Penerapan Algoritma Support Vector Machine untuk Klasifikasi Stunting pada Balita di Kabupaten Enrekang

Abstract

Stunting adalah salah satu bentuk gizi yang kurang yang ditandai dengan tinggi  badan berdasarkan umur dan diukur dengan standar deviasi referensi WHO yang  dapat dilihat pada Indikator TB/U (tinggi badan dengan usia). Salah satu kabupaten  dengan jumlah penduduk stunting terbanyak di provinsi Sulawesi Selatan adalah  Kabupaten Enrekang. Metode yang digunakan pada penelitian ini yaitu klasifikasi stunting menggunakan algoritma Support Vector Machine (SVM) dengan kernel polynomial yang bertujuan untuk  mengelompokkan data anak balita di bawah 60 bulan apakah mengalami stunting atau tidak (normal). Klasifikasi Stunting pada balita memiliki signifikansi penting karena  menjadi landasan untuk merancang program pencegahan Stunting. Untuk menilai performa dan cara kerja model Support Vector Machine pada data anak balita di Kabupaten Enrekang, digunakan metode pengujian cross validation. Selain itu, hasil prediksi model dibandingkan dengan fakta aktual  menggunakan confusion matrix. Pada pengujian dengan 10 K-Fold Cross  Validation menggunakan Support Vector Machine menunjukkan hasil dengan nilai  tertinggi berada pada fold ke-4 dengan tingkat accuracy 99.13% precision 99.13%  recall 99.13% f1-score 99.13%. sedangkan nilai terendah berada pada fold ke-0  dengan tingkat accuracy 95.63% precision 95.74% recall 95.63% f1-score 95.51%.  Untuk rata-rata dari pengujian fold menunjukkan hasil accuracy 96.98% precision 96.99% recall 96.98% f1-score 96.94%. Sedangkan untuk hasil dari Confusion  Matrix dengan nilai accuracy sebanyak 98% secara total.

GS Cited Analysis