Laporan Proyek Machine Learning - Tsaqif Mutashim Mufid

Domain Proyek

Stunting telah menjadi program nasional di Indonesia karena masih melibatkan sebagian besar penduduk. Upaya pencegahan stunting memerlukan pemahaman mendalam terhadap faktor-faktor yang menjadi determinan, baik dari pihak ibu maupun anak. Faktor ibu yang menjadi determinan stunting melibatkan pendidikan ibu, kesadaran dalam mengonsumsi tablet tambah darah, menjaga kualitas makanan, serta kemampuan dalam mencari informasi gizi baik dari sumber-sumber terpercaya [1]. Selain itu, faktor anak yang juga determinan stunting melibatkan kurangnya asupan ASI dan MPASI, terutama ketika ibu mengalami kekurangan gizi. Dengan kondisi tersebut, tumbuh kembang anak menjadi terhambat, menyebabkan kejadian stunting [2]. Stunting merupakan masalah gizi utama di negara-negara berkembang, termasuk Indonesia. Stunting dapat terjadi pada anak setelah usia 6 bulan, dan semua anak membutuhkan makanan lunak yang bergizi, umumnya dikenal sebagai makanan pendamping ASI (MP-ASI), selain ASI. Ada berbagai faktor yang dapat menyebabkan stunting, seperti kurangnya pemberian ASI eksklusif, rendahnya kadar kalsium dalam ASI, dan gumoh yang berlebihan setelah menyusui. Stunting merupakan kondisi gagal tumbuh pada anak balita akibat kekurangan gizi kronis terutama dalam 1.000 hari pertama kehidupan sehingga anak terlalu pendek untuk usianya [3]. Penelitian telah menunjukkan bahwa pemberian ASI eksklusif secara signifikan berhubungan dengan risiko stunting yang lebih rendah [4] [2]. Dalam upaya menurunkan angka stunting, khususnya praktik malnutrisi pada anak telah banyak dilakukan seminar yang bertujuan untuk mendiskusikan peran penting pertumbuhan ekonomi keluarga [5]. Faktor ekonomi merupakan jumlah pendapatan yang diperoleh keluarga untuk memenuhi keperluan rumah tangga [3]. Selain itu, stunting masih menjadi masalah yang serius di Indonesia, dengan prevalensi stunting pada tahun 2022 sebesar 21,6% [6]. Hal ini berbeda dengan target WHO, yang harus di bawah 20% [7]. Oleh karena itu, pemanfaatan pembelajaran mesin diharapkan dapat membantu memprediksi dan mencegah malnutrisi pada anak.

References:

[1] I. R. Putri and M. Anas, “Hubungan Faktor Ibu Dan Anak Terhadap Kejadian Stunting Pada Balita,” J. Multidisiplin Indones., vol. 2, no. 7, pp. 1450–1469, Jul. 2023, doi: 10.58344/jmi.v2i7.304.

[2] A. K. S. Lebuan, M. Syafar, and N. Hartati, “Hubungan Pola Pemberian Makan Pada Balita Stunting di Puskesmas di Flores Timur”.

[3] E. M. Yanti, “HUBUNGAN FAKTOR EKONOMI DAN POLA ASUH ORANG TUA DENGANKEJADIAN STUNTING PADA BALITA DI DESA KEMBANG KERANG DAYA,” vol. 4, no. 8, 2023.

[4] R. S. Putra Pratama, M. S. Dasuki, T. Agustina, and S. Soekiswati, “ASI Eksklusif Sebagai Faktor Protektif Terhadap Kejadian Stunting Pada Balita 24-59 Bulan,” J. Ilm. Kesehat. Sandi Husada, vol. 11, no. 1, pp. 262–270, Jun. 2022, doi: 10.35816/jiskh.v11i1.748.

[5] E. Endraria and P. Susilo, “Edukasi Mengenai Pertumbuhan Ekonomi Keluarga Yang Efektif Dapat Menurunkan Angka Stunting Khususnya Praktik Malnutrisi Pada Anak,” J. Pengabdi. Masy. Bangsa, vol. 1, no. 8, pp. 1580–1588, Oct. 2023, doi: 10.59837/jpmba.v1i8.390.

[6] H. T. Sinaga, N. Achmad, M. Manalu, S. Perangin-Angin, and L. G. Doloksaribu, “Length Attainment and Stunting Prevalence of Children aged 0–24 Months Living in the Area of Clay Brick Kilns in Pagar Merbau Sub District, Indonesia,” Open Access Maced. J. Med. Sci., vol. 10, no. E, pp. 155–160, Jan. 2022, doi: 10.3889/oamjms.2022.7969.

[7] A. J. Pitoyo, A. Saputri, R. E. Agustina, and T. Handayani, “Analysis of Determinan of Stunting Prevalence among Stunted Toddlers in Indonesia,” Populasi, vol. 30, no. 1, p. 36, Jun. 2022, doi: 10.22146/jp.75796.

Business Understanding

Hakikatnya, generasi muda membutuhkan pemahaman mendalam mengenai faktor-faktor yang dapat menyebabkan stunting pada anak sebagai bekal penting dalam menghadapi kehidupan mendatang. Generasi Z, sering disebut sebagai anak-anak muda, masih memiliki pengetahuan terbatas mengenai stunting. Beberapa mulai menyadari masalah ini karena menjadi perbincangan umum di televisi. Hal ini menjadi motivasi bagi penulis untuk membantu calon orang tua agar lebih memperhatikan aspek gizi anak-anak mereka, termasuk pemahaman tentang faktor-faktor yang dapat memicu stunting.

