Abstract:
Permasalahan gizi buruk pada balita merupakan tantangan kesehatan masyarakat
yang signifikan, karena kekurangan gizi yang tidak terdeteksi sejak dini dapat
menghambat pertumbuhan fisik dan perkembangan kognitif anak secara
permanen. Di UPTD Puskesmas Gunung Meriah, proses identifikasi risiko gizi
buruk masih mengandalkan pencatatan manual dan evaluasi parameter secara
tradisional,
yang
ketidakkonsistenan
cenderung memakan waktu serta rentan terhadap
hasil
penilaian.
Penelitian
ini
bertujuan
untuk
mengembangkan sistem klasifikasi risiko gizi buruk menggunakan teknik data
mining guna mengoptimalkan pemanfaatan data historis balita. Fokus utama
penelitian adalah menerapkan algoritma C4.5 untuk membangun model
klasifikasi,
mengukur tingkat akurasi melalui confusion matrix, dan
mengidentifikasi atribut antropometri yang paling dominan dalam menentukan
status gizi. Metode penelitian mencakup pengumpulan data balita periode Oktober
2025 hingga Januari 2026, yang meliputi atribut umur, jenis kelamin, berat badan,
tinggi badan, dan Lingkar Lengan Atas (LILA). Data tersebut diolah
menggunakan algoritma C4.5 untuk menghasilkan pohon keputusan dan aturan
klasifikasi yang mudah dipahami. Hasil penelitian menunjukkan bahwa model
C4.5 berhasil mencapai tingkat akurasi sebesar 87,18% dalam memprediksi risiko
gizi buruk. Atribut LILA teridentifikasi sebagai faktor yang paling berpengaruh
terhadap klasifikasi dengan nilai gain ratio tertinggi sebesar 0,78623. Kesimpulan
dari penelitian ini adalah algoritma C4.5 terbukti efektif dan objektif dalam
mengklasifikasikan risiko gizi buruk pada balita. Implementasi sistem berbasis
web ini memberikan kemudahan bagi tenaga kesehatan dalam melakukan deteksi
dini dan menentukan prioritas penanganan, sehingga upaya pencegahan gizi buruk
dapat dilakukan dengan lebih cepat dan tepat sasaran.
