Model Klasifikasi Tinggi Badan Balita Stunting Menggunakan Regresi Logistik Biner

Nurul Ika Erianni Harahap, Lilis Harianti Hasibuan, Syarto Musthofa

Abstract


Stunting adalah gangguan pertumbuhan kronis pada balita yang ditandai dengan tinggi badan di bawah standar usia, akibat kekurangan gizi kronis, infeksi berulang, dan pola asuh yang kurang optimal selama 1.000 Hari Pertama Kehidupan (HPK). Kecamatan Koto Tangah, Kota Padang, angka prevalensi stunting masih tinggi, sehingga diperlukan analisis berbasis data untuk memahami faktor risiko yang memengaruhinya. Penelitian ini bertujuan untuk mengklasifikasikan tinggi badan balita stunting dengan memakai metode regresi logistik biner. Data yang digunakan yaitu sebanyak 237 data balita stunting yang tercatat di Puskesmas Air Dingin. Variabel independen dalam riset ini meliputi status gizi balita, jenis kelamin, usia, tinggi badan saat lahir, berat badan saat lahir, dan asal desa/kelurahan, sedangkan variabel dependen adalah klasifikasi tinggi badan balita stunting. Hasil penelitian menunjukkan bahwa status gizi dan asal desa/kelurahan berpengaruh signifikan terhadap variabel dependen, dengan akurasi model sebesar 79,3%. Temuan ini menawarkan model prediktif yang dapat digunakan untuk mendukung kebijakan berbasis bukti dalam pencegahan dan penanganan stunting.


Keywords


Klasifikasi, Tinggi Badan Balita, Regresi Logistik Biner, Stunting

Full Text:

PDF

References


C. P. Stewart, L. Iannotti, K. G. Dewey, K. F. Michaelsen, and A. W. Onyango, “Contextualising complementary feeding in a broader framework for stunting prevention,” Matern. Child Nutr., vol. 9, no. S2, pp. 27–45, Sep. 2013, doi: 10.1111/mcn.12088.

D. Mardlatilla and I. Ratih, “Analisis Faktor-Faktor yang Berpengaruh terhadap Stunting Menggunakan Regresi Data Logistik Biner (Studi Kasus : Desa Jongbiru Kecamatan Gampengrejo Kabupaten Kediri),” J. Sains dan Seni ITS, vol. 11, Jul. 2022, doi: 10.12962/j23373520.v11i2.75814.

Y. Karyati and A. Julia, “Pengaruh Jumlah Penduduk Miskin, Laju Pertumbuhan Ekonomi, dan Tingkat Pendidikan terhadap Jumlah Stunting di 10 Wilayah Tertinggi Indonesia Tahun 2010-2019,” J. Ris. Ilmu Ekon. dan Bisnis, vol. 1, no. 2, pp. 101–108, 2021, doi: 10.29313/jrieb.v1i2.401.

World Health Organization, “Joint child malnutrition estimates.,” 4 Desember 2024.

L. Harianti Hasibuan, S. Musthofa, P. Studi Matematika, and U. Imam Bonjol Padang, “Journal of Science and Technology Penerapan Metode Regresi Linear Sederhana Untuk Prediksi Harga Beras di Kota Padang,” J. Sci. Technol., vol. 2, no. 1, pp. 85–95, 2022.

L. H. Hasibuan, D. M. Putri, and M. Jannah, “Simple Linear Regression Method to Predict Cooking Oil Prices in the Time of Covid-19,” Logaritma J. Ilmu-ilmu Pendidik. dan Sains, vol. 10, no. 01, pp. 81–94, 2022.

A. S. Sholih, L. H. Hasibuan, and I. D. Rianjaya, “ANALISIS REGRESI LOGISTIK ORDINAL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI PREDIKAT KELULUSAN MAHASISWA SARJANA UIN IMAM BONJOL PADANG,” MAp (Mathematics Appl. J., vol. 6, no. 2, pp. 99–110, 2024.

L. H. Hasibuan, F. Yanuar, D. Devianto, and M. Maiyastri, “MODELING CLASSIFICATION OF STUNTING TODDLER HEIGHT USING BAYESIAN BINARY QUANTILE REGRESSION WITH PENALIZED LASSO,” Mathline J. Mat. dan Pendidik. Mat., vol. 10, no. 2, pp. 373–385, 2025.

L. H. Hasibuan, F. Yanuar, D. Devianto, M. Maiyastri, and R. Rudiyanto, “COMPARISON BETWEEN BAYESIAN QUANTILE REGRESSION AND BAYESIAN LASSO QUANTILE REGRESSION FOR MODELING POVERTY LINE WITH PRESENCE OF HETEROSCEDASTICITY IN WEST SUMATRA,” BAREKENG J. Ilmu Mat. dan Terap., vol. 19, no. 3, pp. 1587–1596, 2025.

