KLASIFIKASI STATUS GIZI BALITA STUNTING DENGAN METODE SUPPORT VECTOR MACHINE DAN METODE NAIVE BAYES CLASSIFIER

Nabila, Nurul Huda Yusa (2025) KLASIFIKASI STATUS GIZI BALITA STUNTING DENGAN METODE SUPPORT VECTOR MACHINE DAN METODE NAIVE BAYES CLASSIFIER. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) COVER ABSTRAK.pdf - Published Version Download (257kB)
	Text (Bab I Pendahuluan) BAB 1.pdf - Published Version Download (100kB)
	Text (Bab V Kesimpulan dan Saran) BAB V.pdf - Published Version Download (114kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Download (108kB)
	Text (Skripsi Full Text) Skripsi-Nabila Nurul Huda Yusa-2010431009.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Stunting merupakan salah satu masalah gizi yang menjadi fokus utama di Indonesia, terutama di Kabupaten Solok, yang memiliki prevalensi tinggi. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita stunting menggunakan dua metode klasifikasi, yaitu Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC). Data yang digunakan adalah data sekunder dari Dinas Kesehatan Kabupaten Solok tahun 2023, yang mencakup 360 balita dengan variabel prediktor seperti jenis kelamin, berat lahir, pemberian ASI eksklusif, imunisasi, penyakit infeksi, dan keluarga merokok. Untuk mengatasi ketidakseimbangan data, digunakan metode Synthetic Minority Oversampling Technique (SMOTE). Proses klasifikasi dilakukan menggunakan pendekatan multiclass pada SVM dengan kernel linier dan metode One Against One. Validasi model dilakukan melalui 5-fold cross-validation, dengan evaluasi menggunakan akurasi, recall, precision, dan F1-score. Hasil penelitian menunjukkan bahwa metode SVM menghasilkan tingkat akurasi yang lebih tinggi dibandingkan NBC dalam klasifikasi status gizi balita stunting. Kesimpulan ini mendukung penerapan SVM sebagai metode yang efektif dalam menganalisis status gizi balita stunting.

Actions (login required)

View Item