Abstract:Abstract: The provision of loan funds is one of the important activities in improving the welfare of Primkoppol members (Police Cooperative). The process of determining the eligibility for loan disbursement in PRIMKOPPOL…
POLRES Asahan is still lacking systematic timing delays in making decisions in managing the disbursement of loan funds. Therefore, an efficient and effective method is needed to minimize risks and maximize profits for the cooperative and its members. One method that can be used is the Simple Additive Weighting (SAW) method, which has been proven effective in various decision-making contexts. This study aims to apply the SAW method in the process of disbursing loan funds for Primkoppol members, and to evaluate the performance of this method in selecting eligible loan recipients and optimizing fund allocation. The loan disbursement process uses the SAW method, which calculates the relative preference value for each prospective loan recipient based on predetermined criteria. The results of this study indicate that by applying the Simple Additive Weighting method to 10 loan applicants, 3 applicants successfully applied for loans with a preference value > 0.7, in line with the requirements. The implementation of the SAW method in loan disbursement for Primkoppol members has successfully increased efficiency and accuracy in selecting loan recipients.
Keywords : cooperative; decision support systems; simple additive weighting (SAW).
Abstract: Pemberian dana pinjaman merupakan salah satu kegiatan yang penting dalam meningkatkan kesejahteraan anggota Primkoppol (Koperasi Polisi). Proses penentuan kelayakan pemberian pinjaman di PRIMKOPPOL POLRES Asahan masih kurang sistematis keterlambatan waktu dalam menentukan keputusan dalam mengelola pemberian dana pinjaman. Untuk itu diperlukan suatu metode yang efisien dan efektif untuk meminimalkan risiko dan memaksimalkan keuntungan bagi koperasi dan anggotanya. Salah satu metode yang dapat digunakan adalah metode Simple Additive Weighting (SAW), yang telah terbukti efektif dalam berbagai konteks pengambilan keputusan. Penelitian ini bertujuan untuk menerapkan metode SAW dalam proses pemberian dana pinjaman bagi anggota Primkoppol, serta untuk meng-evaluasi kinerja metode tersebut dalam memilih penerima pinjaman yang layak dan meng-optimalkan alokasi dana. Proses pemberian dana pinjaman menggunakan metode SAW yang menghitung nilai preferensi relatif bagi setiap calon penerima pinjaman berdasarkan kriteria yang telah ditetapkan. Hasil dari penelitian ini menunjukan bahwa dengan menerapkan metode Simple Additive Weighting dari 10 calon pemohon pinjaman, 3 calon berhasil mampu mengajukan pinjaman dengan nilai preferensi > 0,7. sesuai dengan persyaratan. Implementasi metode SAW dalam pemberian dana pinjaman bagi anggota Primkoppol berhasil meningkatkan efisiensi dan keakuratan dalam pemilihan penerima pinjaman.
Kata Kunci : koperasi; simple additive weighting (SAW); sistem pendukung keputusan.
Abstract:Abstract: Technological developments open up opportunities to improve health services, especially in the diagnosis of female reproductive health problems. This research discusses the development of an expert system at Utama…
ama General Hospital in Kisaran to assist in the early diagnosis of female reproductive diseases. The problems that occur in this article are the absence of knowledge about dangerous diseases, lack of awareness of reproductive health diseases, remote and hard-to-reach locations of health facilities, high costs for consultations and drugs, and long time to get diagnostic results. The method used in solving these problems is Case Based Reasoning (CBR), where the system uses the experience of previous cases to handle new cases. The process involves collecting patient data, building a knowledge base, and developing an expert system using the CBR approach. Test results show the system is able to provide accurate diagnosis based on the symptoms inputted by the user. Solutions for each disease are displayed, providing useful information for further treatment. In conclusion, the development of this expert system is expected to improve the accessibility and quality of women's reproductive health services by providing fast and appropriate solutions.
