인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Stunting is a significant health issue in Indonesia, affecting the growth of children under five due to chronic malnutrition. Traditional methods for early identification of at-risk children often fall short, highlighting the need for advanced predictive models like machine learning (ML). This study compares the performance of support vector machine (SVM) and Decision Tree algorithms using data from Bandarharjo Community Health Centers. Initial results show poor performance for SVM models with linear and polynomial kernels, achieving F1-scores between 0% and 54%. The decision tree algorithm performed slightly better with an F1-score of 64%. To improve detection accuracy, the Synthetic Minority Over-sampling Technique (SMOTE) was applied as a data balancing technique to address class imbalance. After applying SMOTE, the decision tree achieved an F1-score of 97%, proving to be the most effective model. The SVM with the radial basis function (RBF) kernel also improved significantly, achieving an F1-score of 94%. These findings demonstrate that data balancing techniques like SMOTE are crucial for enhancing the accuracy and effectiveness of ML models in detecting stunting, enabling more timely and accurate health interventions.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092302441