Harapannya dengan adanya pemahaman faktor - faktor tersebut dapat meningkatkan kesejahteraan masyarakat secara menyeluruh dan dapat mengurangi angka kasus stunting di kalanagan anak - anak. Hal ini akan memberikan dampak positif pada generasi masa depan untuk meningkatkan kualitas hidup dan membentuk masyarakat yang lebih sehat secara keseluruhan. Selain itu juga, mengurangi tingkat stunting dapat berkontribusi pada penurunan beban kesehatan masyarakat dan peningkatan produktivitas di masa mendatang.

Pemanfaatan teknologi pembelajaran mesin menjadi bagian penting dari solusi ini. Dengan menerapkan teknologi ini, kita dapat menganalisis data yang kompleks terkait stunting pada anak. Pembelajaran mesin membantu dalam memprediksi risiko stunting dan menciptakan sistem yang mendukung orang tua serta tenaga kesehatan. Semua ini diharapkan tidak hanya meningkatkan pemahaman, tetapi juga membantu mengurangi kasus stunting sebesar 3,8% setiap tahunnya.

Problem Statements

Dengan latar belakang permasalahan yang diungkapkan, muncul pertanyaan-pertanyaan yang relevan terkait aspek penting dalam perawatan kehamilan, terutama berkaitan dengan pengaturan pola makan ibu hamil untuk memastikan asupan gizi yang optimal. Beberapa pertanyaan yang diajukan untuk merumuskan pemahaman lebih mendalam melibatkan:

Bagaimana hubungan antara pola makan seorang ibu hamil dan risiko stunting pada anak yang dikandungnya?

Apakah ada korelasi antara faktor-faktor terkait gizi dalam makanan ibu hamil dan kemungkinan terjadinya stunting pada anak?

Adakah metode atau langkah-langkah yang dapat diambil untuk memastikan pemenuhan gizi yang optimal selama kehamilan, dengan tujuan mencegah kasus stunting pada anak yang dilahirkan?

Goals

Untuk menjawab dari permasalahan sebelumnya, penulis mencoba membuat predictive analysis dengan tujuan atau goals sebagai berikut:

Mengidentifikasi dan menganalisis hubungan antara pola makan ibu hamil dengan risiko stunting pada anak yang sedang dikandungnya

Mengetahui korelasi antara faktor-faktor gizi dalam makanan ibu hamil dan potensi terjadinya stunting pada anak yang dilahirkan.

Membuat model predictive analysis yang dapat memprediksi tingkat risiko stunting pada anak berdasarkan faktor-faktor gizi dalam makanan ibu hamil, dengan tingkat akurasi yang tinggi.

Data Understanding

Pada kasus ini penelitian difokuskan pada dataset resmi UNICEF yang berisi data terkait kasus stunting. Dataset ini dapat diakses melalui UNICEF.

Walaupun dataset tersebut mencakup berbagai variabel, penelitian ini memusatkan fokus pada beberapa variabel tertentu untuk mengidentifikasi batasan dan distribusi data yang relevan. Karena dataset bersifat mentah atau belum terstruktur, langkah awal yang harus diambil adalah melakukan pembersihan data. Proses ini melibatkan tahapan mengolah data yang kotor menjadi data yang bersih.

Sebelumnya kita akan memuat dataset yang sudah kita peroleh menggunakkan library pandas.

import pandas as pd
data = pd.read_csv('Nutritions.csv')
data.head()

Hasil dari pemrosesan code diatas dapat dilihat pada Tabel 1

DATAFLOW	REF_AREA:Geographic area	INDICATOR:Indicator	SEX:Sex	AGE:Current age	WEALTH_QUINTILE:Wealth Quintile	RESIDENCE:Residence	MATERNAL_EDU_LVL:Mother's Education Level	HEAD_OF_HOUSE:Head of House	TIME_PERIOD:Time period	...	OBS_STATUS:Observation Status	OBS_CONF:Observation confidentaility	LOWER_BOUND:Lower Bound	UPPER_BOUND:Upper Bound	STD_ERR:Standard Error	WGTD_SAMPL_SIZE:Weighted Sample Size	TIME_PERIOD_METHOD:Time period activity related to when the data are collected	COVERAGE_TIME:The period of time for which data are provided	FREQ_COLL:Time interval at which the source data are collected	OBS_FOOTNOTE:Observation footnote
0	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_BF_CBF_12_15: Continued breastfeeding (12-1...	F: Female	M12T15: 12 to 15 months old	_T: Total	_T: Total	_T: Total	_T: Total	2003	...	RA: Reanalysed	F: Free	79.500000	90.199997	2.7	498.5	MOF: Middle of fieldwork	1987-2017	0: Not Known	NaN
1	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_BF_CBF_12_15: Continued breastfeeding (12-1...	F: Female	M12T15: 12 to 15 months old	_T: Total	_T: Total	_T: Total	_T: Total	2007	...	RA: Reanalysed	F: Free	76.199997	84.900002	2.2	531.6	MOF: Middle of fieldwork	1987-2017	0: Not Known	NaN
2	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_BF_CBF_12_15: Continued breastfeeding (12-1...	F: Female	M12T15: 12 to 15 months old	_T: Total	_T: Total	_T: Total	_T: Total	2012	...	RA: Reanalysed	F: Free	73.500000	83.199997	2.5	541.5	MOF: Middle of fieldwork	1987-2017	0: Not Known	NaN
3	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_BF_CBF_12_15: Continued breastfeeding (12-1...	F: Female	M12T15: 12 to 15 months old	_T: Total	_T: Total	_T: Total	_T: Total	2017	...	RA: Reanalysed	F: Free	75.000000	83.000000	2.0	588.4	MOF: Middle of fieldwork	1987-2017	0: Not Known	NaN
4	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_BF_CBF_12_15: Continued breastfeeding (12-1...	M: Male	M12T15: 12 to 15 months old	_T: Total	_T: Total	_T: Total	_T: Total	2003	...	RA: Reanalysed	F: Free	78.400002	87.699997	2.3	522.6	MOF: Middle of fieldwork	1987-2017	0: Not Known	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
10955	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_VAS_TWODOSE: Vitamin A Supplementation, two...	_T: Total	M6T59: 6 to 59 months old	_T: Total	_T: Total	_T: Total	_T: Total	2012	...	AD: Adjusted	F: Free	NaN	NaN	NaN	NaN	OTHER: Other	2000-2017	0: Not Known	NaN
10956	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_VAS_TWODOSE: Vitamin A Supplementation, two...	_T: Total	M6T59: 6 to 59 months old	_T: Total	_T: Total	_T: Total	_T: Total	2013	...	AD: Adjusted	F: Free	NaN	NaN	NaN	NaN	OTHER: Other	2000-2017	0: Not Known	NaN
10957	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_VAS_TWODOSE: Vitamin A Supplementation, two...	_T: Total	M6T59: 6 to 59 months old	_T: Total	_T: Total	_T: Total	_T: Total	2014	...	AD: Adjusted	F: Free	NaN	NaN	NaN	NaN	OTHER: Other	2000-2017	0: Not Known	NaN
10958	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_VAS_TWODOSE: Vitamin A Supplementation, two...	_T: Total	M6T59: 6 to 59 months old	_T: Total	_T: Total	_T: Total	_T: Total	2015	...	AD: Adjusted	F: Free	NaN	NaN	NaN	NaN	OTHER: Other	2000-2017	0: Not Known	NaN
10959	UNICEF:NUTRITION(1.0): Nutrition	IDN: Indonesia	NT_VAS_TWODOSE: Vitamin A Supplementation, two...	_T: Total	M6T59: 6 to 59 months old	_T: Total	_T: Total	_T: Total	_T: Total	2017	...	AD: Adjusted	F: Free	NaN	NaN	NaN	NaN	OTHER: Other	2000-2017	0: Not Known	NaN
Tabel 1. Data Loading

