PENERAPAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) UNTUK KLASIFIKASI BALITA STUNTING DI KECAMATAN PADANG TIMUR

Multivariate Adaptive Regression Splines (MARS) merupakan salah satu model regresi nonparametrik yang mengasumsikan fungsi sembarang dalam menduga kurva regresi antara variabel respon dan variabel prediktor yang tidak diketahui. MARS merupakan pengembangan dari pendekatan Recursive Partitioning Regression (RPR) dengan kombinasi metode Spline, sehingga model yang dihasilkan kontinu pada knot berdasarkan kriteria Generalized Cross Validation (GCV) terkecil. Stunting (pendek) atau kurang gizi kronik adalah suatu bentuk lain dari kegagalan pertumbuhan pada anak, karena dise�babkan kurangnya asupan gizi dalam waktu yang cukup lama. Penelitian ini bertujuan untuk menganalisis variabel-variabel yang signifikan berpengaruh terhadap kejadian balita stunting. Data yang digunakan adalah data sekunder dari 230 balita yang terdata pada tahun 2021 di wilayah kerja Puskesmas An�dalas Kecamatan Padang Timur dengan variabel prediktor yaitu jenis kelamin (X1), berat lahir balita (X2), status imunisasi (X3), air bersih (X4), jamban sehat (X5), status penyakit infeksi (X6), Kekurangan Energi Kronik(KEK) (X7) dan orang tua perokok (X8). Model MARS terbaik dengan kombinasi Fungsi Basis (BF), Maksimum Interaksi (MI), dan Minimum Observasi (MO) secara simulasi (trial and error ). Model MARS terbaik untuk klasifikasi keja�dian balita stuntign yaitu BF=16, MI=3, dan MO=0. Terdapat tiga variabel prediktor yang berpengaruh terhadap model yaitu berat lahir balita (X2) den�gan tingkat kepentingan 100%, status penyakit infeksi (X6) dengan tingkat ke�pentingan 90,88% dan jamban sehat (X5) dengan tingkat kepentingan 85,24%. Kata Kunci : MARS, Stunting