Keywords: case based reasoning (CBR) method; expert system; main public hospital kisaran; women's reproduction.
Abstrak: Perkembangan teknologi membuka peluang untuk meningkatkan layanan kesehatan, terutama dalam diagnosis masalah kesehatan reproduksi wanita. Artikel ini membahas pengembangan sistem pakar di Rumah Sakit Umum Utama Kisaran untuk membantu diagnosis dini penyakit reproduksi wanita. Masalah yang terjadi pada penelitian ini yaitu Tidak adanya pengetahuan tentang penyakit berbahaya, kurangnya kesadaran akan penyakit kesehatan reproduksi, lokasi fasilitas kesehatan yang terpencil dan sulit dijangkau, biaya tinggi untuk konsultasi dan obat, serta waktu yang lama untuk mendapatkan hasil diagnosa. Adapun metode yang digunakan dalam menyelesaikan masalah tersebut adalah Case Based Reasoning (CBR), di mana sistem menggunakan pengalaman kasus sebelumnya untuk menangani kasus baru. Proses melibatkan pengumpulan data pasien, pembentukan basis pengetahuan, dan pengembangan sistem pakar menggunakan pendekatan CBR. Hasil pengujian menunjukkan sistem mampu memberikan diagnosis akurat berdasarkan gejala yang diinputkan oleh pengguna. Solusi untuk setiap penyakit ditampilkan, memberikan informasi yang berguna untuk penanganan lebih lanjut. Kesimpulannya, pengembangan sistem pakar ini diharapkan meningkatkan aksesibilitas dan kualitas layanan kesehatan reproduksi wanita dengan memberikan solusi yang cepat dan tepat.
Kata kunci: metode case based reasoning (CBR); reproduksi wanita; rumah sakit umum utama kisaran; sistem pakar.
Abstract:Abstract: Recognizing one's interests and talents early on is crucial in guiding an individual toward a prosperous future. While distinct, interests and talents share a close relationship. Interest denotes a genuine attraction…
action to something without external pressure, and when consistently nurtured, it evolves into a skill or talent. Machine learning, specifically utilizing the SVM algorithm with the RBF kernel, can be applied to categorize interests and talents. Prior to SVM modeling, conducting Exploratory Data Analysis (EDA) is imperative for scrutinizing interests and talents. This analysis facilitates the identification of variables, enabling the elimination of missing values and ensuring the selection of appropriate interest and talent variables. The primary objective is to achieve optimal accuracy in modeling the classification of interests and talents. The insights gained from this research contribute to the creation of an application designed for categorizing interests and talents within SDN XYZ school. This application is designed for student use, assisting them in making informed decisions about their future education and career paths
Keywords: exploratory data analysis; interests and talents; machine learning; SVM Algorithm
Abstrak: Mengenali minat dan bakat seseorang sejak dini sangat penting dalam membimbing individu menuju masa depan yang sukses. Meskipun berbeda, minat dan bakat memiliki hubungan yang erat. Minat mengindikasikan ketertarikan yang tulus terhadap sesuatu tanpa tekanan eksternal, dan ketika terus-menerus dibina, berkembang menjadi keterampilan atau bakat. Pembelajaran mesin, khususnya dengan menggunakan algoritma SVM dan kernel RBF, dapat digunakan untuk mengelompokkan minat dan bakat. Sebelum pemodelan SVM, melakukan Analisis Data Eksploratif (EDA) sangat penting untuk mengkaji minat dan bakat. Analisis ini memfasilitasi identifikasi variabel, memungkinkan penghilangan nilai yang hilang, dan memastikan pemilihan variabel minat dan bakat yang tepat. Tujuan utamanya adalah mencapai akurasi optimal dalam pemodelan klasifikasi minat dan bakat. Temuan dari penelitian ini berkontribusi pada pengembangan aplikasi yang ditujukan untuk mengkategorikan minat dan bakat di sekolah SDN XYZ. Aplikasi ini dirancang untuk digunakan oleh siswa, membantu mereka membuat keputusan yang terinformasi mengenai pendidikan dan karier masa depan mereka.