Pada Tabel 1 disajikan data yang berisikan dataset asli sebelum dilakukan tahap pengolahan data. Setelah dimuat, terlihat bahwa data dari UNICEF masih dalam kondisi yang perlu diperbaiki. Selanjutnya, akan dilakukan penelusuran kondisi data menggunakan fungsi info().

data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10960 entries, 0 to 10959
Data columns (total 30 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 DATAFLOW 10960 non-null object
1 REF_AREA:Geographic area 10960 non-null object
2 INDICATOR:Indicator 10960 non-null object
3 SEX:Sex 10960 non-null object
4 AGE:Current age 10960 non-null object
5 WEALTH_QUINTILE:Wealth Quintile 10960 non-null object
6 RESIDENCE:Residence 10960 non-null object
7 MATERNAL_EDU_LVL:Mother's Education Level 10960 non-null object
8 HEAD_OF_HOUSE:Head of House 10960 non-null object
9 TIME_PERIOD:Time period 10960 non-null int64
10 OBS_VALUE:Observation Value 10960 non-null float64
11 REPORTING_LVL:Reporting level 8941 non-null object
12 INDICATOR_METADATA:Indicator metadata 10958 non-null object
13 UNIT_MULTIPLIER:Unit multiplier 10958 non-null object
14 UNIT_MEASURE:Unit of measure 10960 non-null object
15 SOURCE_LINK:Citation of or link to the data source 10958 non-null object
16 SERIES_FOOTNOTE:Series footnote 10958 non-null object
17 CUSTODIAN:Custodian 10958 non-null object
18 PUBLICATION_DATE:Date of Publication 0 non-null float64
19 DATA_SOURCE:Data Source 10958 non-null object
20 OBS_STATUS:Observation Status 10856 non-null object
21 OBS_CONF:Observation confidentaility 10958 non-null object
22 LOWER_BOUND:Lower Bound 8511 non-null float64
23 UPPER_BOUND:Upper Bound 8514 non-null float64
24 STD_ERR:Standard Error 7979 non-null float64
25 WGTD_SAMPL_SIZE:Weighted Sample Size 9777 non-null float64
26 TIME_PERIOD_METHOD:Time period activity related to when the data are collected 10937 non-null object
27 COVERAGE_TIME:The period of time for which data are provided 10876 non-null object
28 FREQ_COLL:Time interval at which the source data are collected 10936 non-null object
29 OBS_FOOTNOTE:Observation footnote 48 non-null object
dtypes: float64(6), int64(1), object(23)
memory usage: 2.5+ MB
Tabel 2. Data Information

Berdasarkan Tabel 2, disajikan sumber informasi data yang mencakup jumlah kolom, tipe data, dan besaran data pada setiap kolomnya.

Dengan banyaknya variabel fitur, hanya akan dipilih beberapa variabel tertentu agar cakupan yang ditelusuri sesuai dan tidak terlalu meluas. Dalam menentukan variabel yang akan diekstraksi, akan menggunakan parameter fungsi dari pandas, yaitu chunksize. Sesuai dengan kondisi kasus ini, di mana dataset cukup besar dan kompleks, langkah ini perlu dilakukan untuk memproses data secara bertahap, sehingga memastikan hasilnya tidak memakan waktu yang terlalu lama. Variabel fitur yang akan diekstraksi akan dilakukan manipulasi string agar data lebih mudah dibaca, meliputi :

