<![CDATA[Stunting merupakan masalah kesehatan serius yang dihadapi oleh balita di berbagai negara, termasuk Indonesia. Stunting terjadi ketika anak mengalami pertumbuhan yang terhambat akibat kurangnya asupan gizi dalam jangka panjang, yang dapat berdampak pada perkembangan fisik dan kognitif. Dalam upaya untuk mengatasi masalah ini, diperlukan metode yang efektif dalam mendeteksi dan mengklasifikasikan status gizi balita. Penelitian ini bertujuan untuk mengimplementasikan metode K-Nearest Neighbor (KNN) sebagai teknik klasifikasi untuk mengidentifikasi kasus stunting pada balita. Metode KNN dipilih karena kesederhanaannya dalam menangani data dengan berbagai variabel dan kemampuannya dalam memberikan hasil yang akurat berdasarkan kedekatan fitur antar data. Dalam penelitian ini, dilakukan pengumpulan data status gizi balita dengan berbagai indikator seperti tinggi badan, berat badan, dan umur. Data tersebut kemudian diolah menggunakan algoritma KNN untuk menentukan apakah seorang balita masuk dalam kategori stunting atau tidak. Hasil pengujian menunjukkan bahwa metode KNN mampu memberikan tingkat akurasi yang baik dalam mengklasifikasikan status stunting balita. Dengan demikian, implementasi metode KNN ini diharapkan dapat menjadi salah satu solusi untuk membantu dalam deteksi dini dan penanganan stunting pada balita.]]>
Copyrights © 2024
