Klasifikasi Status Stunting Balita Dengan Metode Support Vector Machine Berbasis Web

Abstract

Orang tua harus memperhatikan anak mereka saat balita, karena di usia tersebut mereka rentan terhadap berbagai gangguan pertumbuhan dan perkembangan, salah satunya stunting. Stunting adalah gangguan pertumbuhan dan perkembangan yang disebabkan oleh kekurangan gizi dan ditandai dengan tinggi badan yang tidak memenuhi kriteria pertumbuhan normal anak seusianya. Untuk mencegah stunting, tenaga kesehatan atau kader posyandu mengukur antropometri tubuh anak-anak di posyandu. Data hasil pengukuran tubuh anak diproses secara manual, sehingga ada kemungkinan besar kesalahan pemrosesan karena kesalahan manusia (human error). Dengan mempelajari pola data pengukuran, data mining dapat mengatasi masalah dalam proses pengolahan data pengukuran. SVM merupakan salah satu metode data mining yang umum dipakai untuk permasalahan klasifikasi dengan kelebihannya yang dapat bekerja dengan menggunakan memori yang kecil serta dapat memisah data yang tidak dapat dipisahkan secara linier. Usia, jenis kelamin, Inisiasi Menyusui Dini (IMD), berat badan, dan tinggi badan adalah atribut yang digunakan untuk klasifikasi menggunakan algoritma SVM ini. Berdasarkan pengujian yang dilakukan, terdapat 1172 data dengan hasil rata-rata performa model terbaik menggunakan parameter γ = 0.01 dan akurasi 98.99%, sehingga model dapat digunakan untuk memprediksi data pengukuran baru secara akurat dan tindakan pencegahan stunting dapat segera dilakukan.