Feature Selection	Result	Data Understanding
REF_AREA:Geographic area	Country	Merupakan data geografis yang disajikan pada dataset dalam kasus ini area 'Indonesia' menjadi target.
INDICATOR:Indicator	Indicator	Merupakan data yang mencakup sejumlah indikator yang beragam terkait dengan status gizi anak, mencakup aspek-aspek seperti pemberian ASI, pertumbuhan fisik, pola makan, dan cakupan suplementasi. Indikator ini melibatkan kategorisasi seperti tingkat stunting, wasting, overweight, serta informasi terkait dengan praktik pemberian makanan dan gizi sejak lahir.
SEX:Sex	Gender	Merupakan data yang mengidentifikasi jenis kelamin individu dan mencakup tiga kategori: 'Male', 'Female', dan 'Total'. Kategori 'Total' mungkin merujuk pada total keseluruhan populasi atau total dari suatu kelompok tertentu.
AGE:Current age	Age	Merupakan data yang mencerminkan informasi tentang usia individu dalam dataset. Variabel ini dirancang untuk menggambarkan variasi usia di antara subjek data. Analisis terhadap variabel ini dapat memberikan wawasan tentang distribusi usia dalam dataset, memungkinkan identifikasi tren atau pola yang mungkin berkaitan dengan kelompok usia tertentu
WEALTH_QUINTILE:Wealth Quintile	Poverty_Rating	Merupakan data yang mencakup informasi tentang klasifikasi kekayaan individu atau rumah tangga dalam dataset. Kelompok kekayaan ini dibagi menjadi beberapa kategori atau quintile, mencerminkan tingkat kekayaan yang berbeda.
RESIDENCE:Residence	Residence	Merupakan data yang mencakup informasi tentang lokasi tempat tinggal individu atau rumah tangga dalam dataset. Variabel ini mungkin menggambarkan beragam tipe tempat tinggal atau wilayah geografis tanpa merinci setiap kategori secara spesifik.
MATERNAL_EDU_LVL:Mother's Education Level	Maternal_Education	Merupakan data yang memuat informasi mengenai tingkat pendidikan ibu dari individu atau anak dalam dataset. Variabel ini mungkin mengelompokkan tingkat pendidikan menjadi beberapa kategori umum.
TIME_PERIOD:Time period	Year	Merupakan data yang mencakup informasi tentang periode waktu yang terkait dengan data dalam dataset. Variabel ini mungkin mencerminkan rentang waktu atau tanggal pengumpulan data tanpa merinci periode waktu secara spesifik.
OBS_VALUE:Observation Value	Observation_Value	Merupakan data yang memuat informasi tentang nilai observasi yang terkait dengan data dalam dataset. Variabel ini mungkin mencakup beragam nilai dari 0-100.
Tabel 3. Tabel Feature Selection

[ Country Indicator Gender \
0 Indonesia Continued breastfeeding (12-15 months) Female
1 Indonesia Continued breastfeeding (12-15 months) Female
2 Indonesia Continued breastfeeding (12-15 months) Female
3 Indonesia Continued breastfeeding (12-15 months) Female
4 Indonesia Continued breastfeeding (12-15 months) Male
... ... ... ...
10955 Indonesia Vitamin A Supplementation, two-dose coverage Total
10956 Indonesia Vitamin A Supplementation, two-dose coverage Total
10957 Indonesia Vitamin A Supplementation, two-dose coverage Total
10958 Indonesia Vitamin A Supplementation, two-dose coverage Total
10959 Indonesia Vitamin A Supplementation, two-dose coverage Total
Age Poverty_Rating Residence Maternal_Education Year \
0 12 to 15 months old Total Total Total 2003
1 12 to 15 months old Total Total Total 2007
2 12 to 15 months old Total Total Total 2012
3 12 to 15 months old Total Total Total 2017
4 12 to 15 months old Total Total Total 2003
... ... ... ... ... ...
10955 6 to 59 months old Total Total Total 2012
10956 6 to 59 months old Total Total Total 2013
10957 6 to 59 months old Total Total Total 2014
10958 6 to 59 months old Total Total Total 2015
10959 6 to 59 months old Total Total Total 2017
Observation_Value
0 85.7
1 80.9
2 78.7
3 79.3
4 83.6
... ...
10955 73.0
10956 82.0
10957 84.0
10958 82.0
10959 62.0
[10960 rows x 9 columns]]
Tabel 2. String Variable Feature

Pada Tabel 2, data masih berjenis string, sehingga data tersebut belum dapat diolah lebih lanjut. Oleh karena itu, setelah dilakukan manipulasi string pada variabel fitur, langkah berikutnya adalah mencoba mengonversi data ke dalam bentuk dataframe agar memungkinkan pemrosesan lebih lanjut. Berikut hasil konversi kedalam bentuk dataframe bisa dilihat pada Tabel 3.

Country	Indicator	Gender	Age	Poverty_Rating	Residence	Maternal_Education	Year	Observation_Value
Indonesia	Continued breastfeeding (12-15 months)	Female	12 to 15 months old	Total	Total	Total	2003	85.7
Indonesia	Continued breastfeeding (12-15 months)	Female	12 to 15 months old	Total	Total	Total	2007	80.9
Indonesia	Continued breastfeeding (12-15 months)	Female	12 to 15 months old	Total	Total	Total	2012	78.7
Indonesia	Continued breastfeeding (12-15 months)	Female	12 to 15 months old	Total	Total	Total	2017	79.3
Indonesia	Continued breastfeeding (12-15 months)	Male	12 to 15 months old	Total	Total	Total	2003	83.6
Indonesia	Continued breastfeeding (12-15 months)	Male	12 to 15 months old	Total	Total	Total	2007	78.9
Indonesia	Continued breastfeeding (12-15 months)	Male	12 to 15 months old	Total	Total	Total	2012	75.8
Indonesia	Continued breastfeeding (12-15 months)	Male	12 to 15 months old	Total	Total	Total	2017	73.7
Indonesia	Continued breastfeeding (12-15 months)	Total	12 to 13 months old	Total	Total	Total	2003	88.4
Indonesia	Continued breastfeeding (12-15 months)	Total	12 to 13 months old	Total	Total	Total	2007	82.0
Tabel 3. Dataframe Dataset

Sebelumnya, tipe data pada variabel fitur 'Year' masih dalam bentuk 'integer'. Proses konversi tipe data dilakukan menjadi 'datetime' dengan menggunakan fungsi pd.to_datetime(df['Year'], format='%Y'). Hal ini bertujuan untuk memungkinkan analisis tren kondisi yang sedang terjadi, perubahan tersebut menggunakan fungsi df.info() yang dapat dilihat pada Tabel 4.

