Downloads · 30 days
0
skripsi
zakymaolana123/skripsi
skripsi is a machine learning model from zakymaolana123. Use it for the machine learning task on the model card, and read the license before you ship it in a product.
Aplikasi ini merupakan implementasi algoritma Random Forest Regressor untuk memprediksi jumlah balita stunting di Provinsi Jawa Barat.
Access
Public
Updated Jul 13, 2026
Repo size
—
Likes
0
Public
Repo makeup
Click a slice to open those files.
.csv13.9 KB · 42%
At a glance
- Access
- Public
- Created
- Jul 13, 2026
- Updated
- Jul 13, 2026
- SHA
- 476010ab
Model card
From the Hugging Face model README
📊 Prediksi Jumlah Balita Stunting Provinsi Jawa Barat Menggunakan Random Forest Regressor
Deskripsi
Aplikasi ini merupakan implementasi algoritma Random Forest Regressor untuk memprediksi jumlah balita stunting di Provinsi Jawa Barat.
Dataset yang digunakan merupakan hasil penggabungan beberapa indikator yang berpengaruh terhadap stunting, yaitu:
- Jumlah Balita Stunting
- Persentase Penduduk Miskin
- Garis Kemiskinan
- Persentase Sanitasi Layak
- Jumlah Tenaga Kesehatan Gizi
Periode data yang digunakan adalah 2019–2024.
Algoritma
Model yang digunakan adalah:
- Random Forest Regressor
Hyperparameter diperoleh menggunakan:
- RandomizedSearchCV
- Cross Validation (5 Fold)
Evaluasi Model
Model dievaluasi menggunakan:
- Mean Absolute Error (MAE)
- Mean Squared Error (MSE)
- Root Mean Squared Error (RMSE)
- R² Score
- Cross Validation
Struktur Project
Prediksi-Stunting/
│
├── app.py
├── requirements.txt
├── runtime.txt
├── dataset_final_stunting.csv
├── hasil_prediksi_rf.csv
├── hasil_evaluasi.csv
├── feature_importance.csv
├── best_parameter_rf.csv
├── cross_validation_rf.csv
├── tuning_result_rf.csv
└── README.md
Cara Menjalankan
Clone repository
git clone https://github.com/zakymaolana78/Prediksi-Stunting-Provinsi-Jawa-Barat-Menggunakan-Random-Forest-Regressor.git
Masuk ke folder project
cd Prediksi-Stunting-Provinsi-Jawa-Barat-Menggunakan-Random-Forest-Regressor
Install library
pip install -r requirements.txt
Jalankan aplikasi
streamlit run app.py
Library
- Python 3.11
- Streamlit
- Pandas
- NumPy
- Plotly
- Matplotlib
- Scikit-learn
Dataset
Dataset telah melalui proses:
- Data Cleaning
- Data Integration
- Data Transformation
- Feature Selection
Fitur Aplikasi
- Dashboard
- Dataset Viewer
- Visualisasi Data
- Prediksi Stunting
- Evaluasi Model
- Feature Importance
- Hyperparameter Terbaik
- Cross Validation
- Download Hasil
Pengembang
Zaky Maolana Al Rasid
Program Studi Informatika
Universitas Gunadarma
Lisensi
Project ini dibuat untuk keperluan penelitian akademik dan pembelajaran.
📊 Prediksi Jumlah Balita Stunting Provinsi Jawa Barat Menggunakan Random Forest Regressor
Deskripsi
Aplikasi ini merupakan implementasi algoritma Random Forest Regressor untuk memprediksi jumlah balita stunting di Provinsi Jawa Barat.
Dataset yang digunakan merupakan hasil penggabungan beberapa indikator yang berpengaruh terhadap stunting, yaitu:
- Jumlah Balita Stunting
- Persentase Penduduk Miskin
- Garis Kemiskinan
- Persentase Sanitasi Layak
- Jumlah Tenaga Kesehatan Gizi
Periode data yang digunakan adalah 2019–2024.
Algoritma
Model yang digunakan adalah:
- Random Forest Regressor
Hyperparameter diperoleh menggunakan:
- RandomizedSearchCV
- Cross Validation (5 Fold)
Evaluasi Model
Model dievaluasi menggunakan:
- Mean Absolute Error (MAE)
- Mean Squared Error (MSE)
- Root Mean Squared Error (RMSE)
- R² Score
- Cross Validation
Struktur Project
Prediksi-Stunting/
│
├── app.py
├── requirements.txt
├── runtime.txt
├── dataset_final_stunting.csv
├── hasil_prediksi_rf.csv
├── hasil_evaluasi.csv
├── feature_importance.csv
├── best_parameter_rf.csv
├── cross_validation_rf.csv
├── tuning_result_rf.csv
└── README.md
Cara Menjalankan
Clone repository
git clone https://github.com/zakymaolana78/Prediksi-Stunting-Provinsi-Jawa-Barat-Menggunakan-Random-Forest-Regressor.git
Masuk ke folder project
cd Prediksi-Stunting-Provinsi-Jawa-Barat-Menggunakan-Random-Forest-Regressor
Install library
pip install -r requirements.txt
Jalankan aplikasi
streamlit run app.py
Library
- Python 3.11
- Streamlit
- Pandas
- NumPy
- Plotly
- Matplotlib
- Scikit-learn
Dataset
Dataset telah melalui proses:
- Data Cleaning
- Data Integration
- Data Transformation
- Feature Selection
Fitur Aplikasi
- Dashboard
- Dataset Viewer
- Visualisasi Data
- Prediksi Stunting
- Evaluasi Model
- Feature Importance
- Hyperparameter Terbaik
- Cross Validation
- Download Hasil
Pengembang
Zaky Maolana Al Rasid
Program Studi Informatika
Universitas Gunadarma
Lisensi
Project ini dibuat untuk keperluan penelitian akademik dan pembelajaran.
- Created
- Jul 13, 2026
- Updated
- Jul 13, 2026