| dc.description.abstract | Imbalanced data merupakan permasalahan yang sering terjadi pada
klasifikasi status gizi balita akibat distribusi kategori yang tidak proporsional.
Kondisi ini menyebabkan model klasifikasi cenderung bias terhadap kategori
mayoritas sehingga kemampuan prediksi pada kategori minoritas menjadi rendah.
Penelitian ini bertujuan membandingkan metode penanganan imbalanced data pada
Multinomial Logistic Regression (MLR) untuk klasifikasi status gizi balita. Metode
MLR dipilih karena variabel respon status gizi balita terdiri atas lebih dari dua
kategori, yaitu normal, double burden of malnutrition (DBM), overweight, dan
stunting. Metode penanganan di antaranya tanpa penanganan, oversampling,
undersampling, median weighted, dan inverse square root weighted. Data yang
digunakan merupakan data sekunder Survei Status Gizi Indonesia tahun 2024
dengan sampel 87.428 bayi usia 6-23 bulan. Variabel penjelas adalah praktik
pemberian makan bayi dan anak, karakteristik anak, ibu, serta keluarga. Sebelum
pemodelan MLR dilakukan analisis chi-square sebagai tahap awal seleksi variabel
penjelas. Indikator evaluasi model di antaranya uji simultan, jumlah variabel
signifikan parsial, Akaike Information Criterion (AIC), Bayesian Inforamtion
Criterion (BIC), accuracy, balanced accuracy, dan kemampuan prediksi tiap
kategori status gizi balita. Hasil penelitian menunjukkan tidak terdapat metode yang
dominan pada seluruh indikator evaluasi sehingga dilakukan pemeringkatan model.
Metode median weighted memperoleh skor tertinggi dan dipilih sebagai model
terbaik. Seleksi stepwise menghasilkan 13 variabel signifikan untuk pemodelan
logit dan interpretasi faktor yang memengaruhi status gizi balita. Model terbaik
menghasilkan nilai AIC 12.980, BIC 12.942, accuracy 72,0%, dan balanced
accuracy 68,5%. | |