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10960 entries, 0 to 10959
Data columns (total 9 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Country 10960 non-null object
1 Indicator 10960 non-null object
2 Gender 10960 non-null object
3 Age 10960 non-null object
4 Poverty_Rating 10960 non-null object
5 Residence 10960 non-null object
6 Maternal_Education 10960 non-null object
7 Year 10960 non-null datetime64[ns]
8 Observation_Value 10960 non-null float64
dtypes: datetime64ns, float64(1), object(7)
memory usage: 770.8+ KB
Tabel 4. Informasi Data

Pada Tabel 4, disajikan sebuah informasi variabel fitur, tipe data, dan jumlah data sebesar 10959.

Setelah data menjadi lebih mudah dibaca, langkah selanjutnya adalah memeriksa apakah dataset yang telah dibersihkan memiliki nilai duplikat dengan menggunakan fungsi df.duplicated().sum(). Pada tahap ini, juga dilakukan evaluasi terhadap keberadaan nilai null dalam data menggunakan fungsi df.isnull() yang menghasilkan data yang telah melalui tahap pemrosesan tidak menunjukkan adanya nilai null maupun duplicated.

Selanjutnya, akan dilakukan penelusuran lebih lanjut terhadap variabel "Indicator". Pemilihan variabel ini didasarkan pada relevansinya dengan literatur yang telah dilampirkan pada data di atas diataranya:

• Ever breastfed (0-23 months)
• Continued breastfeeding (12-15 months)
• Continued breastfeeding (12-23 months)
• Continued breastfeeding (20-23 months)
• Introduction to solid, semi-solid foods (6-8 months)
• Minimum meal frequency (children aged 6 to 23 months)
• Mean BMI-for-age
• Height-for-age <-2 SD (stunting)
• Weight-for-age <-2 SD (Underweight)
• Weight-for-height <-2 SD (wasting)
• Weight-for-height <-3 SD (severe wasting)
• Weight-for-height >+2 SD (overweight)
• Vitamin A Supplementation, two-dose coverage
• Prevalence of low birth weight among new-borns

Hasil seleksi fitur variabel yang terdapat pada kolom "Indicator" terlihat pada Tabel 5.

	Country	Indicator	Gender	Age	Poverty_Rating	Residence	Maternal_Education	Year	Observation_Value
0	Indonesia	Continued breastfeeding (12-15 months)	Female	12 to 15 months old	Total	Total	Total	2003-01-01	85.7
1	Indonesia	Continued breastfeeding (12-15 months)	Female	12 to 15 months old	Total	Total	Total	2007-01-01	80.9
2	Indonesia	Continued breastfeeding (12-15 months)	Female	12 to 15 months old	Total	Total	Total	2012-01-01	78.7
3	Indonesia	Continued breastfeeding (12-15 months)	Female	12 to 15 months old	Total	Total	Total	2017-01-01	79.3
4	Indonesia	Continued breastfeeding (12-15 months)	Male	12 to 15 months old	Total	Total	Total	2003-01-01	83.6
...	...	...	...	...	...	...	...	...	...
10373	Indonesia	Weight-for-height >+2 SD (overweight)	Total	Under 5 years old	Total	Total	Total	2004-01-01	5.1
10374	Indonesia	Weight-for-height >+2 SD (overweight)	Total	Under 5 years old	Total	Total	Total	2007-01-01	11.2
10375	Indonesia	Weight-for-height >+2 SD (overweight)	Total	Under 5 years old	Total	Total	Total	2010-01-01	12.3
10376	Indonesia	Weight-for-height >+2 SD (overweight)	Total	Under 5 years old	Total	Total	Total	2013-01-01	11.5
10377	Indonesia	Weight-for-height >+2 SD (overweight)	Total	Under 5 years old	Total	Total	Total	2018-01-01	8.0
Tabel 5. Hasil Seleksi Fitur Indicator

Pada Tabel disajikan informasi dataset yang terbaru yang sudah dilakukan tahap seleksi fitur yang menghasilkan jumlah data di awal sebesar 10959 menjadi 2159. Hal ini juga didukung ketika menggunakan fungsi .shape dengan menghasilkan (2159, 9)

Karena masih terdapat nilai yang mengindikasikan total, dilakukan manipulasi string lagi untuk mendapatkan informasi yang lebih terstruktur, mulai dari Residence, Maternal_Education, hingga Poverty_Rating.

Value dari Residence meliputi Total, Rural, Urban. Nilai total akan diubah menjadi Suburban, mengikuti informasi dari tempat tinggal di Indonesia agar distribusi data menjadi lebih terukur.

Berikutnya value dari Maternal_Education pun akan dikelompokkan menjadi 4 subset dari 7 yaitu:

1. No education
2. Primary education
3. Secondary education
4. Tertiary education

Selanjutnya pada tahap Poverty_Rating sebelum dilakukannya analisis terhadap variabel antar variabel pun akan dikelempokkan menjadi 3 kategori yaitu Poor, Middle Class, Rich.

