DETEKSI STUNTING PADA BALITA MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Abstract

Abstrak
Stunting adalah kondisi kekurangan gizi pada anak balita sehingga pertumbuhannya tidak berkembang, yang
berdampak negatif pada perkembangan fisik dan mental . Penelitan ini bertujuan untuk menerapkan metode KNearest Neighbor (K-NN) dalam mendeteksi stunting pada balita dengan menganilisis data dan menganalisis
akurasinya. K-Nearest Neighbor adalah algoritma machine learning yang memiliki fungsi untuk klasifikasi data
berdasarkan data train dan data test yang mana data itu diambil dari K tetangga terdekatnya. Data yang
dikumpulkan dari penelitian ini adalah data usia balita dari 0 bulan sampai dengan 5 tahun dengan klasifikasi
umur, jenis kelamin, tinggi badan, dan status gizi yang berjumlah 121.000 kolom. Data pada penelitian ini
dikonversi terlebih dahulu yaitu konversi data pada atribut jenis kelamin dan status gizi dimana status jenis
kelamin laki-laki menjadi 0 dan perempuan menjadi 1. Kemudian untuk status gizi severly stunted 0, stunted 1,
normal 2 dan tinggi 3. Kemudian, data ini dibagi menjadi dua yakni 80% data train dan 20% data test. Tingkat
akurasi yang ada pada penelitian ini mencapai 99% yang mana angka tersebut nyaris sempurna. Ini menunjukkan
bahwa metode KNN ini adalah metode yang cocok digunakan untuk penelitian ini.