KLASIFIKASI STUNTING PADA BALITA MENGGUNAKAN SUPPORT VECTOR MACHINE (STUDI KASUS : KABUPATEN MALAKA)

Abstrak

Stunting merupakan masalah gizi kronis yang masih menjadi tantangan kesehatan masyarakat,khususnya di Kabupaten Malaka.Tingginya angka stunting dipengaruhi oleh berbagai faktor seperti keterbatasan akses Pelayanan kesehatan, koitas gizi, serta kondisi sosial ekonomi masyarakat. Penelitian ini bertujuan untuk mengklasifikasikan status stunting pada balita menggunakan metode Support Vector Machine (SVM) guna menghasilkan model yang akurat dan efisien.Data yang digunakan dalam penelitian ini diperoleh dari Dinas Kesehatan Kabupaten Malaka sebanyak 601 data balita, dengan variabel jenis kelamin, umur, berat badan, dan tinggi badan. Tahapan penelitian meliputi praproses data, pembagian data menjadi data latih dan data uji dengan perbandingan 80:20, serta pelatihan model menggunakan SVM kernel linear. Evaluasi model dilakukan menggunakan metode Stratified 5-Fold Cross Validation dan confusion matrix untuk memperoleh nilai accuracy, precision, recall, dan F1-score.Hasil penelitian menunjukkan bahwa metode SVM mampu mengklasifikasikan status stunting dengan performa yang baik. Nilai akurasi pada setiap fold menunjukkan hasil yang tinggi, dengan performa terbaik mencapai akurasi sebesar 95,80% dan F1-score sebesar 0,970. Hal ini menunjukkan bahwa model yang dibangun memiliki kemampuan yang baik dalam mengklasifikasikan status stunting pada balita. Dengan demikian, sistem yang dikembangkan dapat membantu dalam proses deteksi dini stunting secara cepat dan akurat.