Terakhir kita akan menyimpan data dataset yang baru dengan menggunakan code dibawah ini

nutri_indo.to_csv('Nutrition_Indonesia.csv', index=False)

Data Preparation

Teknik data preparation yang telah dilakukan pada tahap Data Understanding mencakup pembersihan data (Cleaning Data), pemilihan fitur (Feature Selection), manipulasi string, dan penyimpanan data. Pembersihan data dilakukan untuk mengatasi penamaan yang nilai-nilai yang tidak valid dan mengelola nilai yang hilang. Pemilihan fitur dilakukan berdasarkan relevansi dan kebutuhan analisis untuk memfokuskan perhatian pada variabel yang penting. Manipulasi string diterapkan untuk merapikan dan mengekstrak informasi yang dibutuhkan dari variabel dengan tipe data string. Terakhir, data disimpan untuk memastikan kelancaran analisis di tahap berikutnya. Selanjutnya persiapan data menciptakan dasar yang solid untuk tahap selanjutnya, yaitu Exploratory Data Analysis (EDA) dan Visualisasi. EDA dan Visualisasi akan membantu dalam menjelajahi lebih lanjut data, mengidentifikasi distribusi, mengevaluasi hubungan antar variabel, dan mengidentifikasi tren atau pola yang mungkin muncul dalam dataset. Pada tahap ini, dilakukan pengecekan keberadaan outliers dalam data setelah proses persiapan data. Selain itu, dilakukan analisis korelasi antar variabel untuk memahami hubungan di antara mereka. Proses ini melibatkan eksplorasi statistik deskriptif dan visualisasi data untuk mengidentifikasi pola dan anomali. Pada tahap ini, dilakukan pengecekan outliers dan analisis korelasi antar variabel. Proses ini melibatkan statistik deskriptif, visualisasi data, serta analisis univariat, bivariat, dan multivariat untuk memahami karakteristik dan hubungan variabel. Tujuannya adalah mendapatkan wawasan yang berharga untuk tahap analisis data selanjutnya.

Sebelum melanjutkan analisis, akan dilihat terlebih dahulu persebaran data. Hasilnya menunjukkan bahwa distribusi data tidak normal dan cenderung Right-Skewed atau Positive-Skewed yang bisa dilihat pada Gambar 1. Gambar 1. Grafik Distribusi Data Terlihat dari Gambar 1 bahwa tidak terdapat outliers, menunjukkan bahwa data tidak memerlukan langkah khusus untuk menangani outliers.

Berikutnya kita coba analisis persebaran data categorical yang meliputi Residence, Poverty_Rating, dan Maternal_Education.

Dapat dilihat pada Gambar 2, persebaran data Residence di Indonesia masyarakat lebih banyak bertempat tinggal pada 'Suburban'.

Gambar 2. Grafik Persebaran Data Residence

Diikuti juga pada Poverty_Rating, didapati persebaran data mayoritas tidak mempunyai kekayaan yang terdapat pada Gambar 3.

Gambar 3. Grafik Persebaran Data Poverty Rating

Terakhir untuk pendidikannya sendiri di dominasi oleh masyarakat yang tidak mempunyai pendidikan secara khusus. Hal ini bisa dilihat dari persebaran data Maternal_Education pada Gambar 4.

Gambar 4. Grafik Persebaran Data Maternal Education

Bivariate Analysis

Dengan mengetahui bahwa distribusi data tidak memiliki outliers, langkah selanjutnya adalah melakukan Bivariate Analysis antara Indicator - Maternal Education dan Indicator - Poverty_Rating dengan fokus utama pada kasus stunting.

Dari hasil Bivariate Analysis antara Indicator - Maternal Education, mayoritas kasus yang terindikasi sebagai Stunting memiliki korelasi dengan tingkat pendidikan ibu. Data menunjukkan bahwa tingkat stunting lebih tinggi pada ibu yang tidak berpendidikan. Temuan ini juga berkaitan dengan kasus Wasting, Severe_Wasting, dan Overweight, sebagaimana terlihat pada Tabel 6.

Indicator	Breastfed (12-15 months)	Breastfed (12-23 months)	Breastfed (20-23 months)	Breastfed (0-23 months)	Stunting	Solid_Food	BMI_age	Meal_Frequency	Underweight	Wasting	Severe_Wasting	Overweight
Maternal_Education
No education	80.065455	69.2775	55.062264	95.108784	38.571311	86.866667	-0.236052	68.218	22.597816	10.094262	3.580738	5.835656
Primary education	86.762500	77.7500	65.250000	95.787500	0.000000	83.550000	0.000000	62.000	0.000000	0.000000	0.000000	0.000000
Secondary education	76.625000	65.2125	49.225000	95.000000	0.000000	88.837500	0.000000	69.975	0.000000	0.000000	0.000000	0.000000
Tertiary education	61.675000	53.5250	38.500000	96.150000	0.000000	91.850000	0.000000	75.500	0.000000	0.000000	0.000000	0.000000
Tabel 6. Hubungan Indicator - Maternal Education

Jika dilihat pada heatmap hubungan antara Indicator - Maternal Education, terlihat bahwa nilai berkisar antara -1 sampai dengan 1. Nilai -1 menunjukkan tidak ada korelasi terhadap variabel fitur, sementara nilai 1 menunjukkan korelasi penuh. Intensitas warna pada heatmap mencerminkan kekuatan dan arah korelasi; semakin pekat warnanya, semakin kuat korelasinya. Sebaliknya, semakin terang warnanya, semakin rendah korelasinya. Hal ini tergambarkan pada Gambar 5.