Kata kunci: Algoritma SVM; exploratory data analysis; machine learning; minat dan bakat
Abstract:Abstract: Abstract: this study evaluates and compares the performance of two edge detection methods Sobel method and Canny method on batik image. Batik images have unique characteristics and complex patterns, making it…
difficult to analyze the edges. This study presents a comparison of the results using sobel and canny edge detection methods on batik kawung images both from peak signal-to-noise reatio and from mean squared error. The results showed that canny edge detection was better than sobel method. This can be seen from the results of PSNR and MSE that is 100%. This analysis is determined by considering factors such as the accuracy of edge detection, sensitivity to noise, and the ability to handle the complexity of batik drawing patterns. The results of this study provide a detailed description of the advantages and disadvantages of each method in the image of batik kawung. The conclusions that can be drawn from this study can provide valuable guidance for choosing the optimal edge detection method in image analysis of batik kawung and others.
Keywords: batik kawung; canny; MSE; PSNR; sobel
Abstrak: Penelitian ini mengevaluasi dan membandingkan kinerja dua metode deteksi tepi metode Sobel dan metode Canny pada citra batik. Gambar batik mempunyai ciri-ciri yang unik dan pola yang kompleks, sehingga menyulitkan analisis tepian. Penelitian ini menyajikan perbandingan hasil menggunakan metode deteksi tepi sobel dan canny pada citra batik kawung baik dari peak signal-to-noise reatio maupun dari mean squared error. Hasil penelitian ini menunjukkan bahwa deteksi tepi canny lebih baik dibandingkan dari metode sobel. Hal ini dapat dilihat dari hasil PSNR dan MSE yang dihasilkan yaitu 100%. Analisis ini ditentukan dengan mempertimbangkan faktor-faktor seperti keakuratan deteksi tepi, kepekaan terhadap noise, dan kemampuan menangani kompleksitas pola gambar batik. Hasil penelitian ini memberikan gambaran secara detail mengenai kelebihan dan kekurangan masing-masing metode pada citra batik kawung. Kesimpulan yang dapat diambil dari penelitian ini dapat memberikan panduan berharga untuk memilih metode deteksi tepi yang optimal dalam analisis citra batik kawung dan yang lainnya.
Kata kunci: batik kawung; canny; MSE; PSNR; sobel
Abstract:Abstract: Artificial Intelligence (AI) is currently gaining popularity across various industries, including healthcare, finance, and others. In this study, AI technology is employed to devise an optimal marketing strategy…
y for Code Verse Computer Accessories Store using the K-Means algorithm. As part of machine learning, the K-Means algorithm, categorized under unsupervised learning, is implemented to cluster sales data for computer accessory products over the last three months of 2023. The results of the K-Means analysis identify two main clusters. Cluster one (Cluster 1) comprises products such as Mouse, Keyboard, Monitor, Headset, and Speaker, indicating consistent purchasing patterns and high consumer interest. Recommendations are made to increase stock for Cluster 1. Meanwhile, Cluster two (Cluster 2) consists of Mic products with lower interest, and it is not advisable to increase stock. The implementation of K-Means provides insights into purchasing patterns, enabling Code Verse to develop more effective marketing and inventory management strategies.
