KLASIFIKASI STUNTING BALITA MENGGUNAKAN SUPERVISED LEARNING DIKOMBINASIKAN DENGAN METODE SELEKSI FITUR

Abstract

Stunting merupakan kondisi status gizi kurang yang bersifat kronik pada masa pertumbuhan dan perkembangan sejak awal kehidupan. Keadaan ini dipresentasikan dengan nilai z-core tinggi badan menurut umur (TB/U) kurang dari -2 standar deviasi (SD) berdasarkan standar pertumbuhan menurut WHO. Kejadian stunting pada balita lebih sering mengenai balita pada usia 12-59 bulan dibandingkan balita usia 0-24 bulan. Stunting dapat memberikan dampak jangka pendek dan panjang. Penelitian ini menggunakan data balita tahun 2022-2023 yang di dapat dari Posyandu Desa Alu Lim Kecamatan Blang Mangat dengan rentang usia balita 0-59 bulan. Penelitian ini bertujuan untuk meningkatkan akurasi hasil klasifikasi dari status gizi stunting pada balita menggunakan dua metode klasifikasi yaitu Support Vector Machine (SVM) dan Naive Bayes dan dikombinasikan menggunakan metode seleksi fitur Chi-Square. Penerapan Chi-Square dalam penelitian ini memiliki tujuan menghilangkan atribut-atribut yang tidak memiliki hubungan atau tidak berpengaruh yaitu atribut jenis kelamin, berat badan, tinggi badan dan miskin. Dari atribut-atribut yang telah diseleksi akan dilakukan klasifikasi menggunakan algoritma SVM dan Naive Bayes untuk menentukan klasifikasi status gizi stunting pada balita dengan hasil keputusan berupa probablitas dari klasifikasi itu sendiri. Penggunaan Chi-Square sebagai seleksi fitur membantu meningkatkan akurasi pada Naive Bayes dan SVM. Nilai f-measure yang dihasilkan SVM sebelum dikombinasikan dengan seleksi fitur adalah 0.78 sedangkan Naive Bayes 0.75, setelah dikombinasikan dengan seleksi fitur nilai f-measure pada Naive Bayes maupun SVM mengalami kenaikan. Nilai f-measure pada Naive Bayes menjadi 0.78, sedangkan pada SVM menjadi 0.80. sehingga SVM lebih unggul dalam hal klasifikasi stunting balita pada studi kasus penelitian ini.