KLASIFIKASI STATUS GIZI BALITA MENGGUNAKAN SUPPORT VECTOR MACHINE

STUDI KASUS: PUSKESMAS OEBOBO KOTA KUPANG

Abstract

Anak balita usia 0 hingga 59 bulan merupakan kelompok usia yang rentan terhadap masalah gizi sehingga memerlukan pemantauan status gizi yang akurat dan berkelanjutan. Di Puskesmas Oebobo Kota Kupang, proses penentuan status gizi masih dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan pencatatan dan perhitungan. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita menggunakan metode Support Vector Machine (SVM). Metode SVM digunakan karena kemampuannya dalam mencari hyperplane optimal sebagai batas pemisah antar kelas dengan margin maksimum, serta didukung kernel Radial Basis Function (RBF) untuk menangani data non-linar. Pengujian dilakukan dengan variasi C dan gamma untuk memperoleh performa model terbaik. Hasil penelitian menunjukkan bahwa kombinasi parameter C 50 dan gamma scale menghasilkan kinerja yang baik dengan akurasi sebesar 80,21%, presisi 79,05%, recall 80,21% dan f1-score 79,18%. Hasil tersebut menunjukkan bahwa model SVM mampu mengklasifikasikan status gizi balita dengan baik dan dapat digunakan sebagai pendukung pengambilan keputusan dalam pementauan gizi