Keywords: K-Means algorithm; artificial intelligence; clustering
Abstract: Kecerdasan Buatan (AI) kini meraih popularitas dalam berbagai industri, termasuk sektor kesehatan, keuangan, dan lainnya. Pada penelitian ini, teknologi AI digunakan untuk merancang strategi pemasaran optimal bagi Toko Aksesoris Komputer CodeVerse dengan menggunakan Algoritma K-Means. Sebagai bagian dari machine learning, Algoritma K-Means, yang termasuk dalam kategori unsupervised learning, diimplementasikan untuk mengelompokkan data penjualan produk selama tiga bulan terakhir tahun 2023. Hasil dari analisis K-Means mengidentifikasi dua cluster utama. Cluster pertama (Cluster 1) terdiri dari produk Mouse, Keyboard, Monitor, Headset, dan Speaker, menunjukkan pola pembelian yang konsisten dan tingginya minat konsumen. Rekomendasi untuk menambah stok diberikan. Sementara itu, Cluster kedua (Cluster 2) terdiri dari produk Mic dengan minat lebih rendah, dan tidak disarankan untuk menambah stok. Implementasi K-Means memberikan wawasan tentang pola pembelian, memungkinkan CodeVerse mengembangkan strategi pemasaran dan manajemen persediaan yang lebih efektif.
Keywords: Algoritma k-means; kecerdasan buatan; clustering
Abstract:Abstract: The PMKS Orphan Data Collection System is specifically designed to collect data on orphans in Central Lombok Regency. Although it has been around since its creation, there has been no assessment made of the quality…
lity of this system. Therefore, this study aims to analyze the quality of the PMKS Data Collection Information System for Orphans using the WebQual 4.0 method and Importance Performance Analysis (IPA). This study aims to identify factors that affect system service quality, focusing on four WebQual 4.0 variables, namely usability, information quality, service interaction, and User Satisfaction. Data was collected through distributing questionnaires and analyzed using IPA methods to assess users' views and expectations of the system. The results of the analysis showed that overall, the quality of this system was rated very good with the Webqual Index score reaching a score of 77%. However, there are certain areas that still need improvement, the PMKS Data Collection System for Orphans has a con- formity rate of 98% and an average gap value (GAP) - 0.06929. Priority is directed at quadrant I and quadrant 3. Improvement recommendations can be made by prioritizing indicators found in quadrants I and III based on the results of the IPA analysis. Thus, effective improvement efforts can be directed to improve the quality of the PMKS Data Collection System for Orphans in accord with user expectations.
Keywordss: analysis; Imprtance Performance Analysis (IPA); orphans; PMKS; WebQual 4.0
Abstrak: Sistem Pendataan PMKS Anak Yatim-Piatu dirancang khusus untuk mengumpulkan data anak yatim di Kabupaten Lombok Tengah. Meskipun telah ada sejak pembuatannya, belum ada penilaian yang dilakukan terhadap kualitas sistem ini. Karena itu, penelitian ini bertujuan untuk menganalisis kualitas Sistem Informasi Pendataan PMKS Anak Yatim-Piatu dengan menggunakan metode WebQual 4.0 dan Importance Performance Analysis (IPA). Penelitian ini memiliki tujuan untuk mengidentifikasi faktor-faktor yang memengaruhi kualitas layanan sistem, dengan fokus pada empat variabel WebQual 4.0, yaitu usability, information quality, service interaction, dan User Satisfaction. Data dikumpulkan melalui menyebarkan kuesioner dan dianalisis dengan metode IPA untuk menilai pandangan dan harapan pengguna terhadap sistem. Hasil analisis menunjukkan bahwa secara keseluruhan, kualitas sistem ini dinilai sangat baik dengan nilai Webqual Index mencapai skor 77%. Namun, terdapat area tertentu yang masih memerlukan perbaikan, Sistem Pendataan PMKS Anak Yatim-Piatu memiliki tingkat kesesuaian sebesar 98% dan nilai rata-rata kesenjangan (GAP) -0.06929. Prioritas perbaikan diarahkan pada kuadran I dan kuadran 3. Rekomendasi perbaikan dapat dilakukan dengan memprioritaskan indikator yang ditempatkan pada kuadran I dan III berdasarkan hasil analisis IPA. Dengan demikian, upaya perbaikan yang efektif dapat diarahkan untuk meningkatkan kualitas Sistem Pendataan PMKS Anak Yatim-Piatu sesuai dengan harapan pengguna.
