Data Mining; Desicion Tree; CART; Stunting;
PENDAHULUAN
Penelitian Dasar merupakan riset yang memuat temuan baru atau pengembangan ilmu
pengetahuan dari kegiatan riset yang terdiri dari tahapan penentuan asumsi dan dasar hukum
yang akan digunakan, formulasi konsep dan/ atau aplikasi formulasi dan pembuktian konsep
fungsi dan/ atau karakteristik penting secara analitis dan eksperimental.
Pendahuluan penelitian tidak lebih dari 1000 kata yang terdiri dari:
A. Latar belakang dan rumusan permasalahan yang akan diteliti
B. Pendekatan pemecahan masalah
C. State of the art dan kebaruan
D. Peta jalan (road map) penelitian 5 tahun kedepan (jika dalam bentuk konsorsium harus
dilengkapi dengan roadmap penelitian konsorsium)
E. Sitasi disusun dan ditulis berdasarkan sistem nomor sesuai dengan urutan pengutipan,
mengikuti format Vancouver
A. Latar Belakang dan Rumusan Masalah
Masalah stunting masih menjadi perhatian serius di Provinsi Sumatera Utara. Menurut
data yang dikeluarkan berdasarkan Survey Status Gizi Indonesia (SSGI) 2022, pada tahun 2021
tercatat 25,8% keluarga stunting (1). Hal ini menunjukkan bahwa masih banyak anak-anak di
Sumatera Utara yang mengalami stunting yang dapat mengganggu pertumbuhan dan
perkembangan fisik dan mental mereka(2)(3). Kabupaten Langkat merupakan salah satu
daerah yang memiliki prevalensi stunting yang tinggi dengan rata-rata 16,33% pada tahun
2019-2022, persentase itu diatas rata-rata prevalensi 5.5% untuk total 33 kabupaten/kota pada
sebaran data stunting di provinsi Sumatera Utara, seperti data yang dapat dilihat dari tabel 1.
Oleh karena itu, diperlukan suatu penelitian yang dapat menghasilkan model mengklasifikasi
stunting pada anak atau keluarga berisiko serta mengidentifikasi faktor-faktor yang
mempengaruhi potensi stunting pada anak di Kabupaten Langkat.
Berdasarkan latar belakang di atas, rumusan permasalahan yang akan diteliti adalah
bagaimana cara mengklasifikasikan potensi stunting pada anak dan keluarga berisiko
berdasarkan data kependudukan di Kabupaten Langkat menggunakan metode data mining
decision tree (5). Tujuan penelitian ini adalah untuk mengidentifikasi faktor-faktor yang
berkontribusi pada potensi stunting pada anak (6), mendapatkan aturan-aturan (rule) dan
pengetahuan (knowledge) yang tersimpul pada data kependudukan Kabupaten Langkat dan
menghasilkan model klasifikasi potensi stunting yang dapat digunakan untuk mencegah dan
mengurangi stunting.
METODA
Metode atau cara untuk mencapai tujuan yang telah ditetapkan ditulis tidak melebihi 1000 kata.
Bagian ini dapat dilengkapi dengan diagram alir penelitian yang menggambarkan apa yang
sudah dilaksanakan dan yang akan dikerjakan selama waktu yang diusulkan. Format diagram
alir dapat berupa file JPG/PNG. Metode penelitian harus dibuat secara utuh dengan penahapan
yang jelas, mulai dari awal bagaimana proses dan luarannya, dan indikator capaian yang
ditargetkan yang tercermin dalam Rencana Anggaran Biaya (RAB).
Penelitian ini menggunakan pendekatan kuantitatif dimana proses pengolahan data dari data
kependudukan yang diteliti dan diolah secara sistematis untuk mendapatkan rule dan
knowledge. Data yang digunakan adalah data kependudukan yang bersumber dari kegiatan
digitalisasi data penduduk kabupaten langkat dalam program kerjasama KKN Tematik MBKM
di Desa antara pemerintah Kabupaten Langkat dengan Universitas Pembangunan Panca Budi
pada tahun 2022. Menggunakan komputasi data mining klasifikasi sebagai pengolahan data
yaitu algoritma decision tree CART (Classification and Regression Tree)(6). Teknik
pengumpulan data sampling untuk kemudian membangun model, pemilihan fitur, model data
training dan evaluasi model dapat dilakukan dengan menggunakan berbagai metrik, seperti
akurasi, presisi, recall, dan lain-lain.
