<![CDATA[Stunting masih menjadi permasalahan bagi sebagian besar masyarakat di Indonesia. Menurut Kementerian Kesehatan, prevalensi stunting di Indonesia masih cukup tinggi. Sebagai isu yang saat ini menjadi fokus pemerintah Indonesia, stunting menjadi topik penelitian yang sangat penting. Penelitian ini bertujuan untuk membandingkan metode klasifikasi Support Vector System (SVM) dan k-Nearest Neighbor (k-NN) dengan algoritma Particle Swarm Optimization (PSO) untuk mendapatkan model algoritma terbaik dalam klasifikasi stunting pada balita. Dataset penelitian diperoleh dari data posyandu di wilayah pedesaan. Variabel yang digunakan dalam penelitian ini berbeda dengan penelitian sebelumnya, yaitu menggunakan 11 variabel yaitu jenis kelamin, urutan kelahiran, usia, berat badan lahir, tinggi badan lahir, berat badan, tinggi badan, lingkar lengan atas, lingkar kepala, pemberian ASI eksklusif, dan status gizi. Hasil pengujian menggunakan algoritma k-NN, SVM, k-NN dengan PSO, dan SVM dengan PSO, menunjukkan hasil ak dan durasi tertinggi pada model k-NN sebesar 92,45% dan Kappa sebesar 0,736. Hasil pengujian menggunakan optimasi PSO tidak berubah secara signifikan]]>
Copyrights © 2024