Gambar 5. Heatmap Hubungan Indicator - Maternal Education

Dari Gambar 5, dapat ditarik beberapa informasi penting:

1. Korelasi tertinggi terhadap kasus stunting terdapat pada indikator Underweight, Wasting, Severve_Wasting, dan Overweight.
2. Breastfed (12 - 15 Month) menunjukkan korelasi yang signifikan dengan kasus stunting, yaitu sebesar 0.24, diikuti oleh indikator Breastfed dalam jenjang waktu yang berbeda dengan nilai 0.19 dan 0.18.
3. Kategori pendidikan juga mempengaruhi ASI yang diberikan pada balita, seperti yang terlihat pada indikator BMI_Age Breastfed (0 - 23 Month) dengan korelasi sebesar 0.49.

Selanjutnya, antara Indicator - Poverty_Rating tidak kalah menarik bahwa data yang didapatkan kasus stunting terjadi pada masyarakat yang memiliki kekayaan yang rendah dan jarang terjadi pada masyarakat yang memiliki kekayaan menengah ke atas. Hal ini tergambarkan pada Tabel 7.

Indicator	Breastfed (12-15 months)	Breastfed (12-23 months)	Breastfed (20-23 months)	Breastfed (0-23 months)	Stunting	Solid_Food	BMI_age	Meal_Frequency	Underweight	Wasting	Severe_Wasting	Overweight
Poverty_Rating
Middle Class	78.012500	69.800000	56.487500	95.245000	0.000000	87.9125	0.000000	67.825000	0.000000	0.000000	0.000000	0.000000
Poor	80.290476	69.506818	55.057377	95.509524	38.571311	86.6400	-0.236052	67.885185	22.597816	10.094262	3.580738	5.835656
Rich	68.750000	56.250000	44.425000	94.418182	0.000000	89.9000	0.000000	76.350000	0.000000	0.000000	0.000000	0.000000
Tabel 7. Hubungan Indicator - Poverty Rating

Selanjutnya gambaran korelasi antara Poverty Rating dengan Indicator dengan menggunakan heatmap bisa dilihat pada Gambar 6.

Gambar 6. Heatmap Hubungan Indicator - Poverty Rating.

Dari Gambar 6, dapat ditarik beberapa informasi penting:

1. Stunting tampaknya terkait erat dengan pemberian ASI pada anak usia 0-23 bulan (Breastfed), yang menunjukkan korelasi yang signifikan dengan tingkat kekayaan masyarakat sekitar, mencapai nilai sebesar 0.69. Namun, hubungan ini cenderung mengecil setelah anak mencapai usia 15 bulan ke atas.
2. Solid_Food dengan BMI_Age menunjukkan korelasi yang tinggi sebesar 0.8 menunjukkan bahwa ada kecenderungan di mana peningkatan konsumsi makanan padat berkaitan erat dengan peningkatan nilai indeks massa tubuh berdasarkan usia
3. Solid_Food dengan Meal_Frequency pun tinggi 0.92 menunjukkan bahwa ketika konsumsi makanan padat meningkat atau menurun, frekuensi makan juga mengikuti pola yang serupa. Dengan kata lain, adanya nilai yang tinggi pada Solid_Food cenderung berkorelasi positif dengan peningkatan frekuensi makan

Multivariate Analysis

Multivariate Analysis dilakukan untuk memahami tren khususnya pada kasus Stunting. Analisis ini juga mencakup tren pada kasus Underweight, Overweight, dan Wasting. Gambar 7. Trend Stunting Indonesia

Berdasarkan Gambar 7, trend yang terjadi di Indonesia Stunting masih mencapai titik tertinggi dibandingkan tahun tahun sebelumnya. Selanjutnya terdapat trend Wasting yang dapat dilihat pada Gambar 8. Gambar 8. Trend Wasting Indonesia

Pada Gambar 9, trend yang terjadi sudah sempet menurun namun dilihat dari garis yang membentang di level sekarang kategorinya masih tinggi. Berikutnya adapula trend Overweight yang dapat dilihat pada Gambar 9. Gambar 9. Trend Overweight Indonesia

Jika dilihat pada Gambar 9, indeks overweight sudah cukup menurun tetapi masih belum bisa dikatakan aman. Dan terakhir terdapat trend underweight yang dapat dilihat pada Gambar 10. Gambar 10. Trend Underweight Indonesia

Modeling

Sebelum kita masuk ke dalam modeling tentunya ada yang harus dilakukan terlebih dahulu yaitu mengkonversi data yang kita punya kedalam numeric. Tujuannya adalah agar mesin dapat mengenali mengenai data kita, pada laporan proyek ini dibuat saya membuat persebaran data train sebesar 80% dan 20% sebagai data test.

Selanjutnya, langkah yang diambil adalah memberikan label pada data menggunakan library bawaan dari scikit-learn, yaitu LabelEncoder. Pemilihan LabelEncoder dipertimbangkan karena banyaknya data yang bersifat kategorikal, sehingga mempermudah dalam pra-pemrosesan data secara efisien. LabelEncoder berfungsi mengubah data kategorikal menjadi data numerik.

Setelah mengalami transformasi, maka hasil akhirnya akan seperti pada Tabel 7.

	Country	Indicator	Gender	Age	Poverty_Rating	Residence	Maternal_Education	Year	Observation_Value
0	0	0	0	2	1	1	0	3	85.7
1	0	0	0	2	1	1	0	6	80.9
2	0	0	0	2	1	1	0	8	78.7
3	0	0	0	2	1	1	0	10	79.3
4	0	0	1	2	1	1	0	3	83.6
Tabel 7. Data Setelah LabelEncoder

Setelah proses pelabelan selesai, langkah selanjutnya adalah melakukan Feature Selection. Tujuan dari Feature Selection adalah memilih fitur-fitur yang paling penting dari data untuk membangun model. Sebelumnya, kita perlu menentukan variabel independen (X) dan variabel dependen (Y) dari data.

