Klasifikasi Status Stunting Balita Dengan Metode Support Vector Machine Berbasis Web

Fauzan Adzhima, Elvia Budianita, Alwis Nazir, Fadhilah Syafria

Abstract


Orang tua harus memperhatikan anak mereka saat balita, karena di usia tersebut mereka rentan terhadap berbagai gangguan pertumbuhan dan perkembangan, salah satunya stunting. Stunting adalah gangguan pertumbuhan dan perkembangan yang disebabkan oleh kekurangan gizi dan ditandai dengan tinggi badan yang tidak memenuhi kriteria pertumbuhan normal anak seusianya. Untuk mencegah stunting, tenaga kesehatan atau kader posyandu mengukur antropometri tubuh anak-anak di posyandu. Data hasil pengukuran tubuh anak diproses secara manual, sehingga ada kemungkinan besar kesalahan pemrosesan karena kesalahan manusia (human error). Dengan mempelajari pola data pengukuran, data mining dapat mengatasi masalah dalam proses pengolahan data pengukuran. SVM merupakan salah satu metode data mining yang umum dipakai untuk permasalahan klasifikasi dengan kelebihannya yang dapat bekerja dengan menggunakan memori yang kecil serta dapat memisah data yang tidak dapat dipisahkan secara linier. Usia, jenis kelamin, Inisiasi Menyusui Dini (IMD), berat badan, dan tinggi badan adalah atribut yang digunakan untuk klasifikasi menggunakan algoritma SVM ini. Berdasarkan pengujian yang dilakukan, terdapat 1172 data dengan hasil rata-rata performa model terbaik menggunakan parameter γ = 0.01 dan akurasi 98.99%, sehingga model dapat digunakan untuk memprediksi data pengukuran baru secara akurat dan tindakan pencegahan stunting dapat segera dilakukan.


References


Kementerian Kesehatan RI, “Prevalensi Stunting di Indonesia Turun ke 21,6% dari 24,4%â€, Biro Komunikasi dan Pelayanan Publik, Kementerian Kesehatan RI, Jan. 25, 2023. Accessed: Sep. 18, 2023. [Online]. Available: https://sehatnegeriku.kemkes.go.id/baca/rilis-media/20230125/3142280/prevalensi-stunting-di-indonesia-turun-ke-216-dari-244/

World Health Organization, “Stunting in a nutshellâ€, Nov. 19, 2015. Accessed: Sep. 19, 2023. [Online]. Available: https://www.who.int/news/item/19-11-2015-stunting-in-a-nutshell

N. D. Yanti;, F. Betriana, and I. R. Kartika, “Faktor Penyebab Stunting pada Anak: Tinjauan Literaturâ€, Real in Nursing Journal, vol. 3, no. 1, pp. 1–10, 2020, [Online]. Available: https://ojs.fdk.ac.id/index.php/Nursing/article/view/447/227

N. O. Nirmalasari, “STUNTING PADA ANAK: PENYEBAB DAN FAKTOR RISIKO STUNTING DI INDONESIAâ€, QAWWAM: JOURNAL FOR GENDER MAINSTREAMING, vol. 14, no. 1, pp. 19–28, 2020.

S. Lonang and D. Normawati, “Klasifikasi Status Stunting Pada Balita Menggunakan K-Nearest Neighbor Dengan Feature Selection Backward Eliminationâ€, Jurnal Media Informatika Budidarma, vol. 6, no. 1, p. 49, 2022, doi: 10.30865/mib.v6i1.3312.

M. Y. Titimeidara and W. Hadikurniawati, “Implementasi Metode Naïve Bayes Classifier Untuk Klasifikasi Status Gizi Stunting Pada Balitaâ€, Jurnal Ilmiah Informatika, vol. 9, no. 01, pp. 54–59, 2021, doi:

33884/jif.v9i01.3741.

J. Han, M. Kamber, and J. Pei, “Data Mining: Concepts and Techniques (3rd ed.)â€, 3rd ed. Elsevier/Morgan Kaufmann, 2012.

J. Yang et al., “Brief introduction of medical database and data mining technology in big data eraâ€, J Evid Based Med, vol. 13, no. 1, pp. 57–69, Feb. 2020, doi: 10.1111/jebm.12373.

N. B. Putri and A. W. Wijayanto, “Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishingâ€, Komputika : Jurnal Sistem Komputer, vol. 11, no. 1, pp. 59–66, Jan. 2022, doi: 10.34010/komputika.v11i1.4350.

H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelangganâ€, Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN), vol. 8, no. 2, Oct. 2020, doi: 10.30646/tikomsin.v8i2.500.

D. A. Anggoro and N. D. Kurnia, “Comparison of Accuracy Level of Support Vector Machine (SVM) and K-Nearest Neighbors (KNN) Algorithms in Predicting Heart Diseaseâ€, International Journal of Emerging Trends in Engineering Research, vol. 8, no. 5, pp. 1689–1694, 2020, doi: 10.30534/ijeter/2020/32852020.

Y. J. Chauhan, “Cardiovascular Disease Prediction using Classification Algorithms of Machine Learningâ€, International Journal of Science and Research, vol. Volume 9, no. Isuue 5 May, pp. 194–200, 2020, doi: 10.21275/SR20501193934.

I. Rahmi, M. Susanti, H. Yozza, and F. Wulandari, “CLASSIFICATION OF STUNTING IN CHILDREN UNDER FIVE YEARS IN PADANG CITY USING SUPPORT VECTOR MACHINEâ€, BAREKENG: Jurnal Ilmu Matematika dan Terapan, vol. 16, no. 3, pp. 771–778, Sep. 2022, doi: 10.30598/barekengvol16iss3pp771-778.

P. A. Octaviani, Y. Wilandari, and D. Ispriyanti, “PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA DATA AKREDITASI SEKOLAH DASAR (SD) DI KABUPATEN MAGELANGâ€, Jurnal Gaussian, vol. 3, pp. 811–820, Oct. 2014.




DOI: https://doi.org/10.35314/isi.v8i2.3641

Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


This Journal has been listed and indexed in :

Crossref logo Find in a library with WorldCat

Copyright of Jurnal Inovtek Polbeng - Seri Informatika (ISSN: 2527-9866)

Creative Commons License
ISI: Inovtek Polbeng Seri Informatikan is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Editorial Office :
Pusat Penelitian dan Pengabdian kepada Masyarakat
 Politeknik Negeri Bengkalis 
Jl. Bathin alam, Sungai Alam Bengkalis-Riau 28711 
E-mail: [email protected]
www.polbeng.ac.id

Web
Analytics
View My Stats