KLASIFIKASI STATUS GIZI BALITA DI POSYANDU CIBEUNEUR BERDASARKAN DATA ANTROPOMETRI MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Darul .; Rudi Kurniawan; Bani Nurhakim; Riri Narasati

Authors

Darul . STMIK IKMI Cirebon, Indonesia
Rudi Kurniawan STMIK IKMI Cirebon, Indonesia
Bani Nurhakim STMIK IKMI Cirebon, Indonesia
Riri Narasati STMIK IKMI Cirebon, Indonesia

Keywords:

Status Gizi, MBG, Posyandu

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita di Posyandu Cibeuneur menggunakan data antropometri dan algoritma Support Vector Machine (SVM). Data yang digunakan meliputi berat badan, tinggi badan, dan usia balita yang kemudian dikonversi menjadi nilai Z-score (WAZ, HAZ, WHZ) berdasarkan standar WHO. Penelitian ini terdiri dari beberapa tahapan, yaitu pengumpulan data, praproses data (pembersihan, normalisasi, standarisasi), pemodelan SVM, model evaluasi, dan pengembangan prototipe sistem berbasis web.Model SVM diuji menggunakan beberapa kombinasi kernel dan parameter, dan hasil terbaik diperoleh dengan kernel RBF (C = 10, gamma = skala). Evaluasi dengan metrik akurasi, presisi, recall, dan F1-score menunjukkan bahwa performa model mencapai akurasi sebesar 89,33% , dengan presisi dan recall tertinggi pada kategori Gizi Lebih , sedangkan kategori Normal memiliki nilai recall terendah akibat jumlah data yang tidak seimbang. Hasil ini menunjukkan bahwa algoritma SVM mampu mengidentifikasi pola antropometri balita secara efektif dan dapat diterapkan sebagai sistem pendukung keputusan di Posyandu. Model implementasi dalam sistem web memberi penentuan status gizi secara otomatis, konsisten, dan lebih cepat dibandingkan metode manual, sehingga berpotensi meningkatkan kualitas pemantauan gizi balita di tingkat layanan kesehatan masyarakat.

References

A. Althnian, D. H. AlSaeed, H. Al-Baity, A. Samha, and et al., “Impact of dataset size on classification performance: An empirical evaluation in the medical domain,” Applied Sciences, vol. 11, no. 2, p. 796, 2021, doi: 10.3390/app11020796.

V. Khadilkar, “Comparison of nutritional status of under-five Indian children using WHO and synthetic growth references,” Indian Journal of Endocrinology and Metabolism, vol. 25, no. 3, pp. 156–164, 2021, doi: 10.1080/22221751.2021.1898664.

I. A. Kinanti, U. Mahdiyah, and D. Swanjaya, “Sistem Klasifikasi Kondisi Balita Pada Posyandu Rambutan Dusun Bumirejo Desa Krecek Menggunakan Metode Svm (Support Vector Machine),” Prosiding SEMNAS …, vol. 7, pp. 725–732, 2023.

F. Widyawati, H. P. Suhito, W. Yassin, and H. A. Santoso, “Classification of toddler nutritional status using support vector machine and random forest techniques with optimal feature selection,” Jurnal Teknik Informatika (JUTIF), vol. 5, no. 6, pp. 1893–1904, 2025, doi: 10.52436/1.jutif.2024.5.6.4162.

E. Prasetyo, R. F. Tias, and E. R. Maulana, “Classification of The Nutrition Status Toddler Using the SVM Method (Case Study: Banjaragung Village, Bareng, Jombang),” JEECS (Journal of Electrical Engineering and Computer Sciences), vol. 6, no. 1, pp. 1039–1044, 2021, doi: 10.54732/jeecs.v6i1.193.

F. Adzhima, E. Budianita, A. Nazir, and F. Syafria, “Klasifikasi Status Stunting Balita Dengan Metode Support Vector Machine Berbasis Web,” INOVTEK Polbeng - Seri Informatika, vol. 8, no. 2, p. 381, 2023, doi: 10.35314/isi.v8i2.3641.

S. Dini Widianti, R. Astuti, and F. Muhamad Basysyar, “Menentukan Nilai Gizi pada Balita Menggunakan Algoritma Support Vektor Machine (SVM) di Posyandu Kelurahan Ciherang,” Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 171–176, 2024.

E. Ramon, A. Nazir, N. Novriyanto, Y. Yusra, and L. Oktavia, “Classification of Infant Nutritional Status at Bangun Purba Subdistrict Integrated Health Post Using Support Vector Machine (SVM) Algorithm,” Jurnal Sistem Informasi dan Informatika (Simika), vol. 5, no. 2, pp. 143–150, 2022.

H. Hadjarati, S. Kadir, and Y. Bait, “Penyuluhan Pencegahan Stunting pada Anak dalam Mencapai Tujuan Sustainable Development Goals (SDGs) di Desa Jaya Bakti dan Desa Lambangan Kecamatan Pagimana,” JPKM: Jurnal Pengabdian Kesehatan Masyarakat, vol. 3, no. 1, pp. 1–14, 2022, doi: 10.37905/.v2i2.12257.

E. N. Candra, I. Cholissodin, and R. C. Wihandika, “Klasifikasi Status Gizi Balita Menggunakan Metode Optimasi Random Forest Dengan Algoritme Genetika (Studi Kasus: Puskesmas Cakru),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 5, pp. 2188–2197, 2022.