L. H. Hasibuan, F. Yanuar, V. P. Harahap, and L. Qalbi, “Performance Quantile Regression and Bayesian Quantile Regression in Dealing with Non-normal Errors (Case Study on Simulated Data),” Numer. J. Mat. dan Pendidik. Mat., vol. 8, no. 2, pp. 46–54, 2024.

L. H. Hasibuan, F. Yanuar, and D. Devianto, “Hypertension Status Model with Bayesian Adaptive LASSO Binary Quantile Regression Using Asymmetric Laplace Distribution,”International Journal Computer Science, IJCS" vol. 52, no. 8, pp. 2865–2872, 2025.

L. H. Hasibuan, F. Yanuar, D. Devianto, M. Maiyastri, and A. Apriona, “Bayesian Method for Linear Regression Modeling; Simulation Study with Normality Assumption,” JOSTECH J. Sci. Technol., vol. 5, no. 1, pp. 81–92, 2025.

Muhamad Fikri, “Klasifikasi Status Stunting Pada Anak Bawah Lima Tahun Menggunakan Extreme Gradient Boosting,” Merkurius J. Ris. Sist. Inf. dan Tek. Inform., vol. 2, no. 4, pp. 173–184, 2024, doi: 10.61132/merkurius.v2i4.159.

S. A. R. Manaf, Erfiani, Indahwati, A. Fitrianto, and R. Amelia, “Faktor – Faktor yang Memengaruhi Permasalahan Stunting di Jawa Barat Menggunakan Regresi Logistik Biner,” J Stat. J. Ilm. Teor. dan Apl. Stat., vol. 15, no. 2, pp. 265–274, 2022, doi: 10.36456/jstat.vol15.no2.a5654.

I. A. (2023). Roflin, E., Riana, F., Munarsih, E., & Liberty, “Regresi logistik biner dan multinomial,” in Regresi logistik biner dan multinomial., NEM.

A. J. Scott, D. W. Hosmer, and S. Lemeshow, “Applied Logistic Regression.,” Biometrics, vol. 47, no. 4, p. 1632, 1991, doi: 10.2307/2532419.

S. Indriyani, “Estimasi Parameter Regresi Logistik Biner Dengan Metode Partial Least Square.”

A. Safitri, S. Sudarmin, and M. Nusrang, “Model Regresi Logistik Biner pada Tingkat Pengangguran Terbuka di Provinsi Sulawesi Barat Tahun 2017,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 1, no. 2, p. 1, 2019, doi: 10.35580/variansiunm9354.

I. N. Wardani and A. Sofro, “Estimasi Parameter Model Regresi Probit Multinomial Dengan Metode Maximum Likelihood,” MATHunesa J. Ilm. Mat., vol. 8, no. 2, pp. 209–215, 2020, doi: 10.26740/mathunesa.v8n2.p209-215.

Juwita, N. Amalita, and M. P. Dewi, “Faktor-Faktor Risiko yang Mempengaruhi Kanker Paru-Paru dengan Menggunakan Analisis Regresi Logistik,” UNPjoMath, vol. 4, no. 1, pp. 38–42, 2021.

R. herina Situngkir and P. Sembiring, “Analisis Regresi Logistik untuk Menentukan Faktor-Faktor yang Mempengaruhi Kesejahteraan Masyarakat Kabupaten/Kota di Pulau Nias,” FARABI J. Mat. dan Pendidik. Mat., vol. 6, no. 1, pp. 25–31, 2023, doi: 10.47662/farabi.v6i1.432.

dan I. A. L. E. Roflin, F. Riana, E. Munarsih, “Liberty, Regresi Logistik Biner Dan Multinomial.,” Penerbit NEM, 2023.

dan S. S. D. L. W. Putri, S. Mariani, “Peningkatan Ketepatan Klasifikasi Model Regresi Logistik Biner dengan Metode Bagging (Bootstrap Aggregating),” Indones. J. Math. Nat. Sci., vol. 44, n, doi: 10.15294/ijmns.v44i2.33144.

W. Alwi, E. Ermawati, and S. Husain, “Analisis Regresi Logistik Biner Untuk Memprediksi Kepuasan Pengunjung Pada Rumah Sakit Umum Daerah Majene,” J. MSA ( Mat. dan Stat. serta Apl. ), vol. 6, no. 1, p. 20, 2018, doi: 10.24252/msa.v6i1.4783.




DOI: https://doi.org/10.15548/jostech.v5i2.12420

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 JOSTECH Journal of Science and Technology

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.