DIAGRAM FISHBONE
Diagram Fishbone atau Ishikawa diagram adalah sebuah metode untuk visualisasi penyebab
masalah (root cause analysis) yang dirancang untuk membantu mengidentifikasi semua faktor
yang mungkin menyebabkan masalah tertentu(10). Berikut adalah penyebab dari suatu masalah
yang mendasari perlunya penelitian ini :
Berikut adalah alur tahapan dalam penelitian ini terbagi dalam satu tahun :
Tahun ke-1
Bulan
No Nama Kegiatan
1 2 3 4 5 6 7 8 9 10 11 12
1. Studi Literatur
2. Pengumpulan Data Kependudukan
3. Preprocessing Data
Pembuatan Model Klasifikasi
4.
Algoritma Decision Tree CART
5. Penyusunan Laporan Kemajuan
6. Interpretasi Hasil
7. Penyusunan Publikasi Karya Ilmiah
8. Analisis Hasil Dan Kesimpulan
9. Penyusunan Laporan Akhir
10. Kesimpulan Dan Evaluasi
11. Pengisian Logbook
DAFTAR PUSTAKA
Sitasi disusun dan ditulis berdasarkan sistem nomor sesuai dengan urutan pengutipan,
mengikuti format Vancouver. Hanya pustaka yang disitasi pada usulan penelitian yang
dicantumkan dalam Daftar Pustaka.
[1] Kementrian Kesehatan RI. Hasil Survei Status Gizi Indonesia (SSGI) 2022. 2022.
[2] Widjayatri RD, Fitriani Y, Tristyanto B. Sosialisasi Pengaruh Stunting Terhadap
Pertumbuhan dan Perkembangan Anak Usia Dini. Murhum : Jurnal Pendidikan Anak Usia
Dini. 2020 Nov 5;16–27.
[3] Wulandari EC, Wijayanti HS, Widyastuti N, Panunggal B, Ayustaningwarno F, Syauqy A.
Hubungan Stunting Dengan Keterlambatan Perkembangan Pada Anak Usia 6-24 Bulan.
Journal of Nutrition College. 2021 Dec 9;10(4):304–12.
[4] KEMENDAGRI. Monitoring Pelaksanaan 8 Aksi Konvergensi Intervensi Penurunan
Stunting Terintegrasi [Internet]. 2022 [cited 2023 Apr 3]. Available from:
https://aksi.bangda.kemendagri.go.id/emonev/DashPrev
[5] Jin C, Li F, Ma S, Wang Y. Sampling scheme-based classification rule mining method
using decision tree in big data environment. Knowl Based Syst. 2022 May;244:108522.
[6] Ghiasi MM, Zendehboudi S, Mohsenipour AA. Decision tree-based diagnosis of coronary
artery disease: CART model. Comput Methods Programs Biomed. 2020 Aug;192:105400.
[7] Titimeidara MY, Hadikurniawati W. Implementasi Metode Naïve Bayes Classifier Untuk
Klasifikasi Status Gizi Stunting Pada Balita. JURNAL ILMIAH INFORMATIKA. 2021
Jun 17;9(01):54–9.
[8] Lonang S, Normawati D. Klasifikasi Status Stunting Pada Balita Menggunakan K-Nearest
Neighbor Dengan Feature Selection Backward Elimination. JURNAL MEDIA
INFORMATIKA BUDIDARMA. 2022 Jan 25;6(1):49.
[9] Perdana AY, Latuconsina R, Dinimaharawati A. Prediksi Stunting Pada Balita Dengan
Algoritma Random Forest. 2021.
[10] Coccia M. Fishbone diagram for technological analysis and foresight. International
Journal of Foresight and Innovation Policy. 2020;14(2/3/4):225.
[11] Md Ghazi MG Bin, Lee LC, Samsudin ASB, Sino H. Evaluation of ensemble data
preprocessing strategy on forensic gasoline classification using untargeted GC–MS data
and classification and regression tree (CART) algorithm. Microchemical Journal. 2022
Nov;182:107911.
PERSETUJUAN PENGUSUL
Tanggal Pengiriman Tanggal Persetujuan Nama Pimpinan Sebutan Jabatan Unit Nama Unit Lembaga
Pemberi Persetujuan Pengusul
- - - - -
Komentar : -