Kata kunci : anak yatim-piatu; analisis; Importance Performance Analisis (IPA); PMKS; WebQual
Abstract:Abstract: The advancement of information technology and knowledge has facilitated the production of quality information. The use of information technology has penetrated all fields, especially in the teaching domain at higher…
igher education institutions, aiding in valuable decision-making processes. This research focuses on STMIK Royal Kisaran, which faces challenges in increasing the number of doctoral-educated lecturers. To address this limitation, the study explores the implementation of a Decision Support System (DSS) using the Profile Matching method. Lecturers in higher education play a crucial role in providing education, conducting research, and contributing to society. In an effort to enhance the qualifications of lecturers, this research designs a Decision Support System using the Profile Matching method. The aim of this research is to provide recommendations for prospective lecturer candidates to pursue a Doctoral degree based on criteria factors such as length of service, functional position, research score, dedication score, age, and recognition score. Data from 46 lecturers at STMIK Royal Kisaran who meet the criteria are used to test the validity and effectiveness of the Decision Support System (DSS). Through structured analysis, it is demonstrated that the Decision Support System using the Profile Matching method successfully provides recommendations for suitable lecturer candidates to pursue doctoral studies.
Keywords : decision support systems; higher education; information Technology; lecturer qualifications; profile matching.
Abstrak: Kemajuan teknologi informasi dan ilmu pengetahuan telah menghadirkan kemudahan dalam menghasilkan informasi yang berkualitas, penggunaan teknologi informasi sudah memasuki segala bidang terutama bidang pengajaran pada perguruan tinggi dan membantu pengambilan keputusan yang bernilai. Penelitian ini berfokus pada STMIK Royal Kisaran yang mengalami kendala dalam meningkatkan jumlah dosen berpendidikan Doktor. Untuk mengatasi keterbatasan tersebut, penelitian ini mengeksplorasi penerapan Sistem Pendukung Keputusan (DSS) dengan menggunakan metode Profile Matching. Dosen pada pendidikan tinggi mempunyai peran penting dalam memberikan pendidikan, melakukan penelitian, dan memberikan kontribusi kepada masyarakat. Dalam upaya meningkatkan kualifikasi dosen, penelitian ini merancang Sistem Pendukung Keputusan dengan menggunakan metode Profile Matching. Penelitian ini bertujuan untuk memberikan rekomendasi kandidat calon dosen untuk mengejar gelar Doktor dengan berlandaskan faktor kriteria seperti lama kerja, jabatan fungsional, nilai penelitian, nilai pengabdian, umur, dan nilai rekognisi. Data dari 46 dosen STMIK Royal Kisaran yang memenuhi kriteria digunakan untuk menguji validitas dan efektivitas Sistem Pendukung Keputusan (SPK). Melalui analisis terstruktur, menunjukkan bahwa Sistem Pendukung Keputusan menggunakan metode Profile Matching berhasil memberikan rekomendasi calon dosen yang layak direkomendasikan untuk melanjutkan studi ke jenjang Doktor.
Kata Kunci : kualifikasi dosen; pencocokan profil; pendidikan yang lebih tinggi; sistem pendukung keputusan; teknologi Informasi.
Abstract:Abstract: This study aims to train computers to recognize Javanese script characters known as Hanacaraka. The evaluation was conducted on the use of Convolutional Neural Network (CNN) with the ResNet-18 architecture in recognizing…
ecognizing these characters. The research objective is to overcome traditional character recognition barriers and improve accuracy. The method employed includes building a CNN model with the ResNet-18 architecture and using diverse datasets. The results show a training accuracy of 100%, validation accuracy of 98.01%, and accuracy, precision, recall, and F1-score each at 100%. This study concludes that the developed model successfully achieves a high level of accuracy and contributes positively to the development of Javanese Hanacaraka character recognition technology.
