Abstract:
Penelitian ini bertujuan untuk mengembangkan model prediksi status gizi
anak usia 0–5 tahun guna mencegah risiko gizi buruk, dengan memanfaatkan
algoritma machine learning berbasis Support Vector Machine (SVM).
Permasalahan gizi buruk yang masih tinggi di wilayah tertentu, seperti Kelurahan
Gaharu, menjadi latar belakang penting dalam penelitian ini. Model
dikembangkan dengan menggunakan data antropometri dan faktor sosial, seperti
berat badan, tinggi badan, usia, imunisasi dasar, dan pendapatan keluarga. Untuk
meningkatkan akurasi prediksi dan menyederhanakan model, diterapkan metode
feature selection menggunakan Backward Elimination.
Proses pelatihan dan evaluasi model dilakukan menggunakan teknik
Stratified K-Fold Cross Validation dan metrik evaluasi seperti akurasi, precision,
recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM dengan
kernel linear memberikan akurasi tinggi hingga 98,10% setelah dilakukan seleksi
fitur. Dengan integrasi teknologi prediksi ini, sistem dapat membantu tenaga
kesehatan dalam mendeteksi risiko gizi buruk secara lebih cepat, akurat, dan
efisien, serta mendukung pengambilan keputusan intervensi gizi yang lebih tepat
sasaran.
