Repositori ini berisi aplikasi Sistem Deteksi Stunting Anak yang digunakan untuk membantu proses analisis dan deteksi stunting pada balita. Aplikasi ini dilengkapi dengan fitur input data anak, visualisasi data stunting, serta hasil analisis menggunakan metode machine learning.
Ikuti urutan langkah berikut agar proyek ini bisa langsung dijalankan setelah clone.
Saat aplikasi dibuka, pengguna akan langsung melihat halaman utama dengan judul “Sistem Deteksi Stunting Anak”. Tampilan aplikasi terbagi menjadi dua bagian utama:
-
Sebelah kiri : Form input data anak
-
Sebelah kanan : Visualisasi data dan hasil analisis
Pada bagian Input Data, pengguna memasukkan data balita yang akan dianalisis, meliputi:
-
Tanggal lahir anak
-
Berat lahir
-
Tinggi lahir
-
Berat badan saat ini
-
Tinggi badan saat ini
Setelah semua data diisi, pengguna menekan tombol Prediksi untuk memproses data anak tersebut.
Sebelum menampilkan hasil analisis, aplikasi memberikan informasi singkat terkait model dan dataset yang digunakan, yaitu:
Sistem menggunakan model klasifikasi K-Nearest Neighbors (KNN)
Dataset berasal dari data pengukuran balita di Lombok Timur, Nusa Tenggara Barat (NTB) yang dikumpulkan pada Februari 2024
Pengguna dapat melihat berbagai visualisasi untuk memahami karakteristik data stunting, antara lain:
Pengguna dapat melihat berbagai visualisasi untuk memahami karakteristik data stunting, antara lain:
Visualisasi yang ditampilkan meliputi grafik distribusi untuk:
Berat lahir
Tinggi lahir
Berat badan
Tinggi badan
Grafik ini membantu pengguna dalam memahami pola dan sebaran data anak secara umum.
Aplikasi menampilkan peta korelasi antar variabel, antara lain:
- Berat lahir
- Tinggi lahir
- Berat badan
- Tinggi badan
Tujuan dari visualisasi ini adalah untuk menunjukkan hubungan antar variabel yang berpengaruh terhadap kondisi stunting.
Ditampilkan grafik jumlah anak berdasarkan kategori TB/U (Tinggi Badan menurut Umur).
Visualisasi ini memperlihatkan:
- Perbandingan jumlah anak normal dan stunting
- Dominasi kategori tertentu dalam dataset
Aplikasi membandingkan:
- Kondisi data sebelum normalisasi
- Kondisi data sesudah normalisasi Box-Cox
Tujuan dari tahap ini adalah untuk menunjukkan bahwa data menjadi lebih stabil dan siap digunakan dalam proses klasifikasi.
Pada bagian akhir, aplikasi menampilkan hasil evaluasi model klasifikasi dalam bentuk tabel yang berisi:
- Accuracy
- Precision
- Recall
- F1-Score
Nilai evaluasi tersebut menunjukkan seberapa baik model dalam mendeteksi status stunting pada anak.