Implementasi Metode SVM RBF (Radial Basis Function) Kernel Untuk Klasifikasi Status Gizi ada Balita

Abstract

Klasifikasi status gizi balita menjadi alat penting untuk memantau perkembangan gizi anak-anak guna mengidentifikasi kondisi gizi yang memerlukan perhatian lebih lanjut. Data yang digunakan dalam penelitian ini mencakup lebih dari 11.000 rekaman gizi balita yang dikumpulkan dari berbagai Posyandu di wilayah Sawang, Aceh Utara, antara Januari hingga Agustus 2024. Data ini mencakup informasi seperti berat badan, tinggi badan, jenis kelamin, usia, serta nilai Z-Score untuk berat dan tinggi badan sebagai acuan klasifikasi. Proses klasifikasi menggunakan metode Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF). Hasil prediksi menunjukkan bahwa mayoritas balita dikategorikan memiliki status gizi ideal dengan total frekuensi sebesar 202 balita. Selain itu, sebanyak 42 balita dikategorikan sebagai tidak seimbang, yang menunjukkan adanya risiko ke tidak seimbangan gizi. Sebanyak 29 balita masuk dalam kategori berpotensi berlebihan, yang mengindikasikan kecenderungan kelebihan gizi. Sedangkan, terdapat 23 balita yang tergolong dalam kategori gizi buruk, yang perlu mendapatkan perhatian lebih, serta 5 balita yang mengalami gizi lebih. Analisis lebih lanjut berdasarkan jenis kelamin menunjukkan bahwa jumlah status gizi ideal yang sama besar terjadi pada laki-laki dan perempuan, masing-masing sebanyak 101 balita. Berdasarkan kelompok usia, balita usia 13-24 bulan memiliki jumlah terbanyak dalam kategori ideal dengan total 47 balita, sedangkan balita usia 0-12 bulan memiliki kasus gizi buruk terbanyak dengan 6 balita. Hasil ini menunjukkan distribusi status gizi yang perlu diperhatikan untuk intervensi lebih lanjut.