PEMODELAN RARE EVENT WEIGHTED LOGISTIC REGRESSION UNTUK KLASIFIKASI PADA DATA TIDAK SEIMBANG (Studi Kasus: Data Keluarga Berisiko Stunting di Kabupaten Jeneponto Pada Tahun 2024)=MODELING RARE EVENT WEIGHTED LOGISTIC REGRESSION FOR CLASSIFICATION ON IMBALANCED DATA (CASE STUDY: AT-RISK STUNTING FAMILIES DATA IN JENEPONTO REGENCY IN 2024)

Latar belakang. Klasifikasi bertujuan untuk memetakan objek ke dalam kelas tertentu berdasarkan atribut atau variabel yang dimilikinya. Salah satu metode yang sering digunakan adalah regresi logistik, yang memodelkan probabilitas kelas pada variabel respon biner menggunakan fungsi logit. Namun, pada permasalahan data tidak seimbang, model klasifikasi cenderung bias ke kelas mayoritas sehingga kemampuan mendeteksi kelas minoritas menjadi rendah. Data Keluarga Berisiko Stunting (KRS) Kabupaten Jeneponto tahun 2024 berjumlah 42.688 observasi dengan proporsi 14,56% berisiko dan 85,44% tidak berisiko. Tujuan. Penelitian ini bertujuan untuk memperoleh estimasi parameter model Rare Event Weighted Logistic Regression (RE-WLR) dan memodelkan hubungan antara keluarga berisiko stunting dengan faktor-faktor yang memengaruhinya di Kabupaten Jeneponto pada Tahun 2024 serta memperoleh performa hasil klasifikasi model. Metode. Penelitian ini terdiri dari tiga tahap utama: (1) estimasi parameter model menggunakan Maximum Likelihood Estimation (MLE) dan (2) pemodelan data keluarga berisiko stunting di Kabupaten Jeneponto Tahun 2024 menggunakan RE-WLR serta (3) evaluasi performa klasifikasi model berdasarkan metrik sensitivitas, spesifisitas, G-Mean dan Area Under the Curve (AUC). Hasil. Estimasi parameter model telah diperoleh menggunakan MLE. Faktor utama yang berpengaruh signifikan terhadap KRS meliputi kondisi tempat buang air besar, kondisi sumber air minum utama, status hamil, dan karakteristik PUS. Model terbaik diperoleh berdasarkan nilai λ yang digunakan yaitu 1-10 dengan increment satu dan metrik AUC tertinggi sebesar 0,830 dengan kategori good classification. Kesimpulan. RE-WLR efektif menangani ketidakseimbangan kelas pada data dan menghasilkan performa klasifikasi yang baik pada data KRS Kabupaten Jeneponto tahun 2024.