X = nutri_indo[['Indicator', 'Residence',
                'Poverty_Rating', 'Maternal_Education', 'Age', 'Gender']]
y = nutri_indo['Observation_Value']

Setelah variabel independen (X) dan variabel dependen (Y) ditentukan, langkah berikutnya adalah melakukan seleksi fitur. Tujuannya adalah untuk mengidentifikasi fitur-fitur yang paling penting dan relevan sehingga dapat dimasukkan ke dalam proses pemodelan yang bisa dilihat pada Gambar 11. Gambar 11. Seleksi Fitur

Berdasarkan Gambar 11, terlihat bahwa variabel 'Indicator', 'Gender', dan 'Maternal_Education' memiliki fitur yang penting untuk proses pemodelan. Oleh karena itu, fitur selection yang dipilih adalah semua yang terkait dengan 'Indicator'.

Setelah mengetahui fitur-fitur yang penting, langkah selanjutnya adalah menyiapkan data untuk digunakan dalam pembuatan model. Data yang telah diidentifikasi fiturnya sebagai penting dibagi menjadi dua bagian, yaitu 80% data train dan 20% data test menggunakan library train_test_split dari scikit-learn.

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=2)

Langkah selanjutnya setelah dilakukan pembagian data adalah menerapkan StandardScaler. StandardScaler berguna untuk mengubah skala fitur-fitur pada dataset sehingga memiliki mean = 0 dan deviasi standar = 1. Hasil dari penerapan StandardScaller bisa dilihat pada Tabel 8.

	Indicator	Residence	Poverty_Rating	Maternal_Education	Age	Gender
9869	1.055444	0.014595	0.042306	-0.208468	0.286315	0.867255
5038	-0.831463	0.014595	0.042306	-0.208468	1.186777	0.867255
9601	0.740960	0.014595	0.042306	-0.208468	-0.276474	0.867255
10320	1.369929	0.014595	0.042306	-0.208468	-0.501589	0.867255
4873	-0.831463	0.014595	0.042306	-0.208468	0.961661	-0.359403
Tabel 8. Hasil StandardScaller

Setelah dilakukan StandardScaler dan mengingat distribusi data yang tidak normal, beberapa algoritma yang dipilih untuk diuji dalam kasus stunting adalah:

1. Linear Regression: Metode regresi linear sederhana yang mencoba menemukan hubungan linier antara variabel input dan output.
2. Decision Tree Regression: Algoritma yang menggunakan struktur pohon keputusan untuk melakukan prediksi pada masalah regresi.
3. Random Forest Regression: Penggabungan beberapa pohon keputusan untuk meningkatkan kinerja dan mengurangi overfitting.
4. Support Vector Regression: Algoritma SVM yang digunakan untuk masalah regresi.
5. Gradient Boosting Regression: Algoritma yang membangun serangkaian model prediktif secara bertahap, di mana setiap model berusaha memperbaiki kesalahan prediksi model sebelumnya. Gradient Boosting Regression adalah metode yang efektif untuk masalah regresi.

Metode-metode di atas dipilih dengan harapan dapat memberikan hasil prediksi yang baik dan dapat menangani distribusi data yang tidak normal.

Evaluation

Setelah model dilakukan pelatihan, metrik evaluasi yang digunakan pada kasus Stunting ini adalah MAE (Mean Absolute Error), MSE (Mean Squared Error), dan R-squared Score. Berikut adalah hasil MAE, MSE, dan R-squared Score dari kelima model yang dievaluasi:

Model	MAE	MSE	R-squared
Linear Regression	14.003	358.522	0.628
Decision Tree Regression	4.044	35.819	0.962
Random Forest Regression	3.895	31.799	0.967
Support Vector Regression	14.680	466.564	0.516
Gradient Boosting Regression	4.12	31.008	0.967

Dari tabel di atas, dapat disimpulkan bahwa Random Forest Regression dan Gradient Boosting Regression memberikan hasil prediksi yang paling akurat, dengan nilai MAE dan MSE yang rendah. Nilai R-squared yang tinggi pada kedua model juga menandakan kemampuan yang baik dalam menjelaskan variasi data stunting. Secara umum, model yang memiliki MAE dan MSE lebih rendah dianggap lebih baik dalam melakukan prediksi yang akurat. Tingkat akurasi model juga diukur menggunakan R-squared, yang memberikan gambaran tentang seberapa baik model dapat menjelaskan variasi dalam data. Nilai R-squared berkisar antara 0 dan 1, dan semakin mendekati 1, semakin baik modelnya.

Hasil yang didapat mulai terlihat bahwa model terbaik dimiliki oleh algoritma Random Forest Regression dan Gradient Boosting Regression karena nilai yang dihasilkan cukup identik. Namun, jika harus menentukan model yang terbaik berdasarkan angka, pilihan jatuh pada Gradient Boosting Regression

Berikutnya, kita akan mencoba visualisasi hasil dari evaluasi yang kita lakukan agar semuanya terjasi dalam bentuk informasi. Gambar 12. Visualisasi Predict Value

Sekian laporan Predictive Analysis, semoga informasi yang disajikan memberikan pemahaman yang mendalam mengenai prediksi tingkat risiko stunting pada anak berdasarkan faktor-faktor gizi dalam makanan ibu hamil. Evaluasi hasil menunjukkan bahwa model Random Forest Regression dan Gradient Boosting Regression menjadi pilihan terbaik dengan tingkat akurasi yang tinggi. Laporan ini diharapkan dapat memberikan kontribusi positif terhadap pemahaman dan penanganan masalah stunting.