Keywords: convolution neural network (CNN); javanese hanacaraka script; resnet-18
Abstrak: Penelitian ini bertujuan melatih komputer untuk mengenali huruf aksara Jawa Hanacaraka. Evaluasi dilakukan terhadap penggunaan Convolutional Neural Network (CNN) dengan arsitektur ResNet-18 dalam pengenalan karakter tersebut. Tujuan penelitian adalah mengatasi hambatan pengenalan karakter tradisional dan meningkatkan akurasi. Metode yang digunakan mencakup pembuatan model CNN dengan arsitektur ResNet-18 dan penggunaan dataset yang beragam. Hasilnya menunjukkan akurasi pelatihan 100%, validasi 98.01%, dan akurasi, presisi, recall, dan F1-score masing-masing sebesar 100%. Simpulan penelitian ini adalah bahwa model yang dikembangkan berhasil mencapai tingkat akurasi yang tinggi dan memberikan kontribusi positif pada pengembangan teknologi pengenalan karakter Hanacaraka Jawa.
Kata kunci: convolution neural network (CNN); huruf aksara jawa hanacaraka; resnet-18
Abstract:Abstract: Gross Regional Domestic Product (GRDP) is one of the most important socio-economic indicators. In order to gain a more comprehensive understanding of the current economic situation and regional differences, estimating…
imating GRDP using integration of satellite imagery and official statistics data can provide valuable information. This research estimates the GRDP value in 2022 by using data in 2019 to 2021 related to two aspects, agriculture and non-agriculture. Soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), and land cover (LC) used as agriculture aspect, while nighttime light (NTL), human settlement index (HSI), land area, and population per regency/city used as non-agriculture aspect. GRDP estimation are produced with machine learning approach using support vector machine (SVM) and random forest (RF) method. Correlation test on each variable shows only land area that does not have a significant correlation with GRDP. RF model then chosen as the best model with RMSE, MSE, MAE, and R2 value of 0.2549; 0.5049; 0.7727; and 0.2543, respectively. The estimated values acquired in several regencies/cities have rather near, some even very close to the official statistics values.
Keywords: GRDP; satellite imagery; machine learning; random forest; support vector machine
Abstrak: Produk Domestik Regional Bruto (PDRB) merupakan salah satu indikator sosio-ekonomi yang penting. Penghitungan nilai PDRB dengan pendekatan yang melibatkan kombinasi data citra satelit dan statistik resmi dapat memberikan informasi serta pemahaman yang lebih komprehensif. Penelitian ini melakukan estimasi nilai PDRB pada tahun 2022 menggunakan data tahun 2019 hingga 2021 dengan melibatkan dua aspek, agrikultur dan non-agrikultur. Data soil adjusted vegetation index (SAVI), enhanced vegetation index (EVI), dan tutupan lahan (land cover/LC) digunakan sebagai aspek agrikultur, sementara data citra cahaya malam (NTL), human settlement indeks (HSI), luas wilayah kabupaten/kota, dan jumlah populasi per kabupaten/kota digunakan sebagai aspek non-agrikultur. Estimasi PDRB dihasilkan dengan menggunakan pendekatan machine learning berupa support vector machine (SVM) dan random forest (RF). Pengecekan korelasi antarvariabel menunjukkan bahwa hanya variabel luas wilayah tidak berpengaruh signifikan terhadap nilai PDRB. Model random forest kemudian dipilih sebagai model terbaik dengan nilai evaluasi RMSE, MSE, MAE, dan berturut-turut sebesar 0.2549, 0.5049, 0.7727, dan 0.2543. Nilai estimasi yang diperoleh di beberapa kabupaten/kota cukup mendekati, bahkan ada yang sangat dekat dengan nilai statistik resmi.
Kata kunci: PDRB; citra satelit; machine learning; random forest